环境科学  2014, Vol. 35 Issue (5): 1962-1967   PDF    
引用本文
周腾耀, 曹莹, 覃璐玫, 张亚辉, 曾鸿鹄, 闫振广, 刘征涛. 应用生物配体模型（BLM）研究辽河与太湖水体中铜对大型溞的急性毒性[J]. 环境科学, 2014, 35(5): 1962-1967.
ZHOU Teng-yao, CAO ying, QIN Lu-mei, ZHANG Ya-hui, ZENG Hong-hu, YAN Zhen-guang, LIU Zheng-tao. Application of Biotic Ligand Model for the Acute Toxicity of Copper to Daphnia magna in Water of Liaohe River and Taihu Lake[J]. Environmental Science, 2014, 35(5): 1962-1967.
应用生物配体模型（BLM）研究辽河与太湖水体中铜对大型溞的急性毒性
周腾耀1,2, 曹莹2, 覃璐玫1, 张亚辉2 , 曾鸿鹄1 , 闫振广2, 刘征涛2    
1. 桂林理工大学环境科学与工程学院,桂林 541004;
2. 中国环境科学研究院环境基准与风险评估国家重点实验室,北京 100012
收稿日期：2013-7-29; 修订日期：2013-12-18.
基金项目：国家水体污染控制与治理科技重大专项（2012ZX07501-003）
作者简介：周腾耀(1989~),男,硕士,主要研究方向为重金属的联合预测与生态风险评价,E-mail:z_ty@foxmail.com
通讯联系人：张亚辉,zhangyahui@craes.org.cn; 曾鸿鹄,zenghonghu@glut.edu.cn
摘要：应用生物配体模型（BLM）预测我国辽河与太湖的丰水期和枯水期4个点位铜对大型溞的急性毒性（48 h-LC50），与实际水样的毒性试验结果进行比较. 结果表明，在辽河红庙子、太湖平台山和拖山这3个点位中的BLM预测48 h-LC50值为232.75~411.49 μg·L-1，实测48 h-LC50值为134.55~350.00 μg·L-1，两者具有较好的一致性，而辽河通江口点位，丰水期和枯水期BLM 预测48 h-LC50值与实测值相差较大. BLM预测结果与实测结果得到的水效应比（WER）范围分别为2.18~5.79与1.88~11.15，均大于1. 各点位的枯水期Cu对大型溞的急性毒性均大于丰水期，可能是Cu与溶解性有机质（DOC）络合降低了其毒性.
关键词： 生物配体模型     Cu     大型溞     急性毒性     辽河     太湖    
Application of Biotic Ligand Model for the Acute Toxicity of Copper to Daphnia magna in Water of Liaohe River and Taihu Lake
ZHOU Teng-yao1,2, CAO ying2, QIN Lu-mei1, ZHANG Ya-hui2 , ZENG Hong-hu1 , YAN Zhen-guang2, LIU Zheng-tao2    
1. College of Environmental Science and Engineering, Guilin University of Technology, Guilin 541004, China;
2. State Key Laboratory of Environmental Criteria and Risk Assessment, Chinese Research Academy of Environmental Sciences, Beijing 100012, China
Abstract: The acute toxicity (48 h-LC50) of copper to Daphnia magna predicted by the biotic ligand model (BLM) was compared with the 48 h-LC50 measured in water samples from Liaohe River and Taihu Lake at four specific sites in wet and dry seasons. The results showed that 48 h-LC50 values predicted by BLM were 232.75-411.49 μg·L-1 and 48 h-LC50 values measured in the water samples were 134.55-350.00 μg·L-1 in three sites of Hongmiaozi of Liaohe River, Pingtaishan and Tuoshan of Taihu Lake, which had a better consistency. While for Tongjiangkou of Liaohe River, there was a difference between the BLM predictions and the measured values in wet and dry seasons. According to the predictions and the experimental results, water effect ratios (WERs) were in the range of 2.18-5.79 and 1.88-11.15 which all were higher than 1. The acute toxicity of Cu of all sites in dry season was greater than those in wet season, which might be that Cu complexation with dissolved organic matter (DOC) reduced the toxicity of Cu.
Key words: biotic ligand model(BLM)     copper     daphnia magna     acute toxicity     Liaohe River     Taihu Lake    

