（环境科学专业论文）水生生物对毒死蜱的物种敏感度分布研究.pdf

华中农业大学2 0 1 l 届硕士研究生学位论文 ( 4 ) 为了降低模型选择带来的不确定性，采用了非参数b o o s t r a p 方法构建毒 死蜱的s s d ，预测毒死蜱的h c 5 值为0 0 7 0 0p g l ，c m c 值为0 0 3 5 0 肛g l 。预 测伊波兰加河、普雷图河及波隆伊河中毒死蜱p a f 值分别为7 0 0 、1 6 0 0 、 1 6 0 0 。渤海莱州湾海域中毒死蜱p a f 值在分布下限之外，生态系统的生态风险 很小。与对数三角形s s d 模型相比，非参数b o o t s t r a p 方法获得的结果较为保守。 ( 5 ) 依据参数b o o t s t r a p 方法，确定至少需要9 个不同物种急性毒性数据才 能构建s s d 。而依据非参数b o o t s t r a p 方法，确定出使用非参数b o o t s t r a p 方法构 建s s d 所需的最小样本容量为1 0 。 关键词：物种敏感度分布：毒死蜱；5 危害浓度；潜在影响比例；不确定性； b o o t s t r a p ；概率分布 水生生物对毒死蜱的物种敏感度分布研究 a b s t r a c t s p e c i e ss e n s i t i v i t yd i s t r i b u t i o n ( s s d ) i s a l le x t r a p o l a t i o nm e t h o d , w h i c hi sb a s e do nt h e s i n g l e - s p e c i e st o x i c i t yt e s t i nr e c e n ty e a r s ，t h ea p p l i c a t i o n so fs s d i nt h ed e r i v a t i o no f e n v i r o n m e n t a l q u a l i t y c r i t e r i aa n d e c o l o g i c a l r i s ka s s e s s m e n tf o rc o n t a m i n a t e d e c o s y s t e m s h a v eb e c o m et h er e s e a r c h h o t s p o t s t h ei n c r e a s i n gp o l l u t i o n s o f o r g a n o p h o s p h o m sp e s t i c i d e s ( o p ) i nw a t e rh a v eb e e no fc o n c e r n s t a k i n gt h ew i d e l y u s e dc h l o r p y r i f o sa st h eo b j e c t ，t h es s dm o d e l sw e r ed e v e l o p e do nt h em e d i a ne f f e c t i v e c o n c e n t r a t i o n s ( e c s o ) o fc h l o r p y r i f o st oa q u a t i cs p e c i e sa tv a r i o u st r o p h i cl e v e l s f o u r d i f f e r e n td i s t r i b u t i o n s ，i e ，l o g - l o g i s t i c ，l o g - n o r m a l ，l o g t r i a n g u l a ra n dw e i b u l l ，w e r e c h o s e nt of i tt h es s d t h e n ，a l lm o d e l sw e r et e s t e da n de v a l u a t e du s i n gp r o b a b i l i t yp l o t s a n dg o o d o f - f i tt e s t s t h eu n c e r t a i n t ya n a l y s i sf o rm o d e lp a r a m e t e r s ，h a z a r d o u s c o n c e n t r a t i o nf o r5 o ft h es p e c i e s ( h c 5 ) ，a n dp o t e n t i a l l ya f f e c t e df r a c t i o n ( p a f ) w e r e p e r f o r m e dt h r o u g hp a r a m e t r i cb o o t s t r a ps i m u l a t i o n s t h ew a y s o fr e d u c i n gt h e u n c e r t a i n t yo fs s dt h r o u