基于物種敏感度分布法的甲基叔丁基醚水生生物預測無效應濃度推導

鄭玉婷, 高子竣,, 于洋,* , 張麗麗, 林軍, 竹濤

1. 生態環境部固體廢物與化學品管理技術中心,北京 100029

2. 中國礦業大學(北京)化學與環境工程學院,北京 100083

20 世紀90年代,我國開始使用甲基叔丁基醚(methyl tert-butyl ether, MTBE)作為汽油添加劑,其生產量大、分布廣,在水體中半衰期長,穩定性強,具有較強的水溶性且難被生物降解[1]。 這些特點導致其易在地下水中不斷積累,對水體環境安全造成潛在危害,同時還會對人體及水生生物的生長發育和繁衍產生一定威脅[2]。 根據目前MTBE 對水生生物的毒理學資料,可以認為MTBE 對不同的水生生物具有不同的毒性作用并使其產生不同的應激反應[3]。 隨著國內各大城市機動車數量的快速增長,MTBE 在我國環境中特別是水環境介質中已有檢出。 王希在等[4]測定了廣東惠州水體中微量MTBE的濃度,結果表明油庫附近的地表水中濃度范圍為3.58 ~12.25 μg·L-1;煉油廠周邊的濃度范圍為3.6~4.68 μg·L-1;加油站周邊的濃度范圍為0.13 ~3.48 μg·L-1。 梁林涵[5]調查北京市水體中 MTBE 的含量水平,結果顯示地下水中幾乎未檢測到,地表水中平均濃度為0.33 ~0.99 μg·L-1,飲用水中平均濃度為 0.11 ~0.31 μg·L-1。 趙麗等[6]對重慶市地下水中MTBE 開展了水質監測,結果顯示重慶市丘陵地帶加油站地下水中MTBE 的含量為4.8 ~30.9 μg·L-1,平均濃度為 3.8 μg·L-1。

美國及部分歐洲國家率先檢測出的地下水體有機污染物中,MTBE 位列第二。 美國認為MTBE 具有潛在健康危害,并將其列為優先控制的環境污染物,隨后又將其列入致癌物名單,自2004年起減少甚至停止對MTBE 的使用[7-10]。 我國目前處于MTBE 產業的快速發展期,MTBE 的生產和應用正日趨成熟。 截至目前,我國發布了2 批優先控制化學品名錄及《優先控制化學品環境風險管控政策和措施》,但是暫未涉及MTBE,可能由于對MTBE 的環境風險信息掌握不足。

為評估MTBE 的水環境風險,保護水生生態系統免受MTBE 的影響,應明確MTBE 的危害閾值,該閾值通常被稱為預測無效濃度(PNEC)。 推導PNEC 是開展MTBE 環境風險評估的重要步驟,可通過物種敏感度分布(SSD)曲線法、不確定系數法等推導PNEC,其中SSD 法在生態風險評估中應用廣泛。 張家瑋等[11]利用SSD 法構建了水生生物對壬基酚的敏感性曲線,計算了壬基酚急性數據和慢性數據的5%物種危害濃度(HC5)值,預測了急慢性PNEC,并對我國長三角地區地表水開展了生態風險評估;李禹含等[12]利用SSD 法構建了海洋生物對4 種危險化學品的敏感度曲線,并計算了急性毒性HC5值;王印等[13]利用SSD 法構建了淡水生物對DDT 和林丹的敏感度曲線,計算了DDT 和林丹對不同生物的HC5。

我國鮮有對于MTBE 預測無效應濃度及環境風險評估領域的相關研究。 本研究通過數據庫檢索和文獻調研方法對MTBE 的毒性數據進行收集,利用數據質量評估開展高質量數據篩選,采用SSD 法構建MTBE 對全部物種、魚類、水生植物、節肢動物的敏感度曲線,計算了4個類別水生生物的HC5值,進而應用評估因子法推算出全部物種、魚類、水生植物和節肢動物的PNEC 值,評估MTBE 對水生生物的危害,以期為MTBE 的環境風險評估和水質基準提供參考。

1 研究方法(Research method)

