40 O. M. Eklo / Grønn kunnskap 8 (2) Effekter av ulike dyrkingsscenarier på miljøbelastningen målt med Miljøbelastningsindikatoren MBI Ole Martin Eklo / ole-martin.eklo@planteforsk.no Planteforsk Plantevernet Innledning Det eksisterer i dag en rekke metoder for gjøre relevante estimat på miljørisiko ved bruk av plantevernmidler. De ulike målemetoder eller vurderingssystem kan grupperes etter hensikten med vurderingen, område hvor systemet skal brukes og målgruppen som skal bruke metoden. Det har vist seg hensiktsmessig å knytte målemetoden opp til området hvor risikovurderingen skal brukes som (1) et politisk redskap i forbindelse med omsetning av plantevernmidler, (2) beslutningsstøtte til dyrkere ved valg av plantevernmiddel, (3) et verktøy for forvaltningen til hjelp ved godkjenning av plantevernmidler, (4) økologisk merkesystem for konsumenter og (5) analytisk redskap innen forskning. Prinsipper Risikovurdering har vært utført på ulike måter, men den skal med tall eller annen måte uttrykke noe om sannsynligheten for effekter på omgivelsene. Den vanligste måten å gjøre en risikoanalyse på er å se på forholdet mellom eksponering og giftighet (PEC-predicted environmental concentration/pnec-predicted no effect concentration). Dersom en skal analysere og estimere risiko, forutsetter det at en kjenner de parametere som styrer eksponeringen, og at en kjenner giftigheten av forbindelsen for de organismer som skal vurderes. Eksponeringen blir forklart ut fra to hovedgrupper av parametere; (1) hvordan plantevernmidlene brukes og omstendighetene knyttet til bruken og (2) forsvinningsbilde til de aktuelle midlene betegnet som skjebne (fate). Bruken og forsvinningsbildet for plantevernmidlet definerer eksponeringen, og forholdet mellom antatt eksponering og giftighet gir et bilde av risiko for effekter (risk assessment) (impact assessment). Variablene som styrer eksponeringen, omformes og brukes som indikatorer (1, 3 eller 5) i stedet for å brukes til beregning av konsentrasjoner. Slike indikatorer er halveringstid eller sorpsjonskoeffisienter etc. som er viktige for å si noe om hvor
O. M. Eklo / Grønn kunnskap 8 (2) 41 lenge plantevernmidlet finnes i miljøet. Indikatorene settes sammen til vurderingssystemer som kan gi svar i form av en (miljøfarlighets-) indeks. De fleste modellene vurderer områder separat og gir f.eks. et relativt tall for risiko for effekter av hvert middel på vannlevende organismer. Sannsynligheten for at midlet havner i vann vurderes ulikt. Noen modeller tar hensyn til stedsspesifikke egenskaper hvor midlet blir nyttet, mens andre bare tar hensyn til midlets iboende egenskaper. Noen få modeller slår sammen risikoen for de ulike områdene (compartments) og betegnes som integrerte modeller. Dette er avhengig av hva modellen legger vekt på og hvilke deler den dekker. Det viser seg imidlertid at få modeller rangerer en gruppe plantevernmidler i samme rekkefølge da de ulike modellene legger vekt på ulike ting. Sammenfattet vil dette bety at indikatormodeller er, som navnet sier, bare er en indikasjon på risiko for effekter, og gir ingen svar som en kan sette to streker under. Bakgrunnsinformasjonen endres hele tiden og modellene forbedres, men blir ofte mer sofistikerte, innviklet å bruke, og krever etter hvert stor datakraft. Det finnes i dag en hel rekke slike indikatormodeller som er tatt i bruk på ulike områder nevnt innledningsvis i ulike land. Økt bruk av indikatormodeller og ønske om å kunne sammenligne land og dyrking av ulike vekster har skapt behov for harmonisering av slike modeller. EU har derfor finansiert et nytt prosjekt med dette som mål. Nytteverdi Miljørisikovurderinger i form av indekser og vurderingssystemer kan tenkes brukt til beslutningsstøtte ved valg av annet plantevernmiddel, med en lavere dose og til