2. 环境保护部南京环境科学研究所, 江苏 南京 210042
2. Nanjing Institute of Environmental Sciences, Ministry of Environmental Protection, Nanjing 210042, China
农药是一把双刃剑, 在农业生产中发挥积极作用的同时, 也会对生态环境造成污染[1-3]。农药在田间使用后, 有很大一部分会进入土壤中, 随地表径流流失进入地表水或随土壤孔隙水淋溶进入地下水, 从而降低水生生态环境质量, 影响水生生态系统的结构和功能, 进而对人体健康造成威胁[4-5]。
我国是农药使用大国, 农药的大量使用及使用方式不当, 已经造成我国地表水体大量污染[6-7]。根据我国1998年对全国109 700 km长的河流进行的评价显示, 有70.6%的河流被农药所污染[8]。冯玉洁[9]探究了除草剂对广西甘蔗种植区环境水体的影响, 从地表水中检出莠去津(最大检出浓度为0.585 μg·L-1, 检出率为62.5%)、乙草胺(最大检出浓度为0.311 μg·L-1, 检出率为33.3%)和莠灭净(最大检出浓度为0.341 μg·L-1, 检出率为58.3%)。王未等[10]对我国区域性水体农药污染现状进行研究分析, 结果显示长江流域有机磷农药、氨基甲酸酯类农药以及部分拟除虫菊酯类农药残留量很高。国外研究也同样表明地表水受农药污染严重。1992—2001年, 美国地质调查局(United States Geological Survey, USGS)对186条河流水样进行检测, 在水样中检出21种杀虫剂、52种除草剂、8种代谢产物、1种杀菌剂和1种杀螨剂, 表明在地表水环境系统中普遍存在农药残留[11]。2010—2012年, PAPADAKIS等在希腊Vistonis湖流域地表水样中共检测出68种农药, 主要有氟草隆(检出率为75%, 最大检出浓度为0.088 μg·L-1)、高效氯氰菊酯(2012年春季样品中均有检出, 最大检出浓度为0.168 μg·L-1)和高效氯氟氰菊酯(2011年春季样品中均有检出, 最大检出浓度为0.041 μg·L-1)。DE GERÓNIMO等[13]对阿根廷4个分流域地表水的研究表明, 66%的水样中至少检测出1种农药, 其中, 莠去津、戊唑醇和避蚊胺最大检出浓度分别为1.4、0.035和0.701 μg·L-1。
农药生态风险评估在农药环境安全管理中发挥着重要作用[14]。在农药生态风险评估中, 暴露评估是关键, 暴露评估主要研究农药在生态环境中的时空分布规律以及如何从风险源到受体的过程, 目的是得到农药在环境中的暴露量[15]。在暴露评估中, 模型预测是主要手段, 模型预测离不开农药使用的特定环境, 包括当地的气候、土壤及农作物种植情况等, 所有这些条件的综合就是暴露场景。世界上农药管理较为先进的国家和组织, 如欧盟和美国在模型开发和场景构建方面开展了大量工作, 积累了丰富经验。我国在农药生态风险评估方面的研究工作起步较晚, 但我国农药管理部门近年来非常重视农药风险评估工作, 也在积极推进场景建立等工作。笔者详细介绍了欧盟和美国在农药旱地作物-地表水暴露场景构建方面的进展及经验, 分析了我国的进展情况, 在此基础上对我国旱地作物-地表水暴露场景构建工作提出了建议。
1 暴露场景相关概念 1.1 暴露场景暴露场景是关于暴露究竟如何发生的一种情景, 包括暴露发生时各种环境条件、风险源特征及导致暴露的各种活动[16], 是某个区域与农业生产及农药使用有关系的各种条件的综合, 是运用模型进行暴露评估时不可缺少的, 离开了场景信息, 模型将无法运行。暴露场景的建立是一项综合性很强的系统工作, 需要全面考虑各种因素。因此, 暴露场景构建是农药生态风险评估的关键点之一。
1.2 标准暴露场景为了增强暴露评估的科学性和可比性, 有利于农药登记管理, 世界上一些组织和国家, 如欧盟和美国建立了一定数量的标准暴露场景。标准暴露场景代表某个区域范围内典型的“现实中最坏条件(the realistic worst case)”, 即现实存在的最有利于农药产生污染的条件。标准暴露场景的构建遵循一定的原则, 如果农药在标准暴露场景下风险较低, 那么农药在其他实际条件下施用也应该是安全的。标准暴露场景的建立使得农药生态风险评估工作能够协调一致地进行, 使得不同评估之间具有可比性。
1.3 旱地作物-地表水暴露场景根据农药施用对象及受纳水体的不同, 暴露场景可分为旱地作物-地表水、水稻-地表水、旱地作物-地下水和水稻-地下水4种类型。旱地作物-地表水暴露场景模拟了农药在旱地作物施用后进入地表水这一过程。场景信息包括旱地作物的土地利用数据、地形数据、气象数据、土壤数据、作物数据和地表水的相关参数。