1.1 生物毒性數據獲取與篩選

1.1.1 生物毒性數據獲取

本研究從EPA-ECOTOX 數據庫、日本化學物質生態毒性試驗數據庫(TEECS-Japan)、ECHA 數據庫及國內外公開發表的文獻和報告中獲取MTBE相關毒性數據。 毒性數據信息包括水生生物種類、拉丁文名稱、毒性終點、測試時間、毒性值、數據來源及年份等信息。 其中,水生生物種類優先采用水生態系統中藻類、水溞和魚類3個營養級的毒性數據。藻類急性毒性指標至少為72 h 以上的半數抑制濃度(EC50)或半數致死濃度(LC50);水溞急性毒性指標采用48 h-EC50或LC50;魚類急性毒性指標采用96 h-LC50,且選擇我國已有的物種;其他參考水生生物,如甲殼類急性毒性指標采用96 h-LC50,軟體動物和兩棲類動物急性毒性指標采用可檢索到的EC50或LC50。 慢性毒性指標采用水生生物的無觀察效應濃度(NOEC)。 所有水生生物生態毒性數據有明確的測試終點、測試時間,并在數據選擇時對測試階段或指標的詳細描述進行審查。 所有數據優先采用經過同行評議的數據,并注明數據來源。 當同一物種具有多個毒性終點時,按“最壞情況”假設取最低值;對于不同生物分類的數據,取全部分類中數據的最低值。

1.1.2 生物毒性數據篩選

本研究采用Klimisch 等[14]提出的生態毒理試驗可靠性評估法,對數據進行質量評估。 即根據21個評估因素對文獻打分,通過總分數將文獻劃分為非常可靠、可靠、不可靠3個等級,進而篩選出可使用的高質量可靠數據,評估因素如表1 所示。

同時,依據我國現行的《化學物質環境與健康危害評估技術導則(試行)》[15]規定,對 MTBE 高質量可靠毒理數據開展進一步篩選。 篩選重點考慮有效測試數據的質量高低,測試方法以及對測試過程和結果描述的清晰程度、邏輯性等。 此外,篩選考量的因素還包括試驗類型說明是否明確(例如是否為標準試驗、是否遵循良好實驗室規范(GLP)原則等),測試方法與測試物質的描述是否清晰,測試條件描述是否全面,測試過程中是否有合適的質量控制,測試結果是否給出了清晰準確的描述等。

1.2 HC5 值的計算

根據《化學物質環境與健康危害評估技術導則(試行)》[15]中規定,當獲得水生生物毒性數據充分且滿足統計外推法對數據的基本要求時,可采用SSD法預測水生生物的PNEC。 本研究通過SSD 模型推導HC5,利用HC5值與評估因子(AF)的比值推算PNEC。 HC5指保護95%的物種不受影響時所允許的最大劑量(濃度),代表了可以保護群落中95%的物種安全,不受污染物的顯著性影響,具有統計學意義[16-17]。 SSD 擬合軟件,本研究采用國家生態環境基準計算軟件物種敏感度分布法(EEC-SSD),并通過正態分布、邏輯斯諦分布2個模型,擬合MTBE對水生生物的SSD 曲線,推導HC5值。

1.3 預測無效應濃度的推導

本研究采用評估因子法推導水環境中生物的PNEC。 即通過HC5值與評估因子(AF)的比值推算PNEC,具體見公式(1)。 其中,AF 的取值范圍通常為1 ~5[18]。 根據《農藥登記 環境風險評估指南 第2 部分:水生生態系統》(NY/T 2882.2—2016)[19]中無脊椎動物和初級生產者物種敏感性分布AF 取值3,本研究AF 取值為3。

式中:PNEC 為水環境生物的預測無效應濃度(mg·L-1);HC5為水環境生物的生態毒理學關鍵效應值(mg·L-1);AF 為評估因子,取值 3。

2 結果與分析(Results and analysis)

2.1 數據質量評估

通過數據庫檢索法分別從EPA-ECOTOX 數據庫、TEECS-Japan、ECHA 數據庫中收集到共計33 條數據,該數據被視為可直接使用的數據。 通過文獻調研法收集到17 篇文獻摘要,根據摘要信息進一步在文獻中提取相關數據。 其中,中文文獻7 篇,英文文獻10 篇,共計179 條數據。 通過對比表1 中21項評估因素,對該17 篇文獻進行數據質量評估,得到了非常可靠文獻6 篇(18 ~21 分),可靠文獻5 篇(13 ~17 分),不可靠文獻 4 篇(＜13 分),另外 2 篇未找到原文(文獻編號1 和4),如圖1 所示。 通過數據質量評估篩選出的文獻數據54 條,占文獻總數據的30%。 滿足數據質量要求的數據庫數據33 條,合計87 條。

表1 生態毒理試驗可靠性評估因素Table 1 Factors for reliability assessment of ecotoxicological tests

