紹興茶園小流域的3種農藥生態風險評價

李之穎，楊芬，謝邵文，周建利，韋朝陽,#，梁濤

1. 長江大學農學院，荊州 434025 2. 中國科學院地理科學與資源研究所陸地表層格局與模擬重點實驗室，北京 100101 3. 廣東省科學院生態環境與土壤研究所，華南土壤污染控制與修復國家地方聯合工程研究中心，廣東省農業環境綜合治理重點實驗室，廣州 510650

農藥是現代農業中非常重要的一種生產資料，是保證農業生產質量與數量的關鍵，但同時，過量的農藥施用也會導致農藥殘留等污染問題[1]。隨著作物產量的不斷上升，農藥的施用量也在不斷增加，然而僅有30%左右停留在作物表面發揮功效，40%左右擴散到土壤和大氣中，其余的30%左右因為淋失等原因隨地表徑流進入河流與湖泊當中，對流域中的生物造成一定的危害[2]。現今農藥安全管理已日趨嚴格，農藥的施用前提及標準的設定等均需考慮農藥對于生態環境的危害程度[3-5]。而通過生態風險評價，可以定量分析評估某種農藥對環境的影響程度，進而科學指導農藥施用。

生態風險評價的方法眾多，如風險商法(risk quotient, RQ)、概率風險法等[6-7]。本研究引入物種敏感度分布法(species sensitivity distribution, SSD)來評估研究區域的生態風險值。物種敏感度分布法是由Kooijman在1987年提出，其原理為在復雜的生態系統中，不同種屬、不同門類的生物因為生理構造、地理分布等各種差異使得其對農藥殘留物的敏感程度各有不同且服從一定的概率分布，因此，通過這種概率分布函數來表達各生物物種對農藥殘留物的敏感度差異，即為物種敏感度分布法[8]。SSD方法相較于其他生態風險評價方法，可以有效地結合環境現實性較低的、缺乏生態性的單一物種在實驗室內短期試驗得出的毒理學數據，通常采用不同的毒性終點以表征某物種對某毒性物質的敏感度、耐受度等性狀，其效應終點有急性數據如半數致死濃度(median lethal concentration, LC50)、半數效應濃度(median effect concentration, EC50)，慢性數據如最大無觀察效應濃度(no observed effect concentration, NOEC)以及最大無觀察效應劑量(no observed effect level, NOEL)，通過將這些效應終點的數據結果外推到生物群落或整個生態系統來進行風險評價[9-10]。

蟲螨腈(chlorfenapyr)、聯苯菊酯(bifenthrin)和溴氰菊酯(deltamethrin)等都是茶業生產中常見的殺蟲劑，對應防治茶尺蠖、假眼小綠葉蟬和茶橙癭螨蟲害[11-13]，成效顯著，但同時，過量的施用也會導致殺蟲劑遷移至周邊土壤、水體甚至空氣中；而土壤、水體及空氣中的殘留在進入生物體后會通過生物富集作用影響整個生物鏈，并最終產生對人類的膳食暴露風險。本研究通過SSD方法對紹興茶園小流域進行蟲螨腈、聯苯菊酯和溴氰菊酯3類農藥的生態風險評價，以期對周邊茶園的農藥減施增效、生態環境安全管理等方面提供一定參考依據和理論支持。

1 材料與方法(Materials and methods)

1.1 數據獲取

研究區位于浙江省紹興市越城區御茶村，該茶園種植規范，是我國典型的綠茶茶葉主產區。茶園每年3次機械化采摘，茶葉生長期間，根據實驗地茶樹蟲害季節性發生規律[14-15]，分別在6月上旬、6月中下旬和8月中旬各噴施1次，3次噴施的農藥分別為聯苯菊酯、溴氰菊酯和溴蟲腈(俗稱“蟲螨腈”)，對應防治茶尺蠖、假眼小綠葉蟬和茶橙癭螨蟲害，具體噴施的農藥劑型為10%聯苯菊酯乳油、2.5%溴氰菊酯乳油和24%蟲螨腈乳油，施用劑量為聯苯菊酯150 mL·hm-2、溴氰菊酯750 mL·hm-2和蟲螨腈750 mL·hm-2。2017年8月，御茶村茶園農藥噴施結束之后，于御茶村茶園內主要溪流采集水樣，共布置9個采樣點；1個月后，即2017年9月，選擇御茶村茶園下游主要溪流及湖庫采集水樣，布置9個采樣點，采樣點分布如圖1所示。所采集的表層水體樣品，低溫保存運輸至實驗室，進行3種農藥殘留的檢測。樣點覆蓋研究區主要水系及交匯點。采樣點描述如表1所示。