2 欧盟旱地作物-地表水标准暴露场景构建概况 2.1 暴露评估程序欧盟农药暴露评估工作主要是根据欧盟农药行为模型及应用合作论坛(Forum for the Co-Ordination of Pesticide Fate Models and Their Use, FOCUS)的指导文件来进行的[17]。FOCUS成立于1993年, 成立的主旨就是在整个欧盟范围内建立统一的农药暴露评估体系, 包括评估程序、暴露评估模型及标准暴露场景。到目前为止, FOCUS已经形成了包含4个层次的旱地作物-地表水暴露评估程序(图 1)。
欧盟地表水暴露评估的第1步是在最不安全的条件下进行的, 无需具体地区的气象、地形、农业等数据, 只需要农药本身的物理化学信息, 评估很保守。将暴露浓度和相关的毒性终点值进行比较, 如果能够通过评估, 则结束评估, 认为农药是安全的; 第2步和第1步类似, 无需具体地区的气象、地形、农业等数据, 但考虑农药的连续施用和农药降解。将暴露浓度与相关的毒性终点值比较, 如果能够通过评估, 则无需进行下一步。前两步预测环境浓度(predicted environmental concentrations, PECs)的计算使用的是简单的暴露评估模型——STEPS_ONE_TWO[18], 无需建立标准暴露场景, 假设地表水体为一个水深30 cm、底泥层厚5 cm的静态水沟, 底泥有机质质量分数为5%, 容重为0.8 kg·L-1。
第3步既考虑农药的连续施用, 又考虑农药降解, 同时基于“现实中最不安全”的暴露场景, 评估使用的是更加复杂的暴露评估模型, 包括MACRO[19]、PRZM-SW[20]和TOXSWA[21]。为此, 还建立了10个标准暴露场景, 涉及3种类型水体(池塘、沟渠和河流), 将得到的PECs与相关的毒性终点值相比较。如果评估无法通过, 则需进行第4步风险评估。这一步需要具体问题具体分析, 是最高层次的暴露评估, 考虑了农药的连续施用、农药降解和其他施用可能, 需要根据具体地区详细的气象、地形、水文、土壤及农作物等数据来建立特定场景。还可通过采取各种优化措施, 比如设立一定的缓冲区来评估农药能否通过评估[22]。
从低层次向高层次评估过程中, 使用的模型越来越复杂, 考虑的影响因素逐步增加, 使用的场景也越来越接近实际。暴露评估结果由保守逐渐向相对保守及实际情况靠近。
笔者将介绍第3层次暴露评估中标准暴露场景的构建方法和结果。
2.2 标准暴露场景构建方法 2.2.1 构建原则欧盟的场景构建工作开展较早, 迄今已形成了较为成熟的方法体系。暴露场景构建总原则是“现实中最坏条件”原则, 此处的最坏是现实中相对恶劣的条件, 它的核心思想是:若在现实中最坏的条件下能够满足环境保护的需要, 那么在其他条件下也能满足[23]81。此外, 还有一些具体原则, 包括位点选择原则、作物选择原则和水体选择原则。对旱地作物-地表水场景来说, 位点选择降雨量较大而有机质含量却相对较低的壤土或中等程度的黏土。降雨量较大,则易于地表径流;若有机质含量低, 农药则不宜降解。作物选择场景区内种植面积较大的作物, 或者当地比较有代表性的作物。水体选择场景区内的典型水体, 如代表静止水体的池塘, 代表缓慢流动水体的沟渠, 代表快速流动水体的河流。场景构建除遵循以上原则以外, 在实际操作中还需结合行业内的专家判断, 即既基于基础科学理论的数据筛选, 又依靠专家专业决策。
2.2.2 构建步骤根据欧盟农业生产方式的特点, 旱地作物-地表水第3层次标准暴露场景分为排水场景(通过机械方式将农田中的水排出农田)和径流流失场景(通过地表径流方式将农田中的水排出农田)。场景构建分5步进行(图 2)。
(1) 数据收集
场景构建需要大量基础数据, 要求数据具有一定的代表性和权威性。欧盟的气象数据(包括多年平均降水量、多年春秋季平均气温、年平均补给等)来自英国东英吉利大学气候研究中心; 坡度和土地利用数据来自美国地质调查局; 土壤数据(包括土壤质地、排水现状和母质数据等)来自欧洲土壤数据库; 作物数据来自欧洲统计局的REGIO数据库。
(2) 农业环境分级
暴露场景构建的第2步是根据农业环境特征的糟糕情况进行分级, 欧盟将农业环境分为最好、中等、最坏和极坏4种情况。农药在作物上施用后, 通过各种途径进入地表水中, 进入地表水中的农药量是由农业生产环境决定的。降雨量越大, 农药则越易随地表径流进入地表水, 因此, 降雨量较大的区域相对于降雨量较小的区域更糟糕; 气温低, 农药则不易降解, 易存留在环境中, 气温低的区域比气温高的区域更糟糕; 坡度越大, 越容易发生地表径流, 坡度大的区域比坡度小的区域更糟糕; 土壤有机质含量越低, 农药不易降解, 易随地表径流进入地表水体, 土壤有机质含量低的区域比有机质含量高的区域更糟糕。
