没有监测数据也能算：三级暴露模型评估热带食物链中野生动物的农药风险

2026年10月23日浏览: 0
STAR PROTOCOLS · 每日一篇 · 第 011 期

没有监测数据也能算：三级暴露模型评估热带食物链中野生动物的农药风险

原文：Chen S, Li Z（中山大学深圳校区生物安全学院）, STAR Protocols (2026)｜DOI: 10.1016/j.xpro.2026.104824｜PMC13579416｜2026-09-07｜开放获取｜中文编译解读 · 2026-10-19

这篇方案解决什么问题

农药通过喷施飘移、地表径流、淋溶、挥发和大气沉降等途径进入环境，沿着"土壤 → 植物 → 食草动物 → 食肉动物"的陆地食物链层层传递。可野生动物的组织残留监测数据极其稀缺，传统暴露评估常常"无米下锅"。

这套方案给出基于生理动力学（PBK）的整合建模框架，在数据有限的前提下完成定量、可溯源、空间可分辨的风险评估。核心武器有三层：

  1. 数据汇编 + 区域污染评分：系统检索 2000–2024 年文献中自然保护区等未受扰环境的土壤、野生植物、野生哺乳动物肝脏农药浓度，计算相对全球均值的污染评分 S；
  2. 三级（Tier 1/2/3）暴露估计：实测组织浓度优先（Tier 1，用生物转移因子 BTF 反推每日摄入量 ADD），其次实测植物浓度（Tier 2），最后是 Trapp 蒸腾驱动的土壤-植物机制模型模拟（Tier 3）——证据层级越靠后，不确定性越大；
  3. 风险量化 + 不确定性分析：算非致癌危害商 HQ（=ADD/RfD）与生态致癌风险 ECR（=ADD×OSF），蒙特卡洛模拟给 95% 置信区间，Sobol 分析定位不确定性主因。

创新点：打通"由内向外"双向建模——既用低营养级污染推断高营养级膳食暴露，也能用有限的内部组织负荷反推外部暴露剂量；每个公式的来源与改编方式均在补充材料 Table S1 中溯源。

模型核心假设（开始前必须理解）

假设 内容 适用与风险
稳态条件 暴露期内组织与环境浓度稳态（摄入=消除），是使用 BTF 与反推日摄入量的前提 适用慢性持续暴露；脉冲式暴露下可能高估或低估
线性剂量-效应 外剂量（ADD）与毒理学终点线性相关 与 USEPA 致癌物低剂量线性外推、非致癌物阈值法一致
物种外推 缺目标物种 BTF/生理参数时用近缘物种或异速缩放 不确定性在 Step 22 量化；代谢能力差异大时可能有偏
组织浓度≈膳食暴露 实测肝浓度主要反映膳食摄入，忽略吸入/皮肤/饮水 适合高口服生物利用度的亲脂性农药；高挥发性/水溶性化合物可能低估
植物吸收由蒸腾驱动 农药主要随蒸腾流从土壤进叶片 最适合 log Kow 1–4 的中等疏水化合物、无水分胁迫条件
全球均值有代表性 污染评分 S 以采样点数加权的全球均值为基准 受数据地理分布不均影响

材料与资源清单

类别 名称 来源 / 标识
化学品 农药标准品（如需分析确证） Sigma-Aldrich 或同等，按 CAS 号
数据 全球自然保护区土壤/野生植物/野生哺乳动物农药残留数据集（2000–2024） Chen & Li (2026)，doi:10.1016/j.isci.2026.115870
软件 Microsoft Excel 2021 Microsoft
软件 R 4.2.2 + RStudio 2025.09.2+418 R Core Team / RStudio（RRID: SCR_000432）
软件 ArcGIS 10.8（空间制图） Esri（RRID: SCR_011081）
软件 Origin 2024（可视化） OriginLab（RRID: SCR_014212）
其他 参考文献管理器 Mendeley RRID: SCR_002750

数据库：PubChem / CAS Common Chemistry（逐条核对农药 CAS 号）；USEPA IRIS（RfD、OSF 毒理学参数）。
联系人：Lead/Technical contact Zijian Li（lizijian3@mail.sysu.edu.cn）。本研究不产生新试剂，代码包含在文章中。

