基于Sentinel-1A钦防地区地面沉降监测与分析

分析钦防地区地面沉降时空分布、演变规律和驱动因素,可为区域灾害预测防治及城市规划提供科学依据。基于小基线集时序合成孔径雷达干涉测量(small baseline subset interferometric synthetic aperture Radar,SBAS-InSAR)技术,利用45景Sentinel-1A合成孔径雷达影像提取了研究区2018—2021年的地面沉降信息,同时结合地区地质背景、降水数据、土地利用情况和道路等数据,借助于空间分析技术、数理统计和遥感图像分类及变化检测等方法对研究区地面沉降的整体特征、时空演变趋势及其影响因素进行了可视化分析和定量化分析。结果表明:①在空间维度上,研究时段内研究区地面形变速率介于-114.37~58.55 mm/a之间,研究区内地面形变分布范围广且不均匀分布明显,形成了以钦南区主城区中南部、钦州港与港口区为主的3个沉降中心区域,沉降地区的沉降面积逐年增加并呈现出向南扩张的趋势;②在时间维度上,各沉降中心区域从整体上随着时间变化呈现不均匀的下沉趋势,但出现了周期性的回升,回升值最大可达18.4 mm;③在影响因素上,城镇化扩张、道路密度、构造运动、地层作用、降水作用和海平面上升是导致研究区地面沉降的主要因子,同时也主导了地面沉降的扩张和增幅。

Sentinel-1A影像在山区管道地表形变监测中的适用性评价指标构建

Sentinel-1A卫星数据覆盖范围广、重访周期快、获取成本低,通过合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)技术能够高效获取管道沿线大面积地表形变信息。但是山区管道所处地形复杂、起伏大、植被茂盛,监测中易存在叠掩、阴影、失相干等现象,Sentinel-1A卫星数据在管道不同区段的适用性有差异。为了对Sentinel-1A在山区管道地表形变测量中的适用程度进行评价,以三段不同山区地形的管道为研究区,结合Sentinel-1A数据、Sentinel-2数据、ALOS DEM数据进行相关性分析,构建适用性评价指标。结果显示:管道沿线Sentinel-1A影像的叠掩阴影占总面积的比例与坡度的Pearson相关系数为-0.914,Spearman相关系数为-1,呈显著负相关;影像相干性和归一化植被指数的Pearson相关系数为-0.972,Spearman相关系数为-0.99,呈显著负相关。使用回归分析和归一化的方法建立了山区管道沿线Sentinel-1A数据的坡度适用性指标和植被适用性指标,指标可对山区管道沿线域使用Sentinel-1A数据进行形变监测的适用性进行评价。

基于Sentinel-1A的安徽省2020年梅雨期洪水淹没监测

2020年超长梅雨期内的持续强降雨,导致安徽省发生全域性洪涝灾害,为了快速、准确地提取洪涝淹没范围,为防汛救灾提供科学支撑,选取安徽境内巢湖流域和淮河流域的灾前和灾中Sentinel-1A数据,首先,在快速预处理基础上,采用双极化水体指数(Sentinel-1A dual-polarized water index,SDWI)法,并结合地形因子对平原和山区分别提取水体信息,建立一套洪水淹没区监测流程;然后通过该流程利用灾前、灾中两期合成孔径雷达数据提取2020年7月27日巢湖流域、淮河流域行蓄洪区洪水淹没范围。结果显示:SDWI比直接用后向散射系数提取水体具有优势;7月27日巢湖流域洪水淹没区面积为524.8 km^(2),其中受洪灾较重的是白石天河子流域,西河子流域次之;淮河流域安徽境内行蓄洪区,沿淮的4个地市淹没面积从大到小依次为淮南市、阜阳市、六安市、蚌埠市。研究表明,基于Sentinel-1A数据,采用SDWI和地形因子建立的洪水淹没区监测流程对平原和山区都具有较好的准确性、适用性,且具有较高的时效性,便于及时开展洪水灾害监测。

