Home » Einsatz moderner Methoden des Geo- und Umwelt­monitoring im nachhaltigen Umgang mit Georessourcen

Einsatz moderner Methoden des Geo- und Umwelt­monitoring im nachhaltigen Umgang mit Georessourcen

Der nachhaltige Umgang mit Georessourcen fordert das Umwelt- und Geomonitoring mit seinen vielfältigen Aufgaben, wie das Monitoring von Umweltveränderungen und das Wassermanagement, heraus. Moderne Methoden des Geo- und Umweltmonitoring beobachten zahlreiche Aspekte unter Verwendung der satellitengestützten optischen Fernerkundung mit multispektralen bzw. hyperspektralen Sensoren und Radarfernerkundung. Solche Methoden erfassen die großflächigen Informationen der Erdoberflächen allerdings mit relativ groben räumlichen wie auch zeitlichen Auflösungen. Die Nutzung von Koptern als Träger von verschiedenen Sensoren ermöglicht eine zeitlich relativ flexible Aufnahme in einer deutlich höheren räumlichen Auflösung bis zum Zentimeterbereich. Zudem messen die In-situ-Sensoren punktuell direkt die Zielgröße. Die Integration von solchen Monitoringmethoden, zusammen mit den Kenntnissen und Erfahrungen vor Ort, bildet die Grundlage für das Verständnis der Umweltveränderungen sowie der damit verbundenen Ursachen und dient als der integrale Schritt für die öffentliche Akzeptanz.

Authors/Autoren: Marcin Pawlik M. Sc., Dr.-Ing. Xiaoxuan Yin, Dr. rer. nat. Bodo Bernsdorf, Prof. Dr. rer. nat. Tobias Rudolph, Prof. Dr.-Ing. Peter Goerke-Mallet, Forschungszentrum Nachbergbau (FZN), Technische Hochschule Georg Agricola (THGA), Bochum

1  Geo-Monitoring im Nachbergbau

Der nachhaltige Umgang mit Georessourcen unterliegt einem bestimmten Lebenszyklus, der mit der Erteilung von Konzessionen (Bergbauberechtigungen) beginnt, gefolgt von der Explorations- und Abbauphase, dem Betrieb des Standorts, dem Schließungsprozess und dem Nachbergbau (1). Dieser Umgang mit Georessourcen hat einen starken Einfluss auf den Menschen, die Natur sowie die Umwelt und ist ein sehr komplexes Thema, welches viele Einzelaspekte umfasst. Ein wichtiges Thema bezüglich der dadurch verursachten Umweltveränderungen, die während und nach dem Betrieb auftreten, ist daher deren kontinuierliches, räumliches Monitoring. Dazu gehören die Auswirkungen auf die Ressource Wasser, z. B. durch Grubenentwässerung im Rahmen des Wassermanagements in der Region. Für die Ressource Boden führen Bergbauprozesse zu Bodenbewegungen (Absenkung, Hebung) und Veränderungen der Vegetation oder Landnutzung. Zudem beeinflussen die bergbaubedingten Gasemissionen die Ressource Luft. Das Umwelt- und Geomonitoring im Nachbergbau bedeutet ein integriertes räumliches Monitoringkonzept, welches auf unterschiedlichen Datensätzen basiert, die erhoben, ausgewertet und interpretiert werden müssen (2, 3). Ausgehend von Daten, die während des Abbaus gesammelt wurden, z. B. bergbauliche, geologische oder operative Karten, Aufnahmen aus satellitengestützten multispektralen und hyperspektralen Sensoren, Fotodokumentationen von Kopter- oder Flugzeugflügen und Daten von In-situ-Sensoren. Diese hetero-genen Datensätze bilden die Grundlage für das Verständnis von Nachbergbauprozessen.

In diesem Beitrag wird ein Überblick über die modernen Umwelt- und Geomonitoring-Methoden zusammengestellt, die Beobachtungen der nachbergbau-relevanten Objekte aus dem Weltraum, der Luft, bis an die Erdoberfläche und im Untergrund ermöglichen. In Bezug auf multisensorielle Beobachtungen in verschiedenen raumzeitlichen Auflösungen wird die Datenintegration in einem umfassenden System diskutiert.

