Key points are not available for this paper at this time.
Cette étude se concentre sur l'analyse, l'implémentation et l'intégration de techniques et de méthodes, également basées sur des algorithmes mathématiques et l'intelligence artificielle (IA), pour acquérir des connaissances sur certains phénomènes qui produisent de la pollution avec un impact sur la santé environnementale, et qui proviennent de pratiques illicites qui se produisent dans les zones urbaines. Dans de nombreuses zones urbaines (ou agroécosystèmes), la pratique de l'élimination illégale des déchets par des activités commerciales, en les abandonnant à la campagne plutôt qu'en investissant des ressources économiques pour assurer une élimination correcte, est répandue. Cela entraîne une accumulation de déchets dans ces zones (qui peuvent également être des zones naturelles protégées), qui sont ensuite également incendiées pour réduire leur volume. Évidemment, les répercussions de telles actions sont nombreuses. La combustion des déchets libère des contaminants dans l'environnement tels que les dioxines, les polychlorobiphényles et les furanes, et dépose d'autres éléments dans le sol, tels que des métaux lourds, qui, par lessivage et percolation, contaminent les ressources en eau telles que les rivières et les aquifères. L'objectif principal est la conception et la mise en œuvre de programmes de surveillance contre des activités illicites spécifiques qui tiennent compte des caractéristiques territoriales. Cette approche avancée exploite l'IA et les environnements SIG pour interpréter les états environnementaux, fournissant une compréhension des phénomènes en cours. La méthodologie utilisée est basée sur l'implémentation d'algorithmes mathématiques et d'IA, intégrés dans un environnement SIG pour aborder même des problèmes environnementaux à grande échelle, améliorant la précision spatiale et temporelle des analyses et permettant la personnalisation de programmes de surveillance dans des environnements urbains et périurbains en fonction des caractéristiques territoriales. Les résultats de l'application de la méthodologie montrent les pourcentages des différents types de déchets trouvés dans les agroécosystèmes de la zone d'étude et le degré de concentration, permettant l'identification d'aires similaires avec une plus grande criticité. Ensuite, grâce à une analyse de réseau et des voisins les plus proches, il est possible d'initier des contrôles ciblés.
Massarelli et al. (Mar,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: