填补土壤环境风险评估（ERA）中的数据空白：暴露于代森锰锌和毒死蜱的土壤无脊椎动物的物种敏感性分布（SSD）及监管挑战

《Environmental Research》：Filling data gaps in soil environmental risk assessment (ERA): Species Sensitivity Distribution (SSD) and regulatory challenges for in-soil invertebrates exposed to chlorothalonil and chlorpyrifos

环境风险评估中物种敏感性分布（SSDs）的应用研究，以氯噻酮和毒死蜱为例，通过11种土壤无脊椎动物毒性数据构建SSDs，推导有害浓度并比较欧洲与巴西场景的预测环境浓度（PECs）。研究发现SSDs能显著优化欧洲风险评估（PECs降低3.4-6.7倍），但在巴西因降解数据不足导致风险误判，凸显热带地区监管数据缺失和生态服务保护的重要性。

　　

莱蒂西亚·斯科佩尔·卡马戈（Letícia Scopel Camargo）|蒂亚戈·纳塔尔-达-卢兹（Tiago Natal-da-Luz）|朱莉娅·卡里娜·尼迈耶（Julia Carina Niemeyer）|道格拉斯·亚历山大（Douglas Alexandre）|路易斯·卡洛斯·伊乌涅斯·德·奥利维拉·菲略（Luís Carlos Iu?es de Oliveira Filho）|西尔维娅·皮珀（Silvia Pieper）|费尔南多·拉莫斯（Fernando Ramos）|萨拉·莱斯顿（Sara Leston）|奥斯马尔·克劳伯格-菲略（Osmar Klauberg-Filho）|若泽·保罗·索萨（José Paulo Sousa）

摘要

本研究旨在解决针对土壤中无脊椎动物的农药环境风险评估（ERA）中的关键空白，重点探讨将物种敏感性分布（SSDs）作为中间层级工具的应用。本研究的目的包括：（i）扩大测试物种的数量，以构建更可靠的SSDs；（ii）推导出有害浓度；（iii）将基于SSD的风险估计值与欧洲和巴西情景下的预测环境浓度（PECs）进行比较；（iv）讨论监管挑战。实验采用了十一种物种——五种弹尾目（Collembola）和六种寡毛纲（Oligochaeta）——在热带人工土壤中暴露于氯噻隆（Chlorothalonil，CHT）和毒死蜱（Chlorpyrifos，CPF）。通过毒性终点（EC₁₀、EC₅₀、NOEC）构建SSDs并推导出有害浓度（HC₅、HC₅₀）。结果表明，不同物种之间的变异性较大，尤其是在CPF方面，并且由于监管数据中降解时间（DT₅₀）质量较差，欧洲的环境风险估计值降低，而在巴西则增加了。该研究突显了现有监管框架的局限性，尤其是在拉丁美洲，并强调了提高数据质量、扩大物种测试范围以及与生态系统服务保护相协调的必要性。SSDs在改进ERA方面显示出潜力，但需要进一步的方法学发展和校准，以确保其可靠性和支持符合生态系统服务保护及可持续农业的监管实施。

引言

近年来，人们对农药的环境风险评估（ERA）的兴趣显著增加，特别是针对土壤中的生物（EFSA, 2010; Renaud et al., 2018; Panico et al., 2022）。这一增长主要是由于欧洲的发展推动的，欧洲认识到需要更新针对土壤生物的现有指导方针（EC, 2009; EFSA, 2017）。与此同时，拉丁美洲国家也引入了新的法规，进一步强调了实施农药ERA框架的必要性（例如，巴西，2023年）。尽管欧洲立法在2013年更新了活性物质和植物保护产品（PPPs）的数据要求（EU, 2013a, 2013b），但EFSA关于土壤生物的科学意见（EFSA, 2017）指出了当前ERA框架中的持续局限性，包括用于较低层级评估的物种数量有限，以及需要评估替代和中间层级方法，如物种敏感性分布（SSDs）的应用。

