يستخدم العلماء منظمة العفو الدولية لتحويل نفايات الماشية بشكل مستدام إلى سماد

تزايد الطلب العالمي على الزراعة المستدامة يدفع العلماء إلى إيجاد طرق أكثر ذكاءً للتعامل مع نفايات الثروة الحيوانية. دراسة جديدة أجراها Xiaofei GE وزملاؤها في جامعة الصين الزراعية تجلب الذكاء الاصطناعي في هذا المزيج.

استخدم الفريق التعلم الآلي للتنبؤ بمصير الفوسفور – وهو واحد من أغلى المغذيات في الزراعة ولكن الملوث – من خلال علاج سماد الخنازير. تحمل النتيجة إمكانية لمستقبل عندما يتم إعادة تدوير نفايات المزرعة كمورد متجدد بدلاً من ملوث بيئي.

التغلب على مشكلة السماد

الزراعة الحيوانية تنتج كميات هائلة من السماد. ما لم يتم التعامل معها بشكل صحيح ، سوف يتدفق هذا الجريان السطحي إلى الجداول والنظم الإيكولوجية الملوثة وتعرض الصحة العامة للخطر. لكن نفس النفايات تحمل العناصر الغذائية الأساسية للزراعة ، بما في ذلك الكربون والنيتروجين والفوسفور. القضية هي استعادةهم دون مزيد من الأذى.

الفوسفور ، كما اتضح ، أمر بالغ الأهمية وخطير. إنه يدفع نمو النبات ولكنه أيضًا مادة محدودة. عندما يتم إلقاؤه في البحيرات والأنهار ، فإنه يسبب أزهار الطحالب السامة التي تخنق الحياة المائية. “يحتوي سماد الماشية على كميات هائلة من الفسفور التي هي نعمة ولعنة” ، قالت GE. “إذا تم تفريغهم في البيئة ، فيمكنهم تلويث المياه والأرض. ولكن إذا تم استصلاحها بشكل صحيح ، فيمكن استخدامها كأسمدة لتغذية الزراعة المستدامة.”

العلاج الحراري يلتقي بالذكاء الاصطناعي

بحث البحث في كيفية العلاج الحراري المائي ، وهي تقنية تتضمن استخدام الطاقة لتسخين الكتلة الحيوية المدودة للضغط ، يمكنها تحويل السماد إلى منتجين: مادة صلبة غنية بالمغذيات تُعرف باسم الهيدروكار والمنتجات الثانوية للنفايات السائلة. المعالجة الحرارية المائية ليست تقليدية مثل التسميد أو التجفيف ولا تتطلب التجفيف المسبق ، كما أنها لا تعيد تدوير المواد الغذائية وكذلك هذه الطرق. لكن كان من الصعب دائمًا التنبؤ بالتحديد إلى أين يذهب الفسفور أثناء العملية.

لتحديد ذلك ، قام فريق GE بتطبيق ثلاثة نماذج للتعلم الآلي – xgboost ، وشجرة القرار ، والغابات العشوائية – للتنبؤ بكيفية انقسام الفسفور بين المراحل السائلة والصلبة بناءً على ظروف مختلفة. قام الفريق بتدريب النماذج باستخدام مجموعة بيانات من 423 تجربة تم جمعها من الدراسات السابقة ، بالإضافة إلى 32 تجربة جديدة قاموا بها. وشملت البيانات عوامل مثل درجة حرارة التفاعل ، والوقت ، والدرجة الحموضة ، وتركيز أيون الحديد والكالسيوم.

من بين النماذج ، كان XgBoost الأكثر دقة. كان دقيقًا تمامًا تقريبًا في التنبؤ بتوزيع الفسفور ، خاصة عند تحديد مستويات الفسفور غير العضوية في السائل. وأشار ذلك إلى أن الفريق يمكن أن يقوم بتوقعات حول كيفية تحسين ظروف العلاج لتحقيق أقصى قدر من الانتعاش الفوسفوري دون الحاجة إلى إجراء عدد لا حصر له من الاختبارات المعملية.

ما كشفت النماذج

كشفت نماذج التعلم الآلي عن اتجاهات يمكن أن تغير ممارسات إدارة النفايات. كان تكوين السماد – IE ، محتوى الأكسجين – أكثر أهمية من الوقت أو درجة الحرارة في تحديد نتائج الفسفور. ومع ذلك ، كان وقت التفاعل أكبر من درجة الحرارة في الأهمية كتأثير على العمليات.

