(安全阈值法.docVIP

安全阈值法(themarginofsafety,MOS10):既然传统商值法表征的风险是一个确定的值,而不是一个具有概率意义的统计值,因此用该方法表征的风险值不足以说明某种毒物的存在对生物群落或整个生态系统水平的危害程度及其风险大小。因此,需要选择代表食物链关系的不同物种来表示群落水平的生物效应,从而对污染物的生态安全进行评价。为保护生态系统内生物免受污染物的不利影响,通常利用外推法来预测污染物对于生物群落的安全阈值。通过比较污染物暴露浓度和生物群落的安全阈值,即可表征污染物的生态风险大小 安全阈值是物种敏感度或毒性数据累积分布曲线上10%处的浓度与环境暴露浓度累积分布曲线上90%处浓度之间的比值,其表征量化暴露分布和毒性分布的重叠程度[50]。比值小于1揭示对水生生物群落有潜在风险,大于1表明两分布无重叠、无风险,通过比较暴露分布曲线和物种敏感度分布曲线可以直观地估计某一化合物影响某一特定百分数水生生物的概率。 概率曲线分布法(probabilitydistributioncurve):概率曲线分布法是通过分析暴露浓度与毒性数据的概率分布曲线,考察污染物对生物的毒害程度,从而确定污染物对于生态系统的风险[31,49]。以毒性数据的累积函数和污染物暴露浓度的反累积函数作图,可以确定污染物的联合概率分布曲线。该曲线反映了各损害水平下暴露浓度超过相应临界浓度值的概率,体现了暴露状况和暴露风险之间的关系。概率曲线法是从物种子集得到的危害浓度来预测对生态系统的风险。一般用作最大环境许可浓度的值是HC5或EC20。这种将风险评价的结论以连续分布曲线的形式得出,不仅使风险管理者可以根据受影响的物种比例来确实保护水平,而且也充分考虑了环境暴露浓度和毒性值的不确定性和可变性[16,47]。 3.3?多层次的风险评价法 随着生态风险评价的发展,逐渐形成了一种多层次的评价方法,即连续应用低层次的筛选到高层次的风险评价。它是把商值法和概率风险评价法进行综合,充分利用各种方法和手段进行从简单到复杂的风险评价[51]。多层次评价过程的特征是以一个保守的假设开始,逐步过渡到更接近现实的估计。低层次的筛选水平评价可以快速地为以后的工作排出优先次序,其评价结果通常比较保守,预测的浓度往往高于实际环境中的浓度水平。如果筛选水平的评价结果显示有不可接受的高风险,那么就进入更高层次的评价。更高层次的评价需要更多的数据与资料信息,使用更复杂的评价方法或手段,目的是力图接近实际的环境条件,从而进一步确认筛选评价过程所预测的风险是否仍然存在,及风险大小。它一般包括初步筛选风险、进一步确认风险、精确估计风险及其不确定性、进一步对风险进行有效性研究4个层次[51]。目前已有学者对这方面进行尝试性研究,如2005年Weeks提出有关土壤污染物的生态风险“层叠式”评价框架[52],并为大多数环境学家所认同和接受。2007年Critto等基于层叠式生态风险评价框架,发展了环境污染生态风险评价决策支持专家系统(DSS2ERAMNIA) 物种敏感分布曲线(SSD)自20世纪70年代末被美国和欧洲国家建议用来推出环境质量标准后,其在概率生态风险评价和水质规则制定的过程中也起到了非常重要的作用[24,25,54]。物种敏感度分布曲线是个外推技术,它是通过一定的假设外推得到合适的化合物浓度水平(如HC5),以期为生态系统提供保护[24]。物种敏感度分布(SSD)可被看作是一种累积分布函数,其分布曲线遵循由生态毒理测试得到的敏感度分布数据。SSD曲线的应用存在两个需要系统考虑的因素:毒性数据的选择和统计方法的选择。目前的研究结果表明数据的选择比统计方法的选择对HC5值更有影响[25]。 其推广应用,因此生态模型方法得到了发展。但生态风险分析模型目前只是处于一个起步摸索的阶段,在很多方面还不成熟完善。所以,实际应用中主要还是以基于单物种测试的外推技术为主。 4.1?数据选择 数据质量选择(dataqualityselection):构建SSD曲线的数据量变化范围很广,从很少的几个数据到超过上百个敏感物种的毒性值。数据的多少及质量对SSD参数的得出及基于SSD得出的结论是非常重要的,不好的数据无法正确解释参数的自然变异性,可能会产生一个不正确的评估[25,55]。怎样通过输入一个最小的数据量来产生一个可信赖的评估结果,就涉及到对数据的质量筛选问题。目前文献上用于生态风险评估的毒性数据筛选一般遵循以下3个原则:精确性、适当性、可靠性。精确性主要是考虑数据的使用,对某一个测试终点当有多个测试数据时,要选择对效应和终点描述的最精确和恰当的数据;当有多个可靠毒性数据可用时,一般选用算术平均值[56]。适当性主要是考虑测试过程对评估报道的效应或终点是否恰当。可靠性主要考虑报道的测试方法与可接受的方法或标准