圖1 研究區域及采樣點分布Fig. 1 Study area and sampling point distribution

本研究中用于構建SSD模型的毒理學數據均來源于美國環境保護局ECOTOX數據庫(https://cfpub.epa.gov/ecotox/)，該數據庫有11 000多種化學物質對12 000多種水生生物、陸生動植物的83萬多條毒理學數據[16-17]。在數據庫中可根據毒性效果、毒性終點、受影響物種種類及測試介質等方面進行篩選；因為急性毒性數據的結果常低估化合物對環境的風險影響，更適用于應對偶發的環境污染事故或作為制定短期水質標準的參考，而慢性毒性數據更貼近于低濃度污染物在環境中長期暴露所造成的影響，因此本研究中主要選取NOEC和NOEL這2種慢性毒性終點數據，其結果更加契合農藥殘留物對環境的風險影響。選取魚類、甲殼類和軟體類等水生及兩棲動物，藻類、苔蘚和菌類等水生植物作為被影響物種構建茶園區域水環境毒理學數據庫。

1.2 BITSSD軟件及模型構建

本研究采用中國地質大學何偉與北京大學徐福留教授研發的水土環境農藥污染物生態風險評價軟件平臺(簡稱BITSSD，著作權號2020SR1006185)進行計算，基于水土環境中農藥的SSD曲線，利用軟件中的模型數據庫或本研究自建的農藥SSD模型庫計算農藥生態風險概率[18]。該軟件可同時構建Burr Ⅲ、Log Normal、Log Logistic、Weibull和ReWeibull這5種SSD模型，并采用偏差信息準則(DIC)、赤池信息量準則(AIC)和貝葉斯信息準則(BIC)綜合評價確定最佳模型。通過隨機初始值+非線性擬合的方式獲得參數的先驗分布相關系數；而后，利用馬可夫鏈蒙托卡羅模擬(MCMC)的方式，采用3條鏈獲取后驗分布參數；最后利用后驗分布參數對SSD模型參數的不確定性、SSD模型曲線的不確定性、SSD相關推導值的不確定性(如危害閾值(HCX)、潛在影響比例即風險值(PAF)等)進行估計，從而科學評估水土環境農藥的生態風險[19-20]。其中，“HCX計算”子功能給出當x%的物種被影響時，農藥達到的濃度，該值被稱為危害閾值，一般用于預測無效應濃度和建立水質基準，通常選取5%物種危害濃度 (hazardous concentration for 5% the species, HC5)濃度，即群落中95%的物種不受污染物顯著影響的最大濃度；“PAF計算”子功能給出了樣點農藥殘留濃度對應的潛在物種影響比例，即生態風險值，是本軟件最重要的輸出數據，該數據用于生態風險評估[21-23]。

BITSSD軟件中可通過自帶的農藥數據庫建立SSD模型，但該數據庫中農藥數據有限，且物種選擇不符合本次研究區的實際物種分布情況，因此本研究對從ECOTOX數據庫獲取的農藥毒性數據進行歸納整理，選取適合的水生生物建立溴氰菊酯、聯苯菊酯和蟲螨腈的毒性數據庫，物種選取需考慮的因素有[24]：(1)在本地生態系統或漁業生產中具有重要意義的代表性物種；(2)對污染物較敏感的物種；(3)各類生物在水生態系統中有不同的功能及作用，考慮來自不同營養級、不同生物類群的物種更具有代表性，如魚類、浮游生物和底棲動物就可以表征一個復雜的水生態系統的結構特征和功能；(4)在商業上、娛樂上或者其他社會公眾關注等方面較重要的物種[25-27]。在美國環境保護局ECOTOX數據庫網站搜索頁面中，根據研究要求，確定各類參數，如實驗介質為水，毒性終點為NOEC、NOEL，受試物種為水生動植物，搜索并下載。搜索結果中，蟲螨腈數據27條，聯苯菊酯數據223條，溴氰菊酯數據208條。其中包含所有自然場地、人工場地及實驗室測試的國際標準測試物種以及美國境內受威脅、瀕危和入侵物種等[28-29]。本研究中研究區域屬于我國東部太湖流域內，美國境內的標志性物種并不適用于此次研究，因此需對已下載的毒性數據進行二次篩選，去掉不適用于本研究的毒性數據，同時當同一物種有多個可用數據時，取幾何平均值。

