שליטה סטרוקטורלית וליתולוגית בהתאמת אתרים למטמנות בעיר עשירית הרמדאן, מצרים באמצעות חישה מרחוק ולמידת מכונה

מציאת מקומות בטוחים לפסולת עירונית

כשהערים באזורים צחיחים מתרחבות, אחת השאלות הקשות בתכנון נראית פשוטה על פני השטח: איפה נוכל להניח את הפסולת בבטחה? בעיר עשירית הרמדאן במצרים, שגדלה במהירות, מטמנה שנבנית במקום לא מתאים עלולה לאפשר לנוזלים מזוהמים לחדור לקרקע ולבסוף להגיע למי תהום יקרים. המחקר הזה מדגים כיצד תמונות לוויין וטכניקות מחשוב מודרניות יכולות לסייע למתכננים לבחור מיקומים למטמונות שמגנים הן על האוכלוסייה והן על מאגרי המים בסביבת מדבר קשה.

עיר מדברית צומחת והמרחב הנסתר מתחתיה

עיר עשירית הרמדאן שוכנת על קצה דלתא הנילוס, מוקפת במדבר סלעי החתוך בערוצי בנאדק יבשים. מתחת לפני הקרקע החשופה שוכב מרבד של שכבות סלע וסדקים שמשפיעים במידה רבה על אופן תנועת המים והמזיקים התת-קרקעיים. שכבות מסוימות, כמו חמרים ומארלים, מתפקדות כמחסומים טבעיים שהאטו את החדירה. אחרות, כגון חול רופף וחצץ, מאפשרות למים ולמזהמים לזרום ביתר קלות. במקביל, סדקים ושברים יכולים להתנהג ככבישים תת-קרקעיים, ולהוביל נוזלים למרחקים ארוכים. הבנת המבנה הנסתר הזה היא חיונית לפני בחירת מקום להטמנת פסולת ביתית ותעשייתית.

לראות את הקרקע מהחלל

רק עבודה שדה אינה מסוגלת במדויק למיפוי כל סוג סלע וסדק על פני עשרות קמ"ר, במיוחד בשטחי מדבר נידחים. לכן החוקרים פנו לנתוני לוויין ולמישורי גובה דיגיטליים. הם השתמשו בתמונות מלוויין Landsat 5 כדי להבחין בחומרים משטחיים שונים על בסיס אופן החזרת האור בכמה ערוצים, כולל בתחום הנראה והאינפרא-אדום. כמו כן נעשה שימוש במודל גובה מפורט שמקורו בנתוני ASTER כדי לחשוף שינויים עדינים בגובה ובשיפוע שמצביעים לעתים על שברים קבורים ושינויים בין יחידות סלעיות. בשילוב המערכות הללו יכלו להפיק תמונה גיאולוגית חדה הרבה יותר מאשר המפות האזוריות הישנות.

להדריך מחשבים לקרוא את הנוף

כדי להפוך את האותות הלווייניים למפת סלעים מהימנה, הצוות השתמש בשני סוגי למידת מכונה. שיטה בלתי־מונחית בשם K-means קיבצה אוטומטית פיקסלים בעלי דפוסי צבע דומים לסוגי שטח רחבים, מה שנתן טיוטה ראשונית של היחידות העיקריות. לאחר מכן שימש מודל מונחה בשם Support Vector Machine (SVM) שאומן על דוגמאות ידועות של כל התצורות הסלעיות וכיסויי הקרקע, כולל אזורים עירוניים וכבישים. לאחר תיקון מדוקדק להשפעות האטמוספרה, ה-SVM הפיק מפה ליתולוגית שתאם היטב למידע השטחי הקיים, וסיווג נכון יותר מארבעה מתוך חמישה פיקסלים במבחן. התצוגה המפורטת הזו גם קלטה התרחבות עירונית עדכנית שמפות ישנות פספסו — מה שחשוב כדי למנוע קונפליקטים בין מטמנות עתידיות לשכונות שמתפתחות.

