들깻잎에서 Triazole계 살균제의 생물학적 반감기와 물리화학적 특성과의 상관관계 Correlation between physicochemical properties and biological half-life of triazole fungicides in perilla leaf원문보기
들깻잎에 살포된 triazole계 살균제 6종에 대하여 생물학적 반감기를 산출하고 분해 및 소실 속도를 확인하였으며, 통계분석으로 생물학적 반감기와 농약의 물리화학적 특성간의 상관관계를 확인하였다. 확립된 분석법으로 6종 농약의 회수율 시험 결과 84.8-104.9%로 잔류농약분석법 기준을 만족하였다. 들깻잎에 살포한 농약 6종의 생물학적 반감기는 first-order kinetics model으로 산출하였으며, 그 결과 6.4-15.1일로 나타났다. 산출된 생물학적 반감기와 6종의 농약의 물리화학적 특성을 주성분 분석으로 상관성을 확인하였을 때, pKa, Log P 및 생물학적 반감기가 PC1에 영향을 받아 상관성이 있는 것으로 나타났다. Spearman rank-order correlation으로 생물학적 반감기와 물리화학적 특성간의 상관계수를 산출하였을 때, 생물학적 반감기와 pKa는 R2 = -0.928, p <0.01로 나타나, 생물학적 반감기는 pKa와 상관성이 있는 것으로 나타났다.
들깻잎에 살포된 triazole계 살균제 6종에 대하여 생물학적 반감기를 산출하고 분해 및 소실 속도를 확인하였으며, 통계분석으로 생물학적 반감기와 농약의 물리화학적 특성간의 상관관계를 확인하였다. 확립된 분석법으로 6종 농약의 회수율 시험 결과 84.8-104.9%로 잔류농약분석법 기준을 만족하였다. 들깻잎에 살포한 농약 6종의 생물학적 반감기는 first-order kinetics model으로 산출하였으며, 그 결과 6.4-15.1일로 나타났다. 산출된 생물학적 반감기와 6종의 농약의 물리화학적 특성을 주성분 분석으로 상관성을 확인하였을 때, pKa, Log P 및 생물학적 반감기가 PC1에 영향을 받아 상관성이 있는 것으로 나타났다. Spearman rank-order correlation으로 생물학적 반감기와 물리화학적 특성간의 상관계수를 산출하였을 때, 생물학적 반감기와 pKa는 R2 = -0.928, p <0.01로 나타나, 생물학적 반감기는 pKa와 상관성이 있는 것으로 나타났다.
The biological half-life of pesticides applied on crops is the key indicator for ensuring the safety of agricultural products. The biological half-life is affected by the several factors like growing conditions of the crop, climate, application method, and physicochemical properties of pesticides. I...
The biological half-life of pesticides applied on crops is the key indicator for ensuring the safety of agricultural products. The biological half-life is affected by the several factors like growing conditions of the crop, climate, application method, and physicochemical properties of pesticides. In this study, the biological half-life was calculated and the degradation rates of six triazole fungicides sprayed on perilla leaves were evaluated. Moreover, the statistical analysis confirmed the correlation between the biological half-life and physicochemical properties of six triazole pesticides. The recoveries of the six pesticides were between 84.8-104.9%, which satisfied the residual pesticide analysis criteria. The biological half-life of six pesticides sprayed on perilla leaves, calculated using the first-order kinetics model, ranged between 6.4-15.1 days. When the biological half-life and the physicochemical properties were correlated using the principal component analysis: pKa and Log P, the biological half-life was found to be affected by PC1. The correlation coefficient between biological half-life and physicochemical properties (pKa), calculated by Spearman rank-order correlation, was R2 = -0.928 (p <0.01). Biological half-life has been shown to correlate with pKa. In conclusion, it can be used as a database for the relationship between biological half-life and physicochemical properties and will contribute to ensure safe supply of agricultural products.
