基于熵权-模糊分析法的农产品农药残留安全风险综合评价

承 海，邢家溧*，郑睿行，沈 坚，胡 陵，毛玲燕，徐晓蓉，周子焱，路静萍，赵思源

（1 宁波市食品检验检测研究院 浙江宁波315048 2 浙江方圆检测股份有限公司 杭州310016 3 宁波诺丁汉大学理工学院 浙江宁波315100）

近年来，“三聚氰胺毒奶粉”、“塑化剂”、“镉大米”、“粮食毒素污染超标”等食品安全事件对我国经济社会发展和国际形象造成了极大的负面影响，也让“餐桌安全”成为全社会日益关注的民生大事。我国政府高度重视食品安全，在国家科技战略规划中将食品安全列为公共安全和保障民生科技的重要内容，各级地方政府也在经济社会全面发展中积极推进食品安全体系的构建[1-3]。然而，随着食品生产经营活动和餐饮消费方式多样化、个性化、网络化、国际化的迅猛发展，物联网配送、互联网营销、海外代购等新业态、新模式层出不穷，食品安全风险态势日趋复杂，我国面临的食品安全压力与挑战仍然严峻[4-5]。因此，以综合提升食品安全监管效能为建设目标，科学探索食品安全风险分析模型，积极推进风险监测与预警关口有效前移，实现食品安全源头防控和主动预防的相关研究必将被重点关注[6]。

目前，发达国家和地区基于食品安全监管数据已构建较为成熟的食品污染物、食源性疾病等监测与预警信息系统，主要包括世界卫生组织国际食品安全当局网络（International Food Safety Authorities Network，INFOSAN）、全球环境监测系统/食品污染物监测与评估规划（Global Environment Monitoring System-Food Contamination Monitoring and Assessment Programmer，GEMS/Food）、欧盟食品与饲料快速预警系统（Rapid Alert System for Food and Feed，RASFF）及美国食源性疾病主动监测网络（Food Net）等[7-9]。我国在食品安全监督抽检和风险监测方面的基础建设也在稳步前行，“食品安全抽检公布结果查询系统”已实现线上公众服务。值得关注的是，与监测实践并存的海量抽检信息对于科学研究和解决食品安全现状与突出问题，综合提升风险评估预见性和安全监管针对性具有极为重要的信息价值。

长期以来，国内对食品安全风险分析的手段局限于数理统计、典型病例通报等方式[10]，这类基于单因素描述性统计的评价手段（如合格率分析、超标率分析等）综合分析效能弱，可用性和实用性有限，缺乏大数据模式下针对食品检测数据深度分析与应用的有效手段。基于数学模型的综合分析方法是当前食品安全风险综合评价研究的重点方向[11-12]。为充分利用大数据自身蕴含的真实性及代表性，克服主观赋权法在多指标评价体系应用中存在的偏差，本文以2017年8月至2019年7月间某市果蔬类农产品农药残留检测资料为研究对象，基于信息熵原理建立3 级定量评价指标体系，以对标准限量值及检测技术参数的客观认知，构建通用型5 级安全风险等级，采用模糊综合评价方法解析当前流通领域农产品农残安全风险特征，为我国农产品安全问题分析与风险预警提供理论依据，并为深度挖掘食品安全数据信息，探索构建食品安全监测和风险评估新模式提供参考。

1 材料与方法

1.1 数据来源及评价标准

连续收集2017年8月至2019年7月间某市流通领域果蔬类农产品农药残留检测资料。样品抽检依据国家食品安全抽检计划并遵循“双随机”原则，检测方法主要包括GB/T 20769-2008《水果和蔬菜中450 种农药及相关化学品残留量的测定液相色谱-串联质谱法》、GB 23200.8-2016《食品安全国家标准 水果和蔬菜中500 种农药及相关化学品残留量的测定 气相色谱-质谱法》、NY/T 761-2008《蔬菜和水果中有机磷、有机氯、拟除虫菊酯和氨基甲酸酯类农药多残留的测定》、SN/T 4039-2014《出口食品中萘乙酰胺、吡草醚、乙虫腈、氟虫腈农药残留量的测定方法 液相色谱-质谱/质谱法》等。各目标物检出限及定量限依据相应方法标准执行。

检测结果判定依据GB 2763-2016《食品安全国家标准 食品中农药最大残留限量》。

1.2 综合风险评价指标体系构建

建立与综合分析模型匹配的多级评价指标体系，在逐级分析的基础上，实现对繁杂原始数据的综合评估。本研究依据GB 2763-2016《食品安全国家标准 食品中农药最大残留限量》中果蔬及农药分类方法，以农残检测原值为定量分析基础，构建农产品农残风险3 层次综合评价指标体系（见图1）。

