- 3 次围观
水生生态系统中的化学混合物及其潜在的鸡尾酒效应，已被公认为全球河流流域面临的一项威胁。概率风险方法在环境风险评估中正变得越来越常见，并为混合物风险表征等方法学挑战提供了新的机遇。浓度加和（CA）概念通常用于较低层级的风险评估（例如风险商之和），作为一种务实且具有保护性的办法。然而，另一种独立作用（IA）概念也可以较为容易地纳入概率风险计算之中（例如阈值超标的联合概率）。我们开发了一个用于整合这两种概念的多层级概率模型，并将其构建为一个面向对象的贝叶斯网络（BN）。首先，对单个物质计算概率风险商（RQ），即以环境浓度的概率分布除以环境阈值而得到。随后，在各物质组内部应用CA概念，对RQ分布进行求和。最后，在不同物质组之间应用IA概念，在假定作用方式相互独立的前提下，通过联合概率计算（“OR”表达式）对RQ分布进行组合。 预测暴露浓度来源于ENCORE归趋模型，该模型是一个基于过程的模型，用于模拟欧洲各河流流域中的化学物质。在此，我们展示了一项试点研究，聚焦于部分物质（15种农药）和部分河流流域（比利时境内），以作为概念验证。该试点研究的目的是通过在多层级贝叶斯网络中结合CA和IA概念，展示一种新颖的混合物风险表征概率方法。结果在不同情景之间以及与文献结果相比均表现出一致性，其中基于CA的风险表征略高于基于IA的风险表征。结合CA与IA的风险表征结果体现了一种合理的折中。对该贝叶斯网络进行敏感性分析，可以有效识别风险驱动物质及物质组的排序，从而支持化学物质优先排序和风险管理。
水生生态系统中的化学混合物及其潜在的“鸡尾酒效应”已被认为是全球各地流域面临的一种威胁。概率风险方法在环境风险评估中的应用日益普遍，并为混合物风险表征等方法学挑战提供了新的机遇。浓度相加（Concentration Addition, CA）概念通常被用于较低层级的风险评估（如风险商之和），作为一种务实且具有保护性的方式。然而，另一种独立作用（Independent Action, IA）概念也可方便地纳入概率风险计算（如阈值超标的联合概率）。
我们开发了一个多层级概率模型，用于整合这两种概念，并将其表述为一个面向对象的贝叶斯网络（Bayesian network, BN）。首先，针对单个物质计算概率风险商（RQ），其形式为环境浓度概率分布除以环境阈值的结果。随后，在物质组内部应用CA概念，对RQ分布进行求和。最后，在不同物质组之间应用IA概念，假定其作用方式彼此独立，并通过联合概率计算（“OR”表达式）对RQ分布进行整合。预测暴露浓度来自ENCORE归趋模型，这是一种基于过程的模型，用于模拟欧洲各流域中的化学物质行为。
本文展示了一项试点研究，聚焦于部分物质（15种农药）和部分流域（比利时境内），作为概念验证。该试点研究的目的是通过在多层级BN中结合CA和IA概念，展示一种新颖的混合物风险概率表征方法。结果在不同情景之间以及与文献报道相比均保持一致，其中基于CA的风险表征略高于基于IA的风险表征。CA+IA联合风险表征体现了一种合理的折中。BN的敏感性分析能够有效识别风险驱动物质及其组别的优先级，从而为化学物质优先排序和风险管理提供支持。
感谢您关注并帮助传播bioRxiv。
注意：要求提供您的电子邮箱地址仅用于将您识别为本文的发送者。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.03.729784v1?rss=1
🏷️ 化学混合物风险评估 贝叶斯网络 概率风险建模 水生生态系统 农药污染 流域环境管理