2  Satellitengestützte Fernerkundung

Die Fernerkundung ist eine Methode zur Gewinnung von Daten zu Phänomenen, Prozessen und Objekten aus der Ferne mit Hilfe spezialisierter Sensoren (4). Diese können auf Satelliten, Flugzeugen oder Koptern montiert werden. Satelliten verschiedener Missionen umkreisen die Erde und ihre Sensoren scannen regelmäßig die Erdoberfläche und ihre Veränderungen im Lauf der Zeit. Es gibt Webportale, die Satellitendaten kostenlos zur Verfügung stellen, darunter das nicht kommerzielle Copernicus-Programm der Europäischen Weltraumorganisation (ESA). Copernicus konzentriert sich auf eine Reihe von Sentinel-Satelliten mit jeweils eigener Zielsetzung, z. B. Sentinel-1 überwacht Deformationen der Erdoberfläche durch das Radarsystem mit synthetischer Apertur (SAR) und Sentinel-2 erkennt Vegetations- und Landnutzungsänderungen.

2.1  Optische Fernerkundung

Die optische Fernerkundung umfasst den sichtbaren, den nahen Infrarot- und den thermischen Infrarotbereich. Alles, was zu beobachten ist, basiert auf der Reflexion der von der Sonne emittierten Strahlung an Objekten. Sensoren am Satelliten erfassen die Strahlung, die von Objekten auf der Erdoberfläche, z. B. Häusern, Bäumen oder Wasserflächen, reflektiert wird. Solche Daten werden in Informationen umgewandelt, die zur Analyse und Interpretation von Phänomenen auf der Erdoberfläche verwendet werden. Ein wichtiger Vorteil von Satellitendaten ist deren große räumliche Abdeckung. Aufgrund der Wolkenbedeckung sind allerding nicht alle aufgenommenen Bilder aus den optischen Sensoren verwendbar.

Die Überwachung der Nachbergbauaktivitäten ist mit Methoden der Fernerkundung möglich. Dadurch können in Zukunft präventive Maßnahmen eingeleitet werden (5). Ein Aspekt des Umwelt- und Geomonitorings von Nachbergbauprozessen ist die Beobachtung von Vegetationsveränderungen durch Berechnung von Vegetationsindizes. Einer davon ist der NDVI – Normalized Difference Vegetation Index (6), der Vegetationsinformationen extrahiert, indem Oberflächenreflexionen im roten und nahen Infrarotkanal kombiniert werden. Es gibt die Eigenschaft, dass gesunde Vegetation den roten Anteil des Sonnenlichts fast vollständig absorbiert – er wird für die Photosynthese benötigt – und einen sehr großen Teil der einfallenden Sonnenenergie im nahen Infrarot reflektiert. Je grüner die Pflanze ist, desto größer ist der Anstieg des Reflexionsgrads vom roten Spektralbereich zum nahen Infrarot. Im Gegensatz dazu zeigt ungesunde Vegetation ein anderes Reflexionsverhalten (Bild 1).

Fig. 1. The NDVI calculated from the visible and the near-infrared light that is reflected by vegetation. Healthy vegetation (left) and unhealthy vegetation (right). The figures below the images denote the NDVI values. (7) // Bild 1. Der NDVI berechnet aus dem sichtbaren und nahen Infrarotlicht, das von der Vegetation reflektiert wird. Gesunde Vegetation (links) und ungesunde Vegetation (rechts). Die Zahlen unter der Abbildung stehen für NDVI-Werte. (7)

Diese Eigenschaft einer gesunden Vegetation wurde mit dem NDVI mathematisch wie folgt definiert (6):

wobei ρNIR dem Reflexionswert im Nahinfrarot-Wellenlänge-Bereich von etwa 800 bis 900 nm und ρRED dem Reflexionswert im roten Bereich von etwa 600 bis 700 nm entspricht. Die einzelnen Wellenlängenbereiche hängen vom jeweiligen Satelliten und dem verwendeten Sensor ab. Der NDVI nimmt Werte von – 1 bis 1 an. Die Gewässer zeigen Werte nahe – 1, der Wert 0 bedeutet normalerweise, dass es keine Vegetation gibt. Je gesünder die Vegetation ist, desto höher wird der Wert des NDVI.

Es gibt viele Beispiele für die Verwendung dieser Vegetationsindizes zur Überwachung von Vegetationsveränderungen in Nachbergbaugebieten in China (8), Tschechien (9, 10), Deutschland (11), Polen (12), der Türkei (13, 14) und den USA (15). Die genannten Fallstudien, bei denen individuelle Vegetationsindizes verwendet wurden, zeigen hierbei die Gültigkeit von Vegetationsindizes bei der Vegetationsüberwachung von Nachbergbauprozessen.

