食料とサービスに対する国際的な需要が農薬使用による環境負荷を増大させる

Sep 16, 2023

Communications Earth & Environmental volume 3、記事番号: 272 (2022) この記事を引用

3381 アクセス

1 引用

24 オルトメトリック

メトリクスの詳細

農薬は、生物多様性と生態系の機能を脅かす汚染物質であることはよく知られています。ここでは、トップダウンの複数地域の産業連関分析を使用して、82 の国と地域および 8 つの広範な地域における農薬使用による環境フットプリントを定量化します。農薬フットプリントは、悪影響を受けることなく残留農薬を吸収するために必要な非標的生物の体重 (bw) を定量化する危険負荷として表されます。 2015 年の世界の農薬消費により 2 Gt-bw の農薬フットプリントが発生したことを示します。このうち 32% は国際的に取引されています。世界の一人当たりの農薬使用量の平均は 0.27 トン体重 -1 年 -1 であり、高所得国が一人当たりの使用量が最大となっています。中国、ドイツ、英国は、商品に含まれる農薬危険負荷量の純輸入国の上位 3 位であり、米国、ブラジル、スペインが最大の純輸出国 3 位である。私たちの研究は、悪影響が他国に波及しないようにしながら、農薬使用の削減を目標とする政策の必要性を浮き彫りにしています。

過去 50 年にわたり、緑の革命によって推進された現代農業は、灌漑と合成肥料と殺虫剤の広範な使用により、前例のない高い収量を達成しました。残念なことに、この集約的食糧生産戦略は、陸域および水域の生態系を悪化させ、水資源を枯渇させ、気候変動の一因となるため、現在持続可能ではありません2、3、4。現在までに、世界の生産と消費による環境フットプリントを定量化する取り組みは、温室効果ガス排出量 6、水不足 2,7、生物多様性 8,9、窒素汚染 10、酸性化 2、土地利用 2,11,12 などを含む幅広い指標 5 をカバーしてきました。しかし、彼らは農薬の使用によってもたらされる環境への圧力をほとんど表現していない。

農薬の使用は、生物多様性の損失を引き起こし 13,14、受粉、自然の害虫駆除、土壌呼吸、栄養循環などを調節する生態系の機能やサービスに混乱を引き起こすことで、環境に圧力をかける可能性があります 15,16。したがって、農薬使用による潜在的な環境リスクを軽減することは、世界中の農業および環境政策の重要な目標となっています17。例えば、欧州連合のファーム・トゥ・フォーク戦略は、食品サプライチェーン全体を通じて持続可能性を確保することにより、公正で健康的で環境に優しい食品システムへの変革を目標としている18。これは、総合的な枠組みの中で農薬削減戦略を確立する機会を提供する。食品サプライチェーンのすべての関係者を包含する枠組み17. このような包括的な枠組みを確立するための重要なステップの 1 つは、一次生産者から最終消費者に至るまでの農薬使用のフットプリントを定量化し、国際取引が国家間での農薬使用をどのように促進しているかを理解し、国の農薬政策が不当に行われた場合のフットプリント漏洩の可能性を浮き彫りにすることです。国内生産を輸入にシフトする。

これまで、環境影響評価では 2 種類の指標が考慮されてきました。圧力指向の指標 (環境への排出などの基本的な流れに基づく) と影響指向の指標 (人間の健康や生態系に対する中間点および終点の影響など) ）、どちらもライフサイクル評価（LCA）に関する文献に由来しています19、20。農薬は主に化学物質のフットプリントの一部として考慮されており、それ以来、ボトムアップの LCA や USEtox などの影響指向の指標を使用して評価されています 21、22、23、24。これらのボトムアップLCAは、特定の製品やプロセスの影響に関する特異性を提供する一方で、商品やサービスの最終消費によって引き起こされる農薬使用の影響のホットスポットや、農薬の推進におけるグローバリゼーションと国際貿易の寄与を考慮していません。業界による使用。さらに、ボトムアップ LCA は評価の一部としてシステム境界の選択を必要とする25ため、農薬使用による間接的なサプライチェーンへの影響を定量化するのには適していません。

農薬使用による環境フットプリントを世界経済全体のレベルで定量化するために、私たちは複数地域の産業連関（MRIO）分析に基づくトップダウンのアプローチを使用します。 MRIO 分析は、消費による環境的および社会的影響を分析するために複数の規模で実施されています26。具体的には、この技術は、国際的なサプライチェーンのつながりを評価する機能を提供します。これは、貿易関係 (輸出入) が世界中で意図しない環境および社会的影響にどのように寄与しているかを分析するための、ボトムアップ評価では提供されない機能です。最近、Global Industrial Ecology Virtual Laboratory Platform (Global IELab) の出現により、カスタマイズされた貿易データベースの構築が可能になりました。この進歩により、国際貿易の観点から特定の製品や地域が評価されるようになりました27。

ここでは、農薬フットプリントを、商品やサービスの消費を満たすために作物生産に使用される農薬の危険負荷（HL）として定義します。危険負荷は、農薬を吸収するために必要な非標的生物の総体重（bw）を測定します。観察可能な悪影響をもたらさない年間摂取量で環境中に蓄積される（「方法」）。値が大きいほど、環境圧力が大きいことを意味します。ここで使用される農薬危険負荷量は、総適用毒性指標 (TAT) と同様の概念に基づいています28。具体的には、危険荷重は \({{{{{\rm{HL}}}}}}=\sum [{M}_{i}{{{{{\boldsymbol{/}}}}] として定義されます。 }({{{{{{\rm{NOAEL}}}}}}_{i}\times 365)]\)、\({M}_{i}\) [kg-農薬] は環境中に蓄積された有効成分 i の総質量と \({{{{{\rm{NOAEL}}}}}}}_{i}\) [kg-農薬 kg-bw−1 day−1] は哺乳動物および鳥類における有効成分 i の観察されない有害作用レベル (詳細は「方法」を参照)。ここで定義される危険負荷量には、人の健康に対する農薬の影響や、散布直後の即時暴露による非標的生物に対する急性毒性は考慮されていません。この定義に基づいて、我々は、世界規模の農薬使用データベース（PEST-CHEMGRIDSv1.029、USGS30 および FAOSTAT31 データに基づいて推定）、地球規模の機械的環境モデル 32、および82 の国と地域および 8 つの広範な地域の国際貿易データを特徴とするグローバルサプライチェーンモデル33。選択された 82 か国および地域は、農業生産国、農薬使用量トップ、または高・中所得経済圏のいずれかであり 31、残りの国および地域は、地理的位置および附属書 I 締約国の加盟国かどうかに応じて 8 つの地域にグループ化されました。気候変動に関する国連枠組条約34（集計については補足表 1 を参照）。

私たちはまず、土壌特性、農業慣行、および水文気象学の地理参照データベースを入力した、機械的で空間的に明示的な時間分解モデルを使用して、さまざまな作付システムにおける残留農薬 (つまり、環境プロセスによって分解されない散布された農薬の量) を定量化しました。変数 (「メソッド」)。農薬として登録されている有効成分は 1,000 種類以上ありますが 35、この研究では作物生産に使用される 80 種類の有効成分の残留物をモデル化し (補足表 2)、牧草地や放牧地などの非農耕地環境での農薬の使用を除外しました。、水産養殖、家畜生産（牛の浸漬など）、および都市部（住居、鉄道、庭園など）。次に、モデル化された残留農薬に対応する危険負荷を計算し、MRIO サプライチェーンモデルを使用して生産国から最終消費者までの国際貿易ルートに沿った流れを追跡し、生産者と消費者の両方としての国の農薬フットプリントを定量化しました。 MRIO モデルを使用すると、国や地域にまたがる複数のサプライチェーンネットワークをスキャンできます。サプライチェーンにおける農薬使用に関連する環境圧力を定量化するために、90 か国/地域による世界レベルでの商品の最終消費を考慮し、10 億を超えるサプライチェーンの接続を追跡して商品 (作物など) の一次生産を追跡しました。生産）、商品の二次製品（例：加工食品）への変換、そして最終的にはエンドユーザー（例：90 か国/地域それぞれの家庭）による消費です。私たちは、一次生産者から最終消費者までの視点に従ってフットプリントを評価し、最終消費によって引き起こされる一次生産地域で発生する農薬ハザード負荷を特定し、農薬ハザード負荷と最終的に消費される商品を結び付けるための最終販売時点から最終消費者までの視点を特定しました。エンドユーザーによる。一次生産国で発生する農薬の危険負荷と、二次および三次部門のサプライチェーンに具体化される農薬の危険負荷の全体像を得るには、両方の観点を分析することが重要です。私たちの分析には耕作地での農薬の使用のみが含まれているため、すべての動物由来の製品（生の肉や卵を含む）は二次製品とみなされ、したがって動物由来の食品に埋め込まれた農薬の足跡は飼料（例：穀物、穀物の残留物、油かす）。サービス（ホテルやレストランなど）やその他のセクター（建設など）に埋め込まれたフットプリントは、それらのセクター内の食品や繊維の消費によるものです。この研究で行われた分析は 2015 年を基準としています。

私たちの研究では、3.24メガトン（Mt）の農薬が使用されており、FAOSTATが2015年に推定した世界の農薬使用量の約79％、つまり4.09Mt31に相当します（補足図1a）。国レベルでは、私たちの分析には、農薬使用量の上位 3 位である中国、米国、ブラジルでの農薬使用の約 63、70、70% がそれぞれ含まれています (補足図 1a)。私たちの分析に含まれる有効成分は、除草剤 (世界全体で 160 万トン)、殺虫剤 (020 万トン)、および殺菌剤 (040 万トン) の 3 つの機能分類に分類されます。有効成分が複数の機能クラスに属する場合、それを多目的殺虫剤 (0.9 Mt) として分類しました。 FAOSTAT データ 31 と比較すると、私たちの研究は、ブラジル、フランス、コロンビアでの除草剤使用の約 70%、98%、76% を占めていますが (補足図 1b)、殺虫剤と殺菌剤の使用量は 30% 未満です。使用します（補足図1c、d）。これは、私たちの研究に含まれる農薬の総量の 30% が、殺虫剤、殺菌剤、またはその両方として使用できる多目的農薬によるものであるためです。

