Das Projekt „Digital Twin – Integriertes Geomonitoring“, finanziert durch die RAG-Stiftung (Nr. 20-0013), nutzt innovative Methoden sowie Forschungsinstrumente, um die mit den Umweltveränderungen einhergehenden Prozesse umfassend zu verstehen und die Forschungsergebnisse transparent darzustellen. Die Integration von Daten der geologischen Modellierung auf Grundlage geologischer, hydrogeologischer und bergbaulicher Archivkarten im Sinne einer Datenfusion ermöglichen die Lagebestimmung tektonischer Verwerfungen und potentiell setzungsgefährdeter Gebiete. Zusammen mit der Verwendung von Satellitenbildern können räumlich-zeitliche und multispektrale Analysen durchgeführt werden, welche die Umweltveränderungen in der Region aufzeigen. Für die räumlich-zeitlichen Analysen wurden die Satellitenmissionen Landsat 4, 5, 7, 8, 9 und Sentinel 2 verwendet. Sie ermöglichen die Darstellung des Untersuchungsgebiets von 1984 bis heute. Zur Überprüfung der Ergebnisse wurden Drohnenflüge und In-situ-Messungen mit Hilfe eines mobilen GIS eingesetzt. Drohnenflüge besitzen eine höhere räumliche Auflösung als Satellitenbilder, sodass Veränderungen in einem bestimmten Gebiet sichtbarer gemacht werden können. Eine mobile GIS-Anwendung auf einem Smartphone oder Tablet ermöglicht die Überprüfung eines Gebiets vor Ort durch die Erfassung von Daten in Form von Geländebeschreibungen und Bildern.
Die Zusammenführung dieser Untersuchungen in Verbindung mit den wissenschaftlichen Erfahrungen am Forschungszentrum Nachbergbau (FZN) der Technischen Hochschule Georg Agricola (THGA), Bochum, schaffen ein besseres Verständnis und bieten mehr Transparenz, um die Veränderungsprozesse in der Umwelt zu verstehen.
1 Einführung
Das Ruhrgebiet befindet sich im westlichen Teil Deutschlands und hat sich im Lauf der Jahrzehnte zu einer der größten Industrieegionen in Europa entwickelt. Die Auswirkungen des Bergbaus sind heute u. a. in Form zahlreicher Bergehalden sichtbar, die sich als rekultivierte Naherholungsgebiete ins Landschaftsbild einfügen. Viele von ihnen besitzen Aussichtsplattformen (Bild 1a) oder attraktive Kunstwerke (Bild 1b).
Der Bergbau hat sowohl während als auch nach Abschluss der Tätigkeiten erhebliche Auswirkungen auf die Umwelt in der Umgebung. Bodenbewegungen wirken auf Gebäude (Bild 2a) und Straßen ein (Bild 2b).
Aber vor allem beeinflussen sie den Wasserhaushalt. In einigen Gebieten (Poldern) kommt es zu einem mangelnden Wasserabfluss, weil die Fließrichtung gestört und teilweise umgekehrt wurde. Um das Problem der Entwässerung zu lösen, wurde im Ruhrgebiet ein System von Pumpstationen eingesetzt (1). Würden die Pumpwerke in den Poldern abgeschaltet, wäre der größte Teil des Ruhrgebiets überflutet (2).
Durch den langjährigen und umfangreichen Steinkohlenabbau ist das gesamte Ruhrgebiet von Bodenbewegungen betroffen. So betragen die zwischen 1892 und 2010 erfassten Bergsenkungen in Teilbereichen mehr als 20 m (3).
Das letzte stillgelegte Steinkohlenbergwerk im Ruhrgebiet war 2018 das Bergwerk Prosper-Haniel (4) (Bild 3).
Dessen Abbaubereiche (Bild 4) sind Teil der Untersuchungen im Projekt „Digital Twin – Integriertes Geomonitoring“. Das in diesem Projekt angewandte Konzept des integrierten Geomonitorings ist eines der innovativsten und modernsten Forschungsmethoden für das Verständnis nachbergbaulicher Prozesse.
Entsprechend der Richtlinie 2011/92/EU der Europäischen Union (EU) sind alle durch den Bergbaubetrieb auftretenden Veränderungen, die Auswirkungen auf die Umwelt und den Menschen haben können, zu beachten (6).
Die Aktivitäten eines Bergbaubetriebs können erhebliche Auswirkungen auf die Umweltmedien Wasser, Boden und Luft haben (7, 8). Die Gewinnung von Rohstoffen hat ganz allgemein betrachtet Auswirkung auf Mensch, Natur und Umwelt. Die hieraus resultierende Komplexität wird durch viele Aspekte gekennzeichnet, die bei der Interpretation von Bergbauprozessen berücksichtigt werden sollten. Die Umweltveränderungen, die sowohl während als auch nach dem Bergbau auftreten, sind kontinuierlicher und langfristiger Natur, weshalb die integrierte Langzeitüberwachung ein wichtiges Thema ist. Kretschmann (9) weist darauf hin, dass diese Aufgaben keinen festen Zeitrahmen haben und daher als Ewigkeitsaufgaben bezeichnet werden können.
