承 海，邢家溧*，鄭睿行，沈 堅，胡 陵，毛玲燕，徐曉蓉，周子焱，路靜萍，趙思源

（1 寧波市食品檢驗檢測研究院 浙江寧波315048 2 浙江方圓檢測股份有限公司 杭州310016 3 寧波諾丁漢大學理工學院 浙江寧波315100）

近年來，“三聚氰胺毒奶粉”、“塑化劑”、“鎘大米”、“糧食毒素污染超標”等食品安全事件對我國經濟社會發(fā)展和國際形象造成了極大的負面影響，也讓“餐桌安全”成為全社會日益關注的民生大事。我國政府高度重視食品安全，在國家科技戰(zhàn)略規(guī)劃中將食品安全列為公共安全和保障民生科技的重要內容，各級地方政府也在經濟社會全面發(fā)展中積極推進食品安全體系的構建[1-3]。然而，隨著食品生產經營活動和餐飲消費方式多樣化、個性化、網絡化、國際化的迅猛發(fā)展，物聯網配送、互聯網營銷、海外代購等新業(yè)態(tài)、新模式層出不窮，食品安全風險態(tài)勢日趨復雜，我國面臨的食品安全壓力與挑戰(zhàn)仍然嚴峻[4-5]。因此，以綜合提升食品安全監(jiān)管效能為建設目標，科學探索食品安全風險分析模型，積極推進風險監(jiān)測與預警關口有效前移，實現食品安全源頭防控和主動預防的相關研究必將被重點關注[6]。

目前，發(fā)達國家和地區(qū)基于食品安全監(jiān)管數據已構建較為成熟的食品污染物、食源性疾病等監(jiān)測與預警信息系統(tǒng)，主要包括世界衛(wèi)生組織國際食品安全當局網絡（International Food Safety Authorities Network，INFOSAN）、全球環(huán)境監(jiān)測系統(tǒng)/食品污染物監(jiān)測與評估規(guī)劃（Global Environment Monitoring System-Food Contamination Monitoring and Assessment Programmer，GEMS/Food）、歐盟食品與飼料快速預警系統(tǒng)（Rapid Alert System for Food and Feed，RASFF）及美國食源性疾病主動監(jiān)測網絡（Food Net）等[7-9]。我國在食品安全監(jiān)督抽檢和風險監(jiān)測方面的基礎建設也在穩(wěn)步前行，“食品安全抽檢公布結果查詢系統(tǒng)”已實現線上公眾服務。值得關注的是，與監(jiān)測實踐并存的海量抽檢信息對于科學研究和解決食品安全現狀與突出問題，綜合提升風險評估預見性和安全監(jiān)管針對性具有極為重要的信息價值。

長期以來，國內對食品安全風險分析的手段局限于數理統(tǒng)計、典型病例通報等方式[10]，這類基于單因素描述性統(tǒng)計的評價手段（如合格率分析、超標率分析等）綜合分析效能弱，可用性和實用性有限，缺乏大數據模式下針對食品檢測數據深度分析與應用的有效手段?；跀祵W模型的綜合分析方法是當前食品安全風險綜合評價研究的重點方向[11-12]。為充分利用大數據自身蘊含的真實性及代表性，克服主觀賦權法在多指標評價體系應用中存在的偏差，本文以2017年8月至2019年7月間某市果蔬類農產品農藥殘留檢測資料為研究對象，基于信息熵原理建立3 級定量評價指標體系，以對標準限量值及檢測技術參數的客觀認知，構建通用型5 級安全風險等級，采用模糊綜合評價方法解析當前流通領域農產品農殘安全風險特征，為我國農產品安全問題分析與風險預警提供理論依據，并為深度挖掘食品安全數據信息，探索構建食品安全監(jiān)測和風險評估新模式提供參考。