图1 食用农产品农药残留综合风险评价指标体系Fig.1 Index system for the safety evaluation of pesticide residue pollution of agricultural products

1.3 熵权计算

根据信息论原理，信息熵作为信息系统无序化（不确定性）的一种量化度量，可用离散随机事件的概率衡量各事件提供有效信息能力的强弱[13]。随机大样本抽检数据，其样本统计量是总体参数的优质表征，分析比对其所蕴含信息熵，可为多指标评价体系中各研究指标修订客观权重。

1）熵值计算 对于第3 级研究指标，m 类评价指标及相应n 个检测结果可构成样本矩阵X=（xij）n×m，其中i=1，2，3，…，n，j=1，2，3，…，m，熵值计算过程如下：

将第j 类指标中各检测值（xij）归一化处理：

式中，Vij——第j 类指标第i 个检测值经归一化处理后的计算结果；xj（max）——第j 类指标n 个检测结果最大值；xj（min）——第j 类指标n 个检测结果最小值。

根据熵值定义，采用式（2）计算第j 类指标熵值（ej）：

其中，Pij为第j 类指标第i 个评价值所占比重，由式（3）求得：

同法计算其余各指标熵值。

2）熵权计算第j 类研究指标的熵权（ωj）由式（4）计算，且满足

3）多层次指标熵权计算 可加性是熵的重要特征之一[13]，为熵权法拓展应用于多层次评价指标体系提供了理论依据。在k 类2 级指标和m类3 级指标所构建评价指标体系中，第l 类2 级指标的效用值（Dl）为其下m 类3 级指标信息效用值（dj）之和，进而通过熵权法可计算其权重（ωl）。采用迭代计算可推导1 级指标熵权。计算方法见式（5）～（6），且满足

其中：

1.4 风险模糊综合评价

风险是一个相对模糊的概念，其本质具有概率属性。以单一限量标准（如食品安全国家标准MRL）对食品质量进行绝对评判，在综合评判食品安全风险中具有一定局限性。模糊综合评价法基于模糊数学的隶属度理论[14-15]，将对研究对象的定性鉴别转化为定量分级评价，应用于食品安全风险分析，具有丰富的科学意义及实用价值[16]。

1.4.1 评语集构建 评语集（V）是研究因素全部评价结果的集合。目前，对于食品安全评价尚无统一的具体分级标准。本文以农产品农残为评价因素，基于对食品安全风险认知及应用需求[17]，采用5 等级模式建立农产品农残安全风险评语集，即V={微风险，低风险，中等风险，高风险，超高风险}（见表1）。

表1 农产品农残安全风险等级划分Table 1 Grade classification for safety evaluation of pesticide residue pollution of agricultural products

将农残国标最高限量标准（MRL）设为“高风险”等级代表值。MRL 既是源于对风险因子健康危害水平的全面评估，又是判定食品质量安全及上市许可的通用标准。在食品质量检测实践中，“未检出”表示目标物浓度低于检测方法检出限（LOD），从安全风险角度考虑，此浓度水平与“微风险”等价。综合考虑“未检出”结果在定量分析中的赋值方法[18]以及标准检测方法中相关参数【信噪比（S/N）、检出限（LOD）及定量限（LOQ）】之间的定量比例关系，本研究将检测结果“未检出”作为“微风险”的代表值，赋值为0.25MRL。在“高风险”和“无风险”两级指标之间，采用等距法设中间2 个等级并赋值，即低风险和中等风险。为突出农残超标程度对安全风险的影响差异，设置2 倍MRL 及以上检测结果为超高风险。

1.4.2 隶属函数构建 农药残留对人体健康存在直接或间接危害，属于负效应类指标（即检测值越小越优），适用降半梯分布函数。设dq 为各评价等级代表值，q={1，2，3，4，5}，则对于第j 类研究指标第i 个分析值（xij），其隶属度计算方法为（式7～9）：

当q=1 时，

当q=2，3，4 时，

当q=5 时，

1.4.3 模糊综合风险评价

两组患者均采取相应的手术方式进行治疗，观察组和对照组分别配合给予手术室围手术期护理和常规护理，观察组的护理措施如下。

1）构建模糊子集 对各指标检测原值去量纲化处理（式10）：

式中，xij——无量纲的分析值；Tij——检测原值；MRL——研究因素相应的限量标准。

将xij代入相应隶属函数式计算，获得检测样本对应于各评价等级的隶属度，构成第j 类研究指标的模糊子集Rj。

对各等级隶属度取平均，即获得该风险因子复合隶属度向量Rjq。

式中，q={1，2，3，4，5}。

2）综合风险评价值计算 以m 类农残指标风险复合隶属度向量构建模糊矩阵R，R=（Rjq）m×5，其中，j={1，2，3，…，m}，q={1，2，3，4，5}。应用熵权对模糊矩阵进行合成计算，即可获得各评价因素模糊综合评价矢量（B），按式（13）计算：

