张家玮，齐观景，赵昊铎，葛卉，刘庆伟，史江红,*，于相毅，毛岩，郭伟，孟耀斌，李晓岩

1. 广东省土壤与地下水污染防控及修复重点实验室，南方科技大学环境科学与工程学院，深圳 518055 2. 国家环境保护流域地表水-地下水污染综合防治重点实验室，南方科技大学环境科学与工程学院，深圳 518055 3. 香港大学土木工程系，香港 4. 生态环境部固体废物与化学品管理技术中心，北京 100029 5. 北京师范大学地理科学学部，北京 100875

壬基酚(nonylphenol, NP)是化学工业和有机合成工业中重要的中间体[1]，在工业中主要用于合成壬基酚聚氧乙烯醚(nonylphenol ethoxylate, NPEO)。NPEO作为性能优良的表面活性剂、乳化剂、分散剂和润滑剂等广泛应用于洗涤剂、造纸、纺织和农药制造等行业[2]。环境中的NP主要来源于其前体物质NPEO的天然降解或污水处理厂的生物分解[3]。NP性质稳定、难降解，是典型的内分泌干扰物质(endocrine disrupting chemicals, EDCs)，能够干扰生物体的内分泌系统，损伤神经系统和生殖系统，破坏抗氧化系统，损伤DNA，从而直接影响生物的生存和繁衍[4]。环境中极低浓度的NP(如诱导鱼类卵黄蛋白原合成的起始浓度仅为1 μg·L-1)就可构成对生物系统的有害影响[5]。随着NP及NPEO作为化工原料的广泛使用，大量NP会进入并在江河湖泊等自然水体中长期赋存，对生态系统造成潜在危害[6]。因此，开展水环境中NP的生态风险评估研究对制定水环境风险管控措施具有重要的现实意义。

生态风险评估旨在评估生态系统受一种或多种环境胁迫影响的可能性[7]，是定量研究有毒污染物生态危害的重要手段[8]。目前，世界上关于NP生态风险评价准则主要分为美国与欧盟2个评价体系和标准。美国环境保护局(US EPA)基于大量毒理学的研究数据，结合NP对多种水生生物的剂量-效应关系于2005年颁布了NP的环境水质标准，分别限定了淡水中急性毒性和慢性毒性浓度的标准值28 μg·L-1和6.6 μg·L-1[9]，对监测到的水体中的NP进行比较评价。欧盟于2003年发布的《风险评价技术导则》(TGD)中，采用环境预测浓度(predicted exposure concentration, PEC)和预测无效应浓度(predicted no effect concentration, PNEC)的风险商(risk quotient, RQ)来评价生态风险[10]。针对水体中的预测无效应浓度PNECwater，该技术导则提出了评价因子法(assessment factor, AF)和基于物种敏感性分布(species sensitivity distribution, SSD)的统计外推法2种方法。如果化学物质的毒理学数据不能满足统计外推法的要求，可用已知物质对3个营养级生物(藻、蚤和鱼)的毒理学数据，除以相应的AF，即可得出PNECwater。欧盟基于慢性毒性实验中NP对最敏感水生植物藻类的72 h的10%效应浓度(72 h-EC10)3.3 μg·L-1获取PNECwater值0.33 μg·L-1，并据此开展相关的风险分析[11]。

与国外NP生态风险评价领域的研究成果相比，我国研究起步较晚，尚未发布相关的环境基准或标准。近年来，有学者开始利用美国或欧盟的生态风险评估技术体系，针对国内环境中NP生态风险问题开展探索性研究。陈慰双[12]首次较为全面地总结分析了我国NP污染现状与分布特征，并基于商值法及US EPA水质标准进行NP生态风险评估。高培[13]利用中国本地物种毒性数据构建SSD模型，分别采用商值法和安全阈值法评价了我国沿海水体中NP的生态风险，相比前人研究增加了评价可靠性。Jin等[14]基于NP对水生生物生殖适度的影响，采用如繁殖毒性等非传统毒性终点构建SSD模型，并利用商值法和概率法评估了NP的生态风险，其结果较为精准地表述了NP的内分泌干扰效应。Zhang等[15]在构建NP急慢性SSD模型时引入最小样本量的计算，较为精确地表征了模型的不确定性，为NP生态风险的量化提供了较好的方法手段。此外，还有一些学者针对NP不同介质中的生态环境风险采用类似方法进行评估，并开展了国内外对比研究[16-18]。