1 材料與方法

1.1 數據來源及評價標準

連續(xù)收集2017年8月至2019年7月間某市流通領域果蔬類農產品農藥殘留檢測資料。樣品抽檢依據國家食品安全抽檢計劃并遵循“雙隨機”原則，檢測方法主要包括GB/T 20769-2008《水果和蔬菜中450 種農藥及相關化學品殘留量的測定液相色譜-串聯質譜法》、GB 23200.8-2016《食品安全國家標準 水果和蔬菜中500 種農藥及相關化學品殘留量的測定 氣相色譜-質譜法》、NY/T 761-2008《蔬菜和水果中有機磷、有機氯、擬除蟲菊酯和氨基甲酸酯類農藥多殘留的測定》、SN/T 4039-2014《出口食品中萘乙酰胺、吡草醚、乙蟲腈、氟蟲腈農藥殘留量的測定方法 液相色譜-質譜/質譜法》等。各目標物檢出限及定量限依據相應方法標準執(zhí)行。

檢測結果判定依據GB 2763-2016《食品安全國家標準 食品中農藥最大殘留限量》。

1.2 綜合風險評價指標體系構建

建立與綜合分析模型匹配的多級評價指標體系，在逐級分析的基礎上，實現對繁雜原始數據的綜合評估。本研究依據GB 2763-2016《食品安全國家標準 食品中農藥最大殘留限量》中果蔬及農藥分類方法，以農殘檢測原值為定量分析基礎，構建農產品農殘風險3 層次綜合評價指標體系（見圖1）。

圖1 食用農產品農藥殘留綜合風險評價指標體系Fig.1 Index system for the safety evaluation of pesticide residue pollution of agricultural products

1.3 熵權計算

根據信息論原理，信息熵作為信息系統(tǒng)無序化（不確定性）的一種量化度量，可用離散隨機事件的概率衡量各事件提供有效信息能力的強弱[13]。隨機大樣本抽檢數據，其樣本統(tǒng)計量是總體參數的優(yōu)質表征，分析比對其所蘊含信息熵，可為多指標評價體系中各研究指標修訂客觀權重。

1）熵值計算 對于第3 級研究指標，m 類評價指標及相應n 個檢測結果可構成樣本矩陣X=（xij）n×m，其中i=1，2，3，…，n，j=1，2，3，…，m，熵值計算過程如下：

將第j 類指標中各檢測值（xij）歸一化處理：

式中，Vij——第j 類指標第i 個檢測值經歸一化處理后的計算結果；xj（max）——第j 類指標n 個檢測結果最大值；xj（min）——第j 類指標n 個檢測結果最小值。

根據熵值定義，采用式（2）計算第j 類指標熵值（ej）：

其中，Pij為第j 類指標第i 個評價值所占比重，由式（3）求得：

同法計算其余各指標熵值。

2）熵權計算第j 類研究指標的熵權（ωj）由式（4）計算，且滿足

3）多層次指標熵權計算 可加性是熵的重要特征之一[13]，為熵權法拓展應用于多層次評價指標體系提供了理論依據。在k 類2 級指標和m類3 級指標所構建評價指標體系中，第l 類2 級指標的效用值（Dl）為其下m 類3 級指標信息效用值（dj）之和，進而通過熵權法可計算其權重（ωl）。采用迭代計算可推導1 級指標熵權。計算方法見式（5）～（6），且滿足

其中：

1.4 風險模糊綜合評價

風險是一個相對模糊的概念，其本質具有概率屬性。以單一限量標準（如食品安全國家標準MRL）對食品質量進行絕對評判，在綜合評判食品安全風險中具有一定局限性。模糊綜合評價法基于模糊數學的隸屬度理論[14-15]，將對研究對象的定性鑒別轉化為定量分級評價，應用于食品安全風險分析，具有豐富的科學意義及實用價值[16]。

1.4.1 評語集構建 評語集（V）是研究因素全部評價結果的集合。目前，對于食品安全評價尚無統(tǒng)一的具體分級標準。本文以農產品農殘為評價因素，基于對食品安全風險認知及應用需求[17]，采用5 等級模式建立農產品農殘安全風險評語集，即V={微風險，低風險，中等風險，高風險，超高風險}（見表1）。

表1 農產品農殘安全風險等級劃分Table 1 Grade classification for safety evaluation of pesticide residue pollution of agricultural products

