基于时序InSAR技术的常州市地表形变监测与影响因素分析

地面沉降是常州市的主要地质灾害之一,为了准确掌握地面沉降动态,确保区域可持续发展,利用时序InSAR技术监测常州主城区地表形变,并对其影响因素进行分析。文中采用长短基线组合的方式对2016年1月—2022年12月的186景Sentinel-1A SAR影像进行干涉测量处理,从而生成形变时间序列,并通过相位闭合环误差检测筛选高质量干涉对、使用通用型大气改正在线服务(GACOS)进行大气延迟误差改正,获取常州市主城区2016—2022年地面沉降信息,结果与同期水准数据一致,均方根误差为2.5 mm;再结合地质条件和地下水资料对影响地表形变的因素进行分析,结果表明常州市主城区地面沉降形势总体趋于稳定,仅在邹区镇西侧、武进区南部前黄礼嘉一带局部地区存在沉降现象,而中心城区地面形变总体抬升趋势。

国产卫星时序InSAR形变监测精度分析

陆地探测一号01组卫星(LT-1)的发射成功实现了我国L波段干涉SAR卫星“从无到有”的发展。LT-1卫星因空间避障等原因,部分空间基线较长;经过调轨后,空间基线长度控制在400 m以内。为了验证LT-1卫星数据的可用性及精度,本文以山西大同矿区为例,获取了2022年12月23日至2023年5月20日共25景LT-1条带模式影像数据,分别进行差分干涉测量短基线集时序分析(SBAS)技术和永久散射体(PS)技术数据处理。对时序InSAR和GPS站点在SAR卫星视线向上的形变监测结果进行对比分析,二者差异标准差分别为5.7 mm/a(SBAS-InSAR)和3.4 mm/a(PS-InSAR),时间序列均方根误差均小于5 mm,具有高度一致性。研究表明国产LT-1卫星具备高精度的形变监测能力,为国内地形测绘及形变监测提供了可靠的数据保障。

基于PySide的时序InSAR处理可视化及形变监测实验

基于PySide等Python开源扩展包设计了时序InSAR处理可视化软件,用于实验教学。软件集成了影像搜索、像对组合、干涉解缠、时序处理、结果展示等功能。以山东省菏泽市郓城县城区地表沉降监测为例,进行实验处理,并与PSDS-InSAR方法进行精度对比。相较于传统命令行操作方式,该可视化软件极大地简化数据处理的复杂性,软件处理结果与PSDS-InSAR所得结果的相关性为0.9866。软件提高实验效率,降低实验难度,改善了实验效果,结果精度表明该软件也可直接应用于工程实践。

基于时序InSAR的九龙江河口地区地面沉降时空演变规律及成因分析

为探明九龙江河口地区地面沉降情况,本研究采用小基线集合成孔径雷达干涉测量(small baseline subset interferometric synthetic aperture radar, SBAS-InSAR)和永久散射体合成孔径雷达干涉测量(persistent scatterer interferometric synthetic aperture rader, PS-InSAR)技术获取了2017年1月至2022年3月地面沉降的时空分布信息和演变规律,并结合实地调查数据和水文地质调查监测资料对地面沉降成因进行了系统分析。研究结果表明:SBAS-InSAR和PS-InSAR两种方法均发现在研究期间九龙河口地区地面整体呈现出沉降趋势,SBAS-InSAR监测结果发现研究区沉降速率为6.2 mm/a;研究期间该区域的沉降中心持续扩大且沉降量呈增加趋势,最大累积沉降量达到250 mm以上,主要分布在浮宫镇中南部地区、海澄镇、东园镇中南部地区、角美镇和榜山镇东南部地区;该区域由于大量抽取地下水用于养殖,地下水位下降,引起淤泥层发生固结排水、压密,从而导致地面沉降。