et annet tidspunkt. De kan også danne en analytisk plattform for politiske beslutninger om avgiftbelegging eller restriksjoner på bruk. Miljørisikovurderinger kan også brukes til å identifisere forandringer i miljøet eller evaluere størrelsen og betydningene av forandringer, og kan derved brukes aktivt ved å kanalisere tilbakemelding for informasjon om tiltak. Brukt sammen med overvåkingsprogrammer kan dette være til hjelp for beslutningstaking og informasjon. Begrensninger Viktige spørsmål blir da hvilke indikatorer som skal inkluderes i en slik indeks, hvilke indikatorer er viktig for å registrere effekter på miljøet og hvordan skal disse effektene måles for at det skal være meningsfylte kriterier for beslutningstaking. Andre problemer er databegrensninger og kompleksitet, og variasjonen mellom individer, arter og populasjoner. Ingen art eller biologisk gruppe er mest sensitiv for alle pesticider, og kan på den måten ikke fungere som et surrogat for alle i toksisitetstester. Man kan ikke stole på en enkelt indikatorart eller abiotisk effekt for å fortelle alt en trenger å vite for å avgjøre tiltak. Ingen enslig parameter kan fullstendig beskrive miljøeffekter. Derfor er multiparameteroptimering nødvendig. Utfordringen blir å spesifisere
42 O. M. Eklo / Grønn kunnskap 8 (2) signifikante test-endepunkter (LC 50, LC 10,) og integrere dem i en meningsfylt komposisjon av miljøeffekter, eller å prioritere den viktigste av virkningene ved en gitt situasjon. Et spørsmål er f.eks. hvordan human toksisitet skal vektlegges i forhold til økotoksikologi. Utfordringene blir derfor hvordan indikatorer skal integreres, vektes og gis verdi. Skalaen avhenger i stor grad av hvilket område og hvilken målgruppe indikatorene skal brukes til. Risikoindekser er relativt bra egnet for å sammenligne bruk av alternative plantevernmidler når jordarbeiding og dyrkingspraksis holdes konstant. Hvis en derimot endrer dyrkingspraksis ved bruk av et plantevernmiddel, er det vanskeligere å sammenligne og bedømme den totale betydningen av tiltaket. Hva er f.eks.betydningen av redusert jordarbeiding dersom dette fører til økt bruk av plantevernmidler? Vi er også vant med å bruke penger til å verdsette goder. Penger er inadekvat for å beskrive redusert biodiversitet eller når ikke-fornybare ressurser går tapt. Toksikologiske og økotoksikologiske datasett for pesticider er ikke komplette. De fleste data som er basert på toksisitetstester, er tester på enkeltarter. Det er stadig innvendinger mot verdien av disse testene for å forutsi effekter på populasjonsnivå eller økosystemnivå hvor en konkurransedreining kan ha dramatisk effekt på artssammensetningen. Det eksisterer ikke noen standard tester for høyere økologiske nivåer. Standardtester er dessuten utført i laboratoriet. Det er derfor nødvendig å ta høyde for at data overføres fra laboratorium til felt. Det må tas høyde for særlig mottakelige populasjoner eller raser innefor samme art som er spesielt sensitive, som ufødte, unge, hurtigvoksende, gravide, individer som er under medikamentell behandling, og individer med andre immunsystembelastninger. Man kan heller ikke forvente at tre arter skal representere et artsmangfold i naturen. For å kompensere for dette innføres sikkerhetsfaktorer på 10, 100 eller 1000 alt etter en skjønnsmessig vurdering av overførbarheten av de data som er tilgjengelig. I tillegg til at det er utført tester på enkeltarter av organismer, har også disse dataene begrenset verdi da pesticidet er applisert som en enkeltdose med én aktiv substans. Blanding av flere kjemikalier kan ha mer enn additiv effekt (synergisme). Dette er et lite kjent område. Generering av risikoindikatorer Resultatet av en risikovurdering kan ha ulike format, som for eksempel kontinuerlige numeriske verdier eller kategoriske grupperinger som beskriver effekt eller farlighet som høy, moderat, lav eller ingen risiko. I noen vurderinger er farlighetskategoriene overført til farger. Rødt indikerer høy farlighet, effekt eller risiko, gult moderat virkning men en bør utvise forsiktighet, mens grønn indikerer liten effekt av denne type bruk. Noen systemer tilegner scoringstall til disse kategoriene og poengene blir vektet og summert til moduler som blir addert til et samlet uttrykk,
