短基线干涉体制雷达天线站址坐标定位方法研究

研究了对短基线干涉体制雷达系统测角精度具有重要影响的天线站址定位问题。分析其成因和对测量结果的影响,并给出了用Newton-Raphson方法形成的解决方案。仿真结果表明:本方案迭代次数少,能够得到精确的站址坐标。该方案快速、简便、适用于双、多基地干涉体制的雷达系统。

基于短基线差分干涉法的上海地面沉降分析

利用短基线差分干涉时序分析方法获取上海城区的地面形变信息.短基线时序分析方法选择较短的干涉对组合,利用干涉对中的高相干目标的相位和幅度信息在长时间序列中保持稳定的特性,获得高精度的地表形变信息.实验选择上海外环以内的区域,利用2007—2010年间的17景日本ALOS卫星的PALSAR数据,采用短基线时序分析方法提取了相干目标视线向的平均沉降速率.在沉降速率图中,杨浦区与虹口区交界处存在一个明显的漏斗状沉降;闵行区和浦东新区出现了一个较大范围的不规则的沉降条带.

短时空基线PS-DInSAR提取地表形变时间序列

为减小合成孔径雷达差分干涉技术中时空失相关对区域地表形变探测的影响，采用同时限制时间和空间基线的方式自由组合干涉对，基于永久散射体构建差分网络模型以提取区域形变，并利用奇异值分解方法恢复其时间序列．为验证算法的有效性，以美国Phoenix市为试验区域，采用39幅ERS-1／2卫星C波段SAR图像（时间跨度为1992～2000年）进行地表沉降探测．结果表明，该算法能有效提取区域地表沉降的时间序列．

基于短基线集InSAR技术监测北京地区地表形变

短基线集差分干涉测量(SBAS-InSAR)技术是在传统DInSAR技术基础上发展起来的一种更高精度的长时序变形监测方法,可有效地克服传统DInSAR在微小形变监测中受时空去相干以及大气效应等因素的影响,已成为当前InSAR技术的研究热点。本文利用ENVISAT ASAR传感器获取的22幅C波段影像数据,基于短基线集差分干涉测量技术对北京地区地表沉降进行监测,获取每个观测时刻的形变累积量,得到研究区的形变序列图,进而分析了该区域地表沉降特征,结合地质环境监测成果,初步讨论了2003至2010年间北京地区区域地表沉降成因。

利用PALSAR数据提取地面沉降短基线集方法研究

短基线集DInSAR方法可以很好地克服数据相干性差的困难，本文在分析短基线集方法的基础上，对大气相位和轨道误差相位的影响进行处理得到较为精确的形变相位。采用天津实验区从2007年1月17日～2009年10月25日的17景PALSAR单视幅图像提取地面相对沉降信息，将DInSAR与水准测量数据进行融合得到外部精度为3．8mm的沉降结果，同时确定了天津地面的沉降漏斗的分布和绝对形变量。

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。

永久散射体与短基线雷达干涉测量在城市地表形变中的应用

在介绍永久散射体与短基线集雷达干涉测量方法的基础上,以辽宁省盘锦市为例,运用两种方法研究了其市区地表形变特征。对比升降轨永久散射体方法与短基线方法所得到的形变平均速率和时序分析可知,两种方法所得的研究区域的地表形变趋势较为可靠,且以垂直沉降为主,新城区是最大沉降区域,最大下沉速率达20 mm/a,其他区域较为稳定。

基于综合遥感的察隅县滑坡隐患识别及致灾机理分析

察隅县地处青藏高原东南部,幅原辽阔,地形地貌与气候特征差异较大,滑坡灾害频发。针对该区域开展滑坡灾害隐患识别与早期预警对当地防灾减灾工作有重要意义。为此,收集2020年1月—2022年11月获取的162景升降轨Sentinel-1A雷达遥感影像数据及高分光学遥感影像数据,以Google Earth平台为辅助,采用综合遥感(integrated remote sensing,IRS)技术开展研究区内活动性滑坡隐患识别、编录制图和分析评价,共识别出活动性滑坡隐患237处,主要分布于贡日嘎布曲(察隅河支流西支)、察隅河、怒江两岸及察隅河东部至怒江西部的区域。将解译结果与地形地貌(高程、坡度、岩性)、自然环境(降雨、温度)等定量因子结合进行统计分析可知,左布村滑坡、阿扎村滑坡有极大的灾害风险,推荐进一步采取减灾措施。研究结果具有较高精度,可为当地防灾减灾工作提供参考。

基于SBAS-InSAR技术的淮北市地表沉降监测分析

长期高强度的煤炭开采和地下水抽采,导致淮北市地表发生大面积沉降,破坏了耕地以及生态环境,因此对地表沉降监测显得尤为重要。本文通过短基线集合成孔径雷达干涉测量(SBAS-InSAR)方法获取了2020年1月5日到2020年12月30日的淮北市地表年形变速率,并且使用水准数据对监测结果进行了精度验证。结果表明:淮北市沉降存在不均匀现象,年形变速率为-55~42 mm,淮北市地表沉降由地下煤炭资源开采和地下水抽采引起,主要地表沉降由采煤引起。研究结果可为地质灾害预防提供数据参考。