融合时序InSAR与MIDAS的露天边坡稳定性分析及预测

针对当前矿区地表形变监测技术监测范围小、周期长、采样率低等问题,以龙首露天矿为工程背景,融合SBAS-InSAR技术、MIDAS数值模拟与长短期记忆(Long Short Term Memory,LSTM)网络,提出了一种边坡稳定性的分析与预测一体化方法。利用SBAS-InSAR技术获取研究区2014—2023年地表垂直向形变时序反演结果,并分析其时空演化特征与形变机理。以典型形变剖面为研究对象,采用MIDAS GTS NX软件模拟边坡在强震作用下的稳定性,并分析边坡破坏规律及形变特征。采用贝叶斯优化算法(bayesian optimization,BO)优化LSTM网络,搭建并优化预测模型用于矿区地表形变预测。结果表明:南侧边坡垂直向形变相对严重,沉降速率达176.3 mm/a,累积沉降量达1489 mm;在强震数值模拟中边坡产生严重位移变形并最终失稳;基于SBAS-InSAR监测结果对各预测模型进行精度验证,验证结果表明BO-LSTM模型的预测精度最优,平均绝对误差与均方根误差至少降低了18%和16%。采用该模型预测矿区未来地表垂直向形变,预测结果表明,未来2 a内矿区形变速率放缓,边坡处于稳定状态。

时序InSAR形变梯度估计与城市建筑物风险评估:以北京平原为例

城市地表的差异性形变易对其表面基础设施造成断裂、扭曲等威胁或损害,监测差异性形变并评估建筑物风险等级对人民生命财产安全至关重要。采用时序InSAR方法对Sentinel-1卫星数据进行时间序列分析,获取了研究区地表形变及空间形变梯度;结合夜光遥感数据、土地利用类型数据集、建筑物高程数据等多源外部数据,采用网络层次分析法计算了研究区的危险性和易损性指标,并由此开展了宏观风险评估;在微观层面上评估建筑物的风险性,识别潜在风险区域,对宏观风险评估结果进行补充,并进行对比实验验证了本研究的有效性。研究结果显示,朝阳区东部、通州区西北部具有较大的差异性形变;首都国际机场区域、安定南街附近等地区存在较高的风险性。因此,利用多源数据进行差异性形变监测和风险评估对城市安全运行具有重要意义。

基于时序InSAR技术的桥梁形变监测关键技术研究

桥梁结构安全监测是桥梁运营维护的重要手段,但传统的监测方法无法同时满足当前对于桥梁监测低成本、高精度的需求。随着遥感数据精度及质量不断提高,小基线集干涉测量(SBAS–InSAR)技术成为监测地表形变的重要方法。以陕西省咸阳市渭城区沣泾大道高架桥为例,利用InSAR技术对哨兵1号数据进行处理,通过优化关键参数,有效提高了桥梁监测结果的精度和质量。结合实测数据对InSAR监测值进行相关性分析,二者呈显著性相关。该研究结果表明,InSAR技术在桥梁监测方面具有较高的准确性和可靠性,可为桥梁形变监测提供技术支撑,更好地服务于桥梁日常的运营维护工作。

基于StaMPS-PS时序InSAR对流层延迟改正方法评估

时序分析是合成孔径雷达干涉测量(InSAR)的一项关键技术,它被广泛应用于监测广阔地区的地表缓慢形变。这种方法能够提供大范围、大面积的形变监测。其中,StaMPS PS方法凭借适用范围广、开源等优点,受到众多学者的使用。但在时序InSAR中,对流层延迟相位会导致形变监测精度的降低,因此,以合肥市为研究区域,分析了经验模型线性改正、GACOS(generic atmospheric correction online service for InSAR)改正和欧洲中期天气预报中心(ECMWF)最新发布的ERA5数据集改正,并对比这3种方法在时序InSAR反演形变速率中的改正效果。通过计算得到研究区的标准差,进行比较分析和验证。其中线性改正、ERA5和GACOS改正后的标准差分别降低了21.71%、16.14%、10.38%。对于合肥区域,这3种方法均可减弱对流层延迟的影响,且精度都有所提高,其中线性改正效果最好,适用性更高,ERA5和GACOS受天气以及地面监测点密度等影响,在该区域改正效果较差。

