Identifizierung und Charakterisierung des Pestizideinsatzes auf 9.000 Feldern im ökologischen Landbau

Nature Communications Band 12, Artikelnummer: 5461 (2021) Diesen Artikel zitieren

12.000 Zugriffe

12 Zitate

16 Altmetrisch

Details zu den Metriken

Entgegen der landläufigen Meinung sind die Umweltauswirkungen des ökologischen Landbaus, insbesondere im Hinblick auf den Einsatz von Pestiziden, nicht ausreichend belegt. Die Sackgasse wird durch den allgemeinen Mangel an Daten zu vergleichbaren ökologischen und konventionellen landwirtschaftlichen Feldern verschärft. Wir ermitteln den Standort von ca. 9.000 Biofeldern im Zeitraum 2013 bis 2019 mithilfe von Felddaten zum Pflanzen- und Pestizideinsatz sowie staatlichen Zertifizierungsdaten für Kern County, Kalifornien, einen der wertvollsten Pflanzenanbaubezirke der USA. Basierend auf einer globalen Metaanalyse analysieren wir anhand einer globalen Metaanalyse, wie sich der Umstieg auf Bioanbau im Vergleich zu konventionellem Anbau auf Entscheidungen zum Versprühen von Pestiziden auswirkt und, wenn gesprüht wird, wie viel versprüht werden soll. Wir zeigen, dass die erwartete Wahrscheinlichkeit des Versprühens von Pestiziden bei Biofeldern im Vergleich zu konventionellen Feldern um etwa 30 Prozentpunkte geringer ist, und zwar über verschiedene Metriken des Pestizideinsatzes hinweg, einschließlich der Gesamtausbringungsmenge und der groben Ökotoxizitätsmetriken. Wir berichten im Durchschnitt von kaum Unterschieden beim Pestizideinsatz auf biologischen und konventionellen Feldern, auf denen gespritzt wird, obwohl eine erhebliche kulturspezifische Heterogenität zu beobachten ist.

Die Landwirtschaft macht weltweit etwa 40 % der Ackerfläche aus1 und ist eine der Hauptursachen für Umweltzerstörung1. Trotz enormer Zuwächse in der landwirtschaftlichen Produktion in den letzten Jahrzehnten bleiben Hunger und Unterernährung eine Herausforderung2 und die Nachfrage nach landwirtschaftlichen Produkten steigt weiter3. Die Suche nach skalierbaren Wegen zur Verbesserung der Nachhaltigkeit der landwirtschaftlichen Produktion ist von entscheidender Bedeutung, um eine wachsende Bevölkerung zu unterstützen und Schäden für die Gesundheit von Mensch und Umwelt zu mindern.

Der ökologische Landbau ist ein häufig vorgeschlagener Ansatz zur Verbesserung der Nachhaltigkeit der landwirtschaftlichen Produktion. Der ökologische Landbau deckt derzeit nur ca. 1,5 % der weltweiten Agrarfläche ab, wächst aber in Umfang und Umsatz rasant4,5. Beispielsweise wuchs der weltweite ökologische Landbau zwischen 2000 und 2015 von 15 Millionen Hektar auf 51 Millionen Hektar2 und hat seitdem die Marke von 73 Millionen Hektar5 überschritten. Der rasche Anstieg der Verbrauchernachfrage nach Bioprodukten wird durch eine Vielzahl von Faktoren verursacht, die hauptsächlich mit Ernährung, Lebensmittel- und Landarbeitersicherheit sowie Umweltbedenken zusammenhängen4. Ähnliche Bedenken haben zu zahlreichen politischen Initiativen zur Förderung der ökologischen Produktion geführt, beispielsweise zur „Vom Hof ​​auf den Tisch“-Strategie der Europäischen Union6,7. Entgegen der landläufigen Meinung bleibt das Verständnis der Vor- und Nachteile des ökologischen Landbaus pro Ertrag ein Bereich aktiver Forschung8,9,10,11,12,13.

Aus Sicht der ökologischen Nachhaltigkeit geht es bei der Debatte vor allem darum, ob die Verringerung negativer ökologischer und ökologischer Auswirkungen auf dem Feld den Rückgang der Erträge14,15 und die erhöhte Ertragsvariabilität16 ausgleicht, die bei den meisten biologisch angebauten Pflanzen in tatsächlichen Felduntersuchungen beobachtet wurden8 ,16,17. Obwohl es scheinbar einfach ist, ist die Beantwortung dieser Frage selbst für einen Teil der Umweltergebnisse mit methodischen Herausforderungen verbunden, die aus dem Fehlen einer gültigen Vergleichsgruppe resultieren18. Es ist unwahrscheinlich, dass Bio-Felder zufällig in der Landschaft platziert werden, und Bio-Bauern sind auch keine zufällige Anziehungskraft der breiteren Bauerngemeinschaft. Mit anderen Worten: Biobetriebe können auf systematisch besseren oder schlechteren Böden eine systematisch andere Palette von Nutzpflanzen anbauen oder von Landwirten mit systematisch anderem Umwelt- oder Gesundheitsverhalten als ihre konventionellen Nachbarn betrieben werden. Obwohl solche Herausforderungen durch langfristige Feldversuche angegangen werden können und wurden19,20, ist das Verständnis des Unterschieds zwischen ökologischen und konventionellen Feldern in realen Umgebungen von entscheidender Bedeutung, um die Vorzüge ökologischer Produktionspraktiken im großen Maßstab zu verstehen. Erhebungen zu Erträgen und Praktiken bei einer kleinen Anzahl williger Landwirte werden jedoch wahrscheinlich von Selektionsverzerrungen betroffen sein. Diese Herausforderung bei der Stichprobenauswahl wird durch den Mangel an Daten auf Feldebene zu Inputs und/oder Outputs im Allgemeinen und zu organischen Feldern im Besonderen11 noch verschärft, was Vergleiche erschwert.

Obwohl Pestizide nur ein Maß für Nachhaltigkeit sind, sind sie für Verbraucher von großer Bedeutung11,21. Historisch gesehen hatte der weit verbreitete Einsatz persistenter, breit wirkender und bioakkumulierender Chemikalien wie Organochlor und Organophosphate schwerwiegende negative Auswirkungen auf Menschen, andere Säugetiere und Vögel22,23; Auswirkungen, die dazu beitrugen, die frühe Bio-Bewegung voranzutreiben24,25. Da diese Risiken zunehmend erkannt wurden, wurde eine neue Generation von Chemikalien entwickelt, deren besonderer Schwerpunkt auf der Reduzierung der Risiken für die menschliche Gesundheit lag. Während die Entwicklung und Aufnahme dieser Pestizide in den letzten Jahrzehnten zu einer begrenzten direkten Sterblichkeit von Säugetieren und Vögeln geführt hat26, bleiben viele für andere Organismen weiterhin hochgiftig27,28,29. Darüber hinaus bleiben ökologische Auswirkungen auf Bevölkerungsebene durch Interaktionen mit dem Nahrungsnetz oder subletale Auswirkungen (z. B. Verhaltensänderungen und verringerte Migrationsnavigation) für höhere Taxa ein Problem30,31.

Der ökologische Landbau gilt gemeinhin als chemiefrei, obwohl die regulatorische Definition „Bio“ zumindest in den USA im Allgemeinen eher die Art der eingesetzten Inputs als die Menge einschränkt21. Die Verordnung selbst schreibt keine chemiefreie Landwirtschaft vor, und die Einhaltung ökologischer Vorschriften bedeutet nicht immer eine geringe Toxizität für ökologische oder ökologische Endpunkte. Bioverträgliche Wirkstoffe wie Kupfer21, Pyrethrin und Azadirachtin sind beispielsweise giftig für Wasserorganismen32,33. Da sich die Prüfung auf Pestizidrückstände zudem häufig auf synthetische Chemikalien mit hoher Humantoxizität konzentriert34,35 und Daten zur Produktion oder Zertifizierung auf Feldebene selten verfügbar sind, ist wenig über die Verwendungspraktiken von Pestiziden auf Biofeldern bekannt.

Unser Ziel ist es, die Unterschiede im Gesamteinsatz von Pestiziden und bei Pestiziden, die für verschiedene ökologische und ökologische Endpunkte von besonderem Interesse sind, zu quantifizieren, um das Verständnis der ökologischen Vor- und Nachteile verschiedener Produktionssysteme zu verbessern. Wir harmonisieren und aggregieren mehrere Datenquellen, um die räumliche Lage von Bioanbaufeldern zu ermitteln, und stützen uns auf einzigartige Felddaten zum Pflanzen- und Pestizideinsatz aus Kern County, Kalifornien, um Unterschiede beim Pestizideinsatz zu verstehen. Kern County produziert eine Vielzahl hochwertiger Obst- und Gemüsepflanzen und ist gemessen am Umsatz stets einer der wertvollsten Ernteanbaubezirke Kaliforniens und der USA36. Aufgrund der Vielzahl unterschiedlicher Produkte und Chemikalien, die in unserem Untersuchungsgebiet eingesetzt werden, stützen wir uns auf den Einsatz von Pestiziden und grobe Kennzahlen zur Ökotoxizität auf der Grundlage des Pestizidproduktetiketts, das die Überschreitung von Toxizitätsschwellenwerten für verschiedene Endpunkte widerspiegelt. Wir sind uns bewusst, dass der Einsatz von Pestiziden möglicherweise nicht immer potenzielle Umweltschäden widerspiegelt37,38 und selbst Toxizitätsschwellenwerte nicht zwischen den Gefahren unterscheiden können, die von zwei Chemikalien ausgehen, die beide die gesetzlichen Schwellenwerte überschreiten, sich aber in der Toxizität unterscheiden. Wir berücksichtigen und diskutieren durchgehend Toxizitätsmetriken und -beschränkungen.

Unsere Untersuchung stützt sich in erster Linie auf Doppelhürdenmodelle, um die Entscheidung, Pestizide zu versprühen, von der Entscheidung, wie viel versprüht werden soll, zu trennen. Mit diesen Modellen bewerten wir (1) die Gesamtunterschiede zwischen Bio- und konventionellen Feldern im Hinblick auf die Entscheidungen zum Sprühen und die Sprühmenge für den Gesamteinsatz von Pestiziden und Pestizide mit potenzieller Gefahr für eine Reihe unterschiedlicher Endpunkte, (2) kulturspezifisch Unterschiede bei der Entscheidung über den Einsatz von Pestiziden zwischen Bio- und konventionellen Feldern für fünf Feldfrüchte, die häufig sowohl mit Bio- als auch mit konventionellen Methoden angebaut werden, und (3) wie sich die Anpassung von Ertragslücken auf die Gesamtergebnisse auswirken kann. Unsere Ergebnisse deuten darauf hin, dass der ökologische Landbau mit größerer Wahrscheinlichkeit „pestizidfrei“ ist, aber besprühte Bio-Felder weisen in der Regel ähnliche Mengen an Pestiziden auf wie ihre konventionellen Nachbarn.

Unsere Stichprobe bestand aus 99.533 Feldern, die zwischen 2013 und 2019 allesamt zugelassene Felder im Kern County waren. In der gesamten Stichprobe betrug die durchschnittliche Feldgröße etwa 31 ha und die Bodenqualität – gemessen als California Revised Storie Index39 mit einem Bereich von 1 (höchster Wert). Qualität) bis 6 (niedrigste Qualität) – durchschnittlich 1,8. Jährlich wurden auf einem durchschnittlichen Feld etwa 25 kg ha−1 Pestizidwirkstoffe (AI) und 45 kg ha−1 Pestizidprodukte (AI + Adjuvantien) eingesetzt. Im Jahresdurchschnitt gab es 1293 landwirtschaftliche Betriebe mit einer durchschnittlichen Betriebsgröße von 451 ha. Alle diese Variablen variierten räumlich im gesamten Kern (Abb. 1).

a Die 15 wichtigsten Kulturpflanzen (nach Anzahl der Felder), die angebaut werden, wobei alle anderen Kulturpflanzen als „Sonstige“ gruppiert sind und alle Mehrkulturenfelder als „Mehrfruchtkulturen“ gekennzeichnet sind. b Feldgröße in Hektar, mit Quartilen von 0 (hellgelb) bis 296 (dunkelrot). c Bodenqualität nach Storie-Index mit Quartilen von 1 (dunkelgrüner, produktiver Boden) bis 6 (hellgelber, unproduktiver Boden). d Pestizideinsatz in kg ha−1 eines Pestizidprodukts, mit Quartilen von 0 (hellviolett) bis 2188 (dunkelviolett). Bei Feldern mit mehreren Werten (Mehrfruchtanbau, aktive vs. inaktive Genehmigungen usw.) veranschaulichen Karten den Maximalwert jeder Variablen und bei Pflanzen die am häufigsten angebaute Kultur.