g ht h em o d e ls e l e c t i o nw e r ed i s c u s s e di nt h ep a p e r b e s i d e s ，t h e d e v e l o p m e n to fs s db a s e do nt h es m a l ld a t as a m p l ea n d 也em i n i m u ms a m p l es i z ef o r c o n s t r u c t i n g av a l i ds s dw e r ea l s os t u d i e d t h e p r e s e n ts t u d yw i l l f a c i l i t a t et h e e n v i r o n m e n t a lr e g u l a t o r ya g e n c yt op e r f o r me c o l o g i c a lr i s ka s s e s s m e n tt oap o l l u t e d a q u a t i ce n v i r o n m e n t ，a n dw i l lo f f e rt h es c i e n t i f i ce v i d e n c e sa n dt e c h n i c a ls u p p o r t si n d e r i v a t i o no fw a t e rq u a l i t yc r i t e r i a t h em a i nr e s u l t sa r e 觞f o l l o w s ： ( 1 ) t h er e s u l t so fp r o b a b i l i t yp l o t sa n dg o o d o f - f i tt e s t ss h o w e dt h a ts s d sf o ra q u a t i c b i o t ae x p o s e dt o c h l o r p y r i f o s w e r ew e l lf i t t e dw i t ha l lt h e s p e c i f i cp r o b a b i l i t y d i s t r i b u t i o n s b a s e do nt h ea n d e r s o n - d a r l i n gt e s t ，t h ef i t t e dl o g t r i a n g u l a rd i s t r i b u t i o n w a sp r e f e r r e d , w h i c hw a sd e t e r m i n e db yt h r e ep a r a m e t e r s ，a = 一2 2 2 6 0 ，b = 3 8 3 0 6 ，a n dc = 2 9 0 3 2 ，w i ms t a n d a r de r r o r0 4 0 1 6 ，0 1 5 8 8a n d0 0 4 0 1 ，r e s p e c t i v e l y ( 2 ) a c c o r d i n gt ot h eb u i l tl o g - t r i a n g u l a rs s dm o d e l ，t h eh c 5a n dt h ec r i t e r i am a x i m u m c o n c e n t r a t i o n ( c m c ) o fc h l o r p y r i f o sw e r e0 1 0 4 8p g la n d0 0 5 2 4p l ，r e s p e c t i v e l y i n a d d i t i o n ，a c c o r d i n gt ot h er e p o r t e dd a t aa n dl o g t r i a n g u l a rs s dm o d e l ，t h ep a fo fs p e c i e s e x p o s e dt oc h l o r p y r i f o si nt h el a i z h o ub a y ( b o h a is e a , c h i n a ) a r e a , i p o r a n g ar i v e r ， p r e t or i v e ra n dp i l 6 e sr i v e rw e r e0 0 1 ，4 8 4 ，1 1 0 1 a n d1 2 3 5 ，r e s p e c t i v e l y t h e s ep a fv a l u e sc o u l ds i m p l yc h a r a c t e r i z et h a tt h ee c o l o g i c a lr i s ko fc h l o r p y r i f o si n l a i z h o ub a ya r e aw a sv e r yl o w ；t h ee c o l o g i c a lr i s ko