Hierzu gehören auch die Auswirkungen auf die Wasserressourcen, z. B. durch Grubenentwässerung im Rahmen der regionalen Wasserwirtschaft. Im Fall der untertägigen Rohstoffgewinnung führen Bergbauprozesse zu Bodenbewegungen – Senkungen, Schieflagen, Zerrungen und Pressungen sowie Hebungen bei Grubenwasseranstieg nach Stilllegung – und damit einhergehend zu Veränderungen der Vegetation und einer Einschränkung der Landnutzung. Darüber hinaus beeinträchtigen die mit dem Bergbau verbundenen Gasemissionen die Ressource Luft. Ein zielgerichtetes Umwelt- und Geomonitoring unter Bergbaufolgebedingungen erfordern ein integriertes, räumliches Überwachungskonzept, das auf verschiedenen Datensätzen basiert, die gesammelt, ausgewertet und interpretiert werden müssen (10,11). Diese beinhalten Informationen, die während des Bergbaus gesammelt wurden, z. B. bergbauliche, geologische oder betriebliche Karten, Bilder von multispektralen und hyperspektralen Satellitensensoren, fotografische Dokumentationen von kopter- oder flugbasierten Luftaufnahmen und In-situ-Sensordaten. Die Analyse solch heterogener Datensätze bildet die Grundlage für ein besseres Prozessverständnis im Nachbergbau.
Der Artikel gibt einen Überblick über die modernen Umwelt- und Geomonitoring-Methoden, die eine Beobachtung bergbaurelevanter Objekte aus dem All, der Luft, an der Erdoberfläche und unter Tage ermöglichen. Im Hinblick auf multisensorische Beobachtungen mit unterschiedlichen räumlich-zeitlichen Auflösungen wird die Integration der Daten in ein umfassendes System diskutiert.
2 Methodik
Um die Phänomene der Nachnutzung vollständig zu verstehen, wurden alle verfügbaren Daten verwendet. Ein Teil des Projekts bestand in der Erstellung eines dreidimensionalen Modells der Geoarchitektur (s. 2.1), gefolgt von der Verwendung von Satellitenbildern der Weltraummissionen aus den Jahren 1984 bis 2022 für die räumlich-zeitlichen Analysen (s. 2.2). Abschließend erfolgte die In-situ-Überprüfung der durch Drohnenflüge (s. 2.3.1) gewonnenen Daten und der Datenerfassung mit mobilen GIS (s. 2.3.2).
Das Konzept der multidimensionalen Datenintegration, auch Sensordatenfusion genannt, wird in den Artikeln von Pawlik et al. (5, 12) und Rudolph et al. (13) sowie in Bild 5 vorgestellt.
2.1 Geologische Modellierung
Das Ziel der Arbeit besteht in der Entwicklung und Analyse geowissenschaftlicher 3-D-Untergrundmodelle am ehemaligen Zechenstandort Prosper-Haniel. Die Modelle sollen das Deckgebirge sowohl vor der Kohleförderung als auch zum nachbergbaulichen Zeitpunkt abbilden. Durch die Verknüpfung mit Fernerkundungsdaten lassen sich die untertägigen Prozesse oder Strukturen ggf. nachweisen und ermöglichen dadurch ein besseres Prozessverständnis zu den nachbergbaulichen Veränderungen in dieser Region.
Das Modell bildet sehr hochauflösend und nach aktuellem Kenntnisstand die Untergrundstrukturen und regionalgeologischen Sachverhalte ab. Mit Beginn der quartären Unterkante wird der Übergang vom Oligozän in die Oberkreide flächig ausmodelliert. Anschließend erfolgt die Modellierung der Formationsgrenzen in der Kreide, im Trias sowie im Perm bis zur Darstellung der Karbonoberfläche.
Eine wertvolle Datenbasis für die Modellierung des tieferen Untergrunds im Ruhrgebiet bieten montanhistorische Unterlagen. Vorhandene Grundrisse, Strukturkarten und Isolinienpläne (Karbonoberfläche, Buntsandstein) wurden georeferenziert, digitalisiert, interpretiert und mit heutigen Daten kombiniert und abgeglichen.
