📄 agriculture

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

Questo studio sviluppa un modello di serie temporali ibrido ARIMA-LSTM per prevedere l'accumulo di pesticidi organofosforati nel Distretto di Delta Central, in Nigeria, dimostrando che mentre le pratiche attuali potrebbero portare a un aumento del 93% dei residui nel suolo entro il 2035, una riduzione del 50% dell'uso di pesticidi a partire dal 2025 mitigerebbe significativamente questo rischio.

Autori originali: Ibigoni C. Howard, Kngsley E. Okpara, Chioma C. Howard

Pubblicato 2026-07-07

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Ibigoni C. Howard, Kngsley E. Okpara, Chioma C. Howard

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina il suolo del Distretto Centrale del Delta in Nigeria come una gigantesca vasca da bagno che si riempie lentamente. Ogni anno, gli agricoltori versano un secchio di "acqua con pesticidi" per proteggere i loro raccolti. Di solito, lo scarico (la capacità della natura di scomporre le sostanze chimiche) ne rimuove una parte, ma non tutta. Con il passare del tempo, il livello dell'acqua nella vasca si alza.

Questo articolo di ricerca è come una previsione meteorologica per quella vasca da bagno, ma invece della pioggia, prevede quanto accumulo di pesticidi ci sarà nel suolo e nelle verdure nei prossimi dieci anni.

Ecco la storia dello studio, suddivisa in modo semplice:

1. Il Problee: Abbiamo solo un'istantanea

Fino ad ora, gli scienziati hanno principalmente scattato delle "istantanee" del suolo. Controllano quanto sia sporca l'acqua oggi, ma non possono dirti se la vasca traboccherà l'anno prossimo o tra dieci anni. Inoltre, non potevano dire facilmente: "Se smettiamo di versare il 50% dell'acqua, quanto velocemente si svuoterà la vasca?".

I ricercatori volevano costruire una macchina del tempo (un modello di previsione) per vedere il futuro di queste sostanze chimiche, specificamente 14 diversi tipi di organofosforati (OPP).

2. Gli Ingredienti: Mescolare vecchi dati con la nuova matematica

Per costruire la loro macchina del tempo, il team aveva bisogno di una lunga storia di dati, ma avevano a disposizione solo una misurazione dettagliata del 2023.

L'Ancora: Hanno usato i dati del 2023 come un solido punto di ancoraggio.
L'Estensione: Per riempire gli anni precedenti al 2023 (dal 2000 al 2022), hanno usato una "ricetta". Hanno osservato quanto la Nigeria acquistasse e utilizzasse di pesticidi in generale (dai record della FAO) e hanno scalato il dato verso l'alto o verso il basso per adattarlo alle misurazioni del 2023. È come conoscere la dimensione di una torta oggi e usare le vendite di farina degli ultimi 20 anni per indovinare quanto fossero grandi le torte in passato.

3. Gli Strumenti: I previsori "intelligenti"

I ricercatori hanno provato diverse "sfere di cristallo" per prevedere il futuro:

Il Pensatore Lineare (ARIMA): Questo modello assume che il futuro assomigli al passato, solo un po' più grande. È bravo con le linee rette, ma scarso con le curve.
Il Pensatore di Gruppo (VAR): Questo modello osserva come la quantità di pesticidi acquistati sia correlata alla quantità trovata nel suolo.
L'Apprendista Profondo (LSTM): Questa è una mente di Intelligenza Artificiale (IA). È bravissima a ricordare schemi a lungo termine e a individuare curve complesse e irregolari che gli altri modelli perdono.
La Super-Squadra (Ibrido ARIMA-LSTM): Questa è stata la vincitrice. Hanno combinato il Pensatore Lineare e l'Apprendista Profondo. Il Pensatore Lineare gestiva la crescita costante e prevedibile, mentre l'IA gestiva i picchi disordinati e imprevedibili.

Il Risultato: La Super-Squadra è stata la più accurata. Ha previsto il futuro con un errore minimo (circa il 5%), superando tutti gli altri modelli.

