Este relatório dá uma breve introdução aos métodos de sensoriamento remoto, e fornece uma revisão de como diferentes métodos de sensoriamento remoto podem ser usados para aplicações relevantes para a indústria de mineração. As aplicações vão desde o mapeamento da mineralogia de superfície para exploração, topografia e mudanças topográficas úteis durante o planejamento e operação de minas, detecção e monitoramento de impactos ambientais, e mapeamento de movimentos de superfície de minas e estruturas para monitorar os aspectos de segurança.
O sensoriamento remoto pode facilitar os processos de planejamento de minas, melhorar a segurança durante e após a operação da mina e monitorar o impacto ambiental e a reabilitação.
Vamos introduzir a teledetecção e discutir como ela pode ser útil para a indústria de mineração. Começaremos com uma introdução ao sensoriamento remoto, incluindo os diferentes tipos de sensores e métodos, e então revisaremos os estudos anteriores e discutiremos uma gama de diferentes aplicações que são relevantes para a indústria da mineração.
A detecção remota é a aquisição de informações sobre objetos ou áreas a partir de uma distância, ou seja, onde o sensor não está em contato direto com o objeto. Os sensores podem ser baseados em plataformas espaciais (satélite constelações) ou aéreas (tripuladas ou não tripuladas) sistema de aeronaves), mas também podem ser baseadas no solo, radares fixos (montadas em um tripé). O sensoriamento remoto faz uso da radiação eletromagnética e geralmente envolve uma interação entre a radiação incidente (por exemplo, a iluminação pelo sol) e o objeto/área de interesse.A radiação incidente pode ser absorvida, transmitida ou refletida por um objeto, e a quantidade e assinatura espectral da radiação refletida que é medida pelo sensor, fornece informações sobre as propriedades do material (tais como composição química, rugosidade superficial, estrutura interna) do objeto.
A radiação eletromagnética é caracterizada por seu comprimento de onda ou frequência (comprimento de onda e frequência estão inversamente relacionadas). O espectro eletromagnético varia de muito de comprimentos de onda curtos (raios gama e raios X), até a parte visível e infravermelha do espectro, para microondas e radiowaves. Neste relatório, vamos nos concentrar no espectro visível e infravermelho (sensoriamento óptico remoto) e a parte de microondas (por exemplo, radar remoto sensorial) do espectro.
O sensoriamento remoto também pode ser dividido em sensoriamento remoto passivo e ativo.
O sensoriamento remoto passivo utiliza uma fonte de energia naturalmente disponível, como a luz solar, para iluminar o objeto e medir a radiação refletida ou reemitida após interação com o objeto. O sensoriamento remoto óptico é um exemplo de sensoriamento remoto passivo de sensoriamento.
O sensoriamento remoto ativo utiliza sua própria fonte de energia para iluminar o objeto. Um sensor ativo emite radiação em um determinado comprimento de onda e mede a radiação que é refletida pelo objeto. O sensoriamento remoto ativo pode, portanto, ser usado para examinar a resposta aos comprimentos de onda que não estão suficientemente disponíveis através da luz solar, tais como microondas.Também é independente da hora do dia e da estação do ano.
Exemplos de detecção remota é o radar (detecção e alcance de rádio) e Lidar (imagem de luz), detecção e alcance de detecção remota.
Descreveremos primeiramente os métodos de detecção remota óptica e discutir aplicações potenciais para a indústria de mineração , e depois continuar com uma descrição e discussão do sensoriamento remoto por radar e aplicações relevantes para a indústria de mineração .
O sensoriamento óptico remoto, utiliza tipicamente o espectro que vai desde o visível até o visível luz e infravermelho próximo (VNIR), com comprimentos de onda entre cerca de 0,4 e 1 μm, para o infravermelho de onda curta (SWIR) e infravermelho térmico (TIR), até comprimentos de onda de 10 μm. O VNIR é particularmente útil para a imagem da vegetação. O componente químico clorofila, que está presente na vegetação verde, absorve fortemente a radiação no vermelho e comprimentos de onda azuis, mas reflete mais os comprimentos de onda verdes.
A estrutura interna em folhas, reflete os comprimentos de onda do infravermelho próximo (NIR) e medindo o infravermelho próximo a reflectância é frequentemente usada para estimar a saúde da vegetação. o de reflexão.
Os minerais, por outro lado, mostram várias características de absorção tanto no VNIR, SWIR e TIR que podem ser relacionados a certos componentes químicos, tais como óxido de ferro ou carbonato. TIR também é usado para o mapeamento das temperaturas de superfície, que podem fornecer informações sobre locais com afloramento ou vazamento de águas subterrâneas.
Há vários instrumentos diferentes que são usados para medir a reflexão na parte óptica do espectro, e por simplicidade agrupamo-los aqui em padrão câmeras e instrumentos multiespectrais e hiperespectrais. Uma câmera digital padrão registra a luz visível e usa filtros para separar a luz em vermelho, verde e azul; o NIR é normalmente bloqueado.
Estes filtros podem ser modificados, uma modificação comum é a substituição de vermelho ou verde por NIR em ordem para obter mais informações sobre a vegetação, pois a vegetação tem um forte reflexo em NIR. Os instrumentos mais avançados registram a luz refletida em espectros específicos, bandas. Esses instrumentos são frequentemente divididos em multiespectral e hiperespectral.
A principal diferença entre os dois é o número e a largura espectral das faixas. Os sensores multiespectrais tipicamente têm 3-12 bandas espectrais com uma largura de 20-60 nm no VNIR, 80-150 nm no SWIR, e 1000 nm no TIR. Os sensores hiperespectrais normalmente têm centenas de bandas espectrais com uma largura de 10-20 nm e, portanto, são capazes de fornecer um espectro muito mais detalhado e contínuo do objeto. Os sensores multiespectrais e hiperespectrais estão disponíveis tanto em satélites, bem como para aeronaves tripuladas e não tripuladas.
