典型高危害日化品的筛选及其水生生物预测无效应浓度推导

张璐莹，于洋，黄怡，王力明，郑玉婷，张丽丽，李晨男，高子竣，林军，于彩虹,#

1.中国矿业大学(北京)化学与环境工程学院，北京 100083

2.生态环境部固体废物与化学品管理技术中心，北京 100029

3.北京市污染源管理事务中心，北京 100089

日化品给人们生活带来极大便利的同时，也对生态环境与人体健康造成了潜在的危害。例如，洗涤剂中含有表面活性剂和助剂，其中三聚磷酸盐(STPP)是最理想的助剂，其在水体富营养化进程中，起到了一定的促进作用。1970年日本琵琶湖等封闭水域由于水中磷酸盐含量超过正常值，水体富营养化，出现了水藻疯长、鱼类死亡的现象。20世纪80年代以后我国湖泊、水库等水域也普遍受到磷、氮等物质的污染，水域生态系统遭到破坏，鱼类和贝类大量死亡，从而影响了人类生活[1]。目前世界上约有7 000多种化学物质作为化妆品的原料，其中最常见的化学毒物为汞、铅、砷、甲醇及雌激素等，能引起皮肤功能障碍的原料中最危险的是香料，其次为色素和防腐杀菌剂[2]。这些以原料和添加剂作为化妆品组分的化学物质，大多为人工合成，可能对人体产生一定的急、慢性危害，如可使人体过敏、刺激皮肤黏膜等，甚至不乏诱发人体疾病的物质，以至潜在的致癌性、致突变性和生殖毒性的物质(carcinogenic,mutagenic or substances toxic to reproduction,CMR)类物质。据调查显示，染发剂中均含有20余种化学成分，其中有10种会引起人体细胞突变而致癌，这也是导致近年来国内中老年急性白血病患者显著增多的原因之一。

欧盟化学品管理法规(Registration,Evaluation,Authorization and Restriction of Chemicals,REACH)，将CMR类物质划分为有毒有害物质[3]。部分日化品，例如洗涤剂、清洁用产品、油漆去除剂、香皂和沐浴露等制剂产品中均可能存在含有CMR类物质的风险，这类物质的长期大量使用会对环境和健康带来直接或间接的危害。因此，如何对CMR类日化品进行筛选评估并加以管控十分重要。

本研究基于文献调研法及数据库检索法，收集了8类日化品成分清单，包括国际香料组织香水成分清单、国际化妆品原料标准中文名称目录清单和食品用洗涤剂原料(成分)清单等。通过与欧洲化学品管理局(ECHA)最新发布的高关注物质清单、国际癌症研究机构(IARC)的致癌物清单、法国国家科学研究中心(CNRS)的CMR类物质清单和内分泌干扰物清单进行比对筛重，识别出一种典型高危害CMR类物质。通过数据质量评估开展高质量数据筛选，采用物种敏感度分布法(SSD)构建该物质对各物种的敏感度曲线，计算出5%物种危害浓度(HC5)值，进而应用评估系数法推导出各物种的预测无效应浓度(PNEC)值，评估该污染物对水生生物的危害，以期为我国典型高危害日化品的环境风险评估和水质基准的建立提供参考。

1 研究方法(Research methodology)

1.1 高危害日化品清单的建立及筛选

1.1.1 高危害日化品清单的建立

本研究采用文献调研法以及数据库检索法，收集各类日化品成分清单为后续筛选工作提供数据支撑。

1.1.2 高危害日化品清单的筛选

本研究筛选的是同时具有CMR和内分泌干扰物(EDC)特性的，可能会对人体健康带来潜在危害的高危害日化品。我国任幸等[4]利用基于风险的Football组合法对15种农用地酞酸酯类内源污染物进行筛选，发现邻苯二甲酸二丁酯(DBP)、邻苯二甲酸二(2-乙基己基)酯(DEHP)等5种酞酸酯类污染物可能会对生态环境和人体健康造成风险。朱晓晶等[5]等运用Copeland计分排序法和证据权重法对50种有毒有害大气污染物开展危害特性优先性排序。张丽丽等[6]采用两步筛选法，筛选出高分值的污染物名单，进而形成包括苯、环氧乙烷等在内的12种污染物优控名录。以上学者在筛选高危害污染物时的方法虽然不完全相同，但关注的筛选指标均为致癌性、致突变、生殖毒性和内分泌干扰性等，且都是通过名录对比法得到筛选结果。