SSD方法通过多物种的毒性数据推导出有害浓度（HC_x），在水生风险评估中已得到广泛应用（Posthuma et al., 2002; Brock et al., 2004; Yang et al., 2024）。然而，将其应用于土壤动物仍受到严重数据限制的制约。大多数农药测试仅使用一种蚯蚓物种，偶尔使用一两种微节肢动物。构建可靠的物种敏感性分布通常需要至少五种物种的数据（Maltby et al., 2005），理想情况下需要八种或更多（Diepens et al., 2016）。尽管近年来在实验室测试中使用了非标准的弹尾目和寡毛纲物种（Buch et al., 2016; Bandow et al., 2014; Bandeira et al., 2021），但学术研究仍主要集中在Folsomia candida、Eisenia fetida/andrei，偶尔还有Enchytraeus albidus/crypticus（Bandeira et al., 2021; Oliveira Filho et al., 2025; Zhang et al., 2025）。这与欧洲的监管要求存在差异，后者优先考虑F. candida, E. fetida/andrei和Hypoaspis aculeifer，凸显了现有科学数据与监管需求之间的持续脱节。

根据当前的欧洲框架，土壤生物的第一层级ERA依赖于毒性-暴露比率（TER），该比率将效应浓度（EC_x）或未观察到的效应浓度（NOECs）与预测的环境浓度（PECs）进行比较。毒性-暴露比率低于5被视为潜在风险。这一阈值主要是基于使用蚯蚓进行的实验室和现场校准研究得出的（Christl et al., 2015），并被认为是对这一分类群的保护性指标。然而，它并非适用于所有土壤生物的通用触发值。其适用性对于其他分类群仍不确定，这表明需要在不同层级和分类群之间进行校准，因为仅靠实验室数据不足以预测现场条件。虽然从学术角度来看，TER为5可能具有保护性，但在现场条件下可能无法充分反映生态相关性或生态系统服务的保护。这种基于实验室的方法与监管决策之间的分歧凸显了需要能够减少不确定性并提高生态真实性的中间层级工具。扩大实验室测试范围并应用SSD方法被认为是支持开发更可靠且生态相关的土壤生物触发值的一种潜在途径（Ernst et al., 2024）。

在欧洲之外，这些挑战更为明显。巴西目前正在制定农药的监管ERA框架，但仍缺乏定义土壤生物（及其他生物）保护目标的基本数据（IBAMA, 2025）。现有法规包括对土壤碳和氮过程的评估、对蜜蜂的评估以及使用Eisenia spp.的急性测试（IBAMA, 1996），尽管单独的急性蚯蚓测试已被多次证明不足以表征对土壤动物的风险（De Lima e Silva et al., 2017; Joimel et al., 2022）。尽管巴西尚未正式实施ERA（蜜蜂除外），但新法规现在要求由巴西环境与可再生自然资源研究所（IBAMA）提交和评估（Brasil, 2023）。这一监管转变使巴西与国际风险管理实践保持一致，并强调了需要科学合理、透明且成本效益高的ERA框架（Boesten et al., 2007; Posthuma et al., 2008; Diepens et al., 2016）。然而，关于如何纳入中间层级以及如何将高级别评估与土壤系统的生态系统服务提供联系起来仍存在相当大的不确定性，特别是在缺乏定义保护目标的基本数据的情况下，特别是在热带地区。

本研究的新颖之处不在于证明物种敏感性分布（SSDs）本身的有用性，而在于明确测试了在何种条件下，仅基于土壤无脊椎动物的SSDs能否作为监管生态风险评估（ERA）框架中的中间层级工具。使用氯噻隆和毒死蜱作为模型物质，这两种农药的作用机制不同，对土壤动物的影响也有充分记录（Leit?o et al., 2014; Sim?es et al., 2019; Santos et al., 2012），本研究为11种生态相关且大部分是非标准的土壤无脊椎动物（弹尾目和寡毛纲）在热带人工土壤中生成了慢性毒性数据，大幅扩展了目前可用于较低层级评估的分类基础。通过结合扩展的生态相关、大部分是非标准的土壤无脊椎动物数据集以及适用于温带（欧洲）和热带（巴西）环境的暴露情景，本研究将SSD的应用从概念性提议转变为实际问题分析。通过这种方式，它明确指出了基于SSD的方法在土壤ERA中的潜力和局限性，而不仅仅是将其作为通用解决方案提出。研究假设是，扩大SSD的使用范围，涵盖更多土壤生物，将产生比标准单物种方法更可靠和更具生态相关性的风险估计值，并且监管数据质量的差异将显著影响ERA的结果。

