将南美洲本土水生物种纳入急性物种敏感性分布模型：对氯氟氰菊酯和草铵膦农药风险评估的影响

《Chemosphere》：Incorporating native South American aquatic species into acute Species Sensitivity Distributions: implications for pesticide risk assessment of lambda-cyhalothrin and ammonium glufosinate

　　摘要：农业集约化使得全球淡水生态系统中的农药使用量不断增加，但目前农药风险评估仍主要依赖来自北半球典型模式生物的毒性数据。这可能限制了基于急性物种敏感性分布得出的危害基准的生物地理代表性。本研究利用三种潘帕斯地区的本土淡水物种——弯尾水蚤、美丽雨蛙以及十斑溪蟾，评估了氯氟氰菊酯和草铵膦的急性毒性。将这两种农药的96小时半数致死浓度值纳入物种敏感性分布中，用以估算急性危害浓度值、分析区域敏感性，并在给定的暴露情景下评估危害程度。结果表明，氯氟氰菊酯的毒性明显高于草铵膦。其中弯尾水蚤是最敏感的物种，其对氯氟氰菊酯的96小时半数致死浓度为0.25微克/升，而对草铵膦的该值为1.07毫克/升。对于氯氟氰菊酯，其急性物种敏感性分布对应的急性危害浓度为0.0052微克/升，而潘帕斯地区河流中检测到的最高浓度为0.56微克/升，这一数值超过了弯尾水蚤的半数致死浓度以及群落层面的急性危害基准，因此对应的群落危害指数为107.0。相比之下，草铵膦在检测到的浓度均低于其急性致死阈值，对应的危害指数也低于1，不过由于分类学覆盖范围有限，其物种敏感性分布的不确定性较高。敏感性分析表明，加入潘帕斯地区的物种后，不同农药的急性危害浓度点估计值会呈现差异性变化，这说明本土物种的影响程度取决于其在相应物种敏感性分布中的位置以及数据库的构成。总体而言，这些研究结果表明，在极端暴露情景下，氯氟氰菊酯存在明显的急性危害风险，而草铵膦则仅显示出初步的筛选级脆弱性信号。该研究强调了需要扩充南美洲的毒性数据集，并纳入慢性、亚致死以及具有时间分辨率的暴露信息。

