图片摘要
成果简介
近日,由张敬杰教授团队主导的研究成果以“CharacterizingPFASs in Aquatic Ecosystems with 3D Hydrodynamic and Water Quality Models”为题发表在ESE上。文章通过将流域尺度上的三维水动力和水质模型相结合,对水生生态系统中全氟和多氟烷基化合物(PFASs)的归趋和迁移机制进行研究。研究中,通过在新加坡的一个水库中应用该集成模型,结合了水文、水动力和水质过程,量化了包括全氟辛酸(PFOA)和全氟辛烷磺酸(PFOS)在内的PFASs在水体、颗粒物和沉积物中的分布。这项研究不仅可以增强对影响表面活性剂污染物归趋和迁移机制的理解,而且为未来的研究建立了一个框架,以探索如何管控主导环境因素来减少水生生态系统中的新兴污染物污染。
引言
近年来,随着全氟和多氟烷基物质(PFASs)在环境中的广泛存在及其对生态系统和人类健康的潜在威胁,研究人员对其在水体中的行为和命运给予了高度关注。这些物质包括全氟辛酸(PFOA)和全氟辛烷磺酸(PFOS),它们常见于各种商业产品中,如防污剂、涂料等。这些化学物质广泛存在于环境中,并对生态系统和人类健康构成潜在威胁。因此,理解PFASs进入水生态系统的途径、归趋以及其在水环境中的迁移机制,变得尤为重要。由于PFASs在水体中涉及复杂的物理、化学和生物过程,其时空动态和迁移机制仍然未被充分了解。数值模型是评估环境中PFASs变化及有效恢复水生生态系统的有力工具,在流域或区域尺度上模拟有机污染物的归趋和迁移,需要结合不同环境介质中的过程,以确定目标污染物的迁移和沉积效率。本研究通过集成三维水动力和水质模型,结合新加坡河口水库的监测数据,深入探讨了PFASs,特别是全氟辛酸(PFOA)和全氟辛烷磺酸(PFOS)的分布和迁移转化,并评估了其对水生生态系统的潜在威胁。该研究为理解PFASs在水体中的行为机制提供了新的见解,并为未来的污染物治理研究奠定了基础。
图文导读
导读内容一:水质模型框架
图2显示了用于本研究的6个集成模型的框架。包括降雨-径流模型、排放模型、水动力模型、水质模型等。基于Delft3D水质建模工具,并结合了水动力学模型的输出数据,进一步模拟了PFASs在不同环境介质中的动态行为。研究还详细介绍了模型的校准过程,通过利用现场数据对模型的关键参数(如分配系数和降解速率等)进行调整,确保模拟结果与实际观测数据一致。S1站点的水柱中溶解态PFASs及其两个主要成分PFOA和PFOS的模拟浓度与实测浓度的对比如图2所示(2013年3月1日至2014年4月1日期间)。模拟的溶解态PFAS浓度与平均实测浓度相符,平均偏差<40%,但预测的浓度并未与2013—2014年模拟中的最大值和最小值完全吻合。鉴于流域监测计划中的污染物负荷信息很少,PFAS——包括全氟辛酸(PFOA)和全氟辛烷磺酸(PFOS)——的检测浓度极低,在分析过程中可能更容易出现较大的误差,因此认为这些结果总体上是可以接受的。
图1 流域尺度综合模拟方法
图2 在水库S1处观测到的(点)和模拟的(线)溶解全氟辛烷磺酸(a)、全氟辛酸(B)和全氟辛烷磺酸(c)的比较。
导读内容二:PFASs的时间动态分布
不同站点和不同水层中,溶解态PFASs的浓度随时间的动态变化如图4所示。研究发现,水库的底层往往具有更高浓度的PFASs,特别是在靠近流入河道的区域。在为期一年的模拟期间,水库中总溶解态PFAS浓度范围为11.5至309 ng/L。从2013年4月至6月和9月至12月,邻近支流(C1和C4)报告了较高的PFAS浓度,这解释了在靠近支流的S1和S2站点水库中高浓度的原因。而在S4站点,该水库中两条相邻河流汇合处,PFAS浓度相对较低。在S2站点的第3层和第4层(底层)中观察到较高的浓度,主要原因是PFASs通过沉降颗粒物被携带,并通过再悬浮和扩散过程与沉积物中的累积浓度发生交换。在靠近水闸的S3站点,因曝气器有相对较强的混合效果,导致观测结果有轻微的差异。PFASs的两个主要成分(即PFOA和PFOS)分别占溶解态PFASs的约8.7%~10.8%和10.9%~13.5%。除了总溶解态PFASs外,PFOA和PFOS在水柱不同水层中的溶解浓度也显示出显著差异。
图3 不同站点和特定位置(站点S2,b)的表层(第1层,a)PFAS总量的时间动态。