Um aspecto importante a considerar na escolha do sensor a ser usado para uma determinada aplicação é a resolução do sensor e a resolução que é necessária para a aplicação. Distinguimos 4 tipos principais de resolução: espacial, espectral, radiométrica e temporal. A resolução espacial de uma imagem se refere à área no solo que é representado por cada pixel em uma imagem, e depende do tamanho do pixel e do campo de visão. Por exemplo, em uma imagem de satélite com resolução de 20 m, como o Sentinel-2, cada pixel representa uma área de 20 por 20 m no chão. Portanto, não será possível distinguir objetos menores que 20 m nestas imagens. Fotografias aéreas podem ter uma resolução inferior a 5 cm, o que torna possível distinguir características e objetos. Para dados aerotransportados, as imagens de resolução espacial dependerá da altura de voo. A resolução espectral descreve a faixa de comprimento de onda ou a largura espectral das faixas espectrais. Se a resolução espectral é maior, significa que as faixas são mais estreitas e que o sensor é capaz de distinguir características espectrais menores. Isto é importante quando se tenta usar características espectrais específicas, características espectrais para identificar, por exemplo, certos minerais.
Os sensores hiperespectrais normalmente têm uma resolução espectral mais alta (ou seja, uma largura de banda mais estreita) do que multiespectral. A resolução radiométrica refere-se a quão bem a diferença de luminosidade em diferentes faixas, podem ser medidas e dependem do número de níveis de valor cinzento.
Uma imagem de 8 bits pode distinguir 256 níveis de cinza, enquanto uma imagem de 16 bits distingue 65.536 níveis de cinza.
A resolução temporal refere-se ao intervalo de tempo entre as imagens de mesma área. Para sensores via satélite, a resolução temporal varia de vários dias a várias semanas. Imagens da mesma área, mas em momentos diferentes, podem ser usadas para analisar a mudança. A mudança pode ser natural: por exemplo, o estado da vegetação varia com as estações do ano; ou feitas pelo homem: por exemplo, a mudança na cobertura da terra como resultado das atividades de mineração.
A mudança também pode ser gradual ou abrupta. São usadas análises de séries temporais de imagens para identificar mudanças ao longo do tempo. Para imagens ópticas, a cobertura de nuvens pode reduzir a resolução temporal.
O sensoriamento remoto pode ser realizado a diferentes distâncias e a partir de diferentes plataformas e estruturas nas quais os instrumentos são montados, onde três categorias de plataformas são geralmente distinguidas: satélite, aerotransportado e terrestre.
Os instrumentos ópticos baseados em satélites têm resoluções espaciais que variam de menos de um metro (muito alta resolução) a várias centenas de metros (baixa resolução).
Com relação às aplicações de sensoriamento remoto que são relevantes para a indústria de mineração, somente os satélites de alta (ca 10-60 m) e muito alta (ca 0,3-10 m) resolução são de interesse. Os sensores ópticos via satélite de alta resolução mais relevantes são o Landsat 7 e 8, Sentinel-2 , Aster e Hyperion, dos quais Hyperion tem uma hiper-espectral (o Hyperion está agora desativado em 2,016) enquanto os outros têm sensores multiespectral.
Novos instrumentos de alta resolução baseados em satélite hiper espectrais, ENMAP, O PRISMA, HISUI, está previsto para ser lançado nos próximos dois anos. Os principais sensores de satélite relevantes de altíssima resolução são atualmente WorldView 2 e 3, Ikonos, GeoEye e SPOT 6 e 7.
Complementando nos dias de hoje poderia citar DMC3 – Triple Sat Constellation , Kompsat , Superview e Vivid-i .
As plataformas aéreas incluem todos os tipos de aeronaves tripuladas (por exemplo, avião, helicóptero, balão) e aeronaves não tripuladas (por exemplo, asa fixa, asa rotativa). Há uma grande variedade de instrumentos que podem ser montados em aeronaves, variando de alta resolução digital câmeras para fotografia aérea, câmeras especializadas como as de infravermelho próximo (NIR) sensores de imagem hiper-espectrais, radar de abertura sintética (SAR), LiDAR, e instrumentos geofísicos (magnetômetro, espectrômetros de raios gama, gravidade gradiômetros, instrumentos eletromagnéticos).
Alguns instrumentos são grandes e só podem ser montado em aeronaves tripuladas, mas há um número rapidamente crescente de aeronaves menores, instrumentos mais leves que podem ser pilotados com aeronaves não tripuladas menores.
O sensoriamento óptico remoto aéreo geralmente tem uma resolução espacial (cmscale) muito maior do que o sensoriamento remoto por satélite, e pode ser realizado quando necessário. Outra vantagem do sensoriamento remoto aéreo é a reduzida interferência da atmosfera e cobertura de nuvens.
Desvantagens da detecção remota por via aérea em relação à detecção remota por satélite de sensoriamento são os custos (particularmente quando se utilizam aeronaves tripuladas), quanto mais limitados a cobertura e a reduzida estabilidade das plataformas.
Alguns instrumentos hiper espectrais comumente usados incluem o Airborne Espectrômetro de Imagens para Aplicações (AISA) da empresa SPECIM, a Compacta Câmera Espectrográfica Aérea (CASI) da ITRES, e o MAPper HYper Especttral (HyMAP) da Integrated Spectronics.
O sensoriamento remoto com base no solo pode ser segurado manualmente ou montado em um tripé ou em uma estrutura fixa, como um edifício ou torre. Instrumentos utilizados para controle remoto incluem câmeras digitais padrão ou modificadas, câmeras de infravermelho térmico ou câmeras hiper espectrais. Um exemplo de sensoriamento óptico remoto baseado em terra é o campo espectroscopia, onde um instrumento hiper espectral de mão é usado para gravar um espectro contínuo (por exemplo, entre 400-2500 nm) de objetos ou vegetação. O sensoriamento remoto baseado no solo juntamente com a observação de campo ou análise de amostras é frequentemente utilizado como dados da verdade terrestre para ajudar a calibrar, analisar e interpretar os dados aéreos e via satélite, dados de sensoriamento remoto.
