基于时序InSAR技术的响滩村滑坡形变特征分析

本文以四川省南充市仪陇县响滩村的山体滑坡为研究对象,采用前后2021年1月12日至2021年9月21日(共21景)Sentinel-1A的SAR影像数据,利用SBAS-InSAR技术获取了该滑坡年均形变速率和累积形变量等信息,根据获取的形变信息及光学影像特征对该区域滑坡范围进行了重新圈定,圈定了A、B、C三个次级滑坡区域,结合实地调查综合分析滑坡时空演变,3-4月份由于降雨冲刷,坡体开始缓慢形变,遇人为扰动后A区在6月中旬滑动,滑动后A区周界裂缝形成,一方面为B区的滑动创造了条件,随着时间的发展,降雨持续,最终带动B区在6月下旬-7月加速滑动,8月份降雨量陡然增加,A区、B区滑动加剧,拉裂了后缘坡面,并伴着局部坡面溜塌;C区较其他四个滑坡区活动性整体偏弱,根据时序曲线特征可知,C区形变时序与其他滑坡区没有明显的时间关系,因此推测C区为独立的滑动。结合降雨量数据可知,降雨对于响滩村滑坡活动有着直接而明显的影响,一般来说,降雨持续时间越长、强度越大,坡体出现形变加速的可能性越高。该研究结果表明时序InSAR技术对滑坡的早期识别预警、形变演化具有良好的监测效果,具有十分广阔的应用前景。

红柳林煤矿采空区地面沉陷InSAR监测与分析

陕北红柳林煤矿地下开采造成了严重的地面沉降问题,为了进一步大范围地监测地面沉降问题,防治地面塌陷灾害发生,对红柳林煤矿的地面沉降监测方法进行研究。经综合对比分析并结合该矿区的沉降特性,选择了基于SBAS-InSAR技术采煤沉陷区监测方法。利用2021年8月—2022年6月覆盖研究区的21景Sentinel-1A数据进行时序差分处理,得到覆盖红柳林煤矿采空区的沉降分布特征和沉降量级,并对提取的形变结果进行剖线分析和特征点分析。研究结果表明:红柳林煤矿15216工作面在监测时间内发生了明显的沉降现象,且随着回采进度的进行沉降量级和沉降范围逐渐增大,其中,最大年平均沉降速率达到了−0.30 m/a,最大累积沉降量达到了−0.22 m。对地表沉降与地下开采进度的相关性进行分析,发现地表沉降与地下开采进度有较强的相关性,主要表现为开采后至发生地面沉降约有两个月的滞后期。研究结果符合开采沉陷规律,可以为矿区地面塌陷防治提供技术支撑。

基于相关性分析法因子选取的信息量模型滑坡易发性评价

针对新疆特克斯县地质构造运动复杂、地质灾害频发的现象,在新疆特克斯县滑坡详查及遥感数据解译的基础上,选取了高程、坡度、坡向、工程地质岩组、距水系距离、距断层距离和距道路距离7个影响因子作为评价因子。利用ArcGIS空间分析功能对7个因子进行相关性分析,最终选取距断裂距离、距水系距离、工程岩组、坡向、坡度和高程6个相互独立的因子作为评价指标,并对其进行信息量计算,构建信息量模型对研究区滑坡易发性进行评价与区划。结果表明:滑坡高易发区占地面积约330 km~2,占3.9%;中易发区面积约1 257 km~2,占15.0%;低易发区面积约6 648 km~2,占79.7%;非易发区面积约118 km~2,占1.4%。评价结果与野外调查基本吻合,可为新疆特克斯县地质灾害防治及土体规划利用提供依据。

基于SBAS-InSAR技术的M宗地采空区遥感解译

苇湖梁矿界已楔入乌鲁木齐市,采煤塌陷导致的问题日益突出,严重影响了市区土地空间规划。针对该问题,以苇湖梁矿区为研究区,M宗地采空区位于矿界内,基于2019年1月—2021年5月期间73景Sentinel-1A数据,采用先进的SBAS-InSAR技术对地表形变进行提取、光学影像辅助解译、与工作面叠加进行长时间序列分析。结果表明,M宗地采空区内没有表现出形变,但是在该宗地的东北部即苇湖梁矿区工作面位置,表现出明显的地面塌陷形变,东南部及西南部有轻微形变;提取的形变位置及范围基本与苇湖梁矿区工作面位置吻合,随着时间推移、工作面推进,形变位置及范围随之发生变化;研究区最大形变速率为-0.29 m/a,最大累积形变量为-0.73 m。以上监测结果可以为该地区的煤炭开采、场地稳定性评价以及工程建设提供依据。

InSAR技术在延安新区地面沉降监测中的应用

延安新区由于在湿陷性黄土地区开展了大型填挖方工程,导致地面沉降现象严重,严重影响了城市的空间规划发展。本文利用SBAS-InSAR技术对覆盖研究区的41景Sentinel-1A数据进行处理,得到2020年9月至2022年5月延安新区的年平均形变速率和时序形变量。通过对主要形变区提取特征点进行形变规律分析,发现1、2号特征点形变量较大,有持续形变的趋势,应当及时采取防护措施,3、4、5号特征点形变量较小,并且2022年后形变有减缓的趋势,但仍需加强观测。在后期的城市规划建设中应避开正在发生持续形变的区域,InSAR技术可以得到地表稳定性分区,为城市国土空间规划提供参考依据。

