應(yīng)用物種敏感性分布評價敵敵畏對淡水生物的生態(tài)風(fēng)險

劉亞莉，謝玉為，張效偉，彭書傳，陳天虎，王繼忠,

1. 合肥工業(yè)大學(xué) 資源與環(huán)境工程學(xué)院，合肥 230009 2. 合肥工業(yè)大學(xué) 納米礦物與環(huán)境材料實驗室，合肥 230009 3. 南京大學(xué) 環(huán)境學(xué)院 污染控制與資源化研究國家重點實驗室，南京 210023

?

應(yīng)用物種敏感性分布評價敵敵畏對淡水生物的生態(tài)風(fēng)險

劉亞莉1,2，謝玉為3，張效偉3，彭書傳1,2，陳天虎1,2，王繼忠1,2,

1. 合肥工業(yè)大學(xué) 資源與環(huán)境工程學(xué)院，合肥 230009 2. 合肥工業(yè)大學(xué) 納米礦物與環(huán)境材料實驗室，合肥 230009 3. 南京大學(xué) 環(huán)境學(xué)院 污染控制與資源化研究國家重點實驗室，南京 210023

敵敵畏是一類重要的有機磷殺蟲劑，但其對水生生態(tài)的影響至今研究較少。為了評價其生態(tài)風(fēng)險，構(gòu)建了淡水水生生物對敵敵畏的物種敏感性分布(species sensitivity distribution，SSD)模型，在此基礎(chǔ)上，討論了影響SSD模型的主要因素；并分析了該模型的不確定性；推導(dǎo)了敵敵畏對不同類別生物的5%危害濃度HC5(hazardous concentration for 5% the species)閾值；整理收集了我國重要流域水體中敵敵畏的環(huán)境濃度；結(jié)合SSD模型計算了對淡水生物的潛在影響比例(potentially affected fraction，PAF)。結(jié)果表明：1) 不同模型的選擇會影響HC5的結(jié)果，且BurrIII模型擬合結(jié)果較好，推導(dǎo)的HC5值為0.37 μg·L-1；2) 無脊椎動物在敵敵畏低濃度范圍內(nèi)的敏感性明顯高于脊椎動物。甲殼類動物與昆蟲和蜘蛛類相似，敏感度較高，魚類則較低；3) 應(yīng)用BurrIII模型構(gòu)建SSD時，參數(shù)k值對HC5最為敏感，蒙特卡羅隨機模擬得到HC5變化范圍為0.05～40.57 μg·L-1，均值為5.07 μg·L-1；4) 敵敵畏對我國淡水生態(tài)影響較小，PAF均低于1%，其中黃河和太湖流域敵敵畏的生態(tài)風(fēng)險高于其他河流湖泊，珠江口和南海北部較低。上述研究結(jié)果為評價敵敵畏對全國不同水體水生生物的潛在生態(tài)風(fēng)險提供了科學(xué)依據(jù)。

敵敵畏；淡水生物；生態(tài)風(fēng)險；物種敏感性分布

Received 2 December 2015 accepted 26 January 2016

有機磷殺蟲劑是農(nóng)業(yè)上使用比較廣泛且用量較大的一類農(nóng)藥，具有品種較多，殺蟲效率高，防治范圍廣，成本低，對植物要害小，很少蓄積中毒，選擇性高等優(yōu)點[1]。資料顯示，2013年我國殺蟲劑用量為11.64萬噸，其中有機磷類用藥高達(dá)8.19萬噸，占?xì)⑾x劑總用量的70.38%[2]。敵敵畏作為我國最重要的有機磷農(nóng)藥之一，在殺蟲劑產(chǎn)業(yè)中占有非常重要的地位，據(jù)統(tǒng)計，僅2005年敵敵畏在我國的產(chǎn)量就高達(dá)27 000噸，排名占據(jù)有機磷農(nóng)藥第2位[3]。隨著經(jīng)濟的快速發(fā)展，城市綠化率提高，在維護花草樹木生長的過程中有機磷農(nóng)藥使用量也不斷增加，從而可能導(dǎo)致周圍水體污染并進一步影響水生生物。盡管先前有不少學(xué)者開展了我國不同流域水體中敵敵畏殺蟲劑的污染研究，但全面評價全國尺度上水體污染及其生態(tài)風(fēng)險的研究仍然缺乏。本文以有機磷農(nóng)藥中敵敵畏為研究對象，利用物種敏感性分布(species sensitivity distribution，SSD)模型，評價其對全國不同水體水生生物的潛在生態(tài)風(fēng)險。

