应用物种敏感性分布评价敌敌畏对淡水生物的生态风险

刘亚莉，谢玉为，张效伟，彭书传，陈天虎，王继忠,

1. 合肥工业大学 资源与环境工程学院，合肥 230009 2. 合肥工业大学 纳米矿物与环境材料实验室，合肥 230009 3. 南京大学 环境学院 污染控制与资源化研究国家重点实验室，南京 210023



应用物种敏感性分布评价敌敌畏对淡水生物的生态风险

刘亚莉1,2，谢玉为3，张效伟3，彭书传1,2，陈天虎1,2，王继忠1,2,

1. 合肥工业大学 资源与环境工程学院，合肥 230009 2. 合肥工业大学 纳米矿物与环境材料实验室，合肥 230009 3. 南京大学 环境学院 污染控制与资源化研究国家重点实验室，南京 210023

敌敌畏是一类重要的有机磷杀虫剂，但其对水生生态的影响至今研究较少。为了评价其生态风险，构建了淡水水生生物对敌敌畏的物种敏感性分布(species sensitivity distribution，SSD)模型，在此基础上，讨论了影响SSD模型的主要因素；并分析了该模型的不确定性；推导了敌敌畏对不同类别生物的5%危害浓度HC5(hazardous concentration for 5% the species)阈值；整理收集了我国重要流域水体中敌敌畏的环境浓度；结合SSD模型计算了对淡水生物的潜在影响比例(potentially affected fraction，PAF)。结果表明：1) 不同模型的选择会影响HC5的结果，且BurrIII模型拟合结果较好，推导的HC5值为0.37 μg·L-1；2) 无脊椎动物在敌敌畏低浓度范围内的敏感性明显高于脊椎动物。甲壳类动物与昆虫和蜘蛛类相似，敏感度较高，鱼类则较低；3) 应用BurrIII模型构建SSD时，参数k值对HC5最为敏感，蒙特卡罗随机模拟得到HC5变化范围为0.05～40.57 μg·L-1，均值为5.07 μg·L-1；4) 敌敌畏对我国淡水生态影响较小，PAF均低于1%，其中黄河和太湖流域敌敌畏的生态风险高于其他河流湖泊，珠江口和南海北部较低。上述研究结果为评价敌敌畏对全国不同水体水生生物的潜在生态风险提供了科学依据。

敌敌畏；淡水生物；生态风险；物种敏感性分布

Received 2 December 2015 accepted 26 January 2016

有机磷杀虫剂是农业上使用比较广泛且用量较大的一类农药，具有品种较多，杀虫效率高，防治范围广，成本低，对植物要害小，很少蓄积中毒，选择性高等优点[1]。资料显示，2013年我国杀虫剂用量为11.64万吨，其中有机磷类用药高达8.19万吨，占杀虫剂总用量的70.38%[2]。敌敌畏作为我国最重要的有机磷农药之一，在杀虫剂产业中占有非常重要的地位，据统计，仅2005年敌敌畏在我国的产量就高达27 000吨，排名占据有机磷农药第2位[3]。随着经济的快速发展，城市绿化率提高，在维护花草树木生长的过程中有机磷农药使用量也不断增加，从而可能导致周围水体污染并进一步影响水生生物。尽管先前有不少学者开展了我国不同流域水体中敌敌畏杀虫剂的污染研究，但全面评价全国尺度上水体污染及其生态风险的研究仍然缺乏。本文以有机磷农药中敌敌畏为研究对象，利用物种敏感性分布(species sensitivity distribution，SSD)模型，评价其对全国不同水体水生生物的潜在生态风险。

1 材料与方法 (Materials and methods)

