TS-InSAR と沈下曲線特性に基づく炭鉱採掘に伴う沈下盆地の新しい高精度同定手法

地盤沈下が日常生活に及ぼす影響

中国の多くの地域では、深部から採掘された石炭が地表を静かに変形させています。空になった鉱床へ岩盤が崩落すると、地表はゆっくりと沈下し、浅い皿状の沈下盆地を形成します。こうした見えにくい変化は住宅、道路、配管、農地、脆弱な草地に脅威を与えます。本稿の元となった論文は、レーダー衛星とパターン認識技術を組み合わせ、これらの沈下域を迅速かつ正確に検出・輪郭化する新たな方法を示しており、安全な採掘と土地保全に強力なツールを提供します。

宇宙から地面を見守る

研究者たちは InSAR と呼ばれる衛星技術に依拠しています。これは時間を通じてのレーダー信号の比較により地表の上下変位を測定する手法です。Sentinel-1 のような現代のミッションは広域を繰り返し観測し、数ミリメートル程度の地盤変動を検出できます。多数の画像を時系列として組み立てることで、各地点が月ごとにどのように動いているかを追跡できます。この広範で高精度な観測により、密な地上センサ網を設置せずとも、中国東部・中部・西部の広大な石炭地帯を監視することが可能になります。

採掘沈下が示す典型的な形

長年の現地観測は、採掘中の採炭面の下での沈下が特徴的なパターンに従うことを示しています。ある地点の下で採掘が始まると、地表はまず緩やかに沈下し、その後速度を増し、最終的に地下の空洞が安定すると収束する—この経過は時間に対する沈下量を描くと S 字型の曲線になります。対照的に、採掘の影響を受けない領域は通常ほとんど動かないか、季節的な水分変化や自然圧密、その他局所的要因による不規則で低振幅の変動を示します。著者らは、単なる沈下量だけでなくこれらの曲線形状が、採掘由来の変形を他の変動と区別する指紋になり得ることに着目しました。

曲線をコンピュータが学べるデータへ変換する

この指紋を活用するため、チームは大規模な時系列沈下曲線ライブラリを構築しました。複数の石炭地域で精密に計測された564点の実測データに、採掘沈下の確立された数理モデルから生成した10,000本の現実的な曲線、さらに衛星データで有意な変形を示さない領域から得た20,000本の追加曲線を組み合わせました。各曲線は標準化され、時間軸は共通の枠に再スケーリングされ、沈下値は正規化され、さらに10等分した均等な時刻でサンプリングされ、最大沈下量が追加の特徴として保持されました。これにより、各地点を表す11個の数値が得られ、変動の形状と大きさの両方を簡潔に捉えました。

目に見えない採掘境界をたどるモデルの学習

この特徴ライブラリを用いて、研究者らは重み付きサポートベクターマシン（SVM）を訓練しました。これは、情報量の多い小規模データセットに適した機械学習手法の一つです。実際に沈下しているピクセルは安定したピクセルよりずっと少ないため、モデルは少数クラスに対して追加の重みを与えるよう調整され、微妙な盆地が見落とされないようにしました。訓練後、モデルは任意の採掘地区の InSAR 時系列に対してピクセル単位で適用でき、各地点を採掘誘発沈下か否かに分類できます。都市部、集落、草地という三つの非常に異なる炭田での検証では、アルゴリズムは沈下盆地の形状を忠実に再現し、採掘停止後の後期に見られる遅い残存沈下に対しても感度を維持しました。

現地での成果を数値化する

手法の有効性を評価するため、チームはモデルが予測した盆地境界を地上の精密水準測量の測線と比較しました。焦点は累積沈下が10ミリメートルに達する等高線で、これは建築被害の発生に関する中国の工学慣行で重要な閾値です。この新手法は、試験において全体の精度でほぼ99％を達成しただけでなく、従来の単純な時系列マッチングに基づく InSAR 手法と比べて、この10ミリメートル線の境界位置を約80％改善しました。訓練データにシミュレート曲線を追加することで、モデルが識別できる挙動の幅が広がり、精度がさらに向上しました。

鉱山・コミュニティ・景観にとっての意味

非専門家向けに言えば、私たちは今や、かつてよりはるかに細かな解像度で、そして地域ごとの大幅なキャリブレーションを要することなく、石炭採掘が地表を静かに引き下げている場所を地図化できるようになった、ということです。現地計測とモデル化データの混合から採掘に伴う沈下の典型的な“心拍”を学び、衛星記録の中からその心拍を読み取ることで、この手法は過去に衛星観測の履歴がない新しい地区においても地下作業の実際の影響域を迅速に輪郭化できます。このより鋭いリスクゾーンの可視化は、安全な鉱山計画、建物の防護、土地回復、環境修復を導き、エネルギー生産と採掘地上の町・農地・生態系の長期的健全性とのバランスに寄与します。

引用: 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

キーワード: 石炭採掘沈下, 衛星レーダー InSAR, 地表変形マッピング, 機械学習による分類, 地表モニタリング