本研究利用EXCEL筛选重复值工具进行名录对比，首先将8类日化品成分清单中带有CAS号的有效物质信息与ECHA最新发布的高关注物质(SVHC)清单和IARC的1类致癌物清单中的有效物质信息进行比对筛重，得到一个CMR类物质的初筛清单。为保证筛选结果更为准确，将上述初筛清单与法国国家科学研究中心化学研究院的化学品防范(PRC)管理部门发布的CMR类物质清单对照，重复以上筛选操作，得到进一步明确的物质清单。最后，再与内分泌干扰物物质清单进行筛重，识别出一个典型高危害CMR类物质。

1.2 水生生物毒性数据的获取和筛选

1.2.1 水生生物毒性数据的获取

本研究从国内外公开发表的文献和报告中收集典型高危害日化品对水生生物的急、慢性毒性数据。当同一物种存在多组数据时，选择最敏感试验终点的数据。

毒性数据指标包括物种种类、拉丁文名称、测试标准、介质、测试时间、毒性终点、毒性值、数据来源和数据年份等内容。其中，水生生物种类优先采用藻类、溞类和鱼类3个营养级的毒性数据。急性毒性数据选择暴露时间96 h以内的LC50或EC50数据，其中鱼类选择96 h的数据，溞类选择48 h的数据，藻类选择72 h或96 h的数据；慢性毒性数据选择暴露时间最长的无可见效应浓度(NOEC)以及最低有影响浓度(LOEC)。

1.2.2 水生生物毒性数据的筛选

本研究应用Klimisch等[7]于1997年提出的生态毒理试验可靠性评估一级及二级数据信息表，对所收集到的毒性数据进行数据质量评估。根据表中21个评估因素对文献进行打分，通过总分数将文献划分为非常可靠、可靠和不可靠3个等级，总分数在18～21分为非常可靠；13～17分为可靠；<13分为不可靠，进而筛选出可供后续使用的高质量数据，具体评估信息如表1所示。

表1 生态毒理试验可靠性评估表Table 1 Factors for reliability assessment of ecotoxicological tests

续表1数据质量评估因素Data quality assessment factors组Ⅳ:试验结果GroupⅣ: Test results测试终点和其分析方法是否阐述清晰?Are the end points and analysis methods clearly stated?所有测试终点相关的试验结果描述是否透明和完整?Are the descriptions of test results related to all test endpoints transparent and complete?是否给出数据分析的统计方法(如不必要或不适用请直接给分)?Are statistical methods for data analysis provided (please give marks directly if unnecessary or not applicable)?组V:试验设计和结果的合理性Group V: Experimental design and rationality of results*实验设计对于旨在获得的数据是否合适?*Is the experimental design appropriate for the data to be obtained?定量测试方法是否可靠Whether the quantitative test method is reliable备注Remarks1. 每条标准赋分分值均为1分Each criterion is assigned a score of 1 point2. *代表达到1或2级评分的最大分数来源* Represents the maximum source of points to achieve a score of 1 or 23. 18～21分为非常可靠;13～17分为可靠;<13分或若不满足所有的*标准为不可靠18～21 score is very reliable; 13～17 is reliable; <13 points or unreliable if all * criteria are not met

对于收集到的所有生态毒理学终点数据，首先剔除存在支撑信息不充分、测试明显不规范等情形的无效数据。对于有效数据中的所有生态毒理学数据进行质量评估，筛选满足质量要求的数据。选用最敏感物种数据作为关键效应数据，明确评估高危害典型日化品对水环境生物的危害性。