空間明示的環境モデルを使用して、環境中に残留する散布された農薬の量を推定しました。私たちは、表土中のモデル化された農薬残留物を、Silva et al. で報告されている現場測定値と比較してベンチマークしました。これは、農地土壌中の残留農薬を対象とする最も大規模なサンプリングキャンペーンの 1 つです。私たちのモデルでは、デンマーク、フランス、ポルトガルの農地の95パーセンタイル総農薬残留量は、それぞれ0.9、1.1、2.5 mg kg-土壌-1であると推定しました（補足図2a）。これらの値は、Silva et al.36 がこれらの国の農地で記録した最大農薬残留量 (それぞれ 1.2、1.1、および 2.9 mg kg-土壌 -1) に比較的近いです。私たちの推定値は一般に、Silva らの推定値よりも高い中央値残基を示しています。 36. また、我々のモデルによって推定された表土中の検出可能な有効成分の数を、Silva et al.36 で報告されたデータと比較しました。有効成分は、その残留物が典型的な実験室の定量限界（≈0.01 mg kg-soil-1）より大きい場合に検出可能であると考えられます。私たちのモデルによって推定された検出可能な有効成分の数は、一般に Silva et al.36 で報告された範囲内に収まりますが、ポルトガルとイタリアについてはわずかに過大評価されています（補足図 2b）。欧州連合11か国の農地全体で、私たちのモデルはグリホサート、テブコナゾール、アゾキシストロビン、プロピコナゾール、クロルピリホスの残留中央値をそれぞれ0.31、0.01、0.03、0.02、0.03 mg kg-土壌−1と推定した（補足図）。 3)。これらの推定値は、それぞれ 0.14、0.02、0.03、0.02、および 0.03 mg kg-土壌 -1 の残留残留量中央値を報告した Silva et al.36 のデータと比較的よく一致します（補足図 3）。 Silva et al.36 の現地測定の統計と比較して、モデル推定の統計にはいくつかの違いがあることを強調します。これらの違いは、Silva et al.36 では国ごとに 30 個のサンプルしかないため、サンプルサイズの違いに起因している可能性があります。一方、私たちのモデルには 1 つの国のすべての農地が含まれているため、Silva et al.36 よりもサンプルサイズが大幅に大きくなります。

私たちの分析で考慮された 324 万トンの農薬のうち、約 9.3% (つまり 0.302 トン) が環境中に蓄積すると推定され、これは体重の 1.99 ギガトン (Gt-bw) の危険負荷に相当します。このうち 34% (0.68 Gt-bw) は、世界人口の 18% が居住する先進国および移行国経済 (以下、先進国と呼びます) での消費に起因すると考えられます。残りの66％（1.31Gt-bw）は、世界人口のほとんどが居住する発展途上国での消費が原因です（図1）。殺虫剤は世界の農薬排出量の最大の原因であり、80% 以上を占め、次に除草剤が総排出量の約 10% を占めています。

a ～ c は、世界全体、先進国および移行国の経済、発展途上国の消費にそれぞれ対応します。農薬の総排出量には、除草剤、殺虫剤、殺菌剤、多目的殺虫剤による寄与が含まれており、年間の体重のギガトン（Gt-bw y−1）として表されます。多目的殺虫剤とは、複数の機能に使用される殺虫剤を指します。さまざまなセクターに埋め込まれたフットプリントは、最終販売時点から最終消費者の視点を使用して分析されました。地域グループ化、農薬分類、部門集計の詳細は、補足表 1 ～ 2 および補足データ 1 に記載されています。

植物ベースの食品は世界の農薬排出量の最大の部分を占めており（59％、図1）、果樹園の果物とブドウ部門が主な寄与者であり、世界の農薬排出量の17％を占めています（0.34Gt-bw、補足図） .4)、動物性食品は約 11% に寄与しています (図 1)。私たちの分析では、先進国における農薬の排出量のかなりの部分（17%）がソフトドリンク、アルコール飲料、チョコレート、アイスクリーム、砂糖などのエンプティカロリー食品の消費に起因していることも示しています（図1b）。。対照的に、これらの食品は、発展途上国におけるフットプリントのわずか9％に貢献しています（図1c）。

衣料品および繊維関連部門（綿、ゴム、その他の繊維など）は、世界の農薬使用量の約 4% を占めています（図 1a）。サービス業およびその他の産業部門における食品および繊維製品の消費は、それぞれ世界の農薬使用量の約 8% と 5% に寄与しています。他の産業分野におけるフットプリントには、飼料として使用される作物残留物に由来するフットプリントも含まれます（補足データ 1 を参照）。サービス部門では、ホテル、レストラン、食品サービスが主な貢献者です（補足図4）。また、サービス部門に組み込まれているフットプリントの割合は、発展途上国よりも先進国ではるかに高いこともわかりました（図 1b、c）。

一次生産者から最終消費者までの視点を使用すると、先進国での消費によって引き起こされる農薬のフットプリント（0.33Gt-bw）の約49％が国際貿易に組み込まれている（つまり、農薬の危険負荷は海外で発生している）ことがわかりました。輸入品の消費は、発展途上国における農薬の排出量（0.30 Gt-bw）の 23% にすぎません。世界的には、農薬のフットプリントの約 32% が国際的に取引されています（つまり、世界の農薬の危険負荷の 32% は最終消費国の外で発生しています）。この割合は、地球規模の生物多様性の損失 (30%8)、温室効果ガス排出量 (19% ～ 24%37)、窒素排出量 (25% ～ 27%) など、他の環境への影響 (10% ～ 70%26) の国際貿易の具体例に匹敵します。 10)、窒素関連の水質汚染 (13%38)。すべての一次産業の中で、国際貿易に組み込まれた農薬のフットプリントは香辛料で最も高く（約63％が国際取引されている）、次に大豆とナッツの部門が続き、それぞれ埋め込まれたフットプリントの約61％と57％を国際取引している（補足図） .5）。

世界全体で見ると、消費による一人当たりの農薬の平均フットプリントは 0.27 t-bw capita-1 y-1 ですが、国や地域によっては 0.01 ～ 1.6 t-bw capita-1 y-1 の範囲の変動があります。一人当たりの農薬使用量が最も多い上位 10 か国および地域はすべて高所得経済圏にあり (図 2)、そのうち 8 か国が先進国です。スペインは一人当たりのフットプリントが最も高く、隣接するポルトガルとフランスよりもそれぞれ約11％と105％高い（補足図6）。実際、国際的な評価では、スペインで生産された食品の高い割合に高レベルの残留農薬が含まれていることが報告されています39。スペインにおける一人当たりのフットプリントの高さは、おそらくスペインの農薬政策の欠陥や不一致が原因で、農薬の使用量が多いことに起因しています40。しかし、スペインにおける農薬のフットプリントの約23％だけが国際貿易に具体化されている（補足図7）のに対し、ポルトガルとフランスでは、農薬のフットプリントの約45％と75％が海外から来ている。オランダ、ベルギー、デンマーク、ノルウェー、スウェーデン、ドイツ、スイスなど、ヨーロッパの多くの国では一人当たりの農薬使用量が高く、使用量の90％以上が海外から来ています（補足図6および7）。

*先進国および移行国の経済。広い領域はこのプロットには含まれていませんが、補足図6に示されています。

私たちは、農薬フットプリントの純輸入者と純輸出者を特定するために、一次生産者から最終消費者までの視点を使用して、選択した 82 の国と地域および 8 つの広範な地域の純貿易収支を計算しました。純輸入者は、国内での輸出よりもその消費により、海外でより多くの環境圧力（すなわち、より多くの農薬危険負荷）を及ぼし、純輸出者はその逆である。このような情報は、MRIO モデルを使用して行われた評価に固有のものであり、従来の LCA データセットからは導き出すことができません。この評価の中核は、国際的な輸出入に関するデータを収集する MRIO モデルの中心にあります。私たちは、90 か国/地域それぞれのサプライチェーンネットワークを追跡することにより、純輸入者と純輸出者を定量化しました。主に自国の消費により農薬の危険負荷を自国の領土外に押し出している国（純輸入国）と、外国の消費を満たすために輸出を生産するために国内で影響を受けている国（純輸出国）を特定する。純輸出国または純輸入国としての国の地位は、資源の賦与、農産物輸出への経済の依存、貿易協定、関税と政策、環境規制の厳しさなど、さまざまな要因によって決まります。

すべての純輸入国のうち、52 か国中 32 か国が先進国です（補足図 8）。中国は世界最大の農産物輸入国41であり、殺虫剤や除草剤の使用によって引き起こされる危険負荷を伴う商品の最大の純輸入国であり、ドイツ、英国、日本がこれに続く（図3a）。中国に輸入される農薬危険負荷を伴う商品の約 44% は米国産、約 12% はサハラ以南諸国、約 8.7% はブラジル産である。予想外なことに、インドは純輸入国の上位 5 位に入っており、農薬危険負荷を伴う商品の輸入量の約 18% が主に綿花とナッツの輸入により米国から、大豆の 16% がアルゼンチンからとなっている。および他の油を含む作物。人口規模を考慮すると、アイルランド、デンマーク、ノルウェー、カタール、スウェーデンなどの高所得国が一人当たりの純輸入が最も高いように見えます（図3b）。

a 純輸出入の合計。 b 一人当たりの純輸出入。純輸入企業は、輸出による国内よりも、輸入製品やサービスの消費の結果として国外でより多くの環境圧力を及ぼしており、純輸出企業の場合はその逆である。分析は、一次生産者から最終消費者までの視点に基づいて実施されました。 *先進国および移行国の経済。広い領域はこのプロットには含まれていませんが、補足図8に示されています。

また、EU27加盟国は、自国で禁止されている活性物質の使用によって引き起こされる危険負荷量を他国から約0.06Gt-bw輸入していることも判明した（つまり、輸入農薬フットプリントの約34％）。具体的には、スウェーデン、デンマーク、ドイツ、フィンランド、リトアニア、ラトビアでは、輸入禁止物質が総輸入量の 90% 以上を占めており、これらの国は農薬使用に関して最も厳しい規制を設けている国の 1 つであることが指摘されています 42,43。

驚くべきことに、純輸出国の多くは高所得経済圏および上中所得経済圏の国です（補足図8）。米国は、殺虫剤や除草剤によって引き起こされる危険負荷を伴う商品の最大の純輸出国であり、主な最終目的地は中国（34％）、日本（7.1％）、メキシコ（6.9％、補足表3）である。しかし、米国は殺菌剤や多目的殺虫剤によって引き起こされる危険負荷の純輸入国でもあります（図3a）。ブラジルは第 2 位の純輸出国であり、主な最終目的地は米国 (13.5%、ナッツ、果樹園の果物、ブドウ)、中国 (12%、ナッツ、大豆)、ドイツ (6.9%、果樹園の果物とブドウ) です。ブドウとナッツ、補足表 3)。ブラジルの輸出に含まれる農薬のフットプリント（0.04 Gt-bw）の約 61% は、先進国、特に米国、ドイツ、英国での消費によるものです。対照的に、輸出の結果としてアルゼンチンで発生する危険負荷のうち、先進国での消費によるものはわずか 29% です。アルゼンチンの輸出に含まれる危険負荷の主な最終目的地は、ブラジル（総輸出量の12.4％、主に小麦）、中国（11％、主に大豆）、インド（8％、主に大豆）である。表3)。