1.1 原理与基本步骤

SSD法是根据剂量-效应而建立的外推评价方法之一。对某一物种而言，某种污染物在不同剂量或浓度下对该物种产生的影响或危害可以用剂量-效应曲线描述。同样，该污染物对一个群落或生态系统产生的影响或效应也存在着一定的关系，而这些关系符合特定的概率分布模型，如正态分布、逻辑斯蒂分布等[4]，通过研究已有的剂量-效应数据，并建立不同物种剂量-效应的分布规律曲线，外推至这个群落或生态系统，从而可以明确研究区域环境介质污染物暴露浓度可能对生态系统物种的影响比例PAF (potential affected fraction)，即SSD正向法，或者为了保护研究区域绝大多数物种，根据被保护的物种比例如保护95%物种，即5%危害浓度HC5(hazardous concentration 5%)制定环境质量标准，称之为SSD反向法。应用SSD模型进行生态风险评价时首先需要收集足够的剂量-效应数据，并根据这些数据建立SSD曲线，从而计算PAF或者确定HC5浓度，具体步骤包括：(1)毒性数据获取；(2)物种分组和数据处理；(3)曲线拟合；(4) HC5和PAF计算。

1.2 毒理数据获取

关于敌敌畏的淡水水生生物毒性数据主要从美国环保局(USEPA)的EPAECOTOX数据库(http://cfpub.epa.gov/ecotox/)获取。在生态风险评价中，慢性数据能较好地反映真实环境下生物的暴露情况，但慢性数据相对缺乏，难以建立稳健的SSD曲线，通常采用急性慢性比ACR (acute-to-chronic ratio)方法将急性数据转化为慢性数据，从而获得足够数据构建SSD模型。本研究中收集的慢性数据为无观察效应浓度NOEC (non-observed effect concentration)和最低可观察效应浓度LOEC (lowest observed effect concentration)，暴露时间大于10 d，而急性数据则采用半数死亡浓度LC50(lethal concentration 50)或半数最大效应浓度EC50(concentration for 50% of maximal effect)，暴露时间小于2 d，其中ACR值是根据同一物种的急慢性数据的几何均值计算获得特定物种的ACR值，然后对这些ACR值取几何均值[5]，最终得到的ACR值为7.56。

1.3 物种分组和数据处理

本研究共收集了131个淡水物种的毒性数据，共计492个毒性数据(表1)，对于同一物种拥有多个毒性数据时，采取毒性数据的几何均值。同时将数据分以下两种情况：(1)全部物种；(2)把全部物种细分为脊椎动物和无脊椎动物两类。其中全部物种包括脊椎动物和无脊椎动物，脊椎动物中包括鱼类和两栖动物，无脊椎动物中包括甲壳类、昆虫和蜘蛛类、软体动物及其他无脊椎动物类等。由于物种数量太小容易产生较大的偏差，本文中将藻类和两栖类物种排除，不进行拟合计算，对数据量较大的物种进行SSD构建和计算。

表1 敌敌畏的毒性数据(无观察效应浓度或最低可观察效应浓度)统计特征(对数变换后)

表2 SSD法的分布公式

1.4 曲线拟合

SSD是通过将污染物的毒性数据用一个数学分布来描述，认为获得的毒理数据是来自于这个分布的大量样本，用来估算该分布的参数[6]。首先把毒性数据进行整理，然后按照数值大小对物种毒性数据进行排序，按照下式计算每个物种的累积概率：

式中，i是物种从小到大排序的秩，n是样本数。

根据累积概率和毒性数据构建分布曲线，并应用不同的分布模型进行拟合。目前还没有足够证据证明SSD遵循某种特定的分布规律，因此在实际研究中采用多种方法进行拟合以找出最优分布并进一步构建SSD曲线。当前常用的拟合方法包括参数方法和非参数方法：参数拟合方法的模式主要有Log-normal、Log-logistic、Gaussian和BurrIII等[7](表2)；非参数拟合方法的模式主要是Bootstrapping[8]。如美国和欧洲推荐使用对数正态分布模型拟合SSD曲线，而澳大利亚和新西兰则推荐使用BurrIII型分布[9]，因为BurrIII型分布可以变化为Reweibull分布和RePareto分布，它是一种灵活的分布函数，适用范围较广，对物种敏感性数据拟合较好。本研究选择了Log-normal、Log-logistic、Gaussian、BurrIII和Reweibull分布分别进行拟合，其中Log-normal、Log-logistic、Gaussian分布拟合时需要对数据进行对数转化，BurrIII和Reweibull分布不需要任何转化，所有的拟合在Datafit 9.0软件包中完成。最终根据拟合的回归系数平方(R2)、残差平方和(SSE)和赤池信息准则(Akaike’s information criterion，AIC)[10]确定最佳拟合模型，其中AIC是由日本科学家赤池弘次(H. Akaike)研究信息论时根据“吝啬原理”而提出的一种选择最佳拟合模型的方法，该方法将拟合度和参数数目结合，并根据最小AIC的原则从一系列拟合模型中确定最佳模型。