导读内容三:PFASs的分相分布及其在沉积物中的变化
大多数PFASs存在于溶解相中(超过95%),其次是吸附在有机颗粒物(如碎屑)上的部分(1.0%~3.5%)和浮游植物相关的部分(1%~2%)。虽然某些PFASs,尤其是那些碳链较长的化合物(6~10个碳原子),可能会吸附到有机颗粒物上,但由于水柱中颗粒物的质量远小于水的质量,因此吸附在有机颗粒物上的PFASs仅占总质量的一小部分。研究表明,增加有机颗粒浓度,尤其是浮游植物,可以通过吸附降低有机污染物在溶解相中的比例,降低环境中有机污染物带来的风险。
图4 水柱中不同相中PFAS的分数。上图显示了总体分布,而下图提供了分数范围为0.00~0.05的FrPFASs_DOC、FrPFASs_PHYT和FrPFASs_POC的详细趋势
注:FrPFAS_溶解:溶解相中PFASs的浓度分数;FrPFASs_DOC:与水中溶解有机碳相关的PFASs的浓度分数;FrPFASs_PHYT:与水中浮游植物相关的PFASs的浓度分数;FrPFASs_POC:与特定有机化合物相关的PFASs的浓度分数(无藻类部分)。
图5显示了在一年内沉积物中PFASs、PFOA和PFOS的变化情况。对底栖层PFASs的预测变化表明,沉积物中PFASs、PFOA和PFOS的总量多年来有所增加。研究发现,沉积物中PFASs的浓度逐年增加,支持了沉积物作为PFASs最终归宿之一的观点。
图5 沉积物中总PFAS在一年内的变化模拟变化
导读内容四:水库中PFASs的空间分布
图6显示了2013年11月(某一时点)水库中PFASs、PFOA和PFOS浓度的空间分布情况。PFASs和PFOA(图7a,b)的浓度在水库的西南部和北部水域较高,达到160 ng/L。这一结果与之前的观察一致,因为这两个区域受到了来自两条河流支流(C1和C4)的较高负荷影响。PFOS的浓度(图7c)在水库中也展现出相同的空间分布模式。较高的PFOS浓度出现在水库的西南部和北部区域,主要原因是附近流域(C1和C4)的高负荷输入。
图6 水库中PFASs(a)、PFOA(b)和PFOSs(c)的空间分布
导读内容五:负荷增加情境下PFOA和PFOS的浓度变化
为评估PFASs对水生生物的潜在风险,研究基于急性毒性数据确定了PFOS和PFOA的预测无效浓度(PNEC),在一年的模拟中,PFOS和PFOA的浓度均低于16 ng/L,其风险商数分别为<0.32和<0.00016,表明风险在可接受范围内。为了评估在假设情景下较高负荷的潜在风险,研究测试了三个假设情景,这些情景涉及集水区当前负荷增加2倍、5倍和10倍PFOA和PFOS浓度的变化(图7)。需要注意的是,负荷增加10倍时,仅在少数情况下预测的PFOA浓度超过了其PNEC值,而PFOS浓度几乎是其PNEC值的2倍。这突显了水库具有显著的缓冲能力,特别是在管理与PFOA相关的风险方面。即使在当前负荷增加10倍的情况下,其PNEC值也仅在集水区负荷较高的区域才被超出。在实施曝气的三个区域(图8,图9b,c)中,浓度相对较低。这表明水库中的曝气可能通过潜在的混合和稀释过程有助于减少污染物的积累。尽管根据测试的假设情景,对于负荷增加不超过5倍的情况,发现风险在可接受范围内,但PFAS及其成分在沉积物中的积累引发了对底栖生物潜在风险的担忧。
图7 在目前的污染负荷和水库污染负荷增加2倍、5倍和10倍的情况下,PFOA(a)和PFOS(B)的预测总浓度与预测无效应浓度的比较
图8 在水库中增加2倍(a)、5倍(b)和10倍(c)负荷的PFOA浓度预测平均值
图9 在水库中增加2倍(a)、5倍(b)和10倍(c)负荷的PFOS浓度预测平均值
小结
本研究开发的三维水质和PFASs模型有效地模拟了新加坡河口水库中PFASs的时空分布,并评估了其潜在的生态风险。研究结果表明,超过95%的PFASs存在于溶解相中,其次是吸附在有机颗粒(如腐殖质1.0%~3.5%)和浮游植物(1%~2%)上的部分。风险评估显示,PFOS和PFOA的风险商分别为<0.32和<0.00016,表明该水库内PFASs的风险水平可接受。即使外部负荷增加10倍,水库仍表现出显著的缓冲能力,尤其在应对PFOA的风险方面。本研究方法促进了相关研究,以更好地理解PFASs的归趋和迁移及其在不同介质中的动态分布,并探索其与其他状态变量,如浮游植物种类和营养物质的相互作用。此外,该方法可应用于PFASs的科学管理,并通过分析不同情景和优化水生生态系统中的处理措施来研究其他新兴污染物。未来,需要使用现有数据集对模型性能进行持续的验证和改进。