(3) 空间数据库叠加
第3步是对分级后的空间数据库进行叠加, 空间数据的栅格单元具有对应小区域内环境特征。将同一个区域内不同属性信息的栅格单元叠加, 这样得到的栅格单元同时具有多种农业环境特征, 如气温、降水、坡度和土壤质地等。
(4) 选择10个现实的组合
根据叠加好的空间数据, 选择农业环境特征现实中最坏情况组合。由于不同的旱地作物之间农药使用方式及种植方式等有很大差异, 对作物划分得越细,就越具有针对性, 评估就越准确。根据研究对象, 选择对应的作物种植面积大的区域, 在作物种植区域内, 用比较现实的方法选择10个现实的组合。
(5) 场景点的最终确定
最后, 根据各地区固有农业生产环境糟糕的性质选出不超过10个代表性场景点。为了让场景点具有代表性, 欧盟在每个国家最多选取1个场景点, 但是法国有所不同, 1个代表欧盟北部区域, 1个代表欧盟南部区域。考虑到建立模型需要大量数据, 具体的场景点需选在具有大量监测数据的地区, 方便数据的收集和最后场景的验证。综合考虑以上因素, 最后确定10个场景点。
2.3 标准暴露场景构建结果到目前为止, FOCUS在整个欧盟地区构建了10个地表水标准暴露场景点[17]。其中, 有6个排水场景点和4个地表径流流失场景点。欧盟的地表水场景代表欧盟33%的区域面积, 构建的场景满足90th百分位的保护。欧盟旱地作物-地表水场景点分布见图 3。各场景点的特征见表 1。
美国环境保护局(US Environmental Protection Agency, USEPA)形成了农药水生生态风险评估的分层次评估程序, 分为4个层次, 每层中对应的暴露评估程序也分为4个层次。第1层次是简单假设, 根据假设的田块/水体比, 以及农药从田块流失、漂移进入地表水体的量占农药施用量的比例来计算估计环境浓度(estimated environmental concentration, EEC), 使用简单的GENEEC[24]模型; 第2层次利用建立的标准暴露场景, 使用复杂的农药根际地带模型与暴露分析模拟系统(PRZM-EXAMS)模型, 评估水体的暴露浓度值; 第3层次通过微宇宙、中宇宙模拟或其他途径得到的更为接近现实的行为数据输入复杂模型, 重新进行暴露浓度计算; 第4层次通过田间试验和实际监测, 可得到现实的暴露浓度值, 也可直接观察到农药对水生生物的影响[23]6-7。
3.2 标准暴露场景构建结果美国是世界上较早开展暴露场景构建的国家, 建立的场景也最多。但是对于场景的构建方法, USEPA及其相关机构没有形成指导文件。美国建立的场景与其开发的模拟平台结合在一起。美国在使用的旱地作物-地表水暴露模拟平台有SWCC(surface water concentration calculator)系列[25]、PWC(pesticide in water calculator)系列[26]和EXPRESS(EXAMS-PRZM exposure simulation shell)系列[27]。迄今为止, PWC和SWCC模拟平台使用相同的场景, 包含69个标准作物场景和55个非标准作物场景。在EXPRESS 1.03.02平台上内置179个场景, 其中有85个标准场景, 此外, 还有94个待修订场景。每个场景包括以下信息:(1) 州名; (2) 作物类型; (3) 土壤特性; (4) 气象数据。
美国按州分类的标准旱地作物场景见表 2。
近些年, 我国农药管理部门逐渐认识到风险评估的重要性, 开展了一些相关研究项目。如环境保护部南京环境科学研究所与美国Waterborne环境咨询公司合作开展的“农药生态风险评价及风险管理技术研究项目”, 侧重对美国已建立模型的研究, 选择在美国乃至世界范围内广泛应用的PRZM、RICEWQ、EXAMS、VADOFT和ADAM等模型进行二次开发, 构建了我国农药暴露模拟外壳——PRAESS(pesticide risk assessment exposure simulation shell)[28], PRAESS包含PRZM-EXAMS、RICEWQ-EXAMS、PRZM-ADAM和RICEWQ-VADOFT-ADAM这4套模拟模型, 分别模拟旱地作物-地表水(包含2个场景, 位于江苏南通的棉花场景和河南驻马店的玉米场景)、水稻-地表水(包含2个场景, 分别位于江苏常州和浙江杭州)、旱地作物-地下水(包含2个场景, 位于江苏南通的棉花场景和河南驻马店的玉米场景)、水稻-地下水(包含8个场景)4种不同类型场景[29]。PRAESS目前已整合了14个暴露场景, 还有10个标准旱地作物-地下水场景待整合。