將農殘國標最高限量標準（MRL）設為“高風險”等級代表值。MRL 既是源于對風險因子健康危害水平的全面評估，又是判定食品質量安全及上市許可的通用標準。在食品質量檢測實踐中，“未檢出”表示目標物濃度低于檢測方法檢出限（LOD），從安全風險角度考慮，此濃度水平與“微風險”等價。綜合考慮“未檢出”結果在定量分析中的賦值方法[18]以及標準檢測方法中相關參數【信噪比（S/N）、檢出限（LOD）及定量限（LOQ）】之間的定量比例關系，本研究將檢測結果“未檢出”作為“微風險”的代表值，賦值為0.25MRL。在“高風險”和“無風險”兩級指標之間，采用等距法設中間2 個等級并賦值，即低風險和中等風險。為突出農殘超標程度對安全風險的影響差異，設置2 倍MRL 及以上檢測結果為超高風險。

1.4.2 隸屬函數構建 農藥殘留對人體健康存在直接或間接危害，屬于負效應類指標（即檢測值越小越優(yōu)），適用降半梯分布函數。設dq 為各評價等級代表值，q={1，2，3，4，5}，則對于第j 類研究指標第i 個分析值（xij），其隸屬度計算方法為（式7～9）：

當q=1 時，

當q=2，3，4 時，

當q=5 時，

1.4.3 模糊綜合風險評價

兩組患者均采取相應的手術方式進行治療，觀察組和對照組分別配合給予手術室圍手術期護理和常規(guī)護理，觀察組的護理措施如下。

1）構建模糊子集 對各指標檢測原值去量綱化處理（式10）：

式中，xij——無量綱的分析值；Tij——檢測原值；MRL——研究因素相應的限量標準。

將xij代入相應隸屬函數式計算，獲得檢測樣本對應于各評價等級的隸屬度，構成第j 類研究指標的模糊子集Rj。

對各等級隸屬度取平均，即獲得該風險因子復合隸屬度向量Rjq。

式中，q={1，2，3，4，5}。

2）綜合風險評價值計算 以m 類農殘指標風險復合隸屬度向量構建模糊矩陣R，R=（Rjq）m×5，其中，j={1，2，3，…，m}，q={1，2，3，4，5}。應用熵權對模糊矩陣進行合成計算，即可獲得各評價因素模糊綜合評價矢量（B），按式（13）計算：

式中，ωm——各指標熵權；?——模糊合成算子。作為模糊數學常用的合成算子之一，積-和算子M（·，⊕）既突出權重，又可兼顧各類指標，綜合效能強，信息損失小，故本研究選取此算子用于模糊矩陣合成運算。

式中，sq——各評價等級秩。

對以上算法進行迭代，可逐級構建各級評價指標相應的模糊子集并計算綜合評價指數。

上述運算過程通過Matlab 2019a 實現。

2 結果及討論

2.1 基本情況

蔬菜和水果均屬植物性農產品，是人體所需碳水化合物、維生素、礦物質等重要營養(yǎng)素的主要食品來源，在我國居民日常膳食消費構成中占據重要地位[19]，同時在農藥殘留等方面也具有較高的安全風險，是我國食品安全監(jiān)督抽檢和風險監(jiān)測的重點對象之一。本文收集2017年8月至2019年7月間農產品農殘抽檢信息共計3 983批次（36 510 項次），其中蔬菜樣本抽檢3 846 批次（35 152 項次），包括葉菜、鱗莖類、蕓薹屬類、茄果類等12 類72 種；水果抽檢138 批次（1 398 項次），包括仁果、核果、柑橘、漿果、瓜類、熱帶亞熱帶水果等6 類21 種。受檢農殘以殺蟲（螨）劑、殺菌劑和除草劑等為主，包括有機磷類、氨基甲酸酯類、有機氯類、擬除蟲菊酯類、苯并咪唑類等共31類108 種。抽檢樣本及檢測項目覆蓋了當前市場供應的主要農產品及種植業(yè)常用農藥品類（見表2）。

