我国页岩气开发监管体系尚不完善,页岩气大规模钻井和水力压裂可能造成与常规油气开发相类似的环境污染,例如以碳氢化合物为代表的UVCB物质(即成分未知或可变的物质、复杂反应产物或生物材料[1])、重金属和放射性物质等都会带来一系列的环境问题和影响[2]。其中,页岩气开发正常工况下的环境污染风险包括:注入地下的压裂液滞留物引起的地下水生态风险、固废堆放引起的土壤生态风险等;事故状态下的污染风险包括:钻井过程中钻井废水和钻井泥浆等的泄漏、压裂液中污染流体的泄漏以及返排液的处理等都可能污染地下水,作业事故引发的溢流井喷对周边土壤造成的生态风险等。近年来,不少文献报道了页岩气勘探开发对生态环境(包括水环境、地质环境和大气环境等)造成的危害影响[3-4],因此为科学认识其潜在生态危害并尽早采取措施防御风险,页岩气开发地块污染物的生态风险评估研究亟待开展。
生态风险评估是一种借助生态学、环境化学及毒理学的知识,定量表征危害效应及其强度的科学方法,用于评价人类活动或自然灾害产生负面影响的概率和作用[5]。美国环境保护局(U.S.Environmental Protection Agency, US EPA)将其定义为“评估由于暴露于一个或多个压力源而正在发生或可能发生不利生态影响的可能性的过程”[6]。风险评估的一个核心问题在于准确描述毒物对于不同生物体的影响,并利用这种描述来准确且有效预测不同物种对毒物的反应[7],而基于污染物对生物体产生的毒性效应进行评估是一种常见的场地生态风险评估手段[8]。目前大部分化学污染物的毒性数据来源于个体水平毒性测试所推导的安全阈值,忽略了物种相互间竞争和食物链等的影响作用,也未能考虑时间和空间产生的影响,得到的结论往往是不够完整的,难以满足对种群、群落及生态系统的评估[9]。
目前国内外对于页岩气开发场地污染物的生态风险评估方面缺乏相应的标准和技术规范体系。美国由于页岩气开采时间早、规模大,对页岩气开采过程产生的典型污染物地球化学特征及时空演化、污染物来源解析等开展了系列研究,但针对页岩气开发场地的生态风险评价研究较少,尚无建立针对性的相关技术导则及标准。我国起步研究较晚,相关技术导则仅有《环境影响评价技术导则 陆地石油天然气开发建设项目》(HJ/T 349—2007),而针对页岩气开发地块风险评估也尚未有相关技术方法或者文献报道。生态环境部和国家能源局要求尽快针对页岩气生态环境及地下水环境风险评估与监控技术建立相应的技术规范指南和导则[10]。
因此,一种能够准确预测种群动态并考虑环境相关信息的模型对于生态管理、长期决策和风险评估具有重大意义[11]。本文通过聚类分析和文献计量等方法,总结归纳了国内外种群层面生态风险评估的常用技术方法及模型,并进一步结合页岩气开发地块特征污染物情况、环境条件及参数数值的可获得性,探索可适用于我国典型页岩气开发地块的、基于种群层面的生态风险评估模型,探讨了不同暴露场景下推广应用该模型的可行性,为我国页岩气开发地块生态风险评估方法和技术发展提供借鉴。
1 方法(Methods)
1.1 文献检索来源
通过检索国内外文献数据库,包括中国知网(CNKI)、万方数据知识服务平台、维普数据库、Web of Science(WOS)、PubMed和Scopus等数据库,并通过参考文献追溯以及参阅国内外相关技术规范等方法,汇总归纳国内外公开发表的关于种群生态风险评估相关的文献(截至2021年10月1日)。
1.2 文献内容分析
利用Vosviewer软件对WOS核心数据库中关于种群生态风险评估研究的关键词合作网络进行可视化共现分析(图1)。图1中的圆圈表示关键词(条目),其中圆圈的大小表示权重(出现频次)大小,即权重越高,圆圈越大。关键词颜色由该关键词所属的集群决定;关键词间的距离表示关键词之间的关联性,即距离越近,关联性越强。种群生态风险评估领域关键词可划分为4个关键集聚。关键词集聚1主要针对物种的生态风险评估框架选择,主要关键词为物种(species)、框架(framework)、管理(management)和不确定性(uncertainty)等。关键词集聚2主要聚焦于种群的相关评价指标,主要关键词包括终点(endpoint)、毒性效应(toxicity effect)、种群水平效应(population level effect)、存活率(survival)和生长(growth)等。关键词集聚3主要聚焦于污染物质及其评估对象,主要关键词包括土壤(soil)、水(water)、重金属(heavy metal)和浓度(concentration)等。关键词集聚4主要针对与人群的健康效应研究,主要关键词为健康(health)、关联性(association)、实例(evidence)、成人(adult)和儿童(child)等。
图1 种群生态风险评估相关研究热点共现网络
Fig. 1 Keywords co-occurrence network for researches relevant to ecological risk assessment of populations
可视化研究分析表明,(1)目前的种群生态风险评估方法往往以物种为基础,从而构建相应的风险评估框架;(2)生态风险评估往往需要选择合适的效应终点及阈值指标,对于种群来说,种群存活率、生长率和恢复率是主要关注的指标;(3)目前的生态风险评估对象主要针对于土壤、地下水等,重金属等化学物质是主要的关注物质;(4)与人群的健康效应关联的研究也是人们研究关注的方向之一。
页岩气开发地块的重点关注对象主要为土壤、地表水和地下水,与目前的生态风险评估热点方向具有一致性,且目前国内外已经颁布了一些其他场地环境安全阈值标准及风险评估体系可供参考,例如,《建设项目环境风险评价技术导则》(HJ 169—2018)、《土壤环境质量 建设用地土壤污染风险管控标准(试行)》(GB 36600—2018)和《水环境化学污染物生态风险评估技术指南总纲》(T/CSES 21—2021)等[12-14]。种群评估对象的终点选择及阈值指标选择也是本研究种群生态风险评估模型的工作基础之一,具有一定的参考性和借鉴价值。
1.3 文献的关键词选择
根据可视化研究的结果及本研究目的,设置搜索关键词为:(1)物种、种群、species、population;(2)页岩气、污染物、污染场地、shale gas、pollutants、contaminated site;(3)风险评估、risk assessment;(4)模型、种群模型、model、population model。
1.4 文献纳入与剔除标准
纳入标准:(1)研究对象是种群或者群落;(2)研究方法是生态风险评估;(3)有明确的模型计算公式;(4)所提供的模型有被国内外应用的先例,具有一定的现实可行性。
剔除标准:(1)文献重复发表,文献资料不全,资料无法分析;(2)研究方法是健康风险评估,而非生态风险评估。