此外, 农业部农药检定所与荷兰瓦赫宁根大学阿尔特拉研究所(Alterra)合作开展的“中荷合作农药环境风险评估项目”, 在对欧盟现有的农药暴露评估模型进行比较研究的基础上, 选择PEARL模型进行二次开发, 构建了可用于我国农药暴露模拟的China-PEARL和TOP-rice模型[30]。China-PEARL模型用于模拟旱地作物-地下水场景, 获得农药在旱地作物上使用后淋溶进入地下水中的浓度[31]; TOP-rice模型用于模拟稻田-地表水场景, 获得农药在稻田使用后进入临近地表水体中的浓度, 这2个模型共完成8个场景点12种作物的场景构建[32]。
这些研究成果为制订我国农药登记环境风险评估行业标准提供了重要的技术支撑。2014年, 环境保护部将“农药生态风险评价程序与方法”列入环境保护部标准项目, 该标准将用于农药登记后的跟踪评估。2016年5月23日, 农业部正式颁布我国第1部《农药登记环境风险评估指南》, 并于2016年10月1日起实施, 用于农药登记前的评估。虽然近些年开展的相关研究项目在农药暴露模拟上取得了突破性成果, 但在旱地作物-地表水暴露评估研究上还不足, 只构建了2个典型的旱地作物-地表水场景。我国幅员辽阔, 各地区之间农药使用、农作物种植管理、气候和土壤等条件差异较大, 需要在全国范围内建立一系列标准暴露场景。
5 分析与建议 5.1 国外旱地作物-地表水标准暴露场景构建分析欧盟和美国场景构建比较成熟, 构建的场景种类多, 已用于农药的登记管理决策中, 并发挥着积极作用。欧盟和美国的评估程序在每一步的研究目的、研究内容等方面基本相同, 在暴露分析方面的区别主要体现在低层次分析上, 在暴露分析方法、暴露模拟模型以及模型所模拟的暴露途径方面不同, 高层次是相同的, 都采用田间模拟试验及实际监测。欧盟暴露场景构建已形成专门的指导文件, 有明确的暴露场景构建原则、方法和步骤, 介绍了暴露场景气候、农作物管理参数、土壤和水体等特征, 以及结合模型对水体暴露浓度值进行计算与验证。截至目前, 欧盟构建了10个旱地作物-地表水标准暴露场景点, 每个场景点包含1种或者多种旱地作物, 6个径流场景点共有44个标准暴露场景, 4个排水场景点共有45个标准暴露场景。美国没有形成场景构建指导文件, 但是构建的标准暴露场景很多, EXPRESS系列包含85个标准暴露场景, SWCC和PWC系列包含69个标准暴露场景, 考虑的作物种类比较全面, 场景广泛地分布在主要作物种植区。
场景是和暴露模拟外壳结合在一起使用的, 欧盟使用的是SWASH[33]外壳, 包括模拟地表径流过程的PRZM模型、模拟排水过程的MACRO模型、计算喷雾漂移的漂移计算器以及模拟农药在水体中行为的TOXSHA模型。美国使用的外壳比较多, 目前在使用的有EXPRESS、PWC和SWCC等, 模型主要有用于模拟农药在作物根区以内或以下的不饱和土层中的转运和转化的农药根际地带模型(pesticide root zone model, PRZM)、估算农药等有机化学物质在水体中的环境行为和暴露浓度的暴露分析模拟系统(exposure analysis modeling system, EXAMS)以及变容量水体模型(variable volume water model, VVWM)。美国构建的场景能够为不同的模拟平台使用, 通过平台和场景的不断更新, 评估的精确度越来越高。
总之, 欧盟和美国在场景构建方面都有自己的特点, 为我国场景构建研究提供了宝贵经验。
5.2 对我国今后旱地作物-地表水标准暴露场景构建的建议我国场景构建虽然起步较晚, 但是发展迅速, 已建立了适合我国的PRAESS模型平台和十几个标准暴露场景。但我国旱地作物-地表水场景体系构建尚未完成, 今后我国在旱地作物-地表水标准暴露场景的构建方面, 需要考虑并解决以下问题:
(1) 形成我国场景构建的指导性文件
我国与国外的情况不同, 在构建我国场景时, 一方面, 要充分借鉴国外方法, 另一方面, 要紧密结合我国的实际情况进行科学分析, 在实践中形成我国实际情况的场景构建方法, 并形成指导性文件。
(2) 构建满足我国风险评估需求的标准暴露体系
我国幅员辽阔, 各区域间条件差异很大, 需要在每个区域尽可能地选择代表性场景, 可以根据全国旱地作物种植分布情况, 考虑在旱地作物种类多、种植面积大的区域多建立一些场景。同时考虑到保护当地特有的作物, 在旱地作物种类单一、种植面积小的区域少建立一些场景, 这样既考虑了场景的代表性, 又兼顾了全国的情况。标准暴露体系的建立使得农药生态风险评估工作能够协调一致地进行, 使得不同评估之间具有可比性。
(3) 加强基础数据库的建设及共享