生物配体模型(biotic ligand model，BLM)是一种简便、 科学、 定量评估金属生物有效性的工具[1]，该模型考虑了各种水质参数以及不同形态重金属的生物有效性对水生生物毒性的影响，适用于不同地点或同一地点不同时间的水质参数的变化导致金属生物有效性或毒性差异的评价[2]. 目前开发出来的应用于淡水系统中重金属的BLM中，Cu-BLM是发展最为完善的，重金属如银、 镉、 锌、 镍、 钴和铅上的BLM模型应用也在建立和发展之中. 同时BLM在沉积物(s-BLM)[3]、 土壤(t-BLM)[4]、 河口与海洋[5,6]的重金属毒性也有应用研究. 受试生物的范围也在不断扩大，有鱼类[7]、 甲壳类[8]和藻类[9]，陆地植物如莴苣[10]、 动物如蚯蚓[11]、 发光菌[12]等.

Casares等[7]应用BLM对皮科马约河水样中的重金属Cu进行黑头呆鱼和十斑锉齿鳉的急性毒性预测，预测结果与试验结果存在较好的一致性. De等[13]在巴西Carajás地区水样应用BLM验证了Cu对网纹水溞的生物有效性. 美国环保署(USEPA)[14]和欧盟化学品管理局(ECB)[15]已经将BLM用于淡水系统中来推导铜的水质基准. 国内，吕怡兵等[16]与Wang等[17]应用BLM分别对Cu的虹鳟鱼和青鱂鱼毒性分别进行了预测，验证了BLM对鱼类预测结果的可靠性. 此外，对Zn的大型溞毒性的BLM模型的适用性进行了验证，并尝试了将BLM应用于对斑马鱼胚胎毒性的预测[18]. 由于我国只有少数学者报道了水质参数对重金属毒性的影响，无法建立起统一的重金属毒性数据与水质参数的相关关系[19]，从而对我国重金属如Cu的水质基准开展系统的研究. 本研究选取中国太湖与辽河不同时期的水样，开展Cu对大型溞(Daphnia magna)的急性毒性试验，应用BLM模型对实际水体的毒性进行预测，分析我国河流湖泊水样水质参数对铜急性毒性的影响，以期为我国采用BLM模型推导铜的水质基准提供基础数据.

1 材料与方法 1.1 材料

试剂：CuSO4 ·5H2 O为国产分析纯试剂.

仪器：美国Aglient ICP-MS，美国Aurora TOC分析仪，哈希DR2800紫外分光光度计，哈希pH仪.

1.2 样品采集

采集辽河与太湖水体水样，每种水体设置2个采样点，辽河上、 下游各一个，太湖湖心、 岸边各一个，同时避免选取有严重人为污染的水体，取样深度不超过50 cm. 辽河采样点设在红庙子(纬度：41°27.364′N； 经度：122°37.318′E)与通江口(纬度：42°36.979′N； 经度：123°39.651′E)； 太湖采样点设在拖山(纬度：31°24.242′N； 经度：120°10.805′E)与平台山(纬度：31°13.014′N； 经度：120°05.079′E). 每个采样点采集水样40 L，分别置于20 L聚乙烯容器(用20%的稀硝酸溶液浸泡24 h后用去离子水冲洗3次)并尽快运回实验室.

1.3 样品水质参数测定

水样到达实验室后，在4℃下避光保存，使用前用滤膜(孔径0.45 μm)过滤. 水质参数的测定和毒性试验在取样后两周内完成在相似水化学条件下，试验前后测试溶液中主要阴、 阳离子的浓度没有发生显著变化[20]. 因此，本试验只测定了初始水样中主要阴、 阳离子(Ca2+、 Mg2+、 Na+、 K+、 SO2-4和Cl-)与总溶解性有机碳DOC的浓度. 本研究水样中的硫化物未进行测定，以默认值1×10-10代替[18].

