📄 agriculture

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

Este estudo desenvolve um modelo híbrido de séries temporais ARIMA-LSTM para prever o acúmulo de pesticidas organofosforados no Distrito Central de Delta, Nigéria, demonstrando que, embora as práticas de continuidade dos negócios atuais possam levar a um aumento de 93% nos resíduos no solo até 2035, uma redução de 50% no uso de pesticidas a partir de 2025 mitigaria significativamente este risco.

Autores originais: Ibigoni C. Howard, Kngsley E. Okpara, Chioma C. Howard

Publicado 2026-07-07

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Ibigoni C. Howard, Kngsley E. Okpara, Chioma C. Howard

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine o solo no Distrito Central do Delta, na Nigéria, como uma banheira gigante e de movimento lento. Todos os anos, os agricultores despejam um balde de "água com pesticida" para proteger suas plantações. Geralmente, o ralo (a capacidade da natureza de decompor produtos químicos) remove parte dela, mas não tudo. Com o tempo, o nível da água na banheira sobe.

Este artigo de pesquisa é como uma previsão do tempo para essa banheira, mas em vez de chuva, ele prevê quanto pesticida se acumulará no solo e nos vegetais ao longo da próxima década.

Aqui está a história do estudo, dividida de forma simples:

1. O Problema: Só Temos um Instantâneo

Até agora, os cientistas têm tirado majoritariamente "instantâneos" do solo. Eles verificam o quão suja está a água hoje, mas não conseguem dizer se a banheira vai transbordar no próximo ano ou em dez anos. Eles também não conseguiam dizer facilmente: "Se pararmos de despejar 50% da água, quão rápido a banheira esvazirá?"

Os pesquisadores queramente construir uma máquina do tempo (um modelo de previsão) para ver o futuro desses produtos químicos, especificamente 14 tipos diferentes de pesticidas organofosforados (OPPs).

2. Os Ingredientes: Misturando Dados Antigos com Matemática Nova

Para construir sua máquina do tempo, a equipe precisava de um longo histórico de dados, mas eles tinham apenas uma medição detalhada de 2023.

A Âncora: Eles usaram os dados de 2023 como um ponto de ancoragem sólido.
O Alongamento: Para preencher os anos anteriores a 2023 (de 2000 a 2022), eles usaram uma "receita". Eles observaram quanto de pesticida a Nigéria comprou e usou no total (dos registros da FAO) e escalonaram para cima ou para baixo para corresponder às medições de 2023. É como saber o tamanho de um bolo hoje e usar as vendas de farinha dos últimos 20 anos para adivinhar o tamanho dos bolos naquela época.

3. As Ferramentas: Os Previsores "Inteligentes"

Os pesquisadores testaram vários diferentes "globos de cristal" para prever o futuro:

O Pensador Linear (ARIMA): Este modelo assume que o futuro será igual ao passado, apenas um pouco maior. É bom para linhas retas, mas ruim para curvas.
O Pensador de Grupo (VAR): Este modelo observa como a quantidade de pesticida comprada se relaciona com a quantidade encontrada no solo.
O Aprendiz Profundo (LSTM): Esta é uma "mente" de Inteligência Artificial (IA). É excelente em lembrar padrões de longo prazo e identificar curvas complexas e onduladas que os outros modelos perdem.
O Super-Time (Híbrido ARIMA-LSTM): Este foi o vencedor. Eles combinaram o Pensador Linear e o Aprendiz Profundo. O Pensador Linear lidou com o aumento constante e previsível, enquanto a IA lidou com os altos e baixos desordenados e imprevisíveis.

O Resultado: O Super-Time foi o mais preciso. Ele previu o futuro com muito pouco erro (apenas cerca de 5% de diferença), superando todos os outros modelos.

