Monitoramento Quase em Tempo Real de Subsídios Não Lineares de Grande Gradiente em Áreas Mineradoras: Um Método Híbrido SBAS-InSAR Integrando Ajuste Sequencial Robusto e Aprendizado Profundo

Com a crescente disponibilidade de dados de monitoramento por satélite, a demanda por recursos de armazenamento e computacionais para atualizar os resultados do monitoramento da subsidência da superfície em uma área mineradora continua a aumentar. Modelos de ajuste sequencial (SA) são considerados eficazes para atualizar rapidamente as medições de interferometria de radar de abertura sintética (TS-InSAR) em séries temporais. No entanto, a precisão dos valores de subsidência estimados através do ajuste sequencial tradicional é altamente sensível a observações anômalas ou informações prévias sobre anomalias. Além disso, a subsidência da superfície associada à mineração apresenta características não lineares e de grande gradiente, tornando os métodos de InSAR gerais desafiadores para obter resultados de monitoramento confiáveis. Neste estudo, utilizamos a rede de desdobramento de fase (PUNet) para obter valores desdobrados de interferogramas diferenciais. Para mitigar o impacto de erros anômalos no processo de atualização sequencial em tempo quase real do InSAR de subconjuntos de pequena base (SBAS-InSAR) em áreas mineradoras, um método de ajuste sequencial robusto baseado em M-estimação é proposto para estimar os parâmetros de deformação temporal usando o modelo de peso equivalente. Usando uma face de mineração de preenchimento de carvão em Shanxi, China, como área de estudo e o conjunto de dados SAR Sentinel-1, avaliamos de forma abrangente o desempenho dos métodos de desdobramento e as técnicas de estimativa de séries temporais de subsidência, além de avaliar o efeito do preenchimento da mineração no controle da subsidência da superfície. Os resultados são validados usando medições de nivelamento dentro da área de estudo. O erro relativo do método proposto é inferior a 5%, o que pode atender aos requisitos de monitoramento da subsidência da superfície em áreas mineradoras. O método proposto neste estudo não só melhora a eficiência computacional, mas também aborda a questão da subestimação enfrentada pelos métodos de InSAR em aplicações em áreas mineradoras. Além disso, também mitiga anomalias de fase durante o desdobramento nos resultados de monitoramento.