表1 采樣點位置信息及描述Table 1 The location of sampling point and description

結合以上各因素、中國本土敏感淡水水生生物推薦名錄及ECOTOX數據庫中的慢性毒性終點數據，最終收集到各農藥毒性數據量為蟲螨腈13條，聯苯菊酯113條，溴氰菊酯152條，如表2所示。選取的物種主要包括：鯉魚(Cyprinuscarpio)、鯽魚(Carassiusauratus)、大型蚤(Daphniamagna)、模糊網紋蚤(Ceriodaphniadubia)、搖蚊(Aedesaegypti)、萼花臂尾輪蟲(Brachionuscalyciflorus)、牡蠣(Crassostreavirginica)和綠藻(Desmodesmussubspicatus)。

1.3 水樣農藥檢測與分析

于分液漏斗中加入100 mL水樣，放入20 mL的二氯甲烷作為提取劑，分3次萃取，待樣品液體分層后將下層液體轉移至燒瓶中，如此反復進行3次，合并提取液并進行濃縮。采用旋轉蒸發法濃縮至1～2 mL，再用氮吹法濃縮至干，向濃縮瓶中加丙酮約2 mL，上機檢測[30]。所用儀器為氣相色譜三重四極桿串聯質譜聯用儀(美國ThermoScientific，TSQ 9000)。色譜柱為HP-5 ms彈性石英毛細管柱，30 m×0.25 mm×0.25 μm。色譜升溫程序：初始溫度80 ℃，保持1 min；以40 ℃·min-1的速度升至160 ℃；再以5 ℃·min-1的速度升至200 ℃，保持5 min；以8 ℃·min-1升至240 ℃；再以5 ℃·min-1升至290 ℃，保持3 min；3 ℃·min-1升至300 ℃，保持3 min。進樣口溫度為250 ℃；接口溫度為270 ℃；載氣為高純氮氣(純度≥99.999%)；載氣流速為1 mL·min-1；進樣器模式為不分流進樣；進樣量為1 μL。質譜條件：電離方式為電子轟擊離子源；離子源溫度為230 ℃；電離能量為70 eV；四級桿溫度為150 ℃；溶劑延遲時間為3.5 min；碰撞氣為氮氣，載氣為氦氣。

采用加標回收法來確定方法的準確度，在水樣中加入相當于2、5和50 μg·mL-1水平的3種農藥的標準溶液，并用上述氣相色譜-質譜條件進行分析測定，得出蟲螨腈、聯苯菊酯和溴氰菊酯在水樣中的回收率范圍分別在95.00%～117.00%、98.00%～115.00%和97.00%～113.00%之間。

利用BITSSD軟件的ECOTOX數據提取及歸納功能，導入選取好的各農藥毒性數據表格文件，生成按照物種歸類好的毒性數據。按照軟件要求，依次導入3種農藥歸類好的毒性數據和暴露數據，暴露數據即環境實測或模型預測的農藥殘留濃度，在本研究中采用茶園實測的農藥噴施8 d后殘留濃度，進行整理后導入軟件中。MCMC采樣設置均為默認，即采樣500次、移除200次和間隔10次。設置完成后即可進行5種SSD曲線的擬合計算。

表2 收集農藥毒性數據量Table 2 Collected pesticide toxicity data

2 結果(Results)