fc h l o r p y r i f o si ni p o r a n g ar i v e rw a s l o w e r ，b u tt h es t r e n g t h e n i n gm o n i t o r i n gw a san e c e s s a r ym e a s u r et op r e v e n tah i g h e rr i s k m 华中农业大学2 0 11 届硕士研究生学位论文 h a r mh a p p e n i n g ；t h ee c o l o g i c a lr i s k so fe h l o r p y r i f o sp r e t or i v e ra n dp i l 6 e sr i v e rw e r e h i g l l e r , a n dc h l o r p y r i f o ss h o u l db eb a n n e d ( 3 ) t h er e s u l t so fu n c e r t a i n t ya n a l y s i s f o rm o d e lp a r a m e t e r si n d i c a t e dt h eh i g h r o b u s t n e s so f e a c hm o d e l o b v i o u sd i f f e r e n c e so ft h ee s t i m a t i o nr e s u l t so fh c 5a n dp a f a m o n ga l ls s d m o d e l ss h o w e dt h a tt h em o d e ls e l e c t i o nl e dt ot h eu n c e r t a i n t yo fs s d ( 4 ) i nv i e wo fr e d u c i n gt h eu n c e r t a i n t i e so fs s dt h r o u g ht h em o d e ls e l e c t i o n ，t h e n o n p a r a m e t r i cb o o t s 廿a pm e t h o dw a si n t r o d u c e d t h em e d i a ne s t i m a t i o no ft h eh c 5a n d c m co fc h l o r p y r i f o sw e r e0 0 7 0 0 甥la n d0 0 3 5 0p g l ，r e s p e c t i v e l y t h ep a fo f s p e c i e se x p o s e dt oc h l o r p y r i f o si ni p o r a n g ar i v e r ，p r e t or i v e ra n dp i l 6 e sr i v e rw e r e 7 0 0 ，16 0 0 a n d16 0 0 ，r e s p e c t i v e l y t h ep a fo fs p e c i e se x p o s e dt oc h l o r p y r i f o si n t h el a i z h o ub a ya r e a w a sb e l o wt h el o w e rt a i lo fb o o t s t r a pd i s t r i b u t i o n ，a n dt h e c o r r e s p o n d i n gr i s km i g h tn o tb es i g n i f i c a n t t h en o n p a r a m e t r i cb o o t s t r a pm e t h o dg a v et h e m o r ec o n s e r v a t i v er e s u l t sw h e nc o m p a r e dt ot h el o g - t r i a n g u l a rs s dm o d e l ( 5 ) b a s e do nt h ep a r a m e t r i cb o o t s t r a pm e t h o d ，as a m p l ew i t hs i z e9w a sm i n i m u m r e q u i r e m e n tf o rav a l i da n dv a l u a b l es s d ，w h i l et h en o n p a r a m e t r i cb o o t s t r a pm e t h o d g a v eas a m p l es i z ew i t h10t h a tw a st h em i n i m u mf o rc o n s t r u c t i n gav a l i ds s d k e yw o r d s ：s p e c i e ss e n s i t i v i t yd i s t r i b u t i o n ；c h l o r p y r i f o s ；h c 5 ；p a f ；u n c e r t a i n t y ； b o o t s t r a p ；p r o b a b i l i t yd i s t r i b u t i o n i v 水生生物对毒死蜱的物种敏感度分布研究 1 前言 1 1 问题的提出 随着工业与社会经济的快速发展，大量化合物被合成与生产，并通过各种暴露 途径最终释放到环境之中，对生态系统的结构和功能产生不可避免的影响，严重威 胁生物物种和人类的健康和生存( n e w m a na n du n g e r , 2 0 0 2 ) 。