O principal desafio com o sensoriamento óptico remoto é a cobertura de nuvens e a atmosfera, interferências. Como o sensoriamento remoto óptico mede a quantidade de luz solar refletida, a cobertura das nuvens bloqueará (parcialmente) a luz solar que chega à superfície da terra, bem como a luz refletida atingindo o satélite. A cobertura de nuvens também afetará a quantidade de sombra. A atmosfera não é constante (por exemplo, a quantidade de umidade no ar) e a correção para a interferência atmosférica nem sempre é simples. A correção atmosférica é particularmente importante ao comparar dados de diferentes datas ou quando comparando aos dados via satélite ou aéreos com dados em terra.
Mineração.
Uma vantagem de muitos métodos de sensoriamento remoto por satélite, aeronave ou solo é que as informações podem ser adquiridas em 2D ou mesmo 3D e podem, portanto, ajudar a interpolar as medidas tradicionais baseadas em pontos. O sensoriamento óptico remoto pode ser usado para uma ampla gama de aplicações que podem ser relevantes para a indústria de mineração.
Ambos durante o planejamento de novos locais de mineração, durante a operação da mina e após o fechamento (reabilitação), métodos de sensoriamento remoto podem ser usados para obter as informações necessárias, para monitorar as mudanças e os efeitos das ações.
Há um longo histórico de utilização de métodos de sensoriamento remoto para exploração. Os mais comuns métodos usados para a exploração são geofísicos aéreos e terrestres , tais como métodos magnéticos, eletromagnéticos, de gravidade, radiométricos e investigações sísmicas para mapear a geologia de subsuperfície. No entanto, as investigações multiespectrais , o sensoriamento aéreo hiper espectral e o sensoriamento remoto por satélite podem fornecer informações valiosas sobre a mineralogia e geologia da superfície, que pode ser um indicador para o geologia do subsolo e a presença de corpos de minério. Esta técnica se baseia na característica de absorção no espectro para os diferentes minerais ou grupos minerais.
Particularmente, as faixas no SWIR são úteis para distinguir entre grupos minerais. Algumas das principais características que podem ser distinguidas estão relacionadas a minerais ferrosos, minerais argilosos, carbonatos, sulfatos e micas. O conteúdo mineral pode ser quantificado comparando-se os dados para características espectrais conhecidas de minerais e métodos de mistura espectral.
Os mesmos métodos usados para o mapeamento geológico e do solo também podem, naturalmente, ser usados para detectar contaminação mineral em, por exemplo, solos e rejeitos de minas. Muitos estudos têm mostrado esse sensoriamento remoto, em particular o sensoriamento remoto hiper espectral no VNIR-SWIR (400-2500 nm), pode ser usado para quantificar várias propriedades do solo.
Como certos minerais ou grupos minerais têm características espectrais, há um potencial para usar essas características para mapear concentrações no solo.
Outros estudos têm demonstrado correlações significativas entre as características e concentrações de vários metais pesados. Entretanto, os modelos geralmente precisarão ser calibrados e validados pelo menos uma vez para cada local especificamente, porque as correlações são influenciadas pela composição do solo e suas propriedades físicas, e será necessária a modelagem de misturas espectrais. Após a calibração com medições de campo, o sensoriamento remoto pode produzir mapas que mostram a distribuição espacial do conteúdo estimado de metais pesados. Os principais satélites que são comumente usados para mapeamento geológico são ASTER, Landsat, Hyperion, o Sentinel-2 e o WorldView 3 que foram lançados recentemente.
Instrumentos dão resultados superiores por causa da maior resolução espacial e espectral e faixa espectral. Um grande desafio para usar o sensoriamento remoto óptico para o mapeamento de superfície mineralogia é a presença de líquen (particularmente nas regiões árticas) e vegetação. Quando a vegetação cobre apenas parcialmente a superfície do solo ou das rochas, a reflectância é uma mistura da reflectância da vegetação e do solo/rocha. Por exemplo, através da análise da mistura espectral, pode ser possível distinguir as contribuições das diferentes classes de cobertura de terra, e extrair informações do componente solo/rocha. Usando dados hiper espectrais aéreos e a análise de mistura espectral para quantificar o grau de poluição da mina (drenagem ácida de rochas) ao redor de uma mina fechada de cobre e zinco em uma área altamente vegetativa no Canadá em ordem para monitorar o processo de reabilitação. Da mesma forma, utilizaram dados hiper espectrais aéreos e análise de mistura espectral, para mapear tipos de rochas associados à mineralização do níquel e do cobre no Canadá sub ártico, onde a cobertura de líquens é abundante.
O conhecimento detalhado da topografia de superfície, ou da mudança na topografia de superfície é importante em vários aspectos da indústria de mineração. Durante a fase de planejamento, podem ser requisitos para documentar a superfície original, a fim de identificar e monitorar mudanças durante a operação da mina. Mapas topográficos detalhados, e modelos em 3D podem ser derivados destes, podem ser usados para estudar geomorfológicos e características hidrológicas, que podem ajudar a otimizar o planejamento de minas e minimizar o impacto ambiental. Durante a fase operacional, mapas topográficos e mapas 3D podem ser usados para estudar características geomorfológicas e avaliar recursos minerais e layouts de mina em minas a céu aberto. O volume de rocha que foi removido pode ser exemplo a partir da mudança na topografia entre 2 medidas. A geometria da inclinação pode fornecer informações sobre mudanças na erosão e sedimentação em processos e propriedades do solo. Características geomorfológicas em um modelo 3D de uma mina a céu aberto para avaliar o risco de acompanhar a mudança na extensão da mina. As barragens de cauda são estruturas de minas importantes e a falha pode levar a consideráveis danos ambientais. É importante, portanto, estimar corretamente a pressão ou tensão do sedimento depositado nas barragens de retenção, de tal forma que a largura, e a altura das represas é sempre suficiente para evitar falhas. A pressão sobre a barragem depende de uma série de parâmetros, incluindo o volume do sedimento, a superfície topográfica, teor de umidade do solo e granulometria.