Wir haben zwischen 2013 und 2019 etwa 9100 Bio-Felder identifiziert, indem wir Daten zum Pestizideinsatz und Daten zur räumlichen Lage zertifizierter Bio-Felder zusammengeführt haben, die wir auf Anfrage des kalifornischen Ministeriums für Ernährung und Landwirtschaft erhalten hatten (siehe Methoden). Pro Jahr reichte die Zahl der Biofelder von einem Tiefststand von 936 im Jahr 2013 bis zu einem Höchststand von 1544 im Jahr 2017. In einem bestimmten Jahr zwischen 2013 und 2019 gab es etwa 14.200 zugelassene Felder, sodass der Anteil der Biofelder bei ca. 7–11 % lag. Felder im Kern County. Im Durchschnitt der gesamten Stichprobe waren Biofelder etwa 44 % kleiner als konventionelle Felder (Tabelle 1); Allerdings waren Betriebe, die im Untersuchungszeitraum sowohl konventionelle Felder als auch mindestens ein Bio-Feld umfassten, etwa viermal größer als rein konventionelle Betriebe (1240 ha im Vergleich zu 319 ha). Bio-Felder lagen tendenziell auch auf besseren Böden, sowohl im Durchschnitt (Tabelle 1) als auch unter Berücksichtigung der kulturspezifischen Heterogenität (Ergänzungstabelle 1). Zu den aktiv angebauten Nutzpflanzen nach Fläche gehörten Karotten, Kartoffeln, Salatblätter und Tomaten für Bio-Felder bzw. Mandeln, Pistazien, Weintrauben und Luzerne für konventionelle Felder.

Wir begannen mit gepoolten und Panel-Datenmodellen, um den Einfluss verschiedener Modellspezifikationsentscheidungen zu verstehen (Methoden, ergänzende Anmerkungen, ergänzende Tabellen 2 und 3). Die Mechanismen zur Bestimmung der Nullwerte für den Pestizideinsatz können jedoch von denen zur Bestimmung des Einsatzniveaus abweichen, und grundlegende zusammenfassende Statistiken deuten auf Unterschiede in der Häufigkeit von Nullwerten zwischen Bio- und konventionellen Feldern hin (Ergänzungstabelle 4). Daher untersuchen und diskutieren wir vor allem Doppel-Hürden-Modelle, um die Entscheidung, zu sprühen, von der Entscheidung, wie viel gesprüht werden soll, zu unterscheiden. Bei der ersten Hürde interpretieren wir den Einsatz von Null-Pestiziden als die wahre Entscheidung des Landwirts und sagen die Wahrscheinlichkeit voraus, dass der Landwirt (eines bestimmten Feldes) zum „Null-Typ“ gehört, abhängig davon, ob er biologisch angebaut wird oder nicht. Dazu verwenden wir ein Probit-Modell mit Zufallseffekten mit Kovariaten für Feldgröße, Betriebsgröße und Bodenqualität, mit zufälligen Schnittpunkten für die Familie der einzelnen landwirtschaftlichen Betriebe und mit Cluster-robusten Standardfehlern, die in der Familie der einzelnen landwirtschaftlichen Betriebe geclustert werden (Methoden). , Ergänzende Anmerkungen). Wir berichten über die durchschnittlichen Grenzeffekte der Probit-Modelle. Bei allen Wirkstoffen stellen wir fest, dass der biologische Anbau zu einer durchschnittlichen Verringerung der Wahrscheinlichkeit des Pestizideinsatzes um etwa 31 Prozentpunkte (0,31 ± 0,03) führt (Abb. 2, Ergänzungstabelle 5). Da das Gewicht der Wirkstoffe nicht unbedingt die Umweltschädlichkeit widerspiegelt37, testen wir mehrere andere Auswirkungen von Pestiziden auf der Grundlage der Informationen auf dem Pestizidetikett. Das Pestizidetikett, das der EPA40 unterliegt, enthält Gefahrenhinweise, die darauf hinweisen, ob eine oder mehrere Chemikalien im Produkt die Grenzwerte für akute Toxizität für Menschen sowie für verschiedene Umwelt- und ökologische Folgen überschreiten. Diese Aussagen basieren im Allgemeinen auf Studien zur akuten Toxizität für Menschen sowie für Vögel, Fische, Wirbellose, bestäubende Insekten und Säugetiere40 (siehe „Methoden“). Darüber hinaus enthalten die Etiketten unter anderem einen Hinweis auf das Drift- oder Transportpotenzial des Produkts in anderen Medien sowie Informationen zu den Wirkstoffen, aus denen Zieltaxa gewonnen werden können. Für diese anderen Pestizidverwendungsergebnisse – Pestizidprodukte, Insektizidprodukte, Produkte mit einer Neigung zum Abdriften, Produkte mit potenzieller Gefahr für Fische und Bienen sowie Produkte höherer (EPA-Signalwort 1–2) und niedrigerer (EPA-Signalwort 3–4) ) Akute Toxizität für den Menschen – wir sehen, dass der Verzehr von organischen Stoffen zu einer durchschnittlichen Verringerung der Sprühwahrscheinlichkeit um 18–31 Prozentpunkte (0,18 ± 0,02 bis 0,31 ± 0,03; Abb. 2, Ergänzungstabelle 5) führt, wenn alles andere konstant bleibt. Dabei führen zunehmende Feld- und Betriebsgrößen sowie eine höhere Bodenqualität zu einem deutlichen Anstieg der durchschnittlichen Einsatzwahrscheinlichkeit von Pestiziden für die meisten der ausgewerteten Pestizideinsatzergebnisse.

Lognormale Hürdenmodelle, die die Änderung der Wahrscheinlichkeit des Pestizideinsatzes (a) und die prozentuale Änderung des Pestizideinsatzes für Felder mit positiver Nutzung (b) für Bio-Felder im Vergleich zu konventionellen Feldern abschätzen. Die x-Achse zeigt verschiedene Maße für die Ergebnisse des Pestizideinsatzes: kg ha-1 Wirkstoffe (AI), kg ha-1 Produkte (Prd), kg ha-1 Produkte, die nur gegen Insektenschädlinge gerichtet sind (Insekt), kg ha-1 von Produkte mit Abdriftneigung (Drift), kg ha−1 Produkte mit potenzieller Gefahr für Fische und Bienen (Fish, Bee), sowie Produkte höherer (EPA-Signalwort 1–2) und niedrigerer (EPA-Signalwort 3–) 4) akute Toxizität für den Menschen (Hoch, Niedrig). Über alle Ergebnisse hinweg ist die Wahrscheinlichkeit, dass auf Bio-Feldern Pestizide eingesetzt werden, deutlich geringer (a), obwohl es kaum Unterschiede zwischen Bio- und konventionellen Feldern gibt, wenn es um das Sprühen geht, mit Ausnahme von Chemikalien mit höherer und geringerer Toxizität (b). Symbole geben Punktschätzungen (Mittelwert) an und Fehlerbalken stellen das 95 %-KI dar. Alle Modelle umfassen Cluster-robuste Standardfehler, die auf der Ebene der einzelnen landwirtschaftlichen Betriebe und Familien geclustert werden. Für die zweite Hürde (b) in Abb. 2–4, die prozentuale Änderung wird aus dem Log-Level-Modell als \(100(e^{\beta }-1)\) berechnet und Standardfehler werden mithilfe der Delta-Methode abgeleitet, die mit der nlcom-Funktion in Stata implementiert wird. Alle Modelle umfassen Kovariaten für Feldgröße, Betriebsgröße und Bodenqualität sowie zufällige Effekte für die einzelnen landwirtschaftlichen Betriebe und Familien. N = 91.926 für alle Spezifikationen in der ersten Hürde (a) und N = 68.704 (AI), N = 68.816 (Prd), N = 52.606 (Insekt), N = 67.988 (Drift), N = 60.653 (Fisch), N = 48.254 (Biene), N = 61.883 (Hoch) und N = 65.593 (Niedrig) in der zweiten Hürde (b), wobei die Abkürzungen wie oben beschrieben sind. Koeffizientenschätzungen für alle Kovariaten sind in der Ergänzungstabelle 5 aufgeführt.

In der zweiten Hürde bewerten wir, was den Pestizideinsatz auf den Feldern beeinflusst, die sich für das Sprühen entscheiden. Mit Ausnahme von Produkten mit geringerer akuter Humantoxizität sehen wir einen allgemein negativen Effekt der Bio-Zugehörigkeit, obwohl der Koeffizient nur für Produkte mit höherer akuter Humantoxizität signifikant ist (p < 0,05) (Abb. 2, Ergänzungstabelle 5). Wir geben die organischen Koeffizienten als Semielastizität an, berechnet aus dem zweiten Hürdenmodell (Log-Level-Modell) als \(100(e^{\beta }-1)\) und als Standardfehler, abgeleitet mit der Delta-Methode implementiert mit der nlcom-Funktion in Stata. Hier führt eine Umstellung auf Bio-Produkte zu einem signifikanten Rückgang der Einsatzmenge pro Hektar für Produkte mit höherer Toxizität um 27 ± 11 % und zu einem signifikanten Anstieg um 28 ± 14 % für Produkte mit geringerer Toxizität. Für alle anderen Ergebnisse mit Ausnahme potenziell gefährlicher Produkte für Fische entsprachen die Koeffizientenschätzungen einem Rückgang von etwa 1–17 % (Abb. 2, Ergänzungstabelle 5), obwohl keines davon statistisch signifikant war.

Zufällige Abschnitte für Farm-by-Crop-Familien ermöglichen eine Korrelation zwischen Feldern, die von einem Landwirt einer bestimmten Klasse von Kulturpflanzen gemeinsam genutzt werden, erzwingen jedoch, dass alle Beobachtungen dieselbe Gesamtbeziehung aufweisen, was wichtige und politikrelevante Unterschiede in der Beziehung zwischen Bewirtschaftung und Kultur verbergen kann Pestizide für einzelne Kulturen. Wir haben das lognormale Hürdenmodell für fünf Nutzpflanzen (Karotte, Traube, Orange, Kartoffel und Zwiebel) erneut durchgeführt, die relativ häufig sowohl biologisch als auch konventionell angebaut wurden (siehe „Methoden“). Dies ermöglicht eindeutige Steigungen je nach Kulturart, verringert jedoch die Anzahl der Beobachtungen erheblich, insbesondere für organische Pflanzen in der zweiten Hürde. Bei diesen fünf Nutzpflanzen sehen wir einen konsistenten und statistisch signifikanten Rückgang der durchschnittlichen Wahrscheinlichkeit der Verwendung von Pestizidwirkstoffen um 21–51 Prozentpunkte (0,21 ± 0,04 bis 0,51 ± 0,03) (Abb. 3, Ergänzungstabelle 6). Die Wirkung organischer Stoffe auf die zweite Hürde war viel unterschiedlicher. Wir sehen, dass der biologische Anbau die Pestizid-AI bei Karotten deutlich um etwa 87 ± 3 % verringert, während die Pestizid-AI bei Weintrauben deutlich um etwa 132 ± 33 % zunimmt (Abb. 3, Ergänzungstabelle 6). Es wird geschätzt, dass die Umstellung auf Bio den Pestizideinsatz bei Orangen und Kartoffeln deutlich um 64 ± 11 % bzw. 81 ± 5 % reduziert und bei Zwiebeln zu einem nicht signifikanten Anstieg von 54 ± 54 % führt (Abb. 3, Ergänzungstabelle 6). ). Im Vergleich zum gepoolten Modell mit allen Kulturpflanzen war bei diesen Kulturpflanzen die Wahrscheinlichkeit des Einsatzes von Pestiziden im Durchschnitt stärker zurückgegangen und der Pestizideinsatz war bei Bio-Feldern im Vergleich zu konventionellen Feldern, auf denen gespritzt wurde, stärker zurückgegangen (Ergänzungstabellen 5 und 6).

Bei allen fünf Kulturen ist die Wahrscheinlichkeit, dass auf Biofeldern Pestizidwirkstoffe eingesetzt werden, geringer (a). Die Auswirkung von Bio auf den Pestizideinsatz auf Feldern, auf denen gespritzt wird, ist kulturabhängig (b). Für die zweite Hürde (b) wird die prozentuale Änderung aus dem Log-Level-Modell als \(100(e^{\beta }-1)\) berechnet und Standardfehler werden mithilfe der Delta-Methode abgeleitet, die mit der nlcom-Funktion in implementiert wird Stata. Symbole geben Punktschätzungen (Mittelwert) an und Fehlerbalken stellen das 95 %-KI dar. Alle Modelle beinhalten heteroskedastizitätsrobuste Standardfehler. Alle Modelle umfassen Kovariaten für Feldgröße, Betriebsgröße und Bodenqualität sowie zufällige Jahresabschnitte. Für die erste Hürde: N = 4289 (Karotte), N = 8760 (Traube), N = 4654 (Orange), N = 2804 (Kartoffel), N = 1126 (Zwiebel). Für die zweite Hürde: N = 2766 (Karotte), N = 7678 (Traube), N = 4316 (Orange), N = 2059 (Kartoffel), N = 814 (Zwiebel). Koeffizientenschätzungen für alle Kovariaten sind in der Ergänzungstabelle 6 aufgeführt.

Da kg Pestizidwirkstoffe nicht unbedingt Umweltschäden erfassen, haben wir mehrere Pestizidergebnisse für Trauben und Karotten bewertet, die beiden am häufigsten angebauten unserer fünf wichtigsten Nutzpflanzen. Dies schränkte die Stichprobengröße in der zweiten Hürde weiter ein, bei der nur positive Beobachtungen verwendet werden, insbesondere für Biofelder. Über alle Ergebnisse hinweg verringerte eine Umstellung auf Bio die durchschnittliche Wahrscheinlichkeit des Einsatzes einer bestimmten Art von Pestiziden um etwa 27–51 Prozentpunkte (0,27 ± 0,05 bis 0,51 ± 0,04) bei Karotten und um 21–23 Prozentpunkte (0,21 ± 0,03 bis 0,23 ±). 0,3) für Trauben (Ergänzungstabellen 7 und 8, Ergänzungsabbildung 1). Wie oben wurde auch bei der zweiten Hürde durch die Umstellung auf Bio bei Karotten der Einsatz der meisten Arten von Pestiziden um 80 ± 9 % auf 98 ± 1 % reduziert, während der Einsatz von Chemikalien mit geringer Toxizität um etwa 72 ± 12 % stieg. Durch die Umstellung auf Bio-Produkte bei Weintrauben erhöhte sich der Einsatz um 126 ± 34 % auf 286 ± 98 % (Ergänzungstabellen 7 und 8, Ergänzungsabbildung 1).