对这些化合物的生态 风险评价是环境科学中的一个研究热点( 叶常明等，2 0 0 4 ) 。 有机磷化学品种类繁多，全世界广泛应用的有机磷农药品种超过1 5 0 种。我国 每年生产的农药中，8 0 为有机磷农药。从2 0 世纪7 0 年代起，有机磷杀虫剂的 使用量逐年上升( 王连生，2 0 0 4 ) ，加之部分有机磷农药具有潜在的内分泌干扰活性 及在环境中的可持久性，因此，这类化合物对生态环境，尤其对水生生态环境造成 的负面影响日益受到重视( z h a oe ta 1 ，2 0 0 4 ) 。相关的大量研究主要集中于有机磷 农药对生物的生态毒性、乙酰胆碱酯酶活性的抑制等，以及有机磷农药环境分析与 生物监测( 赵劲松，2 0 0 5 ；刘勇等，2 0 1 0 ；陈向强等，2 0 0 6 ) 等方面。然而，有机磷农 药对水生生态系统带来的风险研究还很少开展，并且我国尚未建立其针对保护水生 生态系统的结构和功能的水生态基准。 进入水环境中的有机磷农药在不同的层次上对生态系统产生影响。一定的暴露 水平下，首先体现在分子、细胞和组织器官水平上，如与乙酰胆碱酯酶的作用，累 积到一定程度以后，对生物个体产生危害，并逐渐扩展到更高层次，比如对种群、 群落等的结构与功能( 叶常明等，2 0 0 4 ) 的影响。在现有的文献与报告中有机磷农药 的生态毒理学数据主要来源于不同营养层次上单一物种的短期室内试验( v i g h ie ta 1 ， 2 0 0 6 ) 。该类实验虽然可重复性好，但环境现实性较低，不具备生态系统特有的终 点和结构水平，也没有将生态系统的动态变化考虑在内，因而“生态”严重缺乏 ( n e w m a na n du n g e r , 2 0 0 2 ) 。将这些生态毒理学终点外推到生物群落甚至更高水平 ( c e l a n d e re ta 1 ，2 0 11 ) 是生态风险评价的难点。物种敏感度分布( s p e c i e ss e n s i t i v i t y d i s t r i b u t i o n ，s s d ) 研究正是在这样的背景下提出的( p o s t h u m ae ta 1 ，2 0 0 2 ) 。 华中农业大学2 0 1 l 届硕上研究生学位论文 1 2 物种敏感度分布的基本内涵 s s d 是指在结构复杂的生态系统中，不同的物种对某一胁迫因素( 如有毒的化 学物质) 的敏感程度服从一定的( 累积) 概率分布( v i g h i e ta 1 ，2 0 0 6 ；p o s t h u m ae ta 1 ， 2 0 0 2 ) ，因此，可以通过概率或者经验分布函数来描述不同物种对胁迫因素的敏感度 差异。这些物种主要由经挑选的物种集合、自然群落或者经过明确分类产生的物种 组成。由于不清楚毒性终点的真实分布，所以通过毒性数据( 通常是半数效应浓度 e c s o 或者无可见效应浓度n o e c ) 来估计s s d ( p o s t h u m ae ta 1 ，2 0 0 2 ；q ie ta 1 ，2 0 11 ； h u n te ta 1 ，2 0 1 0 ) ，并构造累积分布函数( 图1 ) 。 图ls s d 模型示意图( p o s t h u m ae ta l 2 0 0 2 ) f i g 1d i a g r a mo fs s dm o d e l ( p o s t h u m ae ta l ，2 0 0 2 ) 一旦( 累积) 概率分布函数确定，一方面可以获得在特定剂量的胁迫因素下生 态群落中所有物种受潜在影响的比例( p o t e n t i a l l ya f f e c t e df r a c t i o n , p a f ) ，用以表 征生态系统的生态风险，为制定环境政策和污染控制措施提供参考；另一方面，通 过s s d 还可以计算获得对应p 累积概率的污染物浓度，即最大环境危害浓度 ( h a z a r d o u r sc o n c e n t r a t i o n ，h q ) ，在该浓度下受到影响物种不超过总物种数的p 或者达到( 1 0 0 - p ) 保护水平，通常情况下p 取值为5 ( p o s t h u m ae ta 1 ，2 0 0 2 ； k l e p p e r e ta 1 ，1 9 9 8 ) 。h q 的获取可为制定环境质量标准提供理论依据。 