长三角地区化工产业集聚，呈现沿江、沿河、沿湖和沿海分布的特点，有毒有害物质种类繁多，生态环境状况面临巨大的挑战[19]。长三角地区人口稠密，河网密集，自然保护地等敏感生境分布集中，同时是国家重要的优质商品粮生产基地之一，具有生态风险评估的典型性[20]。SSD法已广泛应用于水生生物基准制定及水环境生态风险评估等研究工作[21]，其内涵是在结构复杂的生态系统中，不同物种对某一环境胁迫的敏感程度服从一定的概率分布[22]。由于不同地理区域敏感物种有所差异，采用SSD法进行生态风险评价时，物种选择会影响对水质基准与风险评估结果的分析[23]，增加物种结构并引入本地物种将可能降低风险评估的不确定性。虽然，目前多个研究利用了NP对中国本地物种毒性数据进行了生态风险评估，但是缺少对风险评估结果产生的差异的比较分析及不确定性的讨论与量化。因此，本研究通过收集筛选NP对通用物种及中国本地物种急慢性毒性数据、长三角地区地表水NP暴露浓度数据，采用SSD法拟合毒性数据获取急慢性PNEC值。采用商值法表征长三角地区地表水NP生态风险，以期为我国开展流域或区域水体中NP生态风险的精准评估提供可靠的方法和技术体系参考。

1 材料与方法(Materials and methods)

1.1 数据搜集与筛选

NP毒性数据主要来源于US EPA的ECOTOX毒性数据库(http://cfpub.epa.gov/ecotox/)和公开发表文献及相关政府文件等。数据筛选遵循准确性、相关性和可靠性的原则[24]，参照国内外相关水质基准与风险评价技术导则等[25]。所选毒性数据的试验方法应符合我国《化学品测试方法》、US EPA、经济合作与发展组织(OECD)和美国材料与试验协会(ASTM)发布的标准试验方法。对于急性毒性数据，选择毒性终点为半致死浓度(median lethal concentration, LC50)或半效应浓度(median effect concentration, EC50)，毒性效应为致死或生长抑制。其中，对于脊椎动物(vertebrate)和藻类(algae)，优先选择96 h-LC50/EC50；对于无脊椎动物(invertebrate)，优先选择48 h-LC50/EC50。对于慢性毒性数据，优先选择毒性终点为无观察效应浓度(又称最大无作用浓度)(no observed effect concentration, NOEC)，NOEC无法获取时，选择最低观察效应浓度(lowest observed effect concentration, LOEC)、最大容许毒物浓度(maximum acceptable toxicant concentration, MATC)和x%效应浓度(x% effect concentration, ECx)。慢性毒性效应包括致死、生长抑制、繁殖毒性、基因毒性和生化毒性等。同物种、同终点有多个毒性值可用时，取其几何平均值为物种平均毒性值。

物种分布信息主要来源于生命大百科全书(Encyclopedia of Life, http://eol.org)数据库、中国生物物种名录(Catalogue of Life China, http://www.cncdiversitas.org)数据库及地方动物志等[26]，用于区分是否为中国本地物种。

长三角地区地表水NP暴露浓度数据主要来源于公开发表文献及相关政府文件等。剔除检测方法不明、缺少质控和采样点靠近工业区等无效数据。图表数据采用GSYS 2.4软件(日本北海道大学核反应数据中心)进行数字化。

