An assessment of acute insecticide toxicity loading (AITL) of chemical pesticides used on agricultural land in the United States
Notice bibliographique
Résumé
We present a method for calculating the Acute Insecticide Toxicity Loading (AITL) on US agricultural lands and surrounding areas and an assessment of the changes in AITL from 1992 through 2014. The AITL method accounts for the total mass of insecticides used in the US, acute toxicity to insects using honey bee contact and oral LD50 as reference values for arthropod toxicity, and the environmental persistence of the pesticides. This screening analysis shows that the types of synthetic insecticides applied to agricultural lands have fundamentally shifted over the last two decades from predominantly organophosphorus and N-methyl carbamate pesticides to a mix dominated by neonicotinoids and pyrethroids. The neonicotinoids are generally applied to US agricultural land at lower application rates per acre; however, they are considerably more toxic to insects and generally persist longer in the environment. We found a 48- and 4-fold increase in AITL from 1992 to 2014 for oral and contact toxicity, respectively. Neonicotinoids are primarily responsible for this increase, representing between 61 to nearly 99 percent of the total toxicity loading in 2014. The crops most responsible for the increase in AITL are corn and soybeans, with particularly large increases in relative soybean contributions to AITL between 2010 and 2014. Oral exposures are of potentially greater concern because of the relatively higher toxicity (low LD50s) and greater likelihood of exposure from residues in pollen, nectar, guttation water, and other environmental media. Using AITL to assess oral toxicity by class of pesticide, the neonicotinoids accounted for nearly 92 percent of total AITL from 1992 to 2014. Chlorpyrifos, the fifth most widely used insecticide during this time contributed just 1.4 percent of total AITL based on oral LD50s. Although we use some simplifying assumptions, our screening analysis demonstrates an increase in pesticide toxicity loading over the past 26 years, which potentially threatens the health of honey bees and other pollinators and may contribute to declines in beneficial insect populations as well as insectivorous birds and other insect consumers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».