2 o 一 o 口o 甘o婿no o o 簪毫嚣整p 水生生物对毒死蝉的物种敏感度分布研究 1 3 物种敏感度分布研究的基本步骤 物种敏感度分布研究通常由3 个步骤组成，分别为毒性数据的获取，s s d 模 型的构造以及对模型质量的评价。 1 3 1 毒性数据的获取 1 ) 数据来源 s s d 构建中使用的毒性试验终点数据主要来源于文献以及现有的数据库，如 u se p a 的e c o t o x ( h t t p ：w w w e p a g o v e c o t o x ) 与o p p 农药生态毒性数据库 ( h t t p ：w w w i p m c e n t e r s o r g e c o t o x i n d e x c f m ) ，以及p a n 农药数据库 ( h t t p ：w w w p e s f i c i d e i n f o o r e , ) 等。 2 ) 数据准备 当从数据库或文献中获得一定的数据信息后，需要对其进行整理，即数据准备。 包括选择合适的物种、暴露时间，统一效应浓度的单位以及数据筛选。对获得的毒 性数据进行筛选是为了提高数据的质量，一般遵循以下3 个原则：适当性、可靠性、 精确性( 雷炳莉等，2 0 0 9 ) 。适当性主要是考虑s s d 研究中所选用的毒性终点是否 恰当；可靠性主要考虑测试方法与可接受的方法或标准方法相比完整性如何，可靠 性数据应包括对实验程序和结果的详细描述，并且实验结果应该支持相关理论 ( d u r d ae ta 1 ，2 0 0 0 ；k l i m i s c he ta 1 ，1 9 9 7 ；c a l d w e l le ta 1 ，2 0 0 8 ；雷炳莉等，2 0 0 9 ) ；精 确性主要是考虑当同一个物种有多个可靠性数据时如何使用数据( r a i m o n d oe ta 1 ， 2 0 0 8 ；p a r k h u r s t ，1 9 9 8 ；雷炳莉等，2 0 0 9 ) 。 1 3 2 物种敏感度分布模型的构造 1 ) 基于确定概率模型的方法 目前s s d 模型的构造仍然没有统一的方法和程序。s s d 研究中常用的( 累积) 概率分布函数有正态( w a g n e ra n dl o k k e ，1 9 9 1 ；s e m e n z i ne ta 1 ，2 0 0 7 ；w a n ge ta 1 ， 2 0 0 8 ；s m i te ta 1 ，2 0 0 8 ；m a l t b ye ta 1 ，2 0 0 9 ) 和逻辑斯蒂分布函数( k o o i j m a n ，19 8 7 ； a l d e n b e r ga n ds i o b ，1 9 9 3 ；r a i m o n d oe ta 1 ，2 0 0 8 ；w a n ge ta 1 ，2 0 0 8 ；a w k e r m a ne ta 1 ， 2 0 0 8 ) ，这些函数都能为数据集提供较好的拟合并获得保守的h c 口。 华中农业大学2 0 11 届硕+ 研究生学位论文 还有一些确定概率模型在s s d 研究中常被使用，但与上述两种钟形函数在保 护水平上存在一些差异。例如：三角形、均匀、指数或韦伯分布函数( e r i c k s o na n d s t e p h a n , 1 9 8 8 ；v a ns t r a a l e n , 2 0 0 2 ) 。使用它们可获得h c o ( 即1 0 0 的保护水平) ， 而正态和逻辑斯蒂分布函数由于自身钟形曲线两端无限延伸无法获得h c o ( v a i l s t r a a l e n ，2 0 0 2 ) 。 2 ) 基于抽样分布的方法 有研究者采用m o n t ec a r l o 或非参数b o o t s t r a p 的方法进行s s d 模型的构 建，取得了较理想的结果( p o s t h u m ac ta 1 ，2 0 0 2 ；b r a t t i ne ta 1 ，1 9 9 6 ) 。m o n t ec a r l o 模 拟是建立在特定分布的基础之上，通过生成伪分布数据进行统计分析。与之相对应 的是非参数b o o t s t r a p 方法，该方法建立在可放回式重抽样的基础之上，不需要任 何先验的假设，因而较客观地反应s s d 的真实情况。 1 3 3 模型的质量评价 可用于构造s s d 模型的概率分布有很多，如何从统计学意义上判断一个模型 是否恰当，即对模型的评价还较少见，没有形成一套系统的理论。目前常用的有概 率图与拟合优度检验两种方法。 概率图( p r o b a b i l i t yp l o t s ) 是对污染物的毒理学终点数据进行经验概率估计，检 验其与构造出的模型理论曲线的符合程度。目前常用的概率图法有两种类型：直方 图( h i s t o g r a m ) ( d a g o s t i n o ，19 8 6 ) 和q q 图( q u a n t i l e - q u a n t i l ep l o t ) ( m i c h a e l a n ds c h u c a n y ，1 9 8 6 ) 。 拟合优度检验( g o o d n e s s o f - f i tt e s t s ) 检验随机样本来源于某个特定分布的初始 假设是否合理，以零假设和备则假设组成的假设检验的形式存在。