应用物种敏感性分布评价高铁酸钾对淡水水产养殖生物的生态风险

曹国庆,殷玉婷,王新池,宋 超,2,3,4,①,杜立志,张建桥

〔1.南京农业大学无锡渔业学院,江苏 无锡 214081;2.中国水产科学研究院淡水渔业研究中心,江苏 无锡 214081;3.农业农村部水产品质量安全环境因子风险评估实验室(无锡),江苏 无锡 214081;4.农业农村部水产品质量安全控制重点实验室,北京 100141;5.山东得和生物技术集团有限公司,河北 潍坊 261309〕

我国是水产养殖大国,随着生活水平提高,人们对水产品的需求日益增加[1]。集约化水产养殖的迅速发展也给生态环境、水产品质量等带来了新的挑战。比如在水产品养殖过程中投入过多的饲料饵料等,带来了水体富营养化、养殖池塘底泥污染等问题[2-3]。水体富营养化会导致藻类疯狂生长,会造成水华、水体腥臭、水体透明度下降、水中溶解氧下降等问题[4]。养殖水体中金属离子浓度过高,会在养殖生物体内富集,危害水产品质量安全。这些问题不仅给养殖产业造成经济上的损失,如果后期养殖水体随意排放,还会对周边生态环境造成极大的破坏,对生态系统平衡造成威胁[5]。在水产养殖过程中,往往会投加一些化学消毒剂、絮凝剂来进行杀菌消毒沉降,投放这些化学试剂会打破池水微生物的生态平衡,对养殖生物造成毒害,更严重的是有些化学消毒剂有致突变、致癌、致畸等危害[6],可能对淡水水产养殖生物以及食用者造成严重的身体伤害。在人们越来越重视食品安全的形势下,高铁酸钾作为一种新型、高效、环保、低毒的化学物质,在防治病虫害、改善养殖水体生态环境等方面发挥了巨大的作用,具有广阔的应用前景。

高铁酸钾是20世纪70年代开发的水处理剂,由美国学者Fremy在1841年首次合成,高铁酸钾固体为黑紫色晶体,极易溶于水,水呈紫红色,具有很强的氧化性。高铁酸钾应用广泛,如生活用水处理、工业废水处理、生物污泥预处理等多方面[7]。在水产养殖方面,高铁酸钾也发挥着巨大的作用,可用于杀菌消毒、去除藻类物质、去除有机无机污染物、去除水中重金属等方面[6, 8],高铁酸钾可同时发挥氧化、吸附、絮凝、杀菌、增氧等作用,且在应用过程中不产生致畸、致癌、致突变性副产物,被公认为多功能绿色环保新型处理剂。目前国内外研究主要集中在高铁酸钾的制备[9]、生产及其在水处理过程中的化学变化、处理水质性能等方面,在高铁酸钾对淡水水产养殖生物的毒理及生态风险方面的研究甚少,高铁酸钾在国内水产行业虽已广泛使用,但鲜见明确的基准值研究。笔者以高铁酸钾为原料,采用物种敏感度分布法(species sensitivity distribution, SSD)来评价高铁酸钾对淡水水产养殖生物的生态风险,为在水产养殖过程中准确使用高铁酸钾提供科学依据以及理论指导。

1 材料与方法

1.1 试剂

高铁酸钾(CAS：39469-86-8),纯度w>98%,由山东得和集团提供。

1.2 供试生物

大型溞(在实验室培养3代以上,出生24 h内的幼溞);羊角月牙藻,处于对数生长期;斑点叉尾鮰、罗非鱼、黄颡鱼、斑马鱼、大口黑鲈、乌鳢、鲤鱼、青虾、中华绒螯蟹、克氏原螯虾、南美白对虾、草鱼。大型溞与羊角月牙藻由江苏衡谱分析检测技术有限公司培养,南美白对虾由盐城东台养殖基地提供,青虾、克氏原螯虾、草鱼采购于无锡水产市场,斑点叉尾鮰、斑马鱼、大口黑鲈、乌鳢、罗非鱼、黄颡鱼、鲤鱼、中华绒螯蟹由江苏省淡水水产研究所扬中试验基地以及中国水产科学研究院淡水渔业研究中心提供。受试生物体长、体重及分类见表1。

1.3 急性毒性试验方法

14种淡水水生生物急性毒性试验参照文献[10]中的方法。

预试验：按正式试验的条件设置若干质量浓度组和空白对照组,均放置一定数目的试验生物,不设重复,获得高铁酸钾致受试生物100%存活和100%死亡的质量浓度区间、受试藻100%抑制和100%无抑制浓度区间,进一步选择正式试验的浓度范围,进而确定正式试验质量浓度组。

正式试验：设置5～7个不同质量浓度组,并设置空白组和对照组,空白组和对照组均设置重复,每个重复均放置一定数量的试验生物。开始试验后定时观察记录生物中毒现象及死亡数,及时捞出死亡生物。根据各组受试生物在24、48、72 h的死亡数计算平均死亡率,利用直线回归法求取线性回归方程,并计算相应的半数致死质量浓度(LC50)。

