تزايد الطلب العالمي على زراعة مستدامة يدفع العلماء لإيجاد أساليب أكثر ذكاءً للتعامل مع نفايات الماشية. دراسة جديدة من تأليف شياو فيي غي وزملائه في جامعة الصين الزراعية تُدخل تقنيات الذكاء الاصطناعي في هذا المجال.
التحدّي: تحويل الفضلات من مصدر تلوث إلى مورد
إنتاج الثروة الحيوانية يولّد كميات هائلة من الروث. إذا لم تُدار هذه المخلفات بشكل سليم، فإن جريانها إلى الجداول والأنهار يهدد النظم البيئية والصحة العامة. ومع ذلك، تحمل هذه النفايات عناصر مغذية ثمينة للزراعة — الكربون والنيتروجين والفسفور — والمطلوب استرجاعها دون إلحاق ضرر إضافي.
أهمية الفسفور ومخاطره
يتبيّن أن الفسفور مادّة حاسمة وذات جانب خطير في آنٍ واحد: فهو يحفّز نمو النبات لكنه مورد محدود. تصريف الفسفور إلى المسطحات المائية يثير ازدهار الطحالب السامة ويخنق الحياة المائية. «روث الماشية يحتوي على كميات هائلة من الفسفور؛ بركة ونقمة في الوقت ذاته»، كما يوضح غي. «إفرازه للبيئة يلوّث الماء والتربة، أما استعادته فتصبح سماداً مفيداً للزراعة المستدامة».
المعالجه الحرارية المائية تلتقي بالذكاء الاصطناعي
بحث الفريق كيف يمكن للمعالجة الحرارية المائية—تقنية تَسْخّن الكتلة الحيوية الرطبة تحت ضغط—تحويل الروث إلى منتجين رئيسيين: مادة صلبة غنية بالمغذيات تُعرف بالهيدروتشار وسائل سائلة نفاية. هذه الطريقة ليست شائعة كالتسميد أو التجفيف؛ فهي لا تتطلب التجفيف المسبق ولا تُعيد تدوير العناصر المغذية بنفس فعالية بعض الأساليب الأخرى، ومع ذلك بقي توقع مصير الفسفور أثناء العملية تحدياً تقنياً.
وظف الفريق ثلاثة نماذج تعلم آلي—XGBoost، Decision Tree، وRandom Forest—لتوقع كيفية تقاسم الفسفور بين الطورين السائل والصلب بناءً على شروط التشغيل. درّبوا النماذج على مجموعة بيانات تضم 423 تجربة من أدبيات سابقة بالإضافة إلى 32 تجربة جديدة نفّذوها هم أنفسهم، اشتملت المتغيرات على درجة الحرارة، زمن التفاعل، الأس الهيدروجيني، وتركيز أيونات الحديد والكالسيوم.
كانت XGBoost الأدق بين النماذج، وخصوصاً في توقع مستويات الفسفور غير العضوي في الطور السائل، ما جعل من الممكن تحسين شروط المعالجة لتحقيق أقصى استرداد للفسفور دون الحاجة لإجراء عدد لا نهائي من التجارب المخبرية.
ما كشفته النماذج
كشفت النماذج عن اتجاهات قد تغيّر ممارسات إدارة النفايات: تركيب الروث نفسه — وبخاصة محتواه من الأكسجين — كان أهم مُحدِّد لنتائج الفسفور من الزمن أو الحرارة، بينما تبيّن أن زمن التفاعل له تأثير أكبر من درجة الحرارة على مسار العملية. بارتفاع درجة الحرارة ازداد احتباس الفسفور داخل الهيدروتشار وقل تركيزه في السائل، ما يقلل من مخاطر تلويث المياه. عند قيم حامضية أو قلوية قصوى يصبح الفسفور حساساً حتى لأدق تغيّرات الـpH: الحموضة تُسهِم في ذوبان الفسفور بينما القلوية تفضّل احتفاظه بالشكل الصلب.
كان لإضافة أيونات الحديد والكالسيوم أثر مفيد واضح، إذ حفّزت ترسيب الفسفور داخل الهيدروتشار مما استقرّه وجعله أسهل لإعادة الاستخدام كسماد. «نتائجنا تشير إلى أن التعلم الآلي يمكن أن يُستخدم لتطوير خطط معالجة نفايات أكثر ذكاءً»، كما قال صبري م. شاهين من جامعة فوبرتال، أحد المؤلفين المشاركين. «ذلك يحمل دلالات كبيرة للزراعة المستدامة وحماية البيئة واسترداد الموارد.»
من التنبؤ إلى التجربة الحقيقية
لتحققوا من دقة النموذج، أجرى الباحثون تجارب معملية ميدانية لمعالجة روث الخنازير من مزرعة قرب بكين، عمدوا فيها إلى متغيرات في الحرارة وزمن التفاعل وتركيز أيونات الحديد والكالسيوم. قارنت نتائج XGBoost المتوقعة بالمحتوى الفعلي للفسفور في الطورين الصلب والسائل، فكان التطابق جيداً.
التحاليل الكيميائية المتقدمة—من مطيافية الرنين النووي للفسفور إلى حيود الأشعة السينية—أظهرت أنه بتشدّد شروط المعالجة تصبح مركبات الفسفور أكثر استقراراً وتجانساً، وساهمت الأيونات المعدنية في تحويل الفسفور العضوي إلى أشكال لا عضوية قادرة على الارتباط بقوة مع الكالسيوم أو الحديد واندماجها داخل الهيدروتشار الصلب. مع تصاعد شدة التفاعل تنهار البنى البلورية في الهيدروتشار وتتحوّل إلى مركبات أكثر حالة أمورفوسية، ما يشير إلى اتجاه نحو أشكال أسهل في إعادة التدوير وأقل ميلاً للانزلاق إلى البيئة.
إدارة نفايات أذكى لمستقبل دائري
يجمع هذا التزاوج بين الذكاء الاصطناعي والهندسة البيئية وعداً بتغيير طريقة تعامل محطات المعالجة والمزارع مع المخلفات العضوية. بدلاً من الاعتماد على تجارب تجريبية مكلفة ومعرضة للخطأ، يمكن للمشغلين توقع كيف ينعكس تعديل درجة الحرارة أو الـpH أو زمن التفاعل على النتائج المرغوبة، واختيار تحسين الفسفور في الهيدروتشار كي يُستخدم سماداً، أو تقليله في الطور السائل لتفادي الجريان السطحي.
يشير المؤلفون إلى أن النموذج فعّال لكنه يحتاج إلى معايرة وفق الظروف المحلية لأن تركيبة الروث تختلف بين المناطق والمزارع؛ وستركز الدراسات المستقبلية على تكييف الطريقة لأنواع نفايات مختلفة وتوسيع مجموعات البيانات لرفع دقة التنبؤات.
الآثار العملية
تمهّد دمج المعالجة الحرارية المائية مع التعلم الآلي طريقاً نحو استرداد المغذيات المستدام. يمكن تطبيق هذه النماذج في محطات المعالجة والمزارع لتحسين العمليات، استرداد الفسفور الثمين، ومنع الأضرار البيئية. هذه التقنية لا تضمن فقط الزراعة الدائرية وتساعد في تحقيق أهداف الحياد الكربوني والحفاظ على الموارد، بل أيضاً تسدّ حلقة مهمة بين الإنتاج الزراعي والاستدامة.
تتوفر نتائج البحث عبر مجلة Springer Nature على الإنترنت.
هل أعجبتك هذه النوعية من القصص؟ اشترك في نشرة The Brighter Side of News.