拟合优度检验最 早可以追溯到早期的f 检验，它是一种正式的比较直方图和密度函数的检验方法。 另外，f 检验不仅适用于离散分布也适用于连续分布。对于连续分布的拟合优度检 验通常采用k o l m o g o r o v s m i m o v ( k - s ) 和a n d e r s o n - d a r l i n g ( a - d ) 检验( s t e p h e n s ， 1 9 8 6 ) 。 概率图与拟合优度检验相比，前者可以直观地反应样本数据与理论分布的接近 程度，而后者则是定量化地评价模型的质量，因而通常结合在一起使用。 4 水生生物对毒死蜱的物种敏感度分布研究 1 4 物种敏感度分布的应用 s s d 具有较好的生态毒理学基础，因此s s d 在环境质量标准的制定与生态风 险评价上有着较为广泛的应用。 1 4 1 物种敏感度分布在环境质量标准制定中的应用 2 0 世纪7 0 年代末，u se p a 在制定全国环境水质标准时第一次使用s s d 代 替了之前的专家判断法。这个基于h c 5 的计算质量标准的方法经过反复修订，最 终形成1 9 8 5 年u se p a 的“推导保护水生生物及其用途的国家水质标准的技术指 南”一直沿用至今( p o s t h u m ae ta 1 ，2 0 0 2 ) 。k l a p o w 等( 1 9 7 9 ) 运用基于s s d 的h c l 0 得出了海洋水质标准。继水质标准之后，u se p a 运用s s d 模型制定了非离子有机 化学品的沉积物质量标准( u se p a ，1 9 9 3 ) 。9 0 年代加拿大将s s d 应用到土壤及 沉积物的环境质量标准的制定工作( c c m e ，1 9 9 6 ；c c m e ，1 9 9 9 ) ，用来保护与土 壤及沉积物有联系的动植物。 欧洲的s s d 的发展独立于北美，但由于有相似的科学政策支持，他们的发展 近乎趋同，包括h c 5 的概念都非常相似。荷兰政府应用s s d 制定各类环境单元的 环境风险限值。丹麦利用s s d 较好的生态毒理基础，建立了旨在保护陆生和水生 生物的生态质量标准( p o s t h u m ae ta 1 ，2 0 0 2 ) 。1 9 9 2 年o e c d 召开的关于将实验 室水生毒理数据外推至野外的研讨会( o e c d ，1 9 9 2 ) ，该研讨会开创了s s d 的新时 期，并第一次认识到s s d 是一类生态模型，而不简单是一套监管技术。研讨会还 认可了u se p a 的对数三角形分布模型，荷兰的对数逻辑斯蒂模型以及丹麦的对 数正态分布模型。 过去3 0 年里，在欧美国家环境质量标准制定中的应用大大促进s s d 的发展。 近年来，也有研究者对s s d 进行改进与创新。r a i m o n d o 等( 2 0 0 8 ) 以保护濒危物 种为目标，在研究中使用水生物种( 其中包括多种濒危物种) 的急性毒理数据建立 s s d 获得保护性h c p ( p r o t e c t i v e n e s so ft h eh c p ) 。由于野外试验中影响因素复杂 多样，获取数据技术难度大，并且费用比较高，使得在s s d 研究中选取的数据大 多是实验室毒性数据。但目前已有研究者依据野外监测结果建立基于野外s s d ( f i e l d - b a s e ds s d ，f - s s d ) 。k w o k 等( 2 0 0 8 ) 针对中国香港海域使用底栖生物群落 华中农业大学2 0 11 届硕士研究生学位论文 的野外数据和海底沉积物中污染物的测量数据获得f - s s d ，制定沉积物质量导则 ( s e d i m e n tq u a l i t yg u i d e l i n e s ，s q g s ) 。k w o k 等( 2 0 0 8 ) 的研究表明对类似于香港 这样的较小区域建立f - s s d 方法的可行性。 1 4 2 物种敏感度分布在生态风险评价中的应用 2 0 世纪9 0 年代早期s s d 被应用到生态风险评价中。1 9 9 3 年，s u t e r 提出 s s d 可作为一种外推模型用来得到群落或类群中受影响的比例或一个物种受影响 的概率( s u t e r ，1 9 9 3 ) 。1 9 9 8 年，u se p a 正式颁布了“生态风险评价指南”( u s e p a ，1 9 9 8 ) 。该指南通过一个基于暴露与效应分布比较的风险表征实例介绍和认可 了s s d 在生态风险评价中的应用。目前，虽然加拿大官方还没有认可或者正式将 s s d 应用于生态风险评价，但已经有将s s d 应用于生态风险评价方面的研究 ( p o s t h u m ae ta 1 ，2 0 0 2 ) 。 s s d 方法自确立以来，被应用于单一化学物质对水生生态风险评价中研究较 多，随后有研究者对混合物开展生态风险评价研究。k l e p p e r 等( 19 9 8 ) 利用s s d 方 法对荷兰境内不同地域实际环境水平下的c d 、c u 、z n 、p b 及农药混合物进行了生 态风险评价，获得不同水生生态系统中的p a l ：。