引言：农业集约化导致全球淡水生态系统中的农药投入不断增加，合成农药已成为河流动物群多样性下降的重要诱因。实地调查和全球综合研究显示，农业用杀虫剂在地表水中的浓度往往超过生态安全阈值（Stehle和Schulz，2015）。目前全球每年的农药活性成分使用量已超过350万吨（FAOSTAT，2025）。在阿根廷，农业集约化也导致了农用化学品使用的增加，2022年的使用量约为257,000吨，其中除草剂在各类农药中使用占比最高（Rondinone等人，2025）。大规模单一种植业的扩张增强了农田与低阶河流之间的水文联系，使得农药通过径流、喷雾飘移和渗滤等方式更容易扩散到水中（Aguilar Mora等人，2014；Stehle和Schulz，2015）。在阿根廷的农业生态系统中，监测研究在地表水中检测到了多种农药，其浓度往往具有生态学意义（Corcoran等人，2020；Mac Loughlin等人，2022），而且农药污染已被证实与潘帕斯地区农业河流中大型无脊椎动物群落的改变及生物多样性下降有关（Jergentz等人，2004、2005；Solis等人，2018）。生态风险评估框架主要依赖于来自有限的一组标准化实验室物种的毒性数据，而这些物种大多来自北半球的温带地区。虽然这种方式有助于保证方法的一致性，但不同生物地理区域的物种对农药的敏感性可能存在差异（Kwok等人，2007；Daam和Van den Brink，2010）。当全球毒性数据被外推应用于那些在数据集中代表性不足的生态系统，尤其是南半球的热带和亚热带地区时，这种差异性会进一步增加评估的不确定性（Maltby等人，2005；Rico和Van den Brink，2015）。因此，国际数据库中南美洲本土物种的代表性不足，可能会降低基于物种敏感性分布的危害评估结果的生态代表性，无法为区域危害评估提供完整依据。物种敏感性分布广泛用于生态风险评估中，可用于整合物种间的差异性，并估算保护浓度，比如5%物种面临危害时的浓度值（HC5）（Posthuma等人，2001；Warne等人，2018）。然而，基于物种敏感性分布得出的阈值取决于底层数据集的分类学和生物地理构成。温带与热带淡水生态系统之间的差异可能会影响物种对农药的敏感性模式，进而影响外推得到的保护标准的可靠性（Kwok等人，2007；Daam和Van den Brink，2010）。因此，纳入具有区域特征的毒性数据是降低生态风险评估不确定性的关键步骤（Maltby等人，2005）。草铵膦和氯氟氰菊酯是两种具有不同毒理特性且在集约化种植系统中应用广泛的农用化学品。草铵膦是一种非选择性膦酸类除草剂，它能抑制谷氨酰胺合成酶，从而干扰目标植物的氮代谢。随着能够耐受该除草剂的转基因作物的出现，草铵膦的使用范围也在不断扩大，其中包括最近在阿根廷获批的耐旱小麦品种（MAGyP，2022）。由于其高水溶性和中等持久性（Masiol等人，2018），草铵膦容易扩散到周边水体中。尽管已在地表水中检测到该物质（Demonte等人，2018；Screpanti等人，2005），但针对南美洲本土水生物种的毒性数据仍然十分匮乏。相比之下，氯氟氰菊酯属于II型合成拟除虫菊酯类杀虫剂，其作用机制是通过干扰电压门控钠通道产生神经毒性（USEPA，2002）。拟除虫菊酯对水生无脊椎动物、鱼类和两栖动物的毒性极高（Ranatunga等人，2023），并且已被证实会降低农业河流中大型无脊椎动物的生物多样性（Beketov等人，2013）。在阿根廷的潘帕斯地区，监测研究在以大豆为主的农田周边流出的地表水中检测到了包括拟除虫菊酯在内的多种杀虫剂（Jergentz等人，2005；Etchegoyen，2020）。尽管全球数据库中包含大量关于氯氟氰菊酯的信息，但由于物种敏感性分布主要是基于非本地物种构建的，因此仍不清楚潘帕斯地区的本土物种在这些分布中的位置。基于生物特征的评估工具同样依赖于可靠的毒性数据。“濒危物种指数”通过整合生物特征和内在敏感性，对物种的农药脆弱性进行分类（Liess和Von der Ohe，2005）。该指数已发现阿根廷农业生态系统中存在由杀虫剂引发的生态影响（Hunt等人，2017），但其可靠性取决于是否具有准确的敏感性评估结果。在生态毒理学数据集中本土物种代表性不足的地区，基于生物特征的分类结果可能会存在不确定性，化学胁迫的程度也可能被低估。在潘帕斯地区，关于本土水生动物的生态毒理学信息十分有限，这降低了我们判断基于全球数据集得出的物种敏感性分布所估算的危害值是否能准确反映当地物种群落的能力。弯尾水蚤、十斑溪蟾以及美丽雨蛙在农业河流中分布广泛，且具有重要的生态意义。由于它们经常出现在管理较为密集的流域中，因此非常适合用作评估农药毒性的区域模型。目前尚不清楚潘帕斯地区的本土物种在多大程度上会影响那些作用机制不同的农用化学品的急性物种敏感性分布阈值。填补这一认知空白有助于评估国际毒性数据集的区域代表性，进而提升南美洲农业生态系统中的农药危害评估水平。本研究的目标为：（1）测定草铵膦和氯氟氰菊酯在这三种潘帕斯地区本土水生物种中的急性毒性（96小时半数致死浓度）；（2）将这些浓度值纳入物种敏感性分布中，以估算HC5值；（3）分析各区域物种在相应物种敏感性分布中的百分位位置；（4）评估纳入潘帕斯地区物种后，物种敏感性分布对应的HC5点估计值以及基于不同暴露情景的危害解读是否会发生变化。我们提出以下假设：（i）氯氟氰菊酯的毒性会强于草铵膦，因此其对应的HC5值会更低；（ii）潘帕斯地区的物种在全球物种敏感性分布中的位置会有所不同，这意味着本土物种可能会根据农药种类以及数据集的构成，影响区域层面的危害评估结果。通过这种比较研究方法，本研究为提升南半球农业生态系统中的农药评估的生态代表性提供了所需的区域毒性数据。

