SBAS-InSAR技术融合CNN-LSTM模型的矿区开采沉陷监测与预测

针对传统矿区开采沉陷监测方法耗费人力财力和预测预警模型较少的问题,研究提出一种基于短基线集合成孔径雷达干涉测量(Small Baseline Subset-Interferometry Synthetic Aperture Radar,SBAS-InSAR)技术和卷积神经网络(Convolutional Neural Networks,CNN)与长短期记忆网络(Long Short-Term Memory,LSTM)相结合的矿区开采沉陷监测预测方法。首先,利用SBAS-InSAR技术对建新煤矿进行矿区开采沉陷监测,获取了该矿区的年平均沉降速率和累计沉降值。用GNSS监测数据与SBAS-InSAR结果进行对比验证,其拟合效果较好。其次,在此基础上利用CNN-LSTM模型预测后6期沉降数据,其结果与CNN和LSTM预测结果进行对比。研究显示,CNN-LSTM模型的平均绝对误差(S_(MAE))和均方根误差(S_(RMSE))比单一的CNN和LSTM分别至少降低了44.8%和40.6%,其决定系数均高于98%。最后,进一步预测前6期和中6期沉降数据,验证了CNN-LSTM预测模型在时间上的一致性。因此,SBAS-InSAR融合CNN-LSTM模型在类似矿山开采沉陷监测和预测中有较好的应用前景。

基于SBAS-InSAR技术的水库边坡形变监测应用分析

以万家寨水库工程为研究区域,引入SBAS-InSAR技术,对水库大坝及边坡进行长时序变形监测,研究泄水排沙期大坝及边坡发生的变形速率及变形量,深入分析其变形规律及原因。研究发现,在水库泄水排沙期,大坝及边坡的稳定性易受影响,下游边坡与上游边坡相比,稳定性较差;泥沙淤积是大坝及边坡抬升的主要影响因素;水力冲刷是边坡沉降的主要影响因素。研究成果对水库大坝运行的稳定性分析及形变历史回溯提供技术支撑和决策依据,且具有推广意义。

基于SBAS-InSAR技术的雅鲁藏布江色东普沟地质灾害发育特征与复活趋势分析

随着全球气候不断变暖,青藏高原发生地质灾害的频率和危害强度大幅增加,对川藏铁路沿线的滑坡泥石流进行及时有效的监测和防治具有重要意义。文章选取了2016年7月至2020年1月之间的Senti⁃nel-1A数据,解译和分析了区域内地物发生的变化情况,采用SBAS-InSAR技术对雅鲁藏布江沿岸的色东普沟发生高位冰崩地质灾害链致灾过程和复活趋势进行了研究。结果表明:依据区域内时序相关性的变化情况推断出的灾害事件与SBAS-InSAR的灾害探测结果具有高度一致性,SBAS-InSAR对冰崩-岩崩-滑坡泥石流等灾害链进行监测是一种有效的手段;色东普沟自2018年致灾以来,新增5处变形体,累计形变量均已超过40 mm,存在复活迹象。随着气候变暖、降雨量增加、冰川消融,色东普沟在今后相当长的时期内仍会保持此类灾害事件的高发频发态势,应进一步加强该区域地灾监测,提前开展防治工作。

基于SBAS-InSAR技术的港口地表二维形变监测与分析

为了大范围监测果园港港口地表形变情况,预防地面沉降和塌陷所带来的危害,采集2014年11月—2017年11月果园港升轨和降轨的Sentinel-1A号数据,应用SBAS-InSAR技术进行地表形变数据提取与分析。结果表明:得到的垂直方向地表形变变化趋势与水准测量结果相一致;果园港地表垂直方向形变速率为-33.49~13.49 mm·a^(-1),东西方向形变速率为-16.16~29.44 mm·a^(-1);大幅度沉降主要发生在港口的堆场区和交通枢纽处,且沉降速率与距交通线路的距离呈现显著相关。