1.4 大型溞的急性毒性抑制试验

试验选用出生6～24 h，活泼、 健康且大小基本一致的由孤雌生殖得到的幼溞，且在试验过程中不喂食. 为使试验水样达到化学平衡，将所有水样在毒性试验前放置1 d(21℃±1℃). 参照国家化学品溞类急性活动抑制试验(GB/T 21830-2008)，用超纯水配成CuSO4 ·5H2 O储备液(4℃下避光保存)，并加入到已过膜的水样中，按照几何级数的浓度系列设计5个Cu浓度，浓度范围50~800μg ·L-1，每个浓度设4个平行，每个平行加入5只幼溞，每种水样一组空白对照. 毒性试验在21℃的培养箱中进行48 h，光暗比为16 h ∶8 h，试验过程中及时把死亡的大型溞挑出，并统计每个浓度下死亡大型溞总数.

1.5 数据处理

采用SPSS 18概率单位回归计算Cu对大型溞的48 h-LC50，采用BLM 2.2.3软件进行Cu化学形态分析和48 h-LC50的预测.

2 结果与分析 2.1 水质参数分析

采集水样和实验室曝气自来水的理化参数见表 1，从中可以看出，水样pH、 Cl-、 SO2-4变化范围不大； 太湖枯水期K+、 Ca2+和Na+浓度比其他水样高； 辽河枯水期Mg2+浓度比丰水期水样高出100倍，比同时期太湖水样高5倍左右； 辽河点位的碱度高于太湖点位2~3倍. 从总体上看，大部分阴、 阳离子的浓度枯水期要比丰水期高，如Mg2+和SO2-4等； 而与之相反，丰水期的DOC浓度要比枯水期要高. 在辽河通江口水样中DOC明显高于其它点位，这可能与该地区同时受到严重的工业污染和农业面源污染，其中有机物污染问题严重[21]. 曝气自来水pH高于所有水样，但其他水质参数远远低于水样.

表 1 水样水质参数测定结果1) Table 1 Water quality parameters and measured results of water samples
2.2 Cu对大型溞的实测和预测毒性数据比较

采集的原水对大型溞的急性抑制毒性结果和BLM预测结果如表 2所示，48 h-LC50实测值均小于预测值，即实测毒性结果均大于预测毒性结果，在辽河红庙子、 太湖平台山和拖山这3个点位，在丰、 枯水期BLM模型预测Cu对大型溞的48 h-LC50为232.75~411.49 μg ·L-1，实测毒性48 h-LC50为134.55~350.00μg ·L-1，二者之间的比率为1.16~1.73. 对于辽河通江口，丰水期和枯水期48 h-LC50预测值分别为793.66μg ·L-1和533.91μg ·L-1，48 h-LC50实测值结果分别为244.45μg ·L-1和155.69 μg ·L-1，二者差距较大，主要原因可能是由于水质参数DOC的差异性造成的.

表 2 Cu对大型溞的48 h-LC50实测值和BLM模型48 h-LC50预测值 /μg ·L-1 Table 2 Experimental 48 h-LC50 and the predicted 48 h-LC50 by BLM model of Cu to Daphnia magna/μg ·L-1

由表 2可知，枯水期48 h-LC50均比丰水期低，表明枯水期Cu急性毒性大于丰水期. 由表 1中水质参数对比分析发现，大部分阴、 阳离子的浓度枯水期要比丰水期高，与之相反，丰水期的DOC浓度要比枯水期要高. BLM对Cu的形态分析如图 1所示，在各点位中Cu2+浓度在48 h-LC50时主要是以有机络合态存在的，达到88.3%~99.1%，其次是CuCO3、 CuHCO+3，占0.9%~11.2%，其他形态Cu[CuOH+、 Cu(OH)2、 CuSO4、 Cu(CO3)2-2、 CuCl+和游离态Cu2+]所占不到0.5%，其中丰水期各个点位的有机络合态Cu(97.7%~99.1%)高于枯水期(88.3%~96.7%).