Wir haben den Pestizideinsatz durchgehend pro Fläche und nicht pro Produktionseinheit gemessen, da uns Informationen zu den Erträgen fehlen. Dies ist hier wichtig, da viele Bio-Pflanzen im Vergleich zur konventionellen Produktion geringere Erträge aufweisen14,15. Um die möglichen Auswirkungen einer Ertragslücke auf unsere Ergebnisse abzuschätzen, multiplizieren wir die Nutzungsrate mit den Ertragslückenschätzungen von Ponisio et al.15 für Biofelder und führen die logarithmischen Hürdenmodelle für alle gepoolten Kulturen erneut durch. Dies hat natürlich keinen Einfluss auf unsere Koeffizienten bei der ersten Hürde (Entscheidung, Pestizide einzusetzen), verschiebt jedoch unsere Koeffizienten bei der zweiten Hürde. Bei allen Ergebnissen mit Ausnahme von Chemikalien mit geringer Toxizität ist der Effekt der Umstellung auf organische Stoffe nahezu Null und nicht signifikant (Abb. 4, Ergänzungstabelle 9).

Die Korrektur von Renditelücken hat keinen Einfluss auf die erste Hürde (a), verschiebt jedoch die Koeffizientenschätzungen in der zweiten Hürde nach oben (b) im Vergleich zum unbereinigten Modell (Abb. 2). Die Abbildungsdetails sind ansonsten dieselben wie in Abb. 2. Die X-Achse zeigt unterschiedliche Ergebnisse beim Pestizideinsatz: kg ha-1 Wirkstoffe (AI), kg ha-1 Produkte (Prd), kg ha-1 Produkte, die nur gegen Insektenschädlinge gerichtet sind (Insekt), kg ha−1 Produkte mit Abdriftneigung (Drift), kg ha−1 Produkte mit potenzieller Gefahr für Fische und Bienen (Fisch, Biene) sowie Produkte höherer Qualität (EPA-Signalwort 1–2). ) und niedriger (EPA-Signalwort 3–4) akuter Humantoxizität (Hoch, Niedrig). Symbole geben Punktschätzungen (Mittelwert) an und Fehlerbalken stellen das 95 %-KI dar. Alle Modelle umfassen Cluster-robuste Standardfehler, die auf der Ebene der einzelnen landwirtschaftlichen Betriebe und Familien geclustert werden. Für die zweite Hürde (b) wird die prozentuale Änderung aus dem Log-Level-Modell als \(100(e^{\beta }-1)\) berechnet und Standardfehler werden mithilfe der Delta-Methode abgeleitet, die mit der nlcom-Funktion in implementiert wird Stata. Alle Modelle umfassen Kovariaten für Feldgröße, Betriebsgröße und Bodenqualität sowie zufällige Effekte der Familienbetriebe nach Kulturpflanzen. N = 91.926 für alle Spezifikationen in der ersten Hürde (a) und N = 68.704 (AI), N = 68.816 (Prd), N = 52.606 (Insekt), N = 67.988 (Drift), N = 60.653 (Fisch), N = 48.254 (Biene), N = 61.883 (Hoch) und N = 65.593 (Niedrig) in der zweiten Hürde (b). Koeffizientenschätzungen für alle Kovariaten sind in der Ergänzungstabelle 9 aufgeführt.

Beobachtungen, bei denen Kulturpflanzenfamilien fehlten, wurden in allen Modellen verworfen, die Familien entweder in den Zufallseffekten oder den Cluster-robusten Standardfehlern berücksichtigten. Während 7.367 Felder wegen fehlender Kulturpflanzenfamilien aufgegeben wurden, handelte es sich bei 6.684 davon um nicht bewirtschaftete Felder. Eine kleine Anzahl von Beobachtungen (n = 319 von > 90.000) wurde aufgrund fehlender Daten zur Bodenqualität verworfen. Das Einbeziehen von Beobachtungen mit interpolierter Bodenqualität hat kaum Auswirkungen auf unsere Ergebnisse. Durch die Einbeziehung von Feldern, die selbst angaben, biologisch zu sein, erhöhte sich die Stichprobe der biologischen Felder um 407 (von > 9.000) und führte bei der zweiten Hürde zu durchweg positiveren, wenn auch nicht statistisch signifikanten Bio-Koeffizienten für die meisten Pestizidergebnisse (ergänzende Abbildungen 2). und 3).

Da der Einsatz von Pestiziden nicht immer einen potenziellen Umweltschaden widerspiegelt, haben wir versucht, zusätzliche Toxizitätsmaße als Robustheitstests zu untersuchen. Die zur Berechnung vieler Toxizitätsmetriken erforderlichen Daten (z. B. Pestizidbelastung und Pestizidtoxizitätsindex) waren für die zahlreichen verwendeten Chemikalien und interessierenden Endpunkte nicht ohne weiteres verfügbar oder zugänglich. Um unsere binären Toxizitätsmetriken jedoch mit einer kontinuierlichen Metrik zu vergleichen, folgten wir Nowell et al.41, um den Pestizidtoxizitätsindex für einen gut untersuchten Umweltendpunkt, Fisch, zu berechnen. Daten für andere Endpunkte waren entweder weniger abgedeckt oder nicht ohne weiteres verfügbar. Dennoch entsprachen nur etwa 70 % der in unserem Untersuchungszeitraum verwendeten Chemikalien den Daten von Nowell et al.41 oder Daten aus der Ecotox-Datenbank, auf die mit dem R-Paket Standartox zugegriffen wurde42. Darüber hinaus fehlten auf Biofeldern eher Informationen zur Toxizität. Angesichts der Verzerrung aufgrund nicht zufällig fehlender Toxizitätsdaten haben wir unser Doppel-Hürden-Modell dennoch für Bereiche durchgeführt, in denen es Produkte mit Toxizitätsinformationen für durchschnittlich 70 % der verwendeten Chemikalien gab. Etwa ein Drittel unserer Bio-Felder mit Pestizideinsatz erfüllten diese Bedingung, während etwa zwei Drittel der konventionellen Felder mit Pestizideinsatz diese Bedingung erfüllten. Für diese Teilstichprobe deuten unsere sehr vorläufigen Untersuchungen auf einen Rückgang der toxizitätsgewichteten Verwendung von Fisch um etwa die Hälfte bei biologisch angebauten Feldern im Vergleich zu konventionell bewirtschafteten Feldern hin. Allerdings ist ein umfassenderes Verständnis der Toxizität, insbesondere von organischen Chemikalien und anderen Endpunkten, erforderlich, um die ökotoxikologischen Ergebnisse zwischen ökologischen und konventionellen Feldern angemessen vergleichen zu können.

Der ökologische Landbau wird oft als nachhaltigere und umweltfreundlichere Alternative zu gängigen, konventionellen Ansätzen vorgeschlagen. Ein Mangel an Daten zu Produktion und Inputs erschwert jedoch den Vergleich konventioneller und ökologischer Methoden11,14,15,43 und löst laufende Debatten4,11,12,13,44 aus. Hier haben wir versucht, alle Bio-Felder in einem der wertvollsten Pflanzenanbaugebiete der USA zu isolieren und die Auswirkungen von Bio- und konventionellen Produktionssystemen auf verschiedene Kennzahlen des Pestizideinsatzes auf Feldebene zu vergleichen. Unsere Analyse liefert vier Hauptinnovationen: (1) Zum ersten Mal haben wir die räumliche Lage von Tausenden von Biofeldern anhand von Produktions- und Pestizideinsatzdaten isoliert, (2) Biofelder sind im Allgemeinen kleiner und Teil größerer landwirtschaftlicher Betriebe und auf besseren Böden als ihre konventionellen Pendants, (3) der ökologische Landbau verwendet im Durchschnitt weniger Pestizide als die konventionelle Produktion und dies äußert sich in einer geringeren Wahrscheinlichkeit des Einsatzes von Pestiziden und einer ähnlichen Verwendung auf Feldern, auf denen gespritzt wird, (4) verschiedene Kulturarten variieren deutlich vom Durchschnitt ab, und in einigen Fällen ist der umgekehrte Zusammenhang vorhanden und bei allen Pestizidkennzahlen signifikant.

Daten auf Feldebene aus Kern County, Kalifornien, zeigen, dass etwa 7–11 % der Pflanzenproduktion biologisch angebaut werden, basierend auf unserer Definition, die darauf abzielte, zertifizierte Bio-Felder zu erfassen. Allerdings handelt es sich bei diesen Feldern nicht um eine zufällige Teilmenge der landwirtschaftlichen Felder im Landkreis. Vielmehr gibt es kaum Überschneidungen bei den am häufigsten angebauten biologischen und konventionellen Nutzpflanzen, was Teil unserer Motivation war, zufällige Effekte der Landwirte nach Nutzpflanzenfamilien einzubeziehen und kulturspezifische Beziehungen zu bewerten. Bio-Pflanzen unterscheiden sich auch in anderer Hinsicht. Bio-Pflanzen werden tendenziell auf produktiveren Böden angebaut – im Durchschnitt und auch nach Kontrolle kulturspezifischer Merkmale (siehe Methoden) – was darauf hindeutet, dass etwaige Ertragslücken im Kern County möglicherweise unterschätzt wurden. Darüber hinaus sind Bio-Felder zwar kleiner, gehören aber im Allgemeinen zu landwirtschaftlichen Betrieben, die weitaus größer sind als ihre rein konventionellen Gegenstücke, was auf die Möglichkeit einer Selektionsverzerrung beim Vergleich der Umweltauswirkungen hinweist. Abgesehen davon, dass dies im Widerspruch zu dem kleinen Familienbetrieb steht, den sich viele Verbraucher vorstellen, könnte dies sowohl auf Skalenvorteile als auch auf die Tendenz der Erzeuger von Bio-Pflanzen hinweisen, ein großes Portfolio beizubehalten, um Produktionsschocks auszugleichen, die sich unterschiedlich auf konventionelle und Bio-Pflanzen auswirken können2. Angesichts der dramatischen Unterschiede in der Betriebsgröße sind künftige Untersuchungen der Betriebsstruktur erforderlich, die eine rentable ökologische Produktion in Regionen mit intensiver Produktion unterstützen.

Obwohl der Einsatz von Pestiziden nur ein Bestandteil der Umwelt- und Gesundheitsaspekte der ökologischen Produktion ist, ist er für die Verbraucher aufgrund potenzieller Auswirkungen auf die Umwelt und die menschliche Gesundheit, wie z. B. die Verunreinigung der Wasserqualität und das Wohlbefinden von Verbrauchern und Landarbeitern, von größter Bedeutung4,45,46,47. Wir analysieren die Entscheidung, Pestizide zu versprühen, von der Entscheidung, wie viel versprüht werden soll, indem wir logarithmische Hürdenmodelle verwenden. Dies ermöglicht unterschiedliche Mechanismen, um jede Entscheidung zu beeinflussen. Bei der ersten Hürde, die die Entscheidung für oder gegen den Einsatz von Pestiziden modelliert, deutet der über alle Kulturen gepoolte Koeffizient für organische Stoffe auf eine deutliche Reduzierung der Sprühwahrscheinlichkeit um 18 bis 31 Prozentpunkte hin, abhängig von der Metrik des Pestizideinsatzes (alle Wirkstoffe). , potenziell gefährliche Produkte für Fische, hohe akute Humantoxizität usw.). Daher ist es im Durchschnitt wahrscheinlicher, dass Biofelder im Kern County „pestizidfrei“ sind, und das Fehlen von Spritzmitteln impliziert, dass es keine ökotoxikologischen Auswirkungen durch den Pestizideinsatz auf diesen Feldern gibt. Für die zweite Hürde, die die Entscheidung darüber modelliert, wie viel auf Felder mit positivem Pestizideinsatz gesprüht werden soll, sehen wir eine signifikante Reduzierung der Pestizidprodukte (kg ha-1) mit hoher akuter Humantoxizität um 27 % bei Bio im Vergleich zu konventionellen, wo sie hoch sind Toxizität wird als akute Toxizitätskategorie eins oder zwei der EPA definiert. Bei anderen Messgrößen des Pestizideinsatzes (Gesamtwirkstoffe, Gesamtprodukte, potenziell gefährliche Produkte für Fische usw.), bei denen ausreichend Vergleichsbeobachtungen vorliegen, sehen wir im Allgemeinen einen nicht signifikanten Rückgang.

Wie so oft täuscht der Durchschnitt über ein hohes Maß an kulturspezifischer Heterogenität hinweg48,49. Hier beobachten wir, dass die Variation des Bio-Koeffizienten in den einzelnen Kulturmodellen im Vergleich zum gepoolten Kulturmodell sehr unterschiedlich ist, jedoch nur in der zweiten Hürde. Bei Feldfrüchten, die üblicherweise sowohl biologisch als auch konventionell angebaut werden, sehen wir eine kontinuierliche Verringerung der Wahrscheinlichkeit des Einsatzes von Pestiziden, die in etwa dem Gesamtdurchschnitt entspricht. Was die zweite Hürde betrifft, sehen wir jedoch, dass der Pestizideinsatz bei einigen Kulturpflanzen bei allen Kennzahlen sehr stark zurückgegangen ist, und bei anderen, insbesondere bei Trauben, ist bei den meisten Kennzahlen ein starker Anstieg zu verzeichnen. Es ist wichtig, diese kulturspezifische Heterogenität in der Auswirkung des ökologischen Landbaus auf den Pestizideinsatz anzuerkennen, und Maßnahmen, die darauf abzielen, Änderungen im Pestizideinsatzverhalten zu fördern, wären am effektivsten, wenn sie die Beziehungen zwischen den einzelnen Kulturpflanzen berücksichtigen.

