USEtox是在生命周期影响评价(LCIA)研究框架下开发的环境毒性模型^{[26, 31]}，USEtox的排放介质分为城市大气、 水体、 土壤和农村大气、 水体、 土壤这6类. 它将污染物从进入环境介质到产生毒性效应的各个过程串联并分别进行量化，然后将量化因子相乘计算污染物的人体及生态毒性. 其模型机制如图 1所示.

图 1

Fig. 1

图 1 USEtox模型机制示意 Fig. 1 USEtox model structure

首先，USEtox的多途径归宿模型通过求解一系列描述污染物在环境介质内及介质之间的降解、 迁移等过程的质量平衡方程，计算环境归宿因子FF(fate factor)，以某种化学物质在环境中的停留时间(单位：d)表示. 然后，对于人体毒性，模型通过统计数据和模型的暴露因子XF(exposure factor)估算人体以呼吸、 饮食等方式摄入体内的污染物量，最后以病理学研究得到的计量-反应曲线确定毒性效应因子EF(effect factor)，以人一生中污染物摄入量变化造成的致病几率变化表示(单位：cases ·kg^-1). 对于生态毒性，模型通过污染物在淡水中的溶解比例确定暴露因子XF，最后以水生生物病理学研究得到的浓度-反应曲线确定效应因子EF，以污染物单位浓度变化造成的物种受影响比例变化表示(单位：PAF ·m³ ·kg^-1). 以上因子相乘即可得到污染物的人体及生态毒性影响，以特征化因子CF(characterization factor)表示[公式(1)].

USEtox模型所需参数分为污染物性质参数、 地理信息参数和暴露参数这3类. 其中性质参数描述了污染物的环境行为和毒性效应，是毒性影响计算的最主要参数. 模型附带的数据库涵盖了3 000余种有毒污染物的性质参数. 研究直接使用了USEtox模型数据库提供的性质参数. 地理信息参数包括模型在全球、 大陆和城市尺度上的基本地理信息，暴露参数包括人体暴露及摄入肉、 奶、 鱼等信息. 考虑到后两类参数对相对大小，即排序结果影响较小，并且为了和已有研究相匹配，本研究使用了模型默认的地理信息及暴露参数，参数取值如表 1和表 2所示.

表 1(Table 1)

表 1 模型计算地理信息参数 Table 1 Landscape parameters 参数 单位 取值 参数 单位 取值 大陆陆地面积 km2 9 013 369.00 城市农业土地比例 — 0.67 大陆海洋面积 km2 986 631.00 城市其他土地比例 — 0.33 全球陆地面积 km2 141 000 000.00 全球/大陆温度 ℃ 12.00 全球海洋面积 km2 329 000 000.00 全球/大陆风速 m ·s-1 3.00 城市陆地面积 km2 240.00 全球/大陆降雨量 mm ·a-1 700.00 全球/大陆淡水比例 — 0.03 全球/大陆淡水深度 m 2.50 全球/大陆自然土地比例 — 0.49 全球/大陆冲刷比例 — 0.25 全球/大陆农业土地比例 — 0.49 全球/大陆渗透比例 — 0.25 全球/大陆其他土地比例 — 0.00 全球/大陆土壤腐蚀 mm ·a-1 0.03

表 1 模型计算地理信息参数 Table 1 Landscape parameters

表 2(Table 2)

表 2 模型计算暴露参数Table 2 Exposure parameters 参数 单位 取值 参数 单位 取值 全球/大陆暴露产生量 kg ·(d ·capita)-1 0.75 全球人口 — 6 000 000 000.00 全球/大陆非暴露产生量 kg ·(d ·capita)-1 0.23 大陆人口 — 998 000 000.00 全球/大陆肉类摄入量 kg ·(d ·capita)-1 0.08 城市人口 — 2 000 000.00 全球/大陆奶类摄入量 kg ·(d ·capita)-1 0.25 呼吸率 m3 ·(person ·d)-1 13.00 全球/大陆淡水鱼类摄入量 kg ·(d ·capita)-1 0.01 水摄入率 L ·(person ·d)-1 1.40 全球/大陆海洋鱼类摄入量 kg ·(d ·capita)-1 0.04

表 2 模型计算暴露参数 Table 2 Exposure parameters

将参数输入模型运算可得污染物排入各种环境介质的人体及生态毒性特征化因子. 污染物的毒性影响得分IS(impact score)可通过以下公式[公式(2)]计算：

研究首先计算污染物总排放的人体及生态毒性影响得分，然后分别计算装煤、 烟囱、 推焦和熄焦这4个工段的毒性总得分以及各污染物的得分，最后设定了污染物排入城市和农村两种情景，分析焦化厂选址对总毒性及各污染物毒性得分的影响.

