Plastikmüll und seine Ansammlung in der Natur sind in letzter Zeit zu einem großen Umweltproblem geworden. Während die Plastikverschmutzung in den Ozeanen zweifellos ein Problem darstellt, ist bekannt, dass das Vorkommen von Plastik in Böden auf der ganzen Welt auch schwerwiegende Umwelt- und Gesundheitsprobleme verursacht.
Da Kunststoffe im Boden durch natürliche und anthropogene Prozesse in kleinere Stücke, sogenannte Mikroplastik (MPs), zerfallen, verändern sie die Bodeneigenschaften drastisch. Darüber hinaus werden sie auch von Pflanzen aufgenommen, gelangen möglicherweise in die menschliche Nahrungskette und verursachen gesundheitliche Komplikationen.
Das Erfassen der Auswirkungen von MPs auf Bodeneigenschaften ist für die Nachhaltigkeit von Unternehmen von erheblicher Bedeutung, insbesondere im Rahmen des „Umwelt“-Aspekts der Umwelt-, Sozial- und Governance-Ziele (ESG). Globale Unternehmen sehen sich häufig mit steigenden Erwartungen an die Umsetzung umweltfreundlicher Strategien konfrontiert, wobei ein besonderer Schwerpunkt auf dem Umgang mit Kunststoffproblemen im Mittelpunkt dieser Initiativen steht.
Die zugrunde liegenden Mechanismen, die die Umweltauswirkungen von Boden-MPs steuern, sind jedoch noch unbekannt. Boden-MP-Wechselwirkungen sind aufgrund der Heterogenität des Bodens und der MP-Diversität komplex und erschweren die Vorhersage und Abschwächung ihrer Auswirkungen auf die Bodeneigenschaften.
Um diesem Mangel an Forschung zu Boden-MPs entgegenzuwirken, nutzte ein Wissenschaftlerteam unter der Leitung von Prof. Yong Sik Ok Algorithmen des maschinellen Lernens (ML), um den Einfluss von MPs auf Bodeneigenschaften zu bewerten und vorherzusagen. Prof. Ok ist KU HCR-Professor, Präsident der International ESG (Environmental, Social and Governance) Association (IESGA) und Vorsitzender und Programmdirektor des Sustainable Waste Management Program der Association of Pacific Rim Universities (APRU SWM Program). .
„ML ist ein dynamisches und transformatives Feld der künstlichen Intelligenz (KI), das Algorithmen und Modelle verwendet, um aus riesigen Datensätzen mit großer Genauigkeit zu lernen und Vorhersagen zu treffen. Die Verwendung von ML zum umfassenden Verständnis der Rolle von MPs in Bodensystemen ist zeit- und ressourceneffizient.“ und stellt eine Grundlage für zukünftige Forschungen zu diesem Thema dar“, erklärt Prof. Ok, der korrespondierende Autor dieser Studie.
Die Ergebnisse ihrer Studie wurden am 5. November 2023 online verfügbar gemacht Umweltverschmutzungim Anschluss an die beiden von Prof. Ok kritisch Bewertungen veröffentlicht in der Sammlung „Plastics in the Environment“ in Nature Reviews Erde und Umwelt.
Die ML-Algorithmen wurden programmiert, um den Einfluss von MP auf die Bodeneigenschaften vorherzusagen, und fanden heraus, dass verschiedene MP-Faktoren wie Typ, Größe, Form und Dosierung die Bodeneigenschaften deutlich veränderten. Insbesondere wurde die MP-Größe als ein wichtiger Faktor identifiziert, der die Bodeneigenschaften beeinflusst. Darüber hinaus wurde festgestellt, dass Form, Art und Dosierung von MP einen deutlichen Einfluss auf die chemischen Eigenschaften der Böden haben.
„Diese bahnbrechende Studie liefert wichtige Daten zur Unterstützung einer fundierten Entscheidungsfindung zur Kunststoffabfallbewirtschaftung und steht im Einklang mit dem globalen Fokus auf Nachhaltigkeit und ESG-Prinzipien. Sie unterstreicht die Bedeutung innovativer Forschung für die Steuerung der Nachhaltigkeitsbemühungen von Unternehmen, wo kunststoffbezogene Probleme zunehmen.“ Bedenken. Die Anwendung von ML-Techniken auf dieses Problem zeigt das Potenzial fortschrittlicher Technologie, nachhaltige Praktiken voranzutreiben und eine grünere, umweltbewusstere Zukunft zu schaffen“, sagt Prof. Ok.
Diese quantitativen Einblicke in den Einfluss von MPs auf die Bodeneigenschaften stellen einen Durchbruch beim Verständnis und der Entschärfung des Plastikmüll-Dilemmas dar. Die Verwendung von ML-Algorithmen in der Studie markiert einen bahnbrechenden Wandel von traditionell komplexen und ressourcenintensiven Methoden zur Vorhersage und Interpretation der Auswirkungen von MPs auf Bodeneigenschaften.
„Unser ML-basierter Ansatz für diese Studie unterstreicht das Potenzial fortschrittlicher Technologie zur Bewältigung der Herausforderung der MP-Verschmutzung in unserer Umwelt. Eine solche datengesteuerte Forschung könnte eine fundierte Entscheidungsfindung zur Kunststoffabfallbewirtschaftung unterstützen und gleichzeitig mit globalen Nachhaltigkeitszielen in Einklang stehen.“ Prinzipien von ESG, sozialer Verantwortung und gesellschaftlichem Engagement. Darüber hinaus könnte dies die Nachhaltigkeitsbemühungen von Unternehmen revolutionieren und den Weg für mehr grüne Arbeitsplätze und nachhaltige Entwicklung ebnen, um eine grünere und umweltbewusstere Welt für heutige und zukünftige Generationen zu schaffen“, sagt Prof. Ok .
Die Integration von ML-Erkenntnissen zur Untersuchung der Auswirkungen von MPs im ESG-Kontext steht im Einklang mit sozialer Verantwortung und fördert nachhaltige Praktiken mit positiven Auswirkungen auf die Gemeinschaft. Unternehmen, die die MP-Verschmutzung bekämpfen, können durch den Einsatz von ML-Lösungen nicht nur ihren ökologischen Fußabdruck reduzieren, sondern auch das Vertrauen der Gemeinschaft stärken. Diese Bemühungen könnten wiederum die Industriestandards beeinflussen, möglicherweise Arbeitsplätze schaffen und das Wirtschaftswachstum in verwandten Bereichen vorantreiben.
„Wir haben uns konsequent mit den globalen Bedrohungen durch Plastikverschmutzung und der Bedeutung von Bodenökosystemen befasst, was durch unsere Beiträge in drei Artikeln veranschaulicht wird Natur Die bahnbrechenden Sonderausgaben der Fachzeitschriften zum Thema „Böden in Lebensmittelsystemen‚ Und ‚Kunststoffe in der Umwelt,’“, schließt Prof. Ok.
Mehr Informationen:
Piumi Amasha Withana et al., Vorhersage und Interpretation des Einflusses von Mikroplastik auf Bodeneigenschaften durch maschinelles Lernen, Umweltverschmutzung (2023). DOI: 10.1016/j.envpol.2023.122833
Bereitgestellt von Cactus Communications