基于SBAS-InSAR和PSO-BP模型的鲁南高铁沿线地表沉降监测与预测

选取38景Sentinel-1A SAR影像,利用SBAS-InSAR技术获取2019-02~2022-11鲁南高铁曲阜-菏泽段沿线5 km区域的地表沉降结果,分析其分布特征和规律,并利用PSO-BP模型对若干特征点进行沉降预测。结果表明,高铁沿线0.1 km范围内地表年均形变速率为-20~15 mm/a,最大沉降速率为25.46 mm/a,最大抬升速率为17.43 mm/a;PSO-BP模型得到的沉降预测值的RMSE为5.8~12.4 mm,可对地表沉降进行较好的预测。

基于SBAS-InSAR技术的樱岛火山形变监测

火山喷发往往是由地壳内部岩浆活动引起的,通过监测火山区地表形变可以有效反演出地下岩浆的状态。为监测火山区地表形变,笔者选取日本樱岛火山为研究区域,采用SBAS-InSAR技术对2019—2021年间共计75景Sentinel-1A影像进行处理。结果表明,樱岛火山处于比较活跃的阶段,监测期间樱岛火山总体处于沉降状态,平均形变速率为-10.05 mm/a。最大沉降区域为火山中心地带,累积形变量为-62.72 mm,并且在时间上具有明显的季节变化特征;抬升主要发生在火山外围区域,其中最大抬升发生于樱岛东南侧,监测期间累积抬升108.71 mm。

基于SBAS-InSAR技术的西南山区滑坡稳定性监测

本文首先利用小基线集时序InSAR(SBAS-InSAR)技术对云南省宣威东北部地表进行形变监测,获取2021年1月至2023年6月的形变结果;然后分析选取的典型滑坡的形变特征,采集了GNSS监测数据与InSAR形变监测进行对比验证;最后分析InSAR形变对降雨的响应。研究结果表明,SBAS-InSAR技术能有效监测西南山区的典型滑坡,该结果可为滑坡灾害的早期识别提供支撑,对于同类型滑坡灾害的稳定性监测具有较高的参考价值。

结合SBAS-InSAR技术与瞬变电磁法在煤矿区沉降监测中的应用

煤矿长时间开采会导致上覆岩层在重力因素下产生刚性弯曲、断裂等,进而造成一系列安全隐患。如何高效地对煤矿区进行地表形变监测,对煤矿安全、自然生态有着十分重要的意义。文章结合小基线集干涉测量(small baseline subset InSAR,SBAS-InSAR)技术与瞬变电磁测深法对煤矿区进行沉降监测。此外,采用标准差椭圆分析了沉降体空间形变规律与特征,利用长短时记忆网络(long short term memory network,LSTM)模型预测了沉降体形变趋势。分析结果表明:通过瞬变电磁法与干涉测量结合,地表形变范围基本与瞬变电磁反演的采空区吻合,标准差椭圆分析出形变中心向西南方移动376 m,沉降形态也在向似圆状过渡;LSTM模型可以预测两个月的形变,误差为2 mm,可以实现煤矿区形变趋势的短期预测。

联合时序SBAS-InSAR与GACOS的青岛胶州湾大桥形变监测与分析

为解决SBAS-InSAR技术在获取水汽饱和度较高的海滨城市地表形变信息受大气影响严重的问题,选用23景Sentinel-1A SAR影像数据,联合时序SBAS-InSAR技术与GACOS大气校正模型,监测得到2021年1月—2022年6月青岛胶州湾大桥的地表形变信息;利用线性模型和线性-温度模型分析了其形变特征及其温度影响。结果表明,桥梁整体的形变速率在可控范围之内,其地表形变过程是非线性的,与平均温度变化有较高的相关关系,线性-温度模型拟合的地表形变过程与联合时序SBAS-InSAR技术与GACOS大气校正模型监测的地表形变过程具有较高一致性,表现出了季节性变化规律。

