基于时序InSAR的九龙江河口地区地面沉降时空演变规律及成因分析

为探明九龙江河口地区地面沉降情况,本研究采用小基线集合成孔径雷达干涉测量(small baseline subset interferometric synthetic aperture radar, SBAS-InSAR)和永久散射体合成孔径雷达干涉测量(persistent scatterer interferometric synthetic aperture rader, PS-InSAR)技术获取了2017年1月至2022年3月地面沉降的时空分布信息和演变规律,并结合实地调查数据和水文地质调查监测资料对地面沉降成因进行了系统分析。研究结果表明:SBAS-InSAR和PS-InSAR两种方法均发现在研究期间九龙河口地区地面整体呈现出沉降趋势,SBAS-InSAR监测结果发现研究区沉降速率为6.2 mm/a;研究期间该区域的沉降中心持续扩大且沉降量呈增加趋势,最大累积沉降量达到250 mm以上,主要分布在浮宫镇中南部地区、海澄镇、东园镇中南部地区、角美镇和榜山镇东南部地区;该区域由于大量抽取地下水用于养殖,地下水位下降,引起淤泥层发生固结排水、压密,从而导致地面沉降。

基于StaMPS-PS时序InSAR对流层延迟改正方法评估

时序分析是合成孔径雷达干涉测量(InSAR)的一项关键技术,它被广泛应用于监测广阔地区的地表缓慢形变。这种方法能够提供大范围、大面积的形变监测。其中,StaMPS PS方法凭借适用范围广、开源等优点,受到众多学者的使用。但在时序InSAR中,对流层延迟相位会导致形变监测精度的降低,因此,以合肥市为研究区域,分析了经验模型线性改正、GACOS(generic atmospheric correction online service for InSAR)改正和欧洲中期天气预报中心(ECMWF)最新发布的ERA5数据集改正,并对比这3种方法在时序InSAR反演形变速率中的改正效果。通过计算得到研究区的标准差,进行比较分析和验证。其中线性改正、ERA5和GACOS改正后的标准差分别降低了21.71%、16.14%、10.38%。对于合肥区域,这3种方法均可减弱对流层延迟的影响,且精度都有所提高,其中线性改正效果最好,适用性更高,ERA5和GACOS受天气以及地面监测点密度等影响,在该区域改正效果较差。

时序InSAR揭示北京市地面沉降减缓及其与地下水变化关系

北京地面沉降具有持续时间长,影响范围广,危害程度大等特点。实时监测北京地表沉降变化特征,及时根据地下水位变化分析沉降趋势对相关政策制定、城市建设发展具有重大意义。因此,本文利用时序InSAR技术获取2017—2022年北京海淀区,朝阳区和通州区3个主要沉降区的形变信息,并对比分析升降轨道探测的形变结果,以此验证时序InSAR的可靠性。时序InSAR结果显示,北京沉降分布不均,沉降中心连片持续发展,最大沉降速率超过100 mm/yr。从逐年沉降区面积、最大沉降速率和时序点累积沉降量上看,北京地面沉降减缓特征明显。结合时序地下水位分析,地下水位下降是2020—2021年时间段地面沉降继续发育的主要原因。

基于时序InSAR技术的桥梁形变监测关键技术研究

桥梁结构安全监测是桥梁运营维护的重要手段,但传统的监测方法无法同时满足当前对于桥梁监测低成本、高精度的需求。随着遥感数据精度及质量不断提高,小基线集干涉测量(SBAS–InSAR)技术成为监测地表形变的重要方法。以陕西省咸阳市渭城区沣泾大道高架桥为例,利用InSAR技术对哨兵1号数据进行处理,通过优化关键参数,有效提高了桥梁监测结果的精度和质量。结合实测数据对InSAR监测值进行相关性分析,二者呈显著性相关。该研究结果表明,InSAR技术在桥梁监测方面具有较高的准确性和可靠性,可为桥梁形变监测提供技术支撑,更好地服务于桥梁日常的运营维护工作。