数据字段规范（本方案的"配方表"）

这是计算类 protocol，"配方"就是数据表结构。所有浓度必须统一单位后入库（Excel .xlsx）：

字段组 必录字段 处理规则
浓度数据 农药名、平均浓度、单位 动物肝浓度统一 mg·kg−1 lw（脂重）；土壤与植物按原文单位并注明干重/湿重
元数据 采样点名与坐标、年份、LOD/LOQ 无均值用中位数或区间中点；未检出值以 LOD/LOQ 替换，防向下偏倚
化学标识 CAS 号 PubChem 逐条核对
物种信息 学名/英文名、食性类 食草/食肉/杂食三类；多器官数据优先取肝脏

分步方案

第一部分：数据收集（Steps 1–5）

  1. 定检索策略与数据源：Web of Science 核心合集为主库（可加 PubMed/Scopus），时间 2000–2024。关键词三组模式：（环境介质）AND（农药词）AND（污染指标词），组内同义词 OR 连接——哺乳动物："wild herbivores" OR "wild omnivores" OR "wild mammals" OR "wild animals"；土壤："ecological/highland/mountain/forest/grassland/hilly/plain soil"；植物："wild plants" OR "vegetation" OR "shrubs" OR "wildflowers" OR "weeds" OR "trees"；农药词与指标词：pesticide/insecticide/herbicide/fungicide + residuals/pollution/concentration；
  2. 导出并获取全文：引文按 RIS/CSV 导出，全文与补充材料入文献管理器；
  3. 按纳入标准筛选：采样必须在自然未受扰环境（自然保护区、森林、草原），排除农业用地或直接施药区；哺乳动物须报告肝浓度（多器官优先肝）并标注食性类；必须有数值浓度与基本元数据；同行评审期刊、采样 2000–2024；土壤/植物研究同理；
  4. 排除标准：剔除综述、meta 分析、纯建模研究和无原始浓度数据的国家监测汇总；
  5. 数据入库：按字段规范建 Excel 表，统一单位、补 CAS 号、LOD/LOQ 替换未检出值。

第二部分：计算区域污染评分（Step 6）

对每个国家/空间单元，将各采样点浓度相对全球加权均值（按采样点数 Q 加权）取对数偏差，再对站点与农药双重平均：

S = (1/M)·Σm { (1/N)·Σn [ Log(Cn,m·I(Cn,m) + LOD·I(LOD)) − log C̄n ] }，log C̄n = (1/Q)·Σ log Cn

分别对土壤（Ssoil）、野生植物（Splant）、哺乳动物（Sanimal）各算一个 S。NOTES 是相对指标——高于全球平均≠有生态风险，必须与 ADD 和毒理学基准联用。

第三部分：三级分层暴露估计（Steps 7–10）

分层逻辑：实测组织 > 实测植物 > 土壤-植物模拟；从 Tier 1 到 Tier 3 不确定性区间逐级扩大。

Tier 1——由实测肝浓度反推（Steps 7–8）：取物种-组织特异的 BTF（本文肝 BTF 见补充材料；查不到用异速缩放或近缘物种值并记录不确定性）与物种平均体重 BW（kg），反推每日摄入量：

ADDspecies = Cspecies,tissue / (BTFspecies,tissue × BWspecies)　（mg·kg−1 bw·d−1）

完整记录浓度来源、BTF 值及来源、所用体重与 ADD 结果。

Tier 2——由实测植物浓度顺推（Step 9）：

  • 食草动物直接由植物浓度算：ADDherbivores,2 = (Cwild plant × IRherbivores) / BWherbivores（IR 为摄食率）；
  • 预测食草动物组织浓度：Cherbivores,tissue = BTF × IR × Cwild plant，按组织权重加权得 C̄herbivores；
  • 食肉动物：ADDcarnivores,2 = (C̄herbivores × IRcarnivores) / BWcarnivores，同法得 C̄carnivores；
  • 杂食动物按膳食构成混合：ADDomnivores,2 = (fp·Cplant + fh·C̄herbivores + fc·C̄carnivores) × IRomnivores / BWomnivores（fp/fh/fc 为三类食物占比，Σ=1）。