圖1 文獻數據質量評估分數柱狀圖Fig.1 Histogram of literature data quality assessment scores

根據PNEC 值對數據的要求,對87 條評估數據進一步篩選,最終篩選出滿足生物毒性數據要求的20個物種的急性數據,如表2 所示。 20個物種分為四大類,即魚類、水生植物類、節肢動物和其他無脊椎動物。 其中魚類包含7 種,虹鱒魚(Oncorhynchus mykiss)、斑馬魚(Danio rerio)、黑頭軟口鰷(Pimephales promelas)、綠色銀漢魚(Menidia beryllina)、羊頭魚(Cyprinodon variegatus)、三棘刺魚(Gasterosteus aculeatus)和藍色太陽魚(Lepomis macrochirus);水生植物類包含5 種,螺旋魚腥藻(Anabaena spiroides)、橢圓小球藻(Chlorella ellipsoidea)、水華束絲藻(Aphanizomenon flos-aquae)、羊角月牙藻(Selenastrum capricornutum)和硅藻(Diatom);節肢動物包含6 種,蜉蝣(Hexagenia limbata)、草蝦(Palaemonetes pugio)、鉤蝦(Hyallela azteca)、大型溞(Daphnia magna)、藍蟹(Callinectes sapidus)和糠蝦(Americamysis bahia);其他無脊椎動物包含2 種,紫貽貝(Mytilus galloprovincialis)、蝸牛(Physa gyrina)。 全部物種 LC50/EC50的范圍在141 ~8 908 mg·L-1,魚類 LC50/EC50的范圍在545 ~1 054 mg·L-1,水生植物LC50/EC50的范圍在279 ~8 908 mg·L-1,節肢動物LC50/EC50的范圍在 141 ~581 mg·L-1。

表2 甲基叔丁基醚(MTBE)對水生生物的毒性數據Table 2 Toxicity data of methyl tert-butyl ether (MTBE) to aquatic organisms

從概念上講,急性數據(LC50、EC50等)和慢性數據(NOEC 等)均可用來構建SSD 曲線。 由于大多數污染物在環境中以低濃度長時間暴露對生態系統造成影響為主,因此,慢性毒性數據更接近環境中的實際情況。 當以獲得PNEC 制定環境質量標準為研究目的時,用NOEC 來計算HC5數值的生態意義更為明確。 然而,對于大多數物種和MTBE 而言,慢性毒性數據往往無法滿足構建SSD 的數據量要求,因此,本研究也同許多研究一樣,使用較易獲得的急性數據構建SSD 推導PNEC。

2.2 HC5 值計算

本研究分別通過正態分布模型和邏輯斯諦分布模型,對20個水生生物物種的毒性數據進行擬合及分析,得到基于急性毒性的物種敏感度分布曲線,如圖2 所示。 由于SSD 模型要求每組樣本數據量需要在5 ~500個范圍內,而其他無脊椎動物的數據量僅有2個,不滿足SSD 曲線的構建要求,因此未對其他無脊椎動物擬合SSD 曲線。

毒性值的高低對MTBE 在不同物種體內的累積概率具有一定影響。 如圖2 所示,當毒性值較低時(＜470 mg·L-1),不同物種對 MTBE 的累積概率由高到低的順序依次為:節肢動物＞全部物種＞水生植物＞魚類,表明節肢動物對MTBE 的敏感度高于其他物種;當毒性值在470 ~770 mg·L-1之間時,不同物種對MTBE 的累積概率由高到低的順序依次為:節肢動物＞全部物種＞魚類＞水生植物,表明節肢動物的敏感度仍處于最高,但魚類的敏感度有所變化,高于了水生植物;而當毒性值較高(＞770 mg·L-1)時,不同物種對MTBE 的累積概率由高到低的順序依次為:節肢動物＞魚類＞全部物種＞水生植物,表明節肢動物的敏感度仍較高,魚類已升至敏感度第2位。 可見當MTBE 的毒性值濃度較低時,在魚類體內的累積概率較低,但當其毒性值逐漸升高時,其在魚類體內的累積概率也逐漸升高。 綜上,結果表明,當毒性值較高時,相對水生植物來說,MTBE 在節肢動物和魚類體內更容易累積。

采用正態分布模型與邏輯斯諦分布模型擬合出的SSD 曲線形態接近(圖2),可見以上2 種方法獲得了較為一致的結果。 其中,全部物種HC5值為128.56 mg·L-1(正態分布模型)、129.62 mg·L-1(邏輯斯諦模型);魚類HC5值為491.13 mg·L-1(正態分布模型)、485.78 mg·L-1(邏輯斯諦模型);水生植物HC5值為 143.25 mg·L-1(正態分布模型)、151.83 mg·L-1(邏輯斯諦模型);節肢動物HC5值為117.71 mg·L-1(正態分布模型)、121.5 mg·L-1(邏輯斯諦模型)。SSD 曲線擬合參數如表3 和表4 所示。 全部物種和魚類的擬合度(R2)均在0.9 以上,水生植物R2處于0.7 ~0.9 之間,節肢動物R2處于 0.8 ~0.9 之間。 這可能是由于水生植物中的螺旋魚腥藻、橢圓小球藻、水華束絲藻、羊角月牙藻和硅藻5個物種雖然都屬于水生植物類,但所屬門類不同,數據間存在較大差異,因此擬合度相對較低。 同樣地,節肢動物R2未達到0.9,也可能由于其中包含蝦類和溞類2 類物種。