闭坑煤矿采空区隐患高分辨率时序InSAR识别技术

在实际应用过程中,由于采空区隐患分布地质结构差异较大,传统InSAR识别技术在单位时序下处理相位信息量较大,且前期检测采集信息量巨大,造成所得识别结果出现偏差的概率明显增加。为解决这一问题,引入高分辨率时序InSAR识别技术,主要通过建立闭坑煤矿采空区隐患高分辨率数值模型、相干目标的高分辨率时序InSAR分析、特征值分解相位时序InSAR识别3部分,优化识别全局参量,提升识别环境变量的处理能力,实现快速识别隐患特征的效果。经过仿真数据的对比,实验表明,高分辨率时序InSAR识别技术具有识别能力强、处理速度快、隐患识别准的优秀能力,能够解决当下传统识别技术存在的不足,且未来发展前景广阔。

基于时序InSAR技术的中贵天然气管道天水市段沿线滑坡隐患识别与形变分析

中贵天然气管道天水市段沿线地处黄土高原,地貌类型多样、构造活跃、复杂地质条件下发育多种具有隐蔽性和潜伏性的地质灾害,其中滑坡灾害对中贵天然气管道的安全危害极大,因此,对中贵天然气管道天水段沿线滑坡隐患进行有效识别与分析具有重要意义。采用Sentinel-1A升降轨卫星数据,基于时序合成孔径雷达干涉测量(synthetic aperture radar interferometry,InSAR)对中贵天然气天水段沿线滑坡隐患进行了解译识别、现场复核、发育特征与典型滑坡形变分析。研究区共识别17处滑坡隐患点,现场复核最终确定13处,其余4处为人类工程活动区,其中常沟村和磨峪沟村滑坡形变受降雨影响。统计发现研究区管道沿线滑坡多发生在坡度40°~50°,高差400~600 m,东北坡向和距管道100~150 m范围内,且岩土体强度较低,地层以第四系全新统冲洪积层(Q_(4)^(a1+p1))为主。结果表明:联合升降轨的时序InSAR技术可以有效识别管道沿线滑坡隐患,为油气管线的安全运营及今后油气管道选线提供重要的科学依据和参考。

时序InSAR地铁沿线地表形变监测研究

近年来我国陆续建设多个填海区以缓解城市用地紧张,为研究在填海区兴建地铁对沿线填海区地表的影响,本文以横穿大连填海区的地铁二号线沿线周边地区为研究区域,基于2019年10月~2020年10月的32景Senitinel-1A数据,采用时序InSAR分析方法中的SBAS-InSAR与PS-InSAR分析方法进行地表形变监测研究,利用两种方法的结果进行交叉分析、验证。实验结果表明:总体上,地铁沿线地表年均沉降量总体在-20 mm/a~+10 mm/a范围内,形变量集中在-6.7 mm/a~+7 mm/a范围内,地表轻微沉降在安全范围内;在东港填海与原有陆地交接区,发现3处区域地表形变明显,尤其在海之韵站周边范围内地表沉降较为严重,最大沉降速率为-20 mm/a,经实地验视3处区域均有明显形变。