Tier 3——由土壤浓度经机制模型模拟（Step 10）：先用蒸腾驱动的土壤-植物转移模型算植物富集因子 BAF：

QH = (ρAir·cp·LAI)/(ρWater·ΔHVap·γ) × (sΔT+VPD)/(RS+RAir) × 86400　（叶蒸腾通量，L·d−1）
s = 2.50×106·e^(17.2(TAir−273.15)/(TAir−35.85)) / (TAir−35.85)2；　VPD = 610.78·(1−RHAir/100)·e^(17.2(TAir−273.15)/(TAir−35.85))
ΔT = 31.145−0.1·TAir；　kd = Koc×foc；　KLA = (WL + LL·(Koc)cc/ρoc) / KAW
BAFplant = [QH·(1/kd)] / [AL·H·g·(1000/KLA) + λL·H·ML]　（无量纲；AL、H、g、λ、M 等参数见补充 Table S2）

模拟植物浓度：CPlant model,dry = Csoil × BAFplant（干重），再按含水率转湿重：CPlant model,wet = CPlant model,dry × (1−含水率)——草本默认 0.8、木本 0.5。最后把湿重模拟浓度代入 Tier 2 全流程得三个食性类的 Tier 3 ADD。

CRITICAL模拟浓度初始为干重，代入膳食计算前必须转湿重，否则 ADD 会被系统性高估。

第四部分：暴露与生态风险计算（Steps 11–13）

  1. 取毒理学基准：USEPA IRIS 等权威来源（补充 Table S3）——经口参考剂量 RfD（mg·kg−1 bw·d−1，非致癌）与经口斜率因子 OSF（per mg·kg−1 bw·d−1，致癌）；
  2. 算风险指标：HQ = ADD/RfD（缺 RfD 不计算）；ECR = ADD×OSF（缺 OSF 不计算）；作图统一转常用对数 Log10HQ、Log10ECR；
  3. 汇编结果：按物种、国家、暴露路径记录全部输入输出；每个"物种×农药"组合归入五类——(i) 仅非致癌危害、(ii) 仅致癌风险、(iii) 双重风险、(iv) 未检出风险、(v) 数据不足，并记录所有数据缺口。

第五部分：污染与风险空间制图（Steps 14–20）

  1. 下载边界数据：行政单元/流域矢量图层（ArcGIS Hub 等开放平台）；
  2. 导入 ArcGIS：shapefile 以面图层加载；
  3. 导入属性表：污染评分表（国家名 + Ssoil/Splant/Sanimal）与风险指标表（国家名 + Log10HQ、Log10ECR，按 Tier 分）；
  4. 属性连接：用国家标识符把数据挂到边界多边形；
  5. 污染评分图：每个评分字段分级色彩 5 类渲染，产出 5 张图（土壤、野生植物、哺乳动物食肉/杂食/食草）；
  6. 风险指标图：按 Tier 渲染，可选标记超阈值区域；无数据国家填灰标 "No data (NA)"；产出 6 张单图或 3 张双拼（致癌+非致癌）；
  7. 成图导出：加指北针、比例尺、图例与标题，≥300 dpi 导出 TIFF/PNG 或 PDF。

第六部分：不确定性量化与敏感性分析（Steps 21–22）

蒙特卡洛模拟（Step 21）：按"物种×农药×国家"取 ADD 点估计；对每个不确定输入（实测残留、log Kow 等）建对数正态分布——文献无变异信息时默认变异系数 CV = 0.3，RfD 与 OSF 视为固定值；迭代 10,000 次并固定随机种子（set.seed）保证可复现；每次算 HQ 与 ECR，取第 2.5/97.5 百分位为 95% CI；核密度图展示模拟值分布，中位数与置信区间存 CSV。

Sobol 方差分解（Step 22）：选研究充分的"捕食者×污染物"组合，分别对 Tier 1 与 Tier 3 做；参数范围取文献值或点估计 ±20%–30%（Tier 1：肝浓度、体重、摄食率、OSF 等；Tier 3：Csoil、Koc、植物参数与兔/狐体重摄食率）；Saltelli 采样，总运行次数严格遵循原文——Tier 1 为 2,000 次、Tier 3 为 10,000 次（基础样本量 N = 总次数/(2D+2)，D 为参数个数）；每组参数算 ECR，得一阶指数 S1 与总效应指数 ST，bootstrap 200–500 次估计 95% CI。解读：S1 量化直接贡献，ST 远大于 S1 说明强交互；原文报道体重与摄食率是 ECR 不确定性的最大贡献者。

