УДК 528.9:502.3:004.891
DOI: 10.36871/2618­-9976.2025.12.003

Авторы

Юрий Владиславович Трофимов,
Младший научный сотрудник, ассистент кафедры САУ, инженер­программист, Международная межправительственная организация Объединенный институт ядерных исследований (Лаборатория информационных технологий им. М.Г. Мещерякова), Федеральное государственное бюджетное образовательное учреждение высшего образования «Университет «Дубна», Дубна, Россия
Инна Здиславовна Каманина,
Кандидат биологических наук, доцент, Федеральное государственное бюджетное образовательное учреждение высшего образования «Университет «Дубна», Дубна, Россия
Алексей Николаевич Аверкин,
Кандидат физико­математических наук, доцент, Федеральное государственное учреждение «Федеральный исследовательский центр «Информатика и управление» Российской академии наук», Федеральное государственное бюджетное образовательное учреждение высшего образования «Университет «Дубна», Дубна, Россия
Егор Михайлович Кузнецов,
Студент, Федеральное государственное бюджетное образовательное учреждение высшего образования «Университет «Дубна», Дубна, Россия
Ирина Васильевна Галицкая,
Доктор геолого­минералогических наук, доцент, Федеральное государственное бюджетное учреждение науки Институт геоэкологии им. Е.М. Сергеева Российской академии наук (ИГЭ РАН), Москва, Россия

Аннотация

В  работе  выполнен  обзор  и  систематизация  современных подходов  к  территориальному  районированию для  выбора  площадок  размещения  полигонов  твердых  коммунальных  отходов (ТКО) с фокусом на эволюцию геоинформационных систем  (ГИС)  в  сторону  интеллектуальных  когнитивных  платформ поддержки принятия решений. Показано, что ГИС трансформируются из средств визуализации в многоуровневые модульные системы, объединяющие пространственный  анализ,  многокритериальную оптимизацию и  модели  неопределенности. Обоснована четырехуровневая архитектура  принятия решений: (1) базовая геометрическая фильтрация  ограничений и формирование допустимых зон; (2) ранжирование альтернатив методами многокритериального анализа  (AHP, TOPSIS  и  др.); (3)  стохастическое  прогнозирование  и  оценка рисков на основе методов машинного обучения (ML) с  учетом  пространственно­временной  изменчивости  факторов; (4)  слой  интерпретации  и  управления  неопределенностью с  использованием  нечеткой  логики,  а  также  перспек­ тивной интеграции больших языковых моделей (LLM) и методов  объяснимого  искусственного  интеллекта  (ОИИ)  для  повышения  прозрачности, воспроизводимости  и  доверия  к результатам.  Предложена  концепция  интеллектуального  помощника,  связывающего  вычислительный  контур  ГИС  с  объяснимыми  выводами  (карты  пригодности/риска,  вклад  факторов,  сценарные  пояснения)  и  поддержкой  диалога  на  уровне  предметных  ограничений.  Экологические  критерии  (включая защиту подземных вод) рассматриваются как формализуемые ограничения и признаки в едином пайплайне, а  синтетические  данные  – как  инструмент  моделирования редких  аварийных  сценариев  и  стресс­тестирования  моделей. Обсуждаются направления конвергенции ГИС с технологиями  цифровых  двойников  для  перехода  от  реактивного мониторинга к проактивному управлению рисками и экологической безопасностью.

Ключевые слова

геоинформационные системы (ГИС)
объяснимый искусственный интеллект (XAI)
автономные агенты
специализированные языковые модели
нейронечеткое моделирование
нечеткая логика
синтетические данные
наращиваемость функционала
территориальное районирование
полигоны ТКО
многокритериальный анализ (MCDA)
аналитический иерархический процесс (AHP)
экологическая безопасность