1.5 HC5和PAF的计算

如前所述SSD法一般分为正向和反向两种用法。正向用法根据污染物环境浓度，计算潜在影响比例PAF，即环境浓度超过生物毒性终点值的物种比例，给定的污染物浓度在SSD曲线上对应的累积概率即为PAF[11]，一般是根据毒性数据获得最佳拟合及其参数值，得到一个确定的方程后，根据环境暴露浓度(X)计算对应的Y值。反向用法中SSD被用于确定一个可以保护生态系统中绝大部分生物物种的污染物浓度水平，一般使用5%危害浓度(HC5)，在SSD拟合曲线上对应5%累积概率的污染物浓度即为HC5。

1.6 SSD模型的不确定分析

不同毒性数据的选择会导致模型具有一定的不确定性，为了更准确的评价敌敌畏对水生生物的生态风险，本文首先从全部物种131个数据中随机抽取70个数据进行BurrIII曲线拟合，重复50次，得到50个不同的曲线方程及其参数，然后对各组参数做Kolmogrov-Smirnov检验确定其分布特征，最后利用蒙特卡罗随机运算1 000次，检验模型的不确定性(应用水晶球crystal ball软件)。

2 结果与分析(Results and analysis)

2.1 不同曲线方程拟合结果

表3列出了不同模型拟合全物种毒性数据的曲线方程及其拟合度参数。结果发现：BurrIII模型拟合效果最好，回归系数R2为0.99，且SSE为0.02，其次是ReWeibull模型，回归系数R2为0.98，且SSE为0.06，Log-normal模型拟合效果最差，回归系数R2为0.85，且SSE为0.42。AIC计算结果亦揭示了BurrIII拟合得到最小的AIC，其次为Reweibull，而Log-normal计算得到的AIC最大。通过计算HC5的值，从表3中可以看出ReWeibull模型预测得到的HC5均高于其他模型预测结果，且Gaussian模型预测的HC5最小。

2.2 参数计算结果

不同物种对敌敌畏的最优拟合方程及其参数见表4。全部物种、脊椎动物和鱼类使用了BurrIII型分布进行拟合，无脊椎动物、甲壳类及昆虫和蜘蛛适用于ReWeibull型分布。结果表明，除了甲壳类、昆虫和蜘蛛的SSD曲线拟合R2小于0.99，其余拟合R2均大于0.99，这与其拟合物种组成及数目较少有关，但总体拟合效果均较好。

2.3 不同种类生物的HC5值及其比较

敌敌畏对不同类别生物的HC5值见表4。由表4可知，敌敌畏对全部物种的HC5为0.37 μg·L-1，即当其浓度低于该值时可保护95%物种。脊椎动物的HC5较无脊椎动物高，反映脊椎动物对敌敌畏的耐受性更强。敌敌畏对甲壳类的HC5值最低，为0.23 μg·L-1，而对鱼类的HC5值最高，达到24.90 μg·L-1，表明敌敌畏对甲壳类的暴露风险最大。以上结果表明不同种类生物对敌敌畏的敏感性不同。

