Toepassing van UAV-fotogrammetrie bij het identificeren van discontinuïteiten in hellingen in de Pulang-kopermijn

Waarom vliegende robots bergwanden in de gaten houden

Hoge rotswanden boven mijnen en bergwegen kunnen zonder waarschuwing bezwijken en daardoor tonnen stenen de helling af doen storten. Elke barst in deze kliffen handmatig controleren is traag en risicovol voor ingenieurs die vaak direct onder onstabiele rots moeten werken. Deze studie toont hoe met camera’s uitgeruste drones en slimme gegevensverwerking veilig de verborgen breukpatronen in een steile helling van de Pulang-kopermijn in China kunnen "lezen", wat helpt voorspellen waar de rots het meest waarschijnlijk zal breken.

Een gevaarlijke helling vanuit de lucht observeren

De Pulang-kopermijn ligt in ruige, beboste bergen in de provincie Yunnan, waar diepe ontginning een bijna 100 meter diepe insnijding in de heuvel heeft gemaakt. Delen van de hoofdhelling zijn zeer steil en moeilijk te bereiken, en rotslawines komen al voor tijdens het mijnen. Het onderzoeksteam gebruikte een grote drone met een hoog resolutie camera om rond de instortingskuil te vliegen en overlappende foto’s van de kliffen vast te leggen. Uit deze foto’s bouwden zij een driedimensionaal digitaal model in de vorm van een "puntenwolk" — miljoenen kleine stipjes die samen de vorm van het rotsoppervlak afbakenen. Omdat dichte begroeiing veel van het gesteente verbergt, verwijderde het team zorgvuldig vegetatiepunten en koos een representatief gebied waar blootliggend gesteente beschikbaar was voor gedetailleerde analyse.

Van ruwe stippen naar betekenisvolle rotsvlakken

Het omzetten van een ruwe puntenwolk in bruikbare informatie over scheuren is niet eenvoudig. De auteurs combineerden meerdere wiskundige technieken om dit efficiënt te doen. Eerst gebruikten ze een methode genaamd hoofdcomponentenanalyse om voor elk punt te bepalen hoe het omringende rotsoppervlak georiënteerd is en hoe sterk het kromt. Punten dicht bij de scherpe lijnen waar breuken elkaar kruisen hebben vaak een hoge kromming, dus filterden ze veel van deze punten weg om de gegevens te vereenvoudigen. Vervolgens pasten ze een dichtheidsgebaseerde clustertechniek toe die nabijgelegen punten groepeert die op hetzelfde vlak liggen en geïsoleerde punten als ruis markeert. Deze eerste stap splitst de wolk in veel kleine stukjes die ruwweg individuele breukvlakken volgen.

Groeperen van breukfamilies en het meten van hun afmetingen

Vervolgens moest het team deze vele stukjes sorteren in enkele hoofd"families" van breuken die een vergelijkbare richting delen. Ze deden dit door alleen naar de oriëntaties van elk klein vlak te kijken en die in een ander clusteringschema te voeren dat groepen met gemeenschappelijke trends uitselecteert. Door deze stap toe te passen op een gereduceerde set representatieve punten in plaats van op de volledige wolk, hielden ze de rekentijd laag terwijl de hoofdpatronen behouden bleven. Ten slotte voerden ze binnen elke familie een tweede ronde van dichtheidsgebaseerde clustering uit om complete individuele breuken te reconstrueren. Voor elk van deze schatten ze drie belangrijke grootheden: de helling en kompasrichting, de lengte van de zichtbaar trace op de helling, en de afstand tot naburige breuken. Vergelijkingen met zorgvuldige handmatige modellering in gespecialiseerde software toonden aan dat de automatische metingen van breukrichtingen binnen enkele graden bleven van expertschattingen, voldoende nauwkeurig voor engineeringtoepassingen.

Testen hoe breuken de helling verzwakken

De onderzoekers vroegen zich vervolgens af wat deze in kaart gebrachte breuken betekenen voor de veiligheid van de helling. Met behulp van de gemeten richtingen, lengtes en afstanden bouwden zij een statistisch model van een driedimensionaal breuknetwerk binnen de rotsmassa. Ze plaatsten dit netwerk in een computersimulatie van de echte helling, gebaseerd op een oppervlak dat op de drone-puntenwolk was gefit, en voerden berekeningen uit om te bepalen hoe het gesteente zich onder zijn eigen gewicht gedraagt. Door een model met breuken te vergelijken met een anderszins identieke ongebroken helling, vonden ze dat de gefragmenteerde versie grotere, minder uniforme bewegingen en sterkere spanningsconcentraties rond de scheuren toonde. Met andere woorden, de breuken fragmenteren de rots in blokken, leiden krachten langs geprefereerde paden en creëren zwakke zones waar falen waarschijnlijker zal beginnen.

Snellere digitale ogen voor veiligere hellingen

Voor niet‑specialisten is de kernboodschap dat drones plus slimme data-analyse nu gevaarlijke kliffen snel kunnen onderzoeken, zonder dat iemand zich in gevaarlijke zones hoeft te bevinden, en toch de subtiele breukpatronen kunnen onthullen die toekomstige instortingen bepalen. De Pulang-casus toont dat de nieuwe methode zeer grote datasets veel sneller kan verwerken dan oudere benaderingen en toch breukmetingen levert die nauwkeurig genoeg zijn om in stabiliteitssimulaties te gebruiken. Hoewel dichte begroeiing en enkele vereenvoudigende aannames nog steeds beperken wat zichtbaar is, wijst deze workflow op routinematige, reproduceerbare gezondheidsonderzoeken voor rotshellingen boven mijnen, snelwegen en stuwdammen — met vliegende robots en wiskunde om problemen te signaleren voordat de zwaartekracht dat doet.

Bronvermelding: Wu, L., Wang, Y., Yang, J. et al. Application of UAV photogrammetry technology in identifying discontinuities in slopes in the Pulang copper mine. Sci Rep 16, 14101 (2026). https://doi.org/10.1038/s41598-026-43520-w

Trefwoorden: drone mapping, stabiliteit van rotshellingen, 3D-puntenwolk, mijnveiligheid, breukdetectie