Eine Methode zur stochastischen Simulation von Abdriftwerten als Grundlage für eine georeferenzierte probabilistische Expositionsabschätzung von Pflanzenschutzmitteln | A method for a stochastic simulation of spray drift values as basis for a georeferenced probabilistic exposure assessment of surface waters

Немецкий. In dieser Arbeit wird eine Methode vorgestellt, um Abdrift realistisch für beliebige Entfernungen von bis zu 75 m für Feldfrüchte und bis zu 150 m für Raumkulturen als Verteilungskurve zu simulieren. Die Methode kann für georeferentierte Expositions- und Risikoabschätzungen verwendet werden. Sie wird hier exemplarisch für den Feldbau beschrieben. Abdriftmesswerte aus Feldversuchen (Ganzelmeier et al., 1995; Rautmann et al., 1999) werden entsprechend der versuchsmethodischen Bedingungen neu interpretiert und versuchsweise analysiert. Die Vorgehensweise ermöglicht es, die Variabilität zwischen den Versuchen aufgrund meteorologischer und verfahrenstechnischer Durchführungsbedingungen (Windgeschwindigkeit, Temperatur, Düsen, Vegetation etc.) zu berücksichtigen. Die Modellierung erfolgt für Feldkulturen mittels Polynomfunktionen, welche an die Mittelwerte der logarithmierten Mittelwerte und Standardabweichungen der Messdatensätze angepasst wurden. Die Ergebnisse der simulierten Abdriftwerte bilden die Abdriftmesswerte sehr gut ab. Das Modell wird anschließend im Rahmen eines georeferenzierten probabilistischen Ansatzes auf typische Expositionssituationen in der Landschaft angewendet. Das Reduktionspotenzial einer georeferenzierten probabilistischen Expositionsabschätzung gegenüber einem deterministischen, nicht georeferenzierten Ansatz beträgt im 90. Perzentil 22% bis 62% bezogen auf die zu erwartenden Beladungen einzelner Gewässerabschnitte.

Английский. In this work we propose a novel approach to model realistic spray drift deposition distributions for any distances up to 75 m for arable crops and 150 m for permanent crops. The model can be used in georeferenced exposure and risk assessments of surface waters on landscape and stream segment scale. The approach is described for field crops as an example. Drift measurement datasets of Ganzelmeier et al. (1995) and Rautmann et al. (1999) are reanalyzed and interpreted according to the underlying experimental design. The approach applies a trial-by-trial analysis of the datasets which allows to consider the variation of application conditions between trials such as air temperature, wind speed, nozzle type, vehicle speed, rel. humidity. Polynomial functions are fitted to the means of the logarithmized mean and standard deviation of the drift measurement datasets. Results show that the output of simulations according to the experimental design for spray drift measurements fit very well to the drift measurement data. When the model is applied to a number of realistic landscape exposure situations, the simulation results show a 22% to 62% lower loading in the 90th percentile compared to a deterministic model.