Une nouvelle méthode d’identification à fine échelle des bassins d’affaissement minier du charbon basée sur le TS-InSAR et les caractéristiques des courbes d’affaissement

Pourquoi le tassement du sol importe dans la vie quotidienne

Dans de nombreuses régions de Chine, le charbon extrait en profondeur modifie progressivement la surface terrestre. Lorsque les couches rocheuses s’effondrent dans des veines vidées, la surface peut s’abaissers lentement, formant de larges coupoles peu profondes appelées bassins d’affaissement. Ces changements cachés menacent les habitations, les routes, les canalisations, les terres agricoles et les prairies fragiles. L’article présenté ici propose une nouvelle façon de repérer et de délimiter rapidement et précisément ces zones d’affaissement en utilisant des satellites radar et la reconnaissance intelligente de motifs, offrant un outil puissant pour une exploitation minière plus sûre et une meilleure protection des terres.

Observer le sol depuis l’espace

Les chercheurs s’appuient sur une technique satellitaire appelée InSAR, qui mesure les mouvements verticaux de la surface terrestre en comparant des signaux radar au fil du temps. Des missions modernes comme Sentinel-1 observent de vastes étendues à répétition, détectant des déplacements du sol de l’ordre de quelques millimètres. En assemblant de nombreuses images en une série temporelle, l’équipe peut suivre le mouvement de chaque point du sol mois après mois. Cette couverture large et précise permet de surveiller d’immenses régions houillères dans l’est, le centre et l’ouest de la Chine sans installer des réseaux d’instruments au sol denses.

La forme caractéristique de l’affaissement minier

Des décennies de mesures de terrain ont montré que le tassement au-dessus des fronts d’exploitation actifs suit généralement un comportement caractéristique. Lorsqu’on commence à exploiter sous un emplacement, la surface se stabilise d’abord lentement, puis l’affaissement s’accélère, avant de ralentir à mesure que la cavité souterraine se stabilise, produisant une courbe en S lorsque l’on trace l’affaissement dans le temps. En revanche, les zones non affectées par l’exploitation se déplacent généralement très peu ou présentent des variations irrégulières de faible amplitude liées aux cycles saisonniers de l’eau, au tassement naturel ou à d’autres facteurs locaux. Les auteurs ont réalisé que ces formes de courbe, et pas seulement l’amplitude totale de l’affaissement, pouvaient servir d’empreinte pour distinguer les dommages miniers d’autres déformations.

Transformer des courbes en données exploitables par ordinateur

Pour exploiter cette empreinte, l’équipe a constitué une vaste bibliothèque de courbes temporelles d’affaissement. Ils ont combiné 564 points de terrain soigneusement nivelés provenant de plusieurs régions houillères avec 10 000 courbes réalistes générées à partir de modèles mathématiques établis d’affaissement minier, ainsi que 20 000 courbes supplémentaires issues de zones ne montrant pas de déformation significative dans les données satellitaires. Chaque courbe a été standardisée : sa durée a été remise à une échelle commune et ses valeurs d’affaissement normalisées, puis échantillonnée à dix instants régulièrement espacés, la valeur maximale d’affaissement étant conservée comme caractéristique supplémentaire. Cela a produit un ensemble compact de 11 nombres par emplacement capturant à la fois la forme et l’amplitude de son historique de mouvement.

Apprendre au modèle à tracer des limites minières invisibles

Avec cette bibliothèque de caractéristiques, les chercheurs ont entraîné une machine à vecteurs de support pondérée, un type de méthode d’apprentissage automatique bien adapté aux jeux de données petits mais informatifs. Parce que les pixels réellement en affaissement sont beaucoup moins nombreux que les pixels stables, ils ont ajusté le modèle pour accorder une attention particulière à la classe minoritaire afin que des bassins subtils ne soient pas négligés. Une fois entraîné, le modèle peut être appliqué pixel par pixel aux séries temporelles InSAR de n’importe quel district minier, classant chaque emplacement comme affaissement induit par l’exploitation minière ou non. Des tests dans trois bassins houillers très différents — milieu urbain, villageois et prairial — ont montré que l’algorithme retrouvait avec succès les formes complètes des bassins d’affaissement et demeurait sensible même aux stades tardifs d’un affaissement résiduel lent après l’arrêt de l’exploitation.

Quantifier le succès sur le terrain

Pour évaluer la performance de leur approche, l’équipe a comparé les limites de bassin prédites par le modèle avec des mesures de nivellement précises le long de profils de terrain. Ils se sont concentrés sur la contour où l’affaissement cumulé atteint 10 millimètres, seuil critique dans la pratique d’ingénierie chinoise pour le début des dommages aux constructions. La nouvelle méthode a non seulement atteint près de 99 % de précision globale lors des tests, mais a aussi amélioré la position de la limite à cette ligne des 10 millimètres d’environ 80 % par rapport à une technique InSAR antérieure reposant sur un appariement temporel plus simple. L’ajout de courbes simulées aux données d’entraînement a encore renforcé la précision en enrichissant la gamme de comportements que le modèle peut reconnaître.

Ce que cela signifie pour les mines, les communautés et les paysages

Pour les non-spécialistes, le message clé est que nous pouvons désormais cartographier avec beaucoup plus de détail où l’exploitation du charbon rabaisse discrètement le sol, et ce avec beaucoup moins d’étalonnage local qu’auparavant. En apprenant le « rythme » typique de l’affaissement lié à l’exploitation à partir d’un mélange de données de terrain et de modèles, puis en reconnaissant ce rythme dans les enregistrements satellitaires, la méthode peut rapidement délimiter la véritable étendue des galeries souterraines — même dans de nouveaux districts dépourvus d’historique satellitaire antérieur. Cette image plus nette des zones à risque peut guider une planification minière plus sûre, la protection des bâtiments, les efforts de remise en état et la restauration environnementale, aidant à concilier la production d’énergie avec la santé à long terme des villes, des terres agricoles et des écosystèmes situés au-dessus des veines.

Citation: 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

Mots-clés: affaissement minier du charbon, radar satellite InSAR, cartographie de la déformation du sol, classification par apprentissage automatique, surveillance de la surface terrestre