基于时序InSAR技术的滨海新区地面沉降监测

针对传统地面沉降测量方法在大范围测区内费时长、时效性差等缺点,本文利用2017—2021年覆盖天津市滨海新区Sentinel-1A影像数据,采用永久散射体合成孔径雷达干涉测量(PS-InSAR)和短基线集合成孔径雷达干涉测量(SBAS-InSAR)技术获取地面沉降数据,通过地表形变信息的时空分析确定各类因素对地面沉降的影响并交叉验证结果的可靠性。分析结果表明,天津市滨海新区的地面沉降受到降水、第四系地层厚度、地下水等因素影响。其中,天津市滨海新区在2017—2021年存在地面沉降现象,最大沉降速率为-130 mm/a,最大抬升速率为40 mm/a,最大累计沉降量为-411 mm。重点沉降区域主要分布在东北部的杨家泊镇与寨上街道交界地区以及西南部的中塘镇和北大港水库附近。

采用天线组阵辅助的连线干涉测量载波相位解模糊

针对航天器初始轨道精度无法满足连线干涉测量(CEI)载波相位解模糊需求的问题,提出了一种采用短基线天线阵辅助的解模糊方法。从理论上分析了载波相位模糊产生的原因以及不同方向角、不同基线长度条件下解模糊对轨道预报精度的最低要求,对具有代表性的1 km短基线天线阵在主站测距加两基线方向角(Rlm)体制下的定位精度进行了仿真,结果表明,方向角越大,该方法的无模糊基线长度扩展能力越强。最后给出了达到最优测角精度的基线长度设置和解模糊流程。

曹妃甸沿海区地表沉降监测与预测分析

为探究曹妃甸沿海区的地表沉降情况,本文使用永久散射体合成孔径雷达干涉测量(PS-InSAR)和短基线合成孔径雷达干涉测量(SBAS-InSAR)技术对2017—2022年的63景Sentinel-1A数据进行反演,得到了沿海区的地表沉降速率及分布,再对两种技术的反演结果进行交叉验证及分析引起沉降的原因,同时利用反向传播(BP)神经网络和长短期记忆(LSTM)网络模型分别对特征点的时序沉降量进行预测分析及精度对比,主要得到以下几点结论:①两种技术反演结果具有较高一致性,线性相关达0.98;②研究区最大沉降速率为-49 mm/a,最大累计沉降量为231.4 mm,地质条件脆弱、长期过度开采地下水、大规模的建设和工程扰动是造成该地沉降发生的主要原因;③经对比分析,长短期记忆(LSTM)网络模型的预测效果更适合于时序形变数据的预测,预测结果也更为接近实际形变值。

乌鲁木齐市采煤塌陷区地表沉降遥感监测

乌鲁木齐市侏罗系含煤地层呈近东西向横穿城市主城区,具有含煤层数多、单层煤层巨厚且近乎直立的地质特点.数十年以来,煤炭资源的开采破坏了乌鲁木齐的城市环境,由此造成的塌陷区威胁着周边居民的生产生活,也严重制约着城市发展,限制了土地资源的开发利用.本文以乌鲁木齐市横跨水磨沟区和米东区的六道湾煤矿、苇湖梁煤矿等为研究区,以Sentinel-1A数据为主要数据源,采用短基线集合成孔径雷达干涉(SBAS-InSAR)技术监测研究区内2018-06-01-2022-06-30的历史废弃煤矿、现有开采煤矿和周边居民区的地表沉降现象.利用SBAS-InSAR技术处理SAR数据,获取研究区内地表时序形变结果,生成地理编码后的年均速率及累积形变量,发现多个矿区沉降漏斗范围扩大,且沉降漏斗中心的累积沉降量超过-150 mm.通过与全球卫星导航系统(GNSS)结果的对比分析发现,GNSS与SBAS结果整体沉降趋势一致,均方根误差(RMSE)为2~3 mm,因此SBAS-InSAR具有较高的可信度.

基于SBAS技术的地表形变自动识别与监测分析

合成孔径雷达干涉测量(InSAR)技术因全天时、全天候、不受云雾影响,广泛用于地表形变监测,如何快速获取大范围内形变区域的分布情况亟须解决的问题,为此利用短基线集(SBAS)技术处理了143期Sentinel-1A数据,对山西省沁水县进行了地表形变监测,利用热点分析方法自动提取变形区域,并对提取出来的重点区域进行长时间的监测分析。研究结果表明,在沁水县共识别出15处地面塌陷区和1处滑坡。通过对两处典型区域进行时序形变监测,发现塌陷区域目前仍然处于持续变形中,且形变量级较大,最大累积形变量达到了-205.2 mm,验证了利用热点分析进行大范围结果识别监测的可靠性,研究成果可为该区域研究和矿区塌陷灾害防治提供支撑。