表3 拟合SSD曲线方程与HC5值

2.4 SSD模型的不确定分析

从131个全物种中随机抽取70个毒性数据，重新构建BurrIII分布模型，得到相应的b、c、k及HC5，并重复50次，得到50个b、c、k及HC5，再对各组参数进行Kolmogrov-Smirnov检验，结果发现参数b、c、k及HC5值均符合正态分布，根据各参数的分布特征，运用蒙特卡罗模拟计算HC5的不确定性，结果表明HC5值的变化范围为0.05～40.57 μg·L-1，均值为5.07 μg·L-1(图1)，并且参数k对结果的影响最大。

图1 HC5不确定分析图Fig. 1 Uncertainty analysis of the HC5

表4 不同物种对敌敌畏的SSD拟合参数及HC5值

表5 中国水体中不同敌敌畏浓度下的PAF值

2.5 中国河流水体中敌敌畏农药的污染状况及生态风险评价

根据国内文献中检索到国内河流水体中敌敌畏的含量[12-17]，其浓度范围为0.84～40.7 ng·L-1，算术均值为16.8 ng·L-1，且敌敌畏的浓度分布符合正态分布(p=0.75)，利用SSD方法计算了污染物对淡水生物的影响比例(PAF)，结果如表5所示。由表可看出，这些敌敌畏生态风险值均较低，未达到1%的阈值。其中黄河和太湖敌敌畏的生态风险高于其他河流湖泊，珠江口和南海北部较低。

3 讨论(Discussion)

3.1 不同模型的选择

由于没有足够的证据证明SSD符合特定的分布规律，在实际应用中不同学者提出了不同的SSD分布模型，而大部分模型均是基于经验获得的。为了尽可能避免因模型的选择而造成误差，需要进行评价选择出最优拟合模型。在应用SSD模型时，一般希望得到HC5和PAF值，但二者对预测结果要求不同，HC5是预测5%的危害浓度，因此对x轴的拟合更加敏感，尤其对低浓度数据模拟时要求更为严格。相反，PAF则预测受影响的物种比例，因此对y轴敏感，希望拟合曲线能更好地预测y值[18]。

相关系数是检验模型拟合好坏的最直接也最简单的参数之一，本研究中分别选择了5个模型进行拟合，结果发现BurrIII和ReWeibull得到的相关系数最大，一般毒性数据较多是BurrIII拟合较好，如全物种、脊椎动物和鱼类，毒性数据较少是则ReWeibull的拟合最好。先前研究亦发现BurrIII和Reweibull两种模型在SSD拟合时具有优势[11]。本研究亦计算了全物种几何均值不同拟合下误差平方和(sum of the squared errors，SSE)，结果发现，BurrIII和Reweibull的SSE最小，尤其在计算累积概率时BurrIII的SSE仅为2%，可见BurrIII模型对于预测PAF时具有较好的稳定性。

AIC是根据“吝啬原理”判断一系列拟合模型中最佳选择，通过拟合度和参数数量计算出AIC，并认为最小AIC的模型是最佳模型。由于本研究选取的模型参数数目接近，Log-normal和Log-logistical有2个参数，而BurrIII、Gaussian和ReWeibull有3个参数，因此拟合度是影响AIC的关键因素，理所当然，SSE较小的BurrIII和ReWeibull模型具有较小的AIC，尤其BurrIII的AIC值最小。根据AIC亦建议：对于全物种而言，BurrIII模型最佳。同时从表3中亦发现，2个参数模型AIC要远远大于3个参数模型，主要原因在于2参数模型的拟合度差，从而导致较大的AIC值。

3.2 不同种类生物对敌敌畏的敏感性

通过SSD曲线可以方便地比较不同类别的生物对于同种有毒物质敏感性的差别。不同类别生物对敌敌畏的敏感性见图2中(a)和(b)。由(a)可以看出，无脊椎动物在敌敌畏低浓度范围内的敏感性明显高于脊椎动物，由(b)可以看出，甲壳类动物与昆虫和蜘蛛类相似，敏感度较高，鱼类的敏感性较低。