根据文献纳入以及剔除标准,共纳入中文文献14篇,英文文献42篇,其分析流程如图2所示。
图2 种群生态风险评估方法调研流程图
Fig. 2 Flowchart of the research on population ecological risk assessment methods
2 种群生态风险评估模型的选择(Selection of models for ecological risk assessment of populations)
种群模型是一种在生物体水平过程(如生存、生长、繁殖和行为)和种群水平属性(如种群规模、种群增长率、年龄/阶段结构)之间建立定量联系的数学或模拟模型,常常被优先考虑作为生态风险评估的工具之一[15]。种群特征通常是个体相互作用的结果,包括个体内部和与环境因素的相互作用,故而种群模型可以将生物个体水平的影响定量外推到种群水平,从而解释物种生活史和生态的差异。选择合适的种群模型有助于提高评估页岩气开采过程中产生的化学污染物质对生态影响的准确性以及污染防控的精确性。
根据研究对象的不同,将种群水平的风险评估模型主要划分为以下2类[16]:(1)直接以种群作为研究对象的评估模型;(2)基于个体水平毒性数据外推模型。种群生态风险评估方法及模型汇总情况如表1所示。
表1 基于种群层面生态风险评估模型
Table 1 Ecological risk assessment models based on population level
类型Types模型Models参数需求Parameter requirements计算公式Calculation formula备注Remark参考文献Reference直接以种群为研究对象Take the population as the research object directlyMalthus模型Malthus model群内禀增长率(r)、t时刻的种群数量(Nt)、种群初始数量(N0)、结束时间、初始时间(t0)Population intrinsic growth rate (r), population size at mo-ment t (Nt), initial population size (N0), end time, initial time (t0)Nt=N0er(t-t0)种群内个体视为相同个体,内禀增长率保持恒定Individuals within a population are considered identical and the intrinsic growth rate remains constant[9]Logistic模型Logistic model群内禀增长率(r)、种群数量(N)、时间(t)、环境容纳量(k)Population intrinsic growth rate (r), population size (N), time (t), environmental holding capacity (k)dNdt=rN(1-Nk)不考虑空间格局和种群结构信息,只考虑出生率和死亡率Spatial patterns and population struc-ture information are not considered, only birth and mortality rates are con-sidered[9]Euler-Lotk模型Euler-Lotk model生物年龄(x)、生物最大年龄(n)、内禀增长率(r)、生物从出生到x岁的存活率(lx)、x龄生物繁殖后代的平均数(mx)Age (x), maximum age (n), intrinsic growth rate (r), sur-vival rate at age x (lx), average number of offspring repro-duced at age x (mx)∑nx=1e-rxlxmx=1考虑了种群的生命结构,表达了不同生命阶段对压力源的反应The life structure of the population is considered, expressing the response of different life stages to stressors[9]Leslie矩阵模型Leslie matrix model生物从一个时间段到另一个时间段的存活概率(Sk)、生物在年龄k时的平均生育率(fk)The probability of survival from one time period to anoth-er (Sk), the average fertility of an organism at age k (fk)N(t)=LN(t-1)L= S0f1 S1f2 ... sk-1fk0 S0 0 ... 0 00 S1 ... 0 0... ... ... ... ...0 0 0 ... 0ìîíïïïïïïüþýïïïïïïN(t)和N(t-1)是向量,每一年龄组生物体数量信息以矩阵形式表示,代表种群丰度随时间的变化N(t) and N(t-1) are vectors, the num-ber of organisms in each age group is represented as a matrix representing the change in population abundance over time[9, 16]扩散反应模型Diffusion reaction model个体从第i块迁移到第j块的速率(dij)、斑块i的种群大小(Ni)、斑块j的种群大小(Nj)、种群增长率(f(N))The rate of migration from patch i to patch j (dij), the pop-ulation size (Ni), (Nj) of patches i, j, the population growth rate (f(N))dNidt=Nif(Ni)+∑j≠i[dij(Nj-Ni)]论证斑块排列、大小和迁移路径对种群持久性的重要性Arguing the importance of patch ar-rangement, size and migration paths for population persistence[17]续表1类型Types模型Models参数需求Parameter requirements计算公式Calculation formula备注Remark参考文献Reference