Além dos métodos convencionais de topografia, que muitas vezes são trabalhosos e requerem acesso ao site, dois métodos são frequentemente utilizados:
1.Escaneamento a laser ou LIDAR (Luz de detecção de imagem e alcance), seja por varredura a laser terrestre/terrestre (TLS) ou varredura a laser aerotransportada (ALS);
2.Fotogrametria a partir de tripulados ou não tripulados em aeronaves.
Além disso, é possível derivar um modelo de elevação digital a partir de imagens de satélite estéreo de altíssima resolução, tais como WorldView ou SPOT.
ALS e TLS criam um modelo detalhado de nuvem de pontos 3D da superfície, e agora é amplamente usado para criar modelos de elevação digital detalhados, substituindo os adicionais modelos fotogramétricos. Uma grande vantagem da ALS é que é possível filtrar vegetação como que a superfície do solo e as estruturas sob a vegetação podem ser exatamente mapeadas. Uma desvantagem é que geralmente requer uma aeronave tripulada (TLS), embora alguns instrumentos menores estejam agora disponíveis.
Recentemente, uma técnica fotogramétrica de baixo custo, estrutura do movimento (SfM), tornar-se popular para o mapeamento topográfico detalhado de áreas menores e/ou remotas. SfM usa métodos de visão por computador para combinar características em uma série de fotos sobrepostas de câmeras digitais padrão, para criar uma resolução digital de alto modelo de elevação. A técnica foi originalmente desenvolvida em 1.990, mas seu uso para aplicações em geociências aumentou enormemente nos últimos anos com a crescente disponibilidade de aeronaves não tripuladas de baixo custo e de boa qualidade com câmeras digitais de baixo custo. Foi demonstrado que o método SfM pode ser usado com fotos tiradas por uma aeronave não tripulada para criar DEMs, e mapas detalhados de mudança topográfica através do mapeamento do deslocamento em um deslizamento de terra na Austrália. Vários estudos compararam a precisão das diferentes técnicas e constataram que os DEM criados pela SfM são comparáveis em centímetros aos criados por laser, em áreas não detectadas. Entretanto, em áreas com vegetação, a varredura a laser é capaz de obter um modelo de ambos, a superfície do solo debaixo da vegetação, bem como o topo da superfície da vegetação, enquanto a SfM dará informações muito limitadas sobre a superfície do solo embaixo da vegetação.
Barragens –
A avaliação da saúde estrutural é uma prática bem estabelecida para gerentes e responsáveis de estruturas. Nas últimas décadas, várias abordagens de monitoramento foram dotadas, que vão desde inspeção visual para monitoramento instrumental contínuo, mas com muita frequência, o desafio é inferir o que aconteceu no passado. Sem esta informação histórica, a avaliação da condição atual é provável que esteja incompleta, e quaisquer contra medidas planejadas podem não ser suficientemente precisas. De fato, o monitoramento dos parâmetros-chave de uma estrutura de engenharia de sua construção, é a melhor maneira de conhecer sua história e entender seu comportamento atual. Entretanto, especialmente para estruturas mais antigas, isto é quase impossível. A este respeito, o A-DInSAR pode ser uma ferramenta eficaz nas mãos dos engenheiros encarregados do SHM. Tal técnica é caracterizada por várias características que a tornam uma ferramenta única no monitoramento de estruturas, tal como a capacidade de fornecer informações sobre o passado, deformações com precisão milimétrica. Além disso, os dados se espalham pelo território (estrutura e ambiente) são uma fonte adicional de informação, nem sempre alcançável pelo campo padrão de equipamentos de monitoramento. Graças ao arquivo de imagens de radar disponíveis desde o início dos anos 90, na verdade, as condições do passado podem ser investigadas com dados quantitativos em amplas áreas. Apresentamos três estudos de caso relacionados a três represas com características muito diferentes monitorado pela metodologia A-DInSAR em diferentes contextos estruturais e ambientais, e com diferentes tipos de dados.
A tecnologia de Radar Interferométrico de Abertura Sintética (InSAR) é uma ferramenta operacional bem consolidada, utilizada mundialmente para medir deformações da crosta, afim de compreender a dinâmica terrestre relacionada com atividades vulcânicas, sísmicas e deslizamentos de terra.
Um deslizamento de terra é de curta duração, e que de repente ocorrem riscos geológicos em áreas montanhosas que incluem todo o movimento descendente ou repentino de material de superfície como rochas, argilas, areia e cascalho resultantes de causas naturais, tais como terremotos, chuvas torrenciais, explosão de nuvens, derretimento de neve, volumetria , mudança no teor de umidade no solo. Muitas deformações superficiais com técnicas de medição foram desenvolvidas tendo diferentes precisões e tempo de processamento. Em comparação com outras técnicas de levantamento, um espaço com a interferometria de radar de abertura sintética (InSAR) tem provado ser uma efetiva técnica baseada em pulsos de microondas emitidos por um SAR instrumento colocado no satélite.
Ele oferece uma alta densidade de medição apontando sobre as grandes áreas inseguras ou inacessíveis. Principais características de InSAR inclui: micro-ondas (1 mm a 1 m de comprimento de onda, 0,3 a 300 GHz frequência); diferentes comprimentos de onda são usados para fins de diferentes (faixas: X, C, S, L, P); componente de polarização único (ajuda a distinguir a estrutura da superfície terrestre); mais longo o comprimento de onda, mais o radar pode penetrar nas nuvens, na chuva e até mesmo no solo; frequências mais altas aumentam a resolução. Algumas limitações do InSAR são a ambiguidade da Linha de Visão (LOS) (indistinção); decorrelação (inclinações), Vegetação; os dados não são muito baratos e facilmente disponíveis; baixa sensibilidade para horizontal.