2.1 SSD模型擬合曲線

將3種農藥的毒性數據導入軟件并計算后，得出各自5種SSD模型，根據模型優劣判定參數DIC、AIC和BIC的均值大小，選擇最優SSD模型。其中蟲螨腈的最優模型為Log Normal模型，聯苯菊酯為ReWeibull模型，溴氰菊酯為Log Normal模型，各擬合曲線如圖2所示。

2.2 危害閾值及生態風險

根據軟件計算輸出的數據，得到蟲螨腈、聯苯菊酯和溴氰菊酯的HC5值和PAF值，選用SSD中值和SSD 95%置信區間(confidence interval)數據，結果如圖3所示，水環境下物種對聯苯菊酯和溴氰菊酯較為敏感，生態風險閾值HC5值均為0.001 μg·L-1，即保護該水環境中95%的物種，聯苯菊酯和溴氰菊酯的濃度需<0.001 μg·L-1。物種對蟲螨腈的敏感性相對較差，HC5值為0.4 μg·L-1。

PAF計算值受暴露數據及危害閾值的影響，體現的是采樣點處農藥殘留對該環境中物種的影響比例。根據2017年8月御茶村園區內水溪采樣點農藥殘留數據及PAF計算SSD中值結果可知，9個采樣點中，蟲螨腈殘留量最高影響22%的物種，溴氰菊酯殘留量最高影響50%物種，聯苯菊酯最高影響66%的物種；1個月后，御茶村下游水溪和水庫中農藥殘留全部為未檢出，據此可以判斷茶園流域內農藥殘留帶來的生態風險較低。表3和表4分別為2017年8月采樣點農藥殘留數據和3種農藥對物種的影響占比。

3 討論(Discussion)

3.1 不同物種對農藥的敏感性

從SSD模型曲線可看出，在水環境下，不同營養級的物種對農藥存在不同的敏感度，無脊椎動物和節肢動物對于農藥的敏感度高于魚類；營養級越高的物種對于農藥的敏感度越低。劉亞莉等[31]評價敵敵畏對淡水水生生物的生態風險時得出無脊椎動物在敵敵畏低濃度范圍內敏感度高于脊椎動物，甲殼類、昆蟲和蜘蛛類動物敏感度相均較高，魚類敏感度較低。農藥隨著生物鏈向上傳遞，在高營養級物種體內存在富集風險，魚類作為研究區內的高營養級生物，又同時被更高營養級的人類等捕食，對整體生態系統有著巨大的影響，本研究中魚類物種選用鯉魚和鯽魚建立毒性數據庫，數據表明2種魚類對3種農藥的敏感度較低，說明這3種農藥施用于該區域不會對研究區甚至整體生態系統有更深的影響。

3.2 物種選擇對SSD模型的影響

本研究SSD模型構建過程中，存在一些因素影響最終的數據結果，如在生物物種的選擇上，美國ECOTOX數據庫雖然涵蓋物種較為豐富但缺少中國本土物種的毒性數據，且各條數據研究條件不同會導致數據結果差別較大；藻類物種的數據較少，影響藻類物種的敏感度數據以及最終的擬合效果[32-33]；在毒性數據庫建立過程中，ECOTOX數據庫中蟲螨腈的毒性數據條目較少，物種的選取范圍較小，經過篩選后僅剩數十條可用的毒性數據，相比聯苯菊酯和溴氰菊酯上百條的數據來說，蟲螨腈的毒性數據庫不夠完善，物種種類較少，也會導致對物種敏感度及生態風險的模擬產生一定的偏差。目前，SSD方法對毒理數據的選擇暫時沒有統一的規定，經濟合作與發展組織(OECD)推薦最少數據為5個，而美國環境保護局(US EPA)推薦至少涉及3個門屬8個群種。張家瑋等[34]在評價中國長三角區地表水壬基酚生態風險時基于通用敏感物種和中國本地敏感物種分別構建SSD曲線，得出通用敏感物種慢性毒性HC5=5.9 μg·L-1，本地敏感物種慢性毒性HC5=1.56 μg·L-1，差異近4倍。以上研究結果均表明基于本地敏感物種構建的SSD模型能更好地表征當地的生態風險狀況。因此，雖然本研究只選取了8種本地物種，但它們對研究區內的農藥敏感度具有較好的代表性，以此建立SSD模型并開展生態風險評價具有合理性。