3.3 SSD模型构建的不确定性分析

不同的研究者搜集的毒性数据有所不同，对结果会产生一定的影响，最后计算得到HC5大相径庭，本文用131个数据采用BurrⅢ分布得到的HC5值为0.37 μg·L-1，同样多次随机从131个数据中抽取70个数据得到HC5值的变化范围为0.05～40.57 μg·L-1,均值为5.07 μg·L-1。近年来亦有研究利用SSD法计算敌敌畏的HC5值，刘昕宇等[19]将最终拟合的数据控制在10～20个，各营养级数据分布均匀，而本文中脊椎动物较无脊椎动物数量多，且敌敌畏对脊椎动物的毒性远比无脊椎动物的小，所以造成全部物种的HC5值比较大。因此毒性数据选取的差距会导致计算结果的差距。

图2 动物对敌敌畏的SSD曲线 (a)脊椎动物和无脊椎动物 (b)鱼类、甲壳类及昆虫和蜘蛛类Fig. 2 SSD curves for vertebrates and invertebrates exposed to dichlorvos (a) SSD curves for fishes, crustaceans, insects and spiders exposed to dichlorvos (b)

3.4 我国不同流域水体敌敌畏污染及其生态风险评价

总体而言，我国水体中敌敌畏污染较弱，PAF均小于1%。先前的研究认为，我国北方水体中敌敌畏污染比南方严重[2]，通过收集不同研究数据，并未发现有明显的差异，比如我国南方水系中九龙江、长江和太湖流域均含有较高的敌敌畏浓度，而珠江和珠江口敌敌畏浓度则较低(表5)。但先前的研究指出，北方水系中敌敌畏浓度约比南方水系高出一倍[12]。尽管敌敌畏在我国广泛大量使用，但通过SSD法评价其对水生环境的影响较小，主要原因在于敌敌畏易降解，例如在pH=7时，其水解半衰期约为6.5 h，远远小于其他农药，同样条件下甲基对硫磷的水解半衰期则为72 d[20]。

[1] 卞红正, 汤婕, 王明星, 等. 巢湖水中7种有机磷和12种有机氯农药SPME检测技术研究[J]. 安徽农业大学学报, 2012, 39(4): 607-612

Bian H Z, Tang J, Wang M X, et al. Determination of organophosphorus and organochlorine pesticides in Chaohu Lake by solidphase microextracion with gas chromatography [J]. Journal of Anhui Agricultural University, 2012, 39(4): 607-612 (in Chinese)

[2] 束放, 王强, 韩梅, 等. 2013年我国农药生产与使用概况[J]. 中国植保导刊, 2014, 12(4): 49-51

Su F, Wang Q, Han M, et al. The pesticide production and use of profiles of China in 2013 [J]. China Plant Protection, 2014, 12(4): 49-51 (in Chinese)

[3] 刘飞虎, 张硕. 南淝河水体中有机磷和菊酯类农药风险评价[J]. 合肥工业大学学报, 2014, 37(12): 1499-1504

Liu F H, Zhang S. Ecological risk of organophosphorous and synthetic pyrethroid pesticides in water from Nanfeihe River [J]. Journal of Hefei University of Technology, 2014, 37(12): 1499-1504 (in Chinese)

[4] 汤嘉骏, 刘昕宇, 解启来, 等. 流溪河水体有机氯农药的生态风险评价[J]. 环境科学学报, 2014, 34(10): 2709-2717

Tang J J, Liu X Y, Xie Q L, et al. Ecological risk assessment of organochlorine pesticides OCPs in water of Liuxi River [J]. Acta Scientiae Circumstantiae, 2014, 34(10): 2709-2717 (in Chinese)

[5] 高培. 壬基酚的水质基准探讨和生态风险评价[D]. 青岛: 中国海洋大学, 2014: 5-7

Gao P. Derivation of water quality criteria for nonylphenol and its application in ecological risk assessment [D]. Qingdao: Ocean University of China, 2014: 5-7 (in Chinese)