基于Sentinel-1A影像的原阳县玉米和水稻分类时间窗选择

使用遥感技术可以快速、准确地识别作物类型。本研究以河南省原阳县为试验区,基于Google Earth Engine(GEE)云平台,以玉米、水稻关键生育期的Sentinel-1A影像为数据源,分析各类地物的极化特征时序曲线。对6期Sentinel-1A影像进行穷举组合,使用随机森林算法对所有影像组合分类,分析各生育期影像对作物分类的重要性,选出玉米、水稻分类最佳时间窗。结果表明,作物生长中后期影像对作物分类更重要,其中玉米的乳熟期最重要,水稻的灌浆期最重要。全生育期影像组合中玉米的用户精度和生产者精度分别为90.43%和90.53%,水稻的用户精度和生产者精度分别为88.89%和89.01%。经过优选,大喇叭口期至成熟期为玉米分类最佳时间窗,相较于全生育期影像组合,此生育期影像组合的玉米用户精度和生产者精度分别提高了3.38个百分点和5.26个百分点;拔节期至成熟期为水稻分类最佳时间窗,相较于全生育期影像组合,此生育期影像组合的水稻用户精度和生产者精度分别提高了4.73个百分点和2.66个百分点。本研究结果可以为Sentinel-1A影像在原阳县及其附近区域的玉米、水稻种植结构监测研究提供理论依据。

基于Sentinel-1A SAR数据的呼和浩特城区地表形变分析

为了实现对呼和浩特市城区形变监测,采用永久散射体合成孔径雷达干涉测量(PS-InSAR)技术,对2017年3月—2021年4月期间25景呼和浩特市城区Sentinel-1A数据进行时序干涉处理,提取了城区地表沉降信息,并分析了主要沉降中心沉降原因。结果表明:呼和浩特市城区地表存在5个明显的沉降中心,整体地表平均年沉降速率3.65 mm/a,平均累计沉降量为15.50 mm,其沉降主要原因是由于地下水过度开采。Sentinel-1A数据具有时间基线短、影像数量足、数据免费等优点,利于InSAR时序分析,可满足同类城区地表形变监测工作,服务城市安全。

基于Sentinel-1A 数据的土地利用变化监测

广东多云雨天气造成光学遥感数据持续获取困难,合成孔径雷达(SAR)能够弥补光学影像缺失导致的土地利用高频次监测更新不及时、存在监测盲区的问题。哨兵一号(Sentinel-1)卫星数据可在欧洲空间局官网免费下载,虽然成本低、获取容易,但变化检测精度低,实际应用困难,本文提出一种综合Sentinel-1A的强度信息、相位信息和外部高程信息的新增房屋识别方法。首先对SAR影像进行预处理得到后向散射系数图,采用对数比值法对多时相影像构造差异图,再使用阈值分割算法提取变化区域。然后利用复数图像和数字高程模型计算相干系数和坡度,进一步剔除坡度较大和相干性较高的伪变化图斑,得到最终的变化图斑。实验结果表明,在差异图的基础上融合坡度和相干性信息,可得到较为可靠的变化检测结果,总体精度提升约18%,对广东开展高频次土地利用遥感监测工作具有重要意义。

基于Sentinel-1A数据的黑方台地区沉陷特征分析

甘肃黑方台地区由于长期大水漫灌引起台塬沉陷、塬边滑坡等自然灾害。为研究沉陷区域的空间分布特征和成因,以2017年9月—2020年11月的Sentinel-1A影像为数据源,利用永久散射体(PS)与短基线集(SBAS)技术提取研究区地表沉陷信息;选取新源村与党川村滑坡高相干点D1、D2,结合灌溉、降雨、温度数据对两种结果进行交叉验证与分析。结果表明:(1)两种技术识别的沉陷区域主要分布于新源村、方台村、朱王村、陈家村以及台塬周边,利用PS与SBAS技术在新源村和党川村解算得到的最大年均沉降速率分别为31.75 mm、28.65 mm和32.6 mm、28.4 mm,两种技术在空间分布和解算结果上一致性较高,SBAS技术提取的沉降点数量多于PS技术;(2)由于2—3月温差较大,随着温度升高引起冻土融化,新源村与党川村滑坡均出现沉陷趋势,6—8月灌溉量和降雨量增多,导致黄土台塬沉陷,滑坡频发,8月后灌溉量与降雨量减少,新源村沉陷速率趋于平缓,而党川村滑坡在10月后产生冻结滞水效应,沉陷有加剧的趋势。两种技术可为黑方台地区健康发展与灾害防治提供科学依据与参考。