按照1.3节的方法，分别计算得出有机物和金属的人体毒性影响得分IS(图 2). 可以看出，模型计算改变了污染物基于排放量的先后顺利，例如，苯并[a]芘毒性影响得分(IS=9.13×10^-4 cases ·a^-1)超过苯(IS=4.55×10^-4 cases ·a^-1)一倍，位列人体毒性排序榜首，而其排放量(36.8 kg ·a^-1)仅为苯排放量(3 030.42 kg ·a^-1)的1/82. 另外，计算结果的数量级差异较大，不同有机物或金属毒性得分最大可相差6~7个数量级，毒性影响表现出较为聚集的特性，因此研究使用对数坐标图以便表示主要污染物的毒性得分. 例如，苯并[a]芘的毒性影响是与其排放量相当的异戊二烯(排放量=38.34 kg ·a^-1； IS=5.59×10^-8 cases ·a^-1)的1.63万倍. 对毒性得分进行贡献分析，发现苯并[a]芘对有机物毒性贡献率为55.22%，锌对金属毒性贡献率为75.71%. 而得分前5位的有机物和金属对总毒性贡献率超过96%和99%.

图 2

Fig. 2

图 2 污染物人体毒性影响得分 (对数坐标) Fig. 2 Logarithmic chart of human toxicity IS of pollutants

污染物毒性影响差别较大，毒性分布较为集中，筛选其中毒性大、 贡献高的污染物进行优先监管控制是有效的管理方法. 研究对污染物进行“聚类分析”，将污染物按照毒性影响分为高中低三组，结果如下：对于有机物，苯并[a]芘、 苯为高毒性，萘、 二苯[a,h]蒽为中毒性，苯乙烯、 甲苯、 乙苯、 芴、 苯胺、 芘等为低毒性排放污染物； 对于金属，锌为高毒性，砷、 铅为中毒性，汞、 锑、 钼、 镉、 铍等为低毒性排放污染物. 其中高毒性和中毒性的污染物得分占有绝对优势，对总毒性贡献率均超过95%，将其列为行业优先监管污染物.

生态毒性的计算结果分布与人体毒性类似(图 3)，表现出了数量级差异较大，毒性集中于个别污染物等特征. 然而排序却明显不同. 对于有机物，多环芳烃，尤其是分子结构中苯环数量较少(低于5个苯环)的低分子量多环芳烃，对生态毒性贡献较大. 例如，结构中有4个苯环的芘(IS=1.19×10⁵ PAF ·m³ ·d ·a^-1)和3个苯环的蒽(IS=1.18×10⁵ PAF ·m³ ·d ·a^-1)，毒性贡献率分别为38.37%和38.22%，位居排序前两位. 低分子量的多环芳烃一般较易降解，环境停留时间比高分子量的多环芳烃(例如：苯并[a]芘、 二苯[a,h]蒽)短，往往在造成人体毒性暴露之前就已经被生物降解，因此其人体毒性并不显著. 然而分子量低的多环芳烃对淡水生态毒性较强，进入环境的多环芳烃可直接作用于淡水生态系统，再加以炼焦生产多环芳烃排放量较大，因此低分子量多环芳烃的生态毒性排名与人体毒性排名相比较为靠前. 对于金属，淡水生态毒性效应主要以污染物对鱼、 贝、 藻类的影响为衡量标准，与人体毒性影响区别较大，例如，对于人体毒性较强的金属铅，在生态毒性影响得分中仅排名第12，远低于对水生生物毒性较大的铜、 钒等金属.

图 3

Fig. 3

图 3 污染物生态毒性影响得分 (对数坐标) Fig. 3 Logarithmic chart of ecotoxicity IS of pollutants

研究同样对污染物的生态毒性进行聚类分析，结果如下：对于有机物，芘、 蒽为高毒性，菲、 苯并[a]蒽、 荧蒽为中毒性，芴、 萘、 苯并[a]芘、 苯胺、 4-硝基苯酚等为低毒性排放污染物； 对于金属，锌为高毒性，铜、 钒为中毒性，镍、 砷、 锑、 铬、 钴、 铊等为低毒性排放污染物. 其中高毒性和中毒性的污染物得分占有绝对优势，有机物和金属贡献率分别超过96%和89%，将其列为行业优先监管污染物.

污染物排入农村环境和城市环境会表现出不同的毒性特征. 为了掌握厂址选择对毒性的影响，研究计算了受纳环境为农村和城市两种情景下的人体及生态毒性总分(图 5).

图 5

Fig. 5

图 5 污染物受纳环境对毒性得分的影响 Fig. 5 Effects of pollutant receiving compartment on the toxicity score

结果显示，同样种类和数量的有机物，排入城市环境造成的人体毒性和生态毒性影响远高于排入农村环境，焦化企业从城市迁至农村的过程可以降低81.95%的人体毒性和59.22%生态毒性影响，而对金属的毒性无降低作用，甚至排入农村环境的人体和生态毒性还略高.