1 材料與方法 (Materials and methods)

1.1 原理與基本步驟

SSD法是根據(jù)劑量-效應(yīng)而建立的外推評價方法之一。對某一物種而言，某種污染物在不同劑量或濃度下對該物種產(chǎn)生的影響或危害可以用劑量-效應(yīng)曲線描述。同樣，該污染物對一個群落或生態(tài)系統(tǒng)產(chǎn)生的影響或效應(yīng)也存在著一定的關(guān)系，而這些關(guān)系符合特定的概率分布模型，如正態(tài)分布、邏輯斯蒂分布等[4]，通過研究已有的劑量-效應(yīng)數(shù)據(jù)，并建立不同物種劑量-效應(yīng)的分布規(guī)律曲線，外推至這個群落或生態(tài)系統(tǒng)，從而可以明確研究區(qū)域環(huán)境介質(zhì)污染物暴露濃度可能對生態(tài)系統(tǒng)物種的影響比例PAF (potential affected fraction)，即SSD正向法，或者為了保護研究區(qū)域絕大多數(shù)物種，根據(jù)被保護的物種比例如保護95%物種，即5%危害濃度HC5(hazardous concentration 5%)制定環(huán)境質(zhì)量標(biāo)準(zhǔn)，稱之為SSD反向法。應(yīng)用SSD模型進行生態(tài)風(fēng)險評價時首先需要收集足夠的劑量-效應(yīng)數(shù)據(jù)，并根據(jù)這些數(shù)據(jù)建立SSD曲線，從而計算PAF或者確定HC5濃度，具體步驟包括：(1)毒性數(shù)據(jù)獲??；(2)物種分組和數(shù)據(jù)處理；(3)曲線擬合；(4) HC5和PAF計算。

1.2 毒理數(shù)據(jù)獲取

關(guān)于敵敵畏的淡水水生生物毒性數(shù)據(jù)主要從美國環(huán)保局(USEPA)的EPAECOTOX數(shù)據(jù)庫(http://cfpub.epa.gov/ecotox/)獲取。在生態(tài)風(fēng)險評價中，慢性數(shù)據(jù)能較好地反映真實環(huán)境下生物的暴露情況，但慢性數(shù)據(jù)相對缺乏，難以建立穩(wěn)健的SSD曲線，通常采用急性慢性比ACR (acute-to-chronic ratio)方法將急性數(shù)據(jù)轉(zhuǎn)化為慢性數(shù)據(jù)，從而獲得足夠數(shù)據(jù)構(gòu)建SSD模型。本研究中收集的慢性數(shù)據(jù)為無觀察效應(yīng)濃度NOEC (non-observed effect concentration)和最低可觀察效應(yīng)濃度LOEC (lowest observed effect concentration)，暴露時間大于10 d，而急性數(shù)據(jù)則采用半數(shù)死亡濃度LC50(lethal concentration 50)或半數(shù)最大效應(yīng)濃度EC50(concentration for 50% of maximal effect)，暴露時間小于2 d，其中ACR值是根據(jù)同一物種的急慢性數(shù)據(jù)的幾何均值計算獲得特定物種的ACR值，然后對這些ACR值取幾何均值[5]，最終得到的ACR值為7.56。

1.3 物種分組和數(shù)據(jù)處理

本研究共收集了131個淡水物種的毒性數(shù)據(jù)，共計492個毒性數(shù)據(jù)(表1)，對于同一物種擁有多個毒性數(shù)據(jù)時，采取毒性數(shù)據(jù)的幾何均值。同時將數(shù)據(jù)分以下兩種情況：(1)全部物種；(2)把全部物種細(xì)分為脊椎動物和無脊椎動物兩類。其中全部物種包括脊椎動物和無脊椎動物，脊椎動物中包括魚類和兩棲動物，無脊椎動物中包括甲殼類、昆蟲和蜘蛛類、軟體動物及其他無脊椎動物類等。由于物種數(shù)量太小容易產(chǎn)生較大的偏差，本文中將藻類和兩棲類物種排除，不進行擬合計算，對數(shù)據(jù)量較大的物種進行SSD構(gòu)建和計算。