基于SBAS-InSAR技术的膨胀土边坡变形失稳特征

针对传统现场监测手段造价高、易损坏且难以复现边坡整体区域形变历史的不足,引入SBAS-InSAR技术获取试验边坡大面积整体时序形变结果,探究膨胀土边坡在降雨入渗条件下的变形失稳规律。选取昭通西环高速公路膨胀土路堑边坡为试验区域;对覆盖该区的31景Sentinel-1A SAR影像开展前期差分干涉处理、高相干点选取、相位解缠、时序形变建模和总形变生成;获取了研究区域为期28个月的整体面状形变结果,还原了该膨胀土路堑高边坡从开挖到支护再到滑塌的变形全过程,揭示了其历史失稳变形特征。结果表明:边坡区域最大累计沉降为198 mm,坡顶、坡中和坡脚特征点的时序沉降曲线可分为4个阶段;利用水准测量结果进行了精度验证,得出内符合精度为±2.9 mm,外部精度为±1.5 mm;结合降雨量数据分析得出边坡变形破坏具有浅层性、阶段性、蠕变性、滞后性、季节性等特征,且在单日降雨量不超过15 mm的情况下,特征点沉降呈现沉降速率变缓或小幅度抬升。本研究将SBAS-InSAR技术用于膨胀土公路边坡滑坡形变灾后重建,拓宽了InSAR技术应用领域,也为膨胀土边坡失稳早期识别提供了一种新型遥感监测手段。

基于SBAS-InSAR的成都平原地面形变监测及影响因素分析

为研究成都平原区域地面形变现状并分析影响因素,利用差分干涉测量短基线集时序分析技术(SBAS-InSAR)监测成都平原地面形变情况,研究结果表明:成都平原区域地面形变量较小,多为点状形变,个别地区存在块状形变或线状分布;形变速率较快的地块多为建设工程扰动引起的,德阳市相对比成都市更易受到工程建设的影响;大部分人工建筑区域累计形变小于14 mm,地表形变速率大于10 mm/a图斑面积为115.83 km2,主要分布在成都市邛崃市、崇州市以及德阳市旌阳区、广汉市等地.从地下水开采和土地利用方面分析成都平原地面形变影响因素得出成都平原地下水开采与地面形变现状存在一定关系,不同土地利用类型中耕地与地表形变的契合度最高,而形变面积较大的地块主要位于建筑区域.根据现场核查,SBAS-InSAR结果与现场情况较为一致,证明了SBAS-InSAR技术在地面形变监测中具有较好适用性.本研究成果可为成都平原城市建设以及国土空间规划提供依据.

基于SBAS-InSAR技术的HD库区CYP滑坡形变监测分析

澜沧江流域HD水库地处云南省西北部、横断山脉区域,水库区为工程地质条件复杂的高山峡谷地貌,存在大量监测难度较大的滑坡体。为加强对HD库区CYP滑坡的监测,利用2020年7月至2021年7月之间的28景Sentinel-1A降轨和24景Sentinel-1A升轨雷达影像,采用SBAS-InSAR技术分析获取CYP滑坡升降轨时间序列形变速率。结果表明,CYP滑坡LOS向最大形变速率为-150 mm/a,垂直向累计最大形变为-172 mm,处于持续滑动状态。通过将SBAS升降轨时序监测结果与已有GNSS监测数据对比分析,在CYP滑坡区域降轨影像分析结果分解出的垂直向形变与GNSS垂直向形变契合度较高,符合实际情况,可以为滑坡识别和预警提供参考。此外,将时序形变与水库水位、降雨量进行对比分析发现,CYP滑坡形变情况与库区水位、降雨密切相关。

基于SBAS-InSAR技术的新疆某煤矿长时序地表形变监测与分析

新疆某煤矿长期开采导致矿区出现严重地表形变,严重威胁矿区的安全生产和区域可持续发展,有必要采用有效方法监测煤矿地表形变。为深入研究矿区地表形变规律,选取2017年1月23日至2022年12月23日共178景Sentinel-1A升轨雷达影像数据,利用SBAS-In SAR技术实测矿区2017—2022年地表形变信息,并引入GACOS数据去除大气误差影响,分析了矿区地表形变空间分布特征、时空演化规律及地表形变驱动因素。研究结果表明:(1)监测期间,研究矿区内地表形变以沉降为主,地表最大形变速率约为-113 mm/a,最大累计沉降量约为580 mm,主要地表沉降区域面积约为15.2 km^(2);(2)研究矿区地表沉降面积和累计沉降量不断增大,地表沉降符合煤矿开采沉降曲线,地表沉降将会进一步增加;(3)研究矿区地表形变主要由采矿工程所致,降水也是影响该矿区地表变形的重要因素。本研究为煤矿区地表形变监测、地质灾害预警与防控及矿区安全生产提供科学依据。