测试物质

测试物质为Bravonil 500?（500克氯噻隆L^–1）和Lorsban 480BR Dow Agro?（48%毒死蜱L^–1的商业配方。它们的物理和化学性质见表S1。选择氯噻隆和毒死蜱作为模型活性成分，是因为它们在巴西仍然具有相关性并被批准用于农业，从而能够真实评估当前热带监管条件下的暴露和影响。此外，这些化合物

暴露评估

使用FOCUS模型估算的预测环境浓度（PECs）代表最低情况，而使用ESCAPE模型估算的浓度代表更精细的暴露评估，结果见表1。

在欧洲情景下，使用ESCAPE模型得到的PEC值比FOCUS模型低3.4倍（CHT）和6.7倍（CPF）。相比之下，在巴西情景下，使用ESCAPE模型得到的PEC值增加了近两倍，

讨论

本讨论重点探讨了在分层生态风险评估（ERA）框架中仅将物种敏感性分布（SSDs）应用于土壤无脊椎动物的概念和方法学意义。讨论结果旨在说明扩展的土壤无脊椎动物数据集如何为中间层级的效应特征提供信息，以及在何种情况下这些方法可以减少或无法减少不确定性

结论

本研究首次提供了完全基于土壤无脊椎动物构建的物种敏感性分布（SSDs），填补了土壤生态系统环境风险评估（ERA）中的一个长期空白。通过为11种生态相关且大部分是非标准的土壤无脊椎动物生成慢性毒性数据，这项工作大幅扩展了目前用于较低层级评估的分类基础，并展示了为土壤生物开发特定群体的SSDs

CRediT作者贡献声明

道格拉斯·亚历山大（Douglas Alexandre）：撰写——初稿，研究。蒂亚戈·纳塔尔-达-卢兹（Tiago Natal-da-Luz）：撰写——审阅与编辑，研究，数据分析。朱莉娅·卡里娜·尼迈耶（Julia Carina Niemeyer）：撰写——初稿。莱蒂西亚·斯科佩尔·卡马戈（Leticia Scopel Camargo）：撰写——审阅与编辑，撰写——初稿，研究，数据分析，概念化。奥斯马尔·克劳伯格-菲略（Osmar Klauberg-Filho）：撰写——审阅与编辑，监督，概念化。若泽·保罗·索萨（José Paulo Sousa）：撰写——审阅与编辑，监督，概念化。费尔南多·拉莫斯（Fernando Ramos）：

未引用参考文献

de Lima e Silva et al., 2017; EC – 加拿大环境部，2007; EC – 欧盟委员会，2002; EC – 欧盟委员会，2009; EFSA – 欧洲食品安全局，2010; EFSA – 欧洲食品安全局，2015; EFSA – 欧洲食品安全局，2017; Embrapa – 巴西农业研究公司，2019; EU – 欧盟，2013a; EU – 欧盟，2013b; FOCUS – 农药命运模型及其使用协调论坛，1997; Fuentes-Llanillo et al., 2021; IBAMA –

利益冲突

作者声明没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

数据可用性声明

有关文章中未显示的数据的更多信息，可向相应作者索取。

科学写作中生成式AI的声明

在准备本工作时，作者使用了Microsoft Copilot来提高可读性和语言表达。使用该工具后，作者根据需要审查和编辑了内容，并对出版物的内容负全责。

资金支持

本工作得到了圣卡塔琳娜州研究与发展基金会（Funda??o de Amparo à Pesquisa e Inova??o do Estado de Santa Catarina）的支持[资助编号FAPESC 2023TR733]。莱蒂西亚·斯科佩尔·卡马戈感谢高等教育人员培训协调委员会（Coordena??o de Aperfei?oamento de Pessoal de Nível Superior, CAPES）提供的奖学金；感谢国家科学技术发展委员会（Conselho Nacional de Desenvolvimento Científico e Tecnológico, CNPq）提供的海外博士研究生项目（PDSE）奖学金；以及圣卡塔琳娜州研究与发展基金会的支持

利益冲突声明

作者声明没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

致谢

作者感谢Matthias Bertgold提供的宝贵反馈和有见地的建议，这些意见极大地提高了手稿的质量和清晰度。