表1 敵敵畏的毒性數(shù)據(jù)(無觀察效應(yīng)濃度或最低可觀察效應(yīng)濃度)統(tǒng)計特征(對數(shù)變換后)

表2 SSD法的分布公式

1.4 曲線擬合

SSD是通過將污染物的毒性數(shù)據(jù)用一個數(shù)學(xué)分布來描述，認(rèn)為獲得的毒理數(shù)據(jù)是來自于這個分布的大量樣本，用來估算該分布的參數(shù)[6]。首先把毒性數(shù)據(jù)進行整理，然后按照數(shù)值大小對物種毒性數(shù)據(jù)進行排序，按照下式計算每個物種的累積概率：

式中，i是物種從小到大排序的秩，n是樣本數(shù)。

根據(jù)累積概率和毒性數(shù)據(jù)構(gòu)建分布曲線，并應(yīng)用不同的分布模型進行擬合。目前還沒有足夠證據(jù)證明SSD遵循某種特定的分布規(guī)律，因此在實際研究中采用多種方法進行擬合以找出最優(yōu)分布并進一步構(gòu)建SSD曲線。當(dāng)前常用的擬合方法包括參數(shù)方法和非參數(shù)方法：參數(shù)擬合方法的模式主要有Log-normal、Log-logistic、Gaussian和BurrIII等[7](表2)；非參數(shù)擬合方法的模式主要是Bootstrapping[8]。如美國和歐洲推薦使用對數(shù)正態(tài)分布模型擬合SSD曲線，而澳大利亞和新西蘭則推薦使用BurrIII型分布[9]，因為BurrIII型分布可以變化為Reweibull分布和RePareto分布，它是一種靈活的分布函數(shù)，適用范圍較廣，對物種敏感性數(shù)據(jù)擬合較好。本研究選擇了Log-normal、Log-logistic、Gaussian、BurrIII和Reweibull分布分別進行擬合，其中Log-normal、Log-logistic、Gaussian分布擬合時需要對數(shù)據(jù)進行對數(shù)轉(zhuǎn)化，BurrIII和Reweibull分布不需要任何轉(zhuǎn)化，所有的擬合在Datafit 9.0軟件包中完成。最終根據(jù)擬合的回歸系數(shù)平方(R2)、殘差平方和(SSE)和赤池信息準(zhǔn)則(Akaike’s information criterion，AIC)[10]確定最佳擬合模型，其中AIC是由日本科學(xué)家赤池弘次(H. Akaike)研究信息論時根據(jù)“吝嗇原理”而提出的一種選擇最佳擬合模型的方法，該方法將擬合度和參數(shù)數(shù)目結(jié)合，并根據(jù)最小AIC的原則從一系列擬合模型中確定最佳模型。

1.5 HC5和PAF的計算

如前所述SSD法一般分為正向和反向兩種用法。正向用法根據(jù)污染物環(huán)境濃度，計算潛在影響比例PAF，即環(huán)境濃度超過生物毒性終點值的物種比例，給定的污染物濃度在SSD曲線上對應(yīng)的累積概率即為PAF[11]，一般是根據(jù)毒性數(shù)據(jù)獲得最佳擬合及其參數(shù)值，得到一個確定的方程后，根據(jù)環(huán)境暴露濃度(X)計算對應(yīng)的Y值。反向用法中SSD被用于確定一個可以保護生態(tài)系統(tǒng)中絕大部分生物物種的污染物濃度水平，一般使用5%危害濃度(HC5)，在SSD擬合曲線上對應(yīng)5%累積概率的污染物濃度即為HC5。

1.6 SSD模型的不確定分析

不同毒性數(shù)據(jù)的選擇會導(dǎo)致模型具有一定的不確定性，為了更準(zhǔn)確的評價敵敵畏對水生生物的生態(tài)風(fēng)險，本文首先從全部物種131個數(shù)據(jù)中隨機抽取70個數(shù)據(jù)進行BurrIII曲線擬合，重復(fù)50次，得到50個不同的曲線方程及其參數(shù)，然后對各組參數(shù)做Kolmogrov-Smirnov檢驗確定其分布特征，最后利用蒙特卡羅隨機運算1 000次，檢驗?zāi)Ｐ偷牟淮_定性(應(yīng)用水晶球crystal ball軟件)。

2 結(jié)果與分析(Results and analysis)