The biological half-life of pesticides applied on crops is the key indicator for ensuring the safety of agricultural products. The biological half-life is affected by the several factors like growing conditions of the crop, climate, application method, and physicochemical properties of pesticides. In this study, the biological half-life was calculated and the degradation rates of six triazole fungicides sprayed on perilla leaves were evaluated. Moreover, the statistical analysis confirmed the correlation between the biological half-life and physicochemical properties of six triazole pesticides. The recoveries of the six pesticides were between 84.8-104.9%, which satisfied the residual pesticide analysis criteria. The biological half-life of six pesticides sprayed on perilla leaves, calculated using the first-order kinetics model, ranged between 6.4-15.1 days. When the biological half-life and the physicochemical properties were correlated using the principal component analysis: pKa and Log P, the biological half-life was found to be affected by PC1. The correlation coefficient between biological half-life and physicochemical properties (pKa), calculated by Spearman rank-order correlation, was R2 = -0.928 (p <0.01). Biological half-life has been shown to correlate with pKa. In conclusion, it can be used as a database for the relationship between biological half-life and physicochemical properties and will contribute to ensure safe supply of agricultural products.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 들깻잎에 살포된 triazole계 농약 6종에 대하여 잔류량의 경시적인 변화를 확인하고 생물학적 반감기를 산출하여 분해 및 소실 속도를 확인하였다. 또한 생물학적 반감기에 영향을 미치는 물리화학적 특성을 확인하고자, 통계분석으로 각 특성별 비중을 확인하여 생물학적 반감기와 농약의 물리화학적 특성간의 상관관계를 확인하였다.
상기의 식으로 산출된 들깻잎 중 농약의 생물학적 반감기와 각 농약의 물리화학적 특성과의 관계를 확인하고자 통계분석을 하였다. 통계분석은 SPSS 18.
제안 방법
총 8개의 변수를 설정하여 평가하였으며, 그 중 종속변수는 초기잔류량(initial concentration, IC) 및 농약의 생물학적 반감기(half of residue level, RL50), 독립변수는 5항목의 물리화학적 특성 및 농약 살포액의 약량(active ingredient, AI)으로 총 7개의 변수를 설정하였다. 5항목의 물리 화학적 특성은 분자량(molecular weight, MW), Log P, 물에 대한 용해도(solubility in water, SW), 증기압(vapor pressure, PV), 및 산해리상수 지수(dissociation constant, pKa)로 설정하였으며, 그 값은 University of Hertfordshire의 pesticide properties database (PPDB)의 자료를 인용하여 Table 1과 같이 확인되었다.
Triazole계 농약 6종의 물리화학적 특성과 RL50의 상관성을 확인하기 위하여, 주성분 분석(principal components analysis, PCA)을 하였다. PCA는 분포되어 있는 데이터들의 주성분(principal component)을 찾아주는 통계적 기법 중 하나로써, 여러 개의 많은 변수들을 몇 개의 설명력이 높은 변수로 축약하여 서로 상관되어 변수들 간의 관계를 확인하는데 시각적으로 파악하는 방법이다[28,29].
구획 및 배치는 1.4 m×7.2 m 크기로 구획하여 1 m의 완충구를 두고 3반복으로 배치하였으며 재식 밀도는 7 cm×13 cm로 파종하여 재배하였다.
이에 따라 농약의 분해 및 소실에 영향을 미치는 물리화학적 특성 평가가 필요하였다. 따라서 다양한 작물 중 본 연구에 적절한 작물을 선택하기 위해 시설재배에서 생육하여 기후와 같은 환경조건의 영향을 적게 받고, 최종 약제 살포 후 연속수확을 하여 농약의 경시적인 변화를 고려할 수 있는 들깻잎을 선정하였다. 또한 농약은 작물에 살포시 작물 표면으로부터 침투하고 작물 내에서 이행성이 있어 다양한 작용기작을 가지고, 치료효과가 좋아 세계적으로 많이 사용되는 살균제인 triazole계 농약을 선정하였다[12-16].
PLCC같은 경우 두 변수 간에 선형성이 얼마나 강한지를 측정하기 위함이고, SROCC는 두 변수간의 단조성을 평가하기 위해 사용된다. 따라서, RL50과 농약의 물리화학적 특성상 선형성보다는 단조성에 적합하여 Table 6과 같이 SROCC를 이용하여 상관계수를 산출하였다. 또한, RL50과 변수간의 관계를 시각적으로 확인하기 위하여 Fig.
따라서 본 연구에서는 들깻잎에 살포된 triazole계 농약 6종에 대하여 잔류량의 경시적인 변화를 확인하고 생물학적 반감기를 산출하여 분해 및 소실 속도를 확인하였다. 또한 생물학적 반감기에 영향을 미치는 물리화학적 특성을 확인하고자, 통계분석으로 각 특성별 비중을 확인하여 생물학적 반감기와 농약의 물리화학적 특성간의 상관관계를 확인하였다.