s c h u l e r 和r a n d ( 2 0 0 8 ) 提出在生 态风险评价中应该考虑化学混合物的联合作用，他们在对佛罗里达南部淡水生态系 统中p s i i 除草剂进行生态风险评价中，利用s s d 模型获得p a f 以及m s p a f ( m u l t i p l es u b s t a n c ep o t e n t i a l l ya f f e c t e df r a c t i o n ) 。刘良等( 2 0 0 9 ) 构建了淡水生 物对8 种常见多环芳烃的s s d ，对以红枫湖、黄河、白洋淀为代表的中国典型水 体中的多环芳烃进行了联合生态风险评价，用m s p a f 复合潜在影响比例表示。 由于陆生生态系统的复杂性，将s s d 应用其风险评价中的研究较少，但也有 研究者进行这方面的研究。f r a m p t o n 等( 2 0 0 6 ) 将s s d 应用到农药对土壤中无脊 椎动物的风险评价中。h a r t ( 2 0 0 2 ) 利用s s d 研究了英国果园中施用的毒死蜱对鸟 类的风险评价。 另外一些研究者针对s s d 方法开展研究。n e w m a n 等( 2 0 0 0 ) 研究了s s d 应 用在生态风险评价中的分布类型假设和样本大小问题。v a i ls t r a a l e n ( 2 0 0 2 ) 以锌的 水生生态风险评价为例研究了s s d 阈值模型。 6 水生生物对毒死蜱的物种敏感度分布研究 1 5 物种敏感度分布的不确定性 s s d 方法因其简明、生态意义明确等优点吸引了诸多研究者以及政府部门对其 原理、方法、假设、应用等方面不断进行探讨( n e w m a ne ta 1 ，2 0 0 0 ；刘良等，2 0 0 9 ) 但s s d 方法仍然存在着一些争论点，包括数据选择、模型选择、保护水平选择等 ( f o r b e sa n df o r b e s ，1 9 9 3 ；h o p k i n ，1 9 9 3 ；s m i t ha n dc a i r n s ，1 9 9 3 ；c h a p m a ne ta 1 ， 1 9 9 8 ) ，这些争论点都可能造成s s d 的不确定性。 1 5 1 数据选择 s m i t h 和c a i r n s ( 1 9 9 3 ) 认为构建s s d 使用实验室试验终点数据是不合适的， 因为实际环境条件与试验条件不可能一致。理论上来讲，野外试验是在尽量接近于 实际的情况下对生态系统进行试验，有助于提高s s d 的有效性。然而获取野外试 验数据技术难度较大，费用也较高，因此目前构建s s d 使用实验室试验终点数据 是不可避免的。a l d e n b e r g 和j a w o r s k a ( 2 0 0 0 ) 采用了贝叶斯和经典统计方法分析 了使用实验室毒性数据带来的最大环境危害浓度和受影响比例的不确定性。h o s e 和 v a nd e nb r i n k ( 2 0 0 4 ) 研究表明使用实验室试验终点数据构建s s d 获得的h 岛， 可以作为野生种群的保护浓度。 u se p a 在1 9 8 5 年颁布的“推导保护水生生物及其用途的国家水质标准的技 术指南 中提出分别制定化合物的淡水和海洋水质标准( u se p a ，1 9 8 5 ) 。有关于 构建水生生物的s s d 的文献与报告中，大多数研究都集中在淡水环境，这是因为 淡水生物的数据较多，相对而言，海洋生物的数据就十分匮乏( w h e e l e re ta 1 ，2 0 0 2 ； s c h u l e ra n dr a n d ，2 0 0 8 ；c a m p b e l le ta 1 ，2 0 0 0 ；g i e s ye ta 1 ，19 9 9 ；s o l o m o ne ta 1 ，1 9 9 6 ； s o l b ee ta 1 1 9 9 3 ) 。然而v a nw e z e l ( 1 9 9 8 ) 的研究表明一些化合物的生物活性不 会受到海水盐度的影响，因此，没有必要区别其淡水与海洋水质标准。一些研究者 将淡水生物和海洋生物的毒性数据合并，构建水生生物的s s d ( s o l o m o ne ta 1 ，2 0 0 1 ； r a i m o n d oe ta 1 ，2 0 0 8 ) 。理论上使用研究区域物种或相近的其它物种的毒性数据， 能够使构建的s s d 更好地代表研究区域生态系统的实际情况。而澳大利亚和非澳 大利亚物种的毒性数据比较研究表明，使用不同区域生物物种构建的s s d 曲线差 别不明显( h o s ee ta 1 ，2 0 0 4 ；王印等，2 0 0 9 ) 。 华中农业大学2 0 1l 届硕士研究生学位论文 s s d 的构建可以使用急性毒性数据( e c 5 0 等) 和慢性毒性数据( n o e c 等) 。 通常，采用急性毒性数据估算的h c 5 可作为制定短期水质标准的参考依据，适用于 偶发的环境污染事故。