Ein weiterer wichtiger Aspekt ist die raumzeitliche Analyse von Satellitenbildern (Bild 2), wodurch Veränderungen von Vege-tationen bzw. der darauf bezogenen Feuchtigkeit im Zusammenhang mit Nachbergbauprozessen in einem bestimmten Gebiet beobachtet werden können.

Fig. 2. Satellite images taken during 1991 to 2021 of the closed Prosper-Haniel colliery. Data provided by the Digital Twin project of the THGA. // Bild 2. Satellitenaufnahmen in der Zeit von 1991 bis 2021 des geschlossenen Bergwerks Prosper-Haniel. Datenursprung ist das Projekt Digital Twin der THGA. Source/Quelle: THGA

Ein gutes Beispiel ist der Artikel Padmanaban et al. (11), der mit Hilfe des NDVI exemplarisch zwei Gebiete mit negativen Vegetationsveränderungen und Feuchtgebietsbildung im Bereich der Kirchheller Heide aufzeigte.

2.2  Radarfernerkundung

Radar steht für den englischen Begriff „Radio Detection and Ranging“ und basiert auf dem Messprinzip der Echoortung, bei dem die Echos des gesendeten Signals gemessen werden. Als Träger der Signale werden elektromagnetische Wellen im Mikrowellenbereich von 300 bis – 1 GHz verwendet. Ein aktives, bildgebendes Radarsystem ist an einem Flugzeug oder Satelliten montiert, das sich entlang einer geraden Flugbahn in einer Höhe über einer Referenzfläche bewegt.

Die optische Satellitenfernerkundung sammelt Erdbeobachtungsdaten in der Regel aus dem reflektierten Sonnenlicht, in einem vergleichsweise kurzen Wellenlängenbereich von sichtbarem Licht bis hin zu thermischem Infrarot. Daher wird die traditionelle optische Fernerkundung stark von Atmosphäreneffekten wie der Wolkenbedeckung beeinflusst, welche die Fähigkeit zur Erfassung von Informationen von der Erdoberfläche einschränkt. Im Vergleich zu optischen Fernerkundungssystemen sind Radarsysteme aufgrund einer eigenen Strahlungsquelle unabhängig von der Tageszeit der Aufzeichnung. Darüber hinaus verwendet die Radarfernerkundung eine relativ größere Wellenlänge, welche die Atmosphäre durchdringen kann. Damit können Radaraufnahmen auch bei Bewölkung durchgeführt werden.

Eine der weit verbreiteten Methoden der satellitengestützten Radarfernerkundung ist das Radarsystem mit synthetischer Apertur. Dadurch werden hauptsächlich zwei Informationen aufgenommen: die Rückstreuintensität und die Phasenlage. Die Intensität der rückgestreuten Radarstrahlung hängt von den physikalischen Eigenschaften der Objektoberflächen ab, z. B. Rauheit und Geometrie sowie den Materialeigenschaften wie Wassergehalt und dielektrische Eigenschaften. Dies kann bei der Detektion von Wasserflächen (16) und der Ermittlung der Bodenfeuchtigkeit (17) verwendet werden. Durch die Detektion von Wasserflächen zu verschiedenen Zeitpunkten können z. B. Überschwemmungsgebiete ermittelt werden, wie Bild 3 zeigt.

Fig. 3. Schematic representation of a water mask as produced from Sentinel 1 data. // Bild 3. Schematische Darstellung einer Wassermaske, bestimmt aus Sentinel-1 Daten. Source/Quelle: THGA

Die Phaseninformation ermöglicht eine Analyse über die Veränderung der Längen von Ausbreitungswegen der Radarsignale, die zur Erkennung von Bodenbewegungen oder zur Extraktion des digitalen Höhenmodells verwendet wird. Hierzu dient das Prinzip der SAR-Interferometrie (InSAR), die aus den kohärenten Pixeln zweier SAR-Bilder Phasenunterschiede, das sogenannte Interferogramm, berechnet. Die Phasenunterschiede resultieren aus der Aufnahmegeometrie und den leicht unterschiedlichen Orbitpositionen des Satelliten zu den Aufnahmezeitpunkten, zum anderen aus den Objekthöhen des Geländes und der Objekt-oberfläche und deren Verformung. Darüber hinaus lösen atmosphärische Effekte zusätzliche Signalverzögerungen aus. Der verbleibende Teil, das Messrauschen, wird mit dem Begriff Rauschen beschrieben. Zur Berechnung der Deformation wird ein Verfahren wie die Differential SAR-Interferometrie verwendet, welche mindestens zwei zu unterschiedlichen Zeitpunkten aufgenommenen SAR-Datensätze über das gleiche Gebiet verwendet und aus dem Interferogramm die verformungsbezogene Phasenkomponente berechnet. Bild 4 zeigt ein Beispiel für ein (unabgewickeltes) differentielles Interferogramm einer bergbaubedingten Senkung.