1.3 HC5值的计算

本研究通过数据库检索法和文献调研法收集了典型高危害日化品的毒性数据，利用数据质量评估开展高质量数据筛选，采用SSD法构建该物质对全部物种、鱼类、藻类和浮游动物的敏感度曲线，计算出3个类别水生生物的HC5值。

SSD曲线的拟合采用国家生态环境基准委员会于2021年研制开发的“国家生态环境基准计算软件 物种敏感度分布法”(EEC-SSD)来完成，以此计算出HC5。EEC-SSD主要用于毒性数据的物种敏感度分布拟合，软件涵盖的拟合模型包括正态分布、对数正态分布、逻辑斯蒂分布和对数逻辑斯蒂分布4个模型。由于HC5更具有统计学意义，故一般选用HC5作为最大有害环境浓度[8]。在数据量上的选择，一般认为控制数据量在10～15个随机选择量就能符合统计分析的要求，此时数据变异性较小。这些数据常要求覆盖3个营养级8个分类群，并选用标准毒性测试物种，数据过少(少于5个)或是数据质量差(多个物种的毒性数据相同)，都可能导致拟合度的降低。另外，数据并非越多越好，数据越多HC5就会越小，这是不合理的[9]。

1.4 预测无效应浓度的推导

水环境危害表征通常采用统计外推法或评估系数法，推导水环境中生物的PNEC。对于不同方法获得的不同PNEC值，应予以比较分析，确定用于适合水环境危害表征的PNEC值。

本研究获得的水生生物毒性数据充分且满足评估系数法对数据的基本要求，故采用评估系数法推导PNEC值。该方法由危害识别确定的水环境生物的生态毒理学关键效应数据(HC5)除以评估系数(AFwater)推算得出PNEC值，由于数据来自实验室，实验物种单一，具有较好的保守性。具体见公式(1)。

PNECwater=HC5/AFwater

(1)

式中：PNECwater为水环境生物的预测无效应浓度(mg·L-1)；HC5为水环境生物的生态毒理学关键效应值，通常采用最敏感物种的半数致死浓度(LC50)、效应浓度(EC50或EC10)或无观察效应浓度(NOEC)及最低有影响浓度(LOEC)等(mg·L-1)；AFwater为评估系数，取值范围为1～5。AFwater的取值根据可获得毒性数据的质量、涉及生物物种的代表性和多样性等情况选择确定，无量纲。根据生态风险评价中“最坏情况”(The Worstcase)原则，该研究中AFwater值取5。

2 结果与分析(Results and analysis)

2.1 初筛清单的建立及筛选

通过数据库检索法收集了8类日化品成分清单，共28 515条物质信息，仅选用具有CAS号的15 201条有效物质信息(以下简称有效信息)供后续名录对比使用，如表2所示。其中包括国际香料组织(IFRA)香水成分清单共3 963条物质信息；国际化妆品原料标准中文名称目录2018(草)清单共24 039条物质信息，其中10 741条有效信息；食品用洗涤剂原料(成分)名单(第一批)(草)共122条信息，其中120条有效信息；抗(抑)菌剂有效成分清单2019(草)96条物质信息，其中95条有效信息；消毒剂原料清单及禁限用物质名单共203条物质信息，其中190条有效信息；通过查询口腔卫生用品成分表、洗发用品成分表、洗衣用品成分表，形成了3类日化品的成分清单，共92条物质信息，均为有效信息，如表2所示。

表2 日化品清单初筛表Table 2 Preliminary screening list of daily chemical products

ECHA最新的高关注物质(SVHC)清单共440条物质信息，其中390条有效信息；IARC致癌物清单共1 112条物质信息，其中包括1类、2A类、2B类以及3类致癌物有效信息共1 029条，仅选取1类致癌物的121条物质信息，其中60条有效信息；法国国家科学研究中心化学研究院的化学品防范(PRC)管理部门CMR类物质清单共1 238条物质信息；内分泌干扰物物质清单共688条物质信息，其中620条有效信息，如表3所示。