So konnte ein integriertes Modell des Deckgebirges im Untersuchungsgebiet erstellt werden (Bild 6):
Erfassung und Recherche von Daten
- Recherche von Karten- und Archivmaterial sowie ggf. Georeferenzierung:
- 40 markscheiderische Abteilungs- und Richtstreckenprofile (Prosper, Franz Haniel, Jacobi, Lohberg),
- 19 hydrogeologische Profile (HK10, HK25),
- 35 Tiefentektonikprofile (Dorstener Hauptsattel, Emscher-Hauptmulde),
- 14 ingenieurgeologische Profile (4406 Dinslaken, 4407 Bottrop),
- 61 2-D-Seismikprofile (Lohberg 1952, Kirchhellen 1953, Bottrop 1957, Nordlicht 1958, Prosper-Haniel 1975, Schermbeck 1981).
- Erfassung von Schnittlagen und Strecken aus dem digitalen Flözarchiv NRW.
- Räumliche Lagen- und Tiefentransformation von Profilschnitten und Digitalisierung von Störungslagen und Schichtgrenzen.
Erstellung des Strukturmodells
- Interpretation und Ausmodellierung der Störungverläufe zum Aufbau untertägiger Strukturen aus unterschiedlichen Darstellungsebenen (Sohlen).
Bohrdatenselektion
- Entwicklung von Datenbankabfragen sowie Auswertung von Bohrungen der Bohrungsdatenbank DABO NRW (GD NRW).
- Qualitative Bewertung der Bohrungseinstufungen.
Modellierung
- Ausmodellierung der Bezugs- und Formationsgrenzen.
Weitere Tätigkeiten
- Flächige Berechnung der tatsächlichen Bergsenkungen zu den Zeiträumen 2005, 2010, 2015 und 2020 aus LiDAR-Daten,
- LiDAR-Auswertung zur Erfassung bergbaulicher Unstetigkeiten,
- kleinräumige Senkungsanalysen für den Bezug räumlich-zeitlicher Wechselwirkungen,
- dreidimensionale Implementierung der Höhenzeitfolgen des Leitnivellements im Höhenfestpunktfeld 2. Ordnung,
- Rekonstruktion der Bauhöhen und Grubengebäude (Förderschacht, Richtstrecken) auf Basis einer Lagerstättenrekonstruktion,
- Ableitung verschiedener Kartenthemen (Abbaumächtigkeit, Abbau-Senkungs-Verhältnis, Nordwanderung).
2.2 Fernerkundung
Die Datenerfassung ist ein wichtiger Projektabschnitt, da die zu erzielenden Ergebnisse davon abhängen (14). Die fernerkundlichen Datenquellen für das Projekt Digital Twin beinhalteten Satellitenbilder der Landsat- (NASA) und Copernicus- (ESA) Missionen. Daher sollten vor Beginn der Datenerhebung Kriterien festgelegt werden, auf deren Grundlage die Daten im Hinblick auf die Eignung für das Projekt bewertet werden (12).
In Pawlik et al. (12) werden folgende Kriterien vorgeschlagen:
- Zeitraum: Die Zeitreihe deckt den Zeitraum von 09/1972 (Mission Landsat 1) bis 2023 ab (Missionen: Landsat 7 bis 9 und Sentinel 2).
- Zeitauflösung: „Die zeitliche Auflösung gibt an, wie oft oder in welchen Zeitabständen ein Sensor ein bestimmtes Gebiet aufnehmen kann“ (15).
- Räumliche Abdeckung: Die räumliche Abdeckung wird durch das Untersuchungsgebiet definiert.
- Räumliche oder geometrische Auflösung: Die räumliche oder geometrische Auflösung ist das Maß für das kleinste Objekt, das von einem Sensor unterschieden werden kann. Es ist vergleichbar mit einem Pixel in einem Fernerkundungsbild (15). „Je höher die räumliche Auflösung, desto genauer werden die resultierenden Daten“ (12). Die räumliche Auflösung hängt dabei von der jeweiligen Satellitenmission ab.
- Spektrale Auflösung: „Die spektrale Auflösung gibt an, in wie vielen Spektralbändern ein Sensor gleichzeitig aufnehmen kann“ (16).
Kenntnisse zu den einzelnen Spektralbändern der Satelliten ermöglichen die Berechnung der Vegetationsindizes. Sie spielen eine wichtige Rolle beim Geomonitoring nachbergbaulicher Fragestellungen (12).
Die neuesten Satellitensysteme zeichnen sich durch die beste Anpassung der Spektralbereiche sowohl in Bezug auf die räumliche Auflösung als auch auf die Frequenz der Spektralbereiche für Vegetationsbeobachtungen aus (12,17).
- Wolkenbedeckung: Aufgrund der Wolkenbedeckung wurden nur Satellitenbilder ausgewählt, in denen die Bedeckung gering ausfällt. Das reduziert in Mitteleuropa generell die Datenverfügbarkeit im Bereich der optischen Satellitendaten.