Fig. 4. Filtered differential interferogram of a mining-related subsidence event as identified from Sentinel 1 data (2015-09.04 – 2015.11.15). // Bild 4. Gefiltertes differentielles Interferogramm einer bergbaubedingten Senkungserscheinung, ermittelt aus Sentinel-1-Daten (2015-09.04 – 2015.11.15). Source/Quelle: THGA

Die Karte der Phasenverschiebung, die mit einer sich wiederholenden Farbskala dargestellt wird, zeigt die Bewegung in der Sichtlinie des Satelliten.

Bei der Verwendung solcher Methoden führen die Dekorrelationen (verrauschter Bereich in Bild 3) zu Fehlern in der Phasenabwicklung bzw. zum räumlichen Datenverlust. Daher werden die zeitreihenbasierten Verfahren wie Persistent Scatter Interferometry (PSI) und Small BAseline Subset (SBAS) im Hinblick auf den besseren Umgang mit dieser Problematik entwickelt und zur Überwachung der Bodenbewegung zunehmend eingesetzt. Während PSI Bewegungszeitreihen nur aus den „hochwertigen“ Rückstreuern mit langzeitstabiler und starker Rückstreuung ermittelt, die aufgrund des Double-Bounce-Effekts von Gebäuden meist nur in städtischen Gebieten verfügbar sind, nutzt SBAS das Netzwerk hochkohärenter Interferogramme, um auch im ländlichen Raum Ergebnisse ermitteln zu können. In diesem Gebiet dominieren, wie auch in den meisten Bergbau- und Nachbergbaugebieten, die sogenannten Distributed Scatter, die in den Neuentwicklungen in Kombination mit Persistent Scatter verwendet werden, um Bodenbewegungen in großen Flächen zu ermitteln. Eine abstrakte Erläuterung des Prinzips dieser Verfahren findet sich bei Crosetto et al. (18). Beim Geomonitoring im Nachbergbau spielt die Radarfernerkundung somit durch die besondere Fähigkeit, z. B. zur flächenhaften Erfassung von Bodenbewegungen, eine unersetzbare Rolle.

3  Kopter

Unmanned aerial vehicle (UAV, Kopter, Drohnen)-Plattformen sind zu einer neuen und immer häufiger verwendeten Methode der Datenerfassung geworden. Sie haben eine Reihe von Vorteilen, darunter

  • kürzere und flexible Zeit zur Aufnahme,
  • hohe Auflösung der erhaltenen Ergebnisse.

Somit werden Drohnen zunehmend bei der Überwachung und Vermessung von Bergbaugebieten eingesetzt. Dynamisch, aber auch sicher im Vergleich zu traditionellen Methoden, ist die Datenerfassung durch Kopter ein effektiver Weg, um eine kontinuierliche Überwachung der Nachbergbauprozesse zu gewährleisten.

Es ist auch zu beachten, dass diese Überwachungsmethode neben ihren Vorteilen auch ihre Nachteile hat:

  • Abhängigkeit von Wetterbedingungen (Wind, Niederschlag, Temperatur),
  • beschränkt durch nationale und EU-Vorschriften,
  • Abhängigkeit von GNSS-Signalen (Global Navigation Satellite System).

Basiert auf Kopter können verschiedene Sensoren eingesetzt werden, die auf die Kopter montiert werden können. Passive Sensoren basierend auf elektromagnetischer Strahlung sind z. B. Digitalkameras. Aktive Sensoren, die elektromagnetische Wellen an ein Ziel auf der Erdoberfläche aussenden und dann die Signale sammeln, können auch auf dieser Plattform verwendet werden, z. B. LiDAR (Light detection and ranging). Zur Überwachung von Bergbauprozessen werden Sensoren verwendet wie (19):

  • Digitalkameras,
  • Multispektral- und Hyperspektralkameras,
  • Wärmebildkameras, Gasdetektoren,
  • LIDAR-Sensoren.

Je nach Sensorausstattung ermöglichen sie die Aufnahmen von Ortophotokarten und thermischen Analysen (Bild 5) (20, 21, 22).

