利用短基线集干涉测量时序分析方法监测北京市地面沉降

利用差分干涉测量短基线集时序分析方法，基于ENVISATSAR数据，研究了2003～2010年期间的北京地区主要地面沉降区域的空间分布特征。对两个相邻轨道的结果进行对比验证，相关性达到了0．87，RMS为4．9mm／a，显示了结果的可靠性。InSAR时序分析结果发现，2003～2010年期间，北京的主要沉降区域在快速沉降，而且呈加速趋势。朝阳区和通州的部分沉降中心在2007～2010年期间年平均沉降速率达到了100mm／a。

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。

新疆西准噶尔沙吉海地区地表形变时空特征分析及其环境意义

煤矿地下开采形成的采空区对地表工程和周围环境造成严重的破坏,造成沙吉海矿区周围生态脆弱,草场面积缩减。长期废弃的矿井由于不清楚地下开采情况及范围,所以难以进行有效治理。通过长时间大范围的采空区形变特征监测,对于地质灾害预防和治理来说具有重要意义。基于2017年3月19日—2019年12月22日73幅覆盖沙吉海矿区的Sentinel-1A影像,采用差分干涉测量短基线集时序分析技术(small baseline subset interferometric synthetic aperture radar, SBAS-InSAR)获取时序地表残余变形,此外通过克里金插值法获取了整个研究区完整的形变信息,监测到研究区平均变形速率在-148.44~38.05 mm/a,最大累积形变量达-1 418.42 mm。分别得到废弃采空区和正在开采矿井工作面的形变特征,正在开采煤矿采空区呈漏斗形变形,废弃采空区沉降呈多点分散形,变化不均匀。经过对沙吉海矿区详细的野外调查,验证了SBAS-InSAR结果的可靠性。最后,结合野外验证结果分析了煤矿采空区围绕沉降中心呈漏斗形演化的过程。研究成果可为老旧采空区治理提供参考,对采空区变形预测具有指导意义。

基于InSAR技术的地表形变监测与影响因素分析

地表形变引发的地质灾害屡见不鲜,尤其是在城市区域,其严重阻碍了城市化的可持续发展。为了评估城市地表形变引发地质灾害的风险,高时间空间分辨率的地表形变监测分析变得尤为重要。本文基于2019年1月至2021年1月的Sentinel-1A卫星影像,利用SBAS-InSAR以及PS-InSAR技术获取南昌市地表形变的时间序列,并结合小波周期分析和灰色关联度分析评估形变区域与气候环境的相关性。研究表明,南昌市的中心城区受到城市建设和黏土层厚度的影响,表现出大范围的沉降信号;东南部的农业生态地区由于地下水的补充而表现出抬升的信号。周期分析进一步表明南昌市地表形变皆受降水量变化的影响。本研究结合外部数据,从多个角度考察了地铁线路在变形幅度较大的地区发生沉降灾害的可能性,为防灾减灾提供参考。

基于卫星InSAR技术的地质灾害隐患点探测与形变分析

地质灾害的频繁发生直接或间接地给自然环境和社会带来了不可逆转的巨大危害,近年来我国也在不断加强地质灾害早期识别和防治的力度.合成孔径雷达干涉测量(InSAR)技术以其全天时、全天候、高精度、大范围监测的优势,成为一种重要的形变监测手段.本文以贵州省黔东南州地质灾害隐患排查为例,采用差分干涉测量(D-InSAR)和小基线集(SBAS)时序InSAR技术分别处理了ALOS-2/PALSAR-2和Sentinel-1雷达数据.选取具有代表性的4个隐患点区域重点讨论,结果展示了D-InSAR在大范围地表形变探测以及SBAS在高精度形变监测中的优势,同时表明两种方法在地质灾害隐患普查中可以互相补充,提升地灾隐患的识别能力.此外,获取的隐患点雷达视线方向累积形变序列和平均形变速率,可为贵州省地质灾害防灾减灾提供有价值的参考.