4. O Globo de Cristal: O Que Acontece até 2035?

A equipe executou quatro cenários de "e se" para ver como estaria a banheira em 2035:

Cenário A: Negócios como de Costume (O Plano "Continuar Despejando")
Se os agricultores continuarem usando pesticidas no ritmo de crescimento atual, o solo ficará 93% mais sujo até 2035. O nível químico saltará de 31 ng/g para quase 60 ng/g. Até 2031, provavelmente cruzará uma linha de segurança estabelecida pela União Europeia (50 ng/g), o que significa que o solo está se tornando perigosamente tóxico. Um produto químico específico, o Pirimifos-metílico, é o principal culpado, agindo como uma pedra pesada que afunda no fundo e permanece lá.
Cenário B: O Corte de 30% (O Plano "Aliviar o Peso")
Se reduzirem o uso em 30%, o nível da água para de subir tão rápido, mas não desce. O solo continua sujo, apenas um pouco menos. É como diminuir um pouco a torneira, mas a banheira ainda está enchendo.
Cenário C: O Corte de 50% (O Plano "Fechar a Torneira")
Se cortarem o uso em 50%, a mágica acontece. O ralo finalmente vence a torneira. O solo começa a se limpar sozinho, caindo de 31 ng/g para 19,9 ng/g. Este é o esforço mínimo necessário para realmente reverter a poluição.
Cenário D: A Eliminação Gradual (O Plano "Parar de Despejar")
Se pararem de usar esses pesticidas inteiramente até 2035, o solo se limpa quase completamente, retornando a níveis próximos aos naturais (5,6 ng/g). No entanto, o produto químico "pedra pesada" (Pirimifos-metílico) leva o tempo mais longo para ser lavado porque gruda no solo por mais tempo do que os outros.

5. A Conclusão

Este estudo prova que não precisamos esperar um desastre acontecer. Ao usar uma mistura inteligente de matemática antiga e IA moderna, podemos prever exatamente quanto a poluição irá se acumular.

A lição principal é clara: Pequenos cortes no uso de pesticidas não resolverão o problema; apenas grandes cortes (50% ou mais) realmente limparão o solo. Se não fizermos nada, o solo nesta região da Nigéria se tornará significativamente mais tóxico até meados da década de 2030.

Os pesquisadores afirmam que este método pode ser copiado para outras áreas agrícolas na África para ajudar os governos a tomar decisões mais inteligentes antes que a "banheira" transborde.

Problema

O monitoramento ambiental atual de pesticidas organofosforados (POPs) em sistemas agrícolas, particularmente na África subsaariana, baseia-se quase exclusivamente em avaliações transversais. Esses estudos fornecem um instantâneo do estado de contaminação, mas carecem da capacidade de prever trajetórias futuras de resíduos em solos e vegetais sob variados cenários de manejo agrícola. No Distrito Central de Delta, na Nigéria, onde o uso de pesticidas é quase contínuo e ocorrem múltiplas colheitas anualmente, espera-se que as concentrações superficiais de POPs persistentes aumentem ao longo do tempo. No entanto, sem modelos de previsão longitudinais, os formuladores de políticas não podem quantificar a redução de risco alcançável através de intervenção regulatória ou determinar quais concentrações prevalecerão em anos futuros (por exemplo, 2030 ou 2035) sob as trajetórias agrícolas atuais.

Metodologia

O estudo desenvolveu uma estrutura de previsão de acumulação de séries temporais para 14 compostos específicos de POPs no Distrito Central de Delta. A metodologia envolveu quatro etapas principais:

Reconstrução e Aumento de Dados:
- Base: O estudo ancorou seu modelo nos dados de linha de base medidos em 2023 por Tesi et al. (2025), que quantificaram 14 POPs em solos e vegetais em sete Áreas de Governo Local (LGAs). A média distrital da concentração total no solo foi de 31,0 ng/g.
- Síntese Histórica: Para atender aos requisitos mínimos de dados para uma modelagem de séries temporais robusta (tipicamente 8 a 12 pontos anuais), os autores sintetizaram um conjunto de dados históricos de 2000 a 2022. Isso foi realizado escalonando o índice de uso de pesticidas da FAO (2024) para a Nigéria contra as proporções da linha de base de 2023, assumindo que a composição relativa dos compostos permaneceu constante durante o período.
Desenvolvimento e Comparação de Modelos:
O estudo comparou sistematicamente o desempenho preditivo fora da amostra de seis abordagens de modelagem na série temporal reconstruída (2000–2022), utilizando um conjunto de teste de retenção de 2020–2022:
- ARIMA/SARIMA: Modelos univariados que capturam processos autorregressivos lineares.
- VAR (Vetor Autorregressivo): Um modelo bivariado incorporando o índice de uso de pesticidas da FAO como uma variável exógena para testar a causalidade de Granger.
- LSTM (Long Short-Term Memory): Redes neurais univariadas e multivariadas projetadas para capturar dependências não lineares e memória de longo prazo.
- Híbrido ARIMA-LSTM: Uma arquitetura de dois estágios onde um modelo ARIMA primeiro captura a tendência linear, e uma rede LSTM modela os resíduos não lineares.
Validação e Métricas:
O desempenho do modelo foi avaliado usando RMSE (Raiz do Erro Quadrático Médio), MAE (Erro Médio Absoluto), MAPE (Erro Percentual Absoluto Médio) e R-quadrado ( $R^2$ ). Comparações par a par utilizaram o teste de Diebold–Mariano (DM) para avaliar a significância estatística na precisão preditiva.
Análise de Cenários:
O modelo ideal foi usado para projetar os níveis de POPs no solo até 2035 sob quatro cenários regulatórios:
- Continuidade de Tendências (BAU - Business-As-Usual): Continuação da taxa de crescimento anual histórica de 4,7% no uso de pesticidas.
- Restrição de 30%: Uma redução de 30% no índice de uso começando em 2025.
- Restrição de 50%: Uma redução de 50% começando em 2025.
- Eliminação Acelerada: Redução linear do índice de uso para zero até de 2035.