Fig. 5. Schematic thermal image (left) and photograph in normal colour (right) taken in the Dortmund suburb Barop. // Bild 5. Schematisches Thermalbild (links) und Foto in normalen Farben (rechts) aus dem Dortmunder Stadtteil Barop. Photos/Fotos: Benjamin Haske

Kopter zeigen eine deutlich höhere räumliche Auflösung als Satellitenbilder. Multispektralkameras (rot, grün, blau, red edge und NIR) auf Koptern ermöglichen auch die Berechnung von hochgenauen Vegetationsindizes, wodurch aufgrund der Zentimeterauflösung die Unterscheidung von einzelnen Pflanzen möglich ist.

Dank des Einsatzes von Kopter-Flügen ist es möglich, die in einem bestimmten Gebiet auftretenden Phänomene sowohl in 2D als auch visualisiert im 3D-Raum zu ermitteln, was die Darstellung von digitalen Oberflächenmodellen und die detaillierte Abbildung von Gebäudemodellen ermöglicht. Dies wird auch zunehmend in der Building Information Model (BIM)-Technologie verwendet. Kommerziell erhältliche Software von Agisoft Metashape, Pix4D bis Drone2Map von ESRI ermöglicht eine bessere Verarbeitung von Kopteraufnahmen. Die erhaltenen Ergebnisse zeichnen sich durch eine hohe räumliche Auflösung aus.

4  In-situ Messungen

Für das Umwelt- und Geomonitoring sind In-situ-Messungen unersetzbar, welche zu einem bestimmten Zeitpunkt oder Zeitraum an diskreten Orten direkt an den zu messenden Objekten durchgeführt werden. Je nach Art und Verwendungszweck des In-situ-Sensors, z. B. Abstände zwischen den Sensoren, können verschiedene geostatistische Methoden verwendet werden, um Phänomene in einem Gebiet auszuweiten und mit weiteren Methoden zu verschneiden.

Im Gegensatz dazu werden Daten aus der Fernerkundung typischerweise zwar flächenhaft aber indirekt zur Zielgröße gesammelt. Beispielsweise werden bei der optischen Satellitenfernerkundung und bei kopterbasierten, optischen Aufnahmen Sensorbilder aus reflektiertem Sonnenlicht aufgezeichnet. Aus den gesammelten Informationen in verschiedenen Frequenzen werden die interessierenden Größen durch verschiedene Indizes berechnet (s. Kap. 2.1). Statt flächendeckender Informationen liefern die In-situ-Messungen und -Beobachtungen meist punktbezogene aber direkte Messergebnisse, die für das Umwelt- und Geomonitoring von Veränderungen auch im Nachbergbau sehr wichtig sind. Um Informationen über die Vitalität und den Stress der Vegetation durch Indizes wie NDVI abzuleiten, ist die lokale Vorort-Analyse ein wesentlicher Bestandteil des Validierungsprozesses. Außerdem ist zu berücksichtigen, dass nur die oberste Vegetationsschicht aus der Fernerkundung erfasst werden kann. Die unteren Vegetationsschichten bis auf die Bodenebene sind für die Nadir-Bildaufnahme unsichtbar und erfordern zusätzliche lokale Eingaben von der Standortinspektion, um den Datensatz zu ergänzen.

Von besonderer Bedeutung für die radarinterferometrische Bestimmung von Bodenbewegungen sind die terrestrischen Messungen aus Vermessungsergebnissen der Geodäsie und des Markscheidewesens. Die InSAR-Methoden bestimmen die Bewegung nur in der Sichtlinie des Satelliten, was für die meisten Anwendungen, die eine Erfassung von schwerkraftorientierten dreidimensionalen Bodenbewegungskomponenten benötigen, nicht von Bedeutung ist. Die radarinterferometrisch ermittelten Ergebnisse können durch die terrestrisch ermittelten Höhenänderungen, z. B. aus dem Nivellement, und den mit GNSS gemessenen dreidimensionalen Bewegungen validiert bzw. korrigiert werden.

Für viele Ansätze zur Berechnung der Bodenfeuchte aus Radar-fernerkundung sind Messungen mit Bodenfeuchtesensoren (Bild 6) erforderlich.