4. La Sfera di Cristallo: Cosa accadrà entro il 2035?

Il team ha testato quattro diversi scenari "cosa succederebbe se" per vedere come sarebbe la vasca da bagno nel 2035:

Scenario A: Business as Usual (Il piano "Continua a versare")
Se gli agricoltori continuano a usare pesticidi con l'attuale tasso di crescita, il suolo sarà il 93% più sporco entro il 2035. Il livello chimico passerà da 31 ng/g a quasi 60 ng/g. Entro il 2031, supererà probabilmente una linea di sicurezza stabilita dall'Unione Europea (50 ng/g), il che significa che il suolo sta diventando pericolosamente tossico. Una sostanza chimica specifica, il Pirimiphos-methyl, è la principale responsabile, agendo come una pietra pesante che affonda sul fondo e resta lì.
Scenario B: Il taglio del 30% (Il piano "Rallenta il ritmo")
Se riducono l'uso del 30%, il livello dell'acqua smette di salire velocemente, ma non scende. Il suolo rimane sporco, solo leggermente meno. È come abbassare un po' il rubinetto, ma la vasca continua comunque a riempirsi.
Scenario C: Il taglio del 50% (Il piano "Chiudi il rubinetto")
Se tagliano l'uso del 50%, avviene la magia. Lo scarico finalmente batte il rubinetto. Il suolo inizia a pulirsi da solo, scendendo da 31 ng/g a 19,9 ng/g. Questo è lo sforzo minimo necessario per invertire effettivamente l'inquinamento.
Scenario D: L'eliminazione graduale (Il piano "Smetti di versare")
Se smettono completamente di usare questi pesticidi entro il 2035, il suolo si pulisce quasi completamente, tornando a livelli quasi naturali (5,6 ng/g). Tuttavia, la sostanza chimica "pietra pesante" (Pirimiphos-methyl) impiega più tempo per essere lavata via perché aderisce al suolo più a lungo rispetto alle altre.

5. La Conclusione

Questo studio dimostra che non dobbiamo aspettare che accada un disastro. Usando un mix intelligente di vecchia matematica e IA moderna, possiamo prevedere esattamente quanto accumulo di inquinamento avverrà.

La lezione principale è chiara: piccoli tagli nell'uso dei pesticidi non risolveranno il problema; solo grandi tagli (il 50% o più) potranno effettivamente pulire il suolo. Se non facciamo nulla, il suolo in questa regione della Nigeria diventerà significativamente più tossico entro la metà degli anni 2030.

I ricercatori affermano che questo metodo può essere copiato per altre aree agricole in Africa per aiutare i governi a prendere decisioni più intelligenti prima che la "vasca da bagno" trabocchi.

Problematica

L'attuale monitoraggio ambientale dei pesticidi organofosforati (OPP) nei sistemi agricoli, in particolare nell'Africa sub sahariana, si basa quasi esclusivamente su valutazioni trasversali. Questi studi forniscono un'istantanea dello stato di contaminazione, ma mancano della capacità di prevedere le future traiettorie dei residui in suolo e negli ortaggi sotto diversi scenari di gestione agricola. Nel distretto di Delta Central, in Nigeria, dove l'uso di pesticidi è quasi continuo durante tutto l'anno e si verificano molteplici raccolti annualmente, le concentrazioni superficiali di OPP persistenti sono destinate ad aumentare nel tempo. Tuttavia, senza modelli di previsione longitudinali, i decisori politici non possono quantificare la riduzione del rischio ottenibile attraverso interventi normativi o determinare quali concentrazioni prevarranno negli anni futuri (ad esempio, 2030 o 2035) sotto le attuali traiettorie agricole.

Metodologia

Lo studio ha sviluppato un framework di previsione dell'accumulo in serie temporali per 14 composti specifici di OPP nel distretto di Delta Central. La metodologia ha previsto quattro fasi chiave:

Ricostruzione e Augmentation dei Dati:
- Baseline: Lo studio ha ancorato il proprio modello ai dati di base misurati nel 2023 da Tesi et al. (2025), che hanno quantificato 14 OPP in suoli e ortaggi in sette aree di governo locale (LGA). La concentrazione media totale di OPP nel suolo del distretto era di 31,0 ng/g.
- Sintesi Storica: Per soddisfare i requisiti minimi di dati per una robusta modellazione delle serie temporali (tipicamente 8–12 punti annuali), gli autori hanno sintetizzato un dataset storico dal 2000 al 2022. Ciò è stato ottenuto scalando l'indice di utilizzo dei pesticidi in Nigeria della FAO (2024) rispetto alle proporzioni della baseline del 2023, assumendo che la composizione relativa dei composti sia rimasta costante nel periodo considerato.
Sviluppo e Confronto dei Modelli:
Lo studio ha confrontato sistematicamente le prestazioni predittive out-of-sample di sei approcci di modellazione sulla serie temporale ricostruita (2000–2022), utilizzando un set di test hold-out dal 2020 al 2022:
- ARIMA/SARIMA: Modelli univariati che catturano processi autoregressivi lineari.
- VAR (Vector Autoregression): Un modello bivariato che incorpora l'indice di utilizzo dei pesticidi FAO come variabile esogena per testare la causalità di Granger.
- LSTM (Long Short-Term Memory): Reti neurali sia univariate che multivariate progettate per catturare dipendenze non lineari e memoria a lungo termine.
- Ibrido ARIMA-LSTM: Un'architettura a due stadi in cui un modello ARIMA cattura prima il trend lineare, e una rete LSTM modella i residui non lineari.
Validazione e Metriche:
Le prestazioni del modello sono state valutate utilizzando Root Mean Square Error (RMSE), Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE) e R-quadro ( $R^2$ ). I confronti a coppie hanno utilizzato il test di Diebold–Mariano (DM) per valutare la significatività statistica nell'accuratezza predittiva.
Analisi degli Scenari:
Il modello ottimale è stato utilizzato per proiettare i livelli di OPP nel suolo fino al 2035 sotto quattro scenari normativi:
- Business-As-Usual (BAU): Continuazione del tasso di crescita annuale storico del 4,7% nell'uso dei pesticidi.
- Restrizione del 30%: Una riduzione del 30% dell'indice di utilizzo a partire dal 2025.
- Restrizione del 50%: Una riduzione del 50% a partire dal 2025.
- Eliminazione Accelerata: Riduzione lineare dell'indice di utilizzo verso lo zero entro il 2035.