Principais Resultados

Desempenho do Modelo: O modelo Híbrido ARIMA-LSTM demonstrou uma precisão preditiva superior em comparação com todas as outras abordagens. Alcançou um RMSE de 1,52, MAPE de 5,1% e um $R^2$ de 0,87 para o total de POPs no solo. Isso superou significativamente o modelo SARIMA isolado (RMSE 2,31, $R^2$ 0,72) e a LSTM multivariada (RMSE 1,67, $R^2$ 0,84).
Causalidade e Tendências: A análise VAR confirmou uma causalidade de Granger unidirecional do índice nacional de uso de pesticidas para a acumulação no solo ( $p < 0,001$ ). A série reconstruída mostrou uma taxa de crescimento anual média de 5,1% para o total de POPs no solo entre 2000 e 2022.
Projeções de Cenários (2035):
- BAU: Sob as tendências atuais, os níveis totais de POPs no solo devem atingir 59,7 ng/g até 2035 (um aumento de 93% sobre a linha de base de 2023). O intervalo de confiança de 95% sugere uma probabilidade >70% de que os locais de contaminação mediana excedam o limite indicativo da Comissão Europeia de 50 ng/g por volta de 2031.
- Restrição de 30%: Este cenário retarda a acumulação, mas não a reverte, com níveis atingindo ~32,8 ng/g em 2035.
- Restrição de 50%: Este cenário alcança a descontaminação líquida, reduzindo os níveis para 19,9 ng/g até 2035.
- Eliminação Total: A eliminação total do uso reduz os níveis para concentrações próximas ao nível de fundo de 5,6 ng/g até 2035.
Especificidade de Compostos: O Pirimifós-metílico foi identificado como o composto dominante (77% da carga total em 2023) e o principal impulsionador das futuras excedências de limites devido à sua alta frequência de aplicação e persistência no solo.

Significância e Alegações

O artigo reivindica quatro contribuições principais para o campo da previsão ambiental em regiões em desenvolvimento:

Primeira Estrutura Temporal: Estabelece a primeira estrutura de previsão de acumulação temporal para POPs em solos agrícolas nigerianos, preenchendo a lacuna entre o monitoramento de linha de base estático e as projeções dinâmicas futuras.
Validação Metodológica: Demonstra que uma abordagem híbrida ARIMA-LSTM fornece um desempenho preditivo significativamente melhor do que modelos lineares ou de rede neural única para a acumulação de contaminantes no solo, validando sua utilidade para processos ambientais de memória longa e não lineares.
Quantificação de Políticas: O estudo fornece uma base quantitativa para a tomada de decisões regulatórias, identificando especificamente que uma redução de 30% no uso de pesticidas é insuficiente para reverter a acumulação, enquanto uma redução de 50% é o limiar mínimo necessário para a descontaminação líquida.
Generalização: Os autores postulam que esta abordagem de modelagem híbrida é transferível para outros agroecossistemas cronicamente contaminados na África subsaariana, oferecendo um template replicável para a previsão de contaminantes emergentes em ambientes tropicais com escassez de dados.

O estudo conclui que, embora a reconstrução histórica de dados introduza alguma incerteza, a estrutura híbrida consegue traduzir as tendências do mercado nacional em previsões localizadas de acumulação de solo, oferecendo uma ferramenta crítica para a gestão proativa da política agrícola no Delta do Níger.