[6] 吴丰昌, 冯承莲, 曹宇静, 等. 锌对淡水生物的毒性特征与水质基准的研究[J]. 生态毒理学报, 2011, 6(4): 367-382

Wu F C, Feng C L, Cao Y J, et al. Toxicity characteristic of zinc to freshwater biota and its water quality criteria [J]. Asian Journal of Ecotoxicology, 2011, 6(4): 367-382 (in Chinese)

[7] Posthuma L, Traas T P, Suter G W, et al. Species Sensitivity Distributions in Ecotoxicology [M]. Baca Raton FL USA: Lewis Publishers, 2002: 155-193

[8] Shao Q. Estimation for hazardous concentrations based on NOEC toxicity data: An alternative approach [J].Environmetrics, 2000, 11(5): 583-595

[9] Hose G C, Van B. Confirming the species sensitivity distribution concept for endosulfan using laboratory mesocosm and field data [J]. Archives of Environmental Contamination and Toxicology, 2004, 4(47): 511-520

[10] 刘璋温. 赤池信息准则AIC及其意义[J]. 数学的实践与认识, 1980(3): 64-72

Liu Z W. Akaike’s information criterion and its significance [J]. Mathematics in Practice and Theory, 1980(3): 64-72 (in Chinese)

[11] 徐福留, 刘良, 颜小品, 等. 应用物种敏感性分布评估多环芳烃对淡水生物的生态风险[J]. 生态毒理学报, 2009, 4(5): 647-654

Xu F L, Liu L, Yan X P, et al. Assessing ecological risks of polycyclic aromatic hydrocarbons (PAFs) to freshwater organisms by species sensitivity distributions [J]. Asian Journal of Ecotoxicology, 2009, 4(5): 647-654 (in Chinese)

[12] Wang Z J, Liu X, Lu J, et al. The occurrence and spatial distribution of organophosphorous pesticides in Chinese surface water [J]. Bulletin of Environmental Contamination & Toxicology, 2009, 82(2): 223-229

[13] 张祖麟, 余刚, 洪华生, 等. 河口水体中有机磷农药的环境行为及其风险影响评价[J]. 环境科学, 2002, 23(5): 73-78

Zhang Z L, Yu G, Hong H S, et al. Environmental behavior and risk assessment of phosphorus pesticides at water from Jiulong River estuary [J]. Environmental Science, 2002, 23(5): 73-78 (in Chinese)

[14] 李永玉, 洪华生, 王新红, 等. 厦门海域有机磷农药污染现状与来源分析[J]. 环境科学学报, 2005, 25(8): 1071-1076

Li Y Y, Hong H S, Wang X H, et al. Estimation of the sources of organophosphorus pesticides in Xiamen sea area [J]. Acta Scientiae Circumstantiae, 2005, 25(8): 1071-1076 (in Chinese)

[15] 王凌, 黎先春, 殷月芬, 等. 莱州湾水体中有机磷农药的残留监测与风险影响评价[J]. 安全与环境学报, 2007, 7(3): 83-85

Wang L, Li X C, Yin Y F, et al. Risk assessment monitoring of organophosphorus pesticides at water from Laizhou Bay [J]. Journal of Safety and Environment, 2007, 7(3): 83-85 (in Chinese)

[16] 王凌, 黎先春, 殷月芬, 等. 胶州湾水体中有机磷农药的污染现状与风险影响评价[C]. 有毒化学污染物监测与风险管理技术交流研讨会, 2003: 215-221

[17] 雷昌文, 曹莹, 周腾耀, 等. 太湖水体中5种有机磷农药混合物生态风险评价[J]. 生态毒理学报, 2013, 8(6): 937-944

Lei C W, Cao Y, Zhou T Y, et al. Ecological risk assessment of five organophosphorus pesticides mixture in Taihu Lake [J]. Journal of Lake Sciences, 2013, 8(6): 937-944 (in Chinese)

[18] Xu F L, Li Y L, Wang Y, et al. Key issues for the development and application of the species sensitivity distribution (SSD) model for ecological risk assessment [J].Ecological Indicators, 2015, 2(54): 227-237