表2 農產品安全監(jiān)督抽檢信息原始數據表Table 2 Raw data of agriculture products safety supervision and sampling

2.2 指標權重

權重設置是構建多指標體系，開展定量綜合評價的基礎。食品安全監(jiān)督抽檢大數據具有真實性、可靠性和代表性，其中信息熵的差異客觀反映了各評價指標對于總體評價值的貢獻程度。以專業(yè)視角評價，若研究指標熵越小，表明該指標內部數據變異性越大，提示該指標分析值偏離安全限量范圍的可能性越大，從而對評價總體風險的真實影響力更強。通過計算獲得各級評價指標熵權如表3所示。

表3 食用農產品農殘安全綜合風險評價指標體系權重表Table 3 Weight of the evaluation-indices for safety evaluation of agricultural products

2.3 農產品農殘安全風險綜合評價

基于模糊模型的分層評價方法，既可以從局部出發(fā)，對所關注的子指標進行重點分析，也能夠以全局視角，對研究對象整體形成綜合評價。

2.3.1 子指標風險評價 葉菜是蔬菜消費中最常見的品種之一，也是食品安全監(jiān)督抽檢的重點品種，其品質現狀對評價蔬菜總體安全性具有重要意義。本研究中，葉菜類蔬菜共抽檢2 148 批次，農殘檢測19 542 項次，農殘總檢出率為1.74%，合格率為99.12%。由表4可知，葉菜中有機磷類、氨基甲酸酯類、抗生素類及煙堿類農殘合格率分別為99.8%，100.0%，100.0%，97.6%，與葉菜總體均值相近；二甲酰亞胺、苯并咪唑類及其它農藥（包括三唑類農藥等）在葉菜類檢出率和超標率分別為13.4%和13.4%、14.84%和14.84%、14.4%和10.5%，顯著高于葉菜農殘平均水平（P＜0.01，x2檢驗）。采用本文建立綜合評價法分析，結果可見，葉菜中有機磷類、氨基甲酸酯類、抗生素類及煙堿類農藥綜合風險評價值分別為0.01，0，0，0.14，均屬于Ⅰ級微風險水平；包括三唑類在內的其它農藥風險指數雖然隸屬于Ⅰ級微風險水平，但風險值相對較高（0.42）；二甲酰亞胺類及苯并咪唑類農藥風險指數顯著高于上述4 種農殘相應指數，隸屬Ⅱ級低風險水平。

表4 葉用蔬菜農藥殘留安全風險分析Table 4 Safety index evaluation of pesticide residue pollution of leafy vegetables

在其它研究對象中，鱗莖類蔬菜二甲酰亞胺類農藥綜合風險評價值為0.65，隸屬Ⅱ級低風險水平，其余品種的研究對象均屬Ⅰ級微風險水平（具體分析結果未列出）。

以檢測數據分布特征解析以上分析結果，葉菜中雖然檢出農藥品類較多，但有機磷類、氨基甲酸酯類等農藥殘留量較低，總體超標率不高，危害程度有限，這與Ⅰ級（微風險）綜合評價結果相符。二甲酰亞胺類（以腐霉利為主）及苯并咪唑類（以多菌靈為主）的農藥雖然超標率較高，但主要存在問題是該類農藥在葉菜類和鱗莖類蔬菜中屬超范圍使用，總體殘留濃度低，高殘留樣本所占比例較小，從健康風險角度分析，實際危害程度有限[20-22]，風險程度匹配Ⅱ級（低風險）水平。由此可見，單因素率分析法與模糊綜合評價法在評價結果上存在一致性趨勢，而模糊評價以基于國標限量標準的等級隸屬判斷為模式，將危害因子超標程度對風險高低的影響力融入綜合評價結果中，強化了該方法體系的綜合分析能力。

