Strukturelle und lithologische Steuerungsfaktoren für die Eignung von Deponiestandorten in Tenth of Ramadan City, Ägypten, mittels Fernerkundung und maschinellem Lernen

Sichere Orte für städtischen Müll finden

Wenn Städte in trockenen Regionen wachsen, gehört eine der schwierigsten Planungsfragen zu den scheinbar einfachsten: Wo kann man den Müll sicher unterbringen? In der schnell expandierenden Tenth of Ramadan City in Ägypten könnte eine Deponie am falschen Ort dazu führen, dass verschmutzte Flüssigkeiten in den Boden sickern und schließlich wertvolles Grundwasser erreichen. Diese Studie zeigt, wie Satellitenbilder und moderne Computerverfahren Planern helfen können, Deponiestandorte zu wählen, die sowohl Menschen als auch Wasserversorgung in einer rauen Wüstenumgebung schützen.

Eine wachsende Wüstenstadt und ihr verborgenes Untergrundbild

Die Tenth of Ramadan City liegt am Rand des Nildeltas, umgeben von felsiger Wüste, durchzogen von trockenen Tälern. Unter der kargen Oberfläche liegt ein Mosaik aus Gesteinsschichten und Rissen, das stark beeinflusst, wie sich Wasser und Schadstoffe unterirdisch bewegen. Einige Schichten, etwa Tone und Mergel, wirken wie natürliche Barrieren, die das Versickern verlangsamen. Andere, wie lockere Sande und Kiese, erlauben Wasser und Schadstoffe leichter zu fließen. Gleichzeitig können Klüfte und Verwerfungen wie unterirdische Autobahnen wirken und Flüssigkeiten über weite Strecken leiten. Dieses verborgene Gefüge zu verstehen ist entscheidend, bevor man Haushalts- und Industrieabfälle vergräbt.

Den Untergrund aus dem All sehen

Alleinige Geländearbeit kann nicht leicht jeden Gesteinstyp und jede Verwerfung über Dutzende Quadratkilometer kartieren, besonders in abgelegener Wüstengegend. Die Forschenden nutzten daher Satellitendaten und digitale Höhenmodelle. Sie verwendeten Bilder des Landsat-5-Satelliten, um verschiedene Oberflächenmaterialien anhand ihrer Lichtreflexion in mehreren Wellenlängen, einschließlich sichtbarem Licht und Infrarot, zu unterscheiden. Außerdem nutzten sie ein detailliertes Höhenmodell aus ASTER-Daten, um subtile Höhen- und Gefälleänderungen zu erkennen, die oft verborgene Verwerfungen und Grenzen zwischen Gesteinseinheiten nachzeichnen. Durch die Kombination dieser Datensätze konnten sie ein deutlich schärferes geologisches Bild erzeugen als die älteren regionalen Karten.

Computern beibringen, die Landschaft zu lesen

Um die Satellitensignale in eine verlässliche Gesteinskarte zu übersetzen, setzte das Team zwei Arten des maschinellen Lernens ein. Eine unüberwachte Methode namens K-Means gruppierte automatisch Pixel mit ähnlichen Farbmustern zu groben Geländetypen und lieferte eine erste Skizze der Haupteinheiten. Anschließend wurde eine überwachte Methode, die Support Vector Machine (SVM), mit bekannten Beispielen jeder Gesteinsformation und Landbedeckung, einschließlich städtischer Gebiete und Straßen, trainiert. Nach sorgfältiger Korrektur atmosphärischer Effekte erzeugte die SVM eine Lithologiekarte, die gut mit verfügbaren Geländedaten übereinstimmte und mehr als vier von fünf Testpixeln korrekt klassifizierte. Diese feinere Darstellung erfasste außerdem jüngstes Stadtwachstum, das ältere Karten verpassten — ein entscheidender Punkt, um Konflikte zwischen neuen Deponien und wachsenden Wohngebieten zu vermeiden.