表3 4类筛选条件物质信息表Table 3 Material information sheet of 4 categories of screening conditions

将8类日化品成分清单与SVHC清单和IARC的1类致癌物清单中的有效物质信息进行比对筛重，得到一个CMR类物质的初筛清单。为保证筛选结果更为准确，将上述初筛清单与法国CNRS的CMR类物质清单对照重复以上筛选操作，得到进一步明确的物质清单。最后，再与内分泌干扰物物质清单进行筛重，最终得到邻苯二甲酸丁苄酯(BBP)、1,2-二氯乙烷、N-甲基吡咯烷酮、邻苯二甲酸二(2-乙基己)酯(DEHP)、乙二醇甲醚、邻苯二甲酸二丁酯(DBP)和酚酞7种1类CMR类物质，如图1所示。

图1 典型高危害日化品筛选流程图Fig. 1 Screening flow chart of typical high-hazard daily chemical products

对以上7种CMR类物质近10年的文献发表数量进行统计，结果表明有关酚酞的文献发表量最高，但其环境风险评估方面的文献量几乎为零，或因为其环境浓度较低或不造成生态危害。其次是邻苯二甲酸酯类(PAEs)，包括BBP、DEHP和DBP这3种物质，相对于BBP和DEHP，DBP在总文献发表量与环境风险评估方面的文献发表量都较高，如图2所示。又因其是一种新污染物，将是今后的研究热点及重点治理管控对象之一，故本文选择DBP作为研究对象。

图2 7种致癌、致突变和致生殖毒性(CMR)类物质近10年的文献发表数量Fig. 2 Number of literature publications for seven carcinogenic,mutagenic or toxic to reproduction (CMR)-like substances in the last decade

2.2 数据质量评估

通过文献调研法收集到23篇相关文献，其中，中文文献10篇，英文文献13篇，共计151条数据，根据所需毒性数据信息进一步在文献中提取有效信息。通过数据库检索法分别从ECHA数据库[10]、EPA-ECOTOX数据库[11]中收集到共计24条数据，均视为有效数据。通过对比表1中21项评估因素，对该23篇文献进行数据质量评估，得到非常可靠文献10篇(18～21分)，可靠文献5篇(13～17分)，不可靠文献8篇(<13分)。上述文献共得到52条相关数据，通过数据质量评估最终得到17条有效数据，而满足数据质量要求的数据库数据24条，合计41条有效数据。

根据PNEC值对数据的要求，对41条评估数据进一步筛选，最终筛选出满足生物毒性数据要求的17个物种的急性数据，如表4所示。17个物种分为三大类，即鱼类、藻类和浮游动物。其中鱼类包含4种即三角鲂(Megalobramaterminalis)、斑马鱼(Daniorerio)、红鳍笛鲷(Lutjanuserythropterus)和大黄鱼(Larimichthyscrocea)；藻类包含9种即斜生栅藻(Scenedesmusobliquus)、埃氏小球藻(C.emersonii)、蛋白核小球藻(C.pyrenoidosa)、近具刺栅藻(S.subspicatus)、羊角月牙藻(Selenastrumcapricornutum)、短裸甲藻(Gymnodiniumbreve)、巴夫杜氏藻(D.parva)、蒙古裸腹藻(MoinamongolicaDaday)和三角褐指藻(PhaeodactylumtricornutumBohlin)；浮游动物包含2种即多刺裸腹溞(Moinamacrocopa)、大型溞(Daphniamagna)。全部物种LC50/EC50的范围为0.28～13 mg·L-1，鱼类LC50/EC50的范围为2.08～8.51 mg·L-1，藻类LC50/EC50的范围为0.28～13 mg·L-1，浮游动物LC50/EC50的范围为9.68～10.35 mg·L-1。

