Свинофермы по соседству: как оценить их влияние на людей и природу

Близость к свиноводческим фермам часто используется в качестве суррогатного показателя при оценке воздействия, что позволяет проводить относительную количественную оценку потенциального рассеивания загрязнителей, интенсивности запаха и воздействия на здоровье соседних сообществ. Однако определение воздействия является сложной задачей, и итоговые профили риска могут различаться в зависимости от используемого определения.

Методы: Для количественной оценки пространственного воздействия на окружающие сообщества со стороны свиноводческих ферм в Северной Каролине были разработаны три пространственно выраженных показателя на уровне переписных участков (census tracts): IDx1: количество домохозяйств в пределах 1 мили от свинофермы; IDx2: совместный кригинг (co-kriging) с использованием поголовья свиней и навозных лагун; IDx3: плотность поголовья свиней на квадратную милю. Затем была оценена корреляция между этими индексами и Индексом социальной уязвимости (SVI) и Индексом экологической справедливости (EJI) Центров по контролю и профилактике заболеваний (CDC), которые являются обобщенными показателями уязвимости, чтобы оценить прямое воздействие свиноводческих ферм в сравнении с воздействием множественных стрессоров.

Результаты: Три индекса визуально различались, при этом IDx3 сильно коррелировал с IDx1 (0,8) и умеренно коррелировал с IDx2 (0,4). Индексы CDC EJI и SVI не имели заметной корреляции ни с одним из специфических для свиноводческих ферм индексов (≤0,3), что указывает на ограниченное совпадение. Корреляция между специфическими для свиноводческих ферм индексами и CDC SVI была несколько более выражена в сельских районах, что указывает на то, что социально уязвимые группы населения с большей вероятностью проживают вблизи свиноводческих зон в сельских переписных участках. Наличие специфических для свиноводческих ферм индексов позволяет получить более точное и детализированное понимание потенциальных рисков для здоровья и окружающей среды. Однако различия между картами и разная степень корреляции подчеркивают, как разные определения воздействия могут формировать различные представления о том, какие районы подвержены риску. Определение и измерение потенциального воздействия с учетом таких факторов, как близость, продолжительность, частота, уязвимость и кумулятивное воздействие, является крайне сложной задачей.

Обсуждение: Исследование подчеркивает необходимость иерархической структуры для количественной оценки и сравнения факторов воздействия на окружающую среду, учитывающей факторы, модифицирующие риск, и индивидуальный уровень воздействия в пространстве и времени, прежде чем делать выводы о прямых рисках для здоровья. Такой подход позволяет более обоснованно планировать целенаправленные решения и способствует сотрудничеству между заинтересованными сторонами, стимулируя критические дискуссии о комплексных решениях в концепции «Единое здоровье» (One Health).

Основные положения

- Разработаны три пространственных индекса для количественной оценки воздействия близлежащих свиноводческих ферм.

- Индексы учитывают поголовье животных, навозные лагуны и расстояние до домохозяйств.

- Созданы на уровне переписных участков для сравнения с индексами CDC SVI и EJI.

- Подчеркивается сложность определения воздействия, которое может измеряться различными способами.

- Обеспечивает возможность сравнения воздействия свиноводческих ферм с индексами воздействия множественных стрессоров.

Пересечение животноводства, здоровья человека и окружающей среды часто вызывает ожесточенные дискуссии. Основная проблема заключается в том, как прокормить растущее население, минимизируя при этом вред для планеты, ее людей, животных и их общей среды обитания. Достижение этого баланса включает понимание факторов воздействия, снижение экологических рисков для уязвимых сообществ и совместную разработку путей продвижения целей устойчивого сельского хозяйства (1). Часто с точки зрения экологического и общественного здоровья существует неявная предвзятость по отношению к животноводству, где его демонизируют, но при этом часто игнорируют (2, 3). Это заставляет производителей искать политическую или финансовую защиту, поскольку доступные решения ограничены и не имеют достаточного финансирования или технической поддержки. Отсутствие основанных на доказательствах масштабируемых решений, которые сбалансируют экономическую целесообразность с экологическими целями и задачами здравоохранения, препятствует устойчивому переходу животноводческой отрасли.