Die Datenerfassung beginnt mit dem Zuschneiden auf einen bestimmten Untersuchungsbereich. Danach erfolgen die Auswahl und Anpassung einer geeigneten Auswertemethode auf die Fragestellung. Üblicherweise werden Indikatoren eingesetzt, bei denen durch die Verrechnung der Daten von verschiedenen spektralen Kanälen Aufschluss über einen Aspekt gewonnen werden kann. Bei der Betrachtung der Vegetationsgesundheit spielt etwa das Chlorophyll als eigentlich betrachteter Gegenstand eine wesentliche Rolle. Chlorophyll absorbiert die Energie in bestimmten Wellenlängen, um über Photosynthese Kohlenstoff für das Pflanzenwachstum zu generieren. Um aber die Pflanze vor Überhitzung zu schützen, werden bestimmte energiereiche Wellenlängen reflektiert (18).
Im Projekt Digital Twin wurden drei Gruppen von Indikatoren analysiert: Vegetations-, Boden- und Wasserindikatoren. Pawlik et al. (12) unterscheiden Vegetationsindizes, die für die Beobachtung der Vegetation beim Geomonitoring von Bergbaufolgeprozessen nützlich sein können.
Da die nachbergbaulichen Prozesse langfristiger Natur sind, ist ein anhaltendes (kontinuierliches) Geomonitoring äußerst wichtig. Die Bergbautätigkeiten im Untersuchungsgebiet erstreckten sich von den 1970er Jahren bis 2018 (4, 19), sodass mit Hilfe von raum-zeitlichen Analysen die Veränderungen der Bodenoberfläche erfasst werden können.
Der Normalized Difference Vegetation Index (NDVI) ist ein Vegetationsindikator, entwickelt durch Rouse et al. (20). Der NDVI basiert auf den Bändern im roten und nahen Infrarotbereich des Spektrums. In Bild 7 sind die landschaftlichen Veränderungen im Forschungsgebiet in einer beispielhaften Zeitreihe dargestellt.
Die obere Reihe zeigt Falschfarbenabbildungen und die untere Reihe die Berechnung des NDVI. Der Index stellt die Werte im Bereich von −1 bis 1 dar. Nach der von Kuechly et al. (18) vorgestellten Klassifizierung stehen rote Farben für Grundstücke, Straßen, Gebäude und Wasser. Grüne Farben stehen für die Vegetation, hellere Farbtöne bedeuten eine geringere Pflanzenvitalität und dunklere Farbtöne eine sehr gute Vitalität.
Die im Forschungsgebiet beobachteten Veränderungen (Bild 8) konnten im Wesentlichen zurückgeführt werden auf:
- Halden: Halde Haniel, Halde Schöttelheide und Halde Töttelberg,
- Bergsenkungsseen: Weihnachtssee, Pfingstsee und zwei namenlose Bergsenkungsseen,
- oberflächennahe Kies- und Sandgewinnung in den Sandgruben: Stremmer und Spickermann.
2.3 In-situ-Messung
Fernerkundungsdaten liefern Informationen für große Gebiete, während es sich bei In-situ-Messungen und -Beobachtungen um punktuelle Messergebnisse handelt.
In-situ-Messungen sind ein wichtiger Bestandteil des Validierungsprozesses der erzielten Ergebnisse (21, 22). Analysen auf der Grundlage von Satellitenbildern liefern neben anderen Fernerkundungsindikatoren Informationen über den Zustand der Vegetation. Dabei werden jedoch die oberen Vegetationsschichten im Fall von Wäldern – die Baumkronen – beobachtet. Die unteren Vegetationsschichten sind nicht sichtbar und müssen vor Ort untersucht werden, um den Datensatz zu vervollständigen. Detailliert werden die Ergebnisse in Bernsdorf et al. (21, 22) dargestellt.
Im Projekt wurden für die Messungen Drohnen mit diversen Kameras, insbesondere RGB und Multispektralsensor, eingesetzt. Mit Hilfe des mobilen GIS wurden Geländedaten erfasst, um einen „ground truth“ zu generieren.
2.3.1 Der Einsatz von Drohnen
Das unbemannte Luftfahrtsystem (UAS, gemeinhin Drohne genannt) ist in der Lage, spezielle Sensoren zu tragen, die vergleichbar mit den Sensoren von Satelliten sind. Aufgrund ihrer deutlich höheren räumlichen Auflösung können sie Details jedoch besser wiedergeben. Die im Projekt verwendete Drohne wurde mit speziellen Sensoren ausgestattet, deren Kanäle in Bezug auf die Indexableitung denen des Landsat- und der Sentinel 2-Satelliten entsprechen und diese nachahmen.