最終販売時点から最終消費者までの観点に基づいて、サプライチェーンに沿った具体化された農薬のフットプリントの流れを追跡したところ、最大の国際的な流れは米国から中国（0.029Gt-bw、図4）で発生しており、そのうち73.4％であることがわかりました。 5.7% は大豆に関連しており、5.7% は他の穀物に関連しています (補足表 4)。一方、中国から米国への流入量は0.002Gt-bw未満であり、繊維製品と衣料品が貿易額の最大部分（24.4%）を占める部門となっている。

赤い線は、線の太さに比例した流量を持つ流れを表します (線が太いほど、流量は大きくなります)。カラーマップは、輸入に含まれるフットプリントから輸出に含まれるフットプリントを差し引いたものを、体重 -80 から 80 メガトン (Mt-bw) のスケールで表しています。ネットインプ。純輸入者および純経験値を指します。純輸出業者を指します。

EU27 加盟国内では、スペインからドイツ (0.0084 総トン、世界 2 位) とフランス (0.008 総トン、世界 3 位) へのかなりの流入が確認され、主な貿易商品は非マメ科の野菜と果物、果樹園の果物、およびブドウ、ナッツ類（補足表 4）。イタリアはまた、スペインと同様の商品を含むドイツとフランスにそれぞれ 0.004 トンと 0.002 トンを輸出している。全体として、EU27 加盟国間で 0.091 Gt-bw の危険荷重が取引されており、主な最終目的地はドイツ、フランス、イタリア、ポーランド、ベルギーです。

質量、カロリー、タンパク質に対してフットプリントを正規化することで、さまざまな食品に埋め込まれた農薬のフットプリントを比較します（図5）。この分析では、生産国と食品の両方で具体化された農薬フットプリントに大きなばらつきがあり、一部の植物ベースの食品は動物ベースの食品よりも農薬フットプリントが高いことが観察されています。すべての食品の中で、単位質量あたりおよび単位カロリーあたりのフットプリントが最も高いのは、果樹園の果物とブドウです。すべての穀物の中で、単位カロリーあたりの農薬使用量が最も少ないのは小麦です（図 5b）。米のカロリー当たりの使用量は小麦の約 1.3 倍ですが、トウモロコシの農薬使用量は小麦の約 3.5 倍です。タンパク質が豊富なすべての作物の中で、単位タンパク質当たりの農薬使用量が最も少ないのは大豆であり、最も高いのはナッツ類です（図5c）。生肉（あらゆる種類の肉を含む）は、単位タンパク質あたりの農薬使用量（1.35 kg-体重 kg-タンパク質-1）が大豆（1.24 kg-体重 kg-タンパク質-1）よりわずかに高く、卵は単位タンパク質あたりの農薬使用量が最も低い。単位タンパク質フットプリント（図5c）。動物性油脂のカロリー当たりのフットプリントは他の植物性油と同等ですが、大豆油やトウモロコシ油よりも約 2.3 倍高くなります（図 5b）。ここで提示される評価では、飼料生産を含む食品 (作物、穀物、野菜、果物、肉、乳製品、卵、その他の製品など) の生産に関するすべての上流サプライチェーンが考慮されています。 MRIO 分析は、食品の最終消費を満たすために必要な複数のサプライチェーンネットワークを通じて、飼料の生産と消費、および関連する農薬の危険負荷を捕捉します。

フットプリントは食品 1 キログラムあたり (a)、カロリー 1 キログラムあたり (b)、タンパク質 1 キログラムあたり (c) として表されます。棒は、さまざまな生産国の 25 パーセンタイル値と 75 パーセンタイル値を示しています。十字マーカーは全体の中央値を示します。 n は含まれる生産国の数を表します。「野菜と果物」、「その他の食用作物」、「油脂」、「砂糖」、「エンプティカロリー食品」については、タンパク質 1 キログラムあたりのフットプリントは表示されていません。

私たちの調査結果は、温室効果ガス排出量と土地利用のフットプリント分析とは部分的に対照的であり、動物の肉のほうが環境フットプリントが高いことが示されています2が、著者らがオーストラリアで農作物と家畜の生産に対して実施された農薬毒性ハザードのボトムアップLCA分析23と一致しています。また、家畜生産は作物生産よりも生態毒性の危険性が低いことも発見しており、ハエや逃亡を防ぐために動物の皮膚に殺虫剤を直接塗布することも考慮されていないと指摘している。動物の皮への農薬の直接塗布は、使用される農薬全体のほんの一部にすぎないため44、これを含めても、動物由来の食品は果樹園の果物やブドウなどの一部の植物由来の食品よりも農薬の排出量が少ないという私たちの調査結果は変わりません。そしてナッツ。我々は、家畜や水産養殖における農薬の直接使用に関する情報が公的に入手可能になった際には、この発見を検証するためにさらなる分析が実施されるべきであることを認識する。殺虫剤の使用に加えて、抗生物質や植物成長調節剤などの他の農薬も家畜や作物の生産に使用されているため、農業生産の環境フットプリントの包括的な評価を達成するには、これらの投入物を考慮したさらなる分析が必要です。

私たちは、分析の根底に限界と不確実性があることを認識しています。 PEST-CHEMGRIDSv1.0 データベース 29 には、農地で使用されるすべての有効成分が含まれているわけではありません。各作付システムで最も使用されている有効成分の質量上位 20 位の選択には、毒性は高いが小さな表面積に低用量で使用されているものが含まれていない可能性があります。 PEST-CHEMGRIDS における散布率の推定の最初のステップでは、米国における農薬散布率と共変量 (水文気象条件、土壌特性、農業慣行、社会経済など) の関係が他の国の関係と同様であると仮定しています。同じタイプのクロップシステム。この仮定では、米国では発生せず、世界の他の地域で発生する状況を捉えることができない可能性があることに注意してください。各国の要因を考慮するため、統計的推論に基づく散布率の推定値は、FAOSTAT からの国別の農薬使用データに対して制約されました。 FAOSTAT データには、特に農薬使用アンケートへの回答率が 20% 未満であったアフリカおよびオセアニア地域において不確実性があります 31。さらに、農薬の使用と農薬耐性の遺伝子組み換え作物の栽培に関する国家規制は PEST-CHEMGRIDS で明確に説明されましたが、準国家規制や農家の好みは考慮されていませんでした。これらは現在不明であるか、サイトで検索することができません。この作品の地理的スケール。

PEST-CHEMGRIDS における農薬散布率の推定と農薬環境濃度のモデリングは、個々の作物の地理的分布を提供する Monfreda et al.45 の作物地図に依存しています。現在、175 の作物の世界的な空間分布を提供する唯一のデータセットは Monfreda et al.45 ですが、これらの地図は 2000 年頃のものです。世界の農地は 2000 年から 2015 年にかけて約 4% 増加したため 31、Monfreda の作物地図の使用et al.45 は、世界の農薬のフットプリントを全体的にわずかに過小評価することにつながる可能性があります。具体的には、作物表面積の不確実性は農薬の危険負荷の推定に影響を及ぼし、それが直接強度の値（すなわち、1ドル当たりの生産高への影響、\({{{{\bf{q}}}}}）に影響を与えることになる。 }\)、「メソッド」)。作物面積の増加は直接強度の過小評価につながりますが、減少は過大評価になります。

この研究で定量化された農薬のフットプリントには、牧草地、放牧地、家畜生産、水産養殖、都市部などの非農耕地環境での農薬の使用は含まれていません。畜産、水産養殖、都市部における農薬の直接使用に関する情報（有効成分の量や種類など）は非常に限られており、ほとんどの国では一般に入手できません。牧草地は世界の農地の約 3 分の 2 を占めていますが 31、世界の多くの地域で管理され耕作されているのは放牧地のほんの一部だけです。たとえば、中国、インド、アルゼンチン、メキシコ、オーストラリアの永久牧草地の 90% 以上が自然で管理されていません 31,46,47。管理された牧草地では、通常、播種時に農薬が使用されます。牧草地はほとんどが多年生作物であるため、毎年播種されるわけではありません。たとえば、ある調査研究によると、大多数の農家（80% 以上）が 1 年間に牧草地の 25% 未満を再植林したことが示されています48。したがって、牧草地での年間農薬投入量は平均して低いです。

土壌中の残留農薬の推定値は Silva et al.36 で報告されている観察範囲内でしたが、比較は欧州連合諸国の農地土壌についてのみ行われました。さらに、残留農薬と危険負荷量の推定は、地元消費用と輸出用の両方の作物が同じ農薬散布率を使用して栽培されたという仮定に基づいています。ただし、輸出を目的とする生産者は、欧州連合などの輸入国が定めた食品中の農薬の最大残留制限を遵守するために、農薬の使用量を調整する可能性があります49。現地消費作物と輸出作物における農薬散布率の潜在的な違いを考慮しない限り、私たちの分析は、各国で適用されている制限に応じて、国際的に取引される農薬のフットプリントを過大評価または過小評価する可能性があります。

ここで推定された農薬の危険負荷量は、人間の健康に対する農薬の影響（例、発がん性の影響は考慮されていない）や、散布直後の暴露の結果としての非標的生物に対する農薬の急性毒性を反映していません。有害負荷量は哺乳類と鳥類のみの NOAEL 値 (単位体重あたりの農薬の質量として表される) に基づいて推定されており、一部の有効成分は他の非標的生物に対してより毒性が強い可能性があるため、農薬のフットプリントが過小評価されている可能性があります。ここで検討します。他の非標的生物（魚やミミズなど）への影響は考慮しませんでした。なぜなら、それらの生態毒性は一般に致死濃度中央値（LC50）として表され、危険負荷の計算のために単位体重当たりに簡単に変換することができないからです。

MRIO 分析は、業界の需要または生産量の変化が生産量の比例的な変化をもたらすという仮定に基づいています。この手法は、財政支出を影響に変換します。つまり、食品への支出が大きいほど、影響も大きくなります。私たちの分析は、2015 年の農薬使用と取引パターンを反映しています。時間の経過とともに農薬使用と取引パターンが変化すると、農薬の足跡が変わる可能性があります。他のさまざまな環境指標に関する以前の研究に基づくと、環境に悪影響を与える主な要因は豊かさ（一人当たりの消費）と人口増加であり50,51、その結果、エネルギー効率の改善にも関わらず、1990年から2015年にかけて環境フットプリントが増加しました52。さらに、PEST-CHEMGRIDS データベースで提供される将来予測では、農薬散布率の増加傾向が示されています。したがって、農薬のフットプリントは時間の経過とともに増加すると予想される可能性があります。将来の研究は、構造分解分析を使用して農薬フットプリントの要因を定量化することに焦点を当てる可能性があります53。