Предложение системных и долгосрочных изменений в американскую модель ведения сельского хозяйства требует основанных на доказательствах масштабируемых долгосрочных решений, учитывающих социальные, демографические, географические и экологические факторы. Растущий интерес к устойчивому сельскому хозяйству, которое может обеспечить здоровье окружающей среды и жителей, имеет существенное значение в рамках трансляционных исследований. Воздействия на окружающую среду распределены среди населения неоднородно, при этом социальные детерминанты здоровья, природные барьеры, поведение загрязнителей и местные условия значительно формируют географические диспропорции (4, 5). Способ определения и измерения воздействия может приводить к различным интерпретациям одного и того же источника загрязнителя или экологического стрессора. Явное определение риска воздействия с точки зрения пространства-времени и зависимости «доза-ответ» для точной оценки его влияния является сложной задачей, особенно при отсутствии надежных эмпирических и систематических доказательств (6, 45). Например, Центры по контролю и профилактике заболеваний США (CDC) уже разработали индексы социальной уязвимости (SVI) и экологической справедливости (EJI) на уровне переписных участков для всей территории США (5, 7), (22, 23), однако отсутствие специфического для свиноводческих ферм показателя в рамках EJI создает существенные ограничения не только для оценки влияния животноводства на здоровье сообществ и экологическую справедливость, но и для понимания сообществами животноводческих ферм конкретных и прямых последствий.

Нашей целью была разработка специфических для свиноводческих ферм индексов воздействия, которые представляют собой инструменты для количественной оценки пространственных путей воздействия, опираясь на наши предыдущие исследования в Северной Каролине (8). Разногласия между сообществами, проживающими вблизи свиноводческих ферм, и сельскохозяйственными сообществами, характеризующиеся частыми судебными спорами и протестами, подчеркивают необходимость тщательного изучения конкретного контекста в Северной Каролине (9, 10). Индексы были разработаны как функция плотности поголовья свиней, количества свиноводческих ферм и навозных лагун, а также расстояния от ферм до жилых или коммерческих адресов в пределах каждого переписного участка. Хотя для заключения о влиянии воздействия на здоровье конкретного человека необходимы индивидуальные показатели воздействия, мы полагаем, что эти индексы создают основу для планирования будущих исследований воздействия, сравнения рисков, специфичных для свиноводства, с другими экологическими стрессорами, разработки иерархической структуры для ранжирования влиятельных стрессоров в пределах переписного участка и принятия решений по продвижению устойчивого сельского хозяйства, охраны окружающей среды и здоровья сообществ.

Район исследования

Юго-восточный штат США Северная Каролина (широта: 35° с.ш., долгота: 79° з.д.) насчитывает более 10 миллионов жителей, при этом 12,8% из них живут за чертой бедности (т.е. 11-й самый низкий доход домохозяйств среди 50 штатов США) (11). Штат имеет разнообразные городские и сельские формы, при этом 33,9% населения классифицируются как сельские по сравнению с 19,3% городского населения, что отражает различные аспекты уязвимости в городских и сельских условиях (12). Роли и Шарлотт, расположенные в центральной и западной частях штата, являются крупнейшими мегаполисами. Сельские районы Северной Каролины, особенно в горах и на востоке, страдают от устойчивой межпоколенческой бедности (13–15). Северная Каролина является одним из крупнейших штатов по свиноводству в США, при этом более 60% из 8,9 миллиона свиней сосредоточены в юго-восточном регионе (16). Свиноводческие предприятия в Северной Каролине обязаны получить разрешение от Департамента качества окружающей среды Северной Каролины, подтверждающее, что система управления отходами свиноводства соответствует требованиям штата (17, 18).

Источники данных

В анализе использовались следующие пространственные и непространственные наборы данных. Пространственная основа, т.е. ГИС-шейпфайл границ штата Северная Каролина, переписные участки на 2020 год (n = 2672), категоризация городских и сельских переписных участков на 2020 год и адресные точки на 2019 год были загружены с веб-сайта геопространственных данных NCOneMap1 (46, 47). Данные о свиноводческих фермах (n = 2072), включая расположение ферм, разрешенное поголовье животных и количество навозных лагун, были извлечены с веб-сайта Департамента качества окружающей среды Северной Каролины (DEQ) в июне 2023 года2 (19–21). В целом, на зарегистрированных свиноводческих фермах штата было разрешено содержать 9 612 252 свиньи. Хотя операции по выращиванию свиней в Северной Каролине определяются как «любая деятельность по откорму сельскохозяйственных животных с участием 250 и более свиней с системой управления отходами или любая деятельность по откорму сельскохозяйственных животных с жидкой системой управления отходами животных, которая сбрасывает стоки в поверхностные воды штата»; данные включали фермы с разрешенным количеством животных от 18 до 64 680 свиней, со средним показателем 4 278 свиней и медианой 3 500 свиней на одно предприятие.

