Zintegrowane ramy wyboru lokalizacji dla chłodnictwa zorientowanego na pochodzenie przy użyciu GIS-MCDM i ulepszonej optymalizacji Harris Hawks

Utrzymanie świeżości plonów od samego początku

Wiele owoców i warzyw na świecie psuje się, zanim trafi na półkę sklepową, szczególnie w „pierwszym kilometrze” między gospodarstwem a najbliższym chłodnią. Artykuł zajmuje się praktycznym problemem o dużych konsekwencjach dla marnotrawstwa żywności, dochodów rolników i wpływu na klimat: gdzie w regionie rolniczym powinny powstać budynki chłodnicze i jak duże, aby świeże produkty mogły być chłodzone szybko i tanio, przy jednoczesnym poszanowaniu lokalnych ograniczeń gruntowych i środowiskowych?

Dlaczego wczesne chłodzenie ma znaczenie

Świeże produkty są silnie wrażliwe na ciepło i czas. Jeśli plonów nie schłodzi się szybko po zbiorach, tracą one jakość, szybciej się psują i przynoszą niższe dochody rolnikom. Chiny, będące obecnie największym na świecie producentem i konsumentem świeżej żywności rolnej, rozbudowują swoją sieć „łańcucha chłodniczego” obejmującą przechowywanie i transport w warunkach chłodniczych. Kraj ma jednak znacznie mniej chłodni w obszarach produkcyjnych niż w pobliżu miast, więc produkty często pokonują duże odległości zanim trafią do odpowiedniego magazynu. Badanie koncentruje się na rozwiązaniu tej słabej strony po stronie gospodarstw, mając na celu wsparcie rządów i przedsiębiorstw przy podejmowaniu decyzji o lokalizacji nowych chłodni zorientowanych na pochodzenie.

Wybór najlepszych terenów

Naukowcy zbudowali dwuetapowy system decyzyjny i przetestowali go w powiecie Helan, ważnym regionie rolniczym w Ningxia w Chinach. W pierwszym etapie wykorzystują mapy cyfrowe i ustrukturyzowaną metodę oceniania, aby ocenić, jak nadaje się każda działka pod chłodnictwo. Łączą trzy rodzaje informacji: jakość dróg i powiązań logistycznych, intensywność lokalnej działalności rolniczej oraz ukształtowanie terenu i warunki środowiskowe sprzyjające budowie. Jednocześnie wyłączają obszary, na których nie powinno się budować, takie jak rezerwaty przyrody, zbiorniki wodne, chronione grunty rolne, parki i gęsta zabudowa mieszkaniowa. Każdy pozostały obszar otrzymuje ocenę od „bardzo odpowiedni” do „nieodpowiedni”, dzięki czemu planiści od razu widzą, gdzie budowa ma sens, a gdzie nie.

Znajdowanie inteligentnych klastrów, a nie przypadkowych miejsc

Gdy najbardziej obiecujące strefy zostaną zidentyfikowane, drugi etap analizuje dokładniej, ile chłodni jest potrzebnych, gdzie dokładnie powinny powstać i jakiej wielkości ma być każda z nich. Zespół dzieli wysoce odpowiednie tereny na wiele małych komórek siatki, a następnie grupuje pobliskie komórki w klastry, stosując metodę wybierającą rzeczywiste lokalizacje zamiast abstrakcyjnych punktów. Centrum każdego klastra traktowane jest jako potencjalna lokalizacja. Model kosztów uwzględnia trzy główne wydatki: budowę i eksploatację obiektów, transport produktów z gospodarstw do chłodni oraz utracone wartości wynikające z psucia się żywności podczas dłuższych lub wolniejszych przewozów. Większe chłodnie zwykle są droższe w budowie, ale tańsze w eksploatacji na tonę produktu dzięki efektom skali. Aby przeszukać wszystkie możliwe kombinacje lokalizacji i rozmiarów, autorzy używają ulepszonej wersji algorytmu „inteligencji rojowej” inspirowanego zachowaniem łowieckim sokołów Harris’a, który dobrze nadaje się do eksploracji złożonych przestrzeni rozwiązań.

Co się wydarzyło w testowanym powiecie

Stosując te ramy do powiatu Helan, autorzy stwierdzili, że tylko około 1,25% powierzchni gruntów jest naprawdę idealne pod chłodnie zlokalizowane przy źródle, a te enklawy koncentrują się na południu, gdzie gęściej występują drogi, parki logistyczne i przedsiębiorstwa rolne. Z dziewięciu obiecujących klastrów ich model optymalizacyjny wybrał sześć ostatecznych lokalizacji, wszystkie w obrębie stref o wysokiej przydatności. Zalecana sieć składa się głównie ze średniej wielkości obiektów oraz jednego dużego węzła w parku logistycznym, łącznie zapewniając 33 000 ton pojemności dla 34 baz produkcyjnych. Wszystkie obiekty wykorzystywane są w ponad 90% swojej pojemności, a całkowity koszt jest minimalizowany, gdy system opiera się na większych, dobrze wykorzystanych chłodniach zamiast wielu małych, rozproszonych. Gdy badacze testowali różne scenariusze typu „co jeśli” — na przykład zmiany kosztów budowy lub wzrost popytu — konsekwentnie stwierdzali, że wyższy popyt i tańsze duże budynki skłaniają rozwiązanie ku mniejszej liczbie większych obiektów.

Co to oznacza dla rolników i planistów

Mówiąc wprost, badanie pokazuje, że inteligentne planowanie może przekształcić rozproszone plony i nierówną infrastrukturę w spójny, wydajny łańcuch chłodniczy. Najpierw mapując miejsca, w których chłodnie można bezpiecznie i sensownie budować, a następnie stosując kosztowo świadome wyszukiwanie, aby zdecydować, ile obiektów zbudować i jak duże mają być, ramy pomagają zapewnić, że zebrane plony są schładzane szybko i ekonomicznie. Główny wniosek jest taki, że dobrze rozmieszczone chłodnie o dużej wydajności w obszarach produkcyjnych mogą zmniejszyć straty, wzmocnić dochody rolników oraz ograniczyć niepotrzebne przewozy i zużycie energii — oferując praktyczny plan dla regionów na całym świecie, które chcą zbudować lub zmodernizować swoje chłodnie po stronie gospodarstw.

Cytowanie: Li, Y., Li, F., Yang, X. et al. Integrated site selection framework for origin-based cold storage using GIS-MCDM and improved Harris Hawks optimization. Sci Rep 16, 11560 (2026). https://doi.org/10.1038/s41598-026-40766-2

Słowa kluczowe: logistyka łańcucha chłodniczego, chłodnictwo zorientowane na pochodzenie, planowanie lokalizacji obiektów, redukcja strat żywności, infrastruktura rolnicza