사이의 상관관계가 발견되었지만, 통계적으로 유의한 수준의 상관성을 설명하기 위해 이변량 상관분석을 실시하였다. 본 연구에서 사용된 농약은 6종이기 때문에 샘플수가 적어 통계적 오류가 일어나기 쉽기 때문에, 상관분석을 하기 전 각 변수값의 정규성 검정을 실시하여 모수 통계에 적합한 데이터인지 검증하였다. 정규성 검정에는 작은 샘플 수에 적용하는 Shapiro-wilk 검정을 실시하였으며, 그 결과 8항목의 변수 중 7항목인 AI, MW, Log P, SW , pKa, RL50 및 IC가 모두 유의확률(P) ≥0.
약제살포는 fluqinconazole 1,000배, hexaconazole 5,000배, metconazole 3,000배, myclobutanil 1,500배, tebuconazole 2,000배 및 tetraconazole 1,000배로 각각 희석하여 200L/10a의 살포량으로 배부식 분무기를 사용하여 살포하였다. 살포 시기 및 횟수는 7일 간격으로 3회 처리하였으며, 수확 시기는 최종 약제 살포 2시간 후 수확한 0일차 시료를 포함하여, 1, 3, 5 및 7일차로 연속 수확하였다.
상기에 기술한 6종의 잔류농약분석법의 신뢰성을 위해 분석법을 검증하였다. 정량분석을 위해 표준검량선을 작성하였으며, 각 농약의 직선성의 상관계수(R2)는 0.
상기의 5종 농약 중 fluquinconazole, metconazole 및 tebuconazole은 농축 직후 잔사를 acetonitrile 2 및 4 mL에 재용해한 뒤 20.0 μL씩 HPLC-UVD에 주입하여 Table 2와 같은 조건으로 분석하였다.
시험기간은 2015년 4월부터 2018년 4월까지 4년에 걸쳐 수행하였으며, hexaconazole, metconazole, myclobutanil 및 fluquinconazole (2016년), tetraconazole (2017년), tebuconazole (2018년)을 경엽살포 하였다. 약제살포는 fluqinconazole 1,000배, hexaconazole 5,000배, metconazole 3,000배, myclobutanil 1,500배, tebuconazole 2,000배 및 tetraconazole 1,000배로 각각 희석하여 200L/10a의 살포량으로 배부식 분무기를 사용하여 살포하였다. 살포 시기 및 횟수는 7일 간격으로 3회 처리하였으며, 수확 시기는 최종 약제 살포 2시간 후 수확한 0일차 시료를 포함하여, 1, 3, 5 및 7일차로 연속 수확하였다.
, Chicago, IL, USA) 통계프로그램을 이용하여, 주성분 분석 및 이변량 상관계수로 통계처리 하였다. 총 8개의 변수를 설정하여 평가하였으며, 그 중 종속변수는 초기잔류량(initial concentration, IC) 및 농약의 생물학적 반감기(half of residue level, RL50), 독립변수는 5항목의 물리화학적 특성 및 농약 살포액의 약량(active ingredient, AI)으로 총 7개의 변수를 설정하였다. 5항목의 물리 화학적 특성은 분자량(molecular weight, MW), Log P, 물에 대한 용해도(solubility in water, SW), 증기압(vapor pressure, PV), 및 산해리상수 지수(dissociation constant, pKa)로 설정하였으며, 그 값은 University of Hertfordshire의 pesticide properties database (PPDB)의 자료를 인용하여 Table 1과 같이 확인되었다.
0 μL씩 HPLC-UVD에 주입하여 Table 2와 같은 조건으로 분석하였다. 해당 분석 조건으로 나타난 chromatogram상의 peak area를 표준검량선과 비교하여 잔류량을 산출하였다.
대상 데이터
6종의 농약 중 5종(tebuconazole, fluquinconazole, metconazole, hexaconazole 및 myclobutanil)의 정제과정은 glass column (16 mm, I.D.)에 활성화 시킨 10 g의 florisil과 sodium sulfate anhydrous (1 cm 높이)를 hexane으로 습식 충전한 것을 사용하였다. Tebuconazole, fluquinconazole 및 metconazole의 경우 100 mL hexane/acetone (90/10, v/v)으로 1차 용출시켜 그 용출액을 흘려버린 후, 70 mL hexane/acetone (80/20, v/v)으로 2차 용출시켜 그 용출액을 분취하여 감압농축 하였으며, hexaconazole 시료의 정제는 90 mL hexane/ethyl acetate (70/30, v/v)으로 1차 용출시켜 그 용출액을 흘려버린 후, 80 mL hexane/ethyl acetate (50/50, v/v)으로 2차 용출시켜 그 용출액을 분취하여 농축하였다.
