Search

Les parties prenantes ont besoin d'outils opérationnels pour évaluer les stratégies de protection des cultures en ce qui concerne l'impact environnemental. La nécessité d'évaluer et de rendre compte des impacts de l' utilisation des pesticides sur l'environnement a conduit à l'élaboration de nombreux indicateurs . Cependant, seulement un peu d' études ont porté sur la prédiction qualité de ces indicateurs . Cela est principalement dû au nombre limité d' ensembles de données adaptés à la comparaison des résultats des indicateurs avec la mesure des pesticides . À notre connaissance, l' évaluation de la prédiction qualité de Les indicateurs de pesticides comparés à la qualité de l' eau présentés dans cet article sont sans précédent en termes de nombre d' indicateurs testés ( 26 indicateurs et le modèle MACRO ) et en termes de taille des ensembles de données utilisés (données collectées pour 4 voies de transfert, 20 ingrédients actifs ( a .i.) pour un total de 1040 points de comparaison). Résultats obtenus sur un.je. les mesures ont été comparées aux résultats des indicateurs, mesurés par: (i) tests de corrélation pour identifier les relations linéaires, (ii) tests de probabilité comparant les mesures avec les résultats des indicateurs, classés en 5 classes, et évaluant la probabilité d' estimation et de surestimation (iii) par des tests ROC estimant la capacité prédictive par rapport à un seuil donné. Les résultats ont montré que la corrélation entre les sorties d'indicateurs et les transferts observés est faible (r, Stakeholders need operational tools to assess crop protection strategies in regard to environmental impact. The need to assess and report on the impacts of pesticide use on the environment has led to the development of numerous indicators. However, only a few studies have addressed the predictive quality of these indicators. This is mainly due to the limited number of datasets adapted to the comparison of indicator outputs with pesticide measurement. To our knowledge, evaluation of the predictive quality of pesticide indicators in comparison to the quality of water as presented in this article is unprecedented in terms of the number of tested indicators (26 indicators and the MACRO model) and in terms of the size of datasets used (data collected for 4 transfer pathways, 20 active ingredients (a.i.) for a total of 1040 comparison points). Results obtained on a.i. measurements were compared to the indicator outputs, measured by: (i) correlation tests to identify linear relationship, (ii) probability tests comparing measurements with indicator outputs, both classified in 5 classes, and assessing the probability i.e. the percentage of correct estimation and overestimation (iii) by ROC tests estimating the predictive ability against a given threshold. Results showed that the correlation between indicator outputs and the observed transfers are low (r < 0.58). Overall, more complex indicators taking into account the soil, the climatic and the environmental aspects yielded comparatively better results. The numerical simulation model MACRO showed much better results than those for indicators. These results will be used to help stakeholders to appropriately select their indicators, and will provide them with advice for possible use and limits in the interpretation of indicator outputs.

Stakeholders need operational tools to assess crop protection strategies in regard to environmental impact. The need to assess and report on the impacts of pesticide use on the environment has led to the development of numerous indicators. However, only a few studies have addressed the predictive quality of these indicators. This is mainly due to the limited number of datasets adapted to the comparison of indicator outputs with pesticide measurement. To our knowledge, evaluation of the predictive quality of pesticide indicators in comparison to the quality of water as presented in this article is unprecedented in terms of the number of tested indicators (26 indicators and the MACRO model) and in terms of the size of datasets used (data collected for 4 transfer pathways, 20 active ingredients (a.i.) for a total of 1040 comparison points). Results obtained on a.i. measurements were compared to the indicator outputs, measured by: (i) correlation tests to identify linear relationship, (ii) probability tests comparing measurements with indicator outputs, both classified in 5 classes, and assessing the probability i.e. the percentage of correct estimation and overestimation (iii) by ROC tests estimating the predictive ability against a given threshold. Results showed that the correlation between indicator outputs and the observed transfers are low (r < 0.58). Overall, more complex indicators taking into account the soil, the climatic and the environmental aspects yielded comparatively better results. The numerical simulation model MACRO showed much better results than those for indicators. These results will be used to help stakeholders to appropriately select their indicators, and will provide them with advice for possible use and limits in the interpretation of indicator outputs.; Les parties prenantes ont besoin d'outils opérationnels pour évaluer les stratégies de protection des cultures en ce qui concerne l'impact environnemental. La nécessité d'évaluer et de rendre compte des impacts de l' utilisation des pesticides sur l'environnement a conduit à l'élaboration de nombreux indicateurs . Cependant, seulement un peu d' études ont porté sur la prédiction qualité de ces indicateurs . Cela est principalement dû au nombre limité d' ensembles de données adaptés à la comparaison des résultats des indicateurs avec la mesure des pesticides . À notre connaissance, l' évaluation de la prédiction qualité de Les indicateurs de pesticides comparés à la qualité de l' eau présentés dans cet article sont sans précédent en termes de nombre d' indicateurs testés ( 26 indicateurs et le modèle MACRO ) et en termes de taille des ensembles de données utilisés (données collectées pour 4 voies de transfert, 20 ingrédients actifs ( a .i.) pour un total de 1040 points de comparaison). Résultats obtenus sur un.je. les mesures ont été comparées aux résultats des indicateurs, mesurés par: (i) tests de corrélation pour identifier les relations linéaires, (ii) tests de probabilité comparant les mesures avec les résultats des indicateurs, classés en 5 classes, et évaluant la probabilité d' estimation et de surestimation (iii) par des tests ROC estimant la capacité prédictive par rapport à un seuil donné. Les résultats ont montré que la corrélation entre les sorties d'indicateurs et les transferts observés est faible (r