Daher sind Drohnen mit Multispektralkameras – verbreitet Rot, Grün, Blau, Red Edge und nahes Infrarot – geeignet, um Daten für die genauen Berechnungen von Vegetationsindizes zu erfassen. Aufgrund der Bodenauflösung können Aussagen quasi „blattscharf“ abgeleitet werden. Einzelne Pflanzen lassen sich durch die hohe Auflösung von wenigen Zentimetern gut unterscheiden. Der im Projekt eingesetzte Kopter besitzt eine Bodenauflösung von Flughöhe/18,6 (bei 100 m Flughöhe resultiert eine Bodenauflösung von 5,3 cm x 5,3 cm pro Pixel).
Mit Hilfe solcher Kopterflüge können daher Phänomene, die in einem bestimmten Gebiet auftreten, sehr genau erfasst werden. Es ist dadurch beispielsweise möglich, ein Verständnis der Auswirkungen von Bodenfeuchteveränderungen auf Vegetationsindizes zu verstehen, bevor man die unschärferen, aber für große Flächen verfügbaren Satellitendaten verarbeitet. Dieses Prozessverständnis kann sowohl im 2-D- als auch im 3-D-Raum visualisiert werden.
In der Veröffentlichung von Pawlik et al. (23) wird eine Zusammenfassung der Spektralkanalcharakteristiken für die DJI Phantom 4- und die Sentinel 2-Satellitenmission vorgestellt, aus der hervorgeht, dass die mit der Drohne erfassten Bänder mit den Spektralbändern der Satellitenmission übereinstimmen oder im Bereich der Sensorbandbreite liegen.
Für die Durchführung von Drohnenflügen ist es – für bestimmte Gebiete – erforderlich, die Zustimmung der jeweiligen Grundstückseigentümer oder -betreiber einzuholen. Darüber hinaus muss der Drohnenbetreiber die nationalen und EU-Vorschriften einhalten, in denen Folgendes eindeutig festgelegt ist: Flughöhen, Abstand der Drohne zu Straßen oder Gebäuden und äußerste Vorsicht beim Fliegen in der Nähe von Menschengruppen. Die Durchführung eines Drohnenflugs ist auch von den vorherrschenden Wetterbedingungen abhängig (24). Als Institution, die regelmäßig Drohnen zu Forschungszwecken einsetzt, hat das Forschungszentrum Nachbergbau (FZN) der Technischen Hochschule Georg Agricola (THGA), Bochum, in enger Zusammenarbeit mit den Genehmigungsbehörden sogenannte Ausnahmegenehmigungen von bestimmten Straftatbeständen erarbeitet und genehmigt bekommen. Dies vereinfacht insbesondere spontane Missionen, wenn sich etwa durch schlechte Wetterbedingungen Flugfenster verschieben.
Bei den Untersuchungen des FZN wurden eine Reihe von Drohnenflügen durchgeführt, um klassische oder multispektrale Orthophotokarten zu erstellen, die genauer sind als Satellitenbilder. Dies beinhaltete die Erfassung von Bildern mittels der Drohne unter Berücksichtigung der entsprechenden Konfigurationen hinsichtlich Flughöhe, seitlicher Überlappung und Längsüberlappung. Zu diesem Zweck wurde eine DJI-Drohne verwendet, die eine Phantom 4 Multispectral-Kamera mit Echtzeit-Kinematik-Funktion (RTK) besitzt. Dank dieses Moduls ist es möglich, Signale der globalen Navigationssatellitensysteme (GPS, GLONASS, BeiDou, Galileo) sowie Korrekturdaten vom Satellitenpositionierungsdienst (SAPOS) der deutschen Landesvermessung zu erhalten. Dies ermöglicht eine räumliche Positionsgenauigkeit von 2 bis 3 cm.
Wie bereits erläutert, weisen Satellitendaten eine geringere räumliche Auflösung als Drohnendaten auf. Die Bildinformationen der Weltraummission Sentinel 2 empfangen in einer räumlichen Auflösung von 10 m x 10 m pro Pixel (Bild 9). Die Beispiele in Bild 9 verdeutlichen durch den Einsatz von Drohnenflügen die Erkundung kleiner Wasserflächen, die auf Luft- und Satellitenbildern nicht zu erkennen sind.
2.3.2 Mobile GIS
Nach Tsou (26) ist ein mobiles GIS „ein integriertes Software- und Hardware-Framework für den Zugriff auf Geodaten und -dienste mit mobilen Geräten über drahtgebundene oder drahtlose Netzwerke“.