暴露场景的建立需要大量基础数据, 包括气象、作物、农药和土壤数据等。相比于国外, 我国基础数据的建设及共享还有很大差距。相关的气象、农业和土壤等数据部门需要建设种类更加全面的基础数据库, 并能及时更新和积极共享数据, 为我国风险评估及科学研究提供信息保障。
[1] |
卜元卿, 孔源, 智勇, 等. 化学农药对环境的污染及其防控对策建议[J]. 中国农业科技导报, 2014(2): 19-25. BU Yuan-qing, KONG Yuan, ZHI Yong, et al. Pollution of Chemical Pesticides on Environment and Suggestion for Prevention and Control Countermeasures[J]. Journal of Agricultural Science and Technology, 2014(2): 19-25. (0) |
[2] |
刘彬, 李爱民, 张强, 等. 有机氯农药在湖北省菜地土壤中的污染研究[J]. 中国环境监测, 2016, 32(3): 87-91. LIU Bin, LI Ai-min, ZHANG Qiang, et al. Study on the Pollution of OCPs in Vegetable Soils From Hubei[J]. Environmental Monitoring in China, 2016, 32(3): 87-91. (0) |
[3] |
迭庆杞, 聂志强, 黄启飞, 等. 珠江三角洲土壤中有机氯农药的分布特征[J]. 农业环境科学学报, 2014, 33(2): 298-304. DIE Qing-qi, NIE Zhi-qiang, HUANG Qi-fei, et al. Organochlorine Pesticides(OCPs) in Soils of Pearl River Delta, China[J]. Journal of Agro-Environment Science, 2014, 33(2): 298-304. DOI:10.11654/jaes.2014.02.014 (0) |
[4] |
郭强, 田慧, 毛潇萱, 等. 珠江河口水域有机磷农药水生生态系统风险评价[J]. 环境科学, 2014, 35(3): 1029-1034. GUO Qiang, TIAN Hui, MAO Xiao-xuan, et al. Ecological Risk Assessment of Organophosphorus Pesticides in Aquatic Ecosystems of Pearl River Estuary[J]. Environmental Science, 2014, 35(3): 1029-1034. (0) |
[5] |
顾宝根, 程燕, 周军英, 等. 美国农药生态风险评价技术[J]. 农药学学报, 2009, 11(3): 283-290. GU Bao-gen, CHENG Yan, ZHOU Jun-ying, et al. Review on USA Pesticide Ecological Risk Assessment Techniques[J]. Chinese Journal of Pesticide Science, 2009, 11(3): 283-290. (0) |
[6] |
薛南冬, 徐晓白, 刘秀芬. 北京官厅水库中农药类内分泌干扰物分布和来源[J]. 环境科学, 2006, 27(10): 2081-2086. XUE Nan-dong, XU Xiao-bai, LIU Xiu-fen. Distribution and Sources of Endocrine-Disrupting Pesticides in Beijing Guanting Reservoir[J]. Environmental Science, 2006, 27(10): 2081-2086. DOI:10.3321/j.issn:0250-3301.2006.10.029 (0) |
[7] |
陈家玮, 刘晨, 杨忠芳, 等. 北京郊区地表水中有机氯农药残留水平及特征[J]. 地学前缘, 2008, 15(5): 242-247. CHEN Jia-wei, LIU Chen, YANG Zhong-fang, et al. Residues and Characteristics of Organochlorine Pesticides in Surface Water in the Suburb of Beijing[J]. Earth Science Frontiers, 2008, 15(5): 242-247. (0) |