ووجدت الدراسة أنه كلما ارتفعت درجة الحرارة ، تم التقاط المزيد من الفسفور في الهيدروجين وأقل في السائل ، مما أدى إلى تخلص من فرص تلوث الماء. في الظروف الحمضية أو القلوية للغاية ، كان الفوسفور حساسًا جدًا حتى اختلافات الأس الهيدروجيني الدقيقة. في ظل الظروف الحمضية ، فضل حل الفوسفور والظروف القلوية احتفاظه في الشكل الصلب.

أثبت إدخال أيونات الحديد والكالسيوم مفيدًا بشكل خاص. أثارت هذه المعادن هطول الأمطار من الفوسفور إلى الهيدروجين ، وتستقر وجعل من الأسهل إعادة التدوير كسماد. “تشير النتائج التي توصلنا إليها إلى أنه يمكن استخدام التعلم الآلي لتطوير خطط أكثر ذكاءً لمعالجة النفايات” ، قال Sabry M. Shaheen من جامعة Wuppertal ، وهو مؤلف مشارك على الورقة. “هذا له آثار هائلة على الزراعة المستدامة ، والحفاظ على البيئة ، واستعادة الموارد.”

من التنبؤ إلى التجربة

للتحقق من نموذجهم ، أجرى الباحثون تجارب حرارية مائية فعلية في الحقل باستخدام سماد الخنازير من مزرعة خنزير محلية بالقرب من بكين. كانت درجة الحرارة ، ووقت التفاعل ، وتركيزات أيون الكالسيوم والكالسيوم متنوعة. عند مقارنة النتائج المتوقعة مقابل النتائج المرصودة ، كانت تنبؤات XgBoost متطابقة جيدًا مع محتوى الفوسفور الحقيقي في مراحل صلبة وسائلة.

أظهر التحليل الكيميائي خلاف ذلك. باستخدام المعدات المتقدمة مثل الرنين المغناطيسي النووي الفوسفوري والحيود بالأشعة السينية ، وجد الباحثون أنه مع الظروف الأكثر تطرفًا ، كانت مركبات الفسفور أكثر استقرارًا ومتجانسة. ساعدت الأيونات المعدنية في تحويل الفسفور العضوي إلى أشكال غير عضوية كانت قادرة على التكوين بقوة مع الكالسيوم أو الحديد وتضمينها داخل الفارو الصلبة.

مع زيادة شدة التفاعل ، انهارت الهياكل البلورية في الهيدروجين واستسلمت إلى مركبات غير متبلورة. أشار هذا إلى أن الاتجاهات كانت تتحول نحو أشكال أسهل في إعادة التدوير وتقليل الترشيح في البيئة.

إدارة النفايات الأكثر ذكاءً لمستقبل دائري

هذا التآزر من الذكاء الاصطناعي والهندسة البيئية يحمل وعدًا بإحداث ثورة في كيفية قيام محطات المعالجة والمزارع بمعالجة المنتجات الثانوية العضوية. عدم الاعتماد على تجارب تجريبية معرضة للخطأ ، يمكن للمشغلين عرض كيفية تعديل درجة الحرارة أو الرقم الهيدروجيني أو وقت التفاعل لتوفير النتائج المرجوة. يمكن للمشغلين أن يقرروا ما إذا كان سيتم تحسين الفسفور في Hydrochare لتطبيق الأسمدة أو خفضه في السائل لمنع الجريان السطحي.

يذكر المؤلفون أنه على الرغم من أن النموذج فعال ، إلا أنه يجب معايرته للظروف المحلية لأن تكوين السماد ليس هو نفسه في كل منطقة ومزرعة. تعديل طريقة تناسب أنواع مختلفة من النفايات وجعل التنبؤات أكثر دقة على مجموعات أوسع من البيانات هي ما ستغطيه الدراسات المستقبلية.

الآثار العملية للبحث

مع دمج المعالجة الحرارية المائية والتعلم الآلي ، يوفر هذا البحث طريقًا نحو الانتعاش المستدام للمغذيات. يمكن تنفيذ التعلم الآلي في محطات ومزارع معالجة النفايات لتحسين العمليات واستعادة الفسفور القيمة ومنع الأذى البيئي.

لا تضمن هذه التكنولوجيا الزراعة الدائرية فحسب ، بل تلبي أيضًا أهدافًا عالمية للتجميع الكربون وحفظ الموارد.

في الأساس ، فإن إعادة تدوير السماد في منتجات قابلة للاستخدام ، وغني بالمغذيات ستساعد في إغلاق الحلقة بين الزراعة والاستدامة.

تتوفر نتائج البحوث عبر الإنترنت في Journal Springer Nature Link.

قصص ذات صلة

مثل هذا النوع من الشعور بالرضا؟ احصل على الجانب الأكثر إشراقًا من النشرة الإخبارية للأخبار.