農薬の危険負荷の推定における限界と貿易の流れの変動を説明するために、我々はモンテカルロ法（「方法」）に基づく不確実性分析を実施し、農薬の散布、NOAEL値、中間および最終需要を変動させた。私たちの不確実性分析の結果、すべての国と地域において、総農薬使用量の標準偏差は基準値の 2.4 ～ 16% の範囲であり、平均は 4.5% であることが示されました (補足データ 2)。

私たちの研究は、農薬汚染の管理における国際貿易の役割を明らかにしています。サプライチェーンを通じた農薬のフットプリントの流れを理解することは、持続可能な農業に貢献する国際政策を確立するために重要です。特に、当社の分析では農薬のフットプリントの漏洩を特定します。私たちは、先進国での消費が他の国で発生している農薬汚染に大きく寄与していることを示しています。具体的には、一部のヨーロッパ諸国によって輸入された農薬のフットプリントの 90% 以上は、それらの輸入国で使用が禁止されていた活性物質によって引き起こされました。したがって、輸入国で禁止されている物質を使用して生産された輸入商品の消費を阻止するために、輸入品に対して相互農薬規制を導入する必要があるかもしれません。農薬のフットプリントを輸入している国も、持続可能な害虫管理のための技術開発や、輸出国での農薬汚染を軽減するための修復プロジェクトの実施に公平な割合で貢献する必要がある。世界の食料生産による環境への影響を軽減するために、私たちの研究は、農薬の使用を減らす持続可能な害虫管理戦略に加えて、人間の食生活を植物ベースの食品に移行する戦略には、食品廃棄物を最小限に抑える意識の促進を伴うべきであることを示唆しています54。食品ロス、過剰消費の削減、エンプティカロリー食品（お菓子、ソフトドリンク、アルコール飲料など）の消費量の減少。

私たちの研究では、世界の農地での農薬使用について利用可能な最適な地理参照データセットを使用していますが、畜産、水産養殖、都市利用など、考えられるすべての環境における農薬使用のより詳細かつ広範なデータセットへのアクセスは、全体的な見解を達成するために最も重要です。世界的な農薬汚染とそれに関連するサプライチェーンに沿った足跡の調査。多くの国では、農業現場での農薬散布者に、散布場所、タイミング、農薬の種類、散布率を記録するよう義務付けているが、これらのデータは国レベルでの集計値としてのみ公開されており、時間的・空間的に農薬の放出量が多いのはカリフォルニアだけである。作物および有効成分に固有の散布率の詳細なデータベース55。著者の知る限り、家畜生産と水産養殖に関する最近の農薬使用データを発表した国や地域はありません。さらに、私たちの研究で使用される地理参照された農薬散布データは、アンケートを通じて収集された FAOSTAT によって提供される国レベルのデータに依存していますが、特にアンケートの回答率が 20% 未満であったアフリカおよびオセアニア地域では不確実性も含まれています 31。高品質の農薬使用データにアクセスできないことは、農薬政策の推進を妨げる可能性がある55。したがって、私たちは、当局が詳細な農薬使用データを報告しオープンアクセスできるように、データ配布の法的枠組みを改革する国際的な取り組みを強く求める。

この研究では、悪影響を受けることなく環境中に蓄積された残留農薬を吸収するために必要な非標的生物の体重を測定する危険負荷として、農薬フットプリントを定量化しました。この指標は、農薬の分解性と毒性に応じて、農薬の使用が生態系に圧力を加える場合とそうでない場合があるという事実を考慮しています。農薬の分解と輸送は水気候条件と土壌の性質によって制御されるため、農薬の分解効率は空間的に異なる可能性があります56,57。そこで、プロセスベースの空間的に明示的な環境モデルを使用して、地球規模でさまざまな作付システムにわたる 80 種類の有効成分の残留量を 0.5° × 0.5° (つまり、赤道で約 55 km × 55 km) の分解能で推定しました。境界ボックス東経 180 度～西経 180 度、南緯 90 度～北緯 90 度）。モデルの出力から、環境に蓄積した各有効成分の総質量と、作物生産国 168 か国の各作付システムにおける対応する農薬の危険負荷を計算し、それを複数地域産業連関 (MRIO) に関連付けました。 6,357 のセクター (83 のセクターに集約、補足データ 1) と 221 の国と地域 (82 の国と地域が選択され、その他は 8 つの広範な地域にグループ化、補足表 1) で構成される分類。これらの手順により、いわゆるサテライトアカウントが生成され、MRIO テーブルにリンクされて、消費ベースのフットプリント評価を実施し、商品やサービスの生産に含まれる各有効成分のフットプリントを取得します。サテライトアカウントは、フットプリント評価のために MRIO テーブルにリンクできる物理データセット (この研究では、農薬の危険負荷に関するデータ) を説明するために使用される用語です。消費ベースの評価により、一次生産から中間生産、最終消費までのさまざまな段階での農薬のフットプリントを定量化できます。この研究で行われた分析は、2015 年の農薬散布と国際取引パターンに対応しています。

製品に埋め込まれた農薬汚染の潜在的な影響は、一般にケミカルフットプリント 21 を通じて定量化されます。このフットプリントは、ボトムアップライフサイクルアセスメント (LCA) アプローチ 22 を使用して計算されます。ここでは、環境を拡張した産業連関分析に基づくトップダウンアプローチを使用して、世界経済全体のレベルで農薬使用によって（結果ではなく）圧力がかかることを調査します。

私たちは農薬フットプリントを、商品やサービスの消費を満たすためにサプライチェーンで使用される農薬の危険負荷（HL）として定義します。 HL は、悪影響を受けることなく残留農薬（つまり、環境プロセスによって分解されず環境中に蓄積された農薬の量）を吸収するのに必要な非標的生物の体重（bw）を測定しますが、影響は死亡を意味するものではないことに注意します。この定義は、農薬の使用が自然環境に圧力をかける 2 つの重要な要素、つまり蓄積と毒性を説明しています。言い換えれば、農薬が環境プロセスによって完全に分解でき、対象外の生物に対して無毒であれば、農薬は生態系に圧力をかけないということです。具体的には、危険負荷として定量化された農薬のフットプリントは、\({{{{\rm{HL}}}}}}=\sum [{M}_{i}{{{{{\boldsymbol{ /}}}}}}({{{{{{\rm{NOAEL}}}}}}}_{i}\times 365)]\)、ここで \({M}_{i}\) [ kg-農薬] は環境中に蓄積された有効成分 i の総質量であり、\({{{{{\rm{NOAEL}}}}}}_{i}\) [kg-農薬 kg-bw− 1 day-1] は、非標的生物における有効成分 i の有害作用が観察されないレベルです。 HL の値が高いほど、環境圧力が高いことを意味します。私たちは、農薬が時間の経過とともに異なる区画を通って移動する可能性があることを正当化し、窒素フットプリントなどの他の環境フットプリント指標と一致して全体の圧力を定量化することを目的としており、質量を異なる環境区画に分割せずに総蓄積質量を考慮します10。我々は、NOAEL の値がさまざまな種によって異なる可能性があることを認識しており、したがって、保守的な測定を行うことにより、哺乳類と鳥類のさまざまなデータソースによって報告された NOAEL 値を比較し（補足データ 3）、計算には最小値を使用しました。農薬のフットプリント。

私たちの農薬フットプリントの定義は、一般的に使用される影響重視の化学フットプリントとは対照的に、圧力重視です。圧力指向の指標は、資源の使用、排出、環境への物質の放出、および/または土地利用の変化によって環境に圧力を及ぼす可能性のあるニーズや要因から生じる人間の活動に焦点を当てています。影響指向の指標は、生態系と人間の健康への影響に焦点を当てており、対象外の生物の農薬への曝露レベルの知識が必要となる場合があります。影響指向の指標は、特定の製品またはプロセスのローカルスケールでの影響についての洞察を提供できますが、地球規模で適用することは現在技術的に困難です。一方、圧力は、暴露レベルに関する仮定を立てる必要がなく、空間的および地理的スケールで変化する可能性があります。私たちの農薬フットプリントの定義により、90 か国/地域にわたって農薬使用を評価できるようになり、貿易を調査するための将来の研究において環境フットプリントのファミリー (炭素、窒素、水、材料、エネルギー、生物多様性など) 内で比較する機会が提供されます。生産と消費の両方の観点から、国家全体の資源利用の持続可能性と公平性についての総合的な理解を達成するための活動です5。

特定の地理的場所のさまざまな作付システムで使用される有効成分の種類と量は、PEST-CHEMGRIDS v1.0 データベースから取得されました29。このデータベースは、2015 年に使用された 95 種類の有効成分の、主要作物 6 品目 (アルファルファ、トウモロコシ、綿花、米、大豆、小麦) と総合作物 4 品目 (野菜) を含む 10 の作物グループにおける、世界の地理参照された年間散布率を提供します。果物、果樹園とブドウ、牧草と干し草、その他の作物）、合計 175 の作物を占めます。作物の集合体は、USGS 農薬国家総合プロジェクト 30 の分類に従います (詳細な分類については、Maggi et al.29 の表 2 を参照)。簡単に言うと、「野菜および果物」には、マメ科植物、根および塊茎、低木果、および草本作物が含まれます。「果樹園とブドウ」にはナッツ、果樹、ブドウの木が含まれます。「牧草および干し草」には飼料作物および放牧に使用される草原が含まれ、「その他の作物」にはその他の穀物、油料作物、および繊維作物が含まれます。データの元の解像度は 5 分角 (赤道で約 10 km × 10 km) で、168 か国の 3,854 万 km2 の農地 (牧草地を含む) を網羅しています。この研究では、牧草地と干し草への殺虫剤の使用を除外しました。その理由は、世界の多くの地域で管理および栽培されているのは放牧地のほんの一部だけであり 31、牧草地はほとんどが多年草であり、頻繁な植え替えを必要とせず 48、したがって年間の農薬使用量が低いからです。農薬の投入。また、残留推定に必要な物理化学的特性に関するデータが不十分であるため、他の 3 つの有効成分 (すなわち、多硫化カルシウム、Bacillus amyloliquefaciens、および石油) も除外しました。したがって、1,185 万 km2 の農地にわたって合計 80 の有効成分をモデル化しました。

