空间和季节分辨率的预测揭示了德国 (萨克森) 河流中制药混合物的广泛生态毒理风险

科学领域:

• 环境化学环境化学
• 生态毒理学 生态毒理学
• 水质管理水质管理

背景情况:

• 制药污染是一个越来越令人担忧的问题,人口和环境的变化加剧了,阻碍了欧盟的无毒环境目标.
• 评估药品在水生生态系统中的生态影响对于有效的环境保护至关重要.

研究的目的:

• 开发和验证一个空间解析模型,用于预测河流中的药物度和生态风险.
• 评估单个药品及其混合物对水生生物构成的生态毒理风险.

主要方法:

• 开发了一个空间分辨模型,以预测1公里长的河流段中五种关键药物的度 (卡巴马泽,加巴丁,西普罗夫洛克萨,硫甲,甲胺).
• 模型的准确性与观察数据 (2008-2014) 进行了验证,并对藻类,大和鱼类的单一和混合毒性进行了生态风险评估.

主要成果:

• 该模型在空间和时间尺度上表现出高精度 (95-100%在1个数量级内).
• 在超过一半的萨克森河流中,单个药物暴露的显著生态风险被确定为99%,而混合物则增加到99%.
• 由于频繁的观察,卡巴马西平显示出更好的模型技能,而西普罗夫洛克萨的性能因环境度低而降低.

结论:

• 制药污染在河流中带来了广泛的生态毒理风险,特别是化学混合物.
• 开发的建模框架有效地识别了污染热点和轨迹,使全球变化下的时空预测成为可能.
• 根据这一框架采取的积极措施对于减轻制药污染和确保更健康的水生环境至关重要.