Tetraconazole 시료의 경우 florisil SPE cartridge (1 g, 6 mL)를 정제에 사용하였으며, SPE cartridge에 10 mL의 hexane으로 씻어 내린 후 추출액을 loading하였다. 시료의 정제는 10 mL hexane으로 1차 용출시켜 그 용출액을 흘려버린 후, 10 mL hexane/acetone (8/2, v/v)으로 2차 용출시켜 그 용출액을 분취하여 감압농축 하였다.
또한 농약은 작물에 살포시 작물 표면으로부터 침투하고 작물 내에서 이행성이 있어 다양한 작용기작을 가지고, 치료효과가 좋아 세계적으로 많이 사용되는 살균제인 triazole계 농약을 선정하였다[12-16]. Triazole계 농약 중 서로 다른 물리화학적 특성으로 농약 잔류량 차이를 야기할 수 있는 fluquinconazole을 포함한 6종을 선정하였다.
들깻잎의 시험 포장은 경상남도 밀양시 상남면에 위치한 비닐하우스 재배 포장을 임대하여 실험하였으며, 품종은 남천이었다. 구획 및 배치는 1.
따라서 다양한 작물 중 본 연구에 적절한 작물을 선택하기 위해 시설재배에서 생육하여 기후와 같은 환경조건의 영향을 적게 받고, 최종 약제 살포 후 연속수확을 하여 농약의 경시적인 변화를 고려할 수 있는 들깻잎을 선정하였다. 또한 농약은 작물에 살포시 작물 표면으로부터 침투하고 작물 내에서 이행성이 있어 다양한 작용기작을 가지고, 치료효과가 좋아 세계적으로 많이 사용되는 살균제인 triazole계 농약을 선정하였다[12-16]. Triazole계 농약 중 서로 다른 물리화학적 특성으로 농약 잔류량 차이를 야기할 수 있는 fluquinconazole을 포함한 6종을 선정하였다.
농약 잔류분석에 사용된 용매 acetone, acetonitrile, dichloromethane, n-hexane 및 water는 Burdick & Jackson(Muskegon, MI, USA)사의 제품이었다. 시료의 정제에 사용된 흡착제 florisil은 Sigma-Aldrich Chemical Co. (MI, USA)사의 60-100 mesh 제품을 120 ℃의 건조기에서 8시간 이상 활성화 시킨 후 사용하였다.
2 m 크기로 구획하여 1 m의 완충구를 두고 3반복으로 배치하였으며 재식 밀도는 7 cm×13 cm로 파종하여 재배하였다. 시험기간은 2015년 4월부터 2018년 4월까지 4년에 걸쳐 수행하였으며, hexaconazole, metconazole, myclobutanil 및 fluquinconazole (2016년), tetraconazole (2017년), tebuconazole (2018년)을 경엽살포 하였다. 약제살포는 fluqinconazole 1,000배, hexaconazole 5,000배, metconazole 3,000배, myclobutanil 1,500배, tebuconazole 2,000배 및 tetraconazole 1,000배로 각각 희석하여 200L/10a의 살포량으로 배부식 분무기를 사용하여 살포하였다.
농약 및 시약
시험에 사용된 triazole계 살균제 6종 fluqinconazole, hexaconazole, metconazole, myclobutanil, tebuconazole 및 tetraconazole 표준품의 순도는 98.7-99.0%로 Dr. Ehrenstorfer GmbH (Augsbug, Germeny)사의 것을 구매하여 사용하였다. 포장시험 중 들깻잎에 살포한 농약 제품은 파리사드(Fluquinconazole 10% SC, Bayer Crop Science, Seoul, Korea), 한빛(Hexaconazole 5% SC, 경농, Seoul, Korea), 살림꾼(Metconazole 20% SC, 동방아그로, Seoul, Korea), 시스텐(Myclobutanil 6% WP, 경농, Seoul, Korea), 호리쿠어(Tebuconazole 25% EC, 팜한농, Seoul, Korea), 및 에머넌트(Tetraconazole 12.