受纳环境对毒性的影响主要取决于污染物在不同环境介质中的迁移转化和暴露过程. 排入环境中的有机物通过一定时间的迁移和降解，其含量大幅度降低. 农村环境有利于有机物迅速扩散和降解，毒性影响衰减较快，而城市环境不利于污染物，尤其是气相污染物的迁移和降解，污染物环境停留时间长； 除此之外城市人口密集，人体暴露系数较高，因此有机物在城市排放造成的人体毒性远高于农村. 与有机物情况不同，排入环境中的金属首先在环境中沉积或生物富集，然后通过食用肉、 鱼、 奶等方式进入人体^[41]. 农村环境对金属的迁移转化无显著加快作用，而排入农村的污染物易在郊区的鱼类、 家禽体内富集，并对农村生态造成直接伤害，所以焦化企业迁至农村的过程不会降低金属的毒性影响，而增加了农村水体、 土壤受金属污染的威胁.

研究对单个有机物在厂址选择为城市和农村两种情景下的人体毒性影响进行计算(表 3). 表3结果显示，削减比例较高的污染物多为分子量低的多环芳烃以及苯系物，该类污染物可以在农村环境中得到迅速的降解，而芘、 荧蒽为4环多环芳烃，削减比例为57.82%和44.37%； 苯并[a]芘、 二苯[a,h］蒽为5环多环芳烃，削减比例为44.81%和34.94%. 可见多环芳烃类随着苯环数量的增加其毒性受厂址选择的影响越小，即使在农村环境中其毒性影响仍旧较高.

表 3(Table 3)

表 3 厂址选择对焦化有机物排放的人体毒性影响 Table 3 Effects of plant site changing on the human toxicity score of oraganics CAS编号 名称 城市 农村 毒性下降比例 /% IS/cases ·a-1 排序 IS/cases ·a-1 排序 50-32-8 苯并［a]芘 1.65×10-3 3 9.13×10-4 1 44.81 71-43-2 苯 1.80×10-3 2 4.55×10-4 2 74.72 91-20-3 萘 3.32×10-3 1 1.32×10-4 3 96.02 53-70-3 二苯[a,h]蒽 1.08×10-4 8 7.00×10-5 4 34.94 100-42-5 苯乙烯 1.58×10-3 4 2.61×10-5 5 98.35 108-88-3 甲苯 1.88×10-4 6 1.94×10-5 6 89.70 100-41-4 乙苯 1.23×10-4 7 1.11×10-5 7 90.94 86-73-7 芴 4.76×10-5 9 9.93×10-6 8 79.11 62-53-3 苯胺 3.01×10-4 5 6.49×10-6 9 97.84 129-00-0 芘 1.20×10-5 10 5.07×10-6 10 57.82 206-44-0 荧蒽 6.88×10-6 11 3.83×10-6 11 44.37 120-12-7 蒽 3.00×10-6 13 6.82×10-7 12 77.24 78-79-5 异戊二烯 5.17×10-6 12 5.59×10-8 13 98.92 83-32-9 苊 1.22×10-6 14 4.71×10-8 14 96.12 108-95-2 苯酚 2.16×10-7 16 3.40×10-8 15 84.30 95-63-6 1， 2， 4-三甲基苯 4.86×10-7 15 1.31×10-8 16 97.30 98-82-8 异丙基苯 1.11×10-7 17 1.11×10-8 17 90.04 95-48-7 2-甲基苯酚 8.61×10-8 18 6.56×10-9 18 92.38 105-67-9 2， 4-二甲基苯酚 2.51×10-8 19 1.98×10-9 19 92.13 总计 9.16×10-3 1.65×10-3 81.95

表 3 厂址选择对焦化有机物排放的人体毒性影响 Table 3 Effects of plant site changing on the human toxicity score of oraganics

从排序上来看，城市情景中优先污染物依次为萘、 苯、 苯并[a]芘，而在农村情景中萘的毒性得到大幅削减，其毒性排名降低为第三，而苯并[a]芘和二苯[a,h]蒽(城市排名第8)的排名分别升高为第一和第四. 而对于在两种情景中排序均较低的非优先污染物，排放地区对它们的排序影响较小. 由此可见农村情景在削减了有机物总体毒性的同时，也对优先污染物的排序产生了影响. 焦化厂由城市向农村外迁的过程，优先污染物由相对易降解的低分子量多环芳烃、 苯系物等，向难降解的高分子量多环芳烃发生转移. 因此对于厂址不同的焦化企业，其监管控制重点也应有所区别.