散布率は、USGS 農薬国家総合プロジェクトデータベース 30 の再分析によって推定されました。データベース 30 では、1992 年から 2016 年までに米国の上記の主要作物グループおよび集約作物グループで使用された 512 の有効成分が報告されています。使用された総質量が最も多い 20 の有効成分が選択されました。この選択により 200 種類の有効成分が得られますが、その一部は異なる作物群にわたって繰り返し使用されます。したがって、合計すると、PEST-CHEMGRIDS v1.0 データベースには 95 の固有の有効成分が含まれており、2015 年に米国で使用された総農薬量の約 84% に相当します。選択された有効成分は、世界中で確認されている中で最も広く使用されている農薬の 1 つです。 Li58 は、アジア、ヨーロッパ、南北アメリカ、アフリカ、オセアニアのさまざまな国の農薬消費データを編集して作成しました。 PEST-CHEMGRIDS で提供される地球規模での散布率の推定値は、土壌の物理的特性 (土壌の質感、炭素含有量、空隙率、厚さ、地下水面の深さ)、水気候変数 (降水量、大気温度、日射量、純一次生産性、実際の蒸発散量、および熱気候分類）、農業生産量（窒素およびリンの施肥、作物収量、作物用水の確保）、および社会経済指標（人口密度、国内総生産、および人的資源）開発指数、空間推定に使用される公的目録の完全なリストについては、Maggi et al.29 の表 1 を参照してください)。空間分析で使用されるこれらの量に加えて、推定では、国際アグリバイオテクノロジー出願取得局によって報告されている遺伝子組み換え農薬耐性作物の採用に関する国別の承認59、および国別の農薬禁止が明示的に考慮されています(または使用が承認されていない）は、欧州委員会42およびPANデータベース43によって報告されています。さらに、FAOSTAT31 によって報告された国レベルの農薬使用データに対して推定値を制約することにより、他の国家的要因 (政策、農業慣行、インフラ能力、農薬へのアクセスなど) が暗黙的に考慮されました。 28 か国のデータが入手できなかったため、28 か国の推定値 (補足表 1) は FAOSTAT に基づいて制約されませんでした。推定の品質を管理するために、推定に使用されるソースデータと空間推論手法がベンチマークされ、検証されました。さらに、この推定値は、オーストラリア、英国、韓国、南アフリカからの独立した公的に入手可能な国内有効成分使用データに対してベンチマークされ、製造業者または規制機関が推奨する適用率と照合されました。農業分野で適用される有効成分の種類と量に関する情報は、現在非常に不足しており、まばらである55。したがって、すべての国を対象とした推定値のベンチマークを行うことは現時点では不可能であることを我々は認識している。制限があるにもかかわらず (詳細は「制限と不確実性」セクションを参照)、PEST-CHEMGRIDS は現在、有効成分の作物固有の地理参照散布率を示す公的に利用可能な唯一の、データ主導型で証拠に基づく目録です。

農薬の輸送と分解速度は、有効成分の物理化学的特性と環境条件に依存します。水気候や土壌条件が異なる 2 か国では、たとえ同じ量、同じ種類の有効成分を使用したとしても、それらの国の環境中に蓄積される農薬の量は大きく異なる可能性があります。さらに、環境条件は同じ国内でも異なる可能性があるため、国内の作物生産に起因して環境中に蓄積される農薬の総量（つまり残留農薬）は、国レベルまたは郡レベルで推定する必要があります。

ここで、残留農薬は、プロセスベースの空間的に明示的な環境モデル 32 を使用して推定され、上記の PEST-CHEMGRIDS データベースから得られた作物固有の地理参照された有効成分散布率が使用されました。このモデルでは、一次元の可変飽和土壌柱に沿った水、ガス、熱の流れ、溶解化学物質の拡散と移流、選択された有効成分の揮発、吸着、分解が考慮されます。モデリングは、汎用の多相多成分生体反応性輸送シミュレーター (BRTSim v4.0e60) を使用して実施されました。このシミュレーターは、有限体積内の陽的・陰的ハイブリッド数値手法を使用して質量およびエネルギー流の連続性と保存則を解きます。農薬の分解、吸着、揮発を説明する非等温平衡および速度論的反応。具体的には、水の流れは、Brooks-Corey モデルの相対浸透率、水ポテンシャル、飽和関係とともに Richards 方程式を使用してモデル化されます。水性化学物質の移流と拡散は、それぞれダーシー方程式とフィック方程式によってモデル化されます。ガス状化合物の拡散も、フィックの法則を使用して明示的に記述されます。質量作用則を使用して、揮発は有効成分のヘンリーの法則定数の関数としてモデル化され、吸着はさまざまな有効成分の土壌有機炭素分配係数および土壌有機炭素含有量、土壌バルクの関数としてモデル化されます。密度と土壌水分。農薬の分解は、生物活性、土壌水分含有量、土壌温度、土壌 pH、土壌有機炭素含有量を明確に考慮した一次反応速度論によって説明されます。方程式の解法については、Maggi61、Tang、および Maggi32 で詳しく説明されています。

次にモデルは、水平方向には 0.5° × 0.5° の分解能で分解された 3 次元グリッド上に展開され、根域 (深さ 0 ～ 100 cm) の 2 つの大気層と 3 つの土壌層、および下方のいずれかに至るまでの 1 つの追加の土壌層にわたって垂直方向に拡張されました。平衡地下水面または岩盤。農薬は作付カレンダーマップに従って最初の土壌層に適用されました62。流入する水フラックス（降水量と灌漑）と太陽放射（短波と長波）も土壌の最初の層に適用され、蒸発散量は作物の最大根の深さに基づいて推定された作物の根の分布に従って土壌プロファイル全体に割り当てられました63。分解速度がほぼ定常状態に達するために、2015 年の年間有効成分散布量と、1970 年から 1970 年までの降水量、作物の蒸発散量、灌漑、日射量の時系列を使用して、モデルを 48 年間実行しました。 2017. 合計で、Monfreda らによって作成された PEST-CHEMGRIDS とともに配布された作物面積マップに基づいて選択された 1,185 万 km2 の農地をモデル化しました。合計 32,768 個の地理的グリッドセルがモデル化されました。

地理参照された土壌テクスチャ、かさ密度、pH、および有機炭素含有量は SoilGrids2.064 から、土壌間隙率は SoilGrids1.065 から、土壌透過性、細孔容積分布指数、空気流入吸引量、熱容量、および熱伝導率は Dai から入手しました。ら66、平衡地下水面はFanらから67、土壌の厚さはPelletierらから68、土壌残留液体飽和はZhangらから69。降水量、大気温度、長波および短波の日射量、潜在的な蒸発散量の時系列は、気候研究ユニットのデータセットから得られました70。灌漑面積は作物用水安全指標マップ71に基づいて決定された。有効成分の物理化学的特性は、農薬特性データベース (PPDB) から得られました35。モデルにフィードするために使用されるすべてのデータセットは、Tang および Maggi32 の補足情報の表 S1 で詳細に説明されています。この作業では、すべての地理参照データ製品 (農薬散布を含む) は、質量またはエネルギーに関連する量 (降雨量など) の質量保存的補間、またはその他の線形補間 (温度など) のいずれかを使用して、0.5° × 0.5° の解像度に調和されました。）。

このモデリングフレームワークは、アトラジン 72、グリホサート 73、土壌炭素と窒素 74 などのさまざまな化合物の動態を地球規模のプロットで研究するために以前に使用されてきました。モデル化された土壌水分、温度、pH を、それぞれ CPC 土壌水分データセット 75、NOAA/NCEI 地表面温度データセット 76、および SoilGrids2.0 データセット 64 に対してベンチマークしました。また、土壌中の推定残留農薬を、Silva et al.36 で報告されている現場測定値と比較してベンチマークしました (補足図 2 および 3)。ベンチマークに加えて、モデル入力変数 32 の感度も評価し、残留推定からの不確実性を農薬フットプリント計算における全体的な不確実性へと伝播しました (以下のセクションを参照)。

ほぼ定常状態のシミュレーションから、各グリッドセル k について、時刻 t = t* における作付システム j の有効成分 i の未分解割合を \({F}_{i,j}^{k}( {t}^{* })={M}_{i,j}^{k}({t}^{* })/\mathop{\sum }\nolimits_{t=0}^{t={ t}^{* }}{{M}_{A}}_{i,j}^{k}(t)\)、ここで \(\mathop{\sum }\nolimits_{t=0}^{ t={t}^{* }}{{M}_{A}}_{i,j}^{k}(t)\) は、t = 0 から t* までの累積適用質量であり、 \({ M}_{i,j}^{k}(t)\) は、大気および土壌中に気体、溶解、吸着された形で存在する農薬の瞬間総質量です。次に、過去 5 年間のシミュレーションにおける平均未劣化率 \(\bar{{F}_{i,j}^{k}}\) を計算しました。これは、後に MRIO テーブルのサテライトアカウントを構築するために使用されました。。

インプット・アウトプット (IO) 分析は、1930 年代にノーベル賞受賞者のワシリー・レオンチェフ 77 によって開発されました。この手法は、経済セクター間の相互依存関係を把握する産業連関表に依存しています。 IO テーブルは、国内 (たとえば、米国、オーストラリアなどの個別の国) またはグローバル (たとえば、複数地域の IO テーブル) のいずれかにすることができます。現在、世界中の統計機関が IO 表 78,79 を公開しており、国際貿易における数多くの社会的および環境的フットプリントの評価に使用されています 26。各国の農薬の足跡はまだ定量化されていない。

MRIO テーブルは、複数の国のセクター間の相互作用をキャプチャし、特に国際貿易に関するデータを含みます。私たちは、この研究のためにカスタマイズされた MRIO テーブルを Global Industrial Ecology Virtual Laboratory Platform (Global IELab) 上に構築しました33。このプラットフォームは、世界的な国際貿易データベースの構築を可能にし、221 の国と地域の 6,357 分野の最も詳細な解決策を提供します。最高のセクターおよび領域の解像度で MRIO テーブルを開発する際の計算上の制約のため、IELab は、指定された領域およびセクターの解像度で MRIO テーブルを構築する機能を提供します。この研究では、6,357 のセクターを 83 のセクターに集約しました (補足データ 1 を参照)。私たちは、FAOSTAT31 に基づく農業生産国および農薬のトップ使用国であるか、高所得および中所得以上の所得経済圏にある 82 の国と地域を選択し、その他の国と地域を、地理的位置およびそれらの地域に属しているかどうかに応じて 8 つの広い地域にグループ化しました。は、国連気候変動枠組条約 (UNFCCC)34 の附属書 1 締約国のメンバーである (補足表 1 を参照)。

IO 分析の基礎となる数学には、(i) 中間需要 (T)、(ii) 最終需要 (Y)、および (iii) 付加価値 (v) の 3 つの重要な行列が含まれます。中間需要行列には、産業 b で使用される商品 a の供給を表す要素 (Ta,b) が含まれています。この研究で構築された T マトリックスは、一次部門 (家畜、作物など)、二次部門 (乳製品など)、および三次部門 (サービスなど) をカバーしています。最終需要行列 (Y) は、家計、政府、在庫などのいわゆる最終消費者 c による商品とサービスの消費 (Yb,c) を捉えます。付加価値行列 (vp,a) の要素には、産業 a による商品の生産への賃金や給与、補助金などの主要投入物 p の寄与が含まれます。