图 1 BLM对各点位Cu形态分析 Fig. 1 Cu speciation analysed by BLM on each site F：丰水期，K：枯水期，下同
2.3 水效应比

水效应比(water effect ratio，WER)是以实际水样测定的毒性结果与实验室水测定毒性结果的比值，WER考虑了特定点(site-specific)水质特性(包括DOC、 pH和碱度等)对铜生物有效性的影响，EPA[22]规定特定点水质基准为国家水质基准与水效应比的乘积，计算公式如下：

式中，WER为水效应比； LC50(site specific)为以现场实际水样测定的毒性结果； LC50(lab)为实验室标准试验测定毒性结果； WQCsite specific为特定点水质基准； WQC为水质基准.

如图 2所示，红庙子、 平台山和拖山这3个点位在丰水期和枯水期的WERs预测值与WERs实测值分别为3.27~5.79与1.88~4.90，二者具有较好的一致性. 对于辽河通江口点位，WERs预测值与WERs实测值分别为2.18~3.42与7.50~11.15，二者差距较大. 根据预测结果与测试结果得到的水效应比均大于1.

图 2 WERs预测值与实测值的比较 Fig. 2 Comparison of predicted WERs and measured WERS
3 讨论

在国内BLM模型被用来替代生物试验进行Cu对水生生物的急性毒性预测已有成功应用的范例. 吕怡兵等[16]在研究珠江、 长江、 淮河、 松花江12个点位应用BLM模型预测Cu对虹鳟鱼LC50为0.13~0.46mg ·L-1，与测试结果0.11~0.47mg ·L-1相符合. 本研究中，辽河的红庙子与太湖的平台山、 拖山这3个点位在丰水期和枯水期BLM模型预测Cu对大型溞的48 h-LC50为232.75~411.49μg ·L-1，实际测试48 h-LC50为134.55~350.00μg ·L-1，二者之间的比率为1.16~1.73，预测结果与测试结果具有较好的一致性.

本研究中所有采样点位的枯水期48 h-LC50均比丰水期低，表明枯水期原水中Cu对大型溞的急性毒性大于丰水期. Cu与有机物或无机物络合都可能降低游离态的Cu2+[23, 24]，直接影响生物配体的运输和渗透性能[25]，从而降低了Cu的生物有效性. 在本研究中所有点位的枯水期原水DOC含量比丰水期低，而枯水期的无机态离子普遍要高于丰水期. 采用BLM对所有采样点位中Cu形态分析可以看出，Cu在48 h-LC50时主要以有机络合态Cu存在，丰水期质量分数(97.7%~99.1%)高于枯水期(88.3%~96.7%)，其次是无机物络合形态Cu，丰水期和枯水期均小于12%，游离态Cu2+含量非常低. 由此可以得出，Cu与有机物络合对生物有效性起着主要作用，对大型溞的急性毒性影响最大，造成丰水期的毒性低于枯水期. 此外，有机络合态Cu可能会附着在配体的上皮细胞表面的黏液上，分解后可以再释放出游离态Cu2+，然后结合到配体组织上产生毒性效应. 然而，这个分解过程Cu的吸收速率与游离Cu2+相比要慢得多[26]. 这也可能是王春艳[1]应用BLM预测Cu对中国湘江与三峡库区水体大型溞急性毒性48 h-LC50为23.16~133.9 μg ·L-1，与本研究中48 h-LC50预测值为232.75~793.66μg ·L-1存在差异性的主要原因. 如湘江、 三峡水库的DOC(0.90~5.30mg ·L-1)比太湖、 辽河DOC(4.99~20.12mg ·L-1)低4倍左右，中国不同水系由于水质参数的不同，即使在相同的总Cu浓度下，所表现的毒性亦有很大差别.

