混合物风险评估方法的改进：农药风险指标在多国应用中的实践

《Environmental Advances》：Improvement in mixture risk assessment: A multi-national application of the Pesticide Risk Metric

农药混合物风险评估新方法——Pesticide Risk Metric（PRM）基于物种敏感性分布（SSD）和独立作用模型，有效降低传统方法（HU和CA）的估计误差，可靠评估单一农药及混合物风险。研究显示，八个国家706个监测点中51%（359个）年度平均混合毒性超标，意大利和荷兰问题最严重。主要贡献者包括昆虫icides（61%）、其他herbicides（32%）和PSII抑制herbicides（6.1%），14种农药占混合毒性99%。PRM方法为WFD和欧盟零污染战略提供标准化风险评估工具，支持跨国流域协同管理。

　　### 研究背景与意义

随着全球农业生产活动的不断扩展，农药的使用量持续增加，尤其是在新兴经济体中，这一趋势更为显著。农药在提高农作物产量和控制病虫害方面发挥着重要作用，但其对生态环境的潜在影响也不容忽视。近年来，科学家们对农药混合物对水体生态系统的风险评估给予了越来越多的关注，因为实际环境中，生物往往同时暴露于多种农药，而非单一农药。这种混合暴露可能导致比单一农药更复杂的毒性效应，从而对生态系统造成更大的威胁。

在政策层面，诸如欧洲绿色协议（European Green Deal）和水框架指令（Water Framework Directive, WFD）等国际框架已经认识到农药混合物带来的风险，并强调需要减少农药的使用及其对环境的负面影响。特别是欧洲绿色协议提出到2050年实现“零污染”目标，这要求对农药及其混合物进行更加精准的风险评估，以确保水、土壤和空气污染不会对自然生态系统的健康构成威胁。然而，目前的风险评估方法往往存在局限性，特别是在评估混合物毒性方面，导致风险评估结果的不确定性较高。

### 现有风险评估方法的局限性

传统的农药风险评估通常采用两种方法：危害单位（Hazard Unit, HU）和浓度加和（Concentration Addition, CA）。这些方法虽然被广泛应用于第一阶段的风险筛查，但在更高级别的风险评估中可能无法提供足够的精度。危害单位方法通过将不同农药的毒性数据标准化，以比较其对生态系统的潜在影响，但由于农药之间毒性模式存在显著差异，这种方法可能会引入系统性的统计偏差和错误的毒性模式识别。

另一方面，浓度加和模型假设所有农药的作用机制相似，从而可以使用一个“全球平均”的物种敏感性分布（Species Sensitivity Distribution, SSD）来描述其毒性。然而，这一假设并不总是成立，因此可能导致对某些农药风险的高估或低估。此外，当两种方法结合使用时，危害单位计算中的偏差和浓度加和模型中的估计误差可能会叠加，从而进一步影响混合物风险评估的准确性。这种不确定性在制定政策和管理措施时可能带来严重的后果，如资源浪费、对生态系统的保护不足等。

### 新方法：农药风险指标（Pesticide Risk Metric, PRM）

为了解决上述问题，本研究提出了一种新的农药风险评估方法——农药风险指标（Pesticide Risk Metric, PRM）。该方法基于现有的生态毒理学方法，结合了物种敏感性分布（SSD）和独立作用模型（Independent Action Model）的原理，旨在提供更准确和可靠的风险评估结果。通过这种方法，研究人员可以将每个水样中的农药浓度数据转换为对生态系统影响的估计，从而避免了传统方法中因浓度标准化而导致的误差。

### 方法描述与实施

#### 物种敏感性分布（SSD）与保护浓度的计算

本研究收集了53种农药活性成分（Pesticide Active Ingredients, PAIs）的毒性数据，并使用这些数据构建了物种敏感性分布（SSD）。这些分布涵盖了从低到高不同级别的可靠性，其中大多数SSD具有中等或更高的可靠性。为了确保数据的准确性，研究人员对每个SSD的可靠性进行了评估，并考虑了不同农药的毒性数据来源和质量。对于某些具有双峰分布特征的农药，研究人员仅使用最敏感的物种数据来构建SSD，以提高评估的准确性。