למעקב אחר סדקים ואזורי תחלשה

לאחר מכן המדענים התמקדו ב"שלד" הסטרוקטורלי של האזור — הסדקים והשברים שיכולים להחליש את הקרקע או לכוון נוזלים מזוהמים. הם שיפרו את התמונות הלווייניות באמצעות גישה מתמטית של ניתוח רכיבי יסוד (PCA) וסינונים כיווניים שמדגישים תכונות המתרכזות בנטיות מסוימות. כלים אוטומטיים חילצו תכונות ליניאריות, שאחר כך נבדקו ידנית מול ריליף מוצל ומפות קיימות. התוצאה הייתה עלייה של 25% באורך הכולל של השברים שמופו לעומת נתונים קודמים, ואישור ברור כי שני כיווני שבר עיקריים שוררים באזור. מפות צפיפות השברים הראו היכן הקרקע נחתכה בחוזקה על ידי מבנים אלה ולכן פגיעה לדליפה או לחוסר יציבות גדלה שם.

להעריך את המקומות הטובים והרעים

בהצטיידות גם במפת סלע מפורטת וגם במפת צפיפות שברים, הצוות בנה מודל החלטה שדירג כל חלק במחקר על פי התאמתו למטמנה. הם נתנו משקל הגדול ביותר לסוג הסלע: אזורים המתחתם סחפים דחוסים ושכבות מארל זכו לעדיפות כי הם מאטים באופן טבעי את החדירה כלפי מטה, בעוד חול רופף, חצץ ומשקעים בע intimate (wadi) קיבלו עונש בשל החדירות הגבוהה שלהם. המרחק משברים עיקריים גם הוא שיחק תפקיד: אזורים רחוקים מהקווים הממופים נחשבו לבטוחים יותר מאשר אזורים צמודים אליהם, שעשויים לשמש תעלות נסתרות. אזורים עירוניים ותשתיות הוצאו לחלוטין, והרחבת העיר עדכנית שולבה באמצעות גבולות עדכניים, כדי להבטיח ששכונות עתידיות לא יתקרבו למטמנה.

כמה אדמות באמת בטוחות?

כאשר כל הגורמים הללו שולבו במודל רב־קריטרי, רק כ־16% משטח המחקר הופיעו כהתאמה גבוהה למטמנה. אזורים מועדפים אלה חולקים כמה תכונות מיטיבות: הם נמצאים על סלעים בעלי חדירות נמוכה, שקטים מבחינה סטרוקטורלית עם מעט שברים, מרוחקים יחסית מהעיר ומהכבישים הראשיים, ומתחתיהם נמצאים מי תהום בעומק של כ־80 מטרים. החוקרים גם בחנו את הרגישות של התוצאות לשינויים בחשיבות שניתנה לכל גורם. גם כאשר הם שינו במעט את המשקלים, האזורים המתאימים ביותר נשארו במיקומים דומים, מה שמעיד על כך שהשיטה מרוסנת דיה לתכנון במציאות.

מסקנות לעיר מדבריות

עבור הקוראים שאינם מומחים, המסקנה היא שבחירת אתר מטמנה בטוח היא הרבה יותר מאשר סימון משבצת מדברית ריקה על מפה. המחקר מראה שעל ידי שילוב תמונות לוויין, נתוני גובה בסיסיים ומודלים חכמים של מחשב, מתכננים יכולים במהירות לצמצם אזורים נרחבים לקבוצה קטנה של מועמדים גיאולוגית בטוחים. בעשירית הרמדאן, שיטה זו מצביעה על מספר מוגבל של מוקדים שבהם הטבע עצמו — סלעים דחוסים, מעט שברים ומי תהום עמוקים — עובד יחד עם תכנון זהיר כדי למזער את הסיכון שפסולת קבורה אי פעם תהרוס מקורות מים נדירים. המסגרת הזו ניתנת להתאמה לערים אחרות בצדי מדבר שעמן מתמודדים עם הלחצים הכפולים של התרחבות מהירה והגנה סביבתית.

ציטוט: 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

מילות מפתח: מיקום מטמנה, חישה מרחוק, למידת מכונה, הגנת מי תהום, תכנון עירוני