Klüfte und Schwachzonen verfolgen

Die Wissenschaftler richteten dann den Fokus auf das strukturelle "Skelett" der Region — die Klüfte und Verwerfungen, die den Untergrund schwächen oder verschmutzte Flüssigkeiten kanalisieren können. Sie verbesserten die Satellitenbilder mit einer mathematischen Methode, der Hauptkomponentenanalyse, und mit Richtungsfiltern, die Merkmale in bestimmten Streichrichtungen hervorheben. Automatisierte Werkzeuge extrahierten lineare Strukturen, die anschließend manuell anhand von Reliefschattierungen und bestehenden Karten überprüft wurden. Das Ergebnis war eine um 25 % größere kartierte Gesamtlänge an Klüften gegenüber älteren Daten und die eindeutige Bestätigung, dass zwei Hauptstreichrichtungen die Region dominieren. Karten der Klufdichte zeigten, wo der Untergrund stark zergliedert ist und somit anfälliger für Leckagen oder Instabilität.

Die besten und schlechtesten Stellen gegeneinander abwägen

Mit sowohl einer detaillierten Gesteinskarte als auch einer Klufdichtekarte baute das Team ein Entscheidungsmodell, das jeden Teil des Untersuchungsgebiets hinsichtlich Deponietauglichkeit bewertet. Am stärksten gewichtet wurde der Gesteinstyp: Bereiche mit dichtem Schiefer und Mergel wurden bevorzugt, weil sie das Abwärtsversickern natürlich verlangsamen, während lockere Sande, Kiese und Wadis wegen ihrer hohen Durchlässigkeit abgewertet wurden. Die Entfernung zu größeren Verwerfungen spielte ebenfalls eine Rolle: Zonen weit von den kartierten Lineamenten galten als sicherer als solche in deren Nähe, die als verborgene Leitbahnen wirken könnten. Städtische und infrastrukturelle Flächen wurden strikt ausgeschlossen, und das jüngste Stadtwachstum wurde mithilfe aktueller Grenzen berücksichtigt, um sicherzustellen, dass sich zukünftige Wohngebiete nicht in Richtung Deponie ausdehnen.

Wie viel Land ist wirklich sicher?

Als all diese Faktoren in einem Multi-Kriterien-Modell kombiniert wurden, ergab sich, dass nur etwa 16 % des Untersuchungsgebiets als hochgeeignet für eine Deponie gelten. Diese bevorzugten Zonen teilen mehrere günstige Eigenschaften: Sie liegen auf Gestein mit geringer Durchlässigkeit, sind strukturell ruhig mit wenigen Klüften, weit entfernt von Stadt und Hauptstraßen und überlagern Grundwasser in einer Tiefe von etwa 80 Metern. Die Forschenden prüften außerdem die Empfindlichkeit ihrer Ergebnisse gegenüber Änderungen in der Gewichtung der Faktoren. Selbst bei leichten Verschiebungen der Gewichtungen blieben die am besten geeigneten Bereiche in denselben allgemeinen Lagen, was darauf hindeutet, dass die Methode robust genug für die praktische Planung ist.

Was das für Wüstenstädte bedeutet

Für Nicht-Fachleute lautet die Kernbotschaft: Die Auswahl eines sicheren Deponiestandorts ist weit mehr, als einfach ein freies Wüstenstück auf einer Karte zu wählen. Die Studie zeigt, dass Planer durch die Kombination von Satellitenbildern, einfachen Höheninformationen und intelligenten Computermodellen große Gebiete schnell auf eine kleine Auswahl geologisch sicherer Kandidaten eingrenzen können. In der Tenth of Ramadan City weist dieser Ansatz auf eine begrenzte Anzahl von Stellen hin, an denen die Natur selbst — dichte Gesteine, wenige Klüfte und tiefes Grundwasser — in Kombination mit sorgfältiger Planung das Risiko minimiert, dass vergrabene Abfälle eines Tages knappe Wasserressourcen vergiften. Dasselbe Konzept lässt sich auf andere wachsende Städte am Wüstenrand übertragen, die dem doppelten Druck von schnellem Wachstum und Umweltschutz ausgesetzt sind.

Zitation: Essam, S., Mabrouk, W.M., Soliman, K.S. et al. Structural and lithological controls on landfill site suitability in Tenth of Ramadan City, Egypt using remote sensing and machine learning. Sci Rep 16, 9831 (2026). https://doi.org/10.1038/s41598-026-41772-0

Schlüsselwörter: Deponiestandort, Fernerkundung, maschinelles Lernen, Grundwasserschutz, Stadtplanung