对于辽河通江口，丰水期和枯水期48 h-LC50预测值结果分别为793.66μg ·L-1和533.91μg ·L-1，48 h-LC50实测值结果分别为244.45μg ·L-1和155.69μg ·L-1，二者差距较大. 在辽河通江口水样中DOC、 碱度相对较高，达到自来水的5~10倍，可能影响到实际试验结果. 研究表明在更为复杂的高有机物含量、 碱度和颗粒物含量[7, 17, 27]的地表水中，BLM对重金属毒性的预测差异性较大，有待进一步研究.

根据预测结果与实测结果得到的WER范围分别为3.27~11.15与1.88~4.90，均大于1，说明实验室水测试毒性大于实际水样测试毒性，基于实验室水得到的Cu的水质基准对于采样点位的Cu含量要求实际上是一种“过保护”.

4 结论

BLM模型对辽河红庙子、 太湖平台山、 太湖拖山点位的大型溞48 h-LC50预测结果与实测结果具有较好的一致性，而在辽河通江口点位，丰水期和枯水期BLM 预测48 h-LC50值与实测值相差较大. 枯水期Cu的急性毒性大于丰水期，可能是因为Cu与溶解性有机质(DOC)络合对于生物有效性起着主要作用，降低了Cu对大型溞的毒性.