CDC SVI показывает относительную уязвимость переписного участка США при реагировании на чрезвычайные ситуации в области общественного здоровья и восстановлении после них, основываясь на 14 факторах, представляющих четыре темы: (1) социально-экономический статус, (2) состав домохозяйств/инвалидность, (3) статус меньшинств/язык и (4) тип жилья/транспорт. В анализе использовалась итоговая переменная ранжирования участков (RPL_THEMES) за 2022 год (n = 2672) (7, 22). Аналогично, Индекс экологической справедливости (EJI) использует данные из различных агентств США, включая Бюро переписи населения, EPA, Управление по безопасности и охране труда в горнодобывающей промышленности и CDC, для оценки кумулятивного воздействия экологической несправедливости на здоровье в каждом переписном участке (5, 22). Рейтинг EJI основан на 36 факторах, охватывающих экологические, социальные и медицинские аспекты. EJI классифицирует эти факторы по трем модулям и 10 областям, включая такие показатели, как статус меньшинств, социально-экономические факторы, загрязнение воздуха и воды, опасные объекты и существующее бремя хронических заболеваний. Однако оценки EJI за 2022 год не включают конкретно количество свиноводческих ферм на переписной участок или сопоставимую переменную, что делает это сравнение более ценным для оценки влияния других экологических проблем по сравнению с теми, которые создают сами свиноводческие фермы. Для данного исследования мы использовали значения EJI за 2022 год, разработанные на уровне переписных участков (n = 2192 участка) (5), (CDC EJI, 2022). В частности, использовалась переменная RPL_SER индекса CDC EJI, представляющая собой процентильный рейтинг суммы модулей экологической нагрузки и социальной уязвимости.

Пространственные индексы, отражающие воздействие районов свиноводства в Северной Каролине

Индекс 1: адреса в пределах 1-мильной буферной зоны от свиноводческой фермы

Предполагая, что расстояние от фермы до адреса отражает интенсивность воздействия, было подсчитано количество уникальных адресов в пределах 1 мили от фермы на один переписной участок (т.е. учитывались адреса в пределах 1 мили от любой свиноводческой фермы в переписном участке, без дублирования для адресов, находящихся в пределах 1 мили от нескольких ферм). Использовались уникальные адреса участков без разделения на жилые, коммерческие и другие типы адресов, так как такая детализация была недоступна.

Более высокое значение индекса означает, что в пределах 1-мильной зоны воздействия в переписном участке находится несколько домохозяйств. Хотя 1 миля является произвольным расстоянием, исследования, изучающие влияние воздействия на окружающую среду на здоровье, часто использовали 1-мильные буферные зоны вокруг источника загрязнения в своем анализе (23, 24). ArcGIS PostgreSQL Version 12.4 использовалась для создания буферных зон и подсчета количества домов в каждой буферной зоне. Концепция буферных зон часто используется для разработки планов профилактики и контроля, связанных с распространением болезней между животноводческими фермами, а также в отношении определения защитных зон, таких как прибрежные буферные зоны, которые представляют собой засаженную растительностью территорию, прилегающую к водному объекту, помогающую защищать качество воды путем фильтрации загрязнителей, стабилизации берегов и поддержания биоразнообразия (25, 26). Использование 1-мильной буферной зоны для определения риска является простым, сопоставимым и осуществимым, служит базовым прокси-показателем воздействия на основе близости, что делает его информативным для заинтересованных сторон и лиц, принимающих решения. Однако это чрезмерно упрощает динамические факторы, предполагает единообразный риск и может неправильно классифицировать пострадавшее население, что делает его менее точным без дополнительного контекста, такого как направление ветра, топография или характер распределения загрязнителей в связи с природными барьерами, растительностью, почвой, водными и воздушными особенностями.

Индекс 2: совместный кригинг с использованием количества свиней и навозных лагун

Местоположения свиноводческих ферм, количество животных и количество навозных лагун были использованы для создания пространственно непрерывной переменной с помощью совместного кригинга. Кригинг — это геостатистический метод интерполяции, используемый для оценки значений в неизмеренных точках на основе пространственной автокорреляции наблюдаемых точек данных (27). Он учитывает как расстояние, так и степень вариации между известными точками данных для создания статистически оптимизированной поверхности. Совместный кригинг интерполирует и оценивает значения в неотобранных точках с использованием двух или трех пространственно коррелированных переменных, и этот метод геостатистического моделирования создает непрерывную поверхность (27, 28). Здесь в модели совместного кригинга использовались количество навозных лагун и логарифм разрешенного количества животных. Поскольку разрешенное количество животных на объекте варьируется от 18 до 64 480, а количество лагун — от 0 до 13, применение логарифма поголовья животных помогло создать более сопоставимую шкалу между двумя переменными. Это преобразование уменьшает искажение, вызванное большим разбросом количества животных, и гарантирует, что обе переменные вносят схожий вклад в модель, улучшая общее соответствие и интерпретацию результатов.