Fig. 6. Remote sensors for measuring soil moisture being used as part of the C2M2 project. // Bild 6. Dezentrale Sensoren für Bodenfeuchte-Messungen im Rahmen des Projekts C2M2. Source/Quelle: THGA

Mit solchen Bodensensoren ist die kontinuierliche Erfassung der Bodenfeuchte am Sensorpunkt in unterschiedlichen Tiefen möglich. Im Projekt C2M2 z. B. der Technischen Hochschule Georg Agricpola (THGA), Bochum, wurden daraus auch die saisonalen Veränderungen der Bodenfeuchte gemessen und abgeleitet. Aufgrund der zahlreichen Einflüsse auf den Ausbreitungsweg der Radarwellen ist eine vollständige Trennung des durch Bodenfeuchte verursachten Signals von anderen Faktoren nur bedingt möglich. Der Zusammenhang zwischen den SAR-Erfassungen und dem geeigneten Modell zur Ableitung der Bodenfeuchte ist nur möglich, wenn diese zusammen mit den Messungen für den gleichen Zeitraum betrachtet werden.

Neben der Verwendung in der Verifizierung der Ergebnisse der Bildverarbeitung, als die sogenannte Ground Truth, und der Anpassung des Berechnungsmodells der verschiedenen Indikatoren spielen die In-situ-Messungen für manche Messobjekte eine unersetzbare Rolle. Die Beobachtung von Objekten, die sich im Boden befinden oder für Bildaufnahmen von oben nicht sichtbar sind, ist nur durch In-situ-Messungen möglich. Dazu gehören beispielsweise die Grundwassermessstellen und die Bodenanalyse und Kartierung durch Probenahme. Da die Beobachtung der Belastung durch Schadstoffe einer der wichtigsten Aspekte im Nachbergbau ist, ist der Aufbau eines Netzes regelmäßiger In-situ-Messungen notwendig.

Erwähnenswert ist auch die Nutzung des mobilen GIS, welche die Aufnahme, Aktualisierung, Dokumentation und Anzeige von Geodaten mit einer smartphonebasierten Applikation im Feld ermöglicht. Die Dateneingabe während des Feldeinsatzes erhöht die Aussagekraft einer Beschreibung zu den Zielobjekten durch die direkte Beobachtung, welche auf der Karte oder dem Satellitenbild nicht möglich ist. Somit können die geokodierten Aufnahmen des mobilen GIS auch als Ground Truth verwendet werden (Bild 7).

Fig. 7. Exemplary design of a mobile GIS application including an example of road damage. The red and orange lines indicate tectonic irregularities identified from different geodata sources. // Bild 7. Exemplarisches Design einer mobilen GIS-Anwendung einschließlich eines Beispiels für Straßenschäden. Die roten und orangenen Linien zeigen tektonische Unregelmäßigkeiten aus unterschiedlichen Geodatenquellen. Source/Quelle: THGA

Neben den beschreibenden Daten, welche z. B. in Form eines Formulars gesammelt werden können, ist es auch möglich, Anhänge in Form von Fotos hinzuzufügen. Der Nachteil dieser Methode ist die Abnahme der Lagegenauigkeit der mit dem GNSS-System ermittelten Position, z. B. in einem Waldgebiet.

5  Datenfusion zum Verständnis des Systems

Durch den Einsatz von Methoden basierend auf Satelliten, Koptern oder In-situ-Messungen ist es möglich, Monitoring-Ergebnisse mit unterschiedlichen, räumlichen und zeitlichen Auflösungen für verschiedene Themengebiete bereitzustellen. Als Voraussetzung für das Umwelt- und Geomonitoring von Veränderungen ist es erforderlich, das Nachbergbaugebiet in seiner Gesamtheit als komplexes System hin zu einem Prozessverständnis zu verstehen. Dies macht die Integration der verschiedenen Überwachungskomponenten zu einem entscheidenden Schritt.

Für die Kartierung und Quantifizierung im Umwelt- und Geomonitoring liefert die Satellitenfernerkundung die Informationen in einem großen Gebiet mit meist geringer räumlicher Auflösung von wenigen Metern. Wolkenbedeckung kann bei der optischen Satellitenfernerkundung zu einem vollständigen Informationsverlust führen. Der Einsatz von Koptern kann hierbei die lokale räumliche Auflösung (in cm) stark verbessern. Die niedrige Flughöhe bietet Kompatibilität auch bei bewölkten aber ruhigen Wetterbedingungen. Zur Ergänzung und Verbesserung der Auflösung im Raum dient die Aufnahme der Kopter in vergleichbaren Spektralbereichen und Bändern zu einem vergleichbaren Zeitraum für lokale Betrachtungen. Es ist möglich, mit Koptern im notwendigen Zeitraum aufzuzeichnen, wenn die Aufnahme von Satelliten nicht verwendet werden kann, z. B. aufgrund der hohen Wolkenbedeckung, oder nicht stattfindet.