SBAS-InSAR技术在矿区地表沉降监测中的应用

滩地和沙丘地区的矿区地表形变具有复杂性和特殊性,常规监测手段无法获得长期有效的监测结果,传统的雷达差分干涉测量技术(DInSAR)易受时空失相干、大气延迟等因素的影响而降低监测精度。以营盘壕煤矿2101和2201两个工作面为例,采用差分干涉测量短基线集时序分析(Small Baseline Subset-Interferometry SAR,SBAS-InSAR)技术对Sentinel-1A的84轨道的17景数据进行时序分析,获取了矿区2018年9月8日至2019年3月19日的累计沉降量和沉降速率等信息,直观地展现了矿区沉降状况。对研究区监测结果进行点、线、面的分析,发现累积沉降量和时间呈线性关系,新开采的区域的沉降在整个区域沉降中影响最大,较晚开采的区域在矿区沉降中为主要影响因素。

时序InSAR技术在太原地铁沿线形变监测中的应用

城市轨道交通的建设与运营会引起地铁沿线的持续形变而造成地面沉降,给地面及地下基础设施带来安全隐患。为了解太原市首次开通运营太原地铁二号线一期线路以来沿线地面形变情况,以二号线一期工程沿线为研究对象,使用2020年6月至2021年11月共20景Sentinel-1A影像,基于永久散射体、小基线集技术对研究区进行地面形变监测。研究表明,两方法所得沉降分布情况、形变时序分析结果有很高的一致性,线路沿线最大沉降为31.96 mm,最大沉降速率为32 mm/a,存在三个较明显的沉降区域,推断与其处于大规模的不断的城市建设区域密切相关。本次研究可为后续太原市地铁建设沿线地表形变监测提供参考。

基于双模式驱动时序InSAR技术对天津滨海

为解决传统地面监测手段成本高、观测周期长等问题,时序干涉合成孔径雷达(InSAR)技术广泛应用于机场形变监测研究中,但不同单一时序InSAR技术均存在监测缺陷。差分干涉测量短基线时序分析技术(SBAS-InSAR)技术仅适用于大范围区域监测,缺乏单个地表点分析。永久散射体合成孔径干涉测量(PS-InSAR)技术过度依赖相干性,局限于线性形变。为解决单一化监测手段所存在的问题,采用双模式驱动时序InSAR(DMTS-InSAR)技术对机场形变进行分析。基于21景Sentinel-1A升轨雷达影像,以天津滨海国际机场局部区域为研究区,对DMTS-InSAR技术的监测结果进行评估,克服了单一技术分析的局限性。评估后发现滨海国际机场局部区域存在沉降现象,其中机场停机坪处的形变最为显著,最大垂直沉降速率达到25 mm/a。结果表明,利用DMTS-InSAR技术监测机场形变,可获取更为准确可靠的形变结果。

小波-LSTM神经网络在地铁沿线沉降预测中的应用

为缓解城市交通压力,地铁工程的修建日益加快,但其施工、运营都会造成沿线地表沉降,为有效预防地表沉降引起的地质灾害。本文基于51景升轨Sentinel-1A卫星影像,应用差分干涉测量短基线集时序分析(SBAS-InSAR)技术获取青岛地铁三号线沿线地表形变信息,分析地铁沿线主要沉降区域的成因,并对沉降区域内的特征点使用小波分解、重构,对降噪后的形变时间序列进行了模拟和预测。发现了4个主要的沉降区域,其中青岛北站周边沉降最为严重,沉降速率为-10.42 mm/a。优化后的长短期记忆(LSTM)神经网络模型对形变时间进行预测,其精度比传统LSTM、多层前馈BP神经网络模型更优,证明该模型在城市地铁沿线的地质灾害预防中具有广泛应用价值。

基于SBAS-InSAR技术的成汶高速汶川段滑坡易发区选线研究

西南山区地质构造复杂导致大量的滑坡分布.为了科学有效的指导西南山区道路选线,提前规避地质灾害高风险,滑坡灾害早期识别必不可少.合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)技术因其全天候、多时相等特点被广泛应用于滑坡灾害的早期识别中.收集了87景Sentinel-1A降轨数据,利用差分干涉测量短基线集时序分析(small baseline subset interferometric synthetic aperture radar,SBAS-InSAR)技术对成汶高速路汶川段进行形变区的识别与分析,结果显示共识别出10处,经野外复核均为处于持续变形中的滑坡,有较好的一致性.根据早期识别结果,对3个比选方案进行综合对比分析,确定方案B为最优选择.SBAS-InSAR技术能有效识别山区公路潜在滑坡隐患区,为山区公路的准确选线提供科学依据.