时序InSAR揭示北京市地面沉降减缓及其与地下水变化关系

北京地面沉降具有持续时间长,影响范围广,危害程度大等特点。实时监测北京地表沉降变化特征,及时根据地下水位变化分析沉降趋势对相关政策制定、城市建设发展具有重大意义。因此,本文利用时序InSAR技术获取2017—2022年北京海淀区,朝阳区和通州区3个主要沉降区的形变信息,并对比分析升降轨道探测的形变结果,以此验证时序InSAR的可靠性。时序InSAR结果显示,北京沉降分布不均,沉降中心连片持续发展,最大沉降速率超过100 mm/yr。从逐年沉降区面积、最大沉降速率和时序点累积沉降量上看,北京地面沉降减缓特征明显。结合时序地下水位分析,地下水位下降是2020—2021年时间段地面沉降继续发育的主要原因。

基于时序InSAR技术的南京市地铁沿线沉降监测分析

近年来南京市新增多条地铁线路,为探究地铁建设及运营中造成沿线及周边区域沉降的隐患问题,本文利用时序InSAR技术获取了南京市区沉降速率场、累计沉降量和沉降时间序列,并结合降水数据研究对沉降区的影响,对地铁线路的典型沉降区及其周围进行了详细分析。研究结果表明,南京市呈现不均匀沉降,位于长江漫滩区,集中在江宁区沿岸、建邺区、鼓楼区等市中心区域,其中浦口区中部沿岸沉降最为明显,年沉降量最高达-55.9 mm,面积约15.6 km^(2);地铁2、4、7、10号线部分线路沉降较为明显,以浦口区的定山大街与临江·青奥体育公园站为例,累计沉降量最高为-172.8 mm;南京市地铁沿线沉降速率与降水量存在关系,受强降雨影响,土壤中孔隙水和其中所含的气体孔隙压力增加从而影响沉降。

闭坑煤矿采空区隐患高分辨率时序InSAR识别技术

在实际应用过程中,由于采空区隐患分布地质结构差异较大,传统InSAR识别技术在单位时序下处理相位信息量较大,且前期检测采集信息量巨大,造成所得识别结果出现偏差的概率明显增加。为解决这一问题,引入高分辨率时序InSAR识别技术,主要通过建立闭坑煤矿采空区隐患高分辨率数值模型、相干目标的高分辨率时序InSAR分析、特征值分解相位时序InSAR识别3部分,优化识别全局参量,提升识别环境变量的处理能力,实现快速识别隐患特征的效果。经过仿真数据的对比,实验表明,高分辨率时序InSAR识别技术具有识别能力强、处理速度快、隐患识别准的优秀能力,能够解决当下传统识别技术存在的不足,且未来发展前景广阔。

时序InSAR技术在公路滑坡识别与监测中的应用——以大运高速沟东隧道上覆边坡滑坡为例

为探究时序InSAR技术在滑坡监测应用中的可靠性,采用时序InSAR技术利用2018年1月至2020年6月间共30景Sentinel-1A升轨数据对大运高速沟东隧道上覆边坡的滑坡过程进行监测,并用GNSS连续监测数据对部分时段的时序InSAR结果进行验证,证实时序InSAR技术在滑坡监测应用中的可靠性较高,在公路边坡滑坡监测中的应用效果较好,可为滑坡处治效果评价提供重要的参考指标。

基于时序InSAR的矿区沉降监测及动态预计研究

矿区沉降监测和预测对于防范地质灾害、恢复生态环境具有重要意义。矿山开采地表移动变形动态预计是采空区塌陷研究中的关键问题。InSAR对大变形区域进行沉降监测能得到高分辨率和高精度的时序沉降监测结果。本文将时序InSAR地表形变技术与幂指数Knothe模型相结合,研究矿区地表沉降的动态变化过程。首先研究了SBAS-InSAR地表形变监测技术,矿区动态沉降模型,以及InSAR侧视成像与矿区地表之间的几何关系式确定沉陷位移值计算方法。通过提取地表沉陷盆地边界点形变时间序列,反演幂指数Knothe时间函数建立动态预计模型。通过山西某矿区2019-2021年27景哨兵影像,数据处理得到地表形变影像图提取边界点沉降时间序列,利用遗传算法反演Knothe模型参数,并与GPS-RTK观测数据相对比分析。根据选取某个具有代表性的下沉特征点验证结果,一致性良好,可以为矿区开采沉陷模型建立提供理论依据。

