编辑推荐：
为解决欧盟农药污染评估数据分辨率不足问题，研究人员开展绘制欧盟 250m 空间分辨率农药施用率地图的研究。利用多源数据和最大似然估计法，得出高分辨率地图及不确定性信息，有助于评估农药环境影响。
在现代农业的大舞台上，农药无疑是一把双刃剑。它为农作物的茁壮成长保驾护航，有效抵御病虫害的侵袭，保障了粮食的产量和质量。然而，随着时间的推移，人们逐渐发现这把剑带来了诸多问题。农药残留如同幽灵一般，在土壤、水体、大气等各个环境角落肆意游荡。它不仅威胁着生态系统的平衡，对土壤中的微生物群落、水体中的水生生物以及大气中的生物多样性都产生了潜在影响，还可能通过食物链的传递，悄然进入人体，危害人类健康。
为了更深入地了解农药在环境中的行为，评估其对生态系统的影响，精准掌握农药的施用情况至关重要。但在过去，相关数据的分辨率较低，难以满足研究和政策制定的需求。就像戴着一副模糊的眼镜看世界，无法清晰地洞察农药在不同区域、不同作物上的施用差异，也难以准确评估其对环境的具体危害程度。在这样的背景下，来自意大利米兰理工大学（Politecnico di Milano）土木与环境工程系以及澳大利亚悉尼大学土木工程学院的研究人员，决心攻克这一难题。他们开展了一项绘制欧盟 250m 空间分辨率农药施用率地图的研究，并将研究成果发表在《Scientific Data》上。这一研究成果意义重大，它为环境评估、政策制定以及农业可持续发展提供了关键的数据支持，让我们能够更清晰地认识农药的环境影响，从而采取更有效的措施应对农药污染问题。
研究人员为了开展此项研究，运用了多种关键技术方法。首先，他们整合了多源数据，包括全球农药投入估计数据、高分辨率作物地图（如 EUCM）和 EUROSTAT 官方统计的农药使用数据，这些数据为研究提供了丰富的信息基础。其次，借助最大似然估计（Maximum Likelihood estimation）程序，他们在考虑数据质量和不确定性的情况下，对农药施用率进行校准和估计，确保了研究结果的准确性和可靠性 。
欧洲作物地图的选择与聚合
研究人员以高分辨率的欧盟作物地图（EUCM）为主要信息源，结合 CORINE 土地覆盖数据集，对 EUCM 进行了优化处理。针对 EUCM 中存在的一些问题，如水稻像素标注不准确、“林地和灌木丛（包括永久性作物）” 标签无法区分其他植被类型等，通过与 CORINE 数据集整合进行了修正。之后，将地图分辨率调整为 250m，并重新安排地图标签，使其与 PEST-CHEMGRIDSv1.01 中的作物类别相匹配。经过处理，得到了 EUCM-CORINE-250 地图，该地图涵盖了 PEST-CHEMGRIDSv1.01 中的大部分作物类别，但由于数据匹配困难，排除了苜蓿和棉花。
PEST-CHEMGRIDSv1.01 地图投影与活性成分筛选
将 PEST-CHEMGRIDSv1.01 地图投影到与 EUCM-CORINE-250 地图相同的地理参考网格上，利用最近邻近似法对每个像素的作物特定施用率进行插值。同时，依据 2018 年 1 月 9 日各国的农药使用授权和禁令，对活性成分进行筛选，最终确定了 55 种至少在一个国家被批准使用的活性成分，并将其分为除草剂（H）、杀菌剂和杀细菌剂（F）、杀虫剂和杀螨剂（I）三大主要组进行后续研究。
校准数据预处理
从 EUROSTAT 收集校准数据集，由于原始数据时间上较为稀疏，研究人员取 2015 - 2020 年的平均量作为 2018 年的参考数据。然后，选择与 PEST-CHEMGRIDSv1.01 数据集中活性成分相关的施用质量数据，并按照作物类型进行分类。为避免标签不匹配导致的错误分类，将复合作物类别进行合并，同时忽略质量小于 100kg 的数据。经过这些处理，得到了 175 个施用质量数据，并将其按照三大主要组进行划分。
施用农药质量校准
基于地理区域和作物类型，研究人员假设了一个缩放模型对施用农药质量进行调整。在最大似然（ML）框架下，通过最小化目标函数来估计模型中的参数。结果表明，除草剂的校准结果最为准确，这与数据集中该类别的高覆盖率有关。同时，所有主要组的参数估计不确定性都较低。
施用农药质量的不确定性估计
运用蒙特卡罗方法（Monte Carlo），将参数估计的不确定性传播到农药施用质量的估计中。假设估计参数相互独立且服从正态分布，生成 103个农药施用质量的实现样本。从样本中得到低、中、高三个估计值，以此来表示农药施用质量的不确定性范围，并且验证了该样本量能够有效估计不确定性边界。
农药地图生成
计算高、中、低三种情景下的校正因子，通过校正因子对之前得到的初步施用率进行修正，从而得到所有活性成分在空间上的分布施用率。将每个网格单元的施用率视为恒定值，生成农药地图，并将地图地理参考设置为 EPSG:3035 投影坐标系。
数据准确性评估
根据与校准数据集对比得到的估计残差，计算每个活性成分主要组和国家的数据准确性指标（QI）。当某一作物 - 国家对的数据缺失时，采用同一国家组内相同作物的指标平均值。将 QI 值以空间地图的形式呈现，直观展示数据的准确性情况。
研究人员通过一系列严谨的研究步骤，成功绘制出了欧盟 250m 空间分辨率的农药施用率地图。这些地图提供了详细的农药投入空间分布信息，不仅有助于评估农药在环境中的归宿、迁移以及生物地球化学转化过程，还能为环境风险评估提供关键依据。例如，通过地图可以清晰地看到不同区域、不同作物上农药施用率的差异，从而为精准防控农药污染提供有力支持。
然而，该研究也存在一定的局限性。地图未考虑有机农业等特定农业实践对农药使用的影响，采用的静态作物地图忽略了复种情况，而且数据质量在不同作物类别间存在差异，地图也未涵盖欧盟授权的所有农药。尽管如此，这项研究仍然为后续相关研究奠定了重要基础。未来研究可以在此基础上，进一步完善数据收集和分析方法，纳入更多影响因素，从而更全面、准确地评估农药的环境影响，为实现农业可持续发展和环境保护目标提供更有力的支持。
