基于权重敏感度分布研究太湖有机磷农药单一和复合风险

刘帆，孔昊玥，刘红玲

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

物种敏感度分布法(species sensitivity distribution, SSD)是推导基准、评估风险常用的方法，最早由Kooijman[1]提出，其基本理论是用统计或经验分布函数来描述敏感性的范围。使用SSD进行生态风险评价的基本假设是：一组物种的相对敏感性可用某种分布来描述，如三角分布、正态分布等；用于构造SSD的单个物种对毒物敏感性的数据被看作是整个生态系统的随机样本；当某部分物种受到保护时，生态系统也受到保护。但由于不同种类生物对化合物敏感性不同，可获得有效毒性数据十分有限，要使获得的毒性数据能充分代表该区域生态系统，在使用SSD进行生态风险评价时，对于不同物种类群的生物不应该均等对待，应该采用权重的方法[2]。在Forbes和Calow[2]的研究中，从生态系统能量传递和食物链结构角度出发，描述一般生态系统中不同营养级之间的物种数比例，并依据该比例关系考虑该营养级物种所占权重，推导区域水质基准。Wang等[3]从生物分类学角度出发，考虑到亲缘关系相近的生物因其生活史、发展史相似，而对化合物敏感性接近，结合搜集到毒性数据的不同类物种间比例和松花江该分类水平不同类物种间比例，推导氨氮急性基准值。使用加权SSD方法推导水质基准，更适合保护生态系统的完整性。

我国农药生产和使用量居世界前列，其中，有机磷农药(OPP)因其在环境中较容易被分解，不易在人体及动物体内蓄积等特点[4]，在我国被作为主要杀虫剂。据统计，2013年在中国有机磷农药总用量约81 900 t[5]，占国内农药使用量的1/2以上[6]。有机磷农药致毒主要是通过其代谢产生的磷酸根与乙酰胆碱酯酶的丝氨酸羟基共价结合[7]，影响乙酰胆碱酯酶活性，从而影响乙酰胆碱酯的降解使胆碱能神经过度兴奋[8]，引起毒蕈碱样、烟碱样和中枢神经系统症状[9]。研究表明，有机磷农药与神经行为功能障碍、神经发育障碍、生殖功能降低以及胎儿出生体重降低等有关[10-11]。有机磷农药的大量使用，对生态系统造成了严重的危害。

太湖是中国的五大淡水湖之一，是我国农药生产与使用的聚集区域，因此，太湖流域农业面源污染严重。调研显示，中国地表水体含量最高的5种有机磷农药分别是敌敌畏、乐果、对硫磷、马拉硫磷和甲基对硫磷[12]。本文选取太湖中5种有机磷农药作为研究对象，通过考虑区域生物区系特征赋予权重的加权SSD方法，利用风险商法(hazard quotient, HQ)和概率风险评价法(probabilistic risk assessment, PRA)评估有机磷农药的单一和复合风险。

1 材料与方法(Materials and methods)

1.1 数据选择

暴露数据获取：以“太湖、有机磷农药”为关键词，检索Web of Knowledge (http://apps.webofknowledge.com/)和中国知网(http://www.cnki.net/)等数据库，找出明确报道太湖中有机磷农药浓度水平的文献。污染物浓度单位统一为μg·L-1，并分成3个水平：平均值、最小值和最大值。仅以“平均值±标准偏差”形式报道的，假设其浓度在环境水体中呈标准正态分布，外推获得最大值和最小值。浓度水平低于检出限或未检出的，则假定为其检出限的1/2。

毒性数据获取：5种有机磷农药的急性数据来自美国环境保护局(U.S. EPA)的ECOTOX数据库(http://www.epa.gov/ecotox)。急性终点包括半数致死浓度(LC50)或半数效应浓度(EC50)，数据筛选依据准确性、相关性和可靠性原则。具体按照如下原则筛选：(1) 1980年以后报道的毒性数据；(2) 测试环境为淡水；(3) 测试农药纯度≥80%；(4) 对于急性毒性数据，鱼类和软体动物优先选择暴露时间96 h，浮游甲壳类动物选择48 h，底栖甲壳类动物选择96 h，溞类和摇蚊幼虫选择48 h；(5) 对同一个物种同一个毒理终点有多篇文献报道不同的数据时，进行数据离散程度表征，去除离群值后，取数据的几何均值。将所有毒性数据单位统一为μg·L-1。由于所选择的5种有机磷农药均为杀虫剂，因此，仅选择水生动物的毒性数据。