2.1 不同曲線方程擬合結(jié)果

表3列出了不同模型擬合全物種毒性數(shù)據(jù)的曲線方程及其擬合度參數(shù)。結(jié)果發(fā)現(xiàn)：BurrIII模型擬合效果最好，回歸系數(shù)R2為0.99，且SSE為0.02，其次是ReWeibull模型，回歸系數(shù)R2為0.98，且SSE為0.06，Log-normal模型擬合效果最差，回歸系數(shù)R2為0.85，且SSE為0.42。AIC計算結(jié)果亦揭示了BurrIII擬合得到最小的AIC，其次為Reweibull，而Log-normal計算得到的AIC最大。通過計算HC5的值，從表3中可以看出ReWeibull模型預(yù)測得到的HC5均高于其他模型預(yù)測結(jié)果，且Gaussian模型預(yù)測的HC5最小。

2.2 參數(shù)計算結(jié)果

不同物種對敵敵畏的最優(yōu)擬合方程及其參數(shù)見表4。全部物種、脊椎動物和魚類使用了BurrIII型分布進行擬合，無脊椎動物、甲殼類及昆蟲和蜘蛛適用于ReWeibull型分布。結(jié)果表明，除了甲殼類、昆蟲和蜘蛛的SSD曲線擬合R2小于0.99，其余擬合R2均大于0.99，這與其擬合物種組成及數(shù)目較少有關(guān)，但總體擬合效果均較好。

2.3 不同種類生物的HC5值及其比較

敵敵畏對不同類別生物的HC5值見表4。由表4可知，敵敵畏對全部物種的HC5為0.37 μg·L-1，即當(dāng)其濃度低于該值時可保護95%物種。脊椎動物的HC5較無脊椎動物高，反映脊椎動物對敵敵畏的耐受性更強。敵敵畏對甲殼類的HC5值最低，為0.23 μg·L-1，而對魚類的HC5值最高，達(dá)到24.90 μg·L-1，表明敵敵畏對甲殼類的暴露風(fēng)險最大。以上結(jié)果表明不同種類生物對敵敵畏的敏感性不同。

表3 擬合SSD曲線方程與HC5值

2.4 SSD模型的不確定分析

從131個全物種中隨機抽取70個毒性數(shù)據(jù)，重新構(gòu)建BurrIII分布模型，得到相應(yīng)的b、c、k及HC5，并重復(fù)50次，得到50個b、c、k及HC5，再對各組參數(shù)進行Kolmogrov-Smirnov檢驗，結(jié)果發(fā)現(xiàn)參數(shù)b、c、k及HC5值均符合正態(tài)分布，根據(jù)各參數(shù)的分布特征，運用蒙特卡羅模擬計算HC5的不確定性，結(jié)果表明HC5值的變化范圍為0.05～40.57 μg·L-1，均值為5.07 μg·L-1(圖1)，并且參數(shù)k對結(jié)果的影響最大。

圖1 HC5不確定分析圖Fig. 1 Uncertainty analysis of the HC5

表4 不同物種對敵敵畏的SSD擬合參數(shù)及HC5值

表5 中國水體中不同敵敵畏濃度下的PAF值

2.5 中國河流水體中敵敵畏農(nóng)藥的污染狀況及生態(tài)風(fēng)險評價

根據(jù)國內(nèi)文獻(xiàn)中檢索到國內(nèi)河流水體中敵敵畏的含量[12-17]，其濃度范圍為0.84～40.7 ng·L-1，算術(shù)均值為16.8 ng·L-1，且敵敵畏的濃度分布符合正態(tài)分布(p=0.75)，利用SSD方法計算了污染物對淡水生物的影響比例(PAF)，結(jié)果如表5所示。由表可看出，這些敵敵畏生態(tài)風(fēng)險值均較低，未達(dá)到1%的閾值。其中黃河和太湖敵敵畏的生態(tài)風(fēng)險高于其他河流湖泊，珠江口和南海北部較低。

3 討論(Discussion)

3.1 不同模型的選擇

由于沒有足夠的證據(jù)證明SSD符合特定的分布規(guī)律，在實際應(yīng)用中不同學(xué)者提出了不同的SSD分布模型，而大部分模型均是基于經(jīng)驗獲得的。為了盡可能避免因模型的選擇而造成誤差，需要進行評價選擇出最優(yōu)擬合模型。在應(yīng)用SSD模型時，一般希望得到HC5和PAF值，但二者對預(yù)測結(jié)果要求不同，HC5是預(yù)測5%的危害濃度，因此對x軸的擬合更加敏感，尤其對低濃度數(shù)據(jù)模擬時要求更為嚴(yán)格。相反，PAF則預(yù)測受影響的物種比例，因此對y軸敏感，希望擬合曲線能更好地預(yù)測y值[18]。