В этой модели мы предположили, что «воздействие» является непрерывной переменной, применимой в равной степени во всех направлениях от фермы, независимо от направления ветра, особенностей рельефа или поверхностного стока. В целом, основные районы свиноводства в Северной Каролине имеют низкий сток — менее 10% перцентиля стока3 (29, 48). Более того, хотя водорастворимые загрязнители, такие как нитраты, все еще могут просачиваться в грунтовые воды, почвы с низким стоком, такие как песчаные почвы, позволяют осадкам фильтроваться через почву перед смешиванием с грунтовыми водами. Для каждого переписного участка извлекалось максимальное значение совместно откригированной поверхности и стандартизировалось в процентах (т.е. максимальные значения с совместно откригированной поверхности суммировались по всей территории, а затем значение каждого переписного участка выражалось в процентах от общей суммы). Совместный кригинг создает непрерывную поверхность, в результате чего в пределах переписного участка появляется несколько значений. Значения выше вблизи свиноводческих ферм и ниже на большем расстоянии. Чтобы отразить «наихудший сценарий», для каждого переписного участка извлекалось максимальное значение кригинга. По сути, этот индекс представляет собой районы, где несколько крупных свиноводческих ферм с несколькими навозными лагунами расположены ближе друг к другу, тем самым увеличивая потенциальное воздействие.

Кригинг обеспечивает точные пространственные прогнозы за счет включения корреляций данных и создания сглаженных непрерывных карт воздействия, что делает его более гибким и точным, чем методы с фиксированным расстоянием, такие как буферные зоны. Он особенно эффективен для визуализации градиентов риска и адаптации к изменчивости окружающей среды. Однако это геостатистическая техника, требующая интенсивного использования данных и вычислительной сложности. Кроме того, ошибки интерполяции и зависимость от предположений о пространственных корреляциях могут вносить неопределенность, особенно при разреженных или неравномерно распределенных данных. База данных DEQ по свиноводческим фермам и навозным лагунам в Северной Каролине хорошо налажена и постоянно поддерживается, что делает ее записи о разрешенном количестве животных и зарегистрированных навозных лагунах надежным отражением операций по свиноводству в штате (см. сноску 2 в тексте). Для выполнения анализа и создания интерполяционной карты использовалась функция модели кригинга/совместного кригинга мастера геостатистического анализа ArcMap 10.7.

Совместный кригинг учитывает пространственную взаимозависимость между свиноводческими фермами, что делает его ценным показателем для широкомасштабных воздействий, таких как внесение навоза на поля с помощью воздушного распыления, предполагая, что навоз из лагун, вероятно, распыляется на ближайшие сельскохозяйственные угодья. Аналогичные подходы ранее использовались в Северной Каролине для количественной оценки воздействия, связанного со свиноводством, в моделировании загрязнения воздуха (30).

Индекс 3: плотность свиней на квадратную милю

В этом относительно более простом индексе рассчитывалось количество свиней на квадратную милю в каждом переписном участке. В этом контексте большее количество животных в районах с большим количеством свиноводческих ферм, расположенных ближе друг к другу, представляет более высокое воздействие по сравнению с районами, где фермы имеют меньшее поголовье свиней и расположены далеко друг от друга. В предыдущих исследованиях использовался этот подход плотности поголовья свиней для измерения воздействия (3, 8). Использование плотности свиней позволяет проводить точные масштабируемые оценки концентрации скота, облегчая сравнения и интеграцию с другими факторами риска. Однако этот метод предполагает равномерное распределение ферм по всему переписному участку, что может быть неточным, если они находятся в одном углу или сгруппированы, тем самым упуская из виду неоднородность землепользования.