[8] |
何光好. 我国农药污染的现状与对策[J]. 现代农业科技, 2005, 23(6): 57. HE Guang-hao. China's Pesticide Pollution and Countermeasures[J]. Modern Agricultural Science and Technology, 2005, 23(6): 57. (0) |
[9] |
冯玉洁. 主要甘蔗田除草剂对广西蔗区环境水体的影响[D]. 南宁: 广西大学, 2013. FENG Yu-jie.Effects of Herbicides on the Environmental Water System in the Sugarcane Fields in Guangxi[D].Nanning:Guangxi University, 2013. (0) |
[10] |
王未, 黄从建, 张满成, 等. 我国区域性水体农药污染现状研究分析[J]. 环境保护科学, 2013, 39(5): 5-9. WANG Wei, HUANG Chong-jian, ZHANG Man-cheng, et al. Study on Status of Regional Water Pollution by Pesticides in China[J]. Environmental Protection Science, 2013, 39(5): 5-9. (0) |
[11] |
宋宁慧, 卜元卿, 单正军. 农药对地表水污染状况研究概述[J]. 生态与农村环境学报, 2010, 26(增刊1): 49-57. SONG Ning-hui, BU Yuan-qing, SHAN Zheng-jun. A Review of Studies on Pesticide Pollution in Surface Water[J]. Journal of Ecology and Rural Environment, 2010, 26(Suppl. 1): 49-57. (0) |
[12] |
PAPADAKIS E N, TSABOULA A, KOTOPOULOU A, et al. Pesticides in the Surface Waters of Lake Vistonis Basin, Greece:Occurrence and Environmental Risk Assessment[J]. Science of the Total Environment, 2015, 536(3): 793-802. (0) |
[13] |
DE GERÓNIMO E, APARICIO V C, BÁRBARO S, et al. Presence of Pesticides in Surface Water From Four Sub-Basins in Argentina[J]. Chemosphere, 2014, 107: 423-431. DOI:10.1016/j.chemosphere.2014.01.039 (0) |
[14] |
杨丽敏. 我国农药登记制度中的环境风险评价之探究[D]. 郑州: 郑州大学, 2012. YANG Li-min.Research on Environmental Risk Assessment System in the Pesticide Registration System[D].Zhengzhou:Zhengzhou University, 2012. (0) |
[15] |
周军英, 程燕. 农药生态风险评价研究进展[J]. 生态与农村环境学报, 2009, 25(4): 95-99. ZHOU Jun-ying, CHENG Yan. Advancement in the Study of Pesticides Ecological Risk Assessment[J]. Journal of Ecology and Rural Environment, 2009, 25(4): 95-99. (0) |
[16] |
USEPA.Guidelines for Ecological Risk Assessment[Z].Washington DC, USA:USEPA, 1998. http://w3.ualg.pt/~lnunes/Textosdeapoio/Disciplinas/Avaliacao%20de%20Risco/EPA%20-%20Guidelines%20for%20Ecological%20Risk%20Assessment.PDF
(0) |
[17] |