데이터처리
PCA에서 pKa, Log P 및 MW가 RL50 사이의 상관관계가 발견되었지만, 통계적으로 유의한 수준의 상관성을 설명하기 위해 이변량 상관분석을 실시하였다. 본 연구에서 사용된 농약은 6종이기 때문에 샘플수가 적어 통계적 오류가 일어나기 쉽기 때문에, 상관분석을 하기 전 각 변수값의 정규성 검정을 실시하여 모수 통계에 적합한 데이터인지 검증하였다.
상기의 식으로 산출된 들깻잎 중 농약의 생물학적 반감기와 각 농약의 물리화학적 특성과의 관계를 확인하고자 통계분석을 하였다. 통계분석은 SPSS 18.0 ver (SPSS Inc., Chicago, IL, USA) 통계프로그램을 이용하여, 주성분 분석 및 이변량 상관계수로 통계처리 하였다. 총 8개의 변수를 설정하여 평가하였으며, 그 중 종속변수는 초기잔류량(initial concentration, IC) 및 농약의 생물학적 반감기(half of residue level, RL50), 독립변수는 5항목의 물리화학적 특성 및 농약 살포액의 약량(active ingredient, AI)으로 총 7개의 변수를 설정하였다.
이론/모형
들깻잎 중 농약 6종의 생물학적 반감기(T)는 first-order kinetics model을 적용하여 아래의 식에 따라 산출하였다.
성능/효과
4일로 나타났다. 6종 농약의 RL50는 fluquinconazole 12.2일, hexaconazole 7.4일, metconazole 6.9일, myclobutanil 8.2일, tebuconazole 6.4일 및 tetraconazole 15.1일로 나타나, RL50가 가장 긴 농약은 tetraconazole이었으며, tebuconazole이 가장 짧았다. Tetraconazole과 tebuconazole은 살포액의 약량이 0.
Triazole계 농약 6종에 대한 농약의 잔류량은 Table 4와 같이 나타났다. Fluquinconazole의 초기잔류량(0일차)은 평균 23.55 mg/kg으로 나타났으며, 7일 후 평균 15.30 mg/kg이였다. Hexaconazole은 0일차 1.
Hexaconazole, metconazole 및 tebuconazole의 최종 약제 살포 후 초기 잔류량 대비 7일차 잔류량의 감소율은 각 52.3, 55.7 및 55.5%로 나머지 4종에 비해 높았다. Myclobutanil은 48.
30 mg/kg이였다. Hexaconazole은 0일차 1.11 mg/kg에서 7일차 0.53 mg/kg, metconazole은 0일차 5.69 mg/kg에서 7일차 2.52 mg/kg, myclobutanil은 0일차 5.70 mg/kg에서 7일차 2.96 mg/kg, tebuconazole은 0일차 7.13 mg/kg에서 7일차 3.17 mg/kg, tetraconazole은 0일차 11.86 mg/kg에서 7일차 8.28 mg/kg로 나타나 최종 약제 살포 후 시간이 지날수록 점차 감소하는 경향이 나타났다.
5%로 나머지 4종에 비해 높았다. Myclobutanil은 48.1% 감소하였으며, fluquinconazole 및 tetraconazole은 각 35.0 및 30.2%의 감소율을 보였다. Triazole계 농약에서 각 성분에 따라 감소율이 다른 것은 물리화학적 특성에 기반되는 것이라 판단된다.
를 Table 5와 같이 산출하였다. 각 농약의 감소상수(k)는 fluquinconazole 0.0566, hexaconazole 0.0939, metconazole 0.1003, myclobutanil 0.0848, tebuconazole 0.1088 및 tetraconazole 0.0459로 나타났으며, first-order kinetics model의 회귀식 상관계수(R2)는 0.8357-0.9626으로 나타나 통계학적 유의성이 있었다. 감소상수는 농약의 소실 및 분해 속도를 나타내는 값으로 작을수록 분해 및 소실 속도가 느리다는 것을 의미한다[23].
그 결과 RL50과 pKa의 상관계수가 -0.928로 매우 높은 음의 상관관계가 나타났으며, p <0.01로 유의확률이 높았다.