时序InSAR地铁沿线地表形变监测研究

近年来我国陆续建设多个填海区以缓解城市用地紧张,为研究在填海区兴建地铁对沿线填海区地表的影响,本文以横穿大连填海区的地铁二号线沿线周边地区为研究区域,基于2019年10月~2020年10月的32景Senitinel-1A数据,采用时序InSAR分析方法中的SBAS-InSAR与PS-InSAR分析方法进行地表形变监测研究,利用两种方法的结果进行交叉分析、验证。实验结果表明:总体上,地铁沿线地表年均沉降量总体在-20 mm/a~+10 mm/a范围内,形变量集中在-6.7 mm/a~+7 mm/a范围内,地表轻微沉降在安全范围内;在东港填海与原有陆地交接区,发现3处区域地表形变明显,尤其在海之韵站周边范围内地表沉降较为严重,最大沉降速率为-20 mm/a,经实地验视3处区域均有明显形变。

基于变分贝叶斯学习时序InSAR数据的城市轨道沉降监测方法

为了合理监测城市轨道沉降,保障城市轨道行车安全,提出了基于变分贝叶斯学习时序InSAR数据的城市轨道沉降监测方法。以城市环境中的铁路线路轨道为例,使用永久散射体InSAR技术获取了一系列X段79景较短波长的SAR影像,时间跨度为2016年1月-2023年9月。通过变分贝叶斯学习,我们对SAR图像进行滤波、主辅影像选择与干涉处理,并获得了干涉相位图。然后,通过永久散射体挑选,获取了城市轨道目标点的形变数据。将所获得的形变信息进行地理编码后,将其放入适当的地理空间数据分析平台进行可视化和分析处理。通过转换为垂直方向的形变数据,可以反映研究区域城市轨道的沉降状况。测试结果表明,在研究区域内,能够获取约45280个目标点,包括轨道及其两侧各35 m范围内的数据。基于这些数据,我们可以进行城市轨道沉降观测工作,得到研究区域内城市轨道沉降速率分布,并展示观测期间城市轨道沉降的变化趋势。

基于时序InSAR技术的中贵天然气管道天水市段沿线滑坡隐患识别与形变分析

中贵天然气管道天水市段沿线地处黄土高原,地貌类型多样、构造活跃、复杂地质条件下发育多种具有隐蔽性和潜伏性的地质灾害,其中滑坡灾害对中贵天然气管道的安全危害极大,因此,对中贵天然气管道天水段沿线滑坡隐患进行有效识别与分析具有重要意义。采用Sentinel-1A升降轨卫星数据,基于时序合成孔径雷达干涉测量(synthetic aperture radar interferometry,InSAR)对中贵天然气天水段沿线滑坡隐患进行了解译识别、现场复核、发育特征与典型滑坡形变分析。研究区共识别17处滑坡隐患点,现场复核最终确定13处,其余4处为人类工程活动区,其中常沟村和磨峪沟村滑坡形变受降雨影响。统计发现研究区管道沿线滑坡多发生在坡度40°~50°,高差400~600 m,东北坡向和距管道100~150 m范围内,且岩土体强度较低,地层以第四系全新统冲洪积层(Q_(4)^(a1+p1))为主。结果表明:联合升降轨的时序InSAR技术可以有效识别管道沿线滑坡隐患,为油气管线的安全运营及今后油气管道选线提供重要的科学依据和参考。

