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

문제 제기

현재 아프리카 사하라 이남 지역의 농업 시스템 내 유기인계 살충제(OPP)에 대한 환경 모니터링은 거의 전적으로 단면적 평가에 의존하고 있다. 이러한 연구들은 오염 상태에 대한 스냅샷을 제공하지만, 다양한 농업 관리 시나리오 하에서 향후 토양 및 채소 잔류물의 궤적을 예측하는 능력은 결여되어 있다. 연중 살충제 사용이 빈번하고 연간 다회 수확이 이루어지는 나이지리아 델타 센트럴 지구(Delta Central District)에서는 잔류성이 강한 OPP의 지표 토양 농도가 시간이 지남에 따라 증가할 것으로 예상된다. 그러나 종단적 예측 모델이 없다면, 정책 입안자들은 규제 개입을 통해 달성 가능한 위험 감소량을 정량화하거나, 현재의 농업 궤적 하에서 미래(예: 2030년 또는 2035년)에 어떤 농도가 나타날지 결정할 수 없다.

연구 방법론

본 연구는 델타 센트럴 지구의 14가지 특정 OPP 화합물에 대한 시계열 축적 예측 프레임워크를 개발하였다. 방법론은 다음 네 가지 주요 단계로 구성된다:

1. 데이터 재구성 및 증강:

   • 기준점: 본 연구는 Tesi 등(2025)의 2023년 측정된 기초 데이터를 모델의 근거로 삼았으며, 이는 7개 지방 정부 구역(LGA)의 토양 및 채소 내 14종의 OPP를 정량화한 것이다. 지구 평균 총 토양 농도는 31.0 ng/g이었다.
   • 역사적 합성: 견고한 시계열 모델링을 위한 최소 데이터 요구 사항(통상 8~12개 연도 데이터)을 충족하기 위해, 저자들은 2000년부터 2022년까지의 역사적 데이터셋을 합성하였다. 이는 상대적인 화합물 조성 비율이 해당 기간 동안 일정하게 유지되었다고 가정하고, FAO(2024)의 나이지리아 살충제 사용 지수를 2023년 기초 데이터 비율에 따라 스케일링함으로써 수행되었다.

2. 모델 개발 및 비교:
   본 연구는 재구성된 시계열(20002022)에 대해 6가지 모델링 접근 방식을 사용하여 표본 외 예측 성능을 체계적으로 비교하였다(20202022년 데이터를 홀드아웃 테스트 세트로 사용):

   • ARIMA/SARIMA: 선형 자기회귀 과정을 포착하는 단변량 모델.
   • VAR (벡터 자기회귀): 그랜저 인과관계(Granger causality)를 테스트하기 위해 FAO 살충제 사용 지수를 외생 변수로 포함한 이변량 모델.
   • LSTM (Long Short-Term Memory): 비선형 의존성과 장기 기억을 포착하도록 설계된 단변량 및 다변량 신경망.
   • 하이브리드 ARIMA-LSTM: ARIMA 모델이 먼저 선형 추세를 포착하고, LSTM 네트워크가 비선형 잔차를 모델링하는 2단계 구조.

3. 검증 및 지표:
   모델 성능은 RMSE(평균 제곱근 오차), MAE(평균 절대 오차), MAPE(평균 절대 백분율 오차), 그리고 $R^2$(결정 계수)를 사용하여 평가되었다. 쌍별 비교에는 예측 정확도의 통계적 유의성을 평가하기 위해 디볼드-마리아노(Diebold–Mariano, DM) 검정이 활용되었다.

4. 시나리오 분석:
   최적의 모델을 사용하여 2035년까지의 토양 OPP 수준을 네 가지 규제 시나리오에 따라 투영하였다:

   • 현상 유지 (Business-As-Usual, BAU): 역사적 살충제 사용 연간 성장률인 4.7%를 지속하는 경우.
   • 30% 제한: 2025년부터 살충제 사용 지수를 30% 감소시키는 경우.
   • 50% 제한: 2025년부터 살충제 사용 지수를 50% 감소시키는 경우.
   • 가속화된 단계적 퇴출 (Accelerated Phase-Out): 2035년까지 사용 지수를 0으로 선형적으로 감소시키는 경우.