表1 高铁酸钾急性毒性试验受试生物数据

1.4 SSD曲线拟合

物种敏感度分布法(SSD)于20世纪中后期由美国学者提出[11],后在欧洲、澳洲等地区推广[12-14],用来评估生态风险,是一种根据剂量-效应建立的外推评价方法之一。对某一物种而言,不同浓度或剂量的化学物质会对其产生不同的影响,这种影响可用剂量-效应曲线来描述,以此类推,对整个生态系统而言,化学物质对生态系统的影响也符合特定的概率分布模型[15],如逻辑斯蒂分布、高斯分布等[16]。不同国家和地区推荐使用的拟合模型函数不同,如美国国家环境保护局推荐使用Log-normal模型[15],澳大利亚与新西兰推荐使用Burr Ⅲ函数[17]。国内外研究发现,不同的化学物质适用不同的函数模型[18-19],不同的参数拟合方法对拟合结果会有影响[20]。该研究使用常见的Log-logistics、Burr Ⅲ、Gaussian、Sigmoid、Exponential growth、Lorentzian这6种参数模型进行拟合(表2),并以模型参数、相关系数、残差平方和为标准,选择拟合优度最佳的模型来评价高铁酸钾对淡水水产养殖生物的生态风险。

表2 6种拟合模型

SSD曲线拟合是将高铁酸钾的毒性数据用一个数学分布模型来描述,认为获得的毒理数据是来自于这个分布的大量样本,最后通过拟合来求得参数。SSD的构建与应用主要包括以下几个步骤：(1)高铁酸剂毒性数据获取;(2)物种分组和数据处理;(3)SSD曲线拟合;(4)5%危害浓度值(hazardous concentration for 5% the species, HC5)和潜在影响比例值(potentially affected fraction, PAF)计算。

首先将毒性数据排序,并且计算每个物种的累计概率(y)。

y=i/(n+1)。

(1)

式(1)中,i为物种毒性值从小到大排序的秩;n为样本数。

目前不同地区采用不同的拟合软件来进行SSD曲线拟合,如澳大利亚联邦科学和工业研究部组织(CSIRO)提供Burrlioz计算软件,该研究使用Origin 2021软件来进行曲线拟合。

1.5 5%危害浓度值和潜在影响比例值计算

SSD法分为正向法[21]与反向法[15],正向法是根据最佳拟合模型结合该模型参数得到确定的方程后,将污染物浓度带入方程,计算PAF值。SSD反向法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HC5值,该值是指保护95%的生物浓度,在拟合曲线上对应5%累计概率的毒物浓度即为HC5。该研究使用这2种方法来评估高铁酸钾实际使用中浓度的安全性。

2 结果与讨论

2.1 淡水水生生物急性毒性试验结果

在以往研究中,部分学者会对某种毒性物质的急性毒性数据进行转化,通过急性慢性比ACR方法[15, 22]将急性数据转化为慢性数据,以此来反映真实暴露情况,但高铁酸钾在水质处理过程中48 h内会失效,无需进行急性与慢性数据转化[23]。根据淡水水生生物的急性毒性试验方法得到毒性数据,高铁酸钾对大型溞与羊角月牙藻毒性较强;对其余12种水产养殖生物毒性较弱,72 h半数致死浓度均大于90 mg·L-1(表1)。

2.2 曲线拟合结果及其参数

回归系数越接近1,残差平方和越小,显示拟合结果越好。利用Origin 2021软件拟合曲线方程,结果见图1和表3。

图1 不同模型的SSD曲线拟合结果Fig.1 SSD curve fitting for different models

结果表明,6种拟合模型效果具有差异性,但总体拟合效果较好,Sigmoid、Log-logistics、Gaussian、Burr Ⅲ、Lorentzian这5种模型的R2均大于0.9,残差平方和均小于0.1;Exponential Growth模型拟合效果较差,R2为0.874,残差平方和为0.127。Sigmoid模型的R2为0.951,是6种模型中R2值最大的一种模型,且该模型残差平方和仅为0.050,因此将Sigmoid作为最优模型计算HC5值和PAF值。

2.3 HC5值与PAF值

在水产养殖行业,使用高铁酸钾是为了保护水产养殖生物,同时会在这个过程中调整使用浓度来抑制藻类生长、杀灭大型溞或其他病原微生物。因此,将14种毒性数据分为2类,一种全部为水产养殖生物的毒性数据,另一种包含大型溞、羊角月牙藻在内的全部淡水水生生物,比较2种类型生物根据Sigmoid模型的SSD曲线拟合得到的HC5值。

