简介:近年来,挥发性环甲基硅氧烷(cVMS)在生产和生活过程中的广泛使用导致其环境和人体暴露风险日益增加,由于其具有持久性、潜在的生物积累性和毒性而被受关注。目前,人们对cVMS在全球各种环境介质中的赋存、行为及效应有一定的了解。排入环境中的cVMS大部分进入大气,在水体、沉积物、土壤和生物体中也有一定的含量。研究表明,希腊室内空气降尘中总的环硅氧烷含量中位数最高(1380ng·g^-1),其次为中国(362ng·g^-1);中国污水处理厂总的硅氧烷年人均通量(10g·y^-1)低于英国(D4-D648.3g·y^-1)和美国(D4-D693.5g·y^-1),其中大连市一家采用CWSBR工艺的污水处理厂进水中cVMS的总浓度(1.05μg·L^-1)普遍低于希腊(5.14μg·L^-1)、西班牙(9.2μg·L^-1)、加拿大(44μg·L^-1)和一些北欧国家(17μg·L^-1);我国大部分废水处理厂污泥中甲基硅氧烷的含量(0.1-lμg·g^-1dw)比一些北欧国家(26μg·g^-1dw)、希腊(20μg·g^-1dw)和加拿大(64μg·g^-1dw)等要低得多。中国普通居民吸入+摄食D4-D6的PELs中位数(173ng·d^-1)远低于中国普通人群的皮肤暴露(中位数18.5μg·d^-1),更低于英国成人日暴露量(1.875mg·d^-1)和美国妇女对总硅氧烷的日暴露量(307mg·d^-1)。环境中cVMS的行为和效应取决于其理化性质和具体的环境条件。进入大气的cVMS会与·NO3、O3和·OH反应,而与·OH反应脱去甲基生成硅醇是其主要的消除机制。污水处理过程中,大部分cVMS被污泥吸附固定,D6吸附污泥的能力最强,其次为D5和D4。挥发、吸附和非生物降解是cVMS在土壤中主要的环境行为。D4和D5可能存在生物放大作用。评估cVMS的TMF(trophicmagnificationfactor)研究结果相互矛盾,且与BCF、BMF和BSAF的评估结果相反。总之,国内外对污水处理过程中cVMS的赋存状态和迁移、转化行为的研究比较多,且�
简介:通过As~(Ⅲ)胁迫下水稻种子的发芽试验和幼苗毒性试验,研究了外源硅对水稻种子发芽率、幼苗生长的影响及其缓解幼苗砷毒性的效应。外源硅的2种处理方式为种子萌发时添加外源硅(Si1)和采用硅处理液浸种(Si2)。结果表明,发芽时介质中As浓度达到10mg·L^-1时显著抑制水稻种子萌发(P〈0.05),发芽率仅为80%,但是Si1和Si2处理下发芽率则提高到97%和100%,这说明外源硅可促进砷胁迫下水稻种子萌发;砷浓度≥5mg·L^-1时,Si1和Si2处理均可提高水稻的相对幼苗高度和根耐性指数,提高幅度分别为6.00%~16.8%和57.9%~77.0%、7.10%~23.5%和54.2%~61.2%,并且降低了水稻幼苗砷含量,降低幅度分别为17.8%~21.4%和31.0%~49.1%。这说明外源硅处理可促进砷胁迫下水稻幼苗的生长;不同砷浓度处理与水稻芽长、根长及幼苗干重之间存在"S"型的剂量-效应关系,且外源硅显著提高了相应的EC50,缓解了砷对水稻幼苗生长的毒性。综上所述,砷胁迫下水稻种子萌发时添加外源硅或采用硅处理液浸种均可促进水稻种子萌发和幼苗生长,并降低了幼苗砷累积和缓解砷对水稻幼苗的毒性。
简介:为研究硅钙镁肥(GF)对不同母质稻田土壤水稻Cd吸收累积的影响及其差异,选取黄泥田(板页岩母质发育水稻土)和麻砂泥(花岗岩母质发育水稻土)进行水稻盆栽试验,分析各生育时期土壤pH值与CEC变化、土壤溶液中Cd浓度、水稻各部位(根、茎、叶、谷壳和糙米)Cd含量及水稻全株总累积量、水稻根表铁膜Cd、Fe含量与总累积量.结果表明:稻田土壤施用GF显著降低了土壤溶液Cd浓度,施用GF显著提升了土壤pH和CEC,施用GF降低了水稻根、茎、叶、谷壳与糙米中的Cd含量,显著降低水稻全株Cd累积量.稻田土壤施用GF促进了水稻根表铁膜的形成,增加了各生育时期DCB-Fe、降低了DCB-Cd含量,抑制了Cd由根部向上迁移,稻田土壤施用GF,黄泥田与麻砂泥水稻糙米Cd含量降低至0.11mg/kg和0.15mg/kg,均低于国家标准.相关性分析表明,土壤pH与土壤溶液Cd浓度、水稻糙米Cd含量呈显著(P〈0.05)或极显著负相关(P〈0.01),水稻根表铁膜Fe累积量与DCB-Cd、根与糙米Cd含量呈极显著负相关(P〈0.01),GF使叶对糙米Cd再转运贡献率降低5.88%(黄泥田)和12.80%(麻砂泥).稻田土壤施用GF可有效阻控水稻对Cd的吸收累积,且麻砂泥效果优于黄泥田.