農薬のフットプリントを定量化するための消費量ベースの計算は次のように行われます。まず、入出力システムの総生産量 (x) が次のように計算されます: \({{{{\bf{x}}}}} ={{{{{\bf{T}}}}}{{{{{{\boldsymbol{1}}}}}}}^{{{{{{\boldsymbol{T}}}}} }+{{{{{\bf{y}}}}}{{{{{{{\boldsymbol{1}}}}}}}^{{{{{{\boldsymbol{y}}}}} }}\)、\({{{{{\boldsymbol{1}}}}}}=\{{{{{\mathrm{1,1}}}}},\ldots ,1\}\)は合計演算子です。以下に、直接要件行列 \({{{{{\bf{A}}}}}}={{{{{\bf{T}}}}}}{\hat{{{{{ {\bf{x}}}}}}}}^{-1}\) は、経済の 83 部門のそれぞれが生産物を生産するために必要な投入物に関する洞察を提供します。ハット記号は、合計出力ベクトル x の対角化を示します。行列 A はさらに、基本的なレオンチェフ入出力方程式を導出するために使用されます: \({{{{{\bf{x}}}}}}={({{{{{\bf{I}}}}} }{{{{{\boldsymbol{-}}}}}}{{{{{\bf{A}}}}}})}^{{{{{{\boldsymbol{-}}}}}} 1}{{{{{\bf{y}}}}}}\)、ここで I は単位行列、\({({{{{{\bf{I}}}}}}{{{{ {\boldsymbol{-}}}}}}{{{{{\bf{A}}}}}})}^{{{{{\boldsymbol{-}}}}}}1}\) はサプライチェーンの視点を提供するレオンチェフ逆 L。農薬フットプリントを計算するために、衛星アカウント Q に対角線 x の逆数を事後乗算して、生産額 1 ドルあたりの影響 (直接強度とも呼ばれます) を取得します。 \({{{{\bf{q}}}} }}={{{{{\bf{Q}}}}}}{\hat{{{{{{\bf{x}}}}}}}}^{-1}\)。合計強度は次のように導出されます: \({{{{{\bf{m}}}}}}={{{{{\bf{qL}}}}}}\)。総強度は直接的影響と間接的影響の両方を捉えており、最終需要と後乗算するとフットプリントが得られます: \({{{{{\boldsymbol{f}}}}}}={{{{{\bf{m}}} }}}{{{{{\boldsymbol{\bullet }}}}}}{{{{{\bf{y}}}}}}\)。

まず、Maggi et al.29 の表 2 で報告されている作物の集約に従って、10 の作物グループ (つまり、インデックス j で示される) を 175 の個々の作物 (つまり、インデックス n で示される) に分解しました。具体的には、各グリッドセル k 内の個々の作物 n の生産に使用された結果、環境中に蓄積された有効成分 i の質量を \({M}_{i,n}^{k}={ R}_{i,j(n)}^{k}\times {A}_{n}^{k}\times \bar{{F}_{i,j(n)}^{k}} \)、ここで \({R}_{i,j(n)}^{k}\) と \(\bar{{F}_{i,j(n)}^{k}}\) は個々の作物 n が属する j(n) 作物グループにおける年間施用量の中央値と有効成分 i の平均未分解画分。 \({A}_{n}^{k}\) は、Monfreda et al.45 から得られた作物 n の収穫面積です。例えば、個々の作物「リンゴ」は「果樹園・ブドウ」の作物グループに属しているため、リンゴ生産による有効成分iの蓄積量は、「果樹園・ブドウ」における有効成分iの施用率を乗じることにより求められます。 [kg-施用した農薬 m−2] を、リンゴの収穫面積 [m2] と「果樹園とブドウ」の未分解部分 [kg-蓄積した農薬 / kg-施用した農薬] で表します。対応する危険負荷は \({{{{{\rm{HL}}}}}}}_{i,n}^{k}={M}_{i,n}^{k として計算されます{{{{{\boldsymbol{/}}}}}}({{{{{\rm{NOAEL}}}}}}}_{i}\times 365)\)。

次に、各国の個々の作物の生産における各有効成分の総危険負荷量を計算しました m(\({{{{{\rm{HL}}}}}}}_{i,n}^{ m}\)) その国に属するすべてのグリッドセルにわたって \({{{{{{\rm{HL}}}}}}}_{i,n}^{k}\) を合計します。 MRIO テーブルのサテライトアカウントを構築するために、175 の個別の作物の各有効成分の国固有の危険負荷量を MRIO データベースの部門分類と調整しました。作物グループ間の整合性、175 の個々の作物、および MRIO 表の部門分類は補足データ 1 に報告されています。

さまざまなタイプの農薬の寄与を強調するために、我々は農薬の使用量を除草剤、殺虫剤、殺菌剤、多目的殺虫剤の 4 つのクラスにグループ化しました (多目的殺虫剤とは、複数の機能クラスに属する殺虫剤を指します。それらは除草剤、殺虫剤または殺菌剤のいずれかとして使用できます、補足表 2)。ある地域が農薬ハザード負荷を伴う商品の純輸入国であるか純輸出国であるかを判断するために、我々は、製品およびサービスの輸入（最終消費者）と輸出（最初の生産者）に含まれる農薬ハザード負荷の合計の差を計算しました。その地域。消費ベースの分析では、地元で生産された製品と輸入された製品とサービスの消費を考慮しました。商品やサービスに含まれる総フットプリントを分析する際、最初の生産者から最終販売まで、サプライチェーン全体の累積フットプリントを考慮しました。私たちは、単位質量あたり、単位カロリーあたり、単位タンパク質あたりの観点から、さまざまな食品の農薬フットプリントを計算しました。我々は、国連貿易データベース80から得た基本輸出価格（すなわち、貿易額/貿易量）を使用して、各生産国で生産される食品1キログラムに含まれる農薬の危険負荷を計算しました。基本価格が入手できない国は分析から除外されました。食品 1 キログラムあたりに含まれるカロリーとタンパク質は、USDA National Nutrient Database81 から取得しました。すべての一人当たり分析では、2015 年の各地域の人口数は FAOSTAT31 から取得されました。

私たちは、気候パターンと土壌特性の変動が農薬の危険負荷の推定に影響を与えるかどうかをテストするために、堅牢性チェックを実施しました。この最初の堅牢性テストでは、ランダムに 1,000 個のグリッドセルを選択し、過去 17 年間 (2001 年から 2017 年まで) の降雨量、蒸発散量、日射量、気温の時系列を使用してモデルの実行 (環境モデルのみ) を繰り返しました。 2 番目のテストでは、土壌炭素含有量を ± 50% 変動させて 1000 個のランダムなグリッドセルのモデル実行を繰り返しました。気候パターンの変化は、参照シミュレーションと比較して、平均 -0.33% の変化 (25 パーセンタイル: -1.2%、75 パーセンタイル: 0.3%) をもたらしましたが、土壌炭素含有量の ±50% の変動は、平均 5.9% の変化をもたらしました。 %変化（25パーセンタイル：-4.6％、75パーセンタイル：10.7％、補足図10）。

農薬のフットプリントに関連する全体的な不確実性を定量化するために、モンテカルロシミュレーションを実施しました。不確実性を定量化するこの方法は、フットプリント研究のために以前に実行されています10,82。まず、農薬散布率、未分解画分、および NOAEL 値に関するグローバル感度分析を実行することにより、農薬の危険負荷推定における不確実性を定量化しました。参照値の周囲の平均と参照値の 15% の標準偏差を持つガウス分布を使用して、参照値の +/-50% 以内にわたる変数空間全体でランダムにサンプリングしました。私たちは 8,000 回の実現を実施して、各部門および地域に埋め込まれた農薬の危険負荷の標準偏差を取得し、それを農薬フットプリントの不確かな定量化に使用しました。

MRIO データベースは一次データから編集されているため、測定誤差が伴います。これらの誤差は、生データ収集から MRIO 編集、農薬フットプリント評価まで伝播し 83、84、85、モンテカルロ手法を使用して定量化できます 86、87。ここでは、Lenzen et al.82 で概説されているアプローチに従い、中間需要の標準偏差のデータを使用して不確実性を伝播します (\({\sigma }_{{{{{\bf{T}}}}}}) \)) と最終需要 (\({\sigma }_{{{{{{\bf{y}}}}}}\)) は Global MRIO Lab33 から供給され、農薬危険負荷 (\({\ sigma }_{{{{{{\bf{Q}}}}}}}\)) を上記のように計算して Q、T、および y データを摂動させ、摂動された農薬フットプリントを計算します。これらの摂動フットプリントは、1,000 回のモンテカルロ実行から計算されました。次に、摂動の標準偏差から農薬フットプリントの標準偏差を計算しました。これらのモンテカルロ実行の数学的定式化は、Heijungs と Lenzen85 および Lenzen et al.88 で詳しく説明されています。補足データ 2 に MRIO 表のすべての国と地域の総農薬フットプリントの標準偏差を示し、補足図 9 にモンテカルロ実行の確率分布を示しました。

残留農薬に関する地理参照データは、figshare (https://doi.org/10.6084/m9.figshare.1296632332,89) を介して配布されました。国別の農薬フットプリントデータは、この原稿に付属の補足データ 2 で報告されています。すべての補足データファイル、図で使用されるソースデータ。 1 ～ 5 と、作物固有の地理参照された農薬ハザード負荷マップは、https://doi.org/10.6084/m9.figshare.1961217390 の figshare 経由で配布されました。

残留農薬の推定に使用される BRTSim ソフトウェアは、https://sites.google.com/site/thebrtsimproject から自由にダウンロードできます。モデルの実行に必要な入力ファイルの例は、figshare (https://doi.org/10.6084/m9.figshare.1296632332,89) 経由でダウンロードできます。フットプリント分析は、https://ielab.info/ からアクセスできる IELab を使用して実施されました。

ペンシルバニア州マトソン、ウィスコンシン州パートン、パワー社、AG & スウィフト、MJ 農業の集約化と生態系の特性。サイエンス 277、504–509 (1997)。

記事 CAS Google Scholar

Poore, J. & Nemecek, T. 生産者と消費者を通じて食品の環境への影響を削減する。サイエンス 360、987–992 (2018)。

記事 CAS Google Scholar

Tilman, D.、Balzer, C.、Hill, J. & Befort, BL 世界的な食糧需要と持続可能な農業の強化。手順国立アカデミー。科学。 USA 108、20260–20264 (2011)。

記事 CAS Google Scholar

Tang, FH、Lenzen, M.、McBratney, A. & Maggi, F. 地球規模での農薬汚染のリスク。ナット。地理学。 14、206–210 (2021)。