D-InSAR技术与SBAS-InSAR技术在矿区地面沉降监测中的应用研究

为了对D-InSAR和SBAS-InSAR两种技术在矿区地面沉降监测中的应用能力进行对比分析,以山东省济宁市某采矿工作面为主要研究区,选取2022年11月2日—2023年8月29日期间26景Sentinel-1A数据,分别利用D-InSAR和SBAS-InSAR两种技术获取了该工作面的地面沉降信息,首先从沉降区域的时空演变特征和沉降面积分布等方面对两种技术进行了对比分析,进一步通过同期实测水准数据对两种技术得到的结果进行了精度验证。研究结果表明,D-InSAR和SBAS-InSAR两种技术监测到的研究区内最大累积沉降量分别为69 mm和59 mm,识别出沉降量大于10 mm的区域面积分别为0.60 km^(2)和0.87 km^(2),其中,沉降量大于30 mm的区域面积分别为0.10 km^(2)和0.17 km^(2)。与水准监测数据对比可知,两种InSAR技术得到的监测结果与真实沉降情况相吻合,在部分沉降漏斗中心区域,地面沉降量超过InSAR技术可监测形变梯度,两种技术的监测精度都大幅降低。相对于SBAS-InSAR技术,D-InSAR技术获取的累积沉降量值更大,但其抵抗误差干扰的能力较弱,而SBAS-InSAR技术能够更好地消除大气相位效应等误差的影响,得到的地面沉降结果在空间分布上更连续平滑。本文研究对利用InSAR技术监测矿区地面沉降具有一定借鉴意义。

SBAS-InSAR技术在地质灾害调查中的应用

在地质灾害调查中及时识别和排查潜在的隐患灾害点对地质灾害的预防和监测工作至关重要。然而传统的地质灾害排查方法时间和人力成本较高,难以实现对广泛区域的全面排查。本文通过对青海省大通回族土族自治县城关镇区域内的地质灾害情况进行详细的调查,获取了区内的地质灾害分布特征。并进一步采用了哨兵1号(Sentinel-1)雷达数据,利用差分干涉测量短基线集时序分析(SBAS-InSAR)技术进行数据处理,成功揭示了该区域的地表形变情况。通过综合分析,能够准确地识别出重点监测区域的变化信息,从而提高了地质灾害及时预防和应对的效率。

联合PS-InSAR和SBAS-InSAR的鄂西山区滑坡隐患识别——以长阳县清江流域为例

针对鄂西山区滑坡等灾害频发,而部分地区因为地形陡峭调查困难以及潜在滑坡隐患区的空间分布与未来发展趋势不明的难题,如何利用InSAR技术获取的地表形变数据实现滑坡隐患区早期识别成为滑坡研究的热门方向。利用Sentinel-1A升轨数据,分别基于PS-InSAR和SBAS-InSAR技术获取长阳县清江流域北岸2020年7月至2021年12月的地表形变信息,再将两种方法得到的地表形变信息进行叠加融合,综合考虑研究区的地质背景条件、历史滑坡点以及第四系覆盖层厚度等因素,识别出研究区可能发生滑坡的隐患区,并结合GNSS监测数据对识别结果进行可靠性分析。结果表明:基于PS-InSAR、SBAS-InSAR技术得到的研究区地表形变速率范围分别为-32.03~16.74 mm/a、-53.33~26.94 mm/a,根据自然断点法联合分析两种方法得到的监测结果,最终将研究区地表形变速率划分为5个等级,并识别出研究区有18处滑坡隐患区,总面积为27.58 km^(2),主要分布在研究区西部招徕河至资丘镇沿清江段;将PS与SBAS两种InSAR技术的解译结果进行融合判译,不仅能够进一步提高滑坡隐患区识别的精度,为区域地质灾害防控提供更加可靠的科学依据,同时也为基于InSAR技术的滑坡隐患区识别提供了新的思路。