作者简介
第一作者:张敬杰教授,入选了国家创新人才计划。是资深的环境和生态领域的建模专家,在海洋水域、湖泊、水库、池塘和湿地水生模型的开发和应用方面拥有超过25年的实践经验。在中国、丹麦、美国和新加坡等地参与多个国家、联合国环境署、欧盟等国际项目。
通讯作者:Karina Yew-Hoong Gin,新加坡国立大学土木与环境工程系的教授。Gin教授合著的“The Environment in Asia Pacific Harbours”一书曾获奖UN Atlas of the Ocean award(2006),并共同获得Technology Enterprise Challenge(TEC)Innovator Award(2005)。Gin教授是Journal of Hazardous Materials的编辑,也是Environment Innovation & Technology期刊的副主编。
引用信息
Zhang, J., Huiting, C., Tung, N. V., Pal, A., Wang, X., Ju, H., ... & Gin, K. Y. H. (2024). Characterizing PFASs in Aquatic Ecosystems with 3D Hydrodynamic and Water Quality Models. Environmental Science and Ecotechnology 22: 100473.
推荐阅读
· 妊娠期PFAS暴露与子代出生体格关系:脐血脂肪酸的修饰效应
· 灰水再生利用
· 人工智能、物联网人工智能与城市数字孪生技术协同助力可持续智慧城市环境规划
高被引论文
以下数据基于Web of Science。
超过200次引用的文章有2篇
https://doi.org/10.1016/j.ese.2021.100107
https://doi.org/10.1016/j.ese.2021.100130
超过100次引用的文章有7篇
https://doi.org/10.1016/j.ese.2021.100134
https://doi.org/10.1016/j.ese.2022.100205
https://doi.org/10.1016/j.ese.2020.100077
https://doi.org/10.1016/j.ese.2022.100167
https://doi.org/10.1016/j.ese.2022.100145
超过50次引用的文章有13篇
https://doi.org/10.1016/j.ese.2022.100180
https://doi.org/10.1016/j.ese.2023.100237
https://doi.org/10.1016/j.ese.2022.100168
https://doi.org/10.1016/j.ese.2022.100165
期刊简介
在生态环境部黄润秋部长亲自提出和指导下,Environmental Science and Ecotechnology(ESE)于2020年1月正式创刊。ESE由中国科协主管,由中国环境科学学会、哈尔滨工业大学和中国环境科学研究院共同主办。ESE为双月刊,面向全球开放获取(全部论文皆可免费阅读、下载)。
ESE首届编委会由120位全球生态环境研究领域的顶级专家学者构成。哈尔滨工业大学任南琪院士担任主编,中国环境科学学会理事长、生态环境部环境规划院王金南院士和中国环境科学研究院吴丰昌院士担任副主编,俞汉青院士、Danny Reible院士等13位世界顶尖学者担任执行主编和执行副主编。
ESE已入选3个 “一区”,即中科院一区(大、小类)、JCR报告Q1区和中国科协高质量科技期刊T1区。2023年ESE获得首个完整影响因子12.6,最新影响因子为14.0,最新CiteScore为20.4。
期刊官网:https://www.sciencedirect.com/journal/environmental-science-and-ecotechnology