物种敏感度分布法（SSD）在农药水质基准推导中的应用

物种敏感度分布法（SSD）在农药水质基准推导中的应用梁霞;周军英;李建宏;王香兰;宋宁慧;单正军【摘要】Deriving methods play an important role in water quality criteria derivation. Species sensitivity distributions ( SSD) is a common method used to derive water quality criteria in the world. A number of models are available to derive water quality criteria, but not all the models could wellfit the toxicity data sets of pesticides. In order to select some mod⁃els that fit with high goodness, 4 typical pesticides were selected in the study to compare the models in goodness of fit. Re⁃sults show that sigmoid, Gaussian,Gompertz and exponential growth were better than the other models in fitting curve tend⁃ency, rationality of HC5 and goodness of fit. Therefore it is suggested that when utilizing SSD to derive criteria forpesti⁃cides, sigmoid, Gaussian, Gompertz and exponential growth should be used to get fitting curves first, and then the most optimal model should be chosen to determine benchmark values for the water quality criteria, so as to ensure scientificity of the derivation of the water quality criteria. The findings can serve as scientific references for selection of derivation methods for formulation of water quality criteria for pesticides.%水质基准推导方法在水质基准制定中起着至关重要的作用，物种敏感度分布法是目前国际上常用的基准推导方法，但利用此方法推导水质基准时，可选用的模型很多，但并不是所有的模型都能很好地拟合农药毒性数据集。

为了筛选得到拟合优度较好的模型，选取4种典型农药，对采用不同模型拟合物种敏感度分布曲线的结果进行比较研究。

结果显示，sigmoid、Gaussian、Gompertz和exponential growth 4种模型对于农药数据集，无论是在曲线走势、HC5值的合理性还是拟合优度方面的拟合效果都优于其他几种模型。

因此，在应用物种敏感度分布法推导农药水质基准时，可以首选上述4种模型进行拟合，然后再从中选出最优模型来确定基准值，从而保证基准值推导的科学性。

研究结果可为农药水质基准制定时推导方法的选择提供科学参考。

【期刊名称】《生态与农村环境学报》【年(卷),期】2015(000)003【总页数】8页(P398-405)【关键词】物种敏感度分布法;农药;水质基准;推导方法【作者】梁霞;周军英;李建宏;王香兰;宋宁慧;单正军【作者单位】南京师范大学生命科学学院，江苏南京210023; 环境保护部南京环境科学研究所，江苏南京 210042;环境保护部南京环境科学研究所，江苏南京210042; 南京师范大学生命科学学院，江苏南京210023;南京师范大学生命科学学院，江苏南京210023; 环境保护部南京环境科学研究所，江苏南京 210042;环境保护部南京环境科学研究所，江苏南京 210042;环境保护部南京环境科学研究所，江苏南京 210042;环境保护部南京环境科学研究所，江苏南京 210042【正文语种】中文【中图分类】X592农药在农田使用后，大部分会随地表径流进入地表水体或随土壤淋溶进入地下水。

进入地表水的这部分农药会对地表水体造成污染［1］，从而对水生生物乃至人体健康造成危害。

因此，必须加强水体农药污染的控制。

水质标准对于控制水体污染具有重要作用［2］。

我国是农药使用大国，农药对水体的污染日趋严重，但我国针对农药的水质标准却非常缺乏，迫切需要制订农药水质标准。

水质基准是制订水质标准的依据，我国水质基准的研究和制定尚处于起步阶段，水质基准推导方法学方面的研究更是薄弱［3］。

而水生生物基准推导方法在水生生物基准制定中起着非常重要的作用，是推导水生生物基准的关键步骤。

物种敏感度分布法（species sensitivity distribution method，SSD）是推导水质基准值的重要方法，该方法起源于20世纪70年代末的美国和欧洲，用来推导环境质量基准，后来在生态风险评价与水环境基准推导或标准的制订中都起着至关重要的作用［4－6］。

美国环保局（USEPA）最早利用SSD方法推导出水环境基准值用于保护水生态系统中绝大多数的物种［7－8］。

随后SSD方法在欧洲也得到广泛的应用［9－10］。

SSD方法在澳大利亚和新西兰的水质基准推导中也得到应用［11］。

不同国家对于SSD方法描述的主要区别在于使用外推法时选择何种模型拟合物种敏感度分布曲线［12］。

SSD可选用的模型很多，对同一组毒性数据用不同模型拟合得到的基准值差异可能很大。

适用于不同模型的污染物类别也不同，如重金属常选用sigmoid模型拟合物种敏感度曲线［13－14］，氯酚类常选用蒙特卡罗模型拟合［15］，但对于农药在此方面的研究尚鲜见报道。