基于个体水平毒性数据外推模型Extrapolation model based on individual-level toxicity dataAQUATOX模型AQUATOX model物理参数(pH值、光照和温度等)、化学参数(营养液浓度、化学需氧量和溶解氧等)、生物参数(初始生物量、摄食率和呼吸率等)Physical parameters (pH value, light, temperature, etc.), chemical parameters (concentration of nutrient solution, chemical oxygen demand, dissolved oxygen, etc.), biologi-cal parameters (initial biomass, feeding rate, respiration rate, etc.)/广泛应用于水生环境,但所需数据要求精准,数据获得耗时耗力Widely used in water ecology, but the required data requires precision, and data acquisition is time-consuming and labor-intensive[16]CASM模型CASM model相应的环境数据、食物网结构、初始生物量值和生物能参数Corresponding environmental data, food web structure, ini-tial biomass values and bioenergy parameters/基于暴露于化学应激对每个生理过程的影响相等的假设Based on the assumption that expo-sure to chemical stress affects each physiological process equally[18]物种敏感度分布(SSD)模型Species sensitivity distribution (SSD) model物种急慢性数据(如EC50、NOEC)Species acute and chronic data(e.g. EC50, NOEC)常用模型包括正态分布、对数正态分布、逻辑斯谛分布、对数逻辑斯谛分布模型Commonly used models include normal distribution, log-normal distribution, logistic distribution,log-logistic distribution model假设生物对某化学物的敏感性能够被某个分布所描述,获得的毒理数据即被认为来自于这个分布Suppose the sensitivity of a group of organisms to a chemical can be de-scribed by a certain distribution[19]毒代-毒效动力学(TK-TD)模型Toxicokinetics-toxicodynamics (TK-TD) model物种特征参数(如吸收速率)和暴露环境条件Species-specific parameters (e.g., absorption rate) and ex-posure to environmental conditions/实时预测毒性,将物质随时间变化在体内的积累与此联系在一起Predict toxicity in real time, relate the accumulation of substances in the or-ganism totoxicity[20-21]MSAR模型MSAR modelLC50、EC50、生存和繁殖函数斜率βsurv、βrepLC50, EC50, slope of survival and reproduction functions βsurv, βrepMSA(c)=1n∑ni=1K(c)iK(0)ir(c)r(0)=-ln(1+(cEC50)βrep)-ln(1+(cLC50)βsur)ln(R0(0))+1K(c)K(0)=r(c)r(0)=-ln(1+(cc50)β)ln(R0(0))+1把物种丰度作为化学暴露风险评估的终点,可通过广泛的实验毒性数据获得Species abundance as an endpoint for chemical exposure risk assessment can be obtained from extensive exper-imental toxicity data[22]
直接对种群本身进行评估的模型包括Malthus、Logistic、Euler-Lotka和Leslie矩阵模型等,主要利用种群内禀增长率、生物年龄和种群数量等参数直接进行评估,借助种群生长速度及繁殖速率来表征种群风险特征。此类模型虽能用少量的变量描述种群的动态变化,但精确性不高,且各模型存在相应的局限性。
AQUATOX模型和综合水生系统模型(CASM)是目前较为成熟的应用于水生生物种群风险评估的2个模型,都是通过模拟水环境中生产者种群和消费者种群,结合环境参数,来估算化学物质风险。AQUATOX模型建模依据于化学物质的生物可利用性,通过对化学物质转移与归趋过程模拟获得(例如:吸收、水解、蒸发及光解)。
im
ek等[23]通过该模型完成对土耳其萨姆孙周围小工业黑海沿岸的生态风险评估。Yeom等[24]基于AQUATOX模型成功对韩国济州河化学品泄漏情景完成生态影响评估。CASM模型可被利用研究食物链结构、营养循环及生态系统稳定性之间的理论关系,它是以生物能学为基础,描述水生植物与动物种群每年生物量的日生产量。La Peyre等[25]通过该模型模拟鱼类生物食物网生物量输出为渔业管理提供信息,评估预测了渔业活动情况。此外,其他类似水质模型包括WASP[26]、IFM和QSim[27]等模型,适用范围较为狭小,参数可获得性较难,具有较大的局限性。
物种敏感度分布模型可用于确定区域中特定百分比物种的环境保护浓度(通常为US EPA环境水质标准制定过程中95%的物种)以及计算潜在受影响生物的比例(potential affected fractions, PAF)[28]。其基本假设为不同物种对特定污染物的敏感性能够用一些统计分布模型来描述。即SSD模型通过检索公开发表的文献、国内外毒性数据库及毒性实验测试,收集目标污染物对不同营养级生物的急慢性毒性数据,按照数据筛选原则确定生态毒性数据,利用软件对其进行拟合统计分布,获得对应的HC5或PAF,进而评估污染物的生态风险。使用不同的统计分布模型对实验结果会有一定的影响,且目前也尚未有结论证明数据符合某一特定分布[29]。目前我国推荐使用“国家生态环境基准计算软件 物种敏感度分布法”[30],该软件包含正态分布、对数正态分布、逻辑斯谛分布和对数逻辑斯谛分布这4种拟合分布模型,要求用于构建SSD模型的毒性样本数据应该至少5个数据且满足3个营养级(US EPA要求满足3个营养级8个分类群[19])。拟合分布公式如表2所示。