基于多时相Sentinel-1A的丘陵山区耕地非粮化特征识别及驱动机制

为更加科学地识别丘陵山区耕地非粮化水平特征,探究耕地非粮化驱动机制,该研究采用多时相Sentinel-1A后向散色系数分析、监督分类、空间特征分析、地理探测器等方法,选取江西省典型丘陵山区修水县开展实证研究,探究了丘陵山区耕地非粮化的技术识别、空间特征及影响机制。结果表明:1)修水县耕地非粮化面积17899.59 hm^(2),耕地非粮化率为57.47%,并呈现东南及西北集聚的特征,且呈现空间正相关性,包括了“低-低”、“高-高”、“低-高”集聚等不同形式。2)在社会经济特征上,修水县耕地非粮化主要呈环工业中心镇分布的特征,分布密度西高东低,逐渐向东北倾斜,且经济作物主导的乡镇非粮化水平显著高于其他地区。3)修水县耕地非粮化受多个因子综合影响,包括到农村道路的距离、坡度、粮食生产功能区、高程、水土流失强度、到城镇中心的距离、到城市公路的距离、到水源的距离。各因子对耕地非粮化的影响呈非线性增强的相互作用关系,其中尤以到农村道路的距离、到城镇中心的距离、粮食功能主产区等3个因素与其他因子的相互作用特征明显。该研究成果可为新形势下推进耕地资源保护利用提供参考,为科学诊断区域耕地非粮化问题提供依据。

Sentinel-1A时序数据结合多源信息的早稻种植面积监测研究

以高安市为研究区,选取不同生长期早稻的时序双极化Sentinel-1A雷达数据,通过实地和高分辨率影像提取401个早稻、旋耕田、非粮农作物、建筑物、林地、水面及其他地类等7种典型地物作为样本数据。对VH和VV极化条件下不同典型样本的后向散射系数特征进行分析,采用最小距离、最大似然和SVM等方法对影像数据进行分类,引入土地利用图斑、植被指数以及坡度等多因素进行决策分析,并对植被指数的提取方式进行了优化,提出了基于不同相邻生长期的NDVI差值灰度图分类方法获取了早稻种植图斑。精度验证结果表明,SVM分类法的效果最优(总体精度87.43%,Kappa系数0.824)。在验证预留样本后发现,较单一雷达后向散射系数的提取结果,多因素分析的分类精度具有较大提升,最终评定的分类精度为92.22%,分类赋权精度为94.76%。利用时序雷达数据的后向散射系数、SVM分类法及多源信息,可以提升对早稻种植面积的监测效率且精度较好,研究结果可为早稻种植面积的快速、准确监测提供参考。

2014年美国加州纳帕M_W6.1地震断层参数的Sentinel-1A InSAR反演

2014年8月24日,在美国加州旧金山海湾北部的纳帕地区发生了MW6.1地震.发震断层是西纳帕断裂系统中的一部分,但是该断层之前并未被足够重视.本文利用欧洲空间局最近发射成功并刚刚投入使用的Sentinel-1A卫星获取的第一对同震干涉像对(20140807-20140831),得到了该地震的地表同震形变场,结合震后24h内区域GPS同震形变资料作为约束条件,反演了纳帕地震的断层几何参数以及滑动分布.Sentinel-1A干涉结果表明,此次地震造成了明显的地面形变,视线向最大抬升和最大沉降量均达到了10cm.联合反演结果表明,该发震断层的走向为344°,倾角为80°.主要破裂以右旋走滑为主,平均倾滑角为-146.5°,最大倾滑量达到了1.1m,位于地表下约4km,存在明显的滑动亏损现象.此次地震,累计释放地震矩达1.5×1018 N·m,约合矩震级MW6.1.该结果略小于InSAR单独约束结果,可能与Sentinel-1A像对中包含的快速震后形变分量有关.

基于Sentinel-1A与Landsat 8数据的北黑高速沿线地表土壤水分遥感反演方法研究

土壤含水量是影响水文和气候变化的基本参数,研究土壤含水量分布,对气候变化、水资源分布、农作物估产等有着重要的现实意义和科学价值。本文以2015年6月21日的Sentinel-1A(哨兵1号)双极化合成孔径雷达影像为基础,结合同时段辅助光学影像Landsat 8,对北安—黑河高速沿线地区不同植被覆盖程度下复杂地表土壤含水量进行反演研究,探讨不同极化组合方式在不同土地利用方式下的土壤水分含量反演结果。结果表明:VH极化及VH与辅助变量NDVI(Normalized Difference Vegetation Index)组合反演精度分别为52.1%和53.6%,整体效果并不理想。VV极化(VV Polarization)图像和双极化VV/VH(VH Polarization)组合在裸露和低植被地区反演更具有优势,其精度分别为75.4%和59.5%,而在高植被覆盖度地区并不适用。VH极化反演结果中耕地土壤含水量比实际值低9.37%,VV极化在低植被区域土壤含水量比实际值低10.45%,在灌木及耕地地区VV/VH反演结果精度比单极化及其组合反演结果低,最高精度模型的反演是VV结合NDVI。VV与辅助变量NDVI结合能综合反映复杂地表环境下土壤含水量,其精度达84%,标准误差RMSE为2.07,比VV极化反演精度提高8.8%,RMSE比VV极化降低2.704。VV与辅助变量NDVI组合方式在中等植被覆盖地区土壤含水量反演更具有优势,并能够更好地发挥哨兵1号C波段合成孔径雷达在土壤水分研究中的潜力与有效性。

