📄 agriculture

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

Cette étude développe un modèle de série temporelle hybride ARIMA-LSTM pour prévoir l'accumulation de pesticides organophosphorés dans le district de Delta Central, au Nigeria, démontrant que si les pratiques habituelles pourraient entraîner une augmentation de 93 % des résidus dans le sol d'ici 2035, une réduction de 50 % de l'utilisation de pesticides à partir de 2025 atténuerait considérablement ce risque.

Auteurs originaux : Ibigoni C. Howard, Kngsley E. Okpara, Chioma C. Howard

Publié 2026-07-07

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Ibigoni C. Howard, Kngsley E. Okpara, Chioma C. Howard

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que le sol du district de Delta Central au Nigeria soit une immense baignoire à écoulement lent. Chaque année, les agriculteurs versent un seau d'« eau de pesticide » pour protéger leurs cultures. Habituellement, la bonde (la capacité de la nature à décomposer les produits chimiques) en évacue une partie, mais pas la totalité. Avec le temps, le niveau de l'eau dans la baignoire monte.

Cet article de recherche est comme une prévision météorologique pour cette baignoire, mais au lieu de la pluie, il prédit la quantité de pesticides qui s'accumulera dans le sol et les légumes au cours de la prochaine décennie.

Voici l'histoire de l'étude, décomposée simplement :

1. Le Problème : Nous n'avons qu'un instantané

Jusqu'à présent, les scientifiques ont principalement pris des « instantanés » du sol. Ils vérifient si l'eau est sale aujourd'hui, mais ils ne peuvent pas vous dire si la baignoire va déborder l'année prochaine ou dans dix ans. Ils ne pouvaient pas non plus dire facilement : « Si nous arrêtons de verser 50 % de l'eau, à quelle vitesse la baignoire se videra-t-elle ? »

Les chercheurs voulaient construire une machine à remonter le temps (un modèle de prévision) pour voir l'avenir de ces produits chimiques, spécifiquement 14 types différents d'organophosphates (OPP).

2. Les Ingrédients : Mélanger les anciennes données avec les mathématiques modernes

Pour construire leur machine à remonter le temps, l'équipe avait besoin d'un long historique de données, mais elle ne disposait que d'une mesure détaillée pour 2023.

L'Ancre : Ils ont utilisé les données de 2023 comme un point d'ancrage solide.
L'Étirement : Pour combler les années précédant 2023 (de 2000 à 2022), ils ont utilisé une « recette ». Ils ont regardé la quantité totale de pesticides achetés et utilisés au Nigeria (selon les registres de la FAO) et l'ont ajusté à la hausse ou à la baisse pour correspondre aux mesures de 2023. C'est comme connaître la taille d'un gâteau aujourd'hui et utiliser les ventes de farine des 20 dernières années pour deviner la taille des gâteaux à l'époque.

3. Les Outils : Les prévoyants « intelligents »

Les chercheurs ont testé plusieurs différentes « boules de cristal » pour prédire l'avenir :

Le Penseur Linéaire (ARIMA) : Ce modèle suppose que l'avenir ressemblera au passé, mais en un peu plus grand. Il est bon pour les lignes droites, mais mauvais pour les courbes.
Le Penseur de Groupe (VAR) : Ce modèle examine comment la quantité de pesticides achetés est liée à la quantité trouvée dans le sol.
L'Apprenant Profond (LSTM) : Il s'agit d'un cerveau d'Intelligence Artificielle (IA). Il est excellent pour se souvenir des schémas à long terme et repérer les courbes complexes et sinueuses que les autres modèles manquent.
La Super-Équipe (Hybride ARIMA-LSTM) : C'était le vainqueur. Ils ont combiné le Penseur Linéaire et l'Apprenant Profond. Le Penseur Linéaire gérait la montée constante et prévisible, tandis que l'IA gérait les bosses désordonnées et imprévisibles.

Le Résultat : La Super-Équipe a été la plus précise. Elle a prédit l'avenir avec très peu d'erreurs (environ 5 % d'écart), battant tous les autres modèles.