相關(guān)系數(shù)是檢驗?zāi)Ｐ蛿M合好壞的最直接也最簡單的參數(shù)之一，本研究中分別選擇了5個模型進行擬合，結(jié)果發(fā)現(xiàn)BurrIII和ReWeibull得到的相關(guān)系數(shù)最大，一般毒性數(shù)據(jù)較多是BurrIII擬合較好，如全物種、脊椎動物和魚類，毒性數(shù)據(jù)較少是則ReWeibull的擬合最好。先前研究亦發(fā)現(xiàn)BurrIII和Reweibull兩種模型在SSD擬合時具有優(yōu)勢[11]。本研究亦計算了全物種幾何均值不同擬合下誤差平方和(sum of the squared errors，SSE)，結(jié)果發(fā)現(xiàn)，BurrIII和Reweibull的SSE最小，尤其在計算累積概率時BurrIII的SSE僅為2%，可見BurrIII模型對于預(yù)測PAF時具有較好的穩(wěn)定性。

AIC是根據(jù)“吝嗇原理”判斷一系列擬合模型中最佳選擇，通過擬合度和參數(shù)數(shù)量計算出AIC，并認(rèn)為最小AIC的模型是最佳模型。由于本研究選取的模型參數(shù)數(shù)目接近，Log-normal和Log-logistical有2個參數(shù)，而BurrIII、Gaussian和ReWeibull有3個參數(shù)，因此擬合度是影響AIC的關(guān)鍵因素，理所當(dāng)然，SSE較小的BurrIII和ReWeibull模型具有較小的AIC，尤其BurrIII的AIC值最小。根據(jù)AIC亦建議：對于全物種而言，BurrIII模型最佳。同時從表3中亦發(fā)現(xiàn)，2個參數(shù)模型AIC要遠(yuǎn)遠(yuǎn)大于3個參數(shù)模型，主要原因在于2參數(shù)模型的擬合度差，從而導(dǎo)致較大的AIC值。

3.2 不同種類生物對敵敵畏的敏感性

通過SSD曲線可以方便地比較不同類別的生物對于同種有毒物質(zhì)敏感性的差別。不同類別生物對敵敵畏的敏感性見圖2中(a)和(b)。由(a)可以看出，無脊椎動物在敵敵畏低濃度范圍內(nèi)的敏感性明顯高于脊椎動物，由(b)可以看出，甲殼類動物與昆蟲和蜘蛛類相似，敏感度較高，魚類的敏感性較低。

3.3 SSD模型構(gòu)建的不確定性分析

不同的研究者搜集的毒性數(shù)據(jù)有所不同，對結(jié)果會產(chǎn)生一定的影響，最后計算得到HC5大相徑庭，本文用131個數(shù)據(jù)采用BurrⅢ分布得到的HC5值為0.37 μg·L-1，同樣多次隨機從131個數(shù)據(jù)中抽取70個數(shù)據(jù)得到HC5值的變化范圍為0.05～40.57 μg·L-1,均值為5.07 μg·L-1。近年來亦有研究利用SSD法計算敵敵畏的HC5值，劉昕宇等[19]將最終擬合的數(shù)據(jù)控制在10～20個，各營養(yǎng)級數(shù)據(jù)分布均勻，而本文中脊椎動物較無脊椎動物數(shù)量多，且敵敵畏對脊椎動物的毒性遠(yuǎn)比無脊椎動物的小，所以造成全部物種的HC5值比較大。因此毒性數(shù)據(jù)選取的差距會導(dǎo)致計算結(jié)果的差距。

圖2 動物對敵敵畏的SSD曲線 (a)脊椎動物和無脊椎動物 (b)魚類、甲殼類及昆蟲和蜘蛛類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 我國不同流域水體敵敵畏污染及其生態(tài)風(fēng)險評價