圖2 MTBE 對不同物種的物種敏感度分布(SSD)曲線Fig.2 Species sensitivity distribution (SSD) model of MTBE for different species

表3 正態分布模型模擬SSD 曲線關鍵擬合參數Table 3 Key fitting parameters of SSD curve simulated by normal distribution model

表4 邏輯斯諦分布模型模擬SSD 曲線關鍵擬合參數Table 4 Key fitting parameters of SSD curve simulated by Logistic distribution model

2.3 預測無效應濃度

根據公式(1)通過 HC5及 AF 推導 PNEC。 用正態分布模型和邏輯斯諦分布模型擬合SSD 曲線,可得出2 組包含全部物種、魚類、水生植物和節肢動物的HC5值,基于保守原則,本研究HC5選擇2 組數據中較低的值。 PNEC 結果如表5 所示。

表5 不同種類水生生物的預測無效應濃度(PNEC)推算結果Table 5 Predicted no effect concentration (PNEC)results of different aquatic organisms

如表5 所示,不同物種的PNEC 由低到高順序依次為:節肢動物＜全部物種＜水生植物＜魚類。 在3類不同物種之間,節肢動物的PNEC 最小,為39.23 mg·L-1,魚類的 PNEC 最大,為 161.93 mg·L-1。PNEC 結果表明,MTBE 對不同物種的PNEC 存在差異,節肢動物、水生植物與全部物種的PNEC 較接近,與魚類的PNEC 相差較大。

3 討論(Discussion)

本研究的數據質量評估結果表明,在收集到的17 篇文獻中,非常可靠文獻6 篇(18 ~21 分),可靠文獻 5 篇(13 ~17 分),不可靠文獻 4 篇(＜13 分),不予使用文獻2 篇。 篩選出高質量可靠數據共54 條,占評估總數據的30%。 根據來源于文獻和數據庫共87 條數據,最終獲得20個物種的急性毒性數據。正態分布模型和邏輯斯諦分布模型擬合結果表明,2種模型擬合出的SSD 曲線變化趨勢相似,得出MTBE 對水生生物的HC5值較為接近。 PNEC 推導結果分別為:全部物種的 PNEC 值42.85 mg·L-1、魚類的 PNEC 值 161.93 mg·L-1、水生植物的 PNEC 值47.75 mg·L-1、節肢動物的 PNEC 值 39.23 mg·L-1。全部物種與水生植物及節肢動物的PNEC 值相近,與魚類存在較大差異。 同時節肢動物對MTBE 的敏感度最高,其次是水生植物,魚類的敏感度相對較低。

本研究同國內其他學者基于SSD 法開展的HC5值研究成果進行了對比[2],后者計算得出的全部水生物種的HC5值為276.12 mg·L-1,本研究所得的HC5值為128.56 mg·L-1,二者之間略有差異,本研究所得值較為保守。 分析差異可能由于以下因素造成:(1)文獻采用急性毒性測試時間范圍為1 ~5 d,本研究采用測試時間≤4 d;(2)文獻對于同一測試物種的同一測試終點使用了多個數據的幾何平均值,本研究則按“最壞情況”假設取最低值,結果相對保守;(3)文獻采用的是國外模型軟件,本研究采用中國EEC-SSD 軟件。 即數據與模型選擇的不同造成了最終結果的差異。 對比本研究不同種類水生生物的PNEC,可見MTBE 對不同種類水生生物的PNEC 存在較大差異。 而我國不同地區水生生態環境中的物種也存在差異,因此,建議我國根據不同地區水生生物的類別情況,提出相應的MTBE 限值。

另外,本研究通過文獻檢索發現,近10年國內外對于MTBE 的毒性研究相對較少,研究主要集中在20 世紀80年代,且試驗物種類型有限,尚未有我國特有物種如稀有鮈鯽等的毒性數據。 因此,當獲得了更多的水生生物毒性數據或中國特有物種試驗數據時,本研究推算的MTBE 的PNEC 應進行更新。 同時,現階段我國也應加強MTBE 環境風險評估等領域的研究。