Diferencial abordagem – DInSAR se refere ao processo, onde um par de imagens são usadas para a análise interferométrica para identificar e quantificar o movimento de superfície. A palavra diferencial implica a subtração da contribuição da fase topográfica do SAR interferograma. As aplicações do D-InSAR incluem; geofísica monitoramento de riscos naturais, tais como deslizamentos de terra, terremotos, enchentes e vulcões; detectando o afundamento da terra devido às águas subterrâneas, ao petróleo , extração e mineração; detecção de deslocamentos em barragens, pontes e os edifícios do patrimônio; rastreamento de deslocamentos ao longo do tempo; detecção de derramamentos de petróleo de navios, vegetação/saúde das plantações , incêndios florestais , monitoramento de reservatórios; neve, floresta, área urbana e pantanosa , mapeamento. As duas últimas décadas testemunharam como a InSAR se tornou incomparável no atendimento às necessidades e na resposta a perguntas onde as técnicas clássicas de sensoriamento óptico remoto foram incapazes ou falharam para enfrentar. Muitas aplicações de estudo e monitoramento natural os riscos foram atingidos logo após o terremoto, de um vulcão , deslizamento de terra , deformação do solo urbano , deformação da ponte deformação e ao monitoramento da infraestrutura . No entanto, problemas desafiadores da decorrelação temporal e sinais espaciais do radar, artefatos atmosféricos, comprimento de onda longo e orbital , os erros iniciaram estudos e uma melhoria em relação à InSAR convencional .
As técnicas multitemporais InSAR (MTI) se tornaram populares e surgiram como uma ferramenta para medir deformações devido a sua capacidade de superar as limitações supracitadas, tais como temporais, geométricas, entre outras, como decorrelação e atmosférica em homogeneidades. A análise MTI tem auxiliado as medidas de deformação da superfície terrestre ao longo da direção do alvo do sensor, ou seja, a precisão da linha de visão (LOS) de centímetro a milímetro.
Demonstramos o potencial do Radar Interferométrico de Abertura Sintética por Satélite (InSAR) para identificar precursores de falhas catastróficas de taludes.
Até hoje, o aviso prévio tem se baseado principalmente na disponibilidade de dados detalhados e de alta frequência de sensores instalados in situ. O mesmo propósito não poderia ser perseguido através de aplicações de monitoramento espacial, uma vez que estas não poderiam render informações adquiridas de forma suficientemente sistemática.
Apresentamos três conjuntos de imagens da constelação Sentinel-1 processadas por meio de análise multi interferométrica. Detectamos claras tendências de aceleração do deslocamento antes do fracasso catastrófico de três grandes declives de natureza muito diferente: uma encosta de mina a céu aberto, uma encosta natural inclinação de rocha em terreno alpino, e um aterro de barragem de rejeitos.
Determinamos que estes eventos poderiam ser localizados com vários dias ou semanas de antecedência. Os resultados destacam que a tecnologia InSAR pode agora ser usada para apoiar a tomada de decisões, e melhorar a capacidade de previsão para este tipo de perigo. Os deslizamentos de terra ocorrem em uma grande variedade de formas e ambientes.
Diferentes procedimentos têm sido aplicados para o monitoramento da estabilidade de barragens, ou seja, geodésico (estação total/prismas, nivelamento, fotogrametria, sistemas de navegação global por satélite) e métodos não geodésicos (sensores de fibra ótica, piezômetros, inclinômetros, radar com base no solo).
Apesar de a confiabilidade e precisão desses métodos, eles podem fornecer medidas apenas para pontos ou setores da barragem, onde a instrumentação foi colocada; além disso, o monitoramento pode ser demorado, e requer trabalho de campo.
As aquisições multitemporais de SAR por satélite têm melhorado a capacidade de detectar mudanças temporais de fenômenos de deformação.
Duas classes de A-DInSAR (Advanced-Differential Interferometric Aperture Radar) análise da série temporal foram endereçados para obter informações sobre o deslocamento de terra. Uma classe baseada em uma pilha de interferogramas diferenciais multi-referenciados, sensíveis a dispersores estáveis e distribuídos, tem sido utilizada com sucesso, conhecida como a técnica SBAS (Small Baseline Subset).
A segunda, baseado em uma pilha de interferogramas diferenciais referenciados por mestre, depende da identificação de pixels, cujas propriedades de dispersão não variam muito com o tempo, também chamadas de dispersor persistente (PS) permitindo uma análise temporal da fase interferométrica de alvos pontuais individuais, bem como fornecendo informações precisas relacionadas aos deslocamentos do alvo de superfície, chamado PSI (Persistent Scatterer Interferometria) técnica.
A análise A-DInSAR tem sido usada para medir o deslocamento do solo em minas subterrâneas , e em minas a céu aberto e infraestruturas relacionadas, devido a suas capacidades ou seja, cobertura sinóptica, em medições confiáveis do deslocamento do solo, precisão ponto a ponto na escala de mm, e densa amostragem em grade, e sua capacidade de monitorar grandes áreas sem a instalação de equipamentos, e de campanhas de campo . A utilização do A-DInSAR para monitorar as condições de estabilidade das barragens é uma tendência recente, mas ainda não é usado regularmente, com poucos papéis relacionados a reservatórios de barragens e rejeitos em represas.
Um exemplo como a barragem de Germano engloba uma significativa infraestrutura de mineração com paredes de apoio afetadas pelo colapso do Fundão, o uso do A-DInSAR é justificado, devido a uma demanda de informações sobre os riscos após o evento trágico acima mencionado.