1.2 传统SSD方法

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，按照式(1)计算每个物种的累积概率，Ri为物种排序的秩，n为样本数，P为累积概率[13-14]。

(1)

1.3 加权SSD方法

方法一：考虑区域内的生物组成，划分到科、属和种[3]。

区域物种可以根据生物分类学将其划分成不同层次，每个层次中有不同的物种，根据可获得毒性数据的物种数和区域含有的物种数的关系赋予权重[3]。太湖中有很多生物仍缺乏相应的毒性数据，收集到的物种不能涵盖当地的所有属(l)和所有种(N)，不包括的物种的敏感性不能估计，在这种情况下，采用保守的方法，假设没有包含进来的物种(物种数为Nj)更为敏感[3]，本文中，将生物划分到种，累积概率计算方法如式(2)，k为可获得的样本数，Ni为可获得的累积物种数。

(2)

方法二：考虑区域内生物组成，由脊椎动物、无脊椎动物以及植物组成[15]。

将区域内的生物划分为：植物(plant)、无脊椎动物(invertebrate)和脊椎动物(vertebrate)，计算3个营养级所占比例，进而计算出一种植物、无脊椎动物和脊椎动物的发生概率，最后计算累积概率，方法为式(3～5)。

Ppi=Np/(N×k)

(3)

Pli=Nl/(N×l)

(4)

Pvi=Nv/(N×m)

(5)

式中：Np、Nl和Nv分别为太湖中植物、无脊椎动物和脊椎动物的数量，N为总数量，k、l和m分别为搜索得到的数据中植物、无脊椎动物和脊椎动物的数量。

本文考虑太湖区域生物组出，首先搜集太湖水生生物组成数据，太湖历史和当前水生物种组成的信息来自公开发表的文献，21世纪初，太湖共有524种生物，脊椎动物、无脊椎动物和植物分别有60、111和353种[16-19]。选择方法一——加权SSD方法1(weighted species sensitivity distribution, WSSD 1)和方法二——加权SSD方法2(weighted species sensitivity distribution, WSSD 2)对太湖有机磷农药进行风险评估。

1.4 生态风险评价

生态风险评价是对环境中污染物产生危害的范围和可能性进行评估。常用的方法主要包括风险商法(hazard quotient, HQ)和概率风险评价法(probabilistic risk assessment, PRA)。

1.4.1 风险商法

商值法是一种非常简单的风险评价方法，其结果可以直接给出风险的有无。如果HQ值>1，环境风险较高；如果HQ值<0.1，环境风险较低；0.1

(6)

式中：MECi是测量的农药i的环境浓度，TRVi是该农药的毒性参考值(LC50、预测无效应浓度(PNEC)或HC5等)。为保护95%的物种，本文选择HC5(危害5%生物的污染物浓度)作为毒性参考值[21]。

1.4.2 概率风险评价法

概率风险评价法是通过分析环境暴露浓度分布(exposure concentration distribution, ECD)与SSD之间的关系，考察污染物对生物的毒害程度，从而确定污染物对生态系统的风险。它给出的最终结果表述形式为“多少生物受到影响的概率是多少”。通过计算环境中暴露浓度大于效应浓度的概率来判断风险的大小，它更明确地表达出评估过程中的不确定性和随机性[22-23]。本文通过联合概率曲线(joint probability curves, JPC)研究太湖中5种有机磷农药的风险。在绘制而成的联合概率曲线图中，曲线越接近2个坐标轴，说明发生不利影响的可能性越小[22]。

1.4.3 混合物生态风险评价

自然环境中的污染物是共同存在的而非单独作用，只研究一种污染物的风险评价是不够的，但由于生物个体可以接触难以计数的污染物，确定最需要进行混合风险评价的化合物十分重要。最大累积率(maximum cumulative ratio, MCR)定义为生物个体在接触多个化学应激源时所受到的累积毒性与单一化合物产生的最大毒性之比[24]。数值越大，表明越需要进行累积风险评估[25]，由此确定是否需要进行联合暴露风险评价以及哪些化合物在混合物的风险中贡献较大。使用HQ和危险指数(hazard index, HI)计算MCR，方法为式(7～9)。

