融合多源遥感的滑坡隐患识别及形变监测--以井冈山下茅坪水库滑坡为例

利用现代遥感技术进行潜在滑坡体的大范围识别及重点滑坡监测,已成为当前防灾减灾的研究重点。其中,对植被茂密区域小尺度滑坡的探究一直是研究的难点。以井冈山下茅坪水库滑坡及周边区域为例,联合光学影像及Sentinel 1A雷达影像,利用光学解译及InSAR形变技术,实现大范围滑坡隐患体的识别;并借助StaMPS InSAR、SBAS InSAR技术,对重点小规模滑坡体进行长时序形变监测。研究结果表明,基于StaMPS InSAR大范围识别出3处滑坡,融合GF数据的影像解译,确定井冈山下茅坪水库滑坡为隐患体。针对隐患体,基于上述两种InSAR技术进行长时序形变监测,获取其滑动前后的形变状态。且此滑坡的发生与地形坡度、降雨和人类活动存在强相关。研究结果可为小尺度滑坡隐患体的识别及监测提供参考。

基于StaMPS的上海区域地表形变研究

为了及时掌握上海地区的沉降状态,更新沉降结果,本文通过获取覆盖上海市2020—2021年的哨兵1A(Sentinel-1A)影像数据,基于大气产品进行误差去除,用斯坦福永久散射体干涉(StaMPS)技术对上海地区进行时序监测。结果显示,研究区域永久散射体(PS)点平均形变速率为-10.4~6.5 mm/a,主要标准差区间在-2~2 mm/a,沉降主要发生在浦东新区和主城区的部分地区。同时,通过与小基线集技术(SBAS-InSAR)结果及相关文献对比验证,形变结果较为一致,说明该技术获取上海地区结果的正确性及适用性。最后,分析了5个典型沉降区及上海地铁14号、18号线沉降区域来说明沉降形成原因。