Список литературы

[1] Аверкин А.Н., Трофимов Ю.В. Применение адаптивных нейро­нечетких систем вывода и объяснительного искусственного интеллекта для мониторинга загрязнения почв и оценки рисков для здоровья населения в городе Дубне // Мягкие измерения и вычисления. Учредители: ООО «Издатеьский дом» Научная библиотека». 2024. Т. 84. №. 11­1. С. 70–90.
[2] Всемирный банк. What a Waste 2.0: A Global Snapshot of Solid Waste Management to 2050 [Электронный ресурс]. Режим доступа: https://datatopics.worldbank.org/what­a­waste/.
[3] Трофимов Ю.В., Аверкин А.Н., Черемисина Е.Н. Обзор и анализ методов объяснительного искусственного интеллекта для решения задач геоэкологического районирования и медицинской профилактики населения // Геоинформатика. 2024. №. 4. С. 93.
[4] Akinboyewa T. et al. GIS copilot: Towards an autonomous GIS agent for spatial analysis. International Journal of Digital Earth, 2025, vol. 18, no. 1, р. 2497489.
[5] Ayari J. et al. Candidate areas for wastewater stabilization ponds utilizing GIS and metal adsorption capacities of native clayey deposits: Mornag case study (NE Tunisia). Bulletin of Engineering Geology and the Environment, 2019, vol. 78, no. 6, рр. 4567–4578.
[6] Beierle T.C. Democracy in practice: public participation in environmental decisions. Routledge, 2010.
[7] Beskese A. et al. Landfill site selection using fuzzy AHP and fuzzy TOPSIS: a case study for Istanbul. Environmental Earth Sciences, 2015, vol. 73, no. 7, рр. 3513–3521.
[8] Chabuk A. et al. Soil characteristics in selected landfill sites in the Babylon Governorate, Iraq. Journal of civil engineering and Architecture, 2017, vol. 11, no. 4, рр. 348–363.
[9] El Maguiri A. et al. Landfill site selection using GIS, remote sensing and multicriteria decision analysis: case of the city of Mohammedia, Morocco. Bulletin of Engineering Geology and the Environment, 2016, vol. 75, no. 3, рр. 1301–1309.
[10] Feizizadeh B., Blaschke T. GIS­multicriteria decision analysis for landslide susceptibility mapping: comparing three methods for the Urmia lake basin, Iran. Natural hazards, 2013, vol. 65, no. 3, рр. 2105–2128.
[11] Gemitzi A. et al. Assessment of groundwater vulnerability to pollution: a combination of GIS, fuzzy logic and decision making techniques. Environmental Geology, 2006, vol. 49, no. 5, рр. 653–673.
[12] Goumas M., Lygerou V. An extension of the PROMETHEE method for decision making in fuzzy environment: Ranking of alternative energy exploitation projects. European Journal of Operational Research, 2000, vol. 123, no. 3, рр. 606–613.
[13] Klein J. et al. Synthetic data at scale: a development model to efficiently leverage machine learning in agriculture. Frontiers in Plant Science, 2024, vol. 15, р. 1360113.
[14] Kontos T.D., Komilis D.P., Halvadakis C.P. Siting MSW landfills with a spatial multiple criteria analysis methodology. Waste management, 2005, vol. 25, no. 8, рр. 818–832.
[15] Li Z., Ning H. Autonomous GIS: the next­generation AI­powered GIS. International Journal of Digital Earth, 2023, vol. 16, no. 2, рр. 4668–4686.
[16] Liu Z. et al. Digital twin modeling method for environmental governance of abandoned landfills based on multi­agent systems. Digital Twin, 2025, vol. 2, no. 3, рр. 2530328.
[17] Malczewski J. GIS­based land­use suitability analysis: a critical overview. Progress in planning, 2004, vol. 62, no. 1, рр. 3–65.
[18] Nas B. et al. Selection of MSW landfill site for Konya, Turkey using GIS and multi­criteria evaluation. Environmental monitoring and assessment, 2010, vol. 160, no. 1, рр. 491–500.
[19] Ouma Y.O., Kipkorir E.C., Tateishi R. MCDA­GIS integrated approach for optimized landfill site selection for growing urban regions: an application of neighborhood proximity analysis. Annals of GIS, 2011, vol. 17, no. 1, рр. 43–62.
[20] Şener B., Süzen M.L., Doyuran V. Landfill site selection by using geographic information systems. Environmental geology, 2006, vol. 49, no. 3, рр. 376–388.
[21] Şener E., Şener Ş. Landfill site selection using integrated fuzzy logic and analytic hierarchy process (AHP)in lake basins. Arabian Journal of Geosciences, 2020, vol. 13, no. 21, р. 1130.
[22] Sener E., Sener S., Davraz A. Akifer hassasiyetinin CBS ve DRASTIC metodları ile değerlendirilmesi: Senirkent­Uluborlu Havzası (Isparta, Türkiye) örneği. Hydrogeology Journal, 2009, vol. 17, рр. 2023–2035.
[23] Şener Ş., Sener E., Karagüzel R. Solid waste disposal site selection with GIS and AHP methodology: a case study in Senirkent–Uluborlu (Isparta) Basin, Turkey. Environmental monitoring and assessment, 2011, vol. 173, no. 1, рр. 533–554.
[24] Siddiqui M.Z., Everett J.W., Vieux B.E. Landfill siting using geographic information systems: a demonstration. Journal of environmental engineering, 1996, vol. 122, no. 6, рр. 515–523.
[25] Sieber R. Public participation geographic information systems: A literature review and framework. Annals ofthe association of American Geographers, 2006, vol. 96, no. 3, рр. 491–507.
[26] Sumathi V.R., Natesan U., Sarkar C. GIS­based approach for optimized siting of municipal solid waste landfill. Waste management, 2008, vol. 28, no. 11, рр. 2146–2160.
[27] Trofimov Y., Averkin A. Enhancing Results with ANFIS and XAI for Soil Contamination Monitoring and Public Health Risk Assessment // 2024 IEEE 3rd International Conference on Problems of Informatics, Electronics and Radio Engineering (PIERE). IEEE, 2024, рр. 1120–1123.
[28] Zhang B. et al. Landfill risk assessment on groundwater based on vulnerability and pollution index. Water Resources Management, 2016, vol. 30, no. 4, рр. 1465–1480.