参考文献
[1] 王春艳. 生物配体模型预测中国典型河流水体铜毒性及其水质基准指标应用研究[D]. 武汉: 武汉大学, 2012.
[2] USEPA. The biotic ligand model: technical support document for its application to the evaluation of water quality criteria for copper[R]. Washington: Office of Science and Technology Health and Ecological Criteria Division, 2003.
[3] Maruya K A, Landrum P F, Burgess R M, et al. Incorporating contaminant bioavailability into sediment quality assessment frameworks[J]. Integrated Environmental Assessment and Management, 2012, 8 (4): 659-673.
[4] Lock K, De Schamphelaere K A C, Becaus S, et al. Development and validation of an acute biotic ligand model (BLM) predicting cobalt toxicity in soil to the potworm Enchytraeus albidus [J]. Soil Biology and Biochemistry, 2006, 38 (7): 1924-1932.
[5] De P A, Scrimshaw M D. Challenges for the development of a biotic ligand model predicting copper toxicity in estuaries and seas[J]. Environmental Toxicology and Chemistry, 2012, 31 (2): 230-238.
[6] Ndungu K. Model predictions of copper speciation in coastal water compared to measurements by analytical voltammetry[J]. Environmental Science & Technology, 2012, 46 (14): 7644-7652.
[7] Casares M V, De C L, Seoane R S, et al. Measured copper toxicity to cnesterodon decemmaculatus (pisces: poeciliidae) and predicted by biotic ligand model in Pilcomayo river water: a step for a cross-fish-species extrapolation[J]. Journal of Toxicology, 2012, Article ID 849315, doi: 10.1155/2012/849315.
[8] Paquin P R, Santore R C, Wu K B, et al. Revisiting the aquatic impacts of copper discharged by water-cooled copper alloy condensers used by power and desalination plants[J]. Environmental Science & Policy, 2000, 3 (S1): S165-S174.
[9] Creémazy A, Campbell P G, Fortin C. The biotic ligand model can successfully predict the uptake of a Trivalent Ion by a unicellular Alga below pH 6. 50 but not above: possible eole of hydroxo-apecies[J]. Environmental Science & Technology, 2013, 47 (5): 2408-2415.
[10] Yen L T, Vijver M G, Jan H A, et al. Modeling toxicity of binary metal mixtures (Cu2+-Ag+, Cu2+-Zn2+) to lettuce, Lactuca sativa, with the biotic ligand model[J]. Environmental Toxicology and Chemistry, 2013, 32 (1): 137-143.
[11] Steenbergen N T, Iaccino F, De Winkle M, et al. Development of a biotic ligand model and a regression model predicting acute copper toxicity to the earthworm Aporrectodea caliginosa[J]. Environmental Science & Technology, 2005, 39 (15): 5694-5702.
[12] An J, Jeong S, Moon H S, et al. Prediction of Cd and Pb toxicity to Vibrio fischeri using biotic ligand-based models in soil[J]. Journal of Hazardous Materials, 2012, 203-204 : 69-76.
[13] De C F, Ciminelli V S, De M V, et al. Contribution of the biotic ligand model (BLM) for copper water quality criteria in the Carajás region, Brazil-acute toxicity[R]. Brazil: INCT-ACQUA, Institute of Science and Technology for Mineral Resource, Water and Biodiversity, 2010.
[14] USEPA. Aquatic life ambient freshwater quality criteria-copper[R]. Washington DC: Office of Water, 2007.
[15] Van S P, Vangheluwe M, Van H A, et al. European union risk assessment report: copper, copper (Ⅱ) sulphate pentahydrate, copper (Ⅰ) oxide, copper (Ⅱ) oxide, dicopper chloride trihydroxide (Part 1)[R]. Voluntary risk assessment. Environmental effects. Chapter 3.2, Part 1. Brussels, Belgium; European Copper Institute, 2007.
[16] 吕怡兵, 李国刚, 宫正宇, 等. 应用 BLM 模型预测我国主要河流中Cu的生物毒性[J]. 环境科学学报, 2006, 26 (12): 2080-2085.
[17] Wang C Y, Chen H, Wu K B, et al. Application of the biotic ligand model to predict copper acute toxicity to Medaka fish in typical Chinese rivers[J]. Water Science & Technology, 2011, 64 (6): 1277-1283.
[18] 陈中智, 朱琳, 姚琨, 等. Ca2+ 与 Pb2+ 相互作用对斑马鱼胚胎毒性效应的影响[J]. 环境科学, 2009, 30 (4): 1205-1209.
[19] 吴丰昌, 冯承莲, 曹宇静, 等. 我国铜的淡水生物水质基准研究[J]. 生态毒理学报, 2011, 6 (6): 617-628.
[20] De Schamphelaere K A C, Janssen C R. A biotic ligand model predicting acute copper toxicity for Daphnia magna: the effects of calcium, magnesium, sodium, potassium, and pH[J]. Environmental Science & Technology, 2002, 36 (1): 48-54.
[21] 张峥, 彭跃, 卢雁, 等. 辽河水体有机污染来源判别[J]. 环境科学与管理, 2011, 36 (1): 19-21.
[22] US EPA. Interim guidance on the determination and use of water-effects ratios for metals[R]. Washington DC: Office of Science and Technology, 1994.
[23] Di T D, Allen H E, Bergman H L, et al. Biotic ligand model of the acute toxicity of metals. 1. Technical basis[J]. Environmental Toxicology and Chemistry, 2001, 20 (10): 2383-2396.
[24] Craven A M, Aiken G R, Ryan J N. Copper (Ⅱ) binding by dissolved organic matter: importance of the copper-to-dissolved organic matter ratio and implications for the biotic ligand model[J]. Environmental Science & Technology, 2012, 46 (18): 9948-9955.
[25] Matsuo A Y, Playle R C, Val A L, et al. Physiological action of dissolved organic matter in rainbow trout in the presence and absence of copper: sodium uptake kinetics and unidirectional flux rates in hard and softwater[J]. Aquatic Toxicology, 2004, 70 (1): 63-81.
[26] Tao S, Xu S, Cao J, et al. Bioavailability of apparent fulvic acid complexed copper to fish gills[J]. Bulletin of Environmental Contamination and Toxicology, 2000, 64 (2): 221-227.
[27] Erickson R J. The biotic ligand model approach for addressing effects of exposure water chemistry on aquatic toxicity of metals: genesis and challenges[J]. Environmental Toxicology and Chemistry, 2013, 32 (6): 1212-1214.