📄 agriculture

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

本研究开发了一种混合 ARIMA-LSTM 时间序列模型，用于预测尼日利亚中德尔塔地区有机磷农药的累积量，结果表明，虽然照常进行的业务实践可能导致到 2035 年土壤残留量增加 93%，但从 2025 年开始将农药使用量减少 50% 将显著降低这一风险。

原作者： Ibigoni C. Howard, Kngsley E. Okpara, Chioma C. Howard

发布于 2026-07-07

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Ibigoni C. Howard, Kngsley E. Okpara, Chioma C. Howard

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，尼日利亚中部三角洲地区的土壤就像一个巨大的、移动缓慢的浴缸。每年，农民都会往里倒入一桶“农药水”来保护他们的庄稼。通常情况下，排水口（大自然分解化学物质的能力）会排走其中的一部分，但并不能全部排走。随着时间的推移，浴缸里的水位会不断上升。

这篇研究论文就像是那个浴缸的天气预报，只不过它预测的不是降雨，而是未来十年内土壤和蔬菜中会积累多少农药。

以下是这项研究的故事，通过简单的语言进行了拆解：

1. 问题所在：我们只有一张“快照”

直到现在，科学家们大多只能获取土壤的“快照”。他们检查的是今天水有多脏，但他们无法告诉你浴缸是否会在明年或十年后溢出。他们也无法轻易地回答：“如果我们停止倒入50%的水，浴缸排空的速度会有多快？”

研究人员想要建造一台时光机（一种预测模型），来观察这些化学物质的未来，特别是14种不同类型的有机磷农药（OPPs）。

2. 原料：将旧数据与新数学相融合

为了建造这台时光机，团队需要长期的历史数据，但他们只有一份详细的2023年测量数据。

锚点： 他们使用2023年的数据作为一个坚实的锚点。
拉伸： 为了填补2023年之前（从2000年到2022年）的空白，他们使用了一种“配方”。他们查看了尼日利亚整体购买和使用的农药量（来自FAO记录），并将其按比例放大或缩小，以匹配2023年的测量值。这就像是知道今天的蛋糕有多大，然后利用过去20年的面粉销量来推测以前的蛋糕有多大。

3. 工具：“智能”预测者

研究人员尝试了几种不同的“水晶球”来预测未来：

线性思考者 (ARIMA)： 这个模型假设未来看起来就像过去一样，只是稍微变大了一点。它擅长处理直线，但不擅长处理曲线。
群体思考者 (VAR)： 这个模型观察购买的农药量与在土壤中发现的量之间的关系。
深度学习者 (LSTM)： 这是一个人工智能（AI）大脑。它非常擅长记忆长期模式并识别其他模型会错过的复杂、波动曲线。
超级团队 (混合型 ARIMA-LSTM)： 这是最终的获胜者。他们结合了线性思考者和深度学习者。线性思考者处理稳定、可预测的上升趋势，而AI则处理杂乱、不可预测的波动。

结果： “超级团队”是最准确的。它的预测误差非常小（仅约5%的偏差），击败了所有其他模型。

4. 水晶球：到2035年会发生什么？

团队运行了四种不同的“假设情景”，以观察到2035年时浴缸会是什么样子：

情景 A：照常进行（“继续倒水”计划）
如果农民继续按目前的增长率使用农药，到2035年，土壤将变得脏93%。化学物质水平将从31 ng/g跳升至接近 60 ng/g。到2031年，它很可能会跨过欧盟设定的安全线（50 ng/g），这意味着土壤正变得具有危险毒性。一种特定的化学物质——甲基毒死虫硫磷 (Pirimiphos-methyl) 是主要元凶，它就像一颗沉重的石头掉入底部并留在那里。
情景 B：减少30%（“减轻负担”计划）
如果减少30%的使用量，水位上升的速度会放缓，但它并不会下降。土壤依然很脏，只是脏得稍微轻一点。这就像是把水龙头关小了一点，但浴缸仍在注水。
情景 C：减少50%（“关掉水龙头”计划）
如果减少50%的使用量，奇迹发生了。排水口终于跑赢了水龙头。土壤开始自我净化，从31 ng/g下降到 19.9 ng/g。这是实现污染逆转所需的最低努力程度。
情景 D：逐步淘汰（“停止注水”计划）
如果到2035年完全停止使用这些农药，土壤将几乎完全清理干净，恢复到接近自然水平（5.6 ng/g）。然而，那颗“重石”化学物质（甲基毒死虫硫磷）需要最长的时间才能洗掉，因为它比其他物质更容易粘附在土壤上。

5. 核心启示

这项研究证明了我们不必等到灾难发生才采取行动。通过使用旧数学与现代AI的智能结合，我们可以精确预测污染会如何积累。

主要的教训很明确：仅仅减少少量的农药使用并不能解决问题；只有大幅度削减（50%或更多）才能真正净化土壤。 如果我们无所作为，该地区的土壤到2030年代中期将会变得显著更加有毒。

