التنبؤ بمخاطر النفايات الساحلية باستخدام التعلم الآلي وبيانات إنتاج النفايات البلاستيكية العالمية

الملخص

 يشكل التلوث البلاستيكي تهديدًا متزايدًا للنظم البيئية الساحلية والتنوع البيولوجي البحري والأنشطة البشرية. يُعد تحديد المناطق الساحلية المعرضة لخطر تراكم النفايات البلاستيكية أمرًا بالغ الأهمية لوضع استراتيجيات فعالة لإدارة النفايات. ومع ذلك، يتطلب تقييم هذا الخطر مراعاة عوامل متعددة، بما في ذلك كمية النفايات البلاستيكية المتولدة، وسوء إدارتها، والضغط السكاني، والظروف البيئية. تقدم هذه الدراسة منهجًا قائمًا على التعلم الآلي للتنبؤ بمخاطر النفايات الساحلية باستخدام بيانات الإنتاج العالمي للنفايات البلاستيكية والمؤشرات البيئية والاجتماعية والاقتصادية ذات الصلة. تم تقييم سبع خوارزميات تصنيف، وهي: الانحدار اللوجستي، وشجرة القرار، والغابة العشوائية، وتعزيز التدرج، وآلة المتجهات الداعمة (SVM)، وخوارزمية أقرب الجيران (KNN)، وخوارزمية CatBoost، للتمييز بين المناطق الساحلية عالية ومنخفضة المخاطر. تم دمج معالجة البيانات المسبقة، وهندسة الميزات، وتحليل البيانات الاستكشافي، والتحقق المتبادل في عملية النمذجة. تُظهر النتائج أن تعزيز التدرج حقق أعلى دقة مُبلغ عنها بنسبة 89%، يليه الغابة العشوائية بنسبة 87%. حققت خوارزمية CatBoost دقة بلغت 81%، بينما حققت خوارزميات Decision Tree وSVM وKNN والانحدار اللوجستي دقة بلغت 79% و78% و77% و75% على التوالي. كما حدد التحليل سوء إدارة النفايات البلاستيكية، وكثافة السكان الساحلية، وتصريف الأنهار، والقرب من الموانئ كعوامل مهمة مرتبطة بمخاطر النفايات الساحلية. تشير هذه النتائج إلى أن أساليب التعلم الجماعي يمكن أن تدعم تقييم التلوث الساحلي القائم على البيانات، وتساعد في تحديد المناطق التي قد تتطلب اهتمامًا عاجلًا. يتمتع النهج المقترح بتطبيقات محتملة في الرصد البيئي، وتخطيط إدارة النفايات، وتخصيص الموارد. هناك حاجة إلى مزيد من البحث باستخدام بيانات جغرافية عالية الدقة وقياسات ميدانية موثقة للنفايات الساحلية لتقييم موثوقيته وقابليته للتطبيق في مختلف المناطق الساحلية.