Корреляционный анализ

Корреляции Спирмена были рассчитаны между тремя индексами и индексами CDC SVI и EJI с использованием базового программного обеспечения R и пакета «PerformanceAnalytics» (31, 32). Как рекомендовано в документации CDC SVI и EJI, была извлечена одна переменная, указывающая общий итоговый рейтинг, представляющий социально-экономический статус, характеристики домохозяйств, расовый и этнический статус меньшинств, а также тип жилья и транспорт (имя переменной в базе данных: RPL_THEMES). Аналогично, переменная, извлеченная из CDC EJI, была названа «RPL_SER» в базе данных, что является показателем экологической справедливости без учета переменных здоровья. RPL_SER представляет рейтинги для всей территории США, а не для отдельных штатов. Однако для сравнительных целей, таких как расчет корреляций между переменными, относительное значение RPL_SER считалось достаточным, поскольку масштабирование по-прежнему отражает вариативность между переписными участками. Коэффициент корреляции ≥0,1 учитывался в анализе. Дополнительный анализ был проведен для сравнения изменений этих корреляций в городских (n = 2000) и сельских (n = 672) переписных участках; в частности, переписные участки, где по крайней мере 50% их площади находились в черте города, классифицировались как городские. Из 53 812 квадратных миль территории, включая водные пространства Северной Каролины, только 3 058 квадратных миль (6%) находились в черте города и считались городскими территориями. В городских переписных участках насчитывалось 878 свиноводческих ферм с 4 021 731 (42%) разрешенных животных, тогда как в сельских — 1 194 фермы с 5 590 521 (58%) разрешенных животных.

Пространственные индексы, отражающие воздействие свиноводства

Индекс 1: адреса в пределах 1-мильной буферной зоны от свиноводческой фермы

Как показано на рисунке 1A, мы наблюдаем, что в районах с высокой плотностью свиноводческих ферм, таких как округ Дуплин, Северная Каролина, количество домохозяйств в пределах 1-мильной буферной зоны обычно высоко. Однако в разных переписных участках количество уникальных адресов в пределах буферной зоны значительно варьируется — от 0 до 3548. Среднее значение составляет 66,3 адреса со стандартным отклонением 278,2.

Рисунок 1 (A) Индекс 1: адреса в пределах 1-мильной буферной зоны от свиноводческой фермы, показывающий количество адресов в пределах 1-мильной буферной зоны от свиноводческой фермы в каждом переписном участке. Индекс был категоризирован на основе геометрических интервалов. Количество переписных участков в каждой категории указано в скобках. Категория 1 представляет отсутствие адресов в радиусе 1 мили от свиноводческой фермы в данном переписном участке. (B) Индекс 2: совместный кригинг с использованием количества свиней и навозных лагун, где значение совместного кригинга пересчитано в процентах от всех значений в интерполированной области Северной Каролины, показано на уровне переписных участков. Индекс был категоризирован на основе геометрических интервалов. Количество переписных участков в каждой категории указано в скобках. (C) Индекс 3: плотность свиней на квадратную милю. Показана на уровне переписного участка, плотность свиней рассчитана на основе разрешенного количества свиней и хряков на ферме, зарегистрированного на веб-сайте Департамента качества окружающей среды Северной Каролины в 2022 году (https://deq.nc.gov/), (20). Индекс был категоризирован на основе геометрических интервалов. Количество переписных участков в каждой категории указано в скобках.

Индекс 2: совместный кригинг с использованием количества свиней и навозных лагун

Количество навозных лагун и логарифм разрешенного количества животных использовались в модели совместного кригинга. Значение индекса совместного кригинга для переписного участка варьировалось в диапазоне сырых значений 5,1–9,3, индекс был представлен в процентах от значения интерполированной области Северной Каролины, что дало среднее значение 9,0% со стандартным отклонением 17,0% (рисунок 1B). Все настройки параметров, использованные в совместном кригинге, обобщены в дополнительной таблице S1.

Индекс 3: плотность свиней на квадратную милю

Плотность свиней на квадратную милю на переписной участок варьировалась от 0 до 5322 свиней на квадратную милю со средним значением 69 и стандартным отклонением 351 свинья на квадратную милю (рисунок 1C).

Кроме того, индексы CDC SVI и EJI были отображены для визуального сравнения с расположением ферм и тремя разработанными здесь индексами (рисунки 2A, B). Все индексы были категоризированы и отображены с использованием геометрических интервалов с отдельной группой для «нулевых» значений. Количество переписных участков в каждой категории указано в скобках.

Рисунок 2 (A) Индекс социальной справедливости (SVI), разработанный Центрами по контролю и профилактике заболеваний США. Итоговый рейтинг участков SVI, представленный переменной (RPL_THEMES) из индекса за 2022 год, доступный для 2672 переписных участков Северной Каролины, из которых 19 имеют «нулевые» значения, использовался в анализе (7), (CDC SVI, 2022). (B) Индекс экологической справедливости (EJI), разработанный Центрами по контролю и профилактике заболеваний США. Итоговый рейтинг переписных участков EJI без учета переменных, связанных со здоровьем, представленный переменной (RPL_SER) из индекса за 2022 год, доступный для 2192 переписных участков Северной Каролины, из которых 28 имеют «нулевые» значения, использовался в анализе (5), (CDC EJI, 2022).