表2 我国生态环境部推荐的物种敏感性分布拟合模型
Table 2 Fitting model for species sensitivity distribution model recommended by the Ministry of Ecology and Environment in China
逻辑斯蒂分布Logistic distribution对数逻辑斯蒂分布Log-logistic distribution正态分布Normal distribution对数正态分布Log-normal distribution拟合公式Fitting formulay=ex-μσσ(1+ex-μσ)2y=elog(x)-μσσx(1+ex-μσ)2y=12πσe-(x-μ)22σ2y=12πσxe-(lnx-μ)22σ2
注:y表示累计概率(%);x表示毒性值(μg·L-1);μ表示毒性值的平均值(μg·L-1);σ表示毒性值的标准差(μg·L-1)。
Note: ydenotes the cumulative probability(%); xdenotes the toxicity value(μg·L-1); μdenotes the mean of the toxicity value(μg·L-1); σdenotes the standard deviation of the toxicity value(μg·L-1).
MSAR模型通过借助广泛可用的实验室毒性测试信息来推导作为化学品暴露函数的平均物种丰度(MSA)的变化,提供对种群整体衰退的洞察。MSA表示种群在受干扰条件下物种的平均丰度相对于它们在未受干扰环境中的丰度,其最终的MSAR曲线代表了一系列化学剂量范围内的群落平均物种丰度[22]。SSD模型表达物种的相对敏感性是将每一个物种在其特定的暴露-反应曲线上用一个点来表示(例如EC50值),MSAR模型从实验数据中得到的是完整的暴露-反应曲线。此模型过程步骤分为三部分:(1)从文献及毒性试验中获得物种特异性暴露-繁殖和存活的反应关系;(2)物种对生存和繁殖的特定反应转化为对丰度的反应;(3)物种特定的暴露-丰度关系被合并成暴露-反应MSA关系[22],公式可分为3步,如下:
(1)通过暴露r0(c)与未暴露r0(0)种群的比值量化反映化学应激源对物种存活率和繁殖率的影响。
式中:r是内禀增长率;Tg为世代时间;R0是终生繁殖力;c是暴露浓度;
是剂量c下的预期反应;EC50是基于繁殖终点的有效浓度;LC50是对应于存活终点的有效浓度;β是繁殖/存活预期反应关系曲线最陡峭坡度的斜率。
(2)用种群承载能力(K)等效替代物种内禀增长率,将毒性数据拟合成丰度或种群增长数据。
(3)暴露-丰度关系被合并成暴露-反应MSA方程。
式中:MSA是与对照或未受干扰情况相比的物种平均剩余丰度,表示为0～1比率;n是所研究的物种数量。
由于该模型的方程式都是毒理学和生态学中常用的公式,适用范围较广,且与传统的评估方法相比,还可以评估多个压力源对种群增长等变量的影响,从而进一步推导污染物对种群层面的化学影响及浓度限值。
3 适用于页岩气开发地块的种群生态风险模型分析(Analysis of the population ecological risk model applied to shale gas development plots)
3.1 模型的可行性分析
3.1.1 模型参数的可行性
Landis和Kaminski[31]认为通过以下4类终点属性选择可用来表征种群潜在生态风险评估的指标,包括第1类:点估计值、毒性参考值、无观察效应浓度(NOEC)、50%种群的致死剂量(LD50)和其他类似终点;第2类:生物量、覆盖率和生产力;第3类:内在增长率(r或K);第4类:种群年龄结构模式的变化。SSD模型选择第1类终点属性作为其应用参数,而MSAR模型包含了第1类及第3类终点,都可满足表征种群生态风险的条件。这2个模型较AQUATOX、CASM等模型所需要的参数较少且更加容易获取,另外参数获取方式也更加多元化,不仅可通过广泛的实验室毒性测试结果所获取,对于一些污染化合物,除了毒理学试验外,还可通过毒理数据库(ECOTOX、HSDB和Acute Toxicity Database等)及文献资料的方式获取。
3.1.2 模型应用价值
由于页岩气时空异质性强、热成熟度高、构造演化复杂、富集程度不同和保存条件多样的特点导致其勘探开发较为复杂[32]。钻井过程不仅有化学品输入,还包含化学物质的转化产物及地层释放的重金属等物质,且随时空变化规律迁移转换到土壤、地表水等不同环境介质,从而对生态环境造成影响,例如Kiviat[33]发现美国马塞勒斯-尤蒂卡地区页岩气开采水力压裂过程对其区域内水生和陆生生物多样性都造成一定的影响,影响范围涉及鱼类、鸟类、哺乳动物、两栖动物和植物等生物。而我国页岩气开发可能产生的环境影响与美国大体类似[2],因此需考虑评估模型在不同暴露场景下推广应用的可行性。
SSD模型目前被广泛应用于水环境中化合污染物的生态风险评估,例如Spurgeon等[34]利用此模型对地下水和地表水中检测出的有机化学品进行了危害值的排序,以确定污染源的危害大小。Jesus等[35]借此评估了多环芳烃对水生环境中水生生物的影响。郑欣等[36]通过SSD模型研究不同水生生物对表面活性剂的敏感程度,确定了7种可作为制定水质标准的测试生物。对于上述不同种类化学物质生态风险评估场景,SSD模型具有很好的适用性;而页岩气开发过程中会产生一系列的污染物质,诸如有害金属元素、有机物、表面活性剂和杀菌剂等[37-38],对周边地表水及地下水具有一定的生态风险,因此SSD同样适用于页岩气开发地块周边水环境的生态风险评估。也有一些学者利用该模型对土壤环境进行了生态风险评估,例如Bandeira等[39]借助该模型评估了新烟碱类杀虫剂对土壤无脊椎动物(跳虫、蚯蚓)的毒性效应并制定了相关保护阈值,李勖之等[40]通过构建陆生植物/无脊椎动物的SSD模型,推导了不同pH值下的土壤Zn的生态安全阈值,为农用地土壤风险管控标准提供了科学依据。而制定页岩气开发地块土壤及水环境的安全阈值有助于管控该地块的生态风险,故SSD模型具有极高的推广应用价值。SSD方法简单易懂、其不确定性与商值法等传统生态风险评估方法比相对较小,模型的缺点在于它是从个体水平终点的毒性阈值(如EC50或LC50)得出的,有害物质的实际种群和区域水平效应可能无法充分表示。使用该模型制定通用环境标准必须涵盖众多物种、栖息地和环境条件。