주요 결과

• 모델 성능: 하이브리드 ARIMA-LSTM 모델이 다른 모든 접근 방식보다 우수한 예측 정확도를 보였다. 이 모델은 총 토양 OPP에 대해 RMSE 1.52, MAPE 5.1%, $R^2$ 0.87을 달성하였다. 이는 단독 SARIMA 모델(RMSE 2.31, $R^2$ 0.72) 및 다변량 LSTM(RMSE 1.67, $R^2$ 0.84)보다 유의미하게 높은 성능이다.
• 인과관계 및 추세: VAR 분석 결과, 국가 살충제 사용 지수로부터 토양 축적에 대한 단방향 그랜저 인과관계가 확인되었다 ($p < 0.001$). 재구성된 시계열은 2000년에서 2022년 사이 총 토양 OPP의 평균 연간 성장률이 5.1%임을 보여주었다.
• 시나리오 투영 (2035년):
  • BAU: 현재 추세가 지속될 경우, 총 토양 OPP 수준은 2035년까지 59.7 ng/g에 도달할 것으로 예측된다 (2023년 기초치 대비 93% 증가). 95% 신뢰 구간은 중간 오염 지역이 약 2031년경에 유럽 위원회의 지표 임계값인 50 ng/g을 초과할 확률이 70% 이상임을 시사한다.
  • 30% 제한: 이 시나리오는 축적 속도를 늦추지만 역전시키지는 못하며, 2035년까지 수준은 약 32.8 ng/g에 도달한다.
  • 50% 제한: 이 시나리오는 순 오염 제거(net decontamination)를 달성하여, 2035년까지 수준을 19.9 ng/g으로 낮춘다.
  • 단계적 퇴출: 사용의 완전한 제거는 2035년까지 수준을 배경 농도에 가까운 5.6 ng/g으로 감소시킨다.
• 화합물 특이성: 피리미포스-메틸(Pirimiphos-methyl)이 지배적인 화합물(2023년 총 부하량의 77%)이자, 높은 살포 빈도와 토양 잔류성으로 인해 향후 임계값 초과를 유발하는 주요 동인으로 식별되었다.

의의 및 주장

본 논문은 개발도상국의 환경 예측 분야에 다음과 같은 네 가지 주요 기여를 한다고 주장한다:

1. 최초의 시간적 프레임워크: 본 연구는 나이지리아 농업 토양 내 OPP에 대한 최초의 시간적 축적 예측 프레임워크를 구축하여, 정적인 기초 모니터링과 동적인 미래 투영 사이의 간극을 메웠다.
2. 방법론적 검증: 본 연구는 하이브리드 ARIMA-LSTM 접근 방식이 선형 또는 단일 신경망 모델보다 토양 오염물질 축적에 대해 유의미하게 더 나은 예측 성능을 제공함을 입증하였으며, 이를 통해 비선형적이고 장기 기억을 가진 환경 프로세스에 대한 유용성을 검증하였다.
3. 정책의 정량화: 본 연구는 규제 의사결정을 위한 정량적 근거를 제공한다. 특히 살충제 사용을 30% 줄이는 것은 축적을 역전시키기에 불충분한 반면, 50% 감소가 순 오염 제거를 위한 최소 임계치임을 구체적으로 밝혀냈다.
4. 일반화 가능성: 저자들은 이 하이브리드 모델링 접근 방식이 데이터가 부족한 열대 지역의 다른 만성 오염 농업 생태계에도 전이 가능하며, 신종 오염물질 예측을 위한 복제 가능한 템플릿을 제공한다고 주장한다.

본 연구는 역사적 데이터 재구성이 일부 불확실성을 도입할 수 있으나, 하이브리드 프레임워크가 국가적 시장 트렌드를 국지적 토양 축적 예측으로 성공적으로 변환하여, 니제르 델타 지역의 선제적 농업 정책 관리를 위한 핵심 도구를 제공한다고 결론짓는다.