(7)

(8)

(9)

HQ是环境暴露浓度与安全浓度的比值，安全浓度可以是预测无效应浓度或者是水生生物基准。

风险商法：混合物的风险商(HQm)计算是将混合物中各个化合物的HQi相加，如式(10)所示：

(10)

概率风险评价法：参照毒性当量的概念和原理，混合物总的当量浓度(total equivalent concentration,cequ,tol)可以通过式(11)进行计算：

(11)

式中：ci是第i种污染物的环境暴露浓度，HC50,ref和HC50,i分别是水生生物50%受到参照化合物和第i种化合物危害的浓度(通过各自的SSD求得)。

1.5 数据处理

通过ECOTOX和文献收集毒性数据和暴露数据，运用SPSS中的Kolmogorov-Smirnov检验方法进行分布检验，均服从对数正态分布(P>0.05)。

2 结果与分析(Results and analysis)

2.1 数据收集

本文太湖水中5种有机磷农药的环境浓度来自Ta等[26]研究中的数据，该研究中的样品均采自太湖北部的梅梁湾，5种有机磷农药在环境中的分布情况如图1和表1所示。由图1可知，乐果的暴露浓度最高，其次是敌敌畏和马拉硫磷，甲基对硫磷和对硫磷的环境暴露浓度较小。

从ECOTOX收集到的数据包含了从生产者、初级消费者到次级消费者的3个营养级。敌敌畏得到16个急性数据，乐果得到13个数据，马拉硫磷得到16个数据，甲基对硫磷得到27个数据，对硫磷得到27个数据。筛选的数据包括太湖生物数据和中国本土生物与引进养殖生物中在敏感性排序上比较敏感的与太湖物种同科或属的物种，包括泥鳅、鲤鱼、鲫鱼、黑鱼、鲶鱼和鳟鱼等脊椎动物，以及克氏原螯虾、无齿蚌、水溞、轮虫属和摇蚊属等无脊椎动物。

2.2 SSD曲线绘制

在GraphPad Prism 7中采用Log-Normal(Cumulative Gaussian-Percents)对收集到的物种数据进行拟合，采用传统SSD方法和2种加权方法得到如图2所示的SSD曲线。

图1 5种有机磷农药环境暴露浓度数据分布的箱形图Fig. 1 Boxplot of exposure concentration data of five organophosphate pesticides

表1 太湖梅梁湾5种有机磷农药的含量水平[26]Table 1 The contents of five organophosphate pesticides in Meiliangwan Bay, Tai Lake [26] (μg·L-1)

图2 考虑太湖生物组成和未考虑太湖生物组成的5种有机磷农药的物种敏感度分布曲线注：SSD表示传统物种敏感度分布方法，WSSD表示赋予权重的物种敏感度分布方法。Fig. 2 The species sensitivity distributions of five organophosphate pesticides derived with and without considering the species compositions in Tai Lake, ChinaNote: SSD stands for species sensitivity distribution; WSSD stands for weighted species sensitivity distribution.

SSD曲线拟合除甲基对硫磷的R2为0.900左右外，其余农药的R2均>0.940，表明拟合结果较好，这可能与甲基对硫磷收集到的毒性数据所述物种的敏感性分布存在偏差有关。由SSD得到的HC5值如表2所示，范围在0.030～2.103 μg·L-1，当考虑太湖生物组成时，加权SSD方法得到的HC5要小于传统SSD方法所得到的值。

2.3 风险评价结果

2.3.1 风险商评价

根据急性毒性数据得到5种有机磷农药的SSD曲线及其HC5值，根据式(6)和(10)计算HQ和HQm，结果如表3所示。

由表3可知，采用传统SSD的方法计算HQ时，敌敌畏和乐果的HQ为0.1～1，对于太湖的生态风险处于中等水平，马拉硫磷、甲基对硫磷和对硫磷的HQ<0.1。当使用加权SSD方法时，计算得到的HQ大于传统SSD方法计算得到的HQ，特别是敌敌畏，使用传统SSD方法计算得到的HQ<1，但是使用加权SSD方法1计算得到的HQ为1.799大于1，加权SSD方法2计算得到的HQ也大于传统SSD方法得到的值。

