Le miniere di carbone spesso provocano affossamenti del terreno, un fenomeno pericoloso per le strutture sovrastanti. Per tenere sotto controllo questi movimenti, gli scienziati usano il SBAS‑InSAR, una tecnologia radar che misura con centimetri di precisione le deformazioni su larga scala. Il problema? Quando il segnale radar si “confonde” a causa di vegetazione o cambiamenti di superficie, si perdono dei dati cruciali.\n\nIl nuovo studio ha unito SBAS‑InSAR a KTree‑AIDW, un algoritmo di interpolazione che cerca i punti più simili intorno a una zona “vuota” e assegna loro pesi diversi a seconda della loro omogeneità. In pratica, è come riempire i buchi di un puzzle usando i pezzi più adatti.\n\nUsando immagini Sentinel‑1 con un ciclo di 12 giorni, i ricercatori hanno analizzato il fronte di iniezione del carbone nella miniera di Liangbei, in Cina, nel 2021. I risultati mostrano una correlazione di 0,95 con le misurazioni tradizionali, un errore medio di soli 22 mm e una precisione notevolmente migliore nelle zone di decoerenza. Il cedimento massimo cumulativo è stato di 233 mm, con una velocità media di 171 mm all'anno, ma tutti i valori rientrano nei limiti di classe I di danno.\n\nQuesta combinazione di tecniche apre la porta a monitoraggi più affidabili, anche in condizioni difficili, e potrebbe diventare lo standard per la sicurezza delle miniere di tutto il mondo.
Il SBAS‑InSAR (Small Baseline Subset Interferometric Synthetic Aperture Radar) sfrutta una serie di immagini radar acquisite da satelliti come Sentinel‑1 per costruire interferogrammi a piccola differenza di baseline temporale. Questa scelta riduce gli effetti di decorrelazione temporale, ma non elimina completamente le zone di decoerenza, tipicamente generate da cambiamenti di copertura vegetale, umidità del suolo o attività di riempimento.\n\nIl KTree‑AIDW (K‑Tree Adaptive Inverse Distance Weighting) è un algoritmo di interpolazione spaziale che organizza i punti campionati in una struttura ad albero bilanciata (K‑Tree). Tale struttura consente una ricerca rapida dei vicini più rilevanti, tenendo conto della variabilità locale della densità dei dati. L’aspetto “adaptive” deriva dall’assegnazione di pesi inversamente proporzionali alla distanza, ma modulati da un fattore di eterogeneità che penalizza campioni provenienti da regioni con caratteristiche statistiche molto diverse. In pratica, il metodo riduce l’influenza di outlier e migliora la continuità del campo di deformazione interpolato.\n\nNel caso di studio della miniera di Liangbei, le immagini Sentinel‑1 (C‑band, 5 × 5 km² di copertura) sono state pre‑processate con la pipeline ESA SNAP per la co‑registrazione, la rimozione di topografia (DEM) e la generazione di interferogrammi. Il SBAS ha prodotto una serie temporale di mappe di spostamento verticale, ma con lacune in corrispondenza di aree di forte decoerenza. Il KTree‑AIDW ha quindi riempito questi vuoti, generando una superficie continua di subsidenza.\n\nLe metriche di validazione includono il coefficiente di correlazione (R = 0,95), l’RMSE (22,08 mm) e il RRMSE (9,48 %). L’analisi dei punti caratteristici nelle zone di decoerenza ha mostrato un MAE di 19,05 mm, evidenziando un miglioramento rispetto a metodi di interpolazione tradizionali (es. IDW semplice o kriging). Inoltre, la modellazione delle curvature e delle pendenze ha permesso di valutare la conformità alle norme di classe I di danno strutturale, con inclinazioni massime di ±2,9 mm/m e curvature di ±0,18 mm/m².\n\nDal punto di vista computazionale, l’integrazione SBAS‑InSAR + KTree‑AIDW richiede una fase di pre‑elaborazione intensiva (co‑registrazione, filtraggio speckle) seguita da un’interpolazione locale che, grazie alla struttura K‑Tree, scala quasi linearmente con il numero di punti campionati. Questo rende il metodo adatto a monitoraggi su larga scala con frequenza temporale elevata, aprendo la strada a sistemi di allerta precoce per la gestione del rischio in miniere sotterranee e in altri contesti di ingegneria geotecnica.