FOCUS.FOCUS Surface Water Scenarios in the EU Evaluation Process Under 91/414/EEC[R].Report of the FOCUS Working Group on Surface Water Scenarios, EC Document Reference SANCO/4802/2001-rev.2.2001:245.
(0) |
[18] |
FOCUS.About STEPS_ONE_TWO:General Information[EB/OL].(2003)[2015-06-08].http://esdac.jrc.ec.europa.eu/projects/stepsonetwo. http://focus.jrc.ec.europa.eu/projects/stepsonetwo
(0) |
[19] |
FOCUS.MACRO_in_FOCUS User Manual[EB/OL].(2003)[2015-06-08].http://focus.jrc.ec.europa.eu/sw/docs/FOCUS_SWS_APPENDIX_J.doc. http://eusoils.jrc.ec.europa.eu/public_path/projects_data/focus/sw/docs/FOCUS_SWS_APPENDIX_J.doc
(0) |
[20] |
FOCUS.About PRZM_SW:General Information[EB/OL].(2003)[2015-06-08].http://esdac.jrc.ec.europa.eu/projects/przmsw. http://esdac.jrc.ec.europa.eu/projects/przmsw
(0) |
[21] |
FOCUS.TOXSWA_in_FOCUS User Manual[EB/OL].(2003)[2015-06-08].http://focus.jrc.ec.europa.eu/sw/docs/FOCUS_SWS_APPENDIX_L.doc. http://esdac.jrc.ec.europa.eu/projects/focus-dg-sante
(0) |
[22] |
单正军, 陈祖义. 农药环境污染影响与污染控制技术[J]. 农药科学与管理, 2007, 28(12): 13-20. SHAN Zheng-jun, CHEN Zu-yi. Pesticide Pollution to Environment and the Control Techniques[J]. Pesticide Science and Administration, 2007, 28(12): 13-20. DOI:10.3969/j.issn.1002-5480.2007.12.006 (0) |
[23] |
周军英, 单正军, 石利利, 等. 农药生态风险评价与风险管理技术[M]. 北京: 中国环境科学出版社, 2012. ZHOU Jun-ying, SHAN Zheng-jun, SHI Li-li, et al. Pesticide Ecological Risk Assessment and Risk Management Techniques[M]. Beijing: China Environmental Science Press, 2012. (0) |
[24] |
USEPA.GENEEC User's Manual:Introduction to GENEEC Version 2.0[EB/OL].(2001)[2016-04-08].https://www.epa.gov/pesticide-science-and-assessing-pesticide-risks/geneec2-user-manual. https://archive.epa.gov/epa/pesticide-science-and-assessing-pesticide-risks/geneec2-description.html
(0) |
[25] |
USEPA.Surface Water Concentration Calculator User Manual[EB/OL].(2014)[2016-04-08].http://nepis.epa.gov/Exe/ZyPDF.cgi?Dockey=P100JISL.txt. https://nepis.epa.gov/Exe/ZyPURL.cgi?Dockey=P100JISL.TXT
(0) |
[26] |