Die Integration von mobilen GIS mit Sensoren zur Messung von Bodenfeuchte und -temperatur wird in Bernsdorf et al. (21, 22), Flügge (27) und Pawlik et al. (28) beschrieben. Da die für die flächenhafte Kartierung eingesetzten Bodensensoren keine Daten aufzeichnen können, wurde ein mobiles GIS zur Erfassung und Darstellung der Daten verwendet. Diese ergänzen die Loggerstationen oder diejenigen, die über Wide Area Networks (WAN) angebundenen Wetterstationen mit ihren Bodensensoren. Das Ziel mit Hilfe eines mobilen GIS war es, die Messungen der Loggerstationen an Beispielflächen zu verdichten.
Das mobile GIS wurde darüber hinaus verwendet, um die Resultate der Untergrundmodellierung als auch der Multispektralanalysen auf Grundlage der Satellitenbilder zu überprüfen. Die tektonischen Ausbissgrenzen der geologischen Modellierung dienten u. a. als Orientierung zur Dokumentation der In-situ-Messungen mittels mobile GIS (Bilder 10, 11).
Räumlich-zeitliche Analysen auf Grundlage berechneter Fernerkundungsindizes ermöglichen die Beobachtung von Veränderungen in der Umwelt. Bei Pawlik et al. (29) wird die Entstehung des Bergseenkungssees anhand der berechneten Indizes beschrieben: NDVI – Normalized Difference Vegetation Index, GNDVI – Green Normalized Difference Vegetation Index, NDWI – Normalized Difference Water Index, MNDWI – Modified Normalized Difference Water Index wurden für den Zeitraum von 1984 bis 2021 berechnet. Die Studie zeigte, dass zwischen 2002 und 2012 die NDVI- und GNDVI-Indizes abgenommen haben, während die NDWI- und MNDWI-Indizes gestiegen sind, was die Bildung von Wasserflächen in dem Gebiet belegt. Die Ergebnisse wurden mit Hilfe eines mobilen GIS überprüft. Ein Beispiel für das Ergebnis ist in Bild 12 dargestellt.
3 Integration der Daten
Die nachbergbaulichen Prozesse sind ein offenes, komplexes System, für dessen Verständnis alle verfügbaren Daten herangezogen werden müssen. Durch den Einsatz von Methoden, die auf Satellitenbildern, Drohnen und In-situ-Messungen basieren, können Ergebnisse mit unterschiedlicher räumlicher und zeitlicher Auflösung erzielt werden. Die Modellierung der geologischen Struktur in Verbindung mit Informationen über die Bergbautätigkeit ermöglicht es, die Veränderungen an der Erdoberfläche sichtbar zu machen. Das ist notwendig, um die übertägigen Prozesse besser verstehen zu können
Um globale Trends und Veränderungen zu erkennen, wurde die Satellitenfernerkundung eingesetzt, mit deren Hilfe große Gebiete mit einer räumlichen Auflösung von 10 bis 30 m beobachtet werden können. Um lokale Veränderungen festzustellen, wurden Drohnenflüge durchgeführt, die Beobachtungen mit einer räumlichen Auflösung von wenigen Zentimetern ermöglichen. Hierbei wurde festgestellt, dass Flüge bei bewölktem Himmel eine bessere Qualität aufweisen als an sonnigen Tagen. Da die Sensoren von Drohnen ähnliche spektrale Eigenschaften aufweisen wie die von Satelliten, können sie zur Berechnung von Fernerkundungsindizes verwendet werden. Ein unbestrittener Vorteil des Einsatzes von Drohnen ist die Mobilität und Flexibilität, wenn der Empfang von Daten von Satelliten, z. B. aufgrund von Bewölkung und des Wiederholungszyklus von Satelliten, nicht möglich ist.
Die Verwendung von Daten aus verschiedenen Zeiträumen ermöglicht ein langfristiges Umweltmonitoring. Satellitenbilder werden, je nach Satellitenmission, innerhalb weniger Tage erfasst, während Drohnenflüge spontan durchgeführt werden können. Validierungen und Ergänzungen durch In-situ-Messsysteme ermöglichen die Bestätigung abgeleiteter Indikatoren zur Überwachung von Objekten mit hoher Qualität und objektbezogener Information. Die Positionierungsgenauigkeit verschiedener Daten und die Vergleichbarkeit von Daten mit unterschiedlicher Auflösung und Qualität ist eine der größten Herausforderungen. Möglicherweise müssen lokale Lösungen entwickelt werden, um eine korrekte Zusammenführung von Daten aus verschiedenen Maßstäben zu gewährleisten.
Das Umwelt- und Geomonitoring nachbergbaulicher Prozesse zeichnet sich durch seine hohe Komplexität aus, da unterschiedliche Faktoren miteinander vernetzt sind. Ihr Verständnis und ihre Interpretation sind nur möglich, wenn die nachbergbaulichen Prozesse als ein ganzes System von voneinander abhängigen Faktoren betrachtet werden (Bild 13). Daher ist es von großer Bedeutung, über Ausgangsdaten und Fachwissen zu verfügen, um die Phänomene unter und auf der Erdoberfläche interpretieren zu können.