4일로 감소속도가 가장 빠른 tebuconazole은 사용된 농약의 제형이 EC이며 SW는 36 mg/kg이였다. 두번째로 감소속도가 빠른 6.9일의 RL50인 metconazole은 제형이 SC이며 SW는 30.4 mg/kg으로 나타나 농약의 제형과 SW가 RL50에 영향을 주는 요인이라고 판단하기는 어려웠다. 따라서 전체적인 결과를 봤을 때 각 농약의 제형과 SW는 RL50에 영향을 미치는 것으로 단정 짓기는 어렵기 때문에, 그 외 물리화학적 특성을 고려한 복합적인 평가가 필요한 것으로 보인다.
들깻잎에 최종 약제 살포 후 0, 1, 3, 5 및 7일차에 수확을 하여 농약의 잔류량의 감소율을 확인 하였다. Triazole계 농약 6종에 대한 농약의 잔류량은 Table 4와 같이 나타났다.
반면에 Rosendahl 등[25]의 보고에 따르면 휘발이 잘되는 조건인 열대 기후에서 서식하는 열대식물에 살충제 bifenthrin외 4종을 살포하였을 때, 각 농약의 PV와 RL50은 직접적인 상관성이 적으며 농약의 다양한 물리화학적 특성이 RL50에 영향을 미칠 것이라고 보고하여, 본 결과와 부합하는 것으로 나타났다. 따라서 triazole계 농약 6종의 PV와 RL50를 비교 하였을 때 RL50과 상관성이 적은 것으로 보여, 들깻잎의 생육환경 및 각 농약의 물리화학적 특성이 잔류농약 반감기에 많은 영향을 미쳤을 것이라 판단된다[26].
은 tebuconazole < metconazole < hexaconazole < myclobutanil < fluquinconazole < tetraconazole 순으로 반감기가 길어진다. 따라서, pKa가 낮을수록 침투성이 높아져 작물체 내에 오랫동안 잔류함으로써 반감기 높아지는 결과가 도출되며, Table 6 및 Fig. 2와 같이 RL50과 pKa는 음의상관 관계가 있는 것으로 판단된다.
11 mg/kg으로 가장 낮았다. 본 실험에서는 안전사용 기준에 따라 살포하였기 때문에, 각 농약 별 잔류량이 다른 것으로 나타났다. Table 4에 제시한 바와 같이 실제 농약 살포액의 약량을 고려하였을 때, fluquinconazole은 hexaconazole에 비해 이론적으로 10배 더 많은 양이 살포되었다.
본 연구에서 도출된 각 농약의 감소상수와 반감지수를 이용하여 RL50를 산출하였을 때, 들깻잎 중 농약의 평균 반감기는 9.4일로 나타났다. 6종 농약의 RL50는 fluquinconazole 12.
또한, 농약의 제형도 수화제보다 유제가 부착량이 높고 작물 표면의 침투성이 크기 때문에 환경적 요인에 소실 가능성 작은 것으로 알려져 있다. 본 연구에서는 SW가 156.6 mg/kg으로 가장 큰 tetraconazole이 RL50가 가장 길어 일반적인 내용과 상반된 것으로 나타났다. 반면에 1.
04 mg/kg이였으며, 회수율 시험의 농도 수준은 정량한계 10배 및 50배의 2수준에서 시험하였다. 시험농약의 회수율시험 결과는 Table 3과 같이 fluqinconazole 86.0-90.8%, hexaconazole 83.7-94.0%, metconazole 96.8-98.2%, myclobutanil 85.5-92.8%, tebuconazole 85.6-104.9% 및 tetraconazole 88.9-98.4%로 나타났으며, 모두 10% 이내의 상대표준편차로 나타나 잔류농약분석법 기준인 회수율 70-120% 및 상대표준편차 10% 이내를 만족하였다.
3)이 침투되는 정도가 컸으며, flutriafol이 triazole계 농약 중 가장 침투성이 좋은 농약이라고 보고하였다. 위의 연구를 참고하였을때, 본 연구에서 사용된 농약 중 침투가능성이 가장 적은 농약은 metconazole (Log P=3.85, pKa=11.38) 및 tebuconazole (Log P=3.7, pKa=5.0)이었다. 두 농약은 침투가능성이 적어, 표면에 잔류할 가능성이 높고 식물체 내에서 이동성이 적기 때문에 작물의 생육환경(관수, 기온, 습도 등)에 의해서 분해 및 소실 가능성이 높다.
