Eine neuartige fein skalierte Identifikationsmethode für Kohlebergbausenkenbecken basierend auf TS-InSAR und Senkungskurvenmerkmalen

Warum absinkender Boden den Alltag betrifft

In vielen Regionen Chinas verändert das aus der Tiefe geförderte Kohle leise die darüber liegende Landschaft. Wenn Gesteinsschichten in ausgebeutete Flöze einstürzen, kann die Erdoberfläche langsam absinken und breite, seichte Mulden bilden, die als Senkenbecken bezeichnet werden. Diese verborgenen Veränderungen bedrohen Häuser, Straßen, Rohrleitungen, Ackerland und empfindliche Grasländer. Die in diesem Artikel vorgestellte Studie führt eine neue Methode ein, mit der sich diese Absenkungszonen mithilfe von Radarsatelliten und intelligenter Mustererkennung schnell und präzise erkennen und abgrenzen lassen – ein wirkungsvolles Instrument für sicheren Bergbau und besseren Landschaftsschutz.

Den Boden aus dem Weltraum beobachten

Die Forschenden nutzen eine Satellitentechnik namens InSAR, die misst, wie sich die Erdoberfläche hebt oder senkt, indem Radar­signale über die Zeit verglichen werden. Moderne Missionen wie Sentinel‑1 überfliegen wiederholt große Landflächen und erfassen Bodenbewegungen im Millimeterbereich. Durch das Zusammenfügen vieler Bilder zu einer Zeitserie kann das Team verfolgen, wie sich jeder Punkt der Oberfläche Monat für Monat bewegt. Diese großflächige, präzise Abdeckung ermöglicht die Überwachung weitläufiger Kohlegebiete in Ost-, Zentral- und Westchina, ohne dichte Netzwerke bodengestützter Sensoren installieren zu müssen.

Die charakteristische Form bergbaulicher Setzungen

Jahrzehnte von Feldmessungen haben gezeigt, dass das Absinken des Bodens über aktiven Kohleflözen einem typischen Muster folgt. Wenn unter einem Ort Bergbau beginnt, setzt die Oberfläche zunächst langsam, dann beschleunigt sie und flankt schließlich ab, wenn die unterirdische Hohlraumstruktur stabilisiert wird – dies ergibt beim Auftragen der Senkung über die Zeit eine S‑förmige Kurve. Im Gegensatz dazu bewegen sich Bereiche ohne Bergbaueinfluss meist kaum oder zeigen unregelmäßige, niedrigamplitudige Veränderungen, die von saisonalen Wasserständen, natürlicher Setzung oder anderen lokalen Faktoren verursacht werden. Die Autor:innen erkannten, dass diese Kurvenformen – und nicht nur die Gesamthöhe der Absenkung – als Fingerabdruck dienen können, um bergbaubedingte Schäden von anderer Deformation zu unterscheiden.

Kurven in datenlesbare Form bringen

Um diesen Fingerabdruck nutzbar zu machen, erstellte das Team eine umfangreiche Bibliothek von zeitlichen Senkungskurven. Sie kombinierten 564 sorgfältig vermessene Bodenpunkte aus mehreren Kohlerevieren mit 10.000 realistischen Kurven, die aus etablierten mathematischen Modellen für Bergbausenken erzeugt wurden, sowie 20.000 zusätzlichen Kurven aus Bereichen, die in den Satellitendaten keine signifikante Deformation zeigten. Jede Kurve wurde standardisiert: ihr Zeitrahmen auf eine gemeinsame Skala gebracht und die Absenkungswerte normalisiert; anschließend wurden zehn gleichmäßig verteilte Zeitpunkte abgetastet, wobei die maximale Absenkung als zusätzliches Merkmal erhalten blieb. So entstand für jeden Ort ein kompakter Satz von 11 Zahlen, der sowohl die Form als auch das Ausmaß seiner Bewegungs­geschichte erfasste.

Ein Modell lehren, unsichtbare Bergwerksgrenzen nachzuzeichnen

Mithilfe dieser Merkmalsbibliothek trainierten die Forschenden ein gewichtetes Support‑Vector‑Machine‑Modell, eine Art des maschinellen Lernens, das sich für kleine, aber informative Datensätze eignet. Da wirklich absinkende Pixel deutlich seltener sind als stabile, passten sie das Modell so an, dass die Minderheitsklasse stärker gewichtet wurde, damit subtile Senken nicht übersehen werden. Nach dem Training konnte das Modell pixelweise auf InSAR‑Zeitreihen aus jedem Bergbaubezirk angewendet werden und jeden Ort als bergbaubedingte Senkung oder nicht klassifizieren. Tests in drei sehr unterschiedlichen Kohlefeldern – städtisch, dörflich und Grasland – zeigten, dass der Algorithmus die vollständigen Formen der Senkenbecken erfolgreich rekonstruierte und auch gegenüber späten, langsamen Residualsetzungen nach Bergbaustopp empfindlich blieb.

Ergebnisse im Feld quantifizieren

Um die Leistungsfähigkeit ihres Ansatzes zu bewerten, verglich das Team die vom Modell vorhergesagten Beckenränder mit präzisen Nivelliermessungen entlang von Vermessungslinien vor Ort. Im Fokus stand die Kontur, bei der die kumulierte Absenkung 10 Millimeter erreicht – eine in der chinesischen Ingenieurpraxis wichtige Schwelle für den Beginn von Gebäudeschäden. Die neue Methode erreichte in den Tests nicht nur nahezu 99 Prozent Gesamtgenauigkeit, sondern verbesserte auch die Positionsbestimmung der Grenze bei dieser 10‑Millimeter‑Linie um etwa 80 Prozent im Vergleich zu einer früheren InSAR‑basierten Technik, die auf einfacherer Zeitserienanpassung beruhte. Das Hinzufügen simulierter Kurven zu den Trainingsdaten steigerte die Genauigkeit weiter, da so das Spektrum der erkennbaren Verhaltensweisen erweitert wurde.

Was das für Bergwerke, Gemeinden und Landschaften bedeutet

Für Nichtfachleute ist die Kernbotschaft: Wir können jetzt genauer und mit deutlich weniger lokaler Kalibrierung kartieren, wo der Kohlebergbau die Landoberfläche leise nach unten zieht. Indem die Methode das typische "Herz­schlagmuster" bergbaubedingter Senkungen aus einer Mischung aus Feld‑ und Modell­daten erlernt und dieses Muster dann in Satellitenaufzeichnungen erkennt, kann sie schnell die tatsächliche Reichweite unterirdischer Abbaue auch in neuen Gebieten ohne vorherige Satellitenhistorie abgrenzen. Dieses schärfere Bild der Risikozonen kann sicherere Bergbauplanung, Gebäudeschutz, Rekultivierungsmaßnahmen und Umweltsanierung leiten und so die Energieproduktion mit der langfristigen Gesundheit von Städten, Höfen und Ökosystemen über den Flözen in Einklang bringen.

Zitation: Huang, S., Zhang, Y., Yan, Y. et al. A novel fine-scale identification method for coal mining subsidence basin based on TS-InSAR and subsidence curve characteristics. Sci Rep 16, 10875 (2026). https://doi.org/10.1038/s41598-026-45625-8

Schlüsselwörter: Kohlebergbausenke, Satellitenradar InSAR, Abbildung von Bodendeformationen, Maschinelles Lernen Klassifikation, Überwachung der Landoberfläche