Als Ausgleich zwischen wenig intensiver, expansiver Landwirtschaft und hochintensiver Landwirtschaft stehen Erträge im Mittelpunkt der meisten Debatten über die Nachhaltigkeit verschiedener Produktionssysteme2,50. Da keine Ertragsdaten vorliegen, stützen sich Studien wie unsere leider auf Vergleiche der Umweltauswirkungen im Zusammenhang mit dem Pestizideinsatz und anderen landwirtschaftlichen Entscheidungen pro Fläche und nicht pro Produktionseinheit. Die Korrektur von Ertragsunterschieden mithilfe veröffentlichter, kulturgruppenspezifischer Ertragslückenschätzungen15 ändert natürlich nichts an unseren geschätzten Auswirkungen auf die Entscheidung zum Spritzen. Es verschiebt jedoch die geschätzte Auswirkung von Bio-Produkten auf die Menge der verwendeten Pestizide über die Messgrößen hinweg, sodass der Unterschied zwischen Bio- und konventionellen Produkten nahe Null liegt, oft positiv, aber nicht signifikant. Die Studie von Ponisio et al.15 ist eine Schätzung, die auf einer Metaanalyse von Studien basiert, die in vielen Anbaugebieten durchgeführt wurden, und könnte weit von der Realität in Kalifornien entfernt sein. Bessere Schätzungen der Ertragsunterschiede in dieser Region würden das Verständnis der Umweltauswirkungen der ökologischen Produktion erheblich verbessern.

Interessanterweise beobachten wir, dass die Feldgröße bei allen Ergebnissen und bei den meisten Einzelkulturen zu einer Erhöhung der Sprühneigung führt. Es gibt sowohl ökonomische als auch ökologische Erklärungen dafür, warum eine zunehmende Feldgröße zu einem Anstieg des Pestizideinsatzes führen würde. Größere Felder bieten Landwirten eine bessere Kontrolle über ihre Schädlingspopulationen und einen größeren privaten Nutzen aus ihren Schädlingsbekämpfungsmaßnahmen51. Aus ökologischer Sicht können größere Felder zu einem geringeren Übergreifen natürlicher Feinde auf die Anbauflächen führen52,53, was zu einer stärkeren chemischen Schädlingsbekämpfung führt48,49,54. Bei beiden Erklärungen würden wir jedoch davon ausgehen, dass die Feldgröße sowohl die Menge als auch die Wahrscheinlichkeit einer Behandlung verringert. Seltsamerweise beobachten wir nur bei der ersten Hürde durchweg signifikante Auswirkungen der Feldgröße. Auch wenn die Untersuchung des Einflusses der räumlichen Anordnung von Bio- und konventionellen Feldern sowie zwischen ähnlichen Nutzpflanzen, die möglicherweise Schädlings- oder natürliche Feindgemeinschaften gemeinsam haben, außerhalb des Rahmens dieser Studie liegt, könnte sie differenzierte Einblicke in die beobachtete Feldgrößenbeziehung liefern. Was die Betriebsgröße betrifft, sehen wir, dass eine zunehmende Betriebsgröße bei den meisten Ergebnissen zu einem Anstieg der Behandlungsbereitschaft führt, aber zu einem Rückgang der Menge an Pestiziden, die auf behandelten Feldern verwendet werden. Auch hier könnten wir davon ausgehen, dass größere landwirtschaftliche Betriebe von Skaleneffekten profitieren und daher mehr sprühen, weil dies kostengünstiger ist. Während unsere Ergebnisse darauf hindeuten könnten, dass der Schwellenwert für die Behandlung niedriger ist, steht die tatsächliche Menge, die auf den behandelten Feldern verwendet wird, kontraintuitiv in einem umgekehrten Verhältnis zur Betriebsgröße.

Abgesehen von den fehlenden Ertragsdaten gibt es noch weitere Vorbehalte für unseren Ansatz. Zum einen ist es möglich, dass wir einige zertifizierte Biofelder falsch identifiziert haben. Die Identifizierung organischer Felder war besonders schwierig für Beobachtungen, die nur den Abschnitt der öffentlichen Landvermessung (PLS) lieferten, in dem sich das Feld befand. Wir haben die Daten zum Pestizideinsatz verwendet, um Felder mit konventionellen Pestiziden sorgfältig zu eliminieren. Es ist jedoch möglich, dass Felder innerhalb einer PLS-Sektion, auf denen keine konventionellen Pestizide eingesetzt wurden, immer noch nicht als Bio-zertifiziert galten, sondern fälschlicherweise als solche identifiziert wurden. Zweitens ist es auch so, dass nicht alle Felder, die biologisch praktiziert werden, biologisch zertifiziert sind. Vor allem kleine landwirtschaftliche Betriebe könnten die Kosten für die Zertifizierung als unerschwinglich empfinden und darauf verzichten55,56. Die Einbeziehung dieser Felder in die konventionelle Gruppe könnte den Koeffizienten für organische Erzeugnisse nach unten verzerren; Allerdings hatte die Einbeziehung selbst gemeldeter Biofelder in einer Untergruppe von Jahren keinen qualitativen Einfluss auf unsere Ergebnisse. Drittens beobachten wir zwar die Genehmigungszahlen, die die Produzenten widerspiegeln, nicht aber die landwirtschaftlichen Unternehmen. Mit anderen Worten: Wenn eine Muttergesellschaft mehrere Labels hat, können wir diese Beziehungen nicht berücksichtigen. Dies wäre wichtig, wenn Entscheidungen darüber, wo Biofelder angelegt werden sollen, auf der Ebene der Muttergesellschaft getroffen würden und Umwelt- oder Schädlingsbedingungen widerspiegeln würden. Darüber hinaus basieren unsere Kennzahlen zum Pestizideinsatz und zu potenziellen Gefahren auf binären Schwellenwerten für die Toxizität verschiedener Umweltendpunkte. Aufgrund der vielen verwendeten Chemikalien, der vielen damit verbundenen ungetesteten Adjuvanzien und der vielen interessierenden Umweltendpunkte konnten wir keine verfeinerten Toxizitätsmessungen anwenden57,58. Eine vorläufige Untersuchung eines gut untersuchten Endpunkts deutet darauf hin, dass die Kluft zwischen organischen und konventionellen Pestiziden möglicherweise größer sein könnte, wenn kontinuierliche Kennzahlen zum Pestizideinsatz breiter verfügbar wären. Vertiefende toxikologische Analysen wären äußerst wertvoll. Darüber hinaus führen wir mehrere Robustheitstests durch, die unterschiedliche Zufallseffekte umfassen und innerhalb der Spezifikationen des Schätzmodells liegen, um unbeobachtete agronomische und landwirtschaftliche Merkmale zu berücksichtigen, die sich zwischen Bio- und konventionellen Feldern unterscheiden können. Wir können jedoch nicht sicher sein, dass wir alle Quellen der Verzerrung isoliert haben, die den Kausalzusammenhang ausschließen würden Interpretation unserer Ergebnisse. Schließlich ist Kern County nur ein Landkreis. Während die Ergebnisse wahrscheinlich andere Regionen mit intensivem Obst- und Nussanbau im Westen und Süden der USA und ähnlichen Klimazonen widerspiegeln, spiegeln sie möglicherweise nicht den ökologischen und konventionellen Anbau in Regionen mit weniger wertvoller Pflanzenzusammensetzung oder Praktiken mit geringerer Intensität wider. Darüber hinaus gehörte die überwiegende Mehrheit der Biofelder in unserer Studie „Mischbetrieben“ oder Betrieben, die auch konventionelle Felder umfassten. In Gebieten mit anderen Wirtschaftsstrukturen oder einem größeren Anteil ausschließlich biologischer Betriebe würde es möglicherweise zu einer anderen Differenzierung beim Pestizideinsatz kommen. Damit die ökologische Produktion jedoch den künftigen Nahrungsmittelbedarf ohne große Vergrößerung der landwirtschaftlichen Fläche decken kann, ist wahrscheinlich die Art der intensiven biologischen Produktion durch große „gemischte“ Betriebe erforderlich, wie sie in Orten wie Kern County zu beobachten sind.

Erträge, Düngemittel, Wasserqualität und -menge, Bodenqualität, Artenvielfalt, Emissionen und Preis sind allesamt Schlüsselaspekte, die für ein ganzheitliches Verständnis der Nachhaltigkeit verschiedener Produktionssysteme notwendig sind11,17. Viele dieser Variablen wurden quantifiziert und viele davon, abgesehen von den Erträgen, werden durch ökologische Praktiken pro Fläche verbessert11,17. Das Verhalten beim Einsatz von Pestiziden ist jedoch weiterhin unklar, da es an Daten zu Standort und Sprühmustern auf Bio- und konventionellen Feldern mangelt. Hier haben wir versucht, den Unterschied zwischen biologischen und konventionellen Systemen im Hinblick auf die Entscheidung, Pestizide zu versprühen, und die Entscheidung, wie viel versprüht werden soll, zu verdeutlichen. Sowohl insgesamt als auch für einzelne, häufig angebaute Kulturen waren Biofelder eher „pestizidfrei“. Auf Feldern, auf denen gesprüht wurde, waren Bio- und konventionelle Felder jedoch bei den meisten Parametern des Pestizideinsatzes ähnlich, mit Ausnahme von Chemikalien mit höherer akuter Humantoxizität. Ernteverluste durch Schädlinge sind für den Landwirt und die Gesellschaft kostspielig und bedeuten nicht nur Produktionsverluste und höhere Preise59,60, sondern auch eine Verschwendung von Land, Wasser und Betriebsmitteln. Detailliertere Toxizitäts- und Ertragsdaten sowie ein erweiterter Untersuchungsbereich würden zweifellos zusätzliche Erkenntnisse liefern und sind zukünftiger Forschung wert. Dennoch deuten unsere Ergebnisse darauf hin, dass sich Landwirte zwar seltener für das Besprühen von Biofeldern entscheiden, beim Sprühen jedoch insgesamt eine ähnliche Rate an Pestiziden einsetzen wie ihre konventionellen Nachbarn mit erheblicher kulturspezifischer Heterogenität.

Wir identifizieren zunächst den Standort von Bio-Feldern im Kern County und schätzen dann ab, ob der Status als Bio-Felder im Vergleich zu konventionellen Feldern den Pestizideinsatz bestimmt (Abb. 5).

Die Abbildung zeigt die wichtigsten Verfahrensschritte von der Identifizierung von Biofeldern über die Erstellung der Analysedaten bis hin zur Durchführung der statistischen Analysen. Bei allen gezeigten Bildern handelt es sich um vereinfachte, visuelle Darstellungen der Datensätze. CDFA bezieht sich auf das kalifornische Ministerium für Ernährung und Landwirtschaft, während APN die Parzellennummer des Assessors und TRS die Township-Range-Section ist. Bei der Identifizierung von Bio-Feldern werden die erstellten CDFA-Datenschichten „Bio-APN“, „CDFA-Bio-TRS“ und „Bio-Pestizide“ miteinander kombiniert, um den endgültigen Layer „Bio-Felder im Vergleich zu konventionellen Feldern“ zu erstellen, der im Abschnitt „Analysedaten“ verwendet wird. Alle Analysedatenschichten werden dann in die verschiedenen statistischen Analysen eingegeben.

Wir identifizierten Bio-Felder mithilfe einer Kombination aus Aufzeichnungen des kalifornischen Ministeriums für Ernährung und Landwirtschaft (CDFA) und räumlichen Daten („Feld-Shapefiles“) des Kern County Agricultural Commissioner's Office sowie Aufzeichnungen über den Einsatz von Pestiziden. Da keine einzelne Quelle vollständig war, haben wir verschiedene Ansätze zur Identifizierung von Biofeldern evaluiert.

Daten zum Standort von Biofeldern gemäß dem California State Organic Program für 2013–2019 wurden auf Anfrage vom California Department of Food and Agriculture (CDFA) eingeholt. Das CDFA verlangt über das State Organic Program eine jährliche Registrierung von zertifizierten Bio-Produzenten, die einen erwarteten Bruttoumsatz von über 5.000 US-Dollar erzielen. Unser besonderes Interesse galt den Pestizidaspekten des ökologischen Landbaus, der in unserer Untersuchungsregion durch die National List of Allowed and Prohibited Substances des USDA geregelt wird. Die National List of Allowed and Prohibited Substances legt fest, welche synthetischen Substanzen zur Schädlingsbekämpfung in der US-amerikanischen Bioproduktion verwendet werden dürfen und welche natürlichen Substanzen nicht. Zu den zugelassenen Stoffen zählen neben den in der nationalen Liste ausdrücklich (nicht)zugelassenen Stoffen auch nicht-synthetische biologische, pflanzliche und mineralische Stoffe. Die Feldstandortdaten lagen entweder in Form von Assessor's Parcel Number (APN) oder PLS System Township-Range-Section (TRS)-Werten vor, obwohl die Daten ohne systematische Formatierung gemeldet wurden. Wir haben die CDFA-APN-Werte harmonisiert, um sie mit dem Paket-Shapefile des Kern County Assessor (2017) zusammenzuführen, das wir dann räumlich mit den Kern-Feld-Shapefiles verbunden haben. Wir folgten einem ähnlichen Prozess mit PLSS-TRS-Werten, die dann mit dem PLS-Abschnitts-Shapefile von Kern County zusammengeführt und mit Kern-Feld-Shapefiles verbunden wurden. Wir bezeichnen unsere endgültige Bio-Bezeichnung als „CDFA Organic“. Einzelheiten zum Datenbereinigungsprozess werden im Abschnitt „Zusätzliche Datenverarbeitungsmethoden“ unten beschrieben.