Корреляция

Все значения коэффициентов корреляции ≥0,1 как в городских, так и в сельских переписных участках были обобщены (рисунок 3). Значения корреляции, различающиеся между городскими и сельскими участками, выделены жирным шрифтом. При общем корреляционном анализе на уровне штата три индекса визуально различались, при этом IDx3 сильно коррелировал с IDx1 (0,8) и умеренно коррелировал с IDx2 (0,4) (рисунок 3). При сравнении городских и сельских переписных участков корреляция между IDx3, отражающим плотность свиней, и IDx1, отражающим количество адресов в пределах 1 мили от фермы, показала небольшое увеличение коэффициента корреляции с 0,8 до 0,9. Индексы CDC EJI и SVI не имели заметной корреляции ни с одним из трех индексов (0,1–0,3), однако наблюдалось небольшое увеличение коэффициента корреляции для сельских районов по сравнению с городскими. Как и ожидалось, SVI и EJI коррелировали друг с другом на уровне 0,5, поскольку оба индекса используют совместимые переменные, причем эта корреляция снижалась до 0,4 в сельских переписных участках.

Рисунок 3 Коэффициенты корреляции Спирмена были рассчитаны для оценки взаимосвязей между тремя специфическими для свиноводческих ферм пространственными индексами и Индексом социальной уязвимости (SVI) и Индексом экологической справедливости (EJI) CDC на уровне переписных участков для Северной Каролины с отдельным анализом для городских и сельских участков. Значения корреляции, которые различаются между городскими и сельскими участками, выделены жирным шрифтом.

Северная Каролина, штат, глубоко укорененный в сельском хозяйстве, сталкивается со сложной задачей поддержания жизнеспособности своего сельскохозяйственного сектора при одновременном решении острых проблем, касающихся общественного здоровья, экологической справедливости и экономической стабильности. Мы представляем три пространственных индекса, которые количественно оценивают воздействие свиноводства на уровне переписных участков в Северной Каролине, чтобы облегчить будущие исследования воздействия. Каждый индекс отражает различное определение и способ измерения специфического для свиноводческих ферм воздействия. В зависимости от рассматриваемых переменных, IDx2, который отражает воздействие количества животных и навозных лагун, может лучше представлять воздействие; за ним следует IDx1, где было количественно оценено количество адресов в пределах 1 мили от свиноводческой фермы. Простое представление плотности свиней, как в IDx3, может не полностью отражать сложность проблемы по сравнению с другими методами оценки воздействия. Однако расхождения между картами и разная степень корреляции подчеркивают, как различные методы определения воздействия могут формировать различные представления о том, какие сообщества подвергаются наибольшему риску. С положительной стороны, эти индексы воздействия относительно легко разрабатывать ежегодно с обновленными данными о фермах, и они могут играть решающую роль в политической значимости и разработке устойчивых решений, предоставляя четкие количественные показатели. Это включает выявление зон высокого риска, предложение политических решений на основе данных, мониторинг и оценку с течением времени, а также создание систем раннего предупреждения. Наличие четких и пространственно выраженных показателей, специфичных для свиноводческих ферм, способствует повышению осведомленности, поощряя вовлечение множества заинтересованных сторон для разработки целенаправленных и практичных долгосрочных решений с учетом рисков для здоровья и окружающей среды.

В этом исследовании Индекс социальной уязвимости (SVI) и Индекс экологической справедливости (EJI) CDC использовались в качестве эталонных ориентиров для оценки и сравнения рисков, связанных с показателями, специфическими для свиноводческих ферм, на уровне переписных участков. Эти индексы предоставляют стандартизированный подход для оценки социальной и экологической уязвимости, облегчая всесторонний анализ потенциального воздействия свиноводства на здоровье и окружающую среду в сравнении с другими стрессорами. Например, коэффициенты корреляции между CDC SVI, EJI и индексами свиноводческих ферм были слабыми, от 0,2 до 0,3 в сельских переписных участках и еще слабее в городских переписных участках (0,1–0,2) (рисунок 3). Хотя эти корреляции слабые, они свидетельствуют о том, что социально и экологически уязвимые сельские переписные участки, как правило, имеют относительно больше адресов в пределах 1 мили от свиноводческой фермы (IDx1) или в районах, где также может находиться больше животных и навозных лагун (IDx2).