O. M. Eklo / Grønn kunnskap 8 (2) 43 rangert for denne praksis eller bruk av plantevernmiddelet. Kontinuerlige, numeriske poeng kan på denne måten bli avledet fra effektkategorier eller utledes direkte fra toksisitetstester. Det kan også være forholdet mellom den målte verdien av pesticidet i miljøet og effektiv konsentrasjonen som er forventet kan gi målbar effekt. Denne siste måten er brukt innenfor JOVÅ-programmet for å beregne en miljøfarlighetsindeks for konsentrasjonene funnet i vann, i forhold til akutt LC 50 -verdi for den mest sensitive organismen, dividert på en sikkerhetsfaktor på 100. Uavhengig av hvilket format resultatet har, så er det framkommet via tre ulike metoder: en logisk kjede av beslutningsregler - beslutningstre en algebraisk ligning en sjekkliste Siden denne type indekser fremdeles ikke er ferdigutviklet til å beskrive effekter av plantevernmidler, og det stadig etterspørres verktøy for å måle miljøeffekter, utvikles stadig nye kombinasjoner og metoder. Det vil fortsatt være en del utfordringer og begrensninger ved denne metodologien, spesielt med hensyn til scoringstall, vekting og kriterier som integrerer multivaribler. I det omtalte EU-prosjektet AgriBMPwater er miljørisikoindikatormodellen Environmental Impact Quotient (EIQ), på norsk kalt MiljøBelastningsIndikatoren MBI brukt. Først vil modellen bli omtalt og siden vist hvordan den er brukt på scenarier av planteverntiltak som er simulert i prosjektet (Fykse & Haugland, 2004). Om modellen Dette er en amerikansk metode utviklet av spesialister innen integrert plantevern (IPV) til hjelp for frukt- og grønnsakdyrkere i New York State til å velge plantevernmidler. Fordi utgangspunktet var IPV, er det lagt stor vekt på risiko for effekt på bier og nyttedyr. EIQ-indeksen består av tre hovedkomponenter. En separat indeks for risiko for de som blir eksponert i forbindelse med arbeid (EI farmworker ), en indeks for risiko for konsumenter (EI consumers ) og en indeks for den økotoksikologiske risikoen (EI NHB (non-human biota)). EIQ-indeksen er beregnet for hver aktiv substans ved hjelp av en algebraisk ligning som er et kombinert uttrykk for 8 ulike indikatorer eller miljøeffekter: sprøytemannskap, innhøstere, konsumenter, vann, fisk, fugler, bier og nytteinsekter. Dataene som blir lagt inn i modellen er både av kategorisk og numerisk art, og blir omformet til en poengskala fra 1 til 5. 1 betyr lav toksisitet eller minimal effekt, 3 representerer moderat effekt, mens 5 er giftig og er forventet å ha betydelig negativ effekt. Koeffisientene er også vektet ved en skala fra 1 til 5. Fisk er f.eks. gitt bare en tredel av verdien til fugl, fordi fugl ofte bruker frukthager i
44 O. M. Eklo / Grønn kunnskap 8 (2) forbindelse med næringssøk og annet. Totalt er det 20 vekter. Ved beregning av EIQ er vekten fordelt med 6 på arbeiderkomponenten, 2 på konsumentkomponenten og 12 på den økotoksikologiske delen. EI arbeidere = Cx(DTx5)+(DT+P) EI konsumenter = C+((S+P)/2)xSY+L EI økotoks = (FxR)+(Dx((S+P)/2)+(ZxPx3)+(BxPx5) Arbeiderdelen er delt opp i sprøytemannskap og innhøstere. Maksimal score på effekter på sprøytemannskap er beregnet ved hjelp av kronisk toksisitet (C) og dermal toksisitet, DT (LD 50 for kaniner eller rotter), til sammen maksimalt 125 poeng. Innhøstere har i tillegg til DT også halveringstid for plantevernmidlet