記事 CAS Google Scholar

Hoekstra, AY & Wiedmann, TO 人類の持続不可能な環境フットプリント。サイエンス 344、1114–1117 (2014)。

記事 CAS Google Scholar

ティルマン D. & クラーク M. 世界的な食生活は、環境の持続可能性と人間の健康を結びつけます。ネイチャー 515、518–522 (2014)。

記事 CAS Google Scholar

レンゼン、M.ら。希少な水の国際貿易。エコル。エコン。 94、78–85 (2013)。

記事 Google Scholar

レンゼン、M.ら。国際貿易は発展途上国における生物多様性の脅威を引き起こします。ネイチャー 486、109–112 (2012)。

記事 CAS Google Scholar

Wilting, HC、Schipper, AM、Bakkenes, M.、Meijer, JR & Huijbregts, MA 人間の消費による生物多様性損失の定量化: 地球規模のフットプリント分析。環境。科学。テクノロジー。 51、3298–3306 (2017)。

記事 CAS Google Scholar

大分昭ほか国際貿易に組み込まれた深刻な窒素汚染。ナット。地理学。 9、111–115 (2016)。

記事 CAS Google Scholar

スプリングマン、M.ら。食品システムを環境制限内に維持するためのオプション。ネイチャー 562、519–525 (2018)。

記事 CAS Google Scholar

Weinzettel, J.、Hertwich, EG、Peters, GP、Steen-Olsen, K. & Galli, A. 豊かさは世界的な土地利用の移動を促進します。グロブ。環境。チャンさん。 23、433–438 (2013)。

記事 Google Scholar

Beketov, MA、Kefford, BJ、Schafer, RB & Liess, M. 農薬は、河川無脊椎動物の地域的な生物多様性を減少させます。手順国立アカデミー。科学。 USA 110、11039–11043 (2013)。

記事 CAS Google Scholar

Li、Y.、Miao、R.、Khanna、M. ネオニコチノイドと米国における鳥類の生物多様性の減少。ナット。持続する。 3、1027–1035 (2020)。

記事 Google Scholar

シャグノン、M.ら。生態系の機能とサービスに対する全身性殺虫剤の大規模使用のリスク。環境。科学。汚染。解像度 22、119–134 (2015)。

記事 CAS Google Scholar

Köhler, HR & Triebskorn, R. 農薬の野生生物生態毒性学: 個体群レベルおよびそれを超えた影響を追跡できるか? サイエンス 341、759–765 (2013)。

記事 Google Scholar

メーリング、N. 他農薬政策を推進するための道筋。ナット。食品 1、535–540 (2020)。

記事 Google Scholar

欧州委員会。欧州委員会から欧州議会、理事会、欧州経済社会委員会および地域委員会へのコミュニケーション: 公正で健康的で環境に優しい食料システムのための農場からフォークまでの戦略 COM/2020/381 最終版 (欧州委員会) 、2020）。

Weidema、BP、Perspectives on Social LCA 11–23 (Springer、2020)。

Bare、JC、Hofstetter、P.、Pennington、DW & De Haes、HAU ミッドポイントとエンドポイント: 犠牲と利益。内部。 J. ライフサイクルアセスメント。 5、319–326 (2000)。

記事 Google Scholar

Vanham、D. et al. 地域から地球規模の持続可能性に取り組み、SDGs を達成するための環境フットプリントファミリー。科学。トータル環境。 693、133642 (2019)。

記事 CAS Google Scholar

Sala, S. & Goralczyk, M. 化学物質のフットプリント: ライフサイクル評価と化学物質汚染の地球上の境界を埋めるための方法論的枠組み。統合します。環境。評価。管理。 9、623–632 (2013)。

記事 CAS Google Scholar

Navarro, J.、Hadjika Kou, M.、Ridoutt, B.、Parry, H. & Bryan, BA 農業における農薬毒性の危険性: オーストラリアの地域および商品のホットスポット。環境。科学。テクノロジー。 55、1290–1300 (2021)。

記事 CAS Google Scholar

ローゼンバウム、RK et al. USEtox - UNEP-SETAC 毒性モデル: ライフサイクル影響評価におけるヒト毒性と淡水生態毒性の推奨特性評価要素。内部。 J. ライフサイクルアセスメント。 13、532–546 (2008)。

記事 CAS Google Scholar

Lenzen, M. 従来の入出力ベースのライフサイクル在庫における誤差。Ｊ．Ｉｎｄ．Ｅｃｏｌ． 4、127–148 (2000)。

記事 Google Scholar

Wiedmann, T. & Lenzen, M. 国際貿易の環境的および社会的足跡。ナット。地理学。 11、314–321 (2018)。

記事 CAS Google Scholar

マリク、A.ら。 EU の繊維サプライチェーンにおける国際波及効果: 世界的な SDG 評価。Ｊ．Ｅｎｖｉｒｏｎ．管理。 295、113037 (2021)。

記事 Google Scholar

Schulz, R.、Bub, S.、Petschick, LL、Stehle, S.、Wolfram, J. 適用される農薬の毒性は、GM 作物であっても植物と無脊椎動物に移行します。サイエンス 372、81–84 (2021)。

記事 CAS Google Scholar

Maggi, F.、Tang, FH、la Cecilia, D. & McBratney, A. PEST-CHEMGRIDS、2015 年から 2025 年までの作物別農薬散布率上位 20 位の世界的なグリッドマップ。データ 6、1 ～ 20 (2019)。

記事 CAS Google Scholar

ノーザンテリトリー州ベイカー、1992 年から 2016 年までの米国大陸各州の主要作物または作物グループ別の推定年間農薬使用量 (米国内務省および米国地質調査所、2017 年)。

ファオスタット。国連食糧農業機関のデータベースコレクション。 http://www.fao.org/faostat/en/#data (2018)。

Tang, FH & Maggi, F. 土壌中の農薬混合物: 世界的な展望。環境。解像度レット。 16、044051 (2021)。

CAS Google スカラー

レンゼン、M.ら。 Global MRIO Lab – 世界経済をグラフ化します。エコン。システム。解像度 29、158–186 (2017)。

記事 Google Scholar

気候変動に関する国連枠組条約 (UNFCCC)。国連の気候変動。 https://unfccc.int/process/parties-non-party-stakeholders/parties-convention-and-observer-states (2021)。

Lewis, K.、Tzilivakis, J.、Warner, D.、Green, A. 農薬のリスク評価と管理のための国際データベース。ハム。エコル。リスク評価。内部。 J. 22, 1050–1064 (2016)。

記事 CAS Google Scholar

シルバ、V.ら。ヨーロッパの農地土壌に残留する農薬 – 隠された現実が明らかになりました。科学。トータル環境。 653、1532–1545 (2019)。

記事 CAS Google Scholar

ウッド、R.ら。貿易に具体化された環境フットプリントと環境への影響の増加: EXIOBASE3 の資源効率指標。Ｊ．Ｉｎｄ．Ｅｃｏｌ． 22、553–564 (2018)。

記事 Google Scholar

Wan, L.、Cai, W.、Jiang, Y. & Wang, C. 水質に起因する水不足への影響: 1995 年から 2009 年までのグローバリゼーション下での窒素関連の水質汚染の推進要因。解像度レット。 11、074017 (2016)。

記事 Google Scholar

ポールセン、ME、アンダーセン、JH、ピーターセン、A.、ジェンセン、BH 2004 年から 2011 年までのデンマークの残留農薬監視プログラムの結果。食品管理 74、25–33 (2017)。

記事 CAS Google Scholar

ペンシルベニア州ゴンサレス、E. パルガダンス、OP のルザルド大量販売、ニンジンなし: スペインにおける農薬政策の評価。作物保護。 141、105428 (2021)。

記事 Google Scholar

Jiang, H. 中国: 世界最大の農産物輸入市場における需要の進化。 https://www.fas.usda.gov/data/china-Evolution-demand-world-s-largest-agriculture-import-market (2020)。

欧州委員会。 PLANT EU 農薬データベース。 https://ec.europa.eu/food/plant/pesticides/eu-pesticides-db_en (2016)。

Watts, M. PAN International による禁止農薬の統合リスト。 http://paninternational.org/pan-international-consolidated-list-of-banned-pesticides/ (2019)。

Osteen, CD & Szmedra, PI 農業農薬使用の傾向と政策問題 (No. 1473-2020–1574) (米国農務省 (USDA)、1989 年)。

モンフリーダ、C.、ラマンクッティ、ニュージャージー州、フォーリー、JA 地球の農業: 2. 2000 年の作物面積、収量、生理学的タイプ、純一次生産量の地理的分布。バイオジオケム。サイクル 22、GB1022 (2008)。

記事 Google Scholar

オーストラリア統計局。オーストラリアの土地管理と農業-2016-17 (オーストラリア統計局、2018)。

Koli, P. & Bhardwaj, NR インドにおける飼料作物における農薬の現状と使用。 Jペスティック。科学。 43、225–232 (2018)。

記事 CAS Google Scholar

Rijswijk, K. & Brazendale, R. 牧草地更新の実践、経験、態度: 長期比較。 J. NZ Grasslands 78、51–56 (2016)。

記事 Google Scholar

Kuchheuser, P. & Birringer, M. 欧州連合における食品中の残留農薬: 2002 年から 2020 年までの食品および飼料に関する欧州緊急警報システムの通知の分析。Food Control 133、108575 (2022)。

記事 Google Scholar

Malik, A. & Lan, J. 世界的な炭素排出の促進におけるアウトソーシングの役割。エコン。システム。解像度 28、168–182 (2016)。

記事 Google Scholar

Soligno, I.、Malik, A.、Lenzen, M. 世界の青水利用の社会経済的要因。水資源。解像度 55、5650–5664 (2019)。

記事 Google Scholar

Lan, J.、Malik, A.、Lenzen, M.、McBain, D.、Kanemoto, K. 地球規模のエネルギーフットプリントの構造分解分析。応用エネルギー 163、436–451 (2016)。

記事 Google Scholar

Dietzenbacher, E. & Los, B. 構造分解技術: 感覚と感性。エコン。システム。解像度 10、307–324 (1998)。

記事 Google Scholar

Barzman、M. et al. 統合的害虫管理の 8 つの原則。アグロン。持続する。開発者 35、1199–1215 (2015)。

記事 Google Scholar

メッセージ、R. et al. EU の農薬使用データの改善。ナット。エコル。進化。 5、1560–1560 (2021)。

記事 Google Scholar

Charnay, MP、Tuis, S.、Coquet, Y. & Barriuso, E. 表層および地下土壌における 14C 除草剤の分解における空間的変動。害虫管理。科学。 61、845–855 (2005)。

記事 CAS Google Scholar

Dechesne, A.、Badawi, N.、Aamand, J. & Smets, BF 土壌中の微生物農薬分解の細かいスケールの空間変動: スケール、制御因子、および影響。フロント。微生物。 5, 667 (2014)。