平均物种-丰度关系(MSAR)模型作为近年来被提出的模型,目前的研究进展较少。Hoeks等[22]将毒性暴露反应与传统的种群丰度相结合,首次提出该模型,并将其应用于评价重金属(Cd、Cu和Zn)对水生生物的影响,并与SSD模型进行了比较,发现基于MSA关系的HC5值要高于基于SSD的HC5值,成功论证了其应用的可行性。Thunnissen等[41]利用该模型,研究了新烟碱类杀虫剂对水生无脊椎生物的毒理效应及生态效应,并且认为MSAR相比SSD模型获得的潜在受影响分数(PAF)是更好的生态风险评价指标。
综上所述,在页岩气场地建模过程中,二者都可适用于种群层面的生态风险评估,若存活/繁殖-毒理效应数据充分、物种的终生繁殖力(R0)已获取,可选择MSAR模型,否则可考虑使用SSD模型。
3.2 模型的不确定性分析
在生态风险评估过程中,生态风险模型的构建和参数确定等存在着较大的随机性和主观选择,这都会给评估结果带来很大的不确定性。
由于本土物种毒性数据的缺乏,用于推导基准的本土物种,其生物多样性相对较低,引入高敏感物种引起推导结果发生偏颇的可能性大大增加。另外有效数据的代表性也会对结果造成偏倚,比如所筛选的物种是否能够代表特定区域环境自然特征会引起结果的误差。因此,在比较本土物种和非本土物种时,必须要考虑数据的对等性和代表性,以此来避免因本土数据极度缺乏的情况下不得不通过非本土物种的毒性结果来推导本区域生态基准而造成数据的偏颇和可能出现的结果上的差异这一状况。Suter等[42]在缺乏数据(尤其是土壤数据,包括微生物作用过程数据、植物和无脊椎动物数据)的情况下提出了SSD模型所需的相关方法,从而保护整个土壤的生物多样性和土壤作用过程。然而不同的土壤类型会明显影响不同物种的行为和繁殖,物种对土壤性质的敏感性不同进一步增加化学品风险评估的不确定性[43]。而对于MSAR模型,当在生存和繁殖数据可获得的情况下,暴露-反应曲线被合并为暴露-丰度关系;然而由于缺乏经验数据,上述公式没有量化与R0值相关的统计不确定性,而是通过物种特异性异速生长关系进行了推断,增加了该模型的不确定性。
在具体开展评估结果不确定度时,线性方程类的模型,可采用基于excel的水晶球软件(Crystal Ball, Oracle, Inc, USA)进行分析;对于MSAR模型,暴露-反应曲线可通过使用R软件包propagate中的函数predictNLS来实现,该函数依靠蒙特卡洛方法中的二阶泰勒扩展来拟合周围的不确定性。
4 结论与展望(Conclusion and prospective)
页岩气开发场地作为一类特殊的污染场地,目前国内外都尚未构建相应的风险评估体系及制定相对应的风险管理对策。基于种群层面的生态风险评估是多层级生态风险评估中的重要组成部分,在文献报道的诸多种群评估模型中,SSD模型及MSAR模型对于页岩气开发地块的生态风险评估而言,在多物种(陆生生物、水生生物)的可适用性、毒性参数获取的可行性、结果的可靠性以及不确定性分析等方面具有一定的优势,也能较好地弥补商值法这种只适用于单一物种的毒性效应评估的不足,提高整体评估的准确性。今后页岩气开发地块种群生态风险评估模型研究中应该注重以下几个方面的研究。
(1)页岩气开发地块污染物种类繁多,不同污染物作用机制不同,确定其理化性质、类别及含量是页岩气地块生态风险评估中的关键所在。CONCAME组织探讨并提供了一些量化UVCB中PET物质(即具有持久性、生物蓄积性和毒性化学物质的污染物)的检测方法[44-45]可供今后研究者参考使用,有助于污染物的生态风险评估,预测其对该区域的环境影响趋势。
(2)页岩气开采过程中,污染物往往以混合物形式存在,SSD及MSAR模型在混合污染物的评估方面有待进一步优化。通过模型来阐明化学物质作用机制及受体暴露途径,有助于制定该类型场地的安全阈值及环境标准,建立有效的风险预警系统。
(3)目前的生态风险评估体系中,更多针对水生生物的毒性效应评价及水环境的生态风险评估,但关于陆地生态风险评估的研究较少,且其毒理数据较为缺乏。然而页岩气开发场地除了应关注水生生态风险之外,更多地应关注陆生生态的风险评估。
[1] Dimitrov S D, Georgieva D G, Pavlov T S, et al.UVCB substances: Methodology for structural description and application to fate and hazard assessment[J].Environmental Toxicology and Chemistry, 2015, 34(11): 2450-2462
[2] 牛皓, 罗霂, 贾瑜玲, 等.我国页岩气开发环境管理的对策建议[J].环境影响评价, 2017, 39(3): 1-4
Niu H, Luo M, Jia Y L, et al.Suggestions on environmental management for shale gas exploitation in China[J].Environmental Impact Assessment, 2017, 39(3): 1-4(in Chinese)
[3] 仲继燕, 鲁群岷.页岩气开采对环境的影响分析及对策建议[J].云南化工, 2022, 49(1): 111-113
Zhong J Y, Lu Q M.Impact analysis of shale gas production on environment and suggestions for countermeasures[J].Yunnan Chemical Technology, 2022, 49(1): 111-113(in Chinese)
[4] 刘宇峰, 刘迪仁, 彭成, 等.中国页岩气勘探开发现状及关键技术进展[J].现代化工, 2022, 42(1): 16-20
Liu Y F, Liu D R, Peng C, et al.China’s development status of shale gas and progress in key technology research[J].Modern Chemical Industry, 2022, 42(1): 16-20(in Chinese)
[5] 毛小苓, 倪晋仁.生态风险评价研究述评[J].北京大学学报(自然科学版), 2005, 41(4): 646-654
Mao X L, Ni J R.Recent progress of ecological risk assessment[J].Acta Scicentiarum Naturalum Universitis Pekinesis, 2005, 41(4): 646-654(in Chinese)
[6] U.S.Environmental Protection Agency(US EPA).Framework for ecological risk assessment.EPA/630/R-92/001[S].Washington DC: US EPA, 1992