Auch in der Zeitachse ist die Fusion verschiedener Monitoringdaten mit unterschiedlicher zeitlicher Auflösung von großem Vorteil. Der Wiederholungszyklus für die optischen Satelliten beträgt einige Tage, während die Kopteraufnahmen spontan betrieben werden können. Kontinuierliche Messungen sind objektbezogen mit In-situ-Sensoren möglich. Validierungen und Ergänzungen durch In-situ-Messsysteme ermöglichen es, die abgeleiteten Indikatoren für die Überwachung von Objekten mit einer hohen Qualität und objektbezogenen Informationen zu bestätigen. Die Positionsgenauigkeit verschiedener Daten und die Vergleichbarkeit von Daten mit unterschiedlicher Auflösung und Qualität ist eine der größten Herausforderungen. Es kann notwendig sein, lokale Lösungen zu entwickeln, um die korrekte Datenfusion aus den verschiedenen Maßstäben zu gewährleisten. In Tabelle 1 werden die Eigenschaften unterschiedlicher Methoden des Umwelt- und Geomonitorings aufgelistet.

Table 1. Comparison of the benefits and drawbacks of different environmental and geomonitoring methods. // Tabelle 1. Vergleich der Eigenschaften der unterschiedlichen Methoden des Umwelt- und Geomonitoring. Source/Quelle: THGA

Für das Umwelt- und Geomonitoring im Rahmen des Nachbergbaus können zahlreiche Themen von Interesse sein. Eine zusätzliche Komplexität ist beim Umwelt- und Geomonitoring zu berücksichtigen, welche durch die miteinander verbundene Natur der Ressourcen hervorgerufen wird. Das Verständnis und die damit verbundene Interpretation kann sich nur ergeben, wenn das System als Ganzes erfasst wird. Dazu werden nicht nur die gesammelten Daten benötigt, sondern auch das Wissen und die Erfahrung von Experten, wodurch das Umwelt- und Geomonitoring im Nachbergbau nachhaltig umgesetzt werden kann.

6  Fazit

Zusammengefasst ist die Kombination und Integration unterschiedlicher moderner Beobachtungsmethoden der Schlüssel zu einem erfolgreichen Monitoring im nachhaltigen Umgang mit Georessourcen und insbesondere im Nachbergbau. In einem komplexen System ist die Fusion verfügbarer Ressourcen mit unterschiedlichen Datentypen von Satelliten über Kopter bis hin zu In-situ-Sensoren notwendig. Jede Methode hat ihre Vor- und Nachteile, aber mit ihrer Kombination ist es möglich, das volle Potential für die Entwicklung eines umfassenden Verständnisses für den nachhaltigen Umgang mit Georessourcen aufzubauen. Hierdurch wird ein modernes Verständnis erzeugt und Transparenz für die Öffentlichkeit geschaffen. Daher sind innovative Methoden des Umwelt- und Geomonitorings wichtig für die öffentliche Akzeptanz im nachhaltigen Umgang mit Geo-ressourcen.

References/Quellenverzeichnis

References/Quellenverzeichnis

(1) Goerke-Mallet, P.; Melchers, C.; Müterthies, A. (2016): Innovative monitoring measures in the phase of post-mining. IMWA 2016, Freiberg/Germany, pp. 570 – 577.

(2) Rudolph, T. (2020): Digital Twin – Integrated Geomonitoring Further Developed. In: Kretschmann, J.; Goerke-Mallet, P.; Melchers, C. (2020): Done for Good 2.0, Results in Post-Mining Research, A Compilation of Research Papers by the Research Center of Post-Mining, Technische Hochschule Georg Agricola University, pp. 273 – 278.

(3) Rudolph, T.; Goerke-Mallet, P.; Melchers, C. (2020). Geomonitoring in Alt- und Nachbergbau. In: zfv 3/2020, pp. 168 – 173.

(4) Wiggenhagen, M.; Steensen, T. (2021). Guide for Photogrammetry and Remote Sensing. 6th revised and extended edition, Wichmann.

(5) Kretschmann, J.; Nguyen, N. (2020): Research Areas in Post-Mining – Experiences from German Hard Coal Mining. July-December – Journal of the Polish Mineral Engineering Society, pp. 255 – 262.

(6) 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.

(7) Simmon, R. (2000): Illustration des NDVI. In:  Weier, J. und Herring, D. (2000): Measuring  Vegetation (NDVI & EVI) (https://earthobservatory.nasa.gov/features/MeasuringVegetation/measuring_vegetation_2.php (Online:18.10.2021).