2.3 HC5值的计算

本研究分别通过正态分布模型和逻辑斯蒂分布模型，对17个水生生物物种的毒性数据进行拟合及分析，得到基于急性毒性的物种敏感度分析曲线，如图3所示。由于SSD模型要求每组样本数据量在5～500个范围内，而浮游动物的数据量仅有2个，不满足SSD曲线的要求，因此未对浮游动物拟合SSD曲线。

生物分类Biological classification物种中文名/物种拉丁名Chinese name of the species/Latin name of the species毒性值Toxicity valueLC50/EC50/(mg·L-1)试验时间/hTime duration/h数据来源Data sources鱼类Fish三角鲂 Megalobrama terminalis2.0896[12]红鳍笛鲷 Lutjanus erythropterus6.6696[13] 虹鳟 Salmo gairdneri6.4796[14] 斑点叉尾 Ictalurus punctatus2.9196[15] 斑马鱼 Brachydanio rerio8.5196[15] 大黄鱼 Larimichthys crocea5.2396[16] 藻类Alga斜生栅藻 Scenedesmus obliquus2.2196[17] 埃氏小球藻 C. emersonii2.7896[18] 蛋白核小球藻 C. pyrenoidosa1396[19] 近具刺栅藻 S. subspicatus3.572[20] 羊角月牙藻 Selenastrum capricornutum0.472[18] 短裸甲藻 Gymnodinium breve0.696[21] 巴夫杜氏藻 D. parva0.2872[22] 蒙古裸腹藻 Moina mongolica Daday6.3472[23] 三角褐指藻 Phaeodactylum tricornutum Bohlin7.596[24] 浮游动物Zooplankton多刺裸腹溞 Moina macrocopa9.6848[25] 大型溞 Daphnia magna10.3548[26]

图3 邻苯二甲酸二丁酯(DBP)对不同物种的物种敏感度分布(SSD)曲线Fig. 3 Species sensitivity distribution (SSD) curves of dibutyl phthalate (DBP) for different species

毒性值的高低对DBP在不同物种体内的累积频率具有一定影响。如图3所示，当毒性值较低时(<0.79 mg·L-1)，不同物种对DBP的累积频率由高到低的顺序依次为：藻类>全部物种>鱼类，表明藻类对DBP的敏感度高于其他物种；当毒性值在0.79～0.90 mg·L-1之间时，不同物种对DBP的累积概率由高到低的顺序依次为：藻类>鱼类>全部物种，藻类的敏感度仍处于最高，但鱼类的敏感度有所变化，高于了全部物种；当毒性值>0.90 mg·L-1时，不同物种对DBP的累积频率由高到低的顺序依次为：鱼类>全部物种>藻类，表明鱼类对DBP的敏感度高于藻类，全部物种则上升到第二位。可见当DBP的毒性值浓度较低时，在藻类体内的累积频率较高，但当其毒性值逐渐升高时，其在鱼类体内的累积频率逐渐升高。综上结果表明，当毒性值较高时，相对藻类来说，DBP在鱼类体内更容易累积。

采用正态分布模型和逻辑斯蒂分布模型拟合出SSD曲线，可见以上2种方法获得了较为一致的结果。其中，正态分布模型中全部物种的HC5值为0.59 mg·L-1，逻辑斯蒂模型中的HC5值为0.63 mg·L-1；正态分布模型中鱼类的HC5值为1.97 mg·L-1，逻辑斯蒂模型中的HC5值为2.08 mg·L-1；正态分布模型中藻类的HC5值为0.42 mg·L-1，逻辑斯蒂模型中的HC5值0.23 mg·L-1。SSD曲线拟合参数如表5和表6所示。全部物种的拟合度(R2)始终保持在0.9以上；鱼类的R2均在0.8以上，但未超过0.9；藻类R2处于0.85～0.92之间。

表5 正态分布模型模拟SSD曲线关键拟合参数Table 5 Key fitting parameters of SSD curve simulated by normal distribution model

