Analyse aanwezigheid, normoverschrijdingen en toxische druk van bestrijdingsmiddelen in geselecteerde meetpunten binnen het Nederlands oppervlaktewater
Notice bibliographique
Résumé
Dit rapport, in opdracht van Natuur & Milieu, onderzoekt specifiek een groep bestrijdingsmiddelen die we aanduiden als Potentieel Hoger Risicostoffen (PHR-stoffen) en hun aanwezigheid en milieu-impact.Het doel is om via Post-registratiemonitoring te bepalen of deze stoffen disproportioneel bijdragen aan normoverschrijdingen en toxische druk in Nederlandse wateren, vooral in of nabij natuur-en recreatiegebieden.Het onderzoek analyseerde gegevens over bestrijdingsmiddelen in het Nederlandse zoete oppervlaktewater tussen 2014 en 2021, met de focus op PHR-stoffen en specifiek de T12subgroep ("Toxic 12").We hebben een hiërarchische mixed-effect modelbenadering gebruikt om nationale trends te voorspellen, waarbij we rekening hielden met lokale trends en ongelijke steekproefgroottes.Daarnaast hebben we de msPAF-methode toegepast om de mengseltoxiciteit te beoordelen, en een verkennende analyse uitgevoerd om ruimtelijke variatie te onderzoeken.Om de veranderingen in mengseltoxiciteit (msPAF) in de loop van de tijd te meten, hebben we GAMMs gebruikt.Tot slot hebben we de impact van PHR-stoffen op mengseltoxiciteit geëvalueerd met behulp van theoretische en statistische modellen.In totaal zijn 79% van de PHR-stoffen en alle T12-stoffen aangetroffen op 153 meetpunten, maar de frequentie van aantreffen varieerde sterk en verschilde per gebied.We hebben normoverschrijdingen waargenomen bij de meerderheid van PHR-en T12-stoffen, maar er zijn geen opvallende trends vergeleken met andere stoffen of over de tijd.Bovendien is er geen duidelijke afname in de kans op detectie of normoverschrijdingen waargenomen tussen 2014 en 2021.De chronische en acute toxische druk (msPAF) is afgenomen sinds 2014 voor alle bestrijdingsmiddelen, maar de afname voor de acute msPAF is minder opvallend.Verder vinden we dat het aantreffen van PHR-en T12-stoffen significant snellere leidt toenames in msPAF-waarden vergeleken met de gemiddelde stof.Dit is te zien bij zowel de chronische msPAF, die respectievelijk 300% en 370% sneller toeneemt, als bij de acute msPAF, die 290% en 400% sneller toeneemt per gedetecteerde stof voor PHR en T12.Een theoretisch model gebaseerd op toxiciteitsgegevens verklaart dit fenomeen gedeeltelijk en wijst op een hogere toxiciteit voor PHR en T12 stoffen.Dit onderzoek sluit aan bij eerdere rapporten die ook geen duidelijke dalende trend in de kans op detectie of normoverschrijdingen laten zien in dezelfde onderzochte periode.De afname in chronische toxische druk lijkt overeen te komen met eerdere onderzoeken, maar het ontbreken van gelijktijdige afname in normoverschrijdingen roept vragen op, omdat dit kan duiden op veranderende stofmengselsamenstellingen.We zien aanwijzingen dat PHRen T12-stoffen de toxische druk in mengsels verhogen, maar we benadrukken echter dat dit effect mogelijk wordt veroorzaakt door enkele stoffen binnen de T12-groep.Stofspecifieke analyses zijn daarom nodig om de waargenomen trends beter te begrijpen voordat de ecotoxicologische impact op het Nederlandse waterleven van PHR-stoffen definitief kan worden bepaald.Het Centrum voor Milieuwetenschappen (CML) heeft dit onderzoek onafhankelijk uitgevoerd en het bijbehorende rapport opgesteld.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,045 | 0,006 |
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 ».