实验部分要点：毒性生物测定：所有实验均获得了拉普拉塔国立大学自然科学学院及博物馆动物实验伦理委员会的批准（批准号027.03.2025），并严格遵循该机构的动物福利规范。急性毒性测试所使用的试剂为市售产品Liberty?（巴斯夫公司生产，含48%草铵膦）和Karate?（先正达农业公司生产，含25%氯氟氰菊酯）。所用标准溶液的配制方法为……死亡率与剂量-反应模型拟合：在这三种物种中，两种农药的死亡率都会随着浓度和暴露时间的增加而上升，通常在96小时时会出现最明显的毒性反应。双参数对数逻辑模型能够较好地描述大多数浓度-反应关系，尤其是氯氟氰菊酯，其曲线斜率较大，在较窄的浓度范围内就会从低死亡率快速上升到高死亡率。在较短暴露时间内，毒性反应的变异程度更大，曲线趋势更不清晰或无法形成一致规律。

讨论：死亡率会随着暴露时间的延长而上升，而96小时半数致死浓度值的稳定性要高于其他时间点的估计值，这一特点使得后者更适于用于不同物种间的比较。这一规律在氯氟氰菊酯中表现得尤为明显，这与延迟性毒性特征相符——短期暴露可能会对生物的长期生存造成影响（Schulz，2004）。这种动态特征在农业河流中尤为重要，因为这些水域中的水生生物可能会在径流事件期间遭受短暂但强度较高的农药暴露。

结论：将南美洲本土物种的急性毒性数据纳入物种敏感性分布中，提升了评估结果的地理代表性，同时也更准确地反映了南半球农业流域的农药危害状况。在两种作用机制不同的农药中，弯尾水蚤始终是最敏感的物种，其次是美丽雨蛙和十斑溪蟾。敏感性分析表明，潘帕斯地区的物种会对基于物种敏感性分布得出的HC5点估计值产生影响……

作者贡献说明：M. Solis负责原始稿撰写、可视化处理、软件应用、方法设计、实验开展、正式分析、数据整理以及概念构思工作；J. Primost负责原始稿撰写、实验开展以及概念构思工作；V. Yorojo负责可视化处理、结果验证、软件应用以及数据整理工作；M. Pantucci负责方法设计、实验开展以及概念构思工作；S. Fanelli负责原始稿撰写及实验开展工作；H. Mugni负责文章审阅与编辑以及资金申请工作；C. Bonetto负责文章审阅与编辑工作。

关于 manuscript 准备过程中生成式人工智能及人工智能辅助技术的声明：在撰写本文时，由于各位作者都不是英语母语者，因此使用了ChatGPT来协助英文文本的编辑、翻译工作，以及提升文本的清晰度和可读性。作者们对系统的输出内容进行了必要的审核和修改，并对最终发表的文章内容承担全部责任。

利益冲突声明：作者们声明不存在任何可能影响本研究结果的已知财务利益或个人关系。

致谢：本研究得到了阿根廷国家科学技术研究委员会（CONICET，项目编号PIP 2021-2509）以及阿根廷国家科学和技术促进局（ANPCyT，项目编号PICT 2021-0856）的支持。同时，我们也感谢匿名审稿人提出的宝贵意见，这些意见有助于改进本文的质量。这是拉乌尔·A·林格莱特湖沼学研究所（ILPLA，隶属CONICET-UNLP）的第1307号科学研究成果。

M. Solis|J. Primost|V. Yorojo|M. Pantucci|S. Fanelli|H. Mugni|C. Bonetto
拉乌尔·林格莱特湖沼学研究所（ILPLA-CONICET/UNLP），阿根廷