Apresentamos um exemplo claro do potencial do A-DInSAR para a avaliação de risco de uma barragem de rejeitos após um dos maiores desastres ambientais, da indústria de mineração. A investigação foi baseada em uma combinação de análise A-DInSAR usando SBAS e PSI com o conceito de análise interferométrica de alvos de pontos Interferométricos (IPTA) , aplicado em um conjunto de 48 imagens TerraSAR-X (TSX-1), adquiridas no período de 11 de novembro de 2.015 e 15 de maio de 2.017, com o objetivo de obter informações complementares entre cobertura (SBAS) e resolução (PSI) dos deslocamentos do solo na barragem de rejeitos de Germano e estruturas associadas. Os resultados foram em comparação com os dados de monitoramento in situ disponíveis, com base na estação total e nos mini prismas refletivos.
Os deslizamentos de terra ocorrem em uma grande variedade de formas e ambientes. Estes são uma expressão direta da geologia, reologia e forças desestabilizadoras da encosta. O poder destrutivo de um deslizamento de terra, entre outros fatores, é estritamente relacionado com a variação da força de atrito disponível, que por sua vez dita como a taxa de deslocamento muda com o tempo. Em particular, deslizamentos de terra propensos a quedas abruptas na resistência ao cisalhamento sobre uma ou mais superfícies de ruptura, representam uma grande ameaça para as comunidades vulneráveis.
Os sinais precursores podem não ser óbvios e os tempos de evacuação são praticamente inexistentes, uma vez iniciada a fase de falha. Portanto, a previsão e o alerta precoce são apenas opções viáveis. Neste sentido, a relação de falha de materiais de fluência sob constante tensão aplicada a temperatura, tem encontrado amplo reconhecimento na previsão de falhas na inclinação. Tal relação empírica está ligada à teoria do acúmulo de danos e, em particular, aos mecanismos de fratura por estresse, corrosão e deformação da malha da lei de energia.
Nucleação e crescimento subcrítico da fenda, que pode ser catalisado pelo acúmulo de pressão de água nos poros, acaba levando a um grau de coalescência de vazios que não pode mais ser suportado pelas manchas intactas da seção transversal restante ao longo da superfície da junta. Isto induz uma súbita transição de pico a condições de resistência residual e a liberação cinemática da massa instável. Os processos acima mencionados são explicados por uma fase de deformação progressiva (ou seja, aceleração ou deformação terciária), durante a qual são observados incrementos de tensão da superfície da inclinação até a falha, na forma de uma lei de potência.
Por este motivo, as atividades de monitoramento são, em sua maioria concentradas em medir o movimento da superfície do solo. Técnicas baseadas no solo utilizadas para a previsão de falhas, incluem extensômetros, estações de pesquisa e prismas, e radares de estabilidade de declive. No entanto, o radar de estabilidade de declive, ainda são uma surpresa por causa da incapacidade de detectar efetivamente o “deslizamento” terciário precursor.
Tais limitações podem ser amplamente resolvidas através da exploração de plataformas espaciais.
Em particular, o Radar Interferométrico de Abertura Sintética por Satélite (InSAR) provou ser uma ferramenta única para monitoramento da deformação da superfície.
Calculando o deslocamento de fase induzida pela deformação do sinal de microondas retro espartilhadas entre duas aquisições coerentes, precisão de medição milimétrica e resolução espacial métrica, são alcançadas na maioria das condições atmosféricas, sem a necessidade de instalar reatores físicos no solo.
Terremotos, atividade vulcânica, movimento das geleiras e subsidência têm sido um dos tópicos mais investigados ,no entanto, a fraca revisitação na capacidade de orbitar satélites, a limitada acessibilidade de dados e a política de aquisição de imagens, têm impedido até agora o uso do InSAR em satélites como ferramenta para o monitoramento sistemático de declives criticamente instáveis.
Desenvolvimentos recentes abriram agora a perspectiva de estender a aplicação do InSAR em satélites também para a previsão de falhas em declives. A maioria das novas missões espaciais consiste de fato em uma integração de mais de um satélite trabalhando em modo constelação. Isto melhorou significativamente a frequência e regularidade das aquisições, bem como a visibilidade do terreno.
Além disso, os mais novos os algoritmos para o processamento de dados interferométricos, permitem recuperar uma quantidade maior de alvos do radar dentro da faixa de sensores. Os produtos interferométricos adquiridos pela constelação Sentinel-1, garantem uma cobertura mundial, e são distribuídos livremente ao público.
Destacamos os resultados do processamento de três pilhas de imagens Sentinel-1 por meio do algoritmo SqueeSAR13, com o objetivo de identificar deslocamentos precursores acelerados ao longo de tantas encostas catastróficas em falhas recentes. Todos esses eventos foram imprevistos e causaram múltiplas fatalidades e/ou perdas econômicas maciças. Enquanto os dados são aqui revistos em retrospectiva, descreveram como estabelecer uma cadeia sistemática de processamento do Sentinel-1, demonstrando assim a possibilidade de se mover a partir de uma análise estática de imagens de arquivo, para um monitoramento dinâmico e continuamente atualizado da deformação do solo.
Tal abordagem poderia ter sido aplicado nos cenários apresentados. O valor dos resultados é reforçado pelo fato de que os tipos de encostas de natureza muito diferentes são consideradas, especificamente, a falha de um talude de mina a céu aberto, de um talude de rocha natural em terreno alpino, e de um aterro de barragem de rejeitos. Aferindo uma breve descrição dos estudos de caso e dos dados de monitoramento, discutimos a previsibilidade das falhas e as principais características dos precursores. Deve-se observar que a cronometragem dos eventos e das aquisições dos satélites são expressas em termos do respectivo fuso horário local.