2.3.2 概率风险评价

如图3所示，使用加权SSD方法得到的毒性数据分布绘制的联合概率曲线距离坐标轴远于传统SSD方法得到的曲线。尤其是对于乐果，使用传统SSD方法得到的5%生物受到影响的概率为2.51%，但使用2种加权SSD方法得到的值分别为44.10%和18.99%。敌敌畏5%生物受影响的概率较大，传统SSD、加权SSD方法1和加权SSD方法2的计算结果分别为69.88%、89.49%和80.03%，其风险需要引起重视；马拉硫磷、甲基对硫磷和对硫磷5%生物受影响的概率较小，仅为0.001%左右。

2.3.3 混合物生态风险评价

HC5作为安全浓度，使用式(7～9)，计算得到的HQ、HI和MCR如图4和表3所示。由图4和表3可知，敌敌畏的HQ较大，对总的风险贡献最大，其次是乐果、马拉硫磷和对硫磷。甲基对硫磷的HQ较小，在混合风险中占比较小，不是必要关注的。传统SSD和加权SSD方法计算得到的MCR均>1。

表2 考虑太湖生物组成和未考虑太湖生物组成的5种有机磷农药危害5%生物的污染物浓度(HC5)Table 2 The hazardous concentration for 5% of the species (HC5) of five organophosphate pesticides of SSD derived with and without considering the species compositions in Tai Lake, China (μg·L-1)

表3 考虑太湖生物组成和未考虑太湖生物组成的5种有机磷农药风险商和最大累积率Table 3 Hazard quotient and maximum cumulative ratio of five organophosphate pesticides of SSD derived with and without considering the species compositions in Tai Lake, China

图3 考虑太湖生物组成和未考虑太湖生物组成下5种有机磷农药的联合概率曲线Fig. 3 Joint probability curves for the exposure concentrations and toxicity data of five organophosphorus pesticide derived with and without considering the species compositions in Tai Lake, China

利用式(10)计算得到的HQm，如表3所示，均>1。以敌敌畏为参照物，将其余农药的环境暴露浓度利用式(11)转化为敌敌畏的当量浓度，混合污染物的风险评价转化为单一物质的风险评价，结果如图5所示，联合概率曲线距离坐标轴较远，3种方法得到的5%生物受影响的概率均高达90%，混合物的风险不可忽视。

图4 5种有机磷农药的风险商(HQ)和危害指数(HI)Fig. 4 The hazard quotient (HQ) and hazard index (HI) of five organophosphate pesticides

图5 5种有机磷农药混合物的联合概率曲线Fig. 5 Joint probability curves of mixture of fiveorganophosphate pesticides

3 讨论(Discussion)