[7] Stark J D, Banks J E.A tale of two metrics: The EPA Risk Quotient Approach versus the delay in Population Growth Index for determination of pesticide risk to aquatic species[J].Ecotoxicology, 2021, 30(9): 1922-1928
[8] 刘晨宇, 田爱民, 孙菲, 等.生态风险评价方法与应用研究进展[J].科技管理研究, 2020, 40(2): 79-83
Liu C Y, Tian A M, Sun F, et al.Progress of ecological risk assessment methods and applications[J].Science and Technology Management Research, 2020, 40(2): 79-83(in Chinese)
[9] 廖伟, 刘娜, 冯承莲, 等.种群水平生态风险评价方法概述及其在环境管理中的应用[J].生态毒理学报, 2020, 15(1): 2-16
Liao W, Liu N, Feng C L, et al.Overview of population-level ecological risk assessment and its application in environmental management[J].Asian Journal of Ecotoxicology, 2020, 15(1): 2-16(in Chinese)
[10] 中国生态环境部.关于政协十二届全国委员会第五次会议第0149号(资源环境类006号)提案答复的函[EB/OL].(2017-06-30)[2022-06-02].http://www.mee.gov.cn/gkml/hbb/jytafw/201709/t20170927_422577.htm Ministry of Ecology and Environment.Letter of Response to Proposal No.0149(Resource and Environment No.006)of the Fifth Session of the 12th National Committee of the Chinese People’s Political Consultative Conference[EB/OL].(2017-06-30)[2022-06-02].http://www.mee.gov.cn/gkml/hbb/jytafw/201709/t20170927_422577.htm
[11] David V, Joachim S, Tebby C, et al.Modelling population dynamics in mesocosms using an individual-based model coupled to a bioenergetics model[J].Ecological Modelling, 2019, 398: 55-66
[12] 中国生态环境部.建设项目环境风险评价技术导则: HJ 169—2018[S].北京: 中国环境出版集团, 2018
[13] 中国环境科学学会.水环境化学污染物生态风险评估技术指南总纲: T/CSES 21—2021[S].北京: 中国环境科学研究院, 2021
[14] 中国生态环境部, 国家市场监督管理总局.土壤环境质量 建设用地土壤污染风险管控标准: GB 36600—2018[S].北京: 中国环境出版集团, 2018
[15] Forbes V E, Galic N, Schmolke A, et al.Assessing the risks of pesticides to threatened and endangered species using population modeling: A critical review and recommendations for future work[J].Environmental Toxicology and Chemistry, 2016, 35(8): 1904-1913
[16] 谢锐莉, 许宜平, 张慧, 等.种群生态风险评估方法研究进展[J].生态毒理学报, 2020, 15(5): 1-17
Xie R L, Xu Y P, Zhang H, et al.A review of population level ecological risk assessment methods[J].Asian Journal of Ecotoxicology, 2020, 15(5): 1-17(in Chinese)
[17] Spromberg J A, John B M, Landis W G.Metapopulation dynamics: Indirect effects and multiple distinct outcomes in ecological risk assessment[J].Environmental Toxicology and Chemistry, 1998, 17(8): 1640-1649
[18] Amemiya T, Enomoto T, Rossberg A G, et al.Lake restoration in terms of ecological resilience: A numerical study of biomanipulations under bistable conditions[J].Ecology and Society, 2005, 10(2): 65-77
[19] 林荣华, 姜辉, 王猛, 等.物种敏感度分布(SSD)方法在农药环境风险评估中的应用[J].生态毒理学报, 2017, 12(4): 110-118
Lin R H, Jiang H, Wang M, et al.Application of species sensitivity distribution(SSD)to the environmental risk assessment of pesticides[J].Asian Journal of Ecotoxicology, 2017, 12(4): 110-118(in Chinese)