USEPA.Pesticide in Water Calculator User Manual for Versions 1.50 and 1.52[EB/OL].(2016)[2016-04-08].https://www.epa.gov/sites/production/files/2016-05/documents/pwc_user_manual_v1_50and1_52.pdf.
(0) |
[27] |
USEPA.User Manual for EXPRESS, the "EXAMS-PRZM Exposure Simulation Shell"[EB/OL].(2007)[2016-04-08].https://www.epa.gov/sites/production/files/documents/Express.pdf. https://www.epa.gov/exposure-assessment-models/express
(0) |
[28] |
计算机软件著作权登记证书. 环境保护部南京环境科学研究所农药风险评价暴露模拟外壳软件(简称PRAESS)V 1. 0[CP]. 软著登字第0219566号. 环境保护部南京环境科学研究所. Computer Software Copyright Registration Certificate.Pesticide Risk Assessment Exposure Simulation Shell, PRAESS[CP].Computer Software Copyright Registration No.0219566.Nanjing Institute of Environmental Sciences, Ministry of Environmental Protection. (0) |
[29] |
赵亮, 周军英, 程燕, 等. 国内外农药生态风险评价暴露模拟外壳述评[J]. 生态与农村环境学报, 2012, 28(1): 10-18. ZHAO Liang, ZHOU Jun-ying, CHENG Yan, et al. Review of Exposure Simulation Shells for Pesticide Ecological Risk Assessment[J]. Journal of Ecology and Rural Environment, 2012, 28(1): 10-18. (0) |
[30] |
中国农业部农药检定所. TOP-RICE模型操作手册[M]. 北京: 中国农业部农药检定所, 2014, 1-2. Institute for the Control of Agrochemicals Ministry of Agriculture. TOP-RICE User Manual[M]. Beijing: Institute for the Control of Agrochemicals, Ministry of Agriculture, 2014, 1-2. (0) |
[31] |
HORST M M S T, WIPFLER E L, ADRIAANSE P I, et al. Chinese Scenarios for Groundwater Leaching and Aquatice Exposure:Development of Scenarios for Environmental Risk Assessment Procedures of Pesticides in China[J]. Journal of Physical Chemistry, 2014, 93(9): 3688-3694. (0) |
[32] |
林绿, 覃志豪, 李文娟. 我国农药地下水环境风险评估场景体系的建立[J]. 农业环境科学学报, 2014, 33(11): 2194-2203. LIN Lü, QIN Zhi-hao, LI Wen-juan. Development of a GIS-Based Scenario Analysis System for Pesticide Groundwater Risk Assessment in China[J]. Journal of Agro-Environment Science, 2014, 33(11): 2194-2203. DOI:10.11654/jaes.2014.11.018 (0) |
[33] |
FOCUS.About SWASH:General Information[EB/OL].(2003)[2015-06-08].http://esdac.jrc.ec.europa.eu/projects/swash.
(0) |