Структурные и литологические факторы, определяющие пригодность площадок для свалок в городе Десятый Рамадан, Египет, с использованием дистанционного зондирования и машинного обучения

Поиск безопасных мест для городских отходов

По мере роста городов в засушливых регионах один из самых трудных вопросов планирования оказывается обманчиво прост: куда безопасно разместить мусор? В быстроразвивающемся египетском городе Десятый Рамадан свалка, сооружённая в неподходящем месте, может допустить просачивание загрязнённых жидкостей в грунт и в конечном счёте достигнуть ценных подземных вод. В этом исследовании показано, как спутниковые снимки и современные вычислительные методы могут помочь планировщикам выбирать места для свалок, защищая и людей, и водные ресурсы в суровых пустынных условиях.

Растущий город в пустыне и его скрытая подповерхность

Город Десятый Рамадан расположен на окраине Нильской дельты, в окружении каменистой пустыни, расчленённой сухими долинами. Под оголённой поверхностью скрывается мозаика пластов пород и трещин, которые сильно влияют на то, как вода и загрязнения перемещаются в подземных условиях. Некоторые слои, например глины и мергели, действуют как естественные барьеры, замедляющие просачивание. Другие, как рыхлые пески и гравий, облегчают поток воды и загрязнений. В то же время разломы и трещины могут вести себя как подземные «магистрали», направляющие жидкости на большие расстояния. Понимание этой скрытой структуры необходимо прежде, чем выбирать, где захоранивать бытовые и промышленные отходы.

Наблюдение земли из космоса

Полевая работа сама по себе не позволяет легко картировать все типы пород и трещины на десятках квадратных километров, особенно в удалённой пустынной местности. Поэтому исследователи обратились к спутниковым данным и цифровым моделям высот. Они использовали снимки спутника Landsat 5, чтобы различать разные поверхностные материалы по тому, как они отражают солнечный свет в нескольких диапазонах, включая видимый и инфракрасный. Также использовали детализированную модель рельефа, полученную из данных ASTER, чтобы выявить тонкие изменения высот и уклонов, которые часто отмечают скрытые разломы и границы между породами. Сочетая эти наборы данных, они получили более чёткую геологическую картину, чем старые региональные карты.

Обучение компьютеров «читать» ландшафт

Чтобы превратить спутниковые сигналы в надёжную литологическую карту, команда использовала два типа машинного обучения. Ненадзорный метод K-means автоматически группировал пиксели с похожими цветовыми паттернами в широкие типы ландшафта, давая первоначальный набросок основных единиц. Затем надзорный метод Support Vector Machine (SVM) обучали на известных примерах каждой породы и покрытий, включая городские зоны и дороги. После тщательной коррекции атмосферных эффектов SVM дал литологическую карту, которая хорошо согласовывалась с доступной наземной информацией, правильно классифицируя более четырёх из пяти тестовых пикселей. Этот более детальный вид также отразил недавний рост города, которого не было на старых картах, что важно для предотвращения конфликтов между новыми свалками и расширяющимися жилыми районами.

Выявление трещин и слабых зон

Учёные затем сосредоточились на структурном «скелете» региона — трещинах и разломах, которые могут ослаблять грунт или направлять загрязнённые жидкости. Они усилили спутниковые изображения с помощью математического подхода, называемого методом главных компонент, и направленных фильтров, которые подчёркивают элементы, ориентированные в определённых направлениях. Автоматические инструменты выделили линейные признаки, которые затем вручную сверили с теневой картой рельефа и существующими картами. В результате общая длина задокументированных разломов увеличилась на 25% по сравнению с унаследованными данными, и было чётко подтверждено, что в районе доминируют два основных направления трещин. Карты плотности трещин показали, где грунт сильно расчленён этими структурами и потому более уязвим к утечкам или неустойчивости.

Взвешивание лучших и худших мест

Имея детализированную литологическую карту и карту плотности трещин, команда построила модель принятия решений, чтобы оценить пригодность каждой части исследуемой территории для свалки. Наибольший вес был отдан типу пород: предпочитались участки, залегающие на плотных сланцах и мергелях, поскольку они естественно замедляют вертикальное просачивание, в то время как рыхлые пески, гравий и отложения вадей были снижены в рейтинге из‑за высокой проницаемости. Важна была и удалённость от крупных разломов: зоны, удалённые от выделенных линейных структур, считались более безопасными, чем расположенные рядом, которые могут служить скрытыми проводниками. Городские и инфраструктурные территории были строго исключены, а недавнее расширение города учтено с использованием актуальных границ, чтобы будущие жилые районы не продвигались к свалке.

Сколько земли действительно безопасно?

Когда все эти факторы были объединены в многокритериальную модель, лишь около 16% исследуемой территории оказались высокопригодными для размещения свалки. Эти предпочитаемые зоны объединяют несколько благоприятных признаков: они лежат на низкопроницаемых породах, структурно спокойны с малым количеством трещин, находятся на значительном удалении от города и крупных дорог и перекрывают подземные воды на глубине примерно 80 метров. Исследователи также проверили чувствительность результатов к изменениям значимости отдельных факторов. Даже при небольших сдвигах весов наиболее пригодные участки оставались в тех же общих местах, что свидетельствует о достаточной устойчивости метода для практического планирования.

Что это значит для пустынных городов

Для неспециалистов вывод таков: выбор безопасного места для свалки — это гораздо больше, чем указать пустой участок пустыни на карте. Исследование показывает, что сочетание спутниковых изображений, базовых данных высот и продуманных компьютерных моделей позволяет планировщикам быстро сузить большие территории до небольшого набора геологически безопасных кандидатов. В городе Десятый Рамадан такой подход указывает на ограниченное число участков, где сама природа — плотные породы, мало трещин и глубокие грунтовые воды — в сочетании с осторожным планированием минимизирует риск того, что захороненные отходы когда‑нибудь отравят ценные водные ресурсы. Та же методика может быть адаптирована для других растущих пригородных городов в пустынной зоне, которые сталкиваются с двойным давлением быстрого роста и охраны окружающей среды.

Цитирование: 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

Ключевые слова: выбор места для свалки, дистанционное зондирование, машинное обучение, защита грунтовых вод, городское планирование