式中，ωm——各指标熵权；◦——模糊合成算子。作为模糊数学常用的合成算子之一，积-和算子M（·，⊕）既突出权重，又可兼顾各类指标，综合效能强，信息损失小，故本研究选取此算子用于模糊矩阵合成运算。

式中，sq——各评价等级秩。

对以上算法进行迭代，可逐级构建各级评价指标相应的模糊子集并计算综合评价指数。

上述运算过程通过Matlab 2019a 实现。

2 结果及讨论

2.1 基本情况

蔬菜和水果均属植物性农产品，是人体所需碳水化合物、维生素、矿物质等重要营养素的主要食品来源，在我国居民日常膳食消费构成中占据重要地位[19]，同时在农药残留等方面也具有较高的安全风险，是我国食品安全监督抽检和风险监测的重点对象之一。本文收集2017年8月至2019年7月间农产品农残抽检信息共计3 983批次（36 510 项次），其中蔬菜样本抽检3 846 批次（35 152 项次），包括叶菜、鳞茎类、芸薹属类、茄果类等12 类72 种；水果抽检138 批次（1 398 项次），包括仁果、核果、柑橘、浆果、瓜类、热带亚热带水果等6 类21 种。受检农残以杀虫（螨）剂、杀菌剂和除草剂等为主，包括有机磷类、氨基甲酸酯类、有机氯类、拟除虫菊酯类、苯并咪唑类等共31类108 种。抽检样本及检测项目覆盖了当前市场供应的主要农产品及种植业常用农药品类（见表2）。

表2 农产品安全监督抽检信息原始数据表Table 2 Raw data of agriculture products safety supervision and sampling

2.2 指标权重

权重设置是构建多指标体系，开展定量综合评价的基础。食品安全监督抽检大数据具有真实性、可靠性和代表性，其中信息熵的差异客观反映了各评价指标对于总体评价值的贡献程度。以专业视角评价，若研究指标熵越小，表明该指标内部数据变异性越大，提示该指标分析值偏离安全限量范围的可能性越大，从而对评价总体风险的真实影响力更强。通过计算获得各级评价指标熵权如表3所示。

表3 食用农产品农残安全综合风险评价指标体系权重表Table 3 Weight of the evaluation-indices for safety evaluation of agricultural products

2.3 农产品农残安全风险综合评价

基于模糊模型的分层评价方法，既可以从局部出发，对所关注的子指标进行重点分析，也能够以全局视角，对研究对象整体形成综合评价。

2.3.1 子指标风险评价 叶菜是蔬菜消费中最常见的品种之一，也是食品安全监督抽检的重点品种，其品质现状对评价蔬菜总体安全性具有重要意义。本研究中，叶菜类蔬菜共抽检2 148 批次，农残检测19 542 项次，农残总检出率为1.74%，合格率为99.12%。由表4可知，叶菜中有机磷类、氨基甲酸酯类、抗生素类及烟碱类农残合格率分别为99.8%，100.0%，100.0%，97.6%，与叶菜总体均值相近；二甲酰亚胺、苯并咪唑类及其它农药（包括三唑类农药等）在叶菜类检出率和超标率分别为13.4%和13.4%、14.84%和14.84%、14.4%和10.5%，显著高于叶菜农残平均水平（P＜0.01，x2检验）。采用本文建立综合评价法分析，结果可见，叶菜中有机磷类、氨基甲酸酯类、抗生素类及烟碱类农药综合风险评价值分别为0.01，0，0，0.14，均属于Ⅰ级微风险水平；包括三唑类在内的其它农药风险指数虽然隶属于Ⅰ级微风险水平，但风险值相对较高（0.42）；二甲酰亚胺类及苯并咪唑类农药风险指数显著高于上述4 种农残相应指数，隶属Ⅱ级低风险水平。

表4 叶用蔬菜农药残留安全风险分析Table 4 Safety index evaluation of pesticide residue pollution of leafy vegetables