Nach einer stichprobenartigen Überprüfung des Pestizideinsatzes auf CDFA-Bio-Feldern wurde klar, dass wir konventionelle Felder nicht vollständig eliminiert hatten. Dies war wahrscheinlich auf Variationen in der Polygongeometrie zwischen PLSS-Abschnitten, Kern County Assessor-Parzellen und landwirtschaftlichen Felddaten von Kern zurückzuführen. Um unsere Klassifizierung weiter zu verfeinern, verwendeten wir den Einsatz von Pestiziden auf Feldebene, wiederum vom Büro des Kern County Agricultural Commissioner's Office. Da in Kern County Tausende von Pestizidprodukten (Wirkstoffe + Adjuvantien) im Einsatz sind, haben wir einen iterativen Ansatz gewählt, um Felder mit herkömmlichen Pestiziden zu eliminieren. Wir beschränkten zunächst die Pestizidpalette auf diejenigen, die auf CDFA-Bio-Feldern ausgebracht wurden. Anschließend haben wir die 50 am häufigsten verwendeten Pestizidprodukte anhand einer Reihe von Anwendungen identifiziert und jedes manuell als biologisch oder konventionell klassifiziert. Nachdem wir diese Produkte wie unten beschrieben identifiziert hatten, ordneten wir sie wieder zu, eliminierten Felder, in denen konventionelle Produkte verwendet wurden, und identifizierten diejenigen, in denen ausschließlich Bio-Produkte verwendet wurden, als „PUR Organic“. Wir wiederholten diesen Vorgang, identifizierten die am häufigsten verwendeten Produkte per Hand und eliminierten Felder mit konventionellen Produkten, bis wir isolierte Felder hatten, auf denen nur Bio-Produkte verwendet wurden.

Um ein Produkt als biologisch oder konventionell zu klassifizieren, haben wir zunächst nach dem in den USA bei der EPA registrierten Produktetikett jedes Produkts gesucht und dabei den genauen Produktnamen und die EPA-Produktregistrierungsnummer verwendet. Wenn auf dem Etikett ein Hinweis darauf stand, dass das Produkt vom Organic Materials Review Institute (OMRI) als biologisch zertifiziert wurde oder „zur Verwendung in der ökologischen Produktion“ oder „biologisch“ stand, wurde das Pestizid als biologisch identifiziert (n = 132). ). Wenn auf dem Produktetikett kein Bio-Hinweis vorhanden war, durchsuchten wir die OMRI-Zertifizierungsdatenbank nach Produkten mit identischen Namen und Herstellern und identifizierten Produkte als Bio-Produkte, sofern solche Zertifizierungen vorhanden waren (n = 39). Wenn alle Inhaltsstoffe definiert waren (d. h. keine inerten oder undefinierten Inhaltsstoffe) und bekannte organische Wirkstoffe waren, wurde das Pestizid als organisch identifiziert (n = 1) (Ergänzungsdaten 1). Wir konnten für drei Produkte keine EPA-registrierten Etiketten finden und haben auf der Website des California Department of Pesticide Regulation bestätigt, dass sie entweder inaktiv sind oder nicht mehr produziert werden (EPA-Registrierungsnummern: 52467-50008-AA-5905, 36208-50020-AA, 2935). -48-AA-120). Jeder der drei wurde in den Daten von 2013 bis 2019 selten (n < 4) auf CDFA-Biofeldern eingesetzt. Um konservativ zu sein, haben wir sie als konventionell definiert. Wenn ein Feld keine Pestizide verwendete und CDFA-Bioanbau war, haben wir es als Bio gekennzeichnet. Wenn es keine Pestizide verwendete und nicht CDFA-biologisch war, haben wir es konventionell beibehalten.

Für 2017–2019 gab das Warenattributfeld in den Shapefiles der landwirtschaftlichen Felder von Kern County selbst gemeldete Biofelder mit „-ORGANIC“ oder „-ORG“ nach dem Warennamen an. Selbst gemeldete Bioanbaufelder sind möglicherweise weniger genau als solche, die anhand von CDFA-Daten ermittelt wurden, da die Selbstmeldung weder validiert noch erforderlich ist. Nachdem wir mehrere große Pflanzenproduzenten im Kern County untersucht haben, vermuten wir, dass viele Pflanzen, die mit CDFA-Zertifizierung biologisch angebaut werden, dem County nicht als solche gemeldet werden. Dennoch führen wir einen Robustheitstest durch, der diese Felder zusätzlich zu den PUR-Bio-Feldern für die Jahre 2017 bis 2019 umfasst, um kleinere Betriebe zu erfassen, die möglicherweise von der Zertifizierung ausgenommen sind. Dies hat unsere Ergebnisse qualitativ nicht verändert (Ergänzende Abbildungen 2 und 3).

Ziel dieses Projekts war es, neben der Identifizierung von Biofeldern auch die Auswirkungen der Bioproduktion im Vergleich zur konventionellen Produktion auf verschiedene Parameter des Pestizideinsatzes zu verstehen. Daher berechnen wir verschiedene Pestizidkennzahlen sowie Merkmale von Betrieben, Feldern und Kulturpflanzen.

Jährliche Shapefiles der Kern County-Felder sind öffentlich verfügbar und enthalten unter anderem Daten zur Anbaugenehmigungs-ID („Farm“), Standort-ID, Feldgröße, Ernteart, aktivem und inaktivem Datum. Ein Anbaufeld ist als eine Kombination aus Genehmigung, Standort und Jahr definiert. Genehmigungsnummern verfolgen die einzelnen Erzeuger im Laufe der Zeit, während Standort-IDs Aufzeichnungen aller genehmigten Standorte sind, die jedes Jahr von einem Erzeuger gepflegt werden. Standort-IDs bleiben gelegentlich von einem Jahr zum nächsten bestehen (insbesondere bei mehrjährigen Kulturen) und werden nicht innerhalb desselben Jahres dupliziert, so dass Wechselkulturen eindeutige Standort-IDs erhalten. In einigen Fällen werden auf demselben Feld mehrere Pflanzen gleichzeitig angebaut. In solchen Fällen hat jede Kultur eine eindeutige Standort-ID. Wenn jedoch mehrere Kulturen gleichzeitig auf demselben Feld angebaut werden, wird die von jeder Kultur eingenommene Gesamtfläche nicht angegeben, sondern als Gesamtfeldgröße erfasst. Um die Verzerrung der Pestizideinsatzraten zu verringern, wurde die Feldgröße durch die Anzahl der auf einem Feld angebauten Pflanzen geteilt, unter der Annahme, dass alle Pflanzen auf Feldern mit mehreren Kulturen die gleiche Fläche einnehmen. Anhand des Pflanzentyps haben wir die taxonomische Familie der Pflanze bestimmt, die in späteren Analysen verwendet werden soll.

Daten zum Pestizideinsatz auf Feld-, Tag- und Produktebene stehen der Öffentlichkeit auf der Website des Kern County Department of Agriculture and Measurement Standards zur Verfügung. Pfund Pestizidprodukte wurden in kg Wirkstoffe (AI) umgerechnet und anhand der Art des Produkts (z. B. Insektizide) und der „potenziellen Gefahr“ für Nichtzielorganismen (z. B. Bienen) anhand der California Department of Pesticide Regulation (DPR) identifiziert ) Produktdatenbank (siehe zusätzliche Datenverarbeitungsmethoden unten). Wir definieren Insektizide als Insektizide, Insektenwachstumsregulatoren, Mitizide und Repellentien, wobei wir Produkte mit doppelter Wirkung (Insektizid und Fungizid) ausschließen, jedoch nicht Insektizidprodukte mit Adjuvans- oder Düngemittelzusätzen. Die Produktdatenbank enthält binäre Indikatoren dafür, ob ein bestimmtes Produkt eine potenzielle Gefahr für verschiedene Umweltauswirkungen darstellt. Da Pestizidhilfsstoffe („inerte“ Inhaltsstoffe) manchmal in Abwesenheit von Wirkstoffen verwendet werden und laut Etikett dennoch Auswirkungen auf die Umwelt oder die Tierwelt haben können, haben wir als Maß für die Verwendung für Produkte von kg des Produkts anstelle von einem kg Wirkstoff verwendet potenzielle Gefahr für die Umwelt und Nichtzielorganismen. Die Verwendung von Wirkstoffen hat unsere Ergebnisse qualitativ nicht verändert (ergänzende Abbildung 4). Potenzielle Gefahren für Nichtzielorganismen basieren auf der Umweltgefährdungserklärung auf dem Pestizidetikett, die von der EPA reguliert wird, und basieren auf der Toxizität für Vögel, Fische, Wirbellose, Bienen und Säugetiere40. Wir haben uns für die Verwendung binärer Metriken anstelle eines aggregierten Index entschieden, da in Kern County Tausende von Produkten verwendet werden und Toxizitätsmetriken für die vielen verschiedenen Chemikalien und zahlreichen interessierenden Umweltendpunkte nicht ohne weiteres verfügbar sind. Daher führen wir Messungen des Einsatzes chemischer Produkte (kg ha−1) durch, die eine potenzielle Gefahr für eine Reihe von ökologischen und ökologischen Endpunkten (Fische, Wasserarten, Drift usw.) darstellen. Wir schließen auch Produkte mit hoher akuter Toxizität (EPA-Signalwörter 1 und 2) und geringer akuter Toxizität (EPA-Signalwörter 3 und 4 oder nicht erforderlich) für Menschen ein. Der Vollständigkeit halber haben wir auch Ökotoxizitätsdaten für 29 Produkte aggregiert, die etwa 50 % des jeweiligen organischen und konventionellen Pestizideinsatzes ausmachen (Ergänzungstabelle 10), hauptsächlich aus der Datenbank für Pestizidprodukte61.

Unter Verwendung der Feld-Shapefiles wurden die Pestizideinsatzraten für jede Gruppierung nach Genehmigungsstandort und Jahr für verschiedene Pestizidergebnisse zusammengefasst, einschließlich kg ha−1 eines Pestizidprodukts, Wirkstoffe und Produkte, die eine potenzielle Gefahr für Fische, Bienen und/oder Gewässer darstellen Arten, abdriftgefährdete Produkte, als Insektizide eingestufte Produkte sowie Produkte mit hoher und niedriger akuter Toxizität, wie oben beschrieben. Nicht alle Umweltauswirkungen waren gleichermaßen wahrscheinlich, und insbesondere bei mehreren potenziell besorgniserregenden Auswirkungen des Pestizideinsatzes fehlte eine ausreichende Anzahl an Beobachtungen auf Biofeldern für einen verlässlichen Vergleich mit ihren konventionellen Gegenstücken (Ergänzungstabelle 11). Wir analysieren statistisch die Teilmenge der Umweltauswirkungen, die sowohl im ökologischen als auch im konventionellen Bereich relativ häufig auftraten und daher mit größerer Wahrscheinlichkeit verlässliche Schätzungen liefern.

Um das Potenzial zu berücksichtigen, dass ökologische und konventionelle Felder systematisch unterschiedliche Bodenqualitäten aufweisen, haben wir den California Revised Storie Index verwendet. Das Landklassifizierungssystem „Storie Index“ wird in ganz Kalifornien häufig zur Bewertung der Bodenqualität und der landwirtschaftlichen Produktivität verwendet39 und ist in den tabellarischen Daten der Soil Survey Geographic Database (SSURGO) für den größten Teil des Bundesstaates enthalten. Bewertungen werden systematisch durch ein Modell in der Software des National Soil Information System (NASIS) des Natural Resources Conservation Service (NRCS) ermittelt, das auf tabellarischen Daten in der SSURGO-Datenbank basiert. Zu den im Modell verwendeten Bodeneigenschaften gehören Bodenprofil, Oberflächentextur (z. B. lehmig bis tonhaltig, mit Ausnahme organischer Horizonte), topografische Merkmale, Länge der Vegetationsperiode und dynamische Eigenschaften (z. B. Entwässerung, Alkalität, Säuregehalt, Erosion)39. Fruchtbarkeit und andere leicht veränderte Merkmale sind ausgeschlossen. Das System verwendet sechs Bewertungsstufen: „Grade One“ ist der Boden mit der höchsten Qualität, der für die meisten Nutzpflanzen geeignet ist, und „Grade Six“ ist unproduktives Land. Wir beziehen den Storie Index als Maß für die Bodenqualität in alle Analysen ein. Darüber hinaus bewerten wir, ob sich organische und konventionelle Felder in der Bodenqualität systematisch unterscheiden, indem wir sowohl den gesamten Storie-Index als auch weithin gemessene Komponenten dynamischer Eigenschaften verwenden, die theoretisch durch die Bewirtschaftung auf dem Bauernhof beeinflusst werden könnten (Ergänzungstabelle 1).