秦皇岛段明长城时序InSAR遥感动态监测

地面沉降是京津冀地区常见的地质灾害之一,地面不均匀沉降对于明长城的保护存在着潜在威胁,从而造成不可逆转的损失。文章采用2016—2018年的53景Sentinel-1数据,基于永久散射体合成孔径雷达干涉测量(persistent scatterer interferometric synthetic aperture Radar,PS-InSAR)和小基线集(small baseline subsets,SBAS)技术获取秦皇岛段明长城地表形变信息。将合成孔径雷达(synthetic aperture Radar,SAR)数据基于不同的处理方法获取的形变结果进行交叉验证检验监测结果的精度,得到两者数据线性相关性R 2达到0.81。结合地下水水位变化、地质构造、地层岩性数据、土地利用数据及高速公路铁路分布等辅助数据,对明长城沿线沉降进行成因分析。最后基于广义回归神经网络(generalized regression neural network,GRNN)对明长城沉降进行预测。结果表明:秦皇岛段明长城沿线表现出不同程度的形变,形变严重的区域主要集中在东部及东北部区域,最大沉降速率超过-12 mm/a;地面沉降与地下水开采关联不大;明长城在与断裂带相遇前后沉降速率表现出微小差异;沉降严重区主要发生在第四系全新统黏土层;交通道路运营暂时未对明长城沿线沉降造成较大影响。GRNN预测结果表明未来明长城沿线沉降有逐渐增大的趋势,部分区域需要重点关注。研究对位于山地地貌明长城进行系统的监测和整体保护提供技术支持。

基于多源时序InSAR的三峡坝区形变监测分析

自2003年三峡库区蓄水以来,水位的大幅上升和周期性变化,给三峡大坝及其周边环境的稳定性造成威胁,三峡坝区的形变监测一直备受关注.随着InSAR技术的不断发展,其在基础设施与地质灾害形变监测领域发挥着越来越大的作用.采用时序InSAR技术对获取的2015年-2019年L波段ALOS2 PALSAR2数据集和2015年-2022年C波段Sentinel-1数据集进行处理分析,发现三峡大坝与茅坪溪大坝存在与蓄水相关的周期性形变,振幅约为1.1 mm和3.2 mm,茅坪溪大坝左岸护坡、关门洞地区与银杏沱填埋区分别存在28、40、40 mm/a的显著形变.采用指数衰减模型对银杏沱填埋区形变过程进行拟合,结果表明填埋区可在2040年达到稳定状态。研究表明,InSAR技术有助于加深对地表形变的认识理解,为地质灾害治理与决策提供依据.

基于时序InSAR的西南科技大学地表形变监测与分析

以西南科技大学青义校区为研究区,利用SBAS-InSAR和PS-InSAR对52景升轨Sentinel-1A雷达影像,分别获取了研究区2017年6月至2020年11月的地表形变速率及时序形变量。结合相干性系数、形变速率、方差及标准差对两种时序InSAR结果进行检验对比,从自然、人为因素两方面探讨了研究区地表形变机理与演化过程。结果表明:研究区存在多处显著沉降,最大垂直沉降速率可达15 mm/a,地表形变与学生公寓楼、道路扩建等人为因素有关,地表沉降区与强降雨、岩性及地势地貌关联紧密,地层界线与地表形变不显著相关。相较而言,两种监测结果总体一致性较好,SBAS-InSAR相比PS-InSAR的监测结果稳健性更好。

广域InSAR时序分析技术对华北平原地表形变的监测

基于2015—2019共4年的合成孔径雷达(SAR)卫星影像,提出一种广域合成孔径雷达干涉测量(In-SAR)时序分析技术,对华北平原的地表形变进行高精度连续监测。首先对SAR影像进行干涉处理,得到干涉图。在此基础上,使用经过并行化改进的永久散射体技术斯坦福改进(StaMPS)方法,提取干涉图中所有永久散射体(PS)像元,获取研究区域全分辨率的时序形变信息。之后,使用大气模型校正法与共景叠加法相结合的联合大气校正方法,估计并去除形变信息中的大气噪声。经过上述处理流程后,成功地获取华北平原地表大空间尺度、长时间跨度、全空间分辨率和高精度的形变信息,进而监测到平原内部由长期地下水开采导致的高达100mm/a的大范围强烈沉降信号。相较于既有算法,并行化StaMPS方法通过在多个计算节点之间的实时分配,节约至少60%的计算时间,联合大气校正方法则可以去除约74.3%的大气噪声项,有效性显著高于两种校正方法的单独使用效果。广域InSAR时序分析技术可以有效地实现对大范围地表形变的高精度连续监测。