[20] Chen W Y, Li W H, Ju Y R, et al.Life cycle toxicity assessment of earthworms exposed to cadmium-contaminated soils[J].Ecotoxicology, 2017, 26(3): 360-369
[21] 冯剑丰, 高永飞, 朱景雪, 等.毒代-毒效动力学模型及其在金属水生态风险评估中的应用研究进展[J].环境工程, 2019, 37(11): 10-18, 124
Feng J F, Gao Y F, Zhu J X, et al.Application of toxicokinetic-toxicodynamic models in aquatic ecological risk assessment for metals[J].Environmental Engineering, 2019, 37(11): 10-18, 124(in Chinese)
[22] Hoeks S, Huijbregts M A J, Douziech M, et al.Mean species abundance as a measure of ecotoxicological risk[J].Environmental Toxicology and Chemistry, 2020, 39(11): 2304-2313
[23] 
im
ek A, Küçük K, Bakan G.Applying AQUATOX for the ecological risk assessment coastal of Black Sea at small industries around Samsun, Turkey[J].International Journal of Environmental Science and Technology, 2019, 16(9): 5229-5236
[24] Yeom J, Kim I, Kim M, et al.Coupling of the AQUATOX and EFDC models for ecological impact assessment of chemical spill scenarios in the Jeonju River, Korea[J].Biology, 2020, 9(10): 340
[25] La Peyre M L, Sable S E, Taylor C, et al.Effects of sample gear on estuarine nekton assemblage assessments and food web model simulations[J].Ecological Indicators, 2021, 133: 108404
[26] Chapra S C, Dolan D M, Dove A.Mass-balance modeling framework for simulating and managing long-term water quality for the lower Great Lakes[J].Journal of Great Lakes Research, 2016, 42(6): 1166-1173
[27] Schöl A, Kirchesch V, Bergfeld T, et al.Modelling the chlorophyll acontent of the River Rhine—Interrelation between riverine algal production and population biomass of grazers, rotifers and the zebra mussel, Dreissena polymorpha[J].International Review of Hydrobiology, 2002, 87: 295-317
[28] 陈锦灿, 方超, 郑榕辉, 等.应用物种敏感性分布评估微(纳米)塑料对水生生物的生态风险[J].生态毒理学报, 2020, 15(1): 242-255
Chen J C, Fang C, Zheng R H, et al.Assessing ecological risks of micro(nano)plastics to aquatic organisms using species sensitivity distributions[J].Asian Journal of Ecotoxicology, 2020, 15(1): 242-255(in Chinese)
[29] Zhao J S, Chen B Y.Species sensitivity distribution for chlorpyrifos to aquatic organisms: Model choice and sample size[J].Ecotoxicology and Environmental Safety, 2016, 125: 161-169
[30] 中国生态环境部.[使用手册和安装包]国家生态环境基准计算软件物种敏感度分布法(1.0版)[CP/OL].(2022-03-04)[2022-06-02].https://www.mee.gov.cn/ywgz/fgbz/hjjzgl/mxrj/202203/t20220304_970658.shtml Ministry of Ecology and Environment
[31] Landis W G, Kaminski L A.Population-scale assessment endpoints in ecological risk assessment part Ⅱ: Selection of assessment endpoint attributes[J].Integrated Environmental Assessment and Management, 2007, 3(3): 450-457
[32] 解习农, 郝芳, 陆永潮, 等.南方复杂地区页岩气差异富集机理及其关键技术[J].地球科学, 2017, 42(7): 1045-1056
Xie X N, Hao F, Lu Y C, et al.Differential enrichment mechanism and key technology of shale gas in complex areas of South China[J].Earth Science, 2017, 42(7): 1045-1056(in Chinese)
