Detection of Rapid Ground Surface Deformation using Satellite Interferometry Data and Deep Learning

Wissenschaftlich entwickelte Methoden zur Analyse von Bodenverformungen haben eine breitere Anwendung gefunden und sich als zunehmend effektiv erwiesen. Satellitengestützte interferometrische Synthetic Aperture Radar (InSAR)-Technologie wird häufig zur Kartierung und Überwachung von Verformungen bei großflächigen Studien eingesetzt. Die Entwicklung innovativer Algorithmen wie der Small Baseline Subsets (SBAS) hat die Genauigkeit und Zuverlässigkeit der Daten deutlich verbessert.
Die Einführung des Phase Unwrapping Network (PUNet) hat die Fehlerquote bei Interferenzen reduziert, die durch Genauigkeitsverluste während der Phasenentschlüsselung und der Erkennung von Senkungen entstehen. Dieses künstliche neuronale Netzwerk hat sehr gute Ergebnisse erzielt und ist in der Lage, Verformungseffekte zu erkennen, die mit traditionellen Methoden – insbesondere in anspruchsvollen Umgebungen wie dem Bergbau – nicht zuverlässig erfasst werden können.
Diese Forschung integriert die Nutzung von InSAR-Daten und Deep Learning zur Erkennung schneller Bodenoberflächenverformungen im Bergbaugebiet des Legnica-Głogów Copper Belt (LGCB) in Polen. Die Datenerfassung erstreckte sich über den Zeitraum von Januar 2016 bis Januar 2022. Das verwendete SBAS-InSAR-Datenset umfasst 329 Datensätze. Diese Daten wurden verwendet, um Verschiebungen zu berechnen und Bereiche zu identifizieren, die aufgrund unterirdischer Bergbautätigkeiten in der LGCB-Region eine rasche Bodenverformung erfahren haben.