笔者收集长江三角洲流域本土物种的农药毒性数据，并对慢性毒性数据进行补充，采用不同模型对得到的毒性数据进行拟合比较，针对物种敏感度分布法中不同模型对农药毒性数据集的拟合效果进行重点分析，拟筛选出适于拟合农药毒性数据集的模型。

研究结果将为保证基准定值的科学性提供理论支持，为今后进一步开展农药水质基准的制定及水质标准的制修订工作提供技术支持。

1.1 毒性数据的获取SSD曲线的构建可以使用半致死浓度（median lethal concentration，LC50）或半效应浓度（median ef⁃fective concentration，EC50）等急性数据和最高无观察效应浓度（no observed effect concentration，NOEC）或最低可观察效应浓度（lowest observed effect con⁃centration，LOEC）等慢性数据。

该文获取了毒死蜱（chlorpyrifos）、硫丹（endosulfan）、氟乐灵（trifluralin）和百菌清（chlorothalonil）4种农药的毒性数据。

毒死蜱和百菌清最终急慢性比的计算：先确定大型溞、黄颡鱼和虹鳟鱼各自的急性毒性数据EC50（或LC50）与其慢性毒性终点NOEC的比值，然后取3者的几何平均值。

硫丹和氟乐灵最终急慢性比的计算：先确定大型溞、黄颡鱼和斑马鱼各自的急性毒性数据 EC50（或 LC50）与其慢性毒性终点NOEC的比值，然后取3者的几何平均值。

1.1.1 毒性数据的搜集4种农药的急性毒性试验数据来自于长江三角洲流域的14种代表物种，14种物种分属于6门13科；还收集了毒死蜱和百菌清对大型溞［16］和虹鳟鱼［17］的慢性毒性试验数据，以及硫丹和氟乐灵对大型溞［16］的慢性毒性试验数据。

1.1.2 毒性数据的补充按照慢性试验数据的要求［7］，补充了毒死蜱、百菌清对黄颡鱼，硫丹、氟乐灵对黄颡鱼和斑马鱼的幼鱼生长试验，以获得足够的慢性毒性数据。

黄颡鱼和斑马鱼幼鱼生长试验方法参照 GB／T 21806—2008《化学品鱼类幼体生长试验》［18］。

首先，按照急性毒性试验方法进行预试验，确定黄颡鱼和斑马鱼幼鱼暴露于4种农药中的全部死亡和全部不死亡的浓度。

根据预试验结果，分别设定5个浓度梯度进行黄颡鱼、斑马鱼的幼鱼生长正式试验。

每个浓度组放养10尾幼鱼，同时设置1个对照组，对照组和处理组均设置3个平行。

试验前称量每个浓度组幼鱼总体质量并记录，试验周期为28 d，试验期间每72 h更换1次试液。

每天在特定时间喂食丰年虫，早、中、晚各1次；每天记录鱼的死亡及中毒情况。

试验结束时，对所有存活的鱼逐尾称质量并记录。

利用式（1）计算假定比生长率，采用SPSS 22.0软件对处理组与对照组单尾鱼的比生长率进行方差分析，确定对幼鱼生长无显著效应的无观式（1）中，r为比生长率；ln为试验开始时同一浓度组所有鱼平均体质量的对数值；ln W2为试验结束时单尾鱼体质量的对数值；t1为试验开始时间，d；t2为试验结束时间，d。

1.2 SSD曲线拟合将各物种的毒性数据按由小到大的顺序依次排列，n为序号，最小值序号为1，最大值序号为N，然后取其对数值，计算对应的累积概率（P）：P＝n／（N＋1）。

以浓度的对数值作为横坐标、累积概率作为纵坐标作图。

选择目前国际上常用的S 型（sig⁃moid）模型、高斯（Gaussian）模型、龚珀资（Gompertz）模型、逻辑斯蒂（logistic）模型、对数（log⁃arithm）模型、指数增长（exponential growth）模型和Lorentzian模型7种拟合模型拟合SSD曲线［19－21］。

1.3 拟合结果比较首先，从表观上判断各模型拟合所得曲线的准确性，由于累积概率范围为0～1，所以得出的物种敏感度分布曲线应是一条以0为下限、以1为上限的单调上升曲线，排除曲线走势不规则的模型；然后，根据各模型得出的拟合公式计算对5%水生生物种群产生影响的危害浓度，即可以保护95%以上水生生物种群时对应的浓度，在SSD拟合曲线上与5%累积概率相对应的农药浓度为HC5值，并将HC5值与各物种毒性数据进行比较分析，判断HC5值的科学性，排除不合理的HC5值所对应的模型；最后，利用适当的统计分析方法（如相关系数R与估计标准误差）判断其余各个模型的拟合优度，根据拟合优度确定最终适于推导基准的模型。