基于SBAS-InSAR与MA-PSO-BP的南京河西地区地表沉降监测及预测分析

针对南京河西地区城市化进展的不断加快及对该地区的沉降预测研究较少的问题,本文提出一种基于小基线集合成孔径雷达干涉测量(SBAS-InSAR)与滑动平均-粒子群优化-反向传播神经网络算法(MA-PSO-BP)的城市地表形变监测及预测模型。利用2020年3月—2022年3月的22景Sentinel-1A升降轨数据对南京河西地区进行沉降监测,获取研究区升降轨形变量,分析河西地区的沉降趋势与成因,并对监测得到的沉降值进行滑动平均插值,将其作为PSO-BP网络模型的样本输入,构建网络预测模型。结果表明,SBAS-InSAR技术能够有效监测城市长时间的沉降,南京河西地区存在不同程度的沉降,沉降速率为-25.3~20.5 mm/a。对比历史沉降研究,沉降趋势由北部向南部扩张,结合SBAS-InSAR沉降监测数据,分别与BP神经网络和PSO-BP神经网络预测模型进行对比,样本数据经过插值后沉降预测模型的精度最高。

基于SBAS-InSAR与Offset-Tracking的色东普流域灾前形变探究

利用SAR偏移量追踪(offset-tracking)技术获取冰川形变作为SBAS-InSAR的补充,采用2种技术计算2018-01~10色东普流域灾前形变,联合分析灾前形变特征及影响因素。结果表明,色东普流域冰川与沟道在2018-10-17冰崩灾害发生前已出现形变;冰川主要形变区形变趋势表现为加速-平缓-加速,7~9月形变量达到-7.69 m;沟道内堆积物长期呈下滑趋势,7月后与冰川均加速形变;气温升高是冰崩碎屑流灾害发生的主导因素。联合SBAS-InSAR与offset-tracking技术能够满足不同形变量级的监测需求,可用于冰崩灾害的早期识别与形变反演,为青藏高原地区冰崩灾害防治提供参考。

基于SBAS-InSAR技术的杨伙盘矿区地表形变监测

煤炭等矿产资源的开采引起了一系列的生态环境问题,其中,地面塌陷及其引起的链式灾害尤为严重。地表形变监测是修复生态环境问题的首要工作。InSAR技术作为一种面监测技术,因其独特的优势,已成功应用于煤矿地面塌陷监测。本文收集2020年8月至2022年10月时间段内共58景Sentinel-1A数据,利用时间序列干涉测量(SBAS-InSAR)技术,对杨伙盘矿区地表进行形变监测,同时利用无人机正射光学影像进行形变特征解译。相关资料和监测结果显示:在监测期内,煤矿开采3−1煤层,共监测到3个形变中心,分别位于301盘区和303盘区的工作面,可探测的最大形变值达−130 mm,最大年平均形变速率约为−52 mm/a。对每个形变中心进行时间序列形变规律分析,地表在工作面开采后进入加速变形期,随后减速逐渐趋于稳定状态。研究结果表明,InSAR监测形变区位置与煤矿开采工作面位置及地表裂缝等形变特征基本保持一致。时间序列InSAR技术可以有效应用于大范围矿区开采沉陷的识别与监测,为采空区灾害的预防及治理提供技术服务。

基于相位恢复的SBAS-InSAR技术与光学影像结合的攀枝花地区滑坡早期识别

为克服传统SBAS-InSAR技术存在的相干性高估以及高相干点密度、质量低的问题,将相位恢复引入SBAS-InSAR中,采用改进的高相干点选取方法提高形变速率反演精度;同时利用GF-1号高分辨率光学影像辅助InSAR形变监测结果,以提高研究区滑坡体早期识别准确性及全面性。研究发现,经过相位恢复后,选取的高相干点密度及质量明显提高;共识别出隐患点28处,其中11处与已知隐患点完全匹配,新识别出17个滑坡隐患点,在随机选取的隐患点现场调查验证时均存在地表裂缝等滑坡隐患特征。因此,将相位恢复的思想引入SBAS-InSAR中,可以有效提高高相干点选取的密度和质量,使得相干性得到有效校正,从而提高形变监测的精度;此外,光学影像辅助获取形变信息,是对InSAR滑坡隐患点识别结果精度及可解释性的有效补充。