利用短基线集技术监测地表形变

针对合成孔径雷达干涉测量(D-InSAR)技术由于受时间、空间失相干和大气延迟两大因素的影响,不能在地面沉降灾害监测方面得到较好应用的问题,该文对合成孔径雷达干涉测量小基线集(SBAS-InSAR)技术在地表形变监测中的适用性进行了研究。利用22景ALOS雷达影像开展了西安市地面沉降监测试验,并通过时间序列分析的方法获取了2007年1月到2011年2月时间段内西安市的高精度地表形变成果。实验结果表明,该成果与同时间内GPS、水准结果吻合较好。因此,该技术可广泛应用于城市地表形变监测,为相关部门决策提供科学可靠的数据参考。

附加约束条件短基线DInSAR法及其应用

短基线合成孔径雷达差分干涉(DInSAR)法利用具有较短空间基线的SAR影像对生成干涉图,提取地表高相干区域,获取高时间和空间采样率的地表形变场,但该方法没有考虑地表形变的先验信息,需要应用奇异值分解(SVD)分解获取相位平均速率的最小范数最小二乘解.在分析短基线DInSAR法基础上,对地表形变相位速率附加约束条件,提出一种附加约束条件短基线DInSAR新方法,该方法不需对系数矩阵进行奇异值分解,可直接求解模型参数的最小二乘解.利用南京地区从1996年到2000年间8幅SAR影像生成的13幅差分干涉图提取的地表沉降结果证明了新方法的有效性.

短基线集技术的合肥地表形变监测研究

针对如何利用InSAR技术持续性监测合肥市重点区域地表形变的问题,该文提出了一种利用COSMOSkyMed影像数据,基于短基线集技术反演2011—2016年度合肥地区地表形变的方法。结果表明:合肥市重点区域在2011—2016年期间地面形变呈平稳态势,年均形变速率在-5mm/a到5mm/a的地面形变点数量占总地面形变点数量超过95%。技术人员利用研究区内的CORS监测数据与InSAR监测的形变结果进行比较分析后发现,两者间具有较好的一致性,年形变速率差异的均方差为0.3mm/a。

SBAS-InSAR技术的广州市地面沉降监测

为了研究广州市地面沉降情况,利用覆盖广州地区的34景Sentinel-1A影像数据,基于永久散射体(PS)特征点的短基线合成孔径雷达干涉测量(SBAS-InSAR)技术进行时序分析,结果表明:研究区总体形态呈稳定状态,研究区域内存在6个沉降区,在监测时间内,研究区沉降速率为-32.1 mm/a~7.3 mm/a,累计沉降量为-92.1 mm。广州市的软土是导致沉降的主要因素,城市的工程建设以及地下水的过度开采为重要原因。

高海拔排土场边坡安全稳定性SBAS-InSAR监测

为解决高海拔排土场边坡安全稳定性监测中常规监测仪器布置和人员值守的高投入、高风险问题,分析西藏山南桑日县某排土场边坡25景Sentinel-1A数据,利用短基线集合成孔径雷达干涉测量(SBAS-InSAR)技术监测终了排土场边坡从2018年11月4日—2020年12月23日期间的地表形变,采用基线估计状态空间模型、自适应滤波和最小费用流进行相位解缠,经过影像配准、干涉处理和去平地效应,考虑高海拔地区跨越干湿季时温度和降雨对数据的影响,生成平均形变速率图,基于形变监测结果评判该排土场边坡的安全稳定状态。结果表明:该排土场边坡坡体2018-2020年的平均形变速率最大值为-13.90 mm/a,且在2020年6月,达到黄色预警阈值,采取必要的防治措施后,沉降速率趋缓得到了有效控制。实践表明:SBAS-InSAR应用于高海拔排土场边坡,能够实现动态、全面覆盖、长期可靠的安全稳定性监测。

采空区地表变电站场地稳定性SBAS-InSAR监测研究

常规地基沉降监测方法存在监测时段不连续和覆盖范围有限等问题,短基线集合成孔径雷达干涉测量(SBAS-InSAR)技术作为近年来发展的监测地表形变新技术,能够对研究区域进行全天候、实时、高效、大范围的监测。以平顶山市某下伏采空区变电站为研究对象,基于35景升轨Sentinel-1A数据,通过影像配准、相位干涉、最小费用流解缠、大气分离、特征值分解和地理编码等处理,生成平均形变速率图,最终得到该地区2015年4月至2020年12月的时间序列形变监测结果。结果表明:平顶山市区整体形变速率平缓,变电站拟建场地地表形变速率保持在-3~0 mm/a;部分地区存在明显变形,变电站拟建场地东北方向较远区域出现较大形变,形变速率可达-81~-33 mm/a;SBAS-InSAR技术监测精度可以达到mm级,可有效监测采动影响区域与周围未采动影响区域范围内的拟建变电站的地表沉降情况。在实际运用时,发现SBAS-InSAR获取到的形变序列在空间上更为连续,监测区域更加广泛,可监测时间跨度较长的地表形变。