Sentinel-1A卫星TOPS模式数据的SBAS时序分析方法——以黄河三角洲地区为例

Sentinel-1A是目前在轨运行的新一代SAR卫星,其TOPS成像模式具有宽幅成像的特点,能够实现大范围地表形变监测,目前国内外鲜有基于渐进扫描(terrain observation by progressive scans,TOPS)模式影像的小基线集(short baseline subset,SBAS)处理研究成果发表。以黄河三角洲地区作为研究区,选取了2015年5月—2016年4月27景Sentinel-1A TOPS模式影像,组成了94对干涉影像对,使用ECMWF气象数据估算大气延迟,实现大范围大气相位校正;然后采用SBAS时序分析方法提取了研究区地表累积形变量及形变速率图。研究结果表明,该地区近年来仍存在持续沉降,在广饶镇齐成工业园、广饶盐场及南宅科村周边等地区存在明显的沉降漏斗,沉降监测结果与该研究区已有文献所述沉降规律吻合,证明了TOPS模式SBAS时序分析方法应用于形变监测的可行性和有效性。

利用Sentinel-1A数据、D-InSAR和沿轨干涉技术获取2016年高雄M_S6.7地震三维形变场

提出一种沿轨干涉技术来获取Sentinel-1A数据中burst重叠区域内的方位向形变,进而通过内插方法得到非重叠区的方位向形变。针对D-InSAR的雷达视线向形变与沿轨干涉的方位向形变精度差异,采用基于加权最小二乘的方法解算了2016年高雄MS6.7地震的三维形变场。结果表明,高雄地震的同震形变以垂直和东西方向形变为主,且形变主要分布在断层左右两瓣。左瓣抬升,最大达到12cm;右瓣下沉,最大达到8cm;左右两瓣均伴随着向西的位移,最大达6cm。在左右两瓣之间,该地震还具有西北-东南走向的断层特性。

Sentinel-1A京津冀平原区2016—2018年地面沉降InSAR监测

京津冀地区是我国地面沉降发展最迅速,影响面积最大的地区。地面沉降已成为京津冀协同发展中不容忽视的地质问题。文章利用多时相合成孔径雷达干涉测量(multi-temporal interferometric synthetic aperture Radar,MT-InSAR)技术对2016年1月—2018年10月覆盖京津冀地区的多轨Sentinel-1A数据进行处理,经水准数据验证和相邻轨道数据结果交叉验证后,对多轨SAR数据结果进行融合获取了京津冀平原2016—2018年间的地面沉降结果。InSAR监测结果表明,监测时段内京津冀平原最大沉降速率达164 mm/a,研究区内地面沉降分布广泛,且空间分布不均。对京津冀地区地面沉降时空变化特征进行分析发现,2016—2018年间唐山—秦皇岛地区地面沉降呈不断加剧趋势;其余地区地面沉降发展较为稳定。研究表明了InSAR技术在大区域地面沉降监测中的可靠性,研究结果为区域沉降防治提供重要依据,为京津冀特大城市群建设提供科学保障。

多时相Sentinel-1A InSAR的连盐高铁沉降监测分析

多时相InSAR技术具有探测大范围毫米级地表形变的能力,已被广泛应用于地面沉降监测。近几年,应用多时相InSAR技术监测以高铁为代表的大尺度人造线状地物形变备受关注。本文将C波段SAR数据用于高铁沿线路基形变监测,应用相位稳定性分析和改进的StaMPS技术来增加相干性点的密度和形变参数解算的稳定性。采用研究区时间跨度为21个月的47景Sentinel-1A数据,对连(云港)盐(城)高铁及其沿线区域进行多时相InSAR分析,并利用同时期连续的北斗导航卫星系统(BeiDou navigation satellite system,BDS)观测数据对线性沉降速率和时序位移分别进行监测分析,进而对比验证二者的沉降监测结果。研究结果表明:利用C波段的Sentinel-1A数据能够获取毫米级的线性形变速率和时序位移序列,InSAR与BDS二者平均时序位移均方根误差为3.8 mm,与BDS监测结果相比取得很好的一致性,且连盐高铁线路整体表现稳定。