總體而言，我國水體中敵敵畏污染較弱，PAF均小于1%。先前的研究認(rèn)為，我國北方水體中敵敵畏污染比南方嚴(yán)重[2]，通過收集不同研究數(shù)據(jù)，并未發(fā)現(xiàn)有明顯的差異，比如我國南方水系中九龍江、長江和太湖流域均含有較高的敵敵畏濃度，而珠江和珠江口敵敵畏濃度則較低(表5)。但先前的研究指出，北方水系中敵敵畏濃度約比南方水系高出一倍[12]。盡管敵敵畏在我國廣泛大量使用，但通過SSD法評價其對水生環(huán)境的影響較小，主要原因在于敵敵畏易降解，例如在pH=7時，其水解半衰期約為6.5 h，遠(yuǎn)遠(yuǎn)小于其他農(nóng)藥，同樣條件下甲基對硫磷的水解半衰期則為72 d[20]。

[1] 卞紅正, 湯婕, 王明星, 等. 巢湖水中7種有機磷和12種有機氯農(nóng)藥SPME檢測技術(shù)研究[J]. 安徽農(nóng)業(yè)大學(xué)學(xué)報, 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, 王強, 韓梅, 等. 2013年我國農(nóng)藥生產(chǎn)與使用概況[J]. 中國植保導(dǎo)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] 劉飛虎, 張碩. 南淝河水體中有機磷和菊酯類農(nóng)藥風(fēng)險評價[J]. 合肥工業(yè)大學(xué)學(xué)報, 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] 湯嘉駿, 劉昕宇, 解啟來, 等. 流溪河水體有機氯農(nóng)藥的生態(tài)風(fēng)險評價[J]. 環(huán)境科學(xué)學(xué)報, 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. 壬基酚的水質(zhì)基準(zhǔn)探討和生態(tài)風(fēng)險評價[D]. 青島: 中國海洋大學(xué), 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] 吳豐昌, 馮承蓮, 曹宇靜, 等. 鋅對淡水生物的毒性特征與水質(zhì)基準(zhǔn)的研究[J]. 生態(tài)毒理學(xué)報, 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] 劉璋溫. 赤池信息準(zhǔn)則AIC及其意義[J]. 數(shù)學(xué)的實踐與認(rèn)識, 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, 劉良, 顏小品, 等. 應(yīng)用物種敏感性分布評估多環(huán)芳烴對淡水生物的生態(tài)風(fēng)險[J]. 生態(tài)毒理學(xué)報, 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] 張祖麟, 余剛, 洪華生, 等. 河口水體中有機磷農(nóng)藥的環(huán)境行為及其風(fēng)險影響評價[J]. 環(huán)境科學(xué), 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, 洪華生, 王新紅, 等. 廈門海域有機磷農(nóng)藥污染現(xiàn)狀與來源分析[J]. 環(huán)境科學(xué)學(xué)報, 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. 萊州灣水體中有機磷農(nóng)藥的殘留監(jiān)測與風(fēng)險影響評價[J]. 安全與環(huán)境學(xué)報, 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. 膠州灣水體中有機磷農(nóng)藥的污染現(xiàn)狀與風(fēng)險影響評價[C]. 有毒化學(xué)污染物監(jiān)測與風(fēng)險管理技術(shù)交流研討會, 2003: 215-221

[17] 雷昌文, 曹瑩, 周騰耀, 等. 太湖水體中5種有機磷農(nóng)藥混合物生態(tài)風(fēng)險評價[J]. 生態(tài)毒理學(xué)報, 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] 劉昕宇, 湯嘉駿, 張熒, 等. 粵桂瓊區(qū)域水源地有機磷農(nóng)藥的生態(tài)風(fēng)險評價[J]. 環(huán)境科學(xué)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

國家自然科學(xué)基金(41390244)；安徽省自然科學(xué)基金(1408085QD71)；中央高?；究蒲袠I(yè)務(wù)費專項資金資助(2015HGCH0002)

劉亞莉(1990-)，女，碩士研究生，研究方向為環(huán)境科學(xué)，E-mail: 464245475@qq.com

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

2015-12-02 錄用日期：2016-01-26

1673-5897(2016)2-531-08

X171.5

A

簡介：王繼忠(1981―)，男，副教授，博士，主要研究方向為持久性有機污染物的區(qū)域環(huán)境行為及生態(tài)風(fēng)險評價、有機污染物的人體暴露研究，發(fā)表SCI近40篇。

劉亞莉, 謝玉為, 張效偉, 等. 應(yīng)用物種敏感性分布評價敵敵畏對淡水生物的生態(tài)風(fēng)險[J]. 生態(tài)毒理學(xué)報，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)