4 Fazit
Zusammenfassend lässt sich sagen, dass das in diesem Artikel vorgestellte Projekt „Digital Twin – Integriertes Geomonitoring“ ein Beispiel für einen innovativen und interdisziplinären Ansatz zur Datenintegration und -fusion für die Interpretation und das Verständnis von Nachbergbauprozessen darstellt. Finale Ergebnisse liegen noch nicht vor, aber die Daten aus mehreren Quellen stellen aufgrund ihrer unterschiedlichen zeitlichen, räumlichen und spektralen Auflösung eine Herausforderung bei ihrer Fusionierung dar. Bei der Interpretation der Veränderungen in der Umwelt und den Auswirkungen auf Tagesoberfläche, Gebäude und Infrastruktur kommt dem bergmännischen Risswerk in Verbindung mit markscheiderischer Expertise eine besondere Bedeutung zu.
Das Autorenteam bemüht sich um eine ganzheitliche Herangehensweise an die beschriebenen Herausforderungen und um ein umfassendes Prozessverständnis. Dieses bildet die Basis für die Schaffung von Transparenz und eine verbindliche Öffentlichkeitsarbeit.
Das Projekt WSH 2050 wurde zunächst durch das Niedersächsische Ministerium für Wissenschaft und Kultur (MWK) gefördert. Besonderer Dank gilt dem Konsortium des WSH 2050-Projekts und den weiteren Teamkolleginnen (Apollo, Nowosad, Thomas).
References / Quellenverzeichnis
References / Quellenverzeichnis
(1) Emschergenossenschaft und Lippeverband: www.eglv.de (Online: 31.01.2023)
(2) Peters, R. (1999): 100 Jahre Wasserwirtschaft im Revier: die Emschergenossenschaft 1899 − 1999. Verlag Peter Pomp, Bottrop, Essen, 267 S.
(3) Harnischmacher, S.; Zepp, H. (2013): Bergbaubedingte Höhenänderungen im Ruhrgebiet. Tagungsband: Nachbergbau in NRW.
(4) Böse, C.; Farrenkopf, M.; Weindl, A. (2018): Kohle-Koks-Öl. Die Geschichte des Bergwerks Prosper-Haniel. Aschendorff Verlag, Münster.
(5) Pawlik, M.; Gellendin, M.; Bernsdorf, B., Rudolph, T., Benndorf, J. (2022): Digital-Twin – How to Observe Changes and Trends on the Post-Mining Areas? In: International Journal of Earth and Environmental Science 2022, 7: 195
https://doi.org/10.15344/2456-351X/2022/195
(6) Richtlinie 2011/92/EU des Europäischen Parlaments und des Rates vom 13. Dezember 2011 über die Umweltverträglichkeitsprüfung bei bestimmten öffentlichen und privaten Projekten (Kodifizierung).
(7) Goerke-Mallet, P.; Melchers, C.; Müterthies, A. (2016): Innovative monitoring measures in the phase of post-mining. IMWA 2016, Freiberg/Germany, pp 570 − 577.
(8) Melchers, C.; Goerke-Mallet, P.; Kleineberg, K. (2016): Elements and Aspects of the Post-Mining Era. In: Mining Report Glückauf (152), issue 3, pp 215 − 223.
(9) Kretschmann, J. (2015): The sustainable development strategy of the German hard coal mining industry. Proceedings of 7th Sustainable Development in the Minerals Industry Conference (SDIMI), University of British Columbia, Vancouver, Canada, pp 1 − 9.
(10) Rudolph, T. (2020): Digital Twin – Integriertes Geomonitoring weiterentwickelt. In: Technische Hochschule Georg Agricola, Forschungszentrum Nachbergbau & Deutscher Markscheider Verein (eds.): Tagungsband Bergbau, Energie und Rohstoffe 2019. Übergang zu neuen Zeiten, 11. − 13. September 2019, Technische Hochschule Georg Agricola, Bochum, S. 15 − 22.
(11) Rudolph, T.; Goerke-Mallet, P.; Melchers, C. (2020): Geomonitoring im Alt- und Nachbergbau. In: ZfV 145 (3), S. 168 − 173. Online verfügbar unter: https://doi.org/10.12902/zfv-0294-2020
(12) Pawlik, M.; Rudolph, T.; Benndorf, J.; Blachowski, J. (2021): Review of vegetation indices for studies of post-mining processes. IOP Conf. Ser.: Earth Environ. Sci. 942 012034, 2021, https://doi.org/10.1088/1755-1315/942/1/012034
(13) Rudolph, T.; Yin, X.; Goerke-Mallet, P. (2022): Advanced definition of the geo- and environmental monitoring from the post-mining experience in the Ruhr region. In: Zeitschrift der Deutschen Gesellschaft für Geowissenschaften. https://doi.org/10.1127/zdgg/2022/0335
(14) Pawlik, M. (2019): Analysis of changes in the development of a selected area of the city of Wrocław from the 1930s to present times. Unpublished master’s thesis, Wrocław University of Science and Technology (in Polish).