注意事项

  • 稳态假设的双刃剑：组织残留随消除、代谢、生长稀释而下降，单点测量未必代表完整暴露历史，间歇/脉冲暴露慎用 Tier 1 反推；
  • BTF 外推必须留痕：用替代物种或默认值（如大鼠 BTF 加安全系数 2）要明确记录外推方法；
  • S 评分只作横向比较：不是毒理学安全阈值；
  • 地理代表性偏差：原始应用 100 项研究仅覆盖 30 国，北美/欧洲/部分亚洲密集，非洲、大洋洲、中亚严重不足——"高风险区"部分是文献分布的映射。

Troubleshooting

问题 可能原因 解决方案
极端浓度值扭曲污染评分 S（Step 6） 少数采样点极高/低浓度放大对数偏差 箱线图或 Grubbs 检验找离群值；剔除 >99 或 <1 百分位后重算，同时报告原始与修剪后的 S
目标物种缺 BTF（Step 8） 物种-组织组合无文献值（如狐肝） 近缘物种异速缩放；或替代物种 BTF（大鼠值+安全系数 2）并记录外推；对 BTF ±50% 做敏感性分析
Tier 2 与 Tier 3 的 ADD 差异悬殊（Steps 9–10） 采样点/年份不同或单位换算出错 始终优先 Tier 2（实测植物更接近真实暴露路径）；差异超一个数量级时排查采样点、年份与单位；两个估计都放补充材料
Trapp 模型参数缺失（Step 10） 气温、湿度、叶面积、气孔阻力等在偏远地区拿不到 用补充 Table S1 的默认值，记录缺参影响
蒙特卡洛不收敛或太慢（Step 21） 输出分布长尾，或 Tier 3 参数太多 迭代加到 50,000–100,000 次并跟踪中位数/95 分位滑动均值判收敛；R 中 foreach 并行；固定 CV<10% 的参数；或改用 2,000–5,000 次拉丁超立方抽样

预期结果

三组核心产出：

  1. 区域污染评分（Ssoil、Splant、Sanimal）：各国/空间单元农药污染水平相对全球均值排序；
  2. 分 Tier 的每日摄入量（ADD）：食草/食肉/杂食动物分别得到基于实测组织（Tier 1）、实测植物（Tier 2）或土壤-植物模型（Tier 3）的估计；
  3. 风险指标：每个"物种×农药"组合的 HQ 与 ECR，附蒙特卡洛 95% 置信区间。

全部结果汇编为结构化表格并绘制成空间地图，支持跨区域、跨营养级比较，可用于识别高风险区域与数据空白、为后续监测优先级排序提供依据。

局限性

  1. 毒理学基准是人类健康导向的：RfD 与 OSF 主要来自 USEPA IRIS，未考虑野生动物类群的生理与代谢差异；HQ 与 ECR 应作筛查级指标而非确定性结论；
  2. PBK 参数外推有不确定性：BTF 等多来自实验室/家养动物；敏感性分析证实体重与摄食率是不确定性的主要驱动因素；
  3. 植物暴露模型验证不足：缺实测数据时套用原为果树设计的植物 PBK 模型并辅以 Trapp 模型，对野生草本尚未充分验证；
  4. 地理覆盖不均：原始应用仅覆盖 30 国，高风险区识别很大程度上反映文献分布；生态保护区出现的高风险估计恰恰暴露了野生动物组织与偏远生态系统的监测缺口；
  5. 污染评分本质是相对指标：必须与 ADD 和毒理学基准联用才有风险含义。
中文编译解读 · STAR Protocol 每日一篇 · 第 011 期（2026-10-19）｜原文开放获取（CC BY-NC-ND），DOI: 10.1016/j.xpro.2026.104824｜编译内容仅供参考，实验执行请以原文为准。

特别声明

1、本页面内容包含部分的内容是基于公开信息的合理引用；引用内容仅为补充信息，不代表本站立场。

2、若认为本页面引用内容涉及侵权，请及时与本站联系，我们将第一时间处理。

3、其他媒体/个人如需使用本页面原创内容，需注明“来源：[生知库]”并获得授权；使用引用内容的，需自行联系原作者获得许可。

4、投稿及合作请联系：info@biocloudy.com。

相关文章