Time-Series Accumulation Forecasting of Organophosphate Pesticides in Agricultural Soils and Vegetables of Delta Central District, Nigeria

Resumen Técnico: Pronóstico de la Acumulación Temporal de Organofosforados en Suelos Agrícolas y Vegetales del Distrito Central de Delta, Nigeria

Planteamiento del Problema

El monitoreo ambiental actual de los pesticidas organofosforados (OPP) en los sistemas agrícolas, particularmente en el África subsahariana, depende casi exclusivamente de evaluaciones transversales. Estos estudios proporcionan una instantánea del estado de la contaminación, pero carecen de la capacidad para pronosticar las trayectorias futuras de los residuos en el suelo y los vegetales bajo diversos escenarios de gestión agrícola. En el Distrito Central de Delta, en Nigeria, donde el uso de pesticidas es casi continuo durante todo el año y ocurren múltiples cosechas anualmente, se espera que las concentraciones superficiales de los OPP persistentes aumenten con el tiempo. Sin embargo, sin modelos de predicción longitudinales, los responsables de la formulación de políticas no pueden cuantificar la reducción de riesgos lograble mediante la intervención regulatoria ni determinar qué concentraciones prevalecerán en años futuros (por ejemplo, 2030 o 2035) bajo las trayectorias agrícolas actuales.

Metodología

El estudio desarrolló un marco de pronóstico de acumulación de series temporales para 14 compuestos específicos de OPP en el Distrito Central de Delta. La metodología constó de cuatro etapas clave:

1. Reconstrucción y Aumento de Datos:

   • Línea de base: El estudio ancló su modelo en los datos de línea de base medidos en 2023 por Tesi et al. (2025), que cuantificaron 14 OPP en suelos y vegetales a través de siete Áreas de Gobierno Local (LGA). La media de la concentración total de suelo del distrito fue de 31.0 ng/g.
   • Síntesis Histórica: Para cumplir con los requisitos mínimos de datos para un modelado de series temporales robusto (típicamente 8 a 12 puntos anuales), los autores sintetizaron un conjunto de datos históricos de 2000 a 2022. Esto se logró escalando el índice de uso de pesticidas de la FAO (2024) para Nigeria frente a las proporciones de la línea de base de 2023, asumiendo que la composición relativa de los compuestos permaneció constante durante el periodo.

2. Desarrollo y Comparación de Modelos:
   El estudio comparó sistemáticamente el rendimiento predictivo fuera de la muestra de seis enfoques de modelado sobre la serie temporal reconstruida (2000–2022), utilizando un conjunto de prueba de retención de 2020–2022:

   • ARIMA/SARIMA: Modelos univariantes que capturan procesos autorregresivos lineales.
   • VAR (Vectores Autorregresivos): Un modelo bivariante que incorpora el índice de uso de pesticidas de la FAO como una variable exógena para probar la causalidad de Granger.
   • LSTM (Long Short-Term Memory): Redes neuronales tanto univariantes como multivariantes diseñadas para capturar dependencias no lineales y memoria de largo plazo.
   • Híbrido ARIMA-LSTM: Una arquitectura de dos etapas donde un modelo ARIMA captura primero la tendencia lineal, y una red LSTM modela los residuos no lineales.

3. Validación y Métricas:
   El rendimiento del modelo se evaluó utilizando el Error Cuadrático Medio (RMSE), el Error Absoluto Medio (MAE), el Error Porcentual Absoluto Medio (MAPE) y el R-cuadrado ($R^2$). Las comparaciones por pares utilizaron la prueba de Diebold–Mariano (DM) para evaluar la significancia estadística en la precisión predictiva.