på bladoverflata (P). Dette utgjør til sammen maksimalt 25 poeng. EI-komponenten for arbeider utgjør dermed opp til 150 poeng. Konsumentdelen består av to hoveddeler; rester i mat og rester i vann. Risiko for konsumenter og inntak via rester i mat beregnes ut fra kronisk toksisitet (C), halveringstid i jord (S), halveringstid på bladoverflater (P) og opptak i planten (SY).Til sammen utgjør matdelen i indeksen maksimalt 75 poeng. Risiko for inntak via vann beregnes ut fra pesticidets utlekkingspotensial (L). Dette er et uttrykk som beregnes ved hjelp av halveringstid i vann, løselighet, sorpsjonskoeffisienten og jordas egenskaper (ph, kornfordeling og innhold av organisk materiale). Vanndelen utgjør opp til 5 poeng. Til sammen bidrar konsumentdelen med maksimalt 80 poeng. Den økotoksikologiske komponenten er sammensatt av en risikodel for akvatiske organismer som bidrar med maks. 25 poeng, en risikodel for fugler med maks. 75 poeng, en del for bier med maks 75 poeng og til sist en del for nytteinsekter med maks. 125 poeng, totalt opp til 300 poeng. Risiko for akvatiske organismer er satt sammen av toksisitet for fisk (F), og potensiale for avrenning til overflatevann (R) som også er beregnet ut fra en egen algoritme. Risiko for effekter på fugler er beregnet ut fra tre ulike parametere: 8 dager LC 50 for fugler (D), halveringstid i jord (S) og halveringstid på bladoverflater (P). Risiko for effekter på bier beregnes ut fra toksisitet for bier (Z) og halveringstid på bladoverflater (P). Risiko for effekter på nytteinsekter er arthropod toksisitet (B) og halveringstid på blad (P). Total poengsum for de tre komponentene kan maksimalt bli 530, og EIQ er EIQ maks =530/3=176,7. Dersom alle variablene gir en score på 1 (best) gir dette en EIQ på 6,7 for det gunstigste pesticidet.
O. M. Eklo / Grønn kunnskap 8 (2) 45 EIQ kan beregnes med bruker/steds-spesifikke data for dose og aktiv ingrediens. Dette kan settes opp i en tabell i forhold til det aktuelle handelspreparat. EIQ (bruksklassifisering) =EIQ x% aktiv ingrediens x dose Ved å beregne EIQ for de ulike pesticider eller årlige EIQ for et pesticidprogram innen et areal eller innenfor et avgrenset område gir dette muligheten til å sammenligne ulike bekjempelsesstrategier eller den relative risiko for effekter, og å vurdere utvikling over tid. MBI (EIQ) brukt på ulike driftsopplegg med ulike krav til plantevern Scenarium 1 Jordarbeiding: Høstpløying alle år Vekstfølge: Bygg, kål, hvete, bygg, potet, hvete, bygg, kål, hvete, bygg, potet, hvete osv. Planteverntiltak: Korn: Bare kjemisk bekjemping av ugras og sykdommer Kål: Ugras Herbicid ved planting, radrensing evt. herbicid senere Kålflue Kjemisk bekjemping Potet: Ugras Herbicid før oppspiring, herbicid og/eller radrensing senere Tørråte Kjemisk bekjemping Tabell 1. MBI for scenarium 1 MBI korn 342 potet 236 kål 550 SUM 1128
46 O. M. Eklo / Grønn kunnskap 8 (2) Scenarium 2 Jordarbeiding: Høstpløying før kål og potet, direktesåing av korn. Vekstfølge: Som scenarium 1. Planteverntiltak: Som scenarium 1. Tabell 2. MBI for scenarium 2 MBI korn 470 potet 302 kål 532 SUM 1304 Scenarium 3 Jordarbeiding: Høstpløying før kål og potet, direktesåing av korn. Vekstfølge: Som scenarium 1. Planteverntiltak: Som scenarium 1. Tabell 3. MBI for scenarium 3 MBI korn 470 potet 1054 kål 532 SUM 2056 Scenarie 1 og 2 er beskrevet hos Fykse & Haugland (2004). Scenarie 3 er det samme som scenarie 2 for kål og korn, men det er særlig valgt andre plantevernmidler i potet. Av tabellene 1 til 3 skulle det gå fram at det miljømessig er mye å tjene på ved å vurdere ulike strategier på lang sikt. Referanser Fykse, H. & E. Haugland. Ulike driftsopplegg ulike krav til plantevern. Modell for simulering av plantevernbehovet. Grønn Kunnskap 8(2), Plantemøtet Østlandet 2004.