Storie-Indexwerte wurden mithilfe des Fasterize-Pakets von R von einem Shapefile in ein 60-m-Raster konvertiert. Das Bodenraster wurde verwendet, um Storie-Indexwerte für jedes Kern-Feldpolygon mithilfe einer flächengewichteten Mittelwertfunktion zu extrahieren. 319 Felder hatten keine Storie-Index-Bewertungen. Um die Bedeutung dieser fehlenden Felder zu beurteilen, haben wir die Storie-Indexwerte mithilfe einer inversen Distanzgewichtungsfunktion im gstat-Paket von R62,63 interpoliert. Die Genauigkeit der interpolierten Werte wurde überprüft, indem eine Leave-One-Out-Kreuzvalidierungsfunktion auf 500 zufällig ausgewählte Punkte angewendet wurde. Die Einbeziehung dieser Felder hat unsere Ergebnisse qualitativ nicht verändert.

Unsere statistische Analyse erfolgte in zwei Schritten. Zunächst haben wir anhand gepoolter gewöhnlicher kleinster Quadrate und Paneldatenmodelle bewertet, ob sich konventionelle und biologische Felder im Pestizideinsatz unterscheiden, modelliert als kontinuierliche Variable, um den Einfluss unterschiedlicher Modellspezifikationsentscheidungen zu bestimmen (siehe ergänzende statistische Methoden unten, Ergänzende Hinweise, Ergänzende Tabellen). 2 und 3). Der Einsatz von Pestiziden kann jedoch als zweiteilige Entscheidung betrachtet werden. Erstens gibt es die Entscheidung, überhaupt Pestizide einzusetzen, und zweitens die Entscheidung, wie viel beim Einsatz von Pestiziden versprüht werden soll. Tobit-Modelle werden traditionell zur Schätzung von Modellen mit Zensur verwendet. Tobit-Modelle erzwingen jedoch, dass die Mechanismen, die bestimmen, ob gesprüht wird (d. h. der Übergang von Pestizid = 0 zu Pestiziden > 0), mit den Mechanismen übereinstimmen, die die gesprühte Menge bestimmen, wenn einige Pestizide verwendet werden (Pestizide, wenn Pestizide > 0). Doppelhürdenmodelle64 sind eine Alternative zum Tobit-Modell, die eine Trennung dieser beiden Entscheidungen ermöglicht.

Die Mechanismen, die den beiden Entscheidungen zugrunde liegen (sprühen, wie viel sprühen soll, wenn gesprüht wird), können unterschiedlich sein, sodass unterschiedliche Kovariaten jeden Prozess beschreiben können und dieselben Kovariaten die beiden Prozesse auf unterschiedliche Weise beeinflussen dürfen (d. h. Vorzeichen und Größe können unterschiedlich sein). ). Die erste, binäre Entscheidung wird üblicherweise mit einem Probit-Modell modelliert.

Anschließend wird die zweite Entscheidung als lineares Modell modelliert, wobei der Pestizideinsatz einer logarithmischen Normalverteilung folgt und von einem positiven Pestizideinsatz abhängig ist64

Dabei ist Φ der standardmäßige normale CDF, x ein Vektor erklärender Variablen einschließlich des Bio-Status, y der Pestizideinsatz und \({{{{{\mathbf{\upbeta }}}}}}\) ein Vektor von Koeffizienten . Wir verwenden ein logarithmisches Hürdenmodell anstelle eines verkürzten normalen Hürdenmodells, da der Einsatz von Pestiziden in hohem Maße nicht normal ist und QQ-Diagramme eine erhebliche Modellverbesserung unter Verwendung einer logarithmischen Normalverteilung statt einer Normalverteilung nahelegen. Im Gegensatz zu den in den ergänzenden statistischen Methoden unten beschriebenen Panel-Datenmodellen verwendete unsere Schätzgleichung natürliche logarithmisch transformierte Variablen für Pestizide (und Feld- und Betriebsgröße) anstelle einer inversen hyperbolischen Sinustransformation (IHS), da nur positive Beobachtungen in die einbezogen werden zweites Hürdenmodell. Basierend auf Erkenntnissen aus unseren Panel-Datenmodellen (Ergänzende Anmerkungen) bauen wir auf dem Grundkonzept des Hürdenmodells auf und verwenden die Interaktion zwischen den einzelnen landwirtschaftlichen Betrieben und der Familie als zufälligen Schnittpunkt sowohl bei der ersten als auch bei der zweiten Hürde. Wir haben uns aufgrund der rechnerischen Machbarkeit mit Tausenden von Genehmigungen und Hunderten von Kulturen aufgrund der Ähnlichkeit der Ergebnisse mit dem Innerhalb-Schätzer-Modell (d. h. feste Effekte in der Kausalinferenz-Terminologie; Ergänzung) für die Familieninteraktion zwischen Betrieb und Kulturpflanze anstelle eines gekreuzten Zufallseffekts entschieden Anmerkungen, Ergänzungstabelle 2) und aufgrund von AIC/BIC (Ergänzungstabelle 3). Darüber hinaus finden wir Hinweise auf Heteroskedastizität sowohl bei der visuellen Inspektion als auch beim Levine-Test, was die Berechnung gekreuzter Zufallseffekte zusätzlich erschwert. Daher fahren wir mit der Interaktion der Farm-by-Crop-Familie in einem Zufallsintercept-Modell mit Cluster-robusten Standardfehlern fort, die in derselben Gruppierung geclustert sind. Dabei wurden Beobachtungen verworfen, bei denen die taxonomische Familie der Nutzpflanze unklar war. Von den 7.367 Feldern, die aufgrund fehlender Kulturpflanzenfamilien aufgegeben wurden, waren 6.684 nicht bewirtschaftete Felder.

Bei unseren Daten handelt es sich praktisch um wiederholte Querschnitte und nicht um ein echtes Panel, da Felder durch die Kombination von Betriebsstandort und Jahr definiert werden und sich daher im Allgemeinen von Jahr zu Jahr oder bei Fruchtwechsel ändern. Wir modellieren es als solches. Dies bedeutet, dass wir nicht verlangen, dass Beobachtungen in allen Zeiträumen kein Spray aufweisen, wie dies bei einem Panelmodell mit doppelter Hürde der Fall wäre. Die zeitliche Verknüpfung von Feld-IDs durch räumliche Verarbeitung wird durch Fruchtfolgen unterschiedlich großer Flächen erschwert. Da Landwirte, wie wir hier veranschaulichen, möglicherweise mehrere Felder mit unterschiedlichen Bewirtschaftungssystemen bewirtschaften und auf Teilbetriebsebene unterschiedliche vertragliche Verpflichtungen haben, spiegelt die Verpflichtung von Betrieben, niemals Pestizide auf allen Feldern einzusetzen, nicht die Entscheidungen vor Ort wider.

Wir wiederholten die logarithmischen Hürdenmodelle einzeln für Karotten, Weintrauben, Orangen, Kartoffeln und Zwiebeln, die einzigen weit verbreiteten Nutzpflanzen mit mehr als 100 Biofeldern. Dies ermöglichte eine unterschiedliche Neigung und einen unterschiedlichen Schnittpunkt je nach Fruchtart.

Wir führen mehrere Robustheitsprüfungen durch. Erstens liegen uns keine Daten zu Ernteerträgen vor. Um jedoch die möglichen Auswirkungen einer Ertragslücke auf unsere Ergebnisse abzuschätzen, modifizieren wir unsere Hektarraten gemäß Ponisio et al.15 als Robustheitsprüfung. Wir gruppieren Rohstoffe in Getreide, Wurzeln und Knollen, Ölsaaten, Hülsenfrüchte/Hülsenfrüchte, Obst und Gemüse und weisen ihnen die Ertragslückenschätzungen von Ponisio et al.15 für diese Gruppe zu. Für Nutzpflanzen, die nicht in eine der oben genannten Gruppen fielen (z. B. Cannabis), wurde der Gesamterntedurchschnitt von Ponisio et al.15 herangezogen. Zweitens analysieren wir, wie sich konventionelle und biologische Bodenqualität in Bezug auf die Bodenqualität unterscheiden, indem wir einen In-Innere-Schätzer-Ansatz verwenden, um kulturspezifische Unterschiede in der Bodenqualität zu berücksichtigen. Drittens sind binäre Toxizitätsmetriken angesichts der Anzahl der hier interessierenden Chemikalien und Endpunkte zwar wertvoll, können aber dennoch keine Abstufungen der Toxizität von Chemikalien oberhalb (oder unterhalb) des regulatorischen Schwellenwerts unterscheiden. Wie oben erwähnt, sind die zur Berechnung vieler aggregierter Indizes (z. B. Pestizidbelastung57 und Umweltbelastungsquotient58) erforderlichen Daten nicht für alle Chemikalien in unserer Studie ohne weiteres verfügbar. Der Vollständigkeit halber haben wir versucht, den Pestizidtoxizitätsindex für einen gut untersuchten Endpunkt, Fisch, zu berechnen. Wir haben die in Nowell et al.41 bereitgestellten Daten durch Daten von Standartox42 ergänzt. Allerdings stimmten nur etwa 70 % der in unserer Studie verwendeten Chemikalien überein, und bei Pestizidprodukten, die auf Biofeldern verwendet wurden, fehlten mit größerer Wahrscheinlichkeit Informationen zur Toxizität einer oder mehrerer Chemikalien. Wir besprechen kurz die sehr vorläufige Untersuchung angesichts der nicht zufällig fehlenden Toxizitätsdaten.

Alle räumlichen Analysen wurden in R Statistical Software v 3.5.3 durchgeführt und alle statistischen Analysen wurden mit Stata 16 MP durchgeführt. Für alle Tests basierte die statistische Signifikanz auf zweiseitigen Tests mit \(\alpha =0,05.\)

Um organische Felder räumlich zu lokalisieren, mussten wir die in den CDFA-Tabellendaten bereitgestellten Assessor-Parzellennummern (APNs) mit den APNs im Kern County Parcel-Shapefile (aus dem Jahr 2017) abgleichen. Über 90 % der APN-Einträge in den CDFA-Daten hatten das Format [xxx-xxx-xx], obwohl oft mehrere APNs in derselben Zelle angegeben wurden, getrennt durch Zeilenumbrüche, Semikolons, Kommas und/oder Leerzeichen. Wir haben in Microsoft Excel zunächst Änderungen vorgenommen, um Werte in einzelne Zellen aufzuteilen, da die Formatierung sehr inkonsistent war. Beobachtungen, deren APNs nicht im [xxx-xxx-xx] lagen, wurden so geändert, dass ihr Format übereinstimmte. In der R-Umgebung wurden Bindestriche nach dem dritten, sechsten und achten Zeichen (1234567895 wurde zu 123-456-78-95) für APNs eingefügt, die diese noch nicht enthielten. Gelegentlich wurden APN-Nummern mit Bindestrichen versehen, jedoch mit Segmenten falscher Länge (z. B. 12-34-567). In diesen Fällen wurden APN-Segmente entweder von rechts gekürzt oder links mit einer Null aufgefüllt, sodass sie dem Format [xxx-xxx-xx] entsprachen. Dieser Ansatz ergab die größte Anzahl an Übereinstimmungen und wurde wie unten beschrieben auf Genauigkeit überprüft. Zusätzliche Segmente (von APNs mit mehr als zwei Bindestrichen und acht numerischen Zeichen) wurden gelöscht. Eine Handvoll APNs mit weniger als acht numerischen Zeichen und ohne Bindestriche wurden vollständig entfernt.

Die bearbeiteten CDFA-APNs wurden dann mit dem Paket-Shapefile des Kern County Assessors verknüpft, wodurch das „organische CDFA-Shapefile“ entstand. Insgesamt wurden 1637 von 1829 einzelnen CDFA-Datensätzen erfolgreich beigetreten. Um die Genauigkeit der Verknüpfungen zwischen CDFA-Tabellendaten, Kern County-Parzellen und landwirtschaftlichen Raumdaten von Kern County zu bewerten, haben wir die Eigentumsinformationen anhand der Werte „Unternehmen“ (CDFA) und „PERMITTEE“ (Landwirtschaftsdaten von Kern County) stichprobenartig überprüft.

Um dann die Erntefelder innerhalb der Bio-Parzellen zu identifizieren, führten wir eine räumliche Verknüpfung zwischen dem organischen CDFA-Shapefile und den Kern County-Felder-Shapefiles durch. Vor der Durchführung der Verbindung wurden die Abmessungen der CDFA-Parzellen mit einem 50-m-Puffer reduziert, um räumliche Verbindungen zwischen CDFA-Parzellen und Kulturfeldern zu vermeiden, die nur die Parzellenränder berührten. Von fünf verschiedenen ausgewerteten Pufferbreiten reduzierten 50 m die Anzahl falsch positiver und negativer Ergebnisse, wie durch den Vergleich der Werte „Unternehmen“ und „ERLAUBT“ ermittelt wurde. Wir bezeichnen die Felder, die übereinstimmen, als „APN Organic“.

Jedes Jahr meldeten mehrere Hersteller Township-, Section- und Range-Werte (TRS) im Einklang mit dem PLS-System (PLSS) und nicht APN-Werte. Wir haben diese TRS-Werte verwendet, um PLSS-Abschnitte zu identifizieren, die organische Felder enthielten.