4. La Boule de Cristal : Que se passera-t-il d'ici 2035 ?

L'équipe a testé quatre scénarios de type « et si » pour voir à quoi ressemblerait la baignoire en 2035 :

Scénario A : Statu Quo (Le plan « Continuez à verser »)
Si les agriculteurs continuent d'utiliser des pesticides au rythme de croissance actuel, le sol sera 93 % plus sale d'ici 2035. Le niveau chimique passera de 31 ng/g à près de 60 ng/g. D'ici 2031, il franchira probablement une ligne de sécurité fixée par l'Union européenne (50 ng/g), ce qui signifie que le sol devient dangereusement toxique. Un produit chimique spécifique, le Pirimiphos-méthyl, est le principal coupable, agissant comme une pierre lourde qui coule au fond et y reste.
Scénario B : La réduction de 30 % (Le plan « Allégez la dose »)
Si l'utilisation est réduite de 30 %, le niveau de l'eau cesse de monter aussi vite, mais il ne descend pas. Le sol reste sale, juste un peu moins. C'est comme baisser légèrement le robinet, mais la baignoire continue de se remplir.
** Scénario C : La réduction de 50 % (Le plan « Fermez le robinet »)**
Si l'on réduit l'utilisation de 50 %, la magie opère. La bonde bat enfin le robinet. Le sol commence à se nettoyer lui-même, passant de 31 ng/g à 19,9 ng/g. C'est l'effort minimum nécessaire pour réellement inverser la pollution.
Scénario D : L'élimination progressive (Le plan « Arrêtez de verser »)
Si l'on arrête totalement l'utilisation de ces pesticides d'ici 2035, le sol se nettoie presque complètement, revenant à des niveaux proches de la nature (5,6 ng/g). Cependant, le produit chimique « pierre lourde » (Pirimiphos-méthyl) est celui qui met le plus de temps à s'éliminer car il adhère plus longtemps au sol que les autres.

5. La Conclusion

Cette étude prouve que nous n'avons pas à attendre qu'une catastrophe survienne. En utilisant un mélange intelligent d'anciennes mathématiques et d'IA moderne, nous pouvons prédire exactement la quantité de pollution qui s'accumulera.

La leçon principale est claire : Les petites réductions dans l'utilisation des pesticides ne résoudront pas le problème ; seules les coupes importantes (50 % ou plus) permettront réellement de nettoyer le sol. Si nous ne faisons rien, le sol de cette région du Nigeria deviendra nettement plus toxique d'ici le milieu des années 2030.

Les chercheurs affirment que cette méthode peut être copiée pour d'autres zones agricoles en Afrique afin d'aider les gouvernements à prendre des décisions plus intelligentes avant que la « baignoire » ne déborde.

Énoncé du problème

La surveillance environnementale actuelle des pesticides organophosphorés (POP) dans les systèmes agricoles, particulièrement en Afrique subsaharienne, repose presque exclusivement sur des évaluations transversales. Ces études fournissent un instantané de l'état de la contamination mais manquent de la capacité de prévoir les trajectoires futures des résidus dans les sols et les légumes sous différents scénarios de gestion agricole. Dans le district du Delta Central au Nigeria, où l'utilisation de pesticides est quasi annuelle et où plusieurs récoltes ont lieu chaque année, les concentrations de POP persistants dans les sols de surface devraient augmenter au fil du temps. Cependant, sans modèles de prédiction longitudinaux, les décideurs politiques ne peuvent quantifier la réduction des risques réalisable grâce à une intervention réglementaire, ni déterminer quelles concentrations prévaudront dans les années futures (par exemple, 2030 ou 2035) selon les trajectoires agricoles actuelles.

Méthodologie

L'étude a développé un cadre de prévision d'accumulation par séries temporelles pour 14 composés spécifiques de POP dans le district du Delta Central. La méthodologie comprenait quatre étapes clés :

Reconstruction et augmentation des données :
- Base de référence : L'étude a ancré son modèle sur les données de base mesurées en 2023 par Tesi et al. (2025), qui ont quantifié 14 POP dans les sols et les légumes à travers sept zones de gouvernement local (LGA). La concentration moyenne du total des sols dans le district était de 31,0 ng/g.
- Synthèse historique : Pour répondre aux exigences minimales de données pour une modélisation robuste des séries temporelles (généralement 8 à 12 points annuels), les auteurs ont synthétisé un ensemble de données historiques de 2000 à 2022. Cela a été réalisé en mettant à l'échelle l'indice d'utilisation des pesticides au Nigeria de la FAO (2024) par rapport aux proportions de la base de référence de 2023, en supposant que la composition relative des composés est restée constante au cours de cette période.
Développement et comparaison des modèles :
L'étude a comparé systématiquement la performance prédictive hors échantillon de six approches de modélisation sur la série temporelle reconstruite (2000–2022), en utilisant un ensemble de test de réserve de 2020–2022 :
- ARIMA/SARIMA : Modèles univariés capturant des processus autorégressifs linéaires.
- VAR (Vecteur Autorégressif) : Un modèle bivarié incorporant l'indice d'utilisation des pesticides de la FAO comme variable exogène pour tester la causalité de Granger.
- LSTM (Long Short-Term Memory) : Réseaux de neurones univariés et multivariés conçus pour capturer les dépendances non linéaires et la mémoire à long terme.
- Hybride ARIMA-LSTM : Une architecture à deux étapes où un modèle ARIMA capture d'abord la tendance linéaire, puis un réseau LSTM modélise les résidus non linéaires.
Validation et métriques :
La performance des modèles a été évaluée à l'aide de l'erreur quadratique moyenne (RMSE), de l'erreur absolue moyenne (MAE), de l'erreur de pourcentage absolu moyen (MAPE) et du coefficient de détermination ( $R^2$ ). Les comparaisons par paires ont utilisé le test de Diebold–Mario (DM) pour évaluer la signification statistique de la précision prédictive.
Analyse de scénarios :
Le modèle optimal a été utilisé pour projeter les niveaux de POP dans les sols jusqu'en 2035 selon quatre scénarios réglementaires :
- Maintien du statu quo (BAU - Business-As-Usual) : Continuation du taux de croissance annuel historique de 4,7 % dans l'utilisation des pesticides.
- Restriction de 30 % : Une réduction de 30 % de l'indice d'utilisation à partir de 2025.
- Restriction de 50 % : Une réduction de 50 % à partir de 2025.
- Élimination accélérée : Réduction linéaire de l'indice d'utilisation vers zéro d'ici 2035.