基于时序InSAR监测的VMD-SSA-LSTM矿区地表形变预测模型研究

矿区地表形变引起的滑坡、塌陷等灾害对矿山安全生产造成了极大影响,因此对地表形变进行预测对于矿山安全开采和灾害预警预报具有重要的现实意义。采用时序InSAR技术获取矿区面域式地表形变数据,结合变分模态分解算法(VMD)对其进行分解,通过构建麻雀优化算法(SSA)与长短期记忆神经网络(LSTM)相结合的预测模型,对分解后的形变分量进行综合预测;以云南省玉溪市大红山矿区为例,利用该模型对其地表形变进行了预测,结果表明:VMD算法在一定程度上可以解决矿山地表形变数据时序特征复杂且难以直接分析判别的问题;SSA-LSTM预测模型通过智能搜索算法自动寻找预测网络模型超参数,有效减少了人为因素对模型预测效果的干扰,模型预测结果的决定系数R2均大于0.96;同时,该模型采用“多维输入”的方式训练模型,提高了训练效率;该模型在预测精度、训练效率等方面均取得了较好的效果。采用VMD-SSA-LSTM预测算法对时间序列InSAR监测下的形变数据进行分析能有效预测矿区地表形变,可为矿山安全生产管理提供参考。

时序InSAR水库形变监测应用研究

河口村水库作为黄河下游防洪工程体系的重要组成部分,准确快速地获取水库时空形变具有重要的意义。合成孔径雷达干涉测量具有高精度、大范围、时空连续性等优势,为水库形变监测提出了一种新方法。选取覆盖河口村水库2020年1月15日—2020年12月4日的24景Sentinel-1A升轨影像,结合水库环境的特殊性和复杂性,采用适合实际需求的时序SBAS-InSAR技术,获取了水库的时序形变信息,并重点研究后坝区形变特性。通过地面GNSS监测数据和实地考察,验证了InSAR技术对水库监测具有较高的适用性,为后续水库的稳定性评价和黄河下游大堤防洪压力评价提供数据支撑。

时序InSAR滑坡探测与DEM误差影响分析

以贵州省西南山区为例,针对地质灾害隐患早期识别的实际情况和需求,开展差分干涉测量和时序InSAR方法的对比实验,以验证时序InSAR在抗误差干扰、探测微小形变、捕捉形变序列演化趋势等方面的能力;再基于高精度LiDAR DEM数据进一步研究DEM误差对时序InSAR处理结果的影响。实验表明,时序InSAR方法无法完全剔除DEM误差,从而导致形变速率、形变序列估计不准,在开展精细化InSAR形变分析时应尽可能选取高精度的外部DEM数据,以保证正确估计地质灾害隐患形变特征。

多时间基线集时序InSAR形变监测:以平寨水库为例

时间基线对于时序InSAR形变提取有着重要影响。本文针对植被覆盖率与含水量较高、地形起伏较大的山地区域形变信息提取较困难的问题,以贵阳市平寨水库为研究区,获取Sentinel-1A雷达卫星2019年1月至2020年12月的历史影像数据,构建不同时间基线集,对比分析提取的地表形变信息;按照时间基线和最短的原则,选择最适宜研究区形变提取的基线条件,基于SBAS-InSAR技术获得研究区两年的沉降速率情况。结果表明,该研究区域时间基线集为60 d时提取的形变信息最为准确,存在误判和缺漏较其他时间基线集少。同时,结合贵阳市2019—2020年月平均降雨量数据及几何水准监测数据,分析了坝体形变时序变化与降雨量的关系,得出降雨量与坝体形变存在较强相关性,且基于SBAS-InSAR技术提取的形变信息与水准监测结果具有趋同性的结论。