1.2 SSD模型构建与统计计算

目前，SSD模型的构建尚未有统一的方法，一般地，构建SSD模型的方法分为基于确定概率的参数拟合法与基于抽样分布的非参数拟合法2种方法[21]。其中，基于确定概率的参数拟合法中模型主要有对数正态(log-normal)、对数逻辑斯蒂(log-logistic)、对数冈布尔(log-Gumbel)和威布尔(Weibull)等；基于抽样分布的非参数拟合法主要有bootstrap法和蒙特卡洛(Monte Carlo)法等。参数拟合模型的累积分布函数(cumulative distribution function, CDF)如下所示：

对数正态(log-normal)：

(1)

对数逻辑斯蒂(log-logistic)：

(2)

冈布尔(Gumbel)：

CDF(x,μ,β)=e-e-(x-μ)/β

(3)

威布尔(Weibull)：

(4)

本研究采用最大似然估计拟合模型，并采用Anderson-Darling检验、Kolmogorov-Smirnov检验和赤池信息准则(Akaike’s information criterion)等方法评估拟合优度(goodness of fit)，选取最优拟合模型[27]。为了表征模型拟合不确定度，采用非参数bootstrap估计法取得95%置信区间(confidence interval, CI)。模型构建与相关统计计算由统计语言R(R v3.6.1 package, www.r-project.org)及相关程序包完成，如ssdtools[28](https://bcgov.github.io/ssdtools/index.html)和tidyverse(https://www.tidyverse.org/)等。

通过已构建的SSD曲线可得到反映95%物种未受影响的浓度(hazardous concentration for 5% of species, HC5)值，PNEC由HC5/AF(AF为评估因子，取1～5)得到。HC5及其95% CI采用bootstrap法(迭代10 000次)进行估计。为了得到较为精确的HC5值，要求一定的最小样本量[27]。最小样本量的估计方法如下所述：首先，采用可放回抽样的方法从原始样本集中获取样本大小为6至N(N为原始数据集样本数)的子样本集后，分别采用上述方法构建SSD曲线，计算得到HC5值(迭代5 000次)；然后，最小样本量使用统计语言R中变化点分析(change point analysis)进行估计[15,27,29]。

1.3 生态风险表征

选择商值法表征生态风险。商值法通过环境监测浓度(environmental exposure concentration, EEC)或通过模型预测的暴露浓度(PEC)与PNEC之间的比率计算得到RQ，提供对生态风险的粗略估计。根据RQ将生态风险分为3等级：高风险(RQ≥1)、中等风险(1>RQ≥0.1)和低风险(RQ<0.1)[17,30]。

2 结果与讨论(Results and discussion)

2.1 长三角地区地表水NP分布特征

如图1所示，长三角地区地表水NP的浓度变化范围为骆马湖0.32～1.76 μg·L-1、长江南京段0.42～0.86 μg·L-1、淮河0.22～0.63 μg·L-1、长江上海段0.041～0.37 μg·L-1、太湖0.096～1.20 μg·L-1。其中，骆马湖NP浓度较高，可能是因为骆马湖周边含酚类工业比例较高，生活及工业污水未能较好处理[31-32]。

图1 长三角地区地表水壬基酚(NP)浓度分布Fig. 1 Concentrations of nonylphenol (NP) in surface waters of the Yangtze River Delta

褚春莹等[33]调查了胶州湾入海河流中NP的污染特征，发现枯水期和丰水期浓度分别为0.11～3.17 μg·L-1和0.09～10.8 μg·L-1。侯绍刚等[34]同样也对黄河(兰州段)的NP进行研究，研究结果与胶州湾一致，浓度为0.24～2.10 μg·L-1。而在我国其他流域中NP也都有检出，包括珠江流域(0.20～1.64 μg·L-1)[35]、海河流域(0.11～0.30 μg·L-1)[36]和长江流域(0.02～6.85 μg·L-1)[37]等。与上述分布相比，长三角地区地表水NP浓度水平处于中等水平，但与国外的一些地表水体相比，长三角地区地表水NP浓度水平较高。欧洲、北美和韩国等地区和国家地表水体中，NP亦有检出，如法国塞纳河NP浓度为0.057～0.15 μg·L-1[38]，希腊中部内陆水体为未检出～2.54 μg·L-1[39]，西班牙米尼奥河为0.033～1.03 μg·L-1[40]，加拿大圣劳伦斯河为0.013～0.92 μg·L-1[41]，韩国马山湾为0.10～0.98 μg·L-1[42]。