利用Sentinel-1A数据监测地表形变案例分析

雷达卫星结合InSAR技术已广泛应用于高精度地表形变监测领域。本文选取2017年九寨沟地震为研究案例,利用Sentinel-1A地震前后的单视复数影像,基于D-InSAR技术获取该次地震的同震形变场。结果显示:震中西北侧表现出相对均匀的下沉现象,沉降漏斗区雷达视线向最大沉降量达25.1 cm;东南侧呈现不均匀抬升状态,地表破碎较为明显,最大抬升量为11.6 cm。研究表明基于Sentinel-1A数据的D-InSAR技术可以为地震形变场的定量分析提供一种快速有效的手段,为阐释地震发震机理及评估受灾情况提供必要的数据支撑,具有广阔的应用前景。

利用Sentinel-1A SAR影像监测尼泊尔“4·25”地震变形

为利用新一代欧洲太空局SAR系统Sentinel-1A卫星获取大面积地震变形数据,对其监测模式和数据特点进行研究,给出针对TOPSAR成像干涉数据处理的拼接方法,并利用Sentinel-1A数据获取尼泊尔"4·25"地震区域约160 km×180 km的地表形变。结果显示,地震导致的雷达视线向相对变形最大达2 m。

基于Sentinel-1A TOPS模式的南通市时序InSAR地表沉降监测

针对Sentinel-1A TOPS(Terrain Observation by Progressive Scans)模式数据配准问题,采用基于精轨数据、强度互相关、递进式增强谱分集的多级配准方法优化MCTSB-InSAR技术,以52景Sentinel-1A影像为实验数据,提取南通市地表沉降信息,并利用水准观测数据对监测结果进行精度评定,结合地理国情监测数据,详细分析了南通市重点沉降区的地面沉降时空分布特征和主要沉降成因。结果表明,优化后的MCTSB-InSAR技术能较好地处理Sentinel-1A TOPS模式数据,监测结果与水准数据基本一致,通过分析各沉降区原因,可为南通市后期规划建设和灾害防治提供参考。

基于Sentinel-1A卫星SAR数据地震同震形变场反演——以意大利佩鲁贾地震为例

目的 验证Sentinel-1A卫星SAR数据在地震导致的地表形变测量方面的可行性。方法 利用获取到的意大利佩鲁贾市地震前后两景Sentinel-1A卫星SAR数据并使用ENVI软件反演其地震同震形变场,得到雷达视线(LOS)方向地表形变图。结果 反演结果表明:(1)地震导致的雷达视线方向地表沉陷和抬升最大值分别约为0.31m和0.32m,地震中心地表形变量约为0.1m;(2)地震中心附近形成“西北-东南”走向长约30km的断层;(3)由地表形变剖面图可知:位于地震中心以北、以西和以南3个方向的地表有所沉陷,地震中心以东地区地表被抬升。结论 Sentinel-1A数据在地震地表形变场反演具有可行性,可作为研究地震机理和防灾减灾参考数据,但实际精确形变值还需要GPS测量数据验证。

基于Sentinel-1A数据获取美国纳帕M_W6.1地震同震形变场及断层滑动反演

利用欧洲空间局新发射的Sentinel-1A卫星获取的第1对同震SAR影像,采用30m×30m分辨率的ASTER GDEM数据去除地形效应,应用枝切法解缠,得到了2014年8月24日美国加利福尼亚州纳帕地震的地表同震形变场。为了获取最优同震形变场,对比使用了90m×90m分辨率的SRTM数据去除地形相位,以及最小费用流方法进行相位解缠。结果显示此次地震造成形变场在LOS方向(Line Of Sight)的最大抬升量和最大沉降量分别达到了0.1m和0.09m。基于获取的同震形变场,采用限制性最小二乘算法进行敏感性迭代拟合,获取了此次地震的断层滑动分布及部分震源参数。反演结果表明发震断层的走向为341.3°,倾角为80°,破裂以右旋走滑为主,平均滑动角为-176.38°,最大滑动量达0.8m,位于地表下约4.43km处。此次地震累计释放地震矩1.6×1018N·m,约合矩震级M_W6.14。