时序InSAR技术在三峡库区特高压输电通道滑坡隐患识别的应用

位于三峡库区的特高压输电线路是我国电力供应的重要一环,由于三峡库区以滑坡为主的地质灾害频发,严重威胁了特高压输电线路的安全,因此滑坡的监测和识别对特高压输电线路的安全运行尤为重要。针对三峡库区复杂的地形和气候条件,本文提出自适应优化构网的方法,并应用于时序InSAR处理流程,对三峡库区万州—巴东的84景Sentinel-1数据进行处理,实现特高压输电通道的地表形变监测。使用同步观测的北斗卫星导航系统观测数据和金鸡岭滑坡的实地考察数据,验证了时序InSAR监测结果的可靠性。根据时序InSAR的监测结果,在输电通道内识别出8处明显的滑坡隐患,进一步对监测的金鸡岭滑坡时间序列形变进行分析,发现该滑坡的形变特征与降雨、库水位和工程扰动有一定的关联。

基于时序InSAR的改进型PIM矿山采空区沉降模型构建与应用

利用InSAR监测矿山采空区地表沉降的过程中易在沉降中心周围产生失相干现象,导致形变结果缺失,无法获取准确的沉降区模型。基于此,提出了一种结合时序InSAR与PIM(Probability Integral Method)的监测方法,以云南省玉溪市大红山铁矿地下采区某工作面为研究对象,首先计算出时序InSAR累积沉降量,并提取其沉降区边缘的高相干点,结合少量沉降中心水准点,利用改进型PSO(Particle Swarm Optimization)算法获取PIM参数,并通过克里金插值法建立采空区地表整体沉降区模型,利用少量水准点数据对该方法的可靠性和精度进行验证,结果表明,该方法获得的沉降区分布与实际相吻合,其沉降区监测精度比单独使用时序InSAR或PIM的更高,可用于矿区地表沉降信息的准确获取。

基于时序InSAR和GIS技术的城市地表沉降分布式监测研究

针对地下水开采和地质结构变化等情况导致的地表塌陷问题,研究了一种综合时序InSAR和GIS技术的城市地表沉降分布式监测方法。基于传统的InSAR技术运用孔径雷达合成三维空间信息图像,通过差分处理图像干涉相位。利用GIS技术与时序相结合,识别提取特征PS点构建时序形变图像,分析解缠相位关系,修正地形图像基线参数,精确计算地表沉降平均值和单位沉降量,实现对观测区进行具体的分布式监测分析。通过实验证明,研究的方法能够有效实现对复杂地形区域的地表沉降分布式监测,与实际监测误差不超过0.8%,具有良好的应用效果和监测效率。

基于InSAR技术的临沂市地面沉降演化特征及成因分析

基于覆盖临沂市2018—2020年29景Sentinel-1A数据,采用PS-InSAR和SBAS-InSAR时序处理方法获取2018年1月至2020年12月临沂市及周边地区地面形变分布信息。结果表明:两种方法的形变监测结果具有一致性,形变速率都表现为自西南向东北沉降—稳定—沉降的趋势,研究区地面沉降主要集中于临沂市区中西部及苍山县、郯城县,市区往西有连接成片的趋势,大部分区域年均形变速率集中在-20~20 mm/a。根据沉降速率明显的漏斗分布情况,分析了因采空区塌陷、地下水超采和人类工程活动等因素而引起的地面沉降现象。

时序InSAR与GWO-VMD相结合的地表沉降预测

地铁作为城市地下公共设施的重要组成部分,其地表沉降状况及发展趋势一直备受关注。因此,基于合成孔径雷达干涉测量技术获取了2018年至2021年昆明市地铁运营区地表沉降信息。经过分析,发现昆明市地铁网络沿线存在不均匀性沉降,且部分地区沉降漏斗发育明显且有扩大趋势;通过对重点漏斗区域进行信息采样,采用灰狼算法结合变分模态分解算法分解地表沉降数据,将复杂地表沉降信息分解为趋势项、周期项和随机项地表沉降;利用在线贯序学习机对不同分量沉降数据进行预测,并将预测结果重构从而得到累积地表沉降预测结果。该预测模型具有泛化能力强,拟合速度快,预测精度高等特点,预测结果决定系数R 2达0.98,为地表沉降预测工作提供了一种新方法。