記事 Google Scholar

Li、Z. 農薬の法定最大曝露による人間の健康被害を測定するための障害調整生存年（DALY）指標の使用。科学。トータル環境。 639、438–456 (2018)。

記事 CAS Google Scholar

いさぁ。アグリバイオテクノロジー応用GM承認データベース取得のための国際サービス。 http://www.his/her (2018)。

Maggi, F. BRTSim、水文、生物地球化学、生態系動態の汎用計算ソルバー。 arXiv https://arxiv.org/abs/1903.07015 (2019) のプレプリント。

Maggi, F. BRTSim v5.0 リリース A、多孔質および非多孔質媒体における生物地球化学反応 - 移流 - 分散プロセスのための汎用多相および多種計算ソルバーユーザーマニュアルおよびテクニカルガイド (シドニー大学、2021)。

Sacks, WJ、Deryng, D.、Foley, JA & Ramankutty, N. 作物の植え付け日: 世界的なパターンの分析。グロブ。エコル。バイオジオグラ。 19、607–620 (2010)。

Google スカラー

Allen, RG、Pereira, LS、Raes, D. & Smith, M. 作物蒸発散 - 作物水要件を計算するためのガイドライン - FAO 灌漑排水論文 56 (FAO、1998)。

デ・ソウザ、LM 他。 SoilGrids 2.0: 定量化された空間的不確実性を備えた地球の土壌情報を生成します。ソイル 7、217–240 (2021)。

記事 Google Scholar

Hengl、T. et al. SoilGrids250m: 機械学習に基づくグローバルなグリッド土壌情報。 PLoS ONE 12、e0169748 (2017)。

記事 Google Scholar

Dai, Y. et al. 地表面モデリングのための土壌の水力学的および熱的特性に関するグローバルな高解像度データセット。 J.Adv. モデル。地球システム 11、2996–3023 (2019)。

記事 Google Scholar

Fan , Y. 、Li , H. & Miguez-Macho , G. 地下水面深さのグローバルパターン。サイエンス 339、940–943。

記事 CAS Google Scholar

ペルティエ、JD et al. 全球の土壌、レゴリス、堆積物層の 1 km の格子状の厚さ (DAAC、ORNL オークリッジ国立研究所、2016)。

Zhang, Y.、Schaap, MG & Zha, Y. 物理ベースの保水モデルの階層的パラメーター化によって作成された土壌水理特性の高解像度グローバルマップ。水資源。解像度 54、9774–9790 (2018)。

記事 Google Scholar

Harris, I.、Osborn, TJ、Jones, P. & Lister, D. CRU TS 月次高解像度グリッド多変量気候データセットのバージョン 4。科学。データ 7、1 ～ 18 (2020)。

記事 Google Scholar

その後、PS、Tenkabail ら。 NASA 研究環境で使用するための地球システムデータ記録の作成 (MEaSURE) 世界食料安全保障支援分析データ (GFSAD) 作物優勢 2010 Global 1 km V001 (NASA EOSDIS Land Processes DAAC、2016)。

La Cecilia, D. & Maggi, F. 可変水文学体制下でのコムギ (Triticum) 作物における現場でのアトラジン生分解ダイナミクス。Ｊ．コンタム．ハイドロール。 203、104–121 (2017)。

記事 Google Scholar

Maggi, F.、la Cecilia, D.、Tang, FH、McBratney, A. グリホサート使用による地球環境への危険。科学。トータル環境。 717、137167 (2020)。

記事 CAS Google Scholar

Pasut, C.、Tang, FH、Hamilton, D.、Riley, WJ & Maggi, F. 世界の湿地における農業栄養素の流出に関連する GHG 排出量と栄養素隔離の時空間評価。グロブ。バイオジオケム。サイクル 35、e2020GB006816 (2021)。

記事 CAS Google Scholar

Fan, Y. および Van Den Dool, H. 気候予測センターによる世界の月次土壌水分データは、1948 年から現在までの解像度 0.5 で設定されています。Ｊ．Ｇｅｏｐｈｙｓ．解像度アトモス。 109、D10102 (2004)。

記事 Google Scholar

Menne, MJ、Durre, I.、Vose, RS、Gleason, BE & Houston, TG 世界の歴史的気候学ネットワークの日次データベースの概要。Ｊ．アトモス。オーシャニックテクノロジー。 29、897–910 (2012)。

記事 Google Scholar

Leontief, W. 米国の経済システムにおける定量的なインプットとアウトプットの関係。エコン牧師。統計 18、105–125 (1936)。

記事 Google Scholar

ユーロスタット。ユーロスタットの供給、使用、産業連関表マニュアル (欧州委員会、2008 年)。

国連。産業連関表の作成と分析のハンドブック (国連、1999 年)。

国連。国連同胞団データベース。 http://comtrade.un.org/ (2017)。

米国農務省。 USDA 標準参照用全国栄養素データベース (米国農務省、2019)。

レンゼン、M.ら。世界的な観光による二酸化炭素排出量。ナット。登る。チャンさん。 8、522–528 (2018)。

記事 Google Scholar

Lloyd, SM & Ries, R. ライフサイクル評価における不確実性の特徴付け、伝播、分析: 定量的アプローチの調査。Ｊ．Ｉｎｄ．Ｅｃｏｌ． 11、161–179 (2007)。

記事 Google Scholar

Imbeault-Tétreault, H.、Jolliet, O.、Deschênes, L. & Rosenbaum, RK マトリックス定式化を使用したライフサイクル評価における不確実性の分析的伝播。Ｊ．Ｉｎｄ．Ｅｃｏｌ． 17、485–492 (2013)。

記事 Google Scholar

Heijungs, R. & Lenzen, M. LCA の誤差伝播法 - 比較。内部。 J. ライフサイクルアセスメント。 19、1445–1461 (2014)。

記事 Google Scholar

本渡宏、酒井慎、丹野慎産業連関表を用いて推定したCO2総排出原単位の感度分析。応用エネルギー 72、689–704 (2002)。

記事 CAS Google Scholar

Lenzen, M. 環境の入出力分析における集約と分解。エコン。システム。解像度 23、73–89 (2011)。

記事 Google Scholar

Lenzen, M.、Wood, R. & Wiedmann, T. 複数地域入出力モデルの不確実性分析 - 英国の二酸化炭素排出量のケーススタディ。エコン。システム。解像度 22、43–63 (2010)。

記事 Google Scholar

Tang FH & Maggi, F. 土壌中の農薬混合物: 世界的な展望。データセット。 figshare https://doi.org/10.6084/m9.figshare.12966323.v2 (2021)。

Tang, FH、Malik、A. Li, M.、Lenzen, M.、Maggi, F. 食品とサービスに対する国際的な需要により、農薬使用による環境への影響が増大しています。データセット。 figshare https://doi.org/10.6084/m9.figshare.19612173 (2022)。

リファレンスをダウンロードする

この研究は、シドニー大学の SREI2020 EnviroSphere 研究プログラムによって支援されています。著者らは、この研究で報告された結果に貢献した高性能コンピューティングリソースを提供したシドニー情報学ハブとシドニー大学の高性能コンピューティングクラスター Artemis に感謝します。著者らはまた、オーストラリア政府によって支援され、FM に与えられた NCMAS 2021 割り当てスキームおよび副学長によってサポートされたシドニー情報学ハブ HPC 割り当てスキームを通じてアクセスされた国家計算インフラストラクチャー (NCI) の使用を認めています (研究) ）、シドニー大学およびARC LIEF（LE190100021）。著者は、ARC Discovery Project (DP130101293) によってサポートされている IELab インフラストラクチャの使用を認めています。 M. Lenzen は、ARC Discovery Project (DP200102585) のサポートを認めます。 AM は、ARC Discovery プロジェクト (DP200103005) および ARC リンケージプロジェクト (LP200100311) のサポートを認めます。 FHMT は、オーストラリア科学アカデミーの WH Gladstones Population and Environmental Fund 2021 の支援に感謝します。著者らは、MRIO モデリングに関する会話について Arne Geschke 博士に感謝します。

スウェーデン農業科学大学が提供するオープンアクセス資金。

作物生産生態学部、スウェーデン農業科学大学 (SLU)、Ulls väg 16、Box 7043、750 07、ウプサラ、スウェーデン

フィオナ・H・M・タン

シドニー大学土木工学部環境工学、ニューサウスウェールズ州シドニー、2006 年、オーストラリア

フィオナ・H・M・タン & フェデリコ・マッジ

環境農村科学部、ニューイングランド大学、アーミデール、ニューサウスウェールズ州、2351、オーストラリア

フィオナ・H・M・タン

ISA、物理学部 A28、シドニー大学、ニューサウスウェールズ州シドニー、2006 年、オーストラリア

アルニマ・マリク、メンギュ・リー、マンフレッド・レンゼン

シドニー大学ビジネススクール、会計学、ニューサウスウェールズ州シドニー、2006 年、オーストラリア

アルニマ・マリク

シドニー大学シドニー農学研究所、ニューサウスウェールズ州シドニー、2006 年、オーストラリア

フェデリコ・マッジ

PubMed Google Scholar でこの著者を検索することもできます

FHMT、AM、M. Lenzen、FM が研究を設計しました。 FHMT と FM は残留農薬推定モデリングを実施しました。 AM、M. Lenzen、M. Li が MRIO モデリングを実施しました。 FHMT と AM は分析を実施し、論文を執筆しました。著者全員がデータ解釈と原稿編集に貢献しました。

Fiona HM Tang または Arunima Malik への通信。

著者らは競合する利害関係を宣言していません。

Communications Earth & Environmental は、この研究の査読に貢献してくれた Zijian Li と他の匿名の査読者に感謝します。主な担当編集者: Sadia Ilyas と Clare Davis。

発行者注記 Springer Nature は、発行された地図および所属機関の管轄権の主張に関して中立を保っています。

オープンアクセスこの記事はクリエイティブコモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブコモンズライセンスへのリンクを提供し、変更が加えられたかどうかを示します。この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブコモンズライセンスに含まれています。素材が記事のクリエイティブコモンズライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

Tang、FHM、Malik、A.、Li、M. 他。食料とサービスに対する国際的な需要により、農薬使用による環境への影響が増大しています。 Commun Earth Environ 3、272 (2022)。 https://doi.org/10.1038/s43247-022-00601-8

引用をダウンロード

受信日: 2022 年 6 月 3 日

受理日: 2022 年 10 月 20 日

公開日: 2022 年 11 月 7 日

DOI: https://doi.org/10.1038/s43247-022-00601-8

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

コメントを送信すると、利用規約とコミュニティガイドラインに従うことに同意したことになります。虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。

前: 多体解析と軟組織強度は超音速恐竜の尻尾を否定する次: 41年前: オジー・オズボーン、アラモで放尿したとして逮捕

お問い合わせを送信

送信