7일이 차이 난다. 이 두 농약의 RL50의 차이를 물리화학적 특성과 비교한 결과 분자량(MW), 증기압(PV), 산해리상수 지수(pKa), 물에 대한 용해도(SW)의 차이가 컸다. Bedos 등[24]에 의하면 상대적으로 증기압이 높은 농약이 낮은 증기압을 가진 농약보단 더 빨리 휘발되었다는 보고를 하였지만, 본 연구에서는 증기압이 0.
정규성 검정에는 작은 샘플 수에 적용하는 Shapiro-wilk 검정을 실시하였으며, 그 결과 8항목의 변수 중 7항목인 AI, MW, Log P, SW , pKa, RL50 및 IC가 모두 유의확률(P) ≥0.05 이상으로 나타나 정규성을 만족하였다.
상기에 기술한 6종의 잔류농약분석법의 신뢰성을 위해 분석법을 검증하였다. 정량분석을 위해 표준검량선을 작성하였으며, 각 농약의 직선성의 상관계수(R2)는 0.9990-0.9999로 양호하게 나타났다. 6종 농약의 분석법 정량한계는 0.
후속연구
4 mg/kg으로 나타나 농약의 제형과 SW가 RL50에 영향을 주는 요인이라고 판단하기는 어려웠다. 따라서 전체적인 결과를 봤을 때 각 농약의 제형과 SW는 RL50에 영향을 미치는 것으로 단정 짓기는 어렵기 때문에, 그 외 물리화학적 특성을 고려한 복합적인 평가가 필요한 것으로 보인다.
참고문헌 (36)
Jung YH, Kim JE, Kim JH, Lee YD, Im CH, Huh JY (2004) New Pesticides, Sigma Press Inc., Korea
Kim JY, Lee SM, Lee HJ, Chang MI, Kang NS, Kim NS, Kim HJ, Cho YJ, Jeong JY, Kim MK, Rhee GS (2014) Monitoring and risk assessment of pesticide residues for circulated agricultural commodities in Korea-2013, J Appl Biol Chem 57(3): 235-242
Kim KJ, Kim DS, Heo SJ, Ham HJ, Hur JH (2013) Establishment or pre-harvest residue limit (PHRL) of emamectin benzoate during cultivation of amaranth. Korean J Pestic Sci 17(2): 77-83
Holland PT, Malcolm CP, Mowat AD, Rohitha BH, Gaskin RE (1996) Modelling of pesticide residues on fruit II: Persimmon. In Proceedings of the 49th New Zealand Plant Protection Conference, New Zealand, pp 192-197
Pfleeger TG, Fong A, Hayes R, Ratsch H, Wickliff C (1996) Field evaluation of the EPA (Kenaga) nomogram, a method for estimating wildlife exposure to pesticide residues on plants. Environ Toxicol Chem 15: 535-543
Galera MM, Vidal JLM, Gonzalez FJE, Garcia MDG (1997) A study of fenpropathrin residues in tomatoes and green beans grown in greenhouses in Spain. Pestic Sci 50: 127-134
Park DS, Seong KY, Choi KI, Huh JH (2005) Field tolerance of pesticides in the strawberry and comparison of biological half-lives estimated from kinetic models, Korean J Pestic Sci 9(3): 231-236
Zhao H, Xue J, Jiang N, Peng W, Liu F (2012) Dissipation and residue of fenpropidin in wheat and soil under field conditions. Ecotox Environl Safe 77: 52-56
Lee MH, Kim SH, Park GY, Shin GB, Kim JH, Kwon CH, Sohn JK, Kim JE (2007) Residual pattern of pesticide, chlorfluazuron in perilla leaves under plastic house, Korean J Pestic Sci 11(2): 106-116
Zhou, J, Zhang F, Li, Liu J (2016) Triazole fungicide tebuconazole disrupts human placental trophoblastcell functions. J Hazard Mater 308: 294-302
Choi SJ, Hwang IS, Cho TH, Lee JI, Lee IS, Yook DH, Park WH, Kim MS, Kim GH (2015) Analysis of hexaconazole in agricultural products using multi class pesticide multiresidue method. J Food Hyg Saf 30(4): 366-371
Seong KC, Cho JR, Moon JH, Kim KY, Suh HD (2003) Effect of Triazole Chemicals on Bolting Retardation of Chinese Cabbage (Brassica pekinensis) in Spring Cultivation. J Kor Soc Hort Sci 44(4): 434-437
Kang JG, Hwang JI, Lee SH, Jeon SO, Kwak SY, Park JH, Kim JE (2016) Residual patterns of fungicides fludioxonil and metconazole in different parts of wheat. Korean J Pesti Sci 20(4): 341-348
Hwang LH, Cho IS, Kim MJ, Cho TH, Park YH, Park HW, Park KA, Kim HJ, Kim MS (2011) Removal of pesticide residue during the preparation of Baechu Kimchi and perilla leaf pickle. J Fd Hyg Safety 28(4): 403-409