EJI предлагается как индекс для поддержки специалистов в области общественного здоровья, политиков и сообществ в выявлении и решении экологических и социальных факторов, влияющих на здоровье, определении приоритетов вмешательств, информировании общественности, анализе локальных факторов воздействия и постановке измеримых целей для продвижения экологической справедливости и равенства в сфере здравоохранения (33). Хотя передвижные дома и воздействие сельскохозяйственных пестицидов на сезонных рабочих были включены в CDC EJI, индекс придает меньшее значение аспектам животноводства и не включал свиноводство или животноводство в процесс разработки (5), (CDC EJI, 2022). Как показано на примере трех разработанных пространственных индексов, метод измерения воздействия может приводить к различным интерпретациям в отношении результатов для здоровья и окружающей среды. Низкая корреляция специфических для свиноводческих ферм индексов с CDC SVI и EJI показывает сложный характер взаимосвязей при определении прямого воздействия. Необходим комплексный подход для количественной оценки кумулятивного вклада этих факторов, определения их относительной значимости и установления порогов для вмешательства. Это обеспечивает защиту общественного здоровья, экологической целостности и устойчивости сельскохозяйственных отраслей и средств к существованию, зависящих от них. Разработка иерархической структуры может помочь разрешить конфликты, одновременно решая проблему социального неравенства, повышая продовольственную безопасность, стабильность производства и устойчивость.

Этот экологический подход к разработке пространственных индексов имеет несколько ограничений, которые заслуживают рассмотрения, поскольку выявление опасностей и количественная оценка рисков создают значительные проблемы (34). Во-первых, фокусируясь на расстоянии как на прокси-показателе интенсивности воздействия, эти индексы могут чрезмерно упрощать воздействие, поскольку его влияние варьируется в зависимости от конструкции и строительства фермы, а также конкретных водных и почвенных характеристик местоположения фермы. Присвоение одного значения переписному участку может привести к неточным оценкам воздействия для конкретных сообществ под влиянием таких факторов, как проблема модифицируемой пространственной единицы (MAUP). Это особенно актуально для IDx1, где подсчет домов в радиусе 1 мили от свиноводческих ферм неизбежно вводит такие краевые эффекты. Хотя база данных DEQ предоставляет зарегистрированные данные о фермах для общественного пользования, разрешенное количество животных на ферме не точно отражает текущее или активное поголовье, так как фермерские операции проходят периоды оборота из-за сезонных колебаний, репродуктивных циклов, вспышек болезней животных или других изменений в управлении. Поэтому интерпретация IDx2 и IDx3 должна производиться с учетом этого обстоятельства. Кроме того, наличие переменной индекса, отражающей план управления навозом фермы в данных DEQ, дополнило бы доступный анализ данных. В целом, разработанные пространственные индексы упускают из виду вариации воздействия на индивидуальном уровне и сопутствующие факторы, такие как продолжительность и путь воздействия, включая вдыхание или проглатывание. Более точным подходом было бы проспективное исследование на индивидуальном уровне во времени и пространстве с учетом поведенческих факторов для оценки причинно-следственных последствий для здоровья веществ, связанных со свиноводческими фермами, как на индивидуальном, так и на районном уровнях (35–37).

При проведении комплексных исследований воздействия для установления зависимостей «доза-ответ» и оценки величины, частоты и продолжительности воздействия на человека агентов, связанных со свиноводческими фермами — путем прямых измерений, оценки сценариев или реконструкции — крайне важно следовать руководящим принципам Агентства по охране окружающей среды США (EPA) (29, 38, 39). Изучение проблем со здоровьем в сообществах, расположенных вблизи свиноводческих ферм, является сложной задачей, особенно в определении воздействия, которое включает учет близости, продолжительности, частоты, уязвимости населения и кумулятивных экологических последствий для сравнения. Более того, при разработке или использовании таких пространственных индексов в качестве показателей воздействия, приводящих к определенным последствиям для здоровья, мы также должны учитывать общие структурные факторы — такие как политический, финансовый и социальный статус, — которые вызывают неравенство в отношении здоровья. Понимание нюансов и соответствующее определение воздействия необходимо для решения этой многогранной проблемы, затрагивающей людей, животных и их общую среду обитания.