在其它研究对象中，鳞茎类蔬菜二甲酰亚胺类农药综合风险评价值为0.65，隶属Ⅱ级低风险水平，其余品种的研究对象均属Ⅰ级微风险水平（具体分析结果未列出）。

以检测数据分布特征解析以上分析结果，叶菜中虽然检出农药品类较多，但有机磷类、氨基甲酸酯类等农药残留量较低，总体超标率不高，危害程度有限，这与Ⅰ级（微风险）综合评价结果相符。二甲酰亚胺类（以腐霉利为主）及苯并咪唑类（以多菌灵为主）的农药虽然超标率较高，但主要存在问题是该类农药在叶菜类和鳞茎类蔬菜中属超范围使用，总体残留浓度低，高残留样本所占比例较小，从健康风险角度分析，实际危害程度有限[20-22]，风险程度匹配Ⅱ级（低风险）水平。由此可见，单因素率分析法与模糊综合评价法在评价结果上存在一致性趋势，而模糊评价以基于国标限量标准的等级隶属判断为模式，将危害因子超标程度对风险高低的影响力融入综合评价结果中，强化了该方法体系的综合分析能力。

值得注意的是，瓜类蔬菜虽然在蔬菜各评价指标中权重较低（0.100），但综合评价结果具有相对较高的风险度（0.45）。对样品的实际检测值进一步分析，其较高风险度主要是由于有机硫类农药（克螨特）和苯甲酰脲类农药（氟虫脲）在瓜类蔬菜中检出率和超标率相对较高所致。瓜类蔬菜在蔬菜消费中比例较低，因此在食品安全监督抽检计划中所占比例也相对较低，而且这2 类农药在农业生产中应用较少，缺乏相应的基础性监测资料，包括三唑类在内的其它农药在叶菜中呈现较高的综合风险评价值，亦是基于此原因。本研究结果提示，在制定监督抽检计划中可适当增加重点蔬菜相关农残的抽检比例，进一步提高样本覆盖面和代表性，以利于切实掌握和防控该类产品安全风险。这亦是综合评价方法可高效服务于监管实践的主要表现之一。

2.3.2 农产品总体风险评价 从总体角度出发，以果蔬产品为代表的农产品农残总检出率1.74%，总超标率0.68%，其中蔬菜和水果农残检出率及超标率分别为1.61%和0.67%、5.30%和1.03%。此结果与我国农产品质量安全例行监测（风险监测）数据水平相近[23]。运用模糊模型进行综合评价可见（表5），农产品整体以及果、蔬类两大类产品农残风险均较低（I 级微风险水平），表明就农残问题而言，当前流通领域市售农产品整体质量稳定、良好。

表5 食用农产品农药残留安全风险分析Table 5 Safety index evaluation of pesticide residue pollution of agricultural products

农业生产具有季节性和时令性特点，以时间分布特征进一步分析各指标趋势，对于全面了解食品安全风险变化规律并进一步预测发展态势具有现实意义。

由图2所示，近2年农产品农残检出率和超标率总体维持在较低水平。其中，农残检出率呈现一定的季节波动，即冬季低，春、夏、秋季较高，与农业生产周期相符，而农残超标率则呈波浪状上升趋势。同综合风险评价值对比可见，曲线在变化趋势上既表现出一定的相符性，又具有各自的特点。与超标率逐步上升趋势不同的是，综合风险评价值表现出在一定范围内（0.1～0.2）的稳定波动。此结果进一步表明，基于模糊数学的综合风险评估，不仅在一定程度上表征单因素分析指标（检出率和超标率）的变化规律，同时对检测数据变异程度的分级定量评估，又客观反映了该模型所具有的综合评价效能。因此，较单因素评价方法而言，综合评价模型更加符合对“风险”概念的认知和应用。

图2 农产品农残综合风险评价值时间分布特征Fig.2 Distribution characteristic of safety evaluation of agricultural products

3 结论

本文收集了2017年8月至2019年7月间农产品农残抽检数据信息，依据研究对象及风险因子分类标准建立3 级评价指标体系，并以熵权法赋予各级研究指标客观权重，采用降半梯隶属函数及加权平均算法计算和分析农产品农药残留安全风险综合评价指数。通过模型构建及数据输出可见，当前市售农产品总体质量良好，农残安全风险水平稳定，主要蔬菜、水果品种农残综合评价均为微风险水平。所分析农药中，叶菜类和鳞茎类蔬菜二甲酰亚胺类及苯并咪唑类农药残留呈现低风险水平，值得进一步关注。基于熵权-模糊数学原理，本文对大样本监测数据进行梳理和挖掘，建立了农产品农残安全风险综合评价方法。与传统单因素分析方法相比，该方法具有更高的综合分析能力和更优的客观评价能力。本研究的深入和拓展，将为大数据背景下探索食品安全风险识别和评价新路径，助力推进“智慧监管”和“全程监管”模式转变，全面提升食品安全监管效能提供研究基础和科学依据。