Risultati Chiave

Prestazioni del Modello: Il modello ibrido ARIMA-LSTM ha dimostrato una capacità predittiva superiore rispetto a tutti gli altri approcci. Ha raggiunto un RMSE di 1,52, un MAPE del 5,1% e un $R^2$ di 0,87 per il totale degli OPP nel suolo. Ha superato significativamente il modello standalone SARIMA (RMSE 2,31, $R^2$ 0,72) e la LSTM multivariata (RMSE 1,67, $R^2$ 0,84).
Causalità e Trend: L'analisi VAR ha confermato una causalità di Granger unidirezionale dall'indice nazionale di utilizzo dei pesticidi all'accumulo nel suolo ( $p < 0,001$ ). La serie ricostruita ha mostrato un tasso di crescita medio annuo del 5,1% per il totale degli OPP nel suolo tra il 2000 e il 2022.
Proiezioni degli Scenari (2035):
- BAU: Sotto gli attuali trend, i livelli totali di OPP nel suolo sono proiettati raggiungere i 59,7 ng/g entro il 2035 (un aumento del 93% rispetto alla baseline del 2023). L'intervallo di confidenza al 95% suggerisce una probabilità >70% che i siti con contaminazione mediana superino la soglia indicativa della Commissione Europea di 50 ng/g entro il 2031 circa.
- Restrizione del 30%: Questo scenario rallenta l'accumulo ma non lo inverte, con livelli che raggiungono circa 32,8 ng/g entro il 2035.
- Restrizione del 50%: Questo scenario ottiene la decontaminazione netta, riducendo i livelli a 19,9 ng/g entro il 2035.
- Eliminazione: L'eliminazione completa dell'uso riduce i livelli a concentrazioni vicine a quelle di fondo di 5,6 ng/g entro il 2035.
Specificità del Composto: Il Pirimifos-metil è stato identificato come il composto dominante (77% del carico totale nel 2023) e il principale motore dei futuri superamenti delle soglie a causa della sua alta frequenza di applicazione e persistenza nel suolo.

Significatività e Rivendicazioni

Il documento rivendica quattro contributi principali al campo della previsione ambientale nelle regioni in via di sviluppo:

Primo Framework Temporale: Stabilisce il primo framework di previsione dell'accumulo temporale per gli OPP nei suoli agricoli nigeriani, colmando il divario tra il monitoraggio statico della baseline e le proiezioni dinamiche future.
Validazione Metodologica: Dimostra che un approccio ibrido ARIMA-LSTM fornisce prestazioni predittive significativamente migliori rispetto ai modelli lineari o alle singole reti neurali per l'accumulo di contaminanti nel suolo, validando la sua utilità per i processi ambientali non lineari a lunga memoria.
Quantificazione delle Politiche: Lo studio fornisce una base quantitativa per il processo decisionale normativo, identificando specificamente che una riduzione del 30% nell'uso dei pesticidi è insufficiente per invertire l'accumulo, mentre una riduzione del 50% è la soglia minima richiesta per la decontaminazione netta.
Generalizzabilità: Gli autori sostengono che questo approccio di modellazione ibrida è trasferibile ad altri agroecosistemi cronicamente contaminati nell'Africa sub sahariana, offrendo un template replicabile per la previsione di contaminanti emergenti in ambienti tropicali con scarsità di dati.

Lo studio conclude che, sebbene la ricostruzione dei dati storici introduca una certa incertezza, il framework ibrido riesce a tradurre i trend di mercato nazionali in previsioni localizzate dell'accumulo di OPP nel suolo, offrendo uno strumento critico per la gestione proattiva delle politiche agricole nel Delta del Niger.