#### 混合物毒性的估算

在估算混合物毒性时，研究人员采用独立作用模型（Independent Action Model），该模型假设每种农药在生态系统中的作用是独立的，因此可以分别计算每种农药的毒性贡献，并将这些贡献相加以得出整体的混合毒性估计。这种方法避免了传统浓度加和模型可能带来的误差，同时提供了更精确的毒性评估。此外，该模型还能够将每种农药的毒性贡献转换为对生态系统的潜在影响百分比（Potentially Affected Fraction, PAF），从而更直观地反映农药对生态系统的风险。

#### 风险分类与评估

为了便于理解和比较，研究人员采用了类似于“红绿灯”系统的风险分类方法。根据对生态系统保护的百分比，将风险分为四个等级：非常高（Very High）、高（High）、中等（Moderate）和低（Low）。这种分类方法不仅有助于识别高风险区域，还能为政策制定者提供决策支持。例如，如果一个水体的混合毒性超过了95%的保护标准，则被认为具有高风险，需要采取更严格的管理措施。

### 研究结果与分析

#### 个体农药活性成分的风险评估

在本研究中，共有706个监测点，其中61个（约8.6%）在某些年份超过了个体农药活性成分的年度平均环境质量标准（Annual Average Environmental Quality Standard, AA-EQS）。意大利是这些监测点中受影响最严重的国家，其个体农药活性成分的超标数量最多。这表明意大利的农业活动可能对水体生态系统造成了较大的压力。然而，只有7种农药在某些年份超过了5%的PAF阈值，其中PSII抑制型除草剂terbuthylazine的超标情况最为严重，影响了30个监测点。

#### 混合物毒性的评估

当将这些农药视为混合物进行评估时，359个监测点（约51%）未能达到95%的生态系统保护标准。这一比例显著高于个体农药的超标比例，说明农药混合物对水体生态系统的威胁远大于单一农药。意大利和荷兰是混合物毒性最高的两个国家，分别有177个和84个监测点超过了混合物的AA-EQS。这表明，这些国家的农药使用模式可能对水体生态系统造成了较大的压力。

#### 农药组别对混合毒性的影响

研究还分析了不同农药组别（如除草剂、杀虫剂、杀菌剂）对混合毒性的影响。结果显示，杀虫剂是混合毒性的主要贡献者，占总混合毒性的61%。其次是其他类型的除草剂，占32%，以及PSII抑制型除草剂，占6.1%。这种分布模式在不同国家和监测点之间存在显著差异，例如，在德国，杀虫剂的贡献率高达96%，而在加拿大，其他除草剂的贡献率则达到了56%。这说明农药使用模式和生态系统的敏感性在不同地区可能存在差异。

### 研究的现实意义与应用

#### 为政策制定提供科学依据

该研究结果对于制定和实施更有效的农药管理政策具有重要意义。特别是在跨国河流流域，如莱茵河、多瑙河和默兹河，这些流域涉及多个国家，其农药管理需要协调一致。通过使用PRM，可以更准确地评估这些流域中农药混合物的风险，从而为跨国合作提供科学依据。此外，该方法还可以用于识别对生态系统影响最大的农药种类，从而指导针对性的管理措施。

#### 支持实际农业实践的改进

除了政策层面的应用，PRM还可以用于指导农业实践的改进。例如，某些农药可能在特定地区具有较高的毒性贡献，因此可以通过调整农业实践，减少这些农药的使用或使用替代性农药来降低对生态系统的压力。此外，该方法还可以与农药投影工具（Pesticide Projector）结合使用，以评估不同农药使用模式对生态系统的影响，并提供具体的管理建议。

#### 促进国际合作与知识共享

为了推动该方法的广泛应用，研究团队还开发了自动化的R语言代码，并提供了相关的技术支持。这些代码可以用于不同地区的农药监测数据，帮助研究人员快速评估农药对生态系统的风险。此外，研究团队还提供了一个交互式仪表盘，允许用户探索不同地区和年份的风险数据，从而更好地理解农药使用模式对生态系统的影响。

### 结论

本研究提出的农药风险指标（PRM）为农药混合物的风险评估提供了一种新的方法，结合了物种敏感性分布和独立作用模型，能够更准确地估算农药对生态系统的潜在影响。该方法不仅提高了风险评估的可靠性，还为政策制定和农业实践改进提供了科学依据。特别是在跨国河流流域，PRM可以促进不同国家之间的合作，实现对农药风险的共同管理。此外，该方法还可以用于不同地区的农药监测数据，为全球范围内的农药管理提供支持。未来，随着更多数据的积累和方法的不断完善，PRM有望成为农药风险评估的重要工具，助力实现“零污染”目标和生态系统保护愿景。