(8) Ma, B.; Pu, R.; Wu, L.; Zhang, S. (2017): Vegetation Index Differencing for Estimating Foliar Dust in an Ultra-Low-Grade Magnetite Area Using Landsat Imagery. IEEE Access, pp. 8825 – 8834.

(9) Halounová, L.; Petruchová, J.; Junek, P. (2005). Analysis of reclaimed areas in the Northern Bohemia brown coal open cast mining areas monitored by remote sensing data using cartography tools and GIS. WSEAS Int. Conf. on Remote Sensing, Venice/Italy, 2nd to 4th November, pp. 49 – 54.

(10) Matejicek, L.; Kopackova, V. (2010). Changes in croplands as a result of large scale mining and the associated impact on food security studied using time-series Landsat images. Remote Sensing 2, pp. 1463 – 1480.

(11) Padmanaban, R.; Bhownik, A. K.; Cabral, P. (2017). A Remote Sensing Approach to Environmental Monitoring in a Reclaimed Mine Area. In: ISPRS International Journal of Geo-Information 6 (12) 401, pp. 1 – 14.

(12) 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 012030, pp. 1 – 13.

(13) Erener, A. (2011): Remote sensing of vegetation health for reclaimed areas of Seyitömer open cast coal mine. In: International Journal of Coal Geology 86, pp. 20 – 26.

(14) Koruyan, K.; Deliormanli, A. H.; Karaca, Z.; Momayez, M.; Lu, H.; Yalçin, E. (2012): Remote sensing in management of mining land and proximate habitat. In: Journal of the Southern African Institute of Mining and Metallurgy 112 (7), pp. 667 – 672.

(15) Raval, S.; Sarver, E.; Shamsoddini, A.; Zipper, C.; Donovan, P.; Evans, D.; Chu, H. T. (2014): Satellite remote sensing-based estimates of biomass production on reclaimed coal mines. In: Mining Engineering 66, pp. 47 – 53.

(16) Hahmann, T.; Martinis, S.; Twele, A.; Roth, A.; Buchroithner, M. (2008): Extraction of water and flood areas from SAR data. The EUSAR 2008, 7th European Conference on Synthetic Aperture Radar, 2nd to 5th June 2008, Friedrichshafen/Germany, pp. 1 – 4.

(17) Esch, S.; Korres, W.; Reichenau, T. G.; Schneider, K. (2018): Soil moisture index from ERS-SAR and its application to the analysis of spatial patterns in agricultural areas. In: Journal of Applied Remote Sensing 12(2), 022206.

(18) Crosetto, M.; Monserrat, O.; Cuevas-Gonzàles, M.; Devanthéry, N.; Crippa, B. (2016): Persistent Scatterer Interferometry: A review. In: ISPRS Journal of Photogrammentry and Remote Sensing Band 115, pp. 78 – 89.

(19) Ren, H.; Zhao, Y.; Xiao, W.; Hu, Z. (2019): A review UAV monitoring in mining areas: current status and future perspectives. In: Int. J Coal Sci Technol 6(3), pp. 320 – 333.

(20) Bernsdorf, B.; Formaniuk, A.; Rudolph. T. (2020): Possibilities of a method for copter-supported gas leak detection with thermal imaging cameras in industry and hazards prevention. In: Oil Gas – European Magazine, 46th Edition, Issue 4/2020, December, pp. 13 – 20.

(21) Bernsdorf, B.; Formaniuk, A.; Rudolph, T. (2021): Ein Ansatz zur Detektion von Gaslecks mit Hilfe UAV-gestützter Wärmebildkameras. In: vfdb – Zeitschrift für Forschung, Technik und Management im Brandschutz, 1/2021, pp. 22 – 31.

(22) Bernsdorf, B.; Rudolph, T.; Goerke-Mallet, P. (2021): Über den Einsatz von Koptern im Bergbau und in der Energiewirtschaft. In: Bergbau – Zeitschrift für Rohstoffgewinnung, Energie und -Umwelt 72, S. 15 – 23.

Authors/Autoren: Marcin Pawlik M. Sc., Dr.-Ing. Xiaoxuan Yin, Dr. rer. nat. Bodo Bernsdorf, Prof. Dr. rer. nat. Tobias Rudolph, Prof. Dr.-Ing. Peter Goerke-Mallet, Forschungszentrum Nachbergbau (FZN), Technische Hochschule Georg Agricola (THGA), Bochum
Online_Abonnement