表3 拟合SSD曲线方程

HC5值是指高铁酸钾保护95%生物的浓度水平,将y=0.05带入2个Sigmoid模型方程,进而得出HC5值(表4和图2)。结果表明,全部淡水水生生物的HC5值为68.2 mg·L-1,水产养殖生物的HC5值为95.3 mg·L-1。推导高铁酸钾水质基准的过程中,还需用HC5值除以一个合适的安全因子,该研究中安全因子取10,所以高铁酸钾对水生生态系统的基准值为6.82 mg·L-1,对水产养殖行业生物的基准值为9.53 mg·L-1。PAF是指潜在影响比例,将高铁酸钾不同的使用浓度带入Sigmoid模型方程,即可得到PAF值。将高铁酸钾质量浓度值0.1、10、50、100、500 mg·L-1带入Sigmoid模型方程,得到的PAF值分别为0、0、1%、18%、85%。

表4 淡水水生生物和水产养殖生物的Sigmoid模型参数

图2 14种淡水水生生物和12种水产养殖生物的Sigmoid模型

3 讨论

目前中国淡水养殖品种为214种,其中鱼类113种,且水产养殖种类组成的区域差异明显,淡水养殖中鱼类占据绝对优势[24],该研究中受试生物为水产养殖的代表性生物,研究结果具有较强的实用价值。

在基准值推导过程中,SSD方法与传统方法如评价因子法、毒性百分数排序法相比,方法更简单,生态学意义更明确[25]。如王香兰等[25]对长三角地区毒死婢淡水水生生物基准的研究发现,评价因子法过分依赖敏感生物的毒性值,得出的基准值可能会对淡水水生生物造成过保护,毒性百分数排序法只考虑少部分毒性数据,会造成基准值存在偏差。物种敏感度分布法在推导过程中考虑了所有的毒性数据,因此推断出来的基准值更具统计学意义[14, 26]。

利用SSD方法进行基准值推导的过程中,毒性数据的选择直接影响最后的基准值。高铁酸钾用于水产养殖中水质改良是由于其具有强氧化性,能够氧化水体中的有机物,起到杀菌消毒等作用,其对水产生物的急性毒性也是因为Fe6+具有强氧化性,当其作用于水体中,水体氧化还原电位(ORP)会逐渐降低并最终趋于稳定,在48 h内完全分解失去强氧化性,之后将不会对生物继续造成毒害作用,高铁酸钾在水质处理过程中48 h内会失效[23],所以无需进行急性毒性数据与慢性数据转化。不同国家和地区在构建SSD最小数据量上要求不同,欧盟要求至少包括敏感类群中的8个物种[14, 27],美国要求受试生物至少包括3门8科[28]。数据过多或过少都会导致拟合及推导过程出现偏差[28],数据样本过少会导致拟合优度下降以及增加不确定性,过多亦会导致HC5值出现偏差[14],所以要将数据控制在合理范围内[29]。笔者选取了14种淡水水生生物,其中包括水产行业中典型的12种养殖生物,尤其是藻类与大型溞这类浮游生物受高铁酸钾影响较大。该研究选择的14种生物毒性数据既满足了欧盟和美国的要求,又充分考虑了高铁酸钾对水产行业的应用影响。

笔者研究表明,拟合模型的选择不同会导致拟合优度的差异,且不同的化学物质适用的模型有所不同,这与之前的研究结果相似。如吴丰昌等[30]关于重金属和持久性有机污染物的研究发现,Logistics模型为Cr的最佳拟合模型;刘亚莉等[15]应用物种敏感性分布评价敌敌畏对淡水生物的生态风险,发现BurrⅢ模型拟合优度较好。该研究选用的6种模型中,Sigmoid模型对高铁酸钾毒性数据的拟合优度最佳。

根据Sigmoid模型计算得到高铁酸钾对全部淡水水生生物系统的基准值为6.82 mg·L-1,对整个水产养殖行业生物的基准值为9.53 mg·L-1。后者偏高的原因是除去藻与溞之外,高铁酸钾对水产养殖生物毒害作用很小。在实际应用生产中,高铁酸钾的使用质量浓度通常不会高于1 mg·L-1,并未超过基准值[23]。根据PAF预测值,1 mg·L-1的高铁酸钾不会对淡水水生生物造成危害,因此高铁酸钾在水产养殖领域的安全性是非常值得肯定的。

高铁酸钾对不同种类和不同发育期的淡水水生生物毒性往往是不同的,相对而言发育期较短的淡水水生生物对高铁酸钾较为敏感,因此在实际生产过程中建议采取少量多次的使用方式。同时也要指出,要想进一步推导出更科学的基准值,未来还需更多的水产养殖生物毒性数据。

4 结论

应用物种敏感度分布法推导高铁酸钾基准值时,不同模型拟合优度不同。研究表明,6种模型中Sigmoid模型对高铁酸钾毒性数据的拟合优度最佳。根据Sigmoid模型拟合结果,高铁酸钾对全部淡水水生生物的基准值为6.82 mg·L-1,对全部水产养殖生物的基准值为9.53 mg·L-1。水产养殖生产过程中,日常高铁酸钾使用质量浓度不会超过1 mg·L-1,该使用浓度对应的潜在影响比例PAF值为0,说明使用高铁酸钾不会对正常的水产养殖生物造成毒害。高铁酸钾是优异的水质改良剂,具有广阔的应用前景。