Wir haben alle Zellen getrennt, die mehrere TRS-Werte enthalten, und alle Präfixe wie „S“, „Abschnitt“, „Sek.“, „T“ und „R“ entfernt, die eine Verknüpfung mit PLSS-Geodaten von Kern County in Excel verhindern würden. In der R-Umgebung haben wir die linke Seite des „S“-Werts mit einer 0 aufgefüllt, wenn es sich um eine einzelne Ziffer handelte, und dann die drei Spalten zu einer „TRS“-Spalte verkettet. Wir haben TRS von den CDFA-Tabellendaten mit PLSS-Geodaten verknüpft, die von 2013 bis 2019 563 Abschnitte mit organischen Feldern von insgesamt 664 eindeutigen TRS-Codes im CDFA-Datensatz identifizierten. Anschließend führten wir eine räumliche Verbindung zwischen PLSS-Abschnitten, die Biofelder enthalten, und Kern County-Feld-Shapefiles durch, um alle landwirtschaftlichen Felder zu identifizieren, die sich mit diesen Abschnitten überschneiden. Die zusätzliche Verarbeitung mithilfe der Pestizideinsatzberichte ist oben beschrieben.

Wir begannen mit einem gepoolten OLS-Modell (Ordinary Least Squares), das, wie der Name schon sagt, Beobachtungen über Betriebe, Jahre und Erntearten bündelt. Allerdings kann es Merkmale von Nutzpflanzen oder landwirtschaftlichen Betrieben geben, die sich systematisch zwischen biologischen und konventionellen Betrieben unterscheiden, und dieser systematische Unterschied könnte unsere gepoolten OLS-Ergebnisse verzerren. Um dieses Problem anzugehen, haben wir zunächst Propensity-Score-Ansätze in Betracht gezogen, konnten jedoch kein ausreichendes Gleichgewicht unserer Kovariatenverteilung zwischen organischen und konventionellen Feldern finden. Als Alternative beschränkten wir unsere Stichprobe auf Felder mit überschneidenden Landwirten und Kulturpflanzenarten. Mit anderen Worten: Wir haben uns auf die Teilmenge der Felder konzentriert, die von Landwirten bewirtschaftet werden, die sowohl biologische als auch konventionelle Felder anbauen, sowie auf Pflanzen, die sowohl konventionell als auch biologisch angebaut werden. Dadurch schrumpfte unser Datensatz jedoch um zwei Drittel.

Um mehr von unseren Daten zu nutzen, haben wir als nächstes Paneldatenmodelle als Mittel zur Behandlung unbeobachteter Variablen in Betracht gezogen. Wir berücksichtigen sowohl Modelle innerhalb des Schätzers (in der Terminologie der kausalen Schlussfolgerungen auch als „feste Effekte“ bekannt, unterscheiden sich jedoch von der biostatistischen Verwendung des Begriffs) als auch Modelle mit zufälligen Effekten (mit zufälligen Schnittpunkten), um Merkmale der Kulturpflanze, des Erzeugers usw. zu erfassen. und Jahr. Der Vorteil eines Ansatzes innerhalb des Schätzers besteht darin, dass die ausgelassenen Variablen entfernt werden (durch Differenzierung) und somit mit Kovariaten korreliert werden können, ohne die Schätzung zu verzerren. Mit anderen Worten: Der Pestizideinsatz und alle Kovariaten werden von ihrem kulturspezifischen Mittelwert (oder dem kulturfamilien-, landwirtsspezifischen usw. spezifischen Mittelwert, je nach Modell) unterschieden. Dadurch wird die Neigung bestimmter Nutzpflanzen (Pflanzenfamilie, Landwirt) beseitigt, biologisch angebaut zu werden oder neue Technologien schnell oder langsam zu übernehmen. Der Nachteil besteht darin, dass Merkmale, die allen Feldern einer Kulturpflanze gemeinsam sind (z. B. der Wert), bei der Differenzierung verloren gehen und, was noch wichtiger ist, dass die Differenzierung nicht einfach in nichtlineare Modelle übertragen werden kann, die wir später in der Analyse verwenden. Zufällige Effekte lassen sich leichter in nichtlineare Modelle übertragen. Der Nachteil von Zufallseffekten besteht in der starken Annahme, dass die unbeobachteten Variablen nicht mit den Kovariaten korrelieren18,65, was erforderlich ist, damit Schätzungen der Zufallseffektkoeffizienten unverzerrt sind. Hier sehen wir, dass der Unterschied in den Koeffizientenschätzungen zwischen dem Modell innerhalb des Schätzers und dem Modell mit zufälligen Effekten recht gering ist (Ergänzungstabelle 2).

Zufällige Effekte, insbesondere gekreuzte Zufallseffekte mit Tausenden von Genehmigungen und Hunderten von Ernten, führen aufgrund großer, spärlicher Matrizen zu rechnerischen Herausforderungen. Darüber hinaus finden wir Hinweise auf Heteroskedastizität sowohl bei der visuellen Inspektion als auch beim Levine-Test, was die Berechnung gekreuzter Zufallseffekte zusätzlich erschwert. Wir verwenden weiterhin die Familieninteraktion zwischen landwirtschaftlichen Betrieben und Kulturpflanzen in einem Zufallsschnittmodell mit Cluster-robusten Standardfehlern, die in derselben Gruppierung basierend auf AIC/BIC (Ergänzungstabelle 3), rechnerischer Durchführbarkeit und Ähnlichkeit mit den Ergebnissen innerhalb des Schätzers (Ergänzungstabelle) geclustert sind Tabelle 2). Beobachtungen, bei denen die taxonomische Familie der Kulturpflanze unklar war, wurden in allen Modellen einschließlich der Familie entweder in den Zufallseffekten oder in den Cluster-robusten Standardfehlern weggelassen. Von den 7.367 Feldern, die aufgrund fehlender Kulturpflanzenfamilien aufgegeben wurden, waren 6.684 nicht bewirtschaftete Felder.

In den Panel-Datenmodellen haben wir IHS-Transformationen verwendet, um stark abweichende Pestiziddaten (sowie Feld- und Betriebsgrößendaten) zu berücksichtigen. IHS ist der natürlichen logarithmischen Transformation66 sehr ähnlich, ist jedoch bei Null definiert, was wichtig ist, da bei einem beträchtlichen Teil unserer Beobachtungen kein Pestizideinsatz erfolgt. Wie Log-Log-Transformationen kann die IHS-IHS-Transformation als Elastizitäten interpretiert werden. Wir multiplizieren den Pestizideinsatz vorab mit 100, um die Schätzung zu verbessern66, obwohl dies keinen Einfluss auf die Interpretation hat. Wie oben beschrieben nutzen wir Erkenntnisse zur Modellspezifikation aus den Panel-Datenmodellen, verlassen uns jedoch auf die Doppelhürdenmodelle, um die Entscheidung zum Sprühen von der Entscheidung darüber zu trennen, wie viel gesprüht werden soll.

Weitere Informationen zum Forschungsdesign finden Sie in der mit diesem Artikel verlinkten Nature Research Reporting Summary.

Die Landwirtschafts- und Pestizideinsatzdaten für Kern County sind unter http://www.kernag.com/gis/gis-data.asp verfügbar und die Parzellendaten von Kern County sind unter https://geodat-kernco.opendata.arcgis.com verfügbar /. Die Produktdatenbank des California Department of Pesticide Regulation ist unter https://apps.cdpr.ca.gov/docs/label/labelque.cfm verfügbar. Die Daten zur Bodenqualität stammen aus SSUGO-Daten des Natural Resource Conservation Service, die unter https://websoilsurvey.nrcs.usda.gov/ verfügbar sind und über https://websoilsurvey.sc.egov.usda.gov/App/WebSoilSurvey.aspx abgerufen werden können. Daten zu registrierten Bio-Produzenten wurden auf Anfrage des California State Organics Program erhalten, https://www.cdfa.ca.gov/is/organicprogram/. Von Hand klassifizierte organische und konventionelle Pestizide finden Sie in der Zusatzdatendatei 1. Daten zur Wiederholung der Hauptanalysen sind auf Dryad verfügbar, https://doi.org/10.25349/D9Q02T. Regressionstabellen, die allen Analysezahlen (Haupttext, Ergänzung) zugrunde liegen, finden Sie in den Zusatzinformationen.

Code zum Wiederholen der Hauptanalysen ist in Supplementary Data 2 verfügbar.

Foley, JA et al. Lösungen für einen kultivierten Planeten. Natur 478, 337–342 (2011).

Artikel ADS CAS PubMed Google Scholar

Meemken, E.-M. & Qaim, M. Ökologischer Landbau, Ernährungssicherheit und Umwelt. Annu. Rev. Ressource. Wirtschaft. 10, 39–63 (2018).

Artikel Google Scholar

Tilman, D., Balzer, C., Hill, J. & Befort, BL Globaler Nahrungsmittelbedarf und die nachhaltige Intensivierung der Landwirtschaft. Proz. Natl Acad. Wissenschaft. USA 108, 20260–20264 (2011).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Reganold, JP & Wachter, JM Ökologische Landwirtschaft im 21. Jahrhundert. Nat. Pflanzen 2, 15221 (2016).

Artikel PubMed Google Scholar

Willer, H., Trávníček, J., Meier, C. & Schlatter, B. (Hrsg.) Die Welt des ökologischen Landbaus. Statistiken und neue Trends 2021. (Forschungsinstitut für biologischen Landbau FiBL, Frick und IFOAM – Organics International, Bonn, 2021).

Stolze, M. & Lampkin, N. Politik für den ökologischen Landbau: Begründung und Konzepte. Lebensmittelpolitik 34, 237–244 (2009).

Artikel Google Scholar

Moschitz, H. et al. Wie kann die EU-Strategie „Farm to Fork“ ihre Bio-Versprechen einhalten? Einige kritische Überlegungen. EuroChoices 20, 30–36 (2021).

Artikel Google Scholar

Eyhorn, F. et al. Nachhaltigkeit in der globalen Landwirtschaft durch ökologischen Landbau. Nat. Sustain 2, 253–255 (2019).

Artikel Google Scholar

Smith-Spangler, C. et al. Sind Bio-Lebensmittel sicherer oder gesünder als herkömmliche Alternativen?: Eine systematische Überprüfung. Ann. Praktikant. Med. 157, 348–366 (2012).

Artikel PubMed Google Scholar

Mie, A. et al. Auswirkungen von Bio-Lebensmitteln und Bio-Landwirtschaft auf die menschliche Gesundheit: eine umfassende Übersicht. Umgebung. Gesundheit 16, 111 (2017).

Artikel PubMed PubMed Central CAS Google Scholar

Seufert, V. & Ramankutty, N. Viele Graustufen – die kontextabhängige Leistung des ökologischen Landbaus. Wissenschaft. Adv. 3, e1602638 (2017).

Artikel ADS PubMed PubMed Central Google Scholar

Garibaldi, LA et al. Landwirtschaftliche Ansätze für mehr Artenvielfalt, Lebensunterhalt und Ernährungssicherheit. Trends Ecol. Entwicklung 32, 68–80 (2017).

Artikel PubMed Google Scholar

Mehrabi, Z., Seufert, V. & Ramankutty, N. Die Kluft zwischen konventioneller und alternativer Landwirtschaft: eine Antwort auf Garibaldi et al. Trends Ecol. Entwicklung 32, 720–721 (2017).

Artikel PubMed Google Scholar

Seufert, V., Ramankutty, N. & Foley, JA Vergleich der Erträge der ökologischen und konventionellen Landwirtschaft. Natur 485, 229–232 (2012).

Artikel ADS CAS PubMed Google Scholar

Ponisio, LC et al. Diversifizierungspraktiken verringern die Ertragslücke zwischen Bio- und konventionellem Anbau. Proz. R. Soc. B Biol. Wissenschaft. 282, 20141396 (2015).

Artikel Google Scholar

Smith, OM et al. Der ökologische Landbau bietet verlässliche Vorteile für die Umwelt, erhöht aber die Variabilität der Ernteerträge: eine globale Metaanalyse. Vorderseite. Aufrechterhalten. Lebensmittelsystem 3, 82 https://doi.org/10.3389/fsufs.2019.00082 (2019).

Ramankutty, N., Ricciardi, V., Mehrabi, Z. & Seufert, V. Kompromisse bei der Leistung alternativer Landwirtschaftssysteme. Landwirtschaft. Wirtschaft. 50, 97–105 (2019).

Artikel Google Scholar

Larsen, AE, Meng, K. & Kendall, BE Kausalanalyse in ökologischen Kontrolle-Auswirkungs-Studien mit Beobachtungsdaten. Methoden Ecol. Entwicklung 10, 924–934 (2019).

Artikel Google Scholar

Delate, K., Cambardella, C., Chase, C. & Turnbull, R. Ein Überblick über langfristige Bio-Vergleichsstudien im USSustain. Landwirtschaft. Res. 4, S. 5 (2015).

Google Scholar

Baldock, JO, Hedtcke, JL, Posner, JL & Hall, JA Organische und konventionelle Produktionssysteme im Wisconsin-Versuch integrierter Anbausysteme: III. Renditetrends. Agron. J. 106, 1509–1522 (2014).

Artikel Google Scholar

Winter, CK & Davis, SF Bio-Lebensmittel. J. Lebensmittelwissenschaft. 71, R117–R124 (2006).

Artikel CAS Google Scholar

Mineau, P. et al. Vergiftung von Raubvögeln mit Organophosphor- und Carbamat-Pestiziden mit Schwerpunkt auf Kanada, den USA und UKJ Raptor Res. 33, 1–37 (1999).