Résultats clés

Performance des modèles : Le modèle hybride ARIMA-LSTM a démontré une précision prédictive supérieure par rapport à toutes les autres approches. Il a atteint un RMSE de 1,52, un MAPE de 5,1 % et un $R^2$ de 0,87 pour les POP totaux dans le sol. Il a nettement surpassé le modèle SARIMA autonome (RMSE 2,31, $R^2$ 0,72) et le LSTM multivarié (RMSE 1,67, $R^2$ 0,84).
Causalité et tendances : L'analyse VAR a confirmé une causalité de Granger unidirectionnelle de l'indice national d'utilisation des pesticides vers l'accumulation dans le sol ( $p < 0,001$ ). La série reconstruite a montré un taux de croissance annuel moyen de 5,1 % pour les POP totaux dans le sol entre 2000 et 2022.
Projections de scénarios (2035) :
- BAU : Selon les tendances actuelles, les niveaux de POP totaux dans le sol devraient atteindre 59,7 ng/g d'ici 2035 (une augmentation de 93 % par rapport à la base de référence de 2023). L'intervalle de confiance à 95 % suggère une probabilité >70 % que les sites moyennement contaminés dépassent le seuil indicatif de la Commission européenne de 50 ng/g vers 2031.
- Restriction de 30 % : Ce scénario ralentit l'accumulation mais ne l'inverse pas, les niveaux atteignant environ 32,8 ng/g en 2035.
- Restriction de 50 % : Ce scénario permet une décontamination nette, réduisant les niveaux à 19,9 ng/g d'ici 2035.
- Élimination : L'élimination complète de l'utilisation réduit les niveaux à des concentrations proches du niveau de fond de 5,6 ng/g d'ici 2035.
Spécificité des composés : Le pirimiphos-méthyl a été identifié comme le composé dominant (77 % de la charge totale en 2023) et le principal moteur des dépassements de seuil futurs en raison de sa haute fréquence d'application et de sa persistance dans le sol.

Signification et revendications

L'article revendique quatre contributions principales au domaine de la prévision environnementale dans les régions en développement :

Premier cadre temporel : Il établit le premier cadre de prévision d'accumulation temporelle pour les POP dans les sols agricoles nigérians, comblant le fossé entre la surveillance de base statique et les projections dynamiques futures.
Validation méthodologique : Il démontre qu'une approche hybride ARIMA-LSTM offre une performance prédictive nettement meilleure que les modèles linéaires ou les réseaux de neurones simples pour l'accumulation de contaminants dans le sol, validant son utilité pour les processus environnementaux non linéaires à mémoire longue.
Quantification des politiques : L'étude fournit une base quantitative pour la prise de décision réglementaire, identifiant spécifiquement qu'une réduction de 30 % de l'utilisation des pesticides est insuffisante pour inverser l'accumulation, tandis qu'une réduction de 50 % est le seuil minimum requis pour une décontamination nette.
Généralisabilité : Les auteurs postulent que cette approche de modélisation hybride est transférable à d'autres agroécosystèmes chroniquement contaminés en Afrique subsaharienne, offrant un modèle reproductible pour la prévision des contaminants émergents dans les environnements tropicaux à données limitées.

L'étude conclut que bien que la reconstruction des données historiques introduise une certaine incertitude, le cadre hybride réussit à traduire les tendances du marché national en prévisions localisées de l'accumulation dans les sols, offrant un outil critique pour une gestion proactive des politiques agricoles dans le delta du Niger.