表3 2017年8月采樣點農藥殘留Table 3 Pesticides residues at the sampling sites in August 2017

圖2 3種農藥的物種敏感度分布(SSD)曲線注：PAF表示潛在影響比例，即風險值；CI表示置信區間；NOEC為無觀察效應濃度，NOEL為無觀察效應劑量；LogNormal、ReWeibull為物種敏感度分布曲線模型。Fig. 2 Species sensitivity distribution (SSD) curves of three pesticidesNote: PAF stands for potential affected fraction; CI stands for confidence interval; NOEC stands for no observed effect concentration, NOEL stands for no observed effect level; LogNormal and ReWeibull are species sensitivity distribution curves model.

圖3 3種農藥的危害閾值曲線注：CI表示置信區間。Fig. 3 Hazard threshold curves of three pesticidesNote: CI stands for confidence interval.

3.3 SSD模型選擇對生態風險的影響

SSD是一種基于單物種測試將預計的風險通過統計模型以概率的方式表達外推出來的方法，由于SSD沒有特定的分布規律，不同學者在應用中基于經驗提出了不同的SSD分布模型。王銅等[35]發現在污水處理廠同一處理工藝組合下，采用Burr Ⅲ分布和Log Logistic分布模型得到的擬合數據可相差3倍～9倍；李曉陽等[36]在濕地生態保護區相同水質條件下，根據Weibull模型和Burr Ⅲ模型計算得到的擬合數據相差2倍。為了盡可能減少系統偏差，在開展生態風險研究時，不能僅依靠經驗或參照前人的研究來選擇模型，需要進行相關評價選擇出最優擬合模型。本研究中采用的BITSSD軟件平臺，可快速簡便地構建出5種常見的SSD模型，并通過DIC、AIC和BIC這3種相關參數進行綜合評價以確定最佳模型，有效降低了出現誤差的可能性，提高了SSD方法評估的準確性和可靠性。

綜上所述，可以得出：

(1)根據2017年8月采樣點數據(圖4)，茶園內水溪中3類農藥，聯苯菊酯在7個采樣點中都有測出，且殘留量相對較高，最高達到2.0 μg·L-1。考慮到聯苯菊酯的HC5值較小，即該水環境中聯苯菊酯的物種敏感度較高，因此聯苯菊酯為浙江茶園小流域內生態風險的主要貢獻者；蟲螨腈和溴氰菊酯在各采樣點的殘留量檢出較少，個別采樣點未檢出，但因為該環境中物種對溴氰菊酯較為敏感，其影響的物種比例依然偏高，存在潛在風險；蟲螨腈對該環境中物種的風險處于低水平。殘留農藥通常經過降雨從植物表面及土壤中沖刷到水中，多半屬于水溶性，半衰期較短，多揮發至空氣中或隨徑流進入下游土壤[37]。本研究中茶園下游流域水樣中均未檢測出3種農藥，說明這3種農藥施用對茶園流域的生態風險較低。

圖4 采樣點3種農藥殘留Fig. 4 Residues of three pesticides at the sampling site

(2)蟲螨腈、聯苯菊酯和溴氰菊酯3種常見的農藥在噴施初期其殘留對浙江紹興茶園內物種存在一定的威脅，蟲螨腈最高可影響水環境中22%的物種、溴氰菊酯最高影響50%的物種，聯苯菊酯最高影響66%的物種。根據BITSSD模型模擬結果，聯苯菊酯和溴氰菊酯在濃度<0.001 μg·L-1、蟲螨腈濃度<0.4 μg·L-1時，可保護茶園流域環境中95%的物種不受影響，但在噴施近1個月之后，茶園下游流域水體未測出3種農藥的殘留，說明農藥施用對紹興茶園小流域的物種影響較小，其生態風險可控。

致謝：中國熱帶農業科學院呂岱竹研究員提供了3種農藥的測定服務，特此致謝！

通訊作者簡介：周建利(1971—)，男，博士，副教授，主要研究方向為重金屬污染土壤環境修復。

共同通訊作者簡介：韋朝陽(1965—)，男，博士，研究員，主要研究方向為重金屬環境健康效應及重金屬污染修復。