2.4 预测无效应浓度

根据公式(1)通过HC5及AFwater推导PNEC。由于正态分布模型和逻辑斯蒂分布模型拟合SSD曲线，可得出2组包含全部物种、鱼类和藻类的HC5值，基于保守原则，本研究HC5选择2组数据中较低的值。PNEC结果如表7所示。

表7 不同种类水生生物的预测无效应浓度(PNEC)推算结果Table 7 Predicted no effect concentration (PNEC) results of different aquatic organisms

如表6所示，不同物种的PNEC由低到高顺序依次为：藻类<全部物种<鱼类。在2类不同物种之间，藻类的PNEC最小，数值为0.046 mg·L-1，鱼类的PNEC最大，数值为0.394 mg·L-1。PNEC结果表明，DBP对不同物种的PNEC存在差异，鱼类与全部物种的PNEC较接近，与藻类的PNEC相差较大。

表6 逻辑斯蒂分布模型模拟SSD曲线关键拟合参数Table 6 Key fitting parameters of SSD curve simulated by Logistic distribution model

3 结论与讨论(Conclusion and discussion)

3.1 结论

本研究通过收集国际香料组织(IFRA)香水成分清单在内的8类日化品成分清单，共得到15 201条有效物质信息。将以上物质信息与高关注物清单、致癌物清单以及内分泌干扰物清单等进行比对筛重，得到邻苯二甲酸丁苄酯(BBP)、1,2-二氯乙烷、N-甲基吡咯烷酮和邻苯二甲酸二丁酯(DBP)在内的7种1类CMR类物质。通过文献检索，统计结果表明DBP在总发文量与环境风险评估方面的发文量都相对较高，又因其是一种新污染物，故选择DBP作为本文研究对象。

通过数据质量评估，筛除了不可靠文献，得到15篇高质量文献，最终获得包括数据库有效数据在内的17个物种的急性毒性数据，共计41条物质信息。可见数据质量评估对于推导典型有毒有害化学物质的PNEC具有十分重要的意义。

正态分布模型和逻辑斯谛分布模型拟合结果表明，2种模型拟合出的SSD曲线变化趋势相似，即DBP对水生生物的HC5值较为接近。全部物种的PNEC值为0.118 mg·L-1、鱼类的PNEC值为0.394 mg·L-1、藻类的PNEC值为0.046 mg·L-1。全部物种与鱼类的PNEC值相近，与藻类存在较大差异，得出DBP对藻类的敏感度最高，对鱼类的敏感度相对较低。

3.2 讨论

本研究使用物种敏感度分布法基于EEC-SSD模型推导出DBP的PNEC值，所用数据涉及了鱼类、藻类和浮游动物3个营养层级生物在内的17个物种，减少了单独使用某一类生物数据推导的不确定性。且相比于没有开展数据质量评估所获得毒性数据的研究，本文筛除了不可靠数据，避免了可能出现的偏差。

不同的SSD分析软件对典型有毒有害化学物质的PNEC拟合结果可能存在差异。我国有学者利用荷兰公共健康与环境研究所(RIVM)开发的ETX 2.1风险评估软件进行SSD分析，进而推导出代森锰锌、百菌清和敌敌畏3种农药水生态系统的PNEC[27]。该模型主要为对数正态分布，具有A-D初级检验、K-S中级检验和C-M高级检验3种阶梯式检验方法。而本研究采用的EEC-SSD模型，检验方法较为单一，仅有K-S检验。因此，ETX2.1软件可能具有更高的拟合度，结果可能更为精确，但其拟合曲线表现形式较为单一，无法更直观形象地体现出不同物种之间的种平均毒性与累积频率的关系。