MFDS(Ministry of Food Drug and Safety) (2016) Korean food standards codex pesticide analytical manual 4th ed., Ministry of Food and Drug Safety, Korea
Jeon SO, Hwang JI, Kim TH, Kwon CH, Son TU, Kim DS, Kim JE. (2015) Residual patterns of insecticides bifenthrin and chlorfenapyr in perilla leaf as a minor crop. Korean J Environ Agric 34(3): 223-229
Jeong HR, Noh HH, Lee JY, Park HK, Jin MJ, Kim JC, Hong SM, Kyung KS (2017) Residual characteristics and safety assessments of bifenthrin, carbendazim and metconazole in angelica gigas nakai. Korean J Pesti Sci 21(1): 97-105
Ahn SY, Kim KD, Lee JN, Inn JS, Nam CW, Jung JC, Lee EH (2008) Removal efficiency of pesticide residues in Chinese cabbage produced in highland by washing. Kor J Hort Sci Technol 26(4): 400-405
Hwang JI, Kim JE (2013) Residue patterns of fungicides, flusilazole and myclobutanil in apples. Current Research on Agriculture and Life Sciences, 31(4): 272-279
Beods C, Rousseau-Djabri MF, Loubet B, Durand B, Flura D, Briand O, Barriuso E (2010) Fungicide volatilization measurements: inverse modeling, role of vapor pressure, and state of foliar residue. Environ Sci Technol 44: 2522-2528
Zhao H, Xue J, Jiang N, Peng W, Liu F (2012) Dissipation and residue of fenpropidin in wheat and soil under field conditions. Ecotox Environ Safe 77: 52-56
Rosendahl I, Laabs V, Atcha-Ahowe C, James B, Amelung W (2009) Inseticide dissipation from soil and plant surfaces in tropical horticulture of southern Benin, West Africa. J. Environ. Monit 11: 1157-1164
Kim SS, Kim TH, Lee SM, Park HR, Park DS, Lim CK (2008) Mobility of pesticides from soil in different slope by simulated rainfall under field conditions. Korean J Pesti Sci 12(1): 24-33
Noh HJ, Yu JY. (2016) Multivariate Analysis Theory and Practice using SPSS & EXCEL. pp. 396-400. First ed. Jiphill media, Korea
Lee SJ (2015) Big data analysis using principal component analysis. J Korean Inst Intell Syst, 25(6): 592-599
Satchivi NM, Stoller EW, Wax LM, Briskin DP (2006) A nonlinear, dynamic simulation model for transport, and whole plant allocation of systemic xenobiotics following foliar application. IV: Physicochemical properties requirements for optimum absorption and translocation. Pestic Biochem Phys, 84: 83-97
Reuveni M. (2003) Activity of the new fungicide benthiavalicarb against Plasmopara viticola and its efficacy in controlling downy mildew in grapevines. Eur J Plant Pathol 109: 243-251
Briggs GG, Bromilow RH (1994) Interactions between Adjuvants, Agrochemicals and Target Organisms. pp. 1-26. Springer-Verlag Berlin Heidelberg New York, USA
Stock D, Holloway DJ, Grayson BT, Whitehouse P (1993) Development of a predictive uptake model to rationalize selection of polyoxyethylene surfactant adjuvants for foliage-applied agrochemicals. Pestic Sci 37: 233-245
Lehoczki-Krsjak S, Varga M, Szabo-Hever A, Mesterhazy A (2013) Translocation and degradation of tebuconazole and prothioconazole in wheat following fungicide treatment at flowering. Pest Manag Sci, 69: 1216-1224
Schermerhorn PG, Golden PE, Krynitsky AJ, Leimkuehler WM (2005) Determination of 22 triazole compounds including parent fungicides and metabolites in apples, peaches, flour, and water by liquid chromatography/tandem mass spectrometry. J AOAC Int, 88: 1491-1502
※ AI-Helper는 부적절한 답변을 할 수 있습니다.