Por volta das 20:41h do dia 17 de novembro de 2.016, ocorreu uma falha catastrófica de inclinação em uma mina a céu aberto. Este incidente causou a morte de 16 trabalhadores mineiros e o término das atividades de extração. Como descrito anteriormente, a falha aconteceu sem sinais aparentes de aviso, pois afetou principalmente um setor de declive natural acima da crista da mina, e fora do campo de visão do sistema de monitoramento de taludes em vigor no local.
Aproximadamente 640.000 m3 de massa instável deslizou rapidamente para baixo, e enterrou as bancadas mais altas do poço, onde à produção estavam sendo realizada. A superfície de ruptura basal foi identificada na proximidade da interface entre uma camada de blocos de calcário recristalizados e formações rochosas subjacentes incluídas no corpo do minério, em uma camada de profundidade média de 11m. A instabilidade pode estar associada a um mecanismo de translação simples, e foi alegadamente causada por um período de condições climáticas adversas incomuns para o clima local (170 mm de chuva entre 25 de outubro e 02 de novembro de 2.016).
28 Imagens de SAR foram adquiridas em órbita ascendente sobre o local da mina entre 19 de fevereiro e 21 de novembro de 2.016, ou seja, quatro dias após o evento. O tempo de revisita, que foi de 12 dias durante a primeira parte do intervalo de monitoramento, diminuído para 6 dias em setembro de 2.016, como o segundo satélite da constelação Sentinel-1 tornou-se totalmente operacional. A última imagem antes do fracasso foi assim adquirida em 15 de novembro de 2016. A distribuição dos alvos de radar exibindo deformações precursoras do solo corresponde notavelmente à área de origem com velocidades médias de linha de visão (LOS) para o intervalo de monitoramento geralmente variando de 50 mm/ano a 122,3mm/ano. Até 30,2mm de deslocamento LOS foram registrados no período de 9 a 15 de novembro de 2016.
Por contraste, os alvos de radar em torno da área de falha eram em grande parte estáveis.
Diversas observações podem ser derivadas dos resultados. Em primeiro lugar, o paradeiro de cada declive está bem indicado pela localização espacial dos alvos de radar de movimento mais rápido. Em segundo lugar, a confiabilidade do tempo, mas não a qualidade das regressões de velocidade inversa, parece se degradar à medida que a distância entre a aquisição dos últimos eventos e o próprio evento se amplia. Não é surpreendente, pois a forma de acelerar a distribuição relativa da frequência dos erros e dos coeficientes das previsões de velocidade inversa.
As tendências podem ser aumentadas por uma série de possíveis mudanças nas condições de fundo à medida que o fracasso se aproxima. A menor frequência de aquisição diminuirá assim as chances de capturar as variações de tendências tardias e para a curva de velocidade inversa que é representativa da última etapa do processo de falha. Neste sentido, a curva de 6 dias para frequência de aquisição atualmente oferecida pela constelação Sentinel-1, pode ser adequada para sinalizar as previsões em períodos de tempo relativamente curtos.
Oportunidades e previsões de tempo estatisticamente consistentes poderiam ter extrapolado a partir dos conjuntos de dados em aberto , com uma margem de erro de horas no primeiro caso e de alguns dias neste último caso, onde este é um resultado muito bem sucedido quando se considera a escala destes desastres e o nível de risco que representa para a vida humana.
O mesmo não pode ser dito sobre o conjunto de dados da mina de ouro estudada, principalmente porque a última imagem SAR foi adquirida 11 dias antes do incidente na TSF do norte. Além disso, o aterro sofreu um aumento abrupto da carga externa após a liquefação dos rejeitos, como tal, uma frequência de aquisição de 12 dias não teria sido adequada para acompanhar a evolução do processo de falha crescente.
No entanto, ela pode argumentar que o monitoramento sistemático via satélite InSAR ainda teria fornecido aos tomadores de decisão uma indicação “qualitativa” sobre uma questão de estabilidade contínua do aterro, que poderia ter acabado por produzir um avanço do material armazenado. Tal magnitude da deformação precursora detectada ao longo do muro sul a partir de janeiro de 2.018 não está de fato de acordo com as tolerâncias de segurança geralmente muito baixas para este tipo de estrutura de retenção.
Em resumo, as experiências aqui relatadas são exemplos pioneiros, mas notáveis, de como as estruturas de retenção via satélite através do InSAR poderia melhorar a conscientização dos riscos, e fornecer um alerta precoce de falhas iminentes de taludes catastróficos em regiões vastas, inacessíveis ou não monitoradas, com um custo por declive consideravelmente inferior a esse necessário para sistemas de monitoramento dedicados.
Esta consideração só é válida para instabilidades em larga escala que estejam passando por um desenvolvimento dependente do tempo de uma superfície de liberação controlada, implicando, portanto, um comportamento dúctil do declive e períodos prolongados de deformação progressiva a taxas relativamente lentas. Exemplos típicos incluem slides complexos, com posicionamento profundo respondendo a mecanismos rotacionais, translacionais, ou compostos. Instabilidades de quebradiços , tais como quedas de rochas ou deslizamentos em pequena escala em tensão ou cisalhamento em massas de rocha dura, podem não ser gravados, porque a extrema rapidez com que passam de uma condição de equilíbrio para o fracasso.
A mesma limitação se aplica aos tipos de deslizamentos de terra rasos que são ativados por um gatilho externo súbito,por exemplo, detritos. Em outros termos, o monitoramento e a revisão podem não ser realizados quando os precursores e fatores de controle são muito instantâneos em relação ao tempo de revisão do satélite, ou sobre áreas que são muito pequenas para o espaço onde a resolução do sensor (5×20m para Sentinel-1).