(15) Maj, K.; Pabisiak,P.; Stępień, G.; Wysota, R. (2007): Detekcja a identyfikacja. In: Geodeta, 9, S. 26 − 31 (in Polish).
(16) Wiggenhagen, M.; Steensen, T. (2021): Taschenbuch zur Photogrammetrie und Fernerkundung. 6. neu bearbeitete und erweiterte Auflage, Wichmann.
(17) Buczyńska, A.; Blachowski, J. (2021): Analysis of the vegetation condition on the area of the closed Babina mine in 1989 − 2019 using multispectral satellite images. IOP Conference Series Earth and Environmental Science. 684. https://doi.org/10.1088/1755-1315/684/1/012030
(18) Kuechly, H. U.; Cozacu, A.; Kodl, G.; Nicolai, C.; Vallentin, C. (2020): Grundlagen der Fernerkundung. Inforeihe SAPIENS: Satellitendaten für Planung, Industrie, Energiewirtschaft und Naturschutz, Deutsches GeoForschungsZentrum GFZ, Potsdam, 2020.
(19) RAG Bürgerinformationsdienst: https://geodaten.rag.de/mapapps/resources/apps/bid/index.html?lang=de (Online: 31.01.2023).
(20) Rouse, J. W.; Haas R. H.; Schell J. A.; Deering D. W. (1973): Monitoring the vernal advancement and retrogradation (green wave effect) of natural vegetation. Prog. Rep. RSC 1978-1, Remote Sensing Center, Texas A&M Univ., College Station, nr. E73-106393.93.
(21) Bernsdorf, B.; Khaing, Z. P. (2023): On the evaluation of in situ sensors in the assessment of process flows in geomonitoring. In: Zeitschrift der Deutschen Gesellschaft für Geowissenschaften, https://doi.org/10.1127/zdgg/2023/0339
(22) Bernsdorf, B.; Rudolph, T.; Pawlik, M.; Bökelmann, S. (2023): Der Einsatz von Mobile GIS und RFID-Sensorik zur Bewertung multispektraler Drohnen-Daten im nachbergbaulichen Geomonitoring. GIS-Science (In der Vorbereitung).
(23) Pawlik, M.; Haske, B.; Bernsdorf, B.; Rudolph, T.; Benndorf, J. (2022): Analyse des Zustands der Vegetation auf dem Gelände des stillgelegten Bergwerks Prosper-Haniel anhand von multispektralen Satellitenbildern der Sentinel 2-Mission und Drohnenflüge. In: Markscheidewesen 129 (Nr.1), S. 37 − 44.
(24) Durchführungsverordnung (EU) 2019/947 der Kommission vom 24. Mai 2019 über die Vorschriften und Verfahren für den Betrieb unbemannter Luftfahrzeuge.
(25) Pawlik, M.; Haske, B.; Bernsdorf, B.; Rudolph, T.; Andre, J.; Blachowski, J.; Kujawa, P.; Dynowski, A. (2023): The use of mobile GIS in the scientific research-Case Studies. IOP Conf. Ser.: Earth Environ. Sci. (In Press).
(26) Tsou, M. H. (2004): Integrated Mobile GIS and Wireless Internet Map Servers for Environmental Monitoring and Management, (the Special Issue on Mobile Mapping and Geographic Information Systems). In: Cartography and Geographic Information Science. 31(3), pp 153 − 165.
(27) Flügge, P. (2022): Vergleich von Bodenfeuchtesensoren mit herkömmlichen Bodenfeuchtebestimmungen an Proben aus dem Einzugsgebiet der Boye. Bachelorarbeit im Studiengang Geotechnik und Angewandte Geologie, Technische Hochschule Georg Agricola, Bochum, 62 S.
(28) Pawlik, M.; Haske, B.; Bernsdorf, B.; Rudolph, T. (2022): Mobile GIS as an innovative method for Geomonitoring of post-mining processes. GeoMinKöln 2022 (Poster).
(29) Pawlik, M.; Rudolph, T.; Bernsdorf, B. (2023): Analysis of changes of the vegetation condition on the area of the closed Prosper-Haniel mine in 1984 − 2021 using multispectral satellite images. IOP Conf. Ser.: Earth Environ. Sci. (In Press).