Sistemas de información geográfica para la gestión sostenible de residuos sólidos municipales: una revisión...

Área de la Ciencia:

• Ciencias ambientales Ciencias ambientales.
• Los sistemas de información geográfica (SIG) son sistemas de información geográfica.
• Gestión de la gestión de residuos.

Sus antecedentes:

• La gestión de residuos sólidos municipales (MSWM) es un desafío ambiental crítico, exacerbado por la urbanización y el crecimiento de la población.
• Los Sistemas de Información Geográfica (SIG) ofrecen capacidades avanzadas para la captura, integración y análisis espacial de datos en la planificación de la gestión de residuos.

Objetivo del estudio:

• Revisar sistemáticamente las aplicaciones de SIG en MSWM basado en artículos revisados por pares de 2000-2024.
• Identificar los modelos clave de SIG, las metodologías, las tendencias de investigación y las contribuciones geográficas en MSWM.

Principales métodos:

• Una revisión sistemática de la literatura en tres pasos: búsqueda bibliométrica, análisis cienciométrico y análisis cualitativo.
• Análisis de 473 artículos revisados por pares que se centran en aplicaciones de SIG en el emplazamiento de vertederos, optimización de rutas, planificación de estaciones de transferencia y gestión integrada de residuos.

Principales resultados:

• La ubicación de vertederos y la optimización de rutas de recolección son áreas de investigación SIG dominantes, con contribuciones significativas de la India, Irán, Turquía y los Estados Unidos.
• El reciclaje, la conversión de residuos en energía y la planificación de estaciones de transferencia son aplicaciones poco exploradas de GIS en MSWM.
• Las técnicas de toma de decisiones de múltiples criterios (MCDM) se utilizan comúnmente, con tendencias emergentes en la integración de IA y aprendizaje automático.

Conclusiones:

• Los SIG proporcionan ventajas significativas para la integración de datos espaciales y el apoyo a la toma de decisiones en MSWM.
• La investigación futura debe centrarse en la integración de datos en tiempo real, el modelado predictivo basado en IA y los marcos de sostenibilidad para soluciones escalables de gestión de residuos basadas en SIG.
• Abordar las brechas de investigación puede mejorar la eficiencia de la MSWM y contribuir al logro de los Objetivos de Desarrollo Sostenible.