2.2 NP淡水水生生物毒性效应

如表1和表2所示，收集整理筛选NP对中国本地淡水水生生物的急慢性数据，其中，慢性毒性效应分为致死、生长抑制、繁殖毒性、生化及基因毒性4类。数据涵盖生态系统中生产者(藻类)、初级消费者(甲壳类等无脊椎动物)和高级消费者(两栖类、鱼类等脊椎动物)。引用US EPA《壬基酚水生生物环境水质标准》[9]中淡水急慢性数据作为本研究通用敏感物种毒性数据。

表1 中国本地敏感物种的NP急性毒性数据Table 1 Biological acute toxicity data of NP for native sensitive species in China

表2 中国本地敏感物种的NP慢性毒性数据Table 2 Biological chronic toxicity data of NP for native sensitive species in China

淡水勾虾(Hyalellaazteca)和多刺裸腹溞(Moinamacrocopa)分别为通用物种与中国本地物种中对NP急性毒性最为敏感的物种，两者均为无脊椎动物，毒性值较为接近，分别为55.72 μg·L-1和65 μg·L-1。淡水勾虾(Hyalellaazteca)广泛分布于北美地区，在湖泊沉积物中占据重要生态位，是水生毒性测试代表性物种[76]。多刺裸腹溞(Moinamacrocopa)是典型枝角类浮游动物，在淡水生态系统中起到了连接食物链的作用，是淡水生态系统中非常重要的组成部分。多刺裸腹溞(Moinamacrocopa)在我国分布广泛，对外界环境污染物的敏感性强，常被用于评价淡水水体污染物急性毒性等生态毒理学试验中，并且毒性数据较为丰富[43,77-79]。不同于急性毒性，通用物种与中国本地物种中对NP慢性毒性最为敏感的物种均为脊椎动物。在通用物种中，虹鳟(Oncorhynchusmykiss)和黑头呆鱼(Pimephalespromelas)慢性毒性值分别为7.86 μg·L-1和10.18 μg·L-1。在本地物种中，青鳉(Oryziaslatipes)生化及基因毒性值(2 μg·L-1)和生长抑制毒性值(4.23 μg·L-1)、鲤(Cyprinuscarpio)生长抑制毒性值(2.2 μg·L-1)及稀有鮈鲫(Gobiocyprisrarus)繁殖毒性值(3 μg·L-1)均明显小于通用物种。青鳉(Oryziaslatipes)是毒理学研究中代表性模式生物，毒性数据丰富。稀有鮈鲫(Gobiocyprisrarus)是我国特有鱼类，从20世纪90年代开始，以中国科学院水生生物研究所为代表的众多科研单位利用其开展了化学品毒性测试等相关研究。稀有鮈鲫(Gobiocyprisrarus)对农药、二恶英和重金属等化学品非常敏感，是进行化学品毒性测试和环境水样毒性实验的理想本土模式生物[80-83]。鲤(Cyprinuscarpio)是我国分布最为广泛的淡水鱼种之一，与前述两者同属鲤科(Cyprinidae)。刘征涛等[84]在水质基准推算研究的最少毒性数据需求分析中，建议将鲤科(Cyprinidae)作为我国水生生物基准的代表性物种。上述本地敏感物种对NP等污染物急慢性毒性敏感，实验方法完备，其他污染物毒性数据较为丰富，具有较高的地域代表性，可作为理想的本地模式生物应用于我国生态风险评估和水质基准的制定。

采用1.2建立的SSD法利用统计语言R进行数据拟合。SSD拟合优度结果显示，对数正态模型Anderson-Darling检验值、赤池信息准则值均为最小，拟合优度最佳，如表3所示。本研究选取对数正态分布建立SSD模型。如图2所示，最小样本量估计显示，本研究中基于本地急慢性毒性数据集的SSD最小样本量分别为12和11。Wheeler等[85]建议使用SSD法时需要10个以上的生态毒理学数据来估计HC5，Maltby等[86]建议基于正态分布的SSD模型并采用Anderson-Darling检验时，需要至少6个生态毒理学数据。OECD规定使用SSD法时需要至少5种物种的慢性生态毒理学数据。在本研究中，本地敏感物种样本集均大于最小样本量估计值，表明模型具有较高稳健性和准确性。

图2 中国本地敏感物种的物种敏感性分布法(SSD)的最小样本量估计注：(a) 基于急性数据；(b) 基于慢性数据；HC5表示95%物种未受影响的浓度值。Fig. 2 Minimum sample size estimation for Chinese native species of species sensitivity distribution (SSD) methodNote: (a) based on acute data; (b) based on chronic data; HC5 indicates hazardous concentration for 5% of species.

表3 模型拟合优度Table 3 Goodness of fit of selected models

基于通用敏感物种和中国本地敏感物种数据，构建SSD曲线，如图3和图4所示，并分别计算HC5。结果表明，NP对通用敏感物种急性毒性HC5=76.0(CI=17.0～119) μg·L-1，慢性毒性HC5=5.90(CI=2.08～23.6) μg·L-1；本地敏感物种急性毒性HC5=57.4(CI=25.7～143) μg·L-1，慢性毒性HC5=1.56(CI=0.57～4.40) μg·L-1。

基于HC5利用1.3建立的方法计算PNEC，综合考虑数据数量与质量、物种结构和模型拟合优度等因素[17]，对于急性毒性数据AF取3，慢性毒性数据AF取2。结果显示，NP对通用敏感物种急性毒性的PNEC=25.3 μg·L-1，慢性毒性的PNEC=2.95 μg·L-1；中国本地敏感物种急性毒性的PNEC=19.1 μg·L-1，慢性毒性的PNEC=0.78 μg·L-1。本地敏感物种急慢性PNEC均小于通用敏感物种，其中，急性毒性PNEC差异较小，说明本地物种对NP的急性毒性效应敏感程度与通用物种类似。基于慢性毒性数据计算得到的PNEC差异较大，通用敏感物种慢性PNEC为本地敏感物种的4倍左右，本地物种对于NP的慢性毒性效应更为敏感。王晓南等[23]采用急性毒性数据构建SSD模型，开展了中国和美国水生生物基准受试物种敏感性差异研究，结果表明，对于毒性数据满足筛选条件的As(Ⅲ)、Cr(Ⅳ)、Hg、Cu、Pb、Zn、硝基苯、对硫磷、毒死蜱和三丁基锡，除对硫磷和毒死蜱外，其余物质对中国物种的HC5均小于美国物种的HC5。我国本地物种对污染物的敏感程度可能更高，在生态评价中直接引用国外水质基准等易对我国本地敏感生物产生“欠保护”结果。

图3 NP对通用敏感物种的SSD曲线注：(a) 基于急性数据；(b) 基于慢性数据。Fig. 3 SSD curves of general species for NPNote: (a) based on acute data; (b) based on chronic data.

图4 NP对中国本地敏感物种的SSD曲线注：(a) 基于急性数据；(b) 基于慢性数据。Fig. 4 SSD curves of Chinese native species for NPNote: (a) based on acute data; (b) based on chronic data.