Крайне важно признать, что сообщества меньшинств, которые часто непропорционально сильно страдают от экологической несправедливости, не были преднамеренно выбраны животноводством или растениеводством (37, 40). Особенно для Северной Каролины проблема, неотделимая от исторического прошлого штата, привела к созданию ферм в этих районах, и поиск способов сбалансировать сельскохозяйственное наследие штата с императивом экологической справедливости требует многостороннего подхода. Для решения этих проблем правительства штатов и заинтересованные стороны имеют различные возможности для изучения, включая введение более строгих нормативов, ранжирование и мониторинг практик для всех факторов, способствующих экологическим проблемам (10, 20, 21, 41). Эти решения могут включать политические реформы, предлагающие стимулы для перехода от традиционных к устойчивым практикам, такие как налоговые льготы, субсидии и гранты, или введение экологических норм для обеспечения соблюдения устойчивых методов ведения сельского хозяйства. Одних нормативов недостаточно, чтобы побудить фермерские сообщества к дорогостоящим изменениям в своих объектах и планах утилизации отходов. Некоторые из этих изменений требуют значительных инвестиций в затраты, рабочую силу, время и технологии (42, 43). Животноводство как отрасль имеет свой собственный круг проблем, которые необходимо преодолеть, включая завозные болезни животных, пересекающие границы, влияние климата на здоровье животных, пагубные последствия эндемичных заболеваний и проблемы, связанные с привлечением сезонной рабочей силы (44). Фермерским сообществам требуются комплексные экономически эффективные и затратно-выгодные анализы перед внедрением любых изменений, и они часто нуждаются в технической помощи со стороны государственных и федеральных агентств для эффективного осуществления необходимых и устойчивых управленческих корректировок.

Экологическая ответственность играет ключевую роль в повышении благополучия как фермерских, так и соседних сообществ меньшинств. Это требует принятия подлинного подхода «Единое здоровье» (One Health), который собирает заинтересованные стороны из правительства, фермерской отрасли и сообществ для решения сложных задач оптимизации здоровья животных, человека и окружающей среды, одновременно продвигая устойчивое сельское хозяйство для удовлетворения потребностей страны в производстве продуктов питания и экономических потребностях. Тем временем мониторинг качества воздуха, воды и почвы имеет решающее значение для определения состояния окружающей среды и ее будущей траектории. Можно предложить создание буферных зон между фермами и жилыми районами или использование пространственных индексов для выявления переписных участков, требующих строгих протоколов мониторинга, чтобы помочь как фермерским сообществам, так и соседним жителям лучше понять текущую ситуацию и смягчить потенциальные последствия для здоровья и окружающей среды.

Оценка воздействия на основе местоположения, наряду с инициативами по решению проблем экологической справедливости и стратегиями по улучшению доступа к здоровому воздуху, устойчивой земле, чистой воде и лучшему климату, является многогранной и сложной задачей для всех заинтересованных сторон, правительств и политиков. Три новых пространственных индекса, количественно оценивающих воздействие свиноводства, представленные здесь, подчеркивают потенциал индексов, специфичных для конкретного воздействия, в продвижении как исследований в области здравоохранения, так и устойчивого сельского хозяйства. Однако процесс определения и измерения воздействия, особенно с такими факторами, как близость, продолжительность, частота, уязвимость и кумулятивные последствия, является сложным и трудным. Это исследование подчеркивает важность создания иерархической структуры для точной количественной оценки и сравнения воздействий на окружающую среду с учетом факторов, модифицирующих риск, и индивидуального уровня воздействия как в пространстве, так и во времени, прежде чем делать выводы о прямых рисках воздействия.

Крайне важно разработать иерархическую структуру для количественной оценки сравнительной величины различных воздействий на окружающую среду, используя индексы воздействия, специфичные для загрязнителей и адаптированные к местным реалиям, для получения детализированных знаний и поддержки обоснованного принятия решений в сельскохозяйственной практике.

Дополнительный материал к этой статье можно найти онлайн по адресу: https://www.frontiersin.org/articles/10.3389/fvets.2025.1552028/full#supplementary-material

1. ^https://www.nconemap.gov/; все ссылки проверены 20 июня 2023 г.

2. ^https://deq.nc.gov/

3. ^https://waterwatch.usgs.gov

Kanankege KST, Kandwal R and Perez AM (2025) Spatial indices quantifying exposure to swine farming in North Carolina. Front. Vet. Sci. 12:1552028. doi: 10.3389/fvets.2025.1552028

Перевод статьи «Spatial indices quantifying exposure to swine farming in North Carolina» авторов Kanankege KST, Kandwal R and Perez AM., оригинал доступен по ссылке. Лицензия: CC BY. Изменения: переведено на русский язык

Фото: Designed by Freepik