[33] Kiviat E.Risks to biodiversity from hydraulic fracturing for natural gas in the Marcellus and Utica shales[J].Annals of the New York Academy of Sciences, 2013, 1286: 1-14
[34] Spurgeon D, Wilkinson H, Civil W, et al.Worst-case ranking of organic chemicals detected in groundwaters and surface waters in England[J].The Science of the Total Environment, 2022, 835: 155101
[35] Jesus F, Pereira J L, Campos I, et al.A review on polycyclic aromatic hydrocarbons distribution in freshwater ecosystems and their toxicity to benthic fauna[J].The Science of the Total Environment, 2022, 820: 153282
[36] 郑欣, 闫振广, 刘征涛, 等.水生生物水质基准研究中轮虫、水螅、涡虫类受试生物的筛选[J].生态毒理学报, 2015, 10(1): 225-234
Zheng X, Yan Z G, Liu Z T, et al.Screening of native rotifers, Hydra, planariafor deriving aquatic life criteria[J].Asian Journal of Ecotoxicology, 2015, 10(1): 225-234(in Chinese)
[37] 张雯宇, 卢培利, 程勇, 等.页岩气开采压裂液中非氧化型杀菌剂作用机理及潜在生态风险[J].环境污染与防治, 2021, 43(11): 1446-1451, 1486
Zhang W Y, Lu P L, Cheng Y, et al.The mechanisms and potential ecological risks of non-oxidizing biocides in hydraulic fracturing of shale gas exploitation[J].Environmental Pollution &Control, 2021, 43(11): 1446-1451, 1486(in Chinese)
[38] 于劲磊, 向启贵, 蒋国斌, 等.深、浅层页岩气区块油基岩屑污染特征研究[J].石油与天然气化工, 2021, 50(4): 124-129, 134
Yu J L, Xiang Q G, Jiang G B, et al.Research on pollution characteristics of oil-base cuttings from deep and shallow shale gas development[J].Chemical Engineering of Oil &Gas, 2021, 50(4): 124-129, 134(in Chinese)
[39] Bandeira F O, Alves P R L, Hennig T B, et al.Chronic effects of clothianidin to non-target soil invertebrates: Ecological risk assessment using the species sensitivity distribution(SSD)approach[J].Journal of Hazardous Materials, 2021, 419: 126491
[40] 李勖之, 孙丽, 杜俊洋, 等.农用地土壤重金属锌的生态安全阈值研究[J].环境科学学报, 2022, 42(7): 408-420
Li X Z, Sun L, Du J Y, et al.Soil ecological safety thresholds for zinc in agricultural land[J].Acta Scientiae Circumstantiae, 2022, 42(7): 408-420(in Chinese)
[41] Thunnissen N W, Geurts K A G, Hoeks S, et al.The impact of imidacloprid and thiacloprid on the mean species abundance in aquatic ecosystems[J].The Science of the Total Environment, 2022, 822: 153626
[42] Suter G W, Traas T P, Posthuma L.Issues and Practices in the Derivation and Use of Species Sensitivity Distributions[M]//Posthuma L, Suter G W, Traas T P.Species Sensitivity Distributions in Ecotoxicology.Lewis Publishers, Inc., 2002: 437-474
[43] Chelinho S, Domene X, Campana P, et al.Improving ecological risk assessment in the Mediterranean area: Selection of reference soils and evaluating the influence of soil properties on avoidance and reproduction of two oligochaete species[J].Environmental Toxicology and Chemistry, 2011, 30(5): 1050-1058
[44] Concawe.REACH-Analytical characterisation of petroleum UVCB substances[R].Brussels: Concawe, 2012
[45] Lyon D.Challenge 2: The hydrocarbon block method for PBT assessment of petroleum substances[R].Brussels: Concawe, 2021