改进GWO-BP算法的概率积分法预计参数求取

针对BP神经网络模型求取概率积分法预计参数时的缺陷,本文提出了一种基于改进灰狼优化算法(GWO)的BP神经网络参数预测模型IGWO-BP,主要通过对灰狼算法的收敛因子a和速度更新公式的改进,使其寻优性能更优。运用改进的灰狼优化算法对BP神经网络的初始权值和阈值进行优化,利用最优的初始权值和阈值对模型进行训练和预测,从而得到概率积分法参数的预测结果。为了验证该算法在概率积分法参数求取方面的优势,将其与SVR模型的预测结果以及PLS模型的预测结果进行对比,从相对误差、平均绝对百分比误差以及一致性指数3个评价指标对3种方法的求取精度,发现IGWO-BP算法的最大相对误差、平均绝对百分比误差以及一致性指数都优于其他两种预测方法,说明IGWO-BP算法能够在概率积分法开采沉陷预计方面得到应用。

基于SBAS-InSAR技术的多工作面矿区地表形变特征

针对黄土沟壑地区多工作面开采条件下地表形变规律复杂的问题,以大佛寺煤矿区工作面40301为研究对象,采用差分干涉测量短基线集(small baseline subset InSAR,SBAS-InSAR)时序分析技术对矿区15景ALOS1数据进行处理,通过迭代优化处理有效抑制噪声以获取矿区沉降速率图和时序沉降图,并从点、线、面这3个角度分析邻近工作面采动对工作面40301造成的影响。结果表明,受邻近工作面40104的采动影响,工作面40301观测点的沉降速率和沉降量呈明显增加的趋势,多工作面开采会造成已采工作面形变持续时间延长,下沉盆地范围扩大,破坏未采工作面的稳定性。SBAS-InSAR技术可为复杂矿区地表形变分析提供有效技术手段。

集成InSAR与高分影像的地质灾害隐患早期识别与应用研究

近年来,我国地质灾害处于多发态势,地质灾害防治形势严峻,严重威胁了人民生命及财产安全,利用先进的遥感技术对地质灾害进行早期识别已成为大趋势。针对传统的遥感影像识别已不能满足当前地质灾害隐患识别的需求,提出利用SBAS-InSAR技术、多期多源光学遥感技术、三维倾斜摄影测量等多源遥感技术综合对地质灾害隐患进行早期识别。通过对延安子长市地质灾害识别与监测预警工作,得到了子长地区平均形变速率为76 mm/a,累计形变量为152 mm,并进行了实地调查验证,证明了监测结果的可靠性。结果表明,SBAS-InSAR技术结合高分影像可有效地获取子长地区地质灾害分布情况,为该地区的防灾减灾工作提供了技术支撑。

结合PS-InSAR和DS-InSAR的韩城矿区采空区地面塌陷识别

针对传统InSAR技术在煤矿采空区地表沉陷监测的不足,提出了结合PS-InSAR和DSInSAR的采煤沉陷区监测方法;主要通过对覆盖韩城矿区的2018年1月—2021年4月的81景Sentienl-1A数据进行干涉处理,并将具有高散射特性的PS点和中散射特性DS点进行了分布提取,增加了稳定相干点的数量,满足了煤矿沉陷区的监测要求;并且将煤矿的工作面位置与InSAR形变范围进行对比。监测结果显示:该矿区存在的12个形变区与韩城矿区12家煤矿井田位置一一对应,12处煤矿采煤区域都发生了采煤沉陷;其中桑树坪、下峪口及象山3个大煤矿的采煤沉陷范围较大,且形变量级较大,其他小煤矿也基本都分布着范围不一的沉陷隐患,龙源煤矿在监测期内地表基本没有形变;韩城矿区最大年平均沉降速率达到了230 mm/a,最大累积沉降量达到了740 mm;InSAR技术可在煤矿采空区地表沉陷识别中发挥一定的作用。

InSAR和改进支持向量机的沉陷预测模型分析

针对传统开采沉陷监测方法的缺陷和现有预测模型精度较低的问题,该文提出了一种基于SBAS-InSAR和差分进化混合灰狼优化算法(DEGWO)优化支持向量机回归(SVR)的预测模型,利用2018年10月—2020年3月的44景Sentinel-1A数据对陕西彬长矿区孟村煤矿进行开采沉陷监测,得到该矿区的年平均沉降速率和时间序列累积沉降值。SBAS-InSAR监测结果表明,该矿区年平均沉降速率最高达到了211 mm/a,最大累积形变量达到335 mm。用矿区GPS数据对InSAR处理结果进行验证,拟合效果较好。并将预测结果与传统SVR预测模型以及灰色GM(1,1)模型的预测结果进行对比,DEGWO-SVR模型的绝对误差、相对误差以及均方根误差,均为三者最小。说明了差分进化混合灰狼优化算法能够起到很好的参数优化效果,该方法优化的SVR预测模型能够在矿区开采沉陷预测中得到应用。