Google Scholar

Mitra, A., Chatterjee, S., Sarkar, M. & Gupta, DK Toxische Auswirkungen von Pestiziden auf die Vogelfauna. In Environmental Biotechnology Vol. 3 (Hrsg. Gothandam, KM, Ranjan, S., Dasgupta, N. & Lichtfouse, E.) 55–83 (Springer International Publishing, Cham, 2021).

Bergström, L., Kirchmann, H. & Thorvaldsson, G. Weitverbreitete Meinungen zum ökologischen Landbau – werden sie durch wissenschaftliche Beweise gestützt? Im ökologischen Pflanzenbau – Ambitionen und Grenzen. (Hrsg. Kirchmann, H. & Bergström, L.) 1–11 (Springer Niederlande, Dordrecht, 2008).

Lockeretz, W. Ökologischer Landbau: Eine internationale Geschichte. (CABI, 2007).

Mineau, P. Direkte Verluste von Vögeln durch Pestizide – Anfänge einer Quantifizierung. In der Umsetzung und Integration des Vogelschutzes in Amerika: Tagungsband der dritten Konferenz „International Partners in Flight“, 20.–24. März 2002, Asilomar, Kalifornien (Band 2). (Hrsg. Ralph, CJ & Rich, TD) 1065–1070 (US-Landwirtschaftsministerium, Forstdienst, Pacific Southwest Research Station, 2005).

Beketov, MA, Kefford, BJ, Schäfer, RB & Liess, M. Pestizide verringern die regionale Artenvielfalt wirbelloser Flusstiere. Proz. Natl Acad. Wissenschaft. USA 110, 11039–11043 (2013).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Gill, RJ, Ramos-Rodriguez, O. & Raine, NE Die kombinierte Pestizidexposition wirkt sich erheblich auf die Merkmale von Bienen auf Einzel- und Bienenvolksebene aus. Natur 491, 105–108 (2012).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Geiger, F. et al. Anhaltende negative Auswirkungen von Pestiziden auf die Artenvielfalt und das biologische Kontrollpotenzial auf europäischen Agrarflächen. Grundanwendung Ökologisch. 11, 97–105 (2010).

Artikel CAS Google Scholar

Köhler, H.-R. & Triebskorn, R. Wildtierökotoxikologie von Pestiziden: Können wir die Auswirkungen auf die Populationsebene und darüber hinaus verfolgen? Wissenschaft 341, 759–765 (2013).

Artikel ADS PubMed CAS Google Scholar

Saaristo, M. et al. Direkte und indirekte Auswirkungen chemischer Schadstoffe auf das Verhalten, die Ökologie und die Entwicklung von Wildtieren. Proz. R. Soc. B Biol. Wissenschaft. 285, 20181297 (2018).

Artikel CAS Google Scholar

Keller, AA et al. Vergleichendes Umweltverhalten und Toxizität von Kupfer-Nanomaterialien. NanoImpact 7, 28–40 (2017).

Artikel ADS Google Scholar

Thompson, DG & Kreutzweiser, DP Ein Überblick über das Schicksal und die Auswirkungen natürlicher Pestizide mit „reduziertem Risiko“ in Kanada auf die Umwelt. In Pflanzenschutzmitteln für den ökologischen Landbau. (Hrsg. Felsot, AS & Racke, KD) 947, 245–274 (American Chemical Society, 2006).

Baker, BP, Benbrook, CM, Groth, E. 3rd & Lutz Benbrook, K. Pestizidrückstände in konventionellen, integrierten Schädlingsbekämpfungsmitteln (IPM) und Bio-Lebensmitteln: Erkenntnisse aus drei US-Datensätzen. Lebensmittelzusatz. Kontam. 19, 427–446 (2002).

CDPR-Programm zur Überwachung von Pestizidrückständen. Rückstände in Frischprodukten. https://www.cdpr.ca.gov/docs/enforce/residue/resi2018/rsfr2018.htm (2018).

Kalifornisches Ministerium für Ernährung und Landwirtschaft. Überprüfung der kalifornischen Agrarstatistik 2018–2019. (Sacramento, CA, 2019).

Möhring, N., Bozzola, M., Hirsch, S. & Finger, R. Verringert sich das Risiko von Pestiziden? Die Relevanz der Wahl von Pestizidindikatoren in der empirischen Analyse. Landwirtschaft. Wirtschaft. 51, 429–444 (2020).

Artikel Google Scholar

Navarro, J., Hadjikakou, M., Ridoutt, B., Parry, H. & Bryan, BA Pestizidtoxizitätsgefahr der Landwirtschaft: regionale und Rohstoff-Hotspots in Australien. Umgebung. Wissenschaft. Technol. 55, 1290–1300 (2021).

Artikel ADS CAS PubMed Google Scholar

O'Geen, AT & Southard, SB Ein überarbeiteter Storie-Index, modelliert in NASIS. Bodenüberwachung. Horiz. 46, 98–108 (2005).

Artikel Google Scholar

US-EPA-Büro für Pestizidprogramme. Handbuch zur Etikettenüberprüfung. https://www.epa.gov/sites/produktion/files/2018-04/documents/lrm-complete-mar-2018.pdf. (2018).

Nowell, LH, Norman, JE, Moran, PW, Martin, JD & Stone, WW Pestizidtoxizitätsindex – ein Instrument zur Bewertung der potenziellen Toxizität von Pestizidmischungen für Süßwasserorganismen. Wissenschaft. Gesamtumgebung. 476–477, 144–157 (2014).

Artikel ADS PubMed CAS Google Scholar

Scharmüller, A. Paket 'standartox'. Ökotoxikologische Informationen aus der Standartox-Datenbank. CRAN https://cran.rstudio.com/web/packages/standartox/standartox.pdf (2021).

de Ponti, T., Rijk, B. & van Ittersum, MK Die Ernteertragslücke zwischen ökologischer und konventioneller Landwirtschaft. Landwirtschaft. Syst. 108, 1–9 (2012).

Artikel Google Scholar

Trewavas, A. Urbane Mythen des ökologischen Landbaus. Natur 410, 409–410 (2001).

Artikel ADS CAS PubMed Google Scholar

Larsen, AE, Gaines, SD & Deschênes, O. Landwirtschaftlicher Pestizideinsatz und ungünstige Geburtsergebnisse im San Joaquin Valley in Kalifornien. Nat. Komm. 8, 302 (2017).

Artikel ADS PubMed PubMed Central CAS Google Scholar

Dudley, N. et al. Wie sollten Naturschützer auf Pestizide als Treiber des Verlusts der biologischen Vielfalt in Agrarökosystemen reagieren? Biol. Konserv. 209, 449–453 (2017).

Artikel Google Scholar

Vörösmarty, CJ et al. Globale Bedrohungen für die menschliche Wassersicherheit und die Artenvielfalt der Flüsse. Natur 467, 555–561 (2010).

Artikel ADS PubMed CAS Google Scholar

Larsen, AE & Noack, F. Ermittlung der Landschaftstreiber des landwirtschaftlichen Insektizideinsatzes anhand von Erkenntnissen aus 100.000 Feldern. Proz. Natl Acad. Wissenschaft. 114, 5473–5478 (2017).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Larsen, AE & Noack, F. Einfluss der lokalen und landschaftlichen Komplexität auf die Stabilität der Schädlingsbekämpfung auf Feldebene. Nat. Sustain 4, 120–128 (2021).

Artikel Google Scholar

Balmford, A. et al. Die Umweltkosten und -vorteile einer ertragreichen Landwirtschaft. Nat. Aufrechterhalten. 1, 477–485 (2018).

Artikel PubMed PubMed Central Google Scholar

Costello, C., Quérou, N. & Tomini, A. Private Beseitigung mobiler öffentlicher Geräte. EUR. Wirtschaft. Rev. 94, 23–44 (2017).

Artikel Google Scholar

Root, RB Organisation einer Pflanzen-Arthropoden-Vereinigung in einfachen und vielfältigen Lebensräumen: der Fauna des Kohls (Brassica Oleracea). Ökologisch. Monogr. 43, 95–124 (1973).

Artikel Google Scholar

Martin, EA et al. Das Zusammenspiel von Landschaftszusammensetzung und -konfiguration: Neue Wege zur Verwaltung funktioneller Biodiversität und Agrarökosystemdienstleistungen in ganz Europa. Ökologisch. Lette. 22, 1083–1094 (2019).

Artikel PubMed Google Scholar

Larsen, AE & McComb, S. Landbedeckung und Klimawandel führen zu einem regional heterogenen Anstieg des Insektizideinsatzes in den USA. Landsc. Ökologisch. 36, 159–177 (2021).

Artikel Google Scholar

Kuminoff, NV & Wossink, A. Warum ist nicht mehr US-Ackerland biologisch angebaut? J. Agrar. Wirtschaft. 61, 240–258 (2010).

Artikel Google Scholar

Getz, C. & Shreck, A. Was uns Bio- und Fair-Trade-Siegel nicht sagen: Hin zu einem ortsbezogenen Verständnis von Zertifizierung. Int. J. Consum. Zucht. 30, 490–501 (2006).

Artikel Google Scholar

Kudsk, P., Jørgensen, LN & Ørum, JE Pestizidbelastung – ein neuer dänischer Pestizid-Risikoindikator mit vielfältigen Anwendungsmöglichkeiten. Landnutzungspolitik 70, 384–393 (2018).

Artikel Google Scholar

Kovach, J., Petzoldt, C., Degni, J. & Tette, J. Eine Methode zur Messung der Umweltauswirkungen von Pestiziden. NY Food Life Sci. Stier. 139, 1–8 (1992).

Google Scholar

Zilberman, D., Schmitz, A., Casterline, G., Lichtenberg, E. & Siebert, JB Die Ökonomie des Pestizideinsatzes und der Regulierung. Science 253, 518–522 (1991).

Artikel ADS CAS PubMed Google Scholar

Waterfield, G. & Zilberman, D. Schädlingsbekämpfung in Lebensmittelsystemen: eine wirtschaftliche Perspektive. Annu. Rev. Environ. Ressource. 37, 223–245 (2012).

Artikel Google Scholar

Lewis, KA, Tzilivakis, J., Warner, DJ und Green, A. Eine internationale Datenbank für die Risikobewertung und das Management von Pestiziden. Summen. Ökologisch. Risikobewertung. 22, 1050–1064 (2016).

Pebesma, EJ Multivariable Geostatistik in S: das gstat-Paket. Berechnen. Geosci. 30, 683–691 (2004).

Artikel ADS Google Scholar

Gräler, B., Pebesma, E. & Heuvelink, G. Räumlich-zeitliche Interpolation mit gstat. RJ 8, 204–218 (2016).

Artikel Google Scholar

Cragg, JG Einige statistische Modelle für begrenzte abhängige Variablen mit Anwendung auf die Nachfrage nach langlebigen Gütern. Econmetrica 39, 829–844 (1971).

Artikel MATH Google Scholar

Wooldridge, JM Ökonometrische Analyse von Querschnitts- und Paneldaten. (The MIT Press, Cambridge, 2002).

Bellemare, MF & Wichman, CJ Elastizitäten und die inverse hyperbolische Sinustransformation. Oxf. Stier. Wirtschaft. Stat. 82, 50–61 (2020).

Artikel Google Scholar

Referenzen herunterladen

Wir danken dem California Department of Pesticide Regulation, dem California Department of Food and Agriculture und dem Kern County Department of Agriculture and Measurement Standards für die Kuratierung und Weitergabe von Daten, ohne die dieses Projekt nicht möglich wäre. Wir danken S. Philpott, N. Parker und A. MacDonald für Kommentare zu einem früheren Entwurf und M. Patton für Forschungsunterstützung. Wir bedanken uns für die hilfreichen Kommentare des Herausgebers und der Gutachter sowie für die Empfehlung des Herausgebers, alle ergänzenden Methoden in den Haupttext zu verschieben. AEL würdigt NSF DEB 2042526, LCP würdigt das Zertifizierungsprogramm „Interdisciplinary Quantitative Biology“ der University of Colorado Boulder, SM würdigt das UBC Four Year Doctoral Fellowship (4YF).

Bren School of Environmental Science & Management, UC, Santa Barbara, CA, USA

Ashley E. Larsen, L. Claire Powers und Sofie McComb

Umweltstudienprogramm, University of Colorado Boulder, Boulder, CO, USA

L. Claire Powers

Fakultät für Forstwirtschaft, University of British Columbia, Vancouver, Kanada

Sofie McComb

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

AEL konzipierte die Studie, führte die statistischen Analysen durch und verfasste das Papier, LCP und SM verarbeiteten die Daten und verfassten das Papier. Alle Autoren haben wesentlich zu den Überarbeitungen beigetragen.

Korrespondenz mit Ashley E. Larsen.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Informationen zum Peer-Review Nature Communications dankt Christian Grovermann, Rai Kookana und den anderen, anonymen Gutachtern für ihren Beitrag zum Peer-Review dieser Arbeit. Peer-Reviewer-Berichte sind verfügbar.

Anmerkung des Herausgebers Springer Nature bleibt hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten neutral.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Larsen, AE, Claire Powers, L. & McComb, S. Identifizierung und Charakterisierung des Pestizideinsatzes auf 9.000 Feldern im ökologischen Landbau. Nat Commun 12, 5461 (2021). https://doi.org/10.1038/s41467-021-25502-w

Zitat herunterladen

Eingegangen: 11. Februar 2021

Angenommen: 05. August 2021

Veröffentlicht: 15. September 2021

DOI: https://doi.org/10.1038/s41467-021-25502-w

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Chemie Afrika (2023)

npj Sauberes Wasser (2022)

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.