对本地敏感物种而言，慢性PNEC远小于急性PNEC。相关研究表明，NP具有一定的内分泌干扰效应，同时具有神经毒性、免疫毒性和生殖毒性等[4]。NP具有与雌激素类似的化学结构，因此，常作为一种类外源激素对动物体内正常的内分泌活动产生干扰效应[87]。刘萍等[88]发现，不同浓度NP暴露下的金鱼体内卵黄蛋白原的合成量与肝脏指数均有所上调，体现其一定的类雌激素效应。胡双庆等[89]发现，NP在低浓度诱导、高浓度抑制鲫鱼巨噬细胞的增殖。张毅等[90]通过实验证明，长期暴露于NP下的细胞内抗氧化生物酶活性降低，引起细胞畸形或凋亡。左明杰等[91]发现，NP可使部分雄性鱼类和螺类雌性化，干扰鱼类受精卵的成熟发育。以上研究结合本研究结果表明，NP的慢性毒性效应可能对敏感物种特别是本地敏感物种产生重大影响。

2.3 长三角地区地表水NP生态风险评价

采用商值法计算长三角地区典型地表水的风险分布，如表4所示。长三角地区地表水基于通用、中国本地敏感物种急性毒性数据的RQ平均值为0.0076～0.052、0.0094～0.063，最大值均<0.1，结果表明，NP在长三角地区地表水均为低风险。基于通用敏感物种慢性毒性数据的RQ平均值为0.0607～0.41，其中，太湖、淮河、长江南京段和骆马湖风险均为中等；全部地区最大值超过0.1，表明存在个别中等风险区域。基于中国本地敏感物种慢性毒性数据的RQ平均值为0.23～1.55，其中，骆马湖具有高风险；太湖、长江南京段最大值超过1，个别区域具有高风险，值得进一步关注。基于慢性毒性数据的风险评价，表征了NP对物种产生内分泌干扰效应导致的生长抑制、繁殖等毒性效应。相较于基于急性毒性数据的风险评价，基于慢性毒性数据的风险评价更为保守且合理，可以较大限度地表征生态系统受到NP污染的胁迫。同时，基于本地敏感物种慢性毒性数据的风险评价结果相较于通用物种有较大差异，基于通用物种的结论可能不足以反映实际情况，造成生态风险的低估，制定水质基准或采取治理措施时可能对当地水生生物造成“欠保护”。基于本地物种提高了风险评价的准确性和保守性，较为真实地反映了长三角地区地表水NP的生态风险。

表4 长三角地区地表水风险商(RQ)Table 4 The risk quotient (RQ) values of surface waters of the Yangtze River Delta

2.4 不确定性分析

尽管采用较为精确的SSD法推导PNEC评估生态风险，其不确定性仍是无法避免的[14]。本研究风险评估不确定性主要来源于：水体环境中NP时空分布不均，现有数据可能无法反映真实情况；实验室条件下产生的毒性数据的生态相关性不足，结果可能无法应用于生态系统；SSD模型构建等方法误差等。

本研究暴露浓度数据收集严格按照筛选原则并包括浓度范围和平均值，较为全面地反映了现有数据条件下长三角地区NP地表水浓度。毒性数据生态相关性可通过增加物种结构、选取本地物种和选取慢性数据等方法提升，本研究毒性数据涵盖生态系统中生产者、初级消费者和高级消费者，选取中国本地物种急慢性毒性数据构建SSD模型并与国外通用物种对比，量化了由于毒性数据选择带来的NP生态风险的低估。本研究采用SSD模型拟合优度检验、bootstrap计算CI和最小样本量估算等方法，进一步降低并量化了由模型构建带来的不确定性。

尽管本研究尝试多种手段降低风险评估不确定性，其结果可能与实际情况相差较远。在野外条件下，NP对生物体的暴露通常为间歇性，生物体可能修复由NP引起的非永久性损伤。生态系统具有较强的抵抗力与恢复力，系统稳定性较高，SSD模型拟合结果可能不足以模拟真实情况。此外，在野外条件下自然水体中存在溶解性有机质和悬浮颗粒物等，易吸附NP，造成暴露量减少。相比于真实水体，研究中预测的生态风险通常会被高估[92]。因此，本研究评估结果可以为风险决策和污染控制提供指导，在制定NP水质基准等管控“红线”时需要结合实际进一步研究。