简介:水体沉积物是水生生态系统重要的组成部分,沉积物污染将影响整个水生生态系统,因此有必要构建科学全面的水体沉积物质量评价方法,为环境污染修复与监管提供科学依据。已有文献报道了多种沉积物质量评价方法。其中,证据权重法通过对不同的证据进行测定与整合,弥补了传统评价方法的不足,可以对沉积物质量进行科学全面的评价。本文对证据权重法中化学分析、生物毒性和底栖生物群落结构3种证据的测量方法、赋权方法、证据整合与信息解译方法进行了系统评述,并以淡水河为例介绍了用多目标决策理想点法(TOPSIS)整合数据进行沉积物质量综合评价的方法。
简介:湖南省郴州市是湖南省山洪灾害多发的一个区域,对郴州市山洪灾害进行快速准确的预测意义重大.运用Bayes判别分析法,根据山洪灾害预报的简化原理使用灾害发生前10天的时效雨量和当日雨量作为预报模型因子建立一组山洪预报模型,计算得出的模型预报正确率为86.96%,满足Bayes判别分析正确率大于80%的要求,表明该方法预测山洪简单易行,可以为郴州市山洪灾害的预测以及防治提供-定的支撑.图2,表4,参24.
简介:以硝普钠(Sodiumnitroprusside,SNP)为一氧化氮(Nitricoxide,NO)供体研究了NO对海洋微藻生长的影响.对不同浓度SNP在海水介质中释放NO的过程进行了监测;对所培养的亚心形扁藻(Platymonassubcordiformis)和中肋骨条藻(Skeletonemacostatum)进行藻密度测定,观测NO对微藻生长的影响.结果表明:5、10和100μmol·L-1的SNP释放NO浓度大约分别为6×10-9、9×10-9和2×10-7mol·L-1左右,而释放时间分别为4、5.5和7.5h.研究表明,NO对不同微藻有明显不同的作用规律:NO持续作用下,对亚心形扁藻的最佳作用浓度在10-8mol·L-1数量级;对赤潮藻中肋骨条藻的最佳作用浓度在10-9mol·L-1数量级;赤潮藻对NO的响应比非赤潮藻更灵敏,NO可能是海洋生态系中微藻生长重要的调节因子.
简介:目前广泛使用的水质基准推导方法—物种敏感度分布法存在曲线拟合模型不确定、曲线拟合效果不佳、种内差异欠考虑、基准值不准确等诸多问题,概率物种敏感度分布法可有效解决上述问题。应用概率物种敏感度分布法构建了太湖水体中5种重金属Ag、Pb、Cd、Hg和Zn的概率物种敏感度分布曲线,在此基础上得到了保护水生生物的急性水质基准分别为1.079μg·L~(-1)、637.973μg·L~(-1)、19.465μg·L~(-1)、8.729μg·L~(-1)和105.506μg·L~(-1),慢性水质基准分别为0.108μg·L~(-1)、63.797μg·L~(-1)、1.947μg·L~(-1)、2.340μg·L~(-1)和52.753μg·L~(-1);不同类群间生物对重金属的敏感度存在差异,不同重金属对同一类群生物的毒性也存在差异;通过与国内外已有的重金属水质基准值比较,发现水质基准具有明显的区域性,目前基于国外水质基准或我国整体水域特点来制定的太湖水质标准,往往造成对太湖水生生物欠保护或过保护的状况。
简介:生物敏感性分布法(SpeciesSensitivityDistributions,SSD)是一种基于单物种测试和概率统计学的、较高级的外推风险评估方法。该方法在国内外均被广泛应用于各种污染物风险评价中。本文选取了采用logistic和normal这2种SSD分布模型,分析了国内外毒死蜱对3组水生生物组合的毒性数据;并且获得各自SSD的HCx值。3组毒性数据分别为:浙江稻田水生生物组,长三角地区水生生物组和美国水生生物组。浙江稻田水生物SSD分布的HC5为:0.32μg·L^-1(logistic模型)和0.35μg·L^-1(normal模型);HC10为1.50μg·L^-1(logistic模型)和1.26μg·L^-1(normal模型);HC20为8.13μg·L^-1(logistic模型)和5.96μg·L^-1(normal模型);HC50为145.44μg·L^-1(logistic模型)和115.74μg·L^-1(normal模型)。据此判断水稻种植季节,稻田水域毒死蜱对食蚊鱼、鳑鲏、泽蛙蝌蚪、轮虫、常见腹足类和双壳类软体动物以及绝大多数藻类等的风险较小。利用冗余分析研究了生物物种数量、物种组成结构和拟合模型对HCx影响。结果表明:物种组成结构对HCx有较为明显的影响。具体表现为对毒死蜱较为敏感物种数量与HCx存在明显的负相关性;对毒死蜱不敏感的物种则与HCx呈现正相关性。
简介:多环芳烃(PAHs)具有高的疏水性,在水体中优先分布于沉积物。采用物种敏感性分布法(SSDs法),依据水生生物慢性毒性数据计算5%物种危害浓度(HC5);并结合欧盟委员会风险评价技术导则(TGD)进而得到沉积物预测无效应浓度(PNECsed),以报道的太湖的沉积物中浓度数据作为预测环境浓度(PECsed);用商值法PECsed/PNECsed进行风险表征,定量分析太湖沉积物中6种PAHs的水生态风险。分析结果表明:6种PAHs的HC5分别为:苯并[a]芘1.026μg.L-1、芘4.553μg.L-1、荧蒽1.940μg.L-1、蒽0.930μg.L-1、芴11.045μg.L-1、萘2.936μg.L-1;萘、蒽、芴和荧蒽为沉积物中具有风险的物质,风险排序为萘〉荧蒽〉蒽〉芴。另外,太湖沉积物2009年6种PAHs的水生态风险小于2004年和2007年。本研究为太湖沉积物PAHs生态基准的建立提供了科学依据和方法。