运用时序InSAR技术监测合肥市地面沉降及断裂活动

基于覆盖合肥地区的24景Sentinel-1A数据,采用PS-InSAR和SBAS-InSAR时序处理方法获取2017-11~2019-10合肥市城区及周边地面形变分布信息,分析主城区地面沉降的时空演化规律,获取地铁网络沿线地表形变空间分布图。结果表明,合肥市地铁线路沿线发生不同程度形变,形变严重区域主要集中在西部及西南部,最大沉降速率达到35 mm/a。对池河-西山驿断裂形变场进行宏观分析,并结合时空同步的跨断层水准数据进行对比验证,认为2种数据的垂直形变监测结果具有一致性,推测数据的垂直升降变化可能受断层拉张和挤压交替控制。

时序InSAR在城市地铁工程区形变监测中的应用

地铁建设会引发城市地表形变灾害,而传统的合成孔径雷达差分干涉测量(D-InSAR)难以实现城市地铁工程区域的精细测量。本文利用TerraSAR-X高分辨率数据,采用PS-InSAR和SBAS-InSAR方法对徐州地铁1号线东部工程场地进行了形变监测,获取了该区域2016年6月15日—2016年9月11日期间的形变时序图。通过与人工角反射器布设点的水准测量数据对比分析,发现利用两种时序InSAR测量方法得到的地表形变结果与水准测量结果非常一致,形变误差均在1 mm以内;而SBAS-InSAR探测地表形变的敏感性低于PS-InSAR。结果表明,利用高分辨率SAR影像监测城市地铁形变具有亚毫米级的测量精度和米级的定位能力,同时证明了时序InSAR分析技术在城市地铁工程形变监测应用中的广阔前景。

多视处理对时序InSAR技术的影响研究

高分辨率的SAR影像虽然可以细致刻画目标细节信息,但会大幅度增加运算量。为降低数据冗余、减轻运算负担,对基于多视处理的时序InSAR技术进行了研究。以天津市西郊地面沉降监测为例,利用2009年9月30日—2010年10月9日间获取的18景条带模式Terra SAR-X影像,以不同的倍数进行多视处理,然后分别采用时序InSAR技术筛选相干点目标,并反演地表沉降信息,研究了多视处理对形变反演精度、相干点目标的密度与分布等方面的影响。结果表明:同单视结果相比,3×3、5×5与10×10倍多视后仍可以反映形变的整体分布,但会在某些区域出现较大偏差;多视处理对形变精度、PS点空间分布的影响与地物属性有关。不同的多视倍数对形变精度的影响不同,并且与地物类型有关。

秦皇岛段明长城时序InSAR遥感动态监测

地面沉降是京津冀地区常见的地质灾害之一,地面不均匀沉降对于明长城的保护存在着潜在威胁,从而造成不可逆转的损失。文章采用2016—2018年的53景Sentinel-1数据,基于永久散射体合成孔径雷达干涉测量(persistent scatterer interferometric synthetic aperture Radar,PS-InSAR)和小基线集(small baseline subsets,SBAS)技术获取秦皇岛段明长城地表形变信息。将合成孔径雷达(synthetic aperture Radar,SAR)数据基于不同的处理方法获取的形变结果进行交叉验证检验监测结果的精度,得到两者数据线性相关性R 2达到0.81。结合地下水水位变化、地质构造、地层岩性数据、土地利用数据及高速公路铁路分布等辅助数据,对明长城沿线沉降进行成因分析。最后基于广义回归神经网络(generalized regression neural network,GRNN)对明长城沉降进行预测。结果表明:秦皇岛段明长城沿线表现出不同程度的形变,形变严重的区域主要集中在东部及东北部区域,最大沉降速率超过-12 mm/a;地面沉降与地下水开采关联不大;明长城在与断裂带相遇前后沉降速率表现出微小差异;沉降严重区主要发生在第四系全新统黏土层;交通道路运营暂时未对明长城沿线沉降造成较大影响。GRNN预测结果表明未来明长城沿线沉降有逐渐增大的趋势,部分区域需要重点关注。研究对位于山地地貌明长城进行系统的监测和整体保护提供技术支持。