4. Análisis de Escenarios:
   El modelo óptimo se utilizó para proyectar los niveles de OPP en el suelo hacia 2035 bajo cuatro escenarios regulatorios:

   • Negocios en Curso (BAU): Continuación de la tasa de crecimiento anual histórica del 4.7% en el uso de pesticidas.
   • Restricción del 30%: Una reducción del 30% en el índice de uso a partir de 2025.
   • Restricción del 50%: Una reducción del 50% a partir de 2025.
   • Eliminación Acelerada: Reducción lineal del índice de uso hasta cero para 2035.

Resultos Clave

• Rendimiento del Modelo: El modelo híbrido ARIMA-LSTM demostró una precisión predictiva superior en comparación con todos los demás enfoques. Logró un RMSE de 1.52, un MAPE de 5.1% y un $R^2$ de 0.87 para los OPP totales en el suelo. Superó significativamente al modelo SARIMA independiente (RMSE 2.31, $R^2$ 0.72) y a la LSTM multivariante (RMSE 1.67, $R^2$ 0.84).
• Causalidad y Tendencias: El análisis VAR confirmó una causalidad de Granger unidireccional desde el índice nacional de uso de pesticidas hacia la acumulación en el suelo ($p < 0.001$). La serie reconstruida mostró una tasa de crecimiento anual media del 5.1% para los OPP totales en el suelo entre 2000 y 2022.
• Proyecciones de Escenarios (2035):
  • BAU: Bajo las tendencias actuales, se proyecta que los niveles totales de OPP en el suelo alcancen los 59.7 ng/g para 2035 (un aumento del 93% respecto a la línea de base de 2023). El intervalo de confianza del 95% sugiere una probabilidad >70% de que los sitios con contaminación mediana excedan el umbral indicativo de la Comisión Europea de 50 ng/g aproximadamente para 2031.
  • Restricción del 30%: Este escenario ralentiza la acumulación pero no la revierte, alcanzando niveles de ~32.8 ng/g para 2035.
  • Restricción del 50%: Este escenario logra una descontaminación neta, reduciendo los niveles a 19.9 ng/g para 2035.
  • Eliminación (Phase-Out): La eliminación total del uso reduce los niveles a concentraciones cercanas al fondo de 5.6 ng/g para 2035.
• Especificidad de Compuestos: Se identificó al Pirimifos-metilo como el compuesto dominante (77% de la carga total en 2023) y el principal motor de los futuros excedentes de umbral debido a su alta frecuencia de aplicación y persistencia en el suelo.

Significancia y Reivindicaciones

El artículo reivindica cuatro contribuciones principales al campo de la previsión ambiental en regiones en desarrollo:

1. Primer Marco Temporal: Establece el primer marco de pronóstico de acumulación temporal para los OPP en los suelos agrícolas de Nigeria, cerrando la brecha entre el monitoreo de la línea de base estática y las proyecciones dinámicas futuras.
2. Validación Metodológica: Demuestra que un enfoque híbrido ARIMA-LSTM proporciona un rendimiento predictivo significativamente mejor que los modelos lineales o de una sola red neuronal para la acumulación de contaminantes en el suelo, validando su utilidad para procesos ambientales de memoria larga y no lineales.
3. Cuantificación de Políticas: El estudio proporciona una base cuantitativa para la toma de decisiones regulatorias, identificando específicamente que una reducción del 30% en el uso de pesticidas es insuficiente para revertir la acumulación, mientras que una reducción del 50% es el umbral mínimo requerido para una descontaminación neta.
4. Generalizabilidad: Los autores postulan que este enfoque de modelado híbrido es transferible a otros agroecosistemas crónicamente contaminados en el África subsahariana, ofreciendo una plantilla replicable para el pronóstico de contaminantes emergentes en entornos tropicales con escasez de datos.

El estudio concluye que, si bien la reconstrucción de datos históricos introduce cierta incertidumbre, el marco híbrido traduce con éxito las tendencias del mercado nacional en pronósticos de acumulación de suelos localizados, ofreciendo una herramienta crítica para la gestión proactiva de la política agrícola en el Delta del Níger.