而大多数污染物在环境中以低浓度长期持续暴露对生态系统 产生影响，采用慢性毒性数据更接近环境中的实际情况，因此，用n o e c 估算的 h c 5 具有更为明确的生态意义( 王印等，2 0 0 9 ) 。但考虑到慢性毒性数据的普遍缺乏， 有研究利用急性慢性比例( a c u t e c h r o n i cr a t i o ，a c r ) 方法将急性毒性数据外推，将 转换得到的慢性数据用于s s d 的构建( b r i xe ta 1 ，2 0 0 1 ；d u b o u d i ne ta 1 ，2 0 0 4 b ； r a i m o n d oe ta 1 ，2 0 0 7 ；m e b a n ee ta 1 ，2 0 0 8 ) 。 毒性数据可以从生态群落、分类单元或者物种集合中选取，理论上应该具有统 计学或生态学上的代表性，而实际物种样本数据是由数据的有效性决定的，并非随 机样本( w a g n e ra n dl o k k e ，19 9 1 ) 。通常选取实验窒环境下测试方法遵循或接近国 家或国际标准所获得的数据，以保证数据的质量。对于同一物种存在多个急性毒性 数据的情况，d u b o u d i n 等( 2 0 0 4 a ) 分析了3 种处理方法：( 1 ) 直接运用所有数 据；( 2 ) 对种内重复数据进行几何均值处理；( 3 ) 对种内重复数据进行权重处理。 他们认为权重处理最为合理，但因其对数据要求较高，且计算较为复杂，仍没有成 为通行的方法( 王印等，2 0 0 9 ) 。目前仍缺少统一的标准方法来确保数据质量，同样 对所需毒性数据的数量也不确定。有研究认为5 个不同物种的毒性数据就可以构建 s s d ，而最为理想的是能有7 个不同物种的毒性数据( v a ns t r a a l e na n dd e n n e m a n ， 1 9 8 9 ；金小伟等，2 0 0 9 ) 。w h e e l e r 等( 2 0 0 2 ) 研究认为估算h c 5 需要1 0 个以上 的毒性数据。m a l t b y 等( 2 0 0 5 ) 提出使用a d 检验评价基于对数正态分布的s s d 模型时，最少需要6 个数据点。n e w m a n 等( 2 0 0 0 ) 提出在使用非参数b o o t s t r a p 方 法构建s s d 时，需要的数据量为1 5 5 5 。而g r i s t 等( 2 0 0 2 ) 研究认为非参数 b o o t s t r a p 方法至少需要2 0 个数据点来估算h c 5 值和置信区间。 总而言之，数据选择所涉及到的实验室数据的使用、物种的选择、数据类型、 数据的质量与数量等诸多问题，都缺少统一的方法要求。 1 5 2 模型选择 目前还没有理论研究证明s s d 属于某一特定分布，因此，有不同的确定概率 分布被用于拟合物种敏感度数据。在欧美国家的环境质量标准制定和生态风险中常 水生生物对毒死蜱的物种敏感度分布研究 选用对数正态( w a g n e ra n dl o k k e ，1 9 9 1 ) 和对数逻辑斯蒂( a l d e n b e r ga n ds l o b ， 1 9 9 3 ) 等分布拟合得到s s d 曲线。澳大利亚和新西兰通常选用b u r ri i i 型分布 ( s h a o 2 0 0 0 ；f o x ，1 9 9 9 ) 。由于这些概率分布函数通常具有多个参数，若数据集较 小，通常较难获取准确的分布函数参数估计值，因此对模型输出的结果的可靠性造 成影响。于是几种常用的统计学方法被应用到s s d 模型的不确定性分析中，包括： b o o t s t r a p ( w a n ge ta 1 ，2 0 0 8 ；v e r d o n c ke ta 1 ，2 0 01 ) 、m o n t ec a r l o ( w a r r e n h i c k sa n d h a r t ，2 0 1 0 ；m e n ge ta 1 ，2 0 1 0 ；b r a t t i ne ta 1 ，1 9 9 6 ) 、贝叶斯( h a y a s h ia n dk a s h i w a g i ，2 0 1 0 ； v e r d o n e ke ta 1 ，2 0 0 1 ) 等方法。 b o o t s t r a p 是一种基于重抽样的统计模拟方法，是建立在样本可以表征总体的假 设基础之上的，即统计量可以由大量b o o t s t r a p 样本中求得，从而可以估算相应统 计量的偏置、标准误差和置信区间等( e f r o na n dt i b s h i r a n i ，1 9 9 4 ；d a v i s o na n dh i n k l e y ， 1 9 9 7 ) 。b o o t s t r a p 样本可通过对原始数据集进行可放回随机采样得到，即在 b o o t s t r a p 样本中，某些观测值可能出现多次( 赵劲松，2 0 0 5 ) 。b o o t s t r a p 方法是以 原始数据为基础的模拟抽样统计推断法，可用于研究一组数据的某统计量的分布特 征，特别适用于那些难以用常规方法导出对参数的区间估计、假设检验等问题( 陈。一 峰等，1