建立水质基准的目的在于保护水生生态系统中的生物免受污染。通过对比本研究不同水生生物物种的PNEC值：PNEC藻类

本研究通过文献检索发现，近10年国内外对于DBP的毒性研究实验相对较少，研究主要集中在20世纪80年代，且试验物种类型有限，尚未有如林氏细鲫等我国特有物种的毒性数据。另外，本研究获得的数据仅基于文献调研与数据库检索，后续随着更多毒性效应研究的开展，能够获得更多的水生生物毒性数据或中国特有物种试验数据时，本研究推算的PNEC值应进一步更新与完善。

4 展望(Prospect)

当前，我国新污染物治理任务艰巨。国家发布了《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》等一系列文件，其中反复强调重视新污染物治理，并对此提出明确要求，可见新污染物治理将是未来“十四五”期间的热点话题。

新污染物是指由人类活动造成的、目前已明确存在、但尚无法律法规和标准予以规定或规定不完善、危害生活和生态环境的所有在生产建设或者其他活动中产生的污染物[28]。本研究中的邻苯二甲酸二丁酯(DBP)作为一种典型新污染物，在环境中广泛存在。最主要的危害在于环境激素作用，在极低的浓度下就可干扰人和动物的内分泌系统[29]。美国环境保护局(United States Environmental Protection Agency,US EPA)于1977年将DBP类列为优先控制的有毒污染物，同年世界野生动物基金会(World Wide Fund for Nature,WWF)列出的68种环境激素类物质中也包括DBP[30]。目前，中国已将DBP列入优先控制污染物名单[31]，《地表水环境质量标准》(GB 3838—2002)也将DBP作为邻苯二甲酸酯类污染物的检测指标，并规定其含量不得超过3 μg·L-1。

在环境危害方面，近年来我国农膜的使用量不断增加，由于塑料农膜的稳定性差，极易导致DBP从塑料薄膜中释放。因此，越来越多的DBP进入到周边土壤中，导致农业用地污染。另外，由于化肥、污灌等的不当使用，也使土壤中DBP的含量有所增加。受DBP污染土壤的影响，导致种植的作物对DBP的积累，进而通过食物链进入到人体中，对人体内分泌、神经系统等产生危害[32]。不仅如此，DBP还会以吸附或者气溶胶的形式存在于气体环境中，借助灰尘等进入大气[33]。由于其化学性质稳定，不易光解，因此会造成污染的积累[34]，并且距离地面越高的空气中，含量越高[35]。

在环境暴露方面，我国水环境中DBP含量严重超标，污染严重。随着塑料的生产、应用与处理，DBP不断地向周围环境释放，水环境中残余量持续增长，已经在长江、黄河等重要水域及多种水生生物(海洋哺乳动物、鱼类和水生无脊椎动物)中普遍检出，且对水生生物产生影响[36]，还可通过食物链的富集和传递，潜在威胁人体健康[37-39]。孔昊玥和刘红玲[40]在华东地区检出DBP平均浓度为54.389 μg·L-1；卓丽等[41]在黄河中下游检出DBP浓度为ND～26.0 μg·L-1，胡卫星等[42]在渭河流域西安段检出DBP平均浓度为13.73 μg·L-1；朱鹏利等[43]在曹娥江绍兴段检出DBP浓度为1 974.4 ng·L-1；吴自清等[44]在长江南京段检出DBP浓度为10～500 μg·L-1；韩文辉等[45]在汾河流域检出DBP浓度为1.01～16.53 μg·L-1。

本文推导了新污染物DBP的PNEC值，接下来还需进一步开展其暴露评估，识别其潜在环境风险，从而为我国新污染物治理提供参考。同时，现阶段我国应加强对CMR类日化品风险评估及管控等领域的研究。由于日化品种类多样，在日常生活中暴露水平也相对较高，若其中含有CMR类物质，其毒性更应引起重视，需要尽量降低其最大的暴露源，尤其是化妆品、洗涤剂以及增塑剂中CMR类物质的含量。因此，建议各生产企业和监管部门针对日化品的生产线、包装材料等产业链各环节进行分级排查，有效管控日化品中CMR物质的污染风险。