[19] 刘昕宇, 汤嘉骏, 张荧, 等. 粤桂琼区域水源地有机磷农药的生态风险评价[J]. 环境科学研究, 2015, 28(7): 1130-1137

Liu X Y, Tang J J, Zhang Y, et al. Ecological risk assessment of organophosphorus pesticides in water source areas of Guangdong, Guangxi and Hainan Provinces [J]. Research of Environmental Sciences, 2015, 28(7): 1130-1137 (in Chinese)

[20] Mackay D, Shiu W Y, Ma K C, et al. Physical-chemical Properties and Environmental Fate for Organic Chemicals (Second edition), Volume IV: Nitrogen and Sulfur Containing Compounds and Pesticides [M]. New York: Taylor & Francis Group, 2006: 3811-3813

◆

Assessing Ecological Risks of Dichlorvos to Freshwater Organisms by Species Sensitivity Distribution

Liu Yali1,2, Xie Yuwei3, Zhang Xiaowei3, Peng Shuchuan1,2, Chen Tianhu1,2, Wang Jizhong1,2,*

1. School of Resources and Environmental Engineering, Hefei University of Technology, Hefei 230009, China 2. Laboratory for Nanomineralogy and Environmental Material, Hefei University of Technology, Hefei 230009, China3. State Key Laboratory of Pollution Control & Resource Reuse, School of the Environment, Nanjing University, Nanjing 210023, China

The study of the impact of dichlorvos on the aquatic ecosystem is scarce despite the fact that it is widely used as organophosphate insecticide. In order to assess ecological risk of dichlorvos to freshwater organisms, species sensitivity distribution (SSD) model was applied; the factors and uncertainties affecting the construction and application of SSD were discussed; hazardous concentration for 5% the sensitive species (HC5) was estimated; the environmental concentration of dichlorvos in the water of the aquatic systems around China was primarily reviewed, and potentially affected fraction (PAF) was computed based on these environmental concentrations. The results show: 1) The outcome of HC5will be affected by choosing models, while BurrIII model is the best fit for the toxicity data, and HC5value is predicted at 0.37 μg·L-1; 2) The sensitivity of invertebrates in the low concentration range was significantly higher than that of vertebrates. Crustaceans were similar to insects and spiders which were more sensitive in comparison with fishes; 3) parameter k of BurrIII model was expected the largest influence factor on the predicted HC5concentration, and HC5of dichlorvos was estimated at a range of 0.05～40.57 μg·L-1with a geometric mean of 5.07 μg·L-1using Monte Carlo method; 4) Generally, dichlorvos posed low risks to freshwater ecosystems of China with PAF value less than 1%. The high risk was investigated in Yellow River and Taihu Lake, while low risk was observed in the Pearl River Estuary and the northern South China Sea. Totally, the results in the present study will provide the scientific information to protect national aquatic ecosystem

dichlorvos; freshwater ecosystem; ecological risks; species sensitivity distribution

10.7524/AJE.1673-5897.20151202004

国家自然科学基金(41390244)；安徽省自然科学基金(1408085QD71)；中央高校基本科研业务费专项资金资助(2015HGCH0002)

刘亚莉(1990-)，女，硕士研究生，研究方向为环境科学，E-mail: 464245475@qq.com

*通讯作者(Corresponding author)， E-mail: wangjizh@hfut.edu.cn

2015-12-02 录用日期：2016-01-26

1673-5897(2016)2-531-08

X171.5

A

简介：王继忠(1981―)，男，副教授，博士，主要研究方向为持久性有机污染物的区域环境行为及生态风险评价、有机污染物的人体暴露研究，发表SCI近40篇。

刘亚莉, 谢玉为, 张效伟, 等. 应用物种敏感性分布评价敌敌畏对淡水生物的生态风险[J]. 生态毒理学报，2016, 11(2): 531-538

Liu Y L, Xie Y W, Zhang X W, et al. Assessing ecological risks of dichlorvos to freshwater organisms by species sensitivity distribution [J]. Asian Journal of Ecotoxicology, 2016, 11(2): 531-538 (in Chinese)