研究人员表示，这种方法可以被复制到非洲的其他农业地区，以帮助政府在“浴缸”溢出之前做出更明智的决策。

以下是关于研究论文《尼日利亚中部德尔塔区农业土壤及蔬菜中有机磷农药的时间序列累积预测》的技术性摘要总结。

问题陈述

当前对农业系统中有机磷农药（OPPs）的环境监测几乎完全依赖于横截面评估。这些研究仅提供了污染现状的快照，缺乏在不同农业管理情景下预测未来土壤和蔬菜残留轨迹的能力。在尼日利亚中部德尔塔区，由于农药使用接近全年无间断且每年进行多次收获，地表土壤中持久性有机磷农药的浓度预计会随时间增加。然而，由于缺乏纵向预测模型，政策制定者无法量化通过监管干预可实现的风险降低程度，也无法确定在当前农业轨迹下，未来年份（例如 2030 年或 2035 年）将盛行何种浓度的污染物。

研究方法

本研究为尼日利亚中部德尔塔区的 14 种特定有机磷农药化合物开发了一个时间序列累积预测框架。该方法包含四个关键阶段：

数据重构与增强：
- 基准： 研究以 Tesi 等人（2025）的 2023 年实测基准数据为锚点，该数据量化了分布在七个地方政府辖区（LGAs）内土壤和蔬菜中的 14 种有机磷农药。该地区的平均总土壤浓度为 31.0 ng/g。
- 历史合成： 为了满足稳健时间序列建模所需的最低数据要求（通常为 8-12 个年度数据点），作者通过合成 2000 年至 2022 年的历史数据集来完成。这是通过将 FAO（2024）尼日利亚农药使用指数相对于 2023 年基准比例进行缩放实现的，并假设在此期间化合物的相对组成保持不变。
模型开发与比较：
研究系统地比较了六种建模方法在重构时间序列（2000–2022）上的样本外预测性能，并使用 2020–2022 年作为留出测试集：
- ARIMA/SARIMA： 捕捉线性自回归过程的单变量模型。
- VAR（向量自回归）： 将 FAO 农药使用指数作为外生变量纳入其中的二元模型，用于测试格兰杰因果关系（Granger causality）。
- LSTM（长短期记忆网络）： 旨在捕捉非线性依赖关系和长期记忆的单变量及多变量神经网络。
- 混合 ARIMA-LSTM： 一种两阶段架构，首先由 ARIMA 模型捕捉线性趋势，然后由 LSTM 网络对非线性残差进行建模。
验证与指标：
模型性能通过均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）和 $R^2$ 进行评估。通过 Diebold–Mariero (DM) 检验进行成对比较，以评估预测准确性的统计显著性。
情景分析：
利用最优模型将土壤有机磷农药水平投影至 2035 年，共设定了四种监管情景：
- 照常进行（BAU）： 延续历史上 4.7% 的农药使用年增长率。
- 30% 限制： 从 2025 年开始将使用指数减少 30%。
- 50% 限制： 从 2025 年开始将使用指数减少 50%。
- 加速淘汰： 到 2035 年线性减少使用指数直至为零。

主要结果

模型性能： 混合 ARIMA-LSTM 模型展现出优于所有其他方法的预测精度。对于总土壤有机磷农药，其 RMSE 为 1.52，MAPE 为 5.1%， $R^2$ 为 0.87。这显著优于独立的 SARIMA 模型（RMSE 2.31， $R^2$ 0.72）和多变量 LSTM 模型（RMSE 1.67， $R^2$ 0.84）。
因果关系与趋势： VAR 分析证实了从国家农药使用指数到土壤累积的单向格兰杰因果关系（ $p < 0.001$ ）。重构后的序列显示，2000 年至 2022 年间，总土壤有机磷农药的平均年增长率为 5.1%。
情景预测（2035 年）：
- 照常进行（BAU）： 在当前趋势下，预计到 2035 年总土壤有机磷水平将达到 59.7 ng/g（较 2023 年基准增加了 93%）。95% 置信区间表明，中度污染场址在 2031 年左右超过欧盟委员会 50 ng/g 指标阈值的概率大于 70%。
- 30% 限制： 该情景减缓了累积速度，但未能实现逆转，到 2035 年水平约为 32.8 ng/g。
- 50% 限制： 该情景实现了净去污，使水平在 2035 年降至 19.9 ng/g。
- 加速淘汰： 完全消除使用量可使水平在 2035 年降至接近背景浓度的 5.6 ng/g。
化合物特异性： 甲基百乐威明（Pirimiphos-methyl）被确定为主要化合物（占 2023 年总负荷的 77%），由于其高施用频率和土壤持久性，它是未来突破阈值的主要驱动因素。

意义与主张

本文提出了对该领域（尤其是发展中地区环境预测）的四项主要贡献：

首个时间框架： 它建立了第一个针对尼日利亚农业土壤中有机磷农药的时间累积预测框架，弥补了静态基准监测与动态未来预测之间的空白。
方法论验证： 研究证明，混合 ARIMA-LSTM 方法提供的预测性能显著优于线性或单一神经网络模型，验证了其在处理非线性、长记忆环境过程中的实用价值。
政策量化： 研究为监管决策提供了定量依据，特别指出减少 30% 的农药使用量不足以逆转累积，而 50% 的减幅是实现净去污的最低阈值。
普适性： 作者认为，这种混合建模方法可推广至撒哈拉以南非洲其他长期受污染的农耕生态系统，为数据匮乏的热带地区新兴污染物预测提供了一个可复制的模板。

研究结论指出，尽管历史数据重构引入了一定的不确定性，但该混合框架成功地将国家市场趋势转化为局部的土壤累积预测，为前瞻性的农业政策管理提供了关键工具。