太湖有机磷农药污染受到广泛关注，Qu等[27]对太湖中有机磷农药数据进行SSD拟合得到敌敌畏、乐果、马拉硫磷、甲基对硫磷和对硫磷的HC5分别为0.07、1.62、0.23、0.77和0.06 μg·L-1，与本文利用传统SSD方法得到的0.063、2.103、0.287、0.477和0.052 μg·L-1数据基本一致。Shi等[28]将水生生物按照植物、无脊椎动物和脊椎动物分类赋予权重，推导太湖Cu的基准最大浓度为5.30 μg·L-1，传统SSD推导得到基准最大浓度为1.30 μg·L-1。Wang等[3]使用加权SSD方法1得到的氨氮急性基准值为5.09 mg TAN·L-1与传统SSD方法得到的7.64 mg TAN·L-1结果比较，加权SSD法更为保守和合理地保护松花江区域水生动物免受氨氮的负面影响。具有毒性数据的物种数量相对于特定生态系统中物种总数来说是非常少的，物种的敏感性范围和物种选择的随机性无法确定，因此，传统的SSD方法很难充分代表特定区域生态系统的物种敏感性分布。加权SSD方法1基于特定区域的分类群和可获得的毒性数据的物种进行加权处理使得SSD曲线可以更准确地表示特定场地的水生生物敏感性分布，原则上，这种方法具有自调整的特点，累积概率是基于特定场地的生物群计算的，可以避免过度表达[3]。本文中，将生物划分到种，并假定未包含的物种最为敏感，更好地保护生态系统的结构和功能。加权SSD方法2从生态系统能量传递和食物链结构角度出发，对3个主要类别——无脊椎动物、脊椎动物和植物赋予权重，描述一般生态系统中不同营养级之间的物种数比例。相对于传统SSD方法对所有物种赋予相同权重，加权SSD方法2对化合物敏感性相似的物种赋予相同的权重。本文使用加权SSD方法2时，由于5种有机磷农药均为杀虫剂，植物不是敏感物种，考虑区域生物组成不考虑植物，使得SSD曲线下方的敏感物种权重不会降低，更贴近环境中真实的状况，更能找到真实受到迫害的生物。因此，加权SSD方法得到的HC5小于传统SSD方法所得到的值。本文中采用加权SSD方法得到的HQ和用概率风险评价法得到的5%生物受到影响的概率比传统SSD方法得到的数值更高，表明仅使用传统SSD方法判定物质的风险可能会导致风险被低估。使用2种加权方法进行风险评价时，敌敌畏和乐果使用加权SSD方法1计算的风险更高，马拉硫磷、甲基对硫磷和对硫磷则使用加权SSD方法2计算的风险较高，这可能与收集到的毒性数据和暴露数据有关。加权SSD方法1采用保守的方法假设没有毒性数据的物种最敏感，而5种有机磷农药所收集到的有毒性数据的物种不同，且不同物种的敏感度也不同，因此，不确定程度也不同，加权SSD方法2中5种有机磷农药风险的不确定性程度相同。但是2种加权方法的计算结果都表明，考虑区域内生物组成的加权SSD方法可以更好地保护区域的生物。

使用加权SSD方法2时需注意：考虑区域生物组成时是否需考虑植物。对于除草剂类的农药以及其他污染物，使用加权SSD方法2时，需要根据实际情况选择是否考虑植物。以太湖为例，由于太湖周边工农业发展迅速，污染加剧[29]，自1998年以来，蓝藻成为太湖主要的分类群[30]，太湖中藻类植物大幅上升，从20世纪80年代时的180种上升到目前的353种，使得太湖中植物的比例非常大，这将赋予植物极大的权重。此外，新兴的耐污型植物缺乏毒性数据，检索到的大多数是敏感的动物，这也导致了对脊椎动物和无脊椎动物所赋予的权重极小，而赋予植物的权重极大。Chen等[15]考虑太湖生物组成加权推导五氯苯酚的基准时发现，考虑21世纪初物种组成推导得到的基准值>不考虑生物组成推导得到的基准值>考虑20世纪80年代物种组成推导得到的基准值，表明对于21世纪初的耐污型湖泊，若考虑植物可能会导致水生生物欠保护。目前，很多湖泊出现了大量的耐污性藻类使其成为耐污型湖泊[31-33]，对于这类湖泊，如果区域内检索得到的植物毒性数据较少，建议在使用加权SSD方法2时不考虑植物。

污染物的混合风险不容忽视。本文中，5种有机磷农药HQm>1，处于高风险中；使用联合概率风险评价时发现，3种有机磷农药混合风险使5%生物受影响的概率高达90%，说明太湖中5种有机磷农药的混合物对生态造成的风险很大，需要重视。虽然混合风险中敌敌畏是主要贡献者，但单独风险评价中风险较小的马拉硫磷和对硫磷也对总风险贡献较大，复合暴露风险评价是必要的。

生态风险评价过程中，即使使用高级的方法，不确定性也是不可避免的[34]，主要包括暴露数据和毒性数据的可变性、风险评价模型和水环境的实际特性[34-35]。不确定性主要来自暴露数据的不确定性和构建SSD曲线的毒性数据的代表性。本文通过考虑生物组成给予物种权重的方法对毒性数据代表性进行了校正，并且选择了更好的评价模型——概率风险评价，这使得风险评价过程中的不确定性尽可能地减少，但生态系统本身是复杂的，因此，评价结果的不确定性很难完全避免。由于缺乏慢性毒性数据，本文未考虑慢性效应，慢性数据的补充对太湖区域农药残留所带来的风险进行更全面的评估极为重要。