Movimentos excessivamente rápidos (ou seja, mais de alguns centímetros entre aquisições consecutivas) também pode gerar ambiguidade de fase ou perda de coerência do interferométrico . Esta questão diz respeito principalmente aos estágios terminais de deslizamento terciário, quando as taxas de deslocamento são mais prováveis que caia fora do alcance da técnica; a redução da coerência temporal pode até levar à perda de alvos de radar. Além disso, como o satélite InSAR é capaz de rastrear apenas o componente do movimento do vetor projetado ao longo da direção sensor-alvo, é necessária uma orientação favorável da inclinação, a verdadeira entidade dos deslocamentos podem ser obtidos quando a inclinação se move exatamente paralelamente ao LOS, enquanto não há sensibilidade com relação as inclinações que se movem perpendicularmente ao LOS. Finalmente, as informações não podem ser recuperadas por meios de análise multi interferométrica sobre encostas densamente vegetativas ou cobertas de neve.
Os conjuntos de dados de radar empregados neste estudo, foram adquiridos pela constelação Sentinel-1, que é composta de dois satélites equipados com sensores SAR de banda C (comprimento de onda de 5,6 cm) com uma aquisição de aspecto correto na geometria e um tempo de revisão de até 6 dias. Utilizamos o SqueeSAR, um algoritmo InSAR de segunda geração, em ordem para processar as imagens interferométricas.
SqueeSAR representa a evolução do PSInSAR23,24, que é a primeira técnica especificamente implementada para o processamento de várias (pelo menos 15 ou mais) imagens SAR multitemporais co-registradas e multitemporais da mesma área de destino.
Esta análise multi-interferométrica é capaz de fornecer mapas de deformação do solo altamente precisos sobre grelhas esparsas de alvos estáveis de radar, chamadas Persistent Scatterers (PS).
Uma vez que a relação entre a amplitude média do sinal de radar retrodifuso da cena observada e seu desvio padrão é estabelecido como o chamado “índice de estabilidade de amplitude”, os PS são identificados na correspondência de valores acima de um limiar pré-definido deste índice.
As principais características de um PS incluem alta reflectividade eletromagnética, altos valores de coerência, e comportamento estável de dispersão; todas estas características reduzem fortemente a ocorrência de fenômenos de decorrelation do sinal de radar. Os elementos de resolução contendo um único dispersor dominante com as características listadas correspondem a um PS. A estabilidade de fase associada a esses objetivos durante o período de observação permite discernir a fase componente relacionado com o deslocamento das outras contribuições. Enquanto os efeitos estereoscópicos e sonoros podem ser facilmente removidos, os efeitos atmosféricos espúrios estão fortemente correlacionados no espaço (dentro da mesma cena SAR), mas altamente relacionado ao tempo (ou seja, entre diferentes aquisições). O termo atmosférico é estimado e removido através de uma análise estatística dos sinais e pela aplicação de algoritmos específicos.
Devido às suas características intrínsecas, o PS alvos geralmente correspondem a edifícios, estradas ou outras estruturas feitas pelo homem, por isso estão amplamente disponíveis sobre as cidades, mas são menos comuns em áreas não urbanas.
O algoritmo SqueeSAR supera parcialmente esta limitação.
Não só os Persistent Scatterers estão incluídos na análise do processamento, mas também os chamados Distributed Scatterers (DS), que correspondem a áreas espalhadas por grupos de pixels em uma imagem SAR (terras de cobertura, pastagens, solos nus).
A aplicação desta nova imagem de algoritmo determina um aumento significativo na densidade de alvos de radar, melhorando, em última análise, a capacidade de mapear, monitorar e analisar a deformação do solo em áreas não urbanas.
Os DS são deformados através de diferentes etapas, a saber: seleção e análise dos pixels da imagem; comparação estatística de cada pixel com os pixels adjacentes; processamento e análise posterior de pixels estatisticamente homogêneos; identificação de DS dentro da estatística em áreas homogêneas.
Em particular, o teste Kolmogorov-Smirnov é usado para detectar áreas homogêneas baseadas em pixels sobre a amplitude da pilha co-registrada e calibrada de imagens SAR. Uma vez identificados, os DS são processados usando o algoritmo PSInSAR, produzindo assim as séries de tempo de deslocamento de cada alvo de radar. Os deslocamentos dos alvos do radar são então encaminhados para um ponto de referência estável.
Precisão –
Tanto o PSInSAR como o SqueeSAR podem alcançar uma precisão de cerca de 5-6 mm para uma única medição, com um erro de geocodificação de poucos metros; estes podem variar ligeiramente de um ponto para outro, dependendo da distância do ponto de referência e das características do dispersor.
As velocidades médias são computadas através de uma simples regressão linear do deslocamento de dados durante todo o intervalo de monitoramento. As análises multi-interferométricas têm uma capacidade limitada de medições de movimentos rápidos devido à natureza inerentemente ambígua da fase interferométrica. A ambiguidade relacionado ao intervalo de amostragem discreta da fase embalada pode, de fato, permanecer não resolvido. A velocidade máxima teórica detectável do LOS está normalmente na faixa de algumas dezenas de cm/ano; depende principalmente do comprimento de onda e tempo de revisão do sensor SAR e, em segundo lugar, sobre a técnica de desembrulhamento da fase específica que está sendo utilizada, o padrão espacial do fenômeno de deformação monitorado, a densidade dos alvos de radar e o ruído dos dados.
Uma descrição detalhada das vantagens e limitações do algoritmo SqueeSAR, e do multi-interferométrico em geral, está além do escopo deste trabalho. Estas técnicas podem ser encontradas em outros trabalhos que são especificamente focados nestes tópicos.
SqueeSAR tem sido usado para investigar a distribuição espacial e temporal de deformação do solo em uma ampla gama de filtros relacionados à engenharia geotécnica, tais como deslizamentos de terra, declive, estabilidade em minas a céu aberto, subsidência induzida pela exploração excessiva de águas subterrâneas .
Informações e Serviços de Monitoramento – Eng.Ricardo Pantoja – contato@pantojaindustrial.com