值得注意的是，瓜類蔬菜雖然在蔬菜各評價指標中權重較低（0.100），但綜合評價結果具有相對較高的風險度（0.45）。對樣品的實際檢測值進一步分析，其較高風險度主要是由于有機硫類農藥（克螨特）和苯甲酰脲類農藥（氟蟲脲）在瓜類蔬菜中檢出率和超標率相對較高所致。瓜類蔬菜在蔬菜消費中比例較低，因此在食品安全監(jiān)督抽檢計劃中所占比例也相對較低，而且這2 類農藥在農業(yè)生產中應用較少，缺乏相應的基礎性監(jiān)測資料，包括三唑類在內的其它農藥在葉菜中呈現較高的綜合風險評價值，亦是基于此原因。本研究結果提示，在制定監(jiān)督抽檢計劃中可適當增加重點蔬菜相關農殘的抽檢比例，進一步提高樣本覆蓋面和代表性，以利于切實掌握和防控該類產品安全風險。這亦是綜合評價方法可高效服務于監(jiān)管實踐的主要表現之一。

2.3.2 農產品總體風險評價 從總體角度出發(fā)，以果蔬產品為代表的農產品農殘總檢出率1.74%，總超標率0.68%，其中蔬菜和水果農殘檢出率及超標率分別為1.61%和0.67%、5.30%和1.03%。此結果與我國農產品質量安全例行監(jiān)測（風險監(jiān)測）數據水平相近[23]。運用模糊模型進行綜合評價可見（表5），農產品整體以及果、蔬類兩大類產品農殘風險均較低（I 級微風險水平），表明就農殘問題而言，當前流通領域市售農產品整體質量穩(wěn)定、良好。

表5 食用農產品農藥殘留安全風險分析Table 5 Safety index evaluation of pesticide residue pollution of agricultural products

農業(yè)生產具有季節(jié)性和時令性特點，以時間分布特征進一步分析各指標趨勢，對于全面了解食品安全風險變化規(guī)律并進一步預測發(fā)展態(tài)勢具有現實意義。

由圖2所示，近2年農產品農殘檢出率和超標率總體維持在較低水平。其中，農殘檢出率呈現一定的季節(jié)波動，即冬季低，春、夏、秋季較高，與農業(yè)生產周期相符，而農殘超標率則呈波浪狀上升趨勢。同綜合風險評價值對比可見，曲線在變化趨勢上既表現出一定的相符性，又具有各自的特點。與超標率逐步上升趨勢不同的是，綜合風險評價值表現出在一定范圍內（0.1～0.2）的穩(wěn)定波動。此結果進一步表明，基于模糊數學的綜合風險評估，不僅在一定程度上表征單因素分析指標（檢出率和超標率）的變化規(guī)律，同時對檢測數據變異程度的分級定量評估，又客觀反映了該模型所具有的綜合評價效能。因此，較單因素評價方法而言，綜合評價模型更加符合對“風險”概念的認知和應用。

圖2 農產品農殘綜合風險評價值時間分布特征Fig.2 Distribution characteristic of safety evaluation of agricultural products

3 結論

本文收集了2017年8月至2019年7月間農產品農殘抽檢數據信息，依據研究對象及風險因子分類標準建立3 級評價指標體系，并以熵權法賦予各級研究指標客觀權重，采用降半梯隸屬函數及加權平均算法計算和分析農產品農藥殘留安全風險綜合評價指數。通過模型構建及數據輸出可見，當前市售農產品總體質量良好，農殘安全風險水平穩(wěn)定，主要蔬菜、水果品種農殘綜合評價均為微風險水平。所分析農藥中，葉菜類和鱗莖類蔬菜二甲酰亞胺類及苯并咪唑類農藥殘留呈現低風險水平，值得進一步關注?；陟貦?模糊數學原理，本文對大樣本監(jiān)測數據進行梳理和挖掘，建立了農產品農殘安全風險綜合評價方法。與傳統(tǒng)單因素分析方法相比，該方法具有更高的綜合分析能力和更優(yōu)的客觀評價能力。本研究的深入和拓展，將為大數據背景下探索食品安全風險識別和評價新路徑，助力推進“智慧監(jiān)管”和“全程監(jiān)管”模式轉變，全面提升食品安全監(jiān)管效能提供研究基礎和科學依據。