时序InSAR解译西安-咸阳地区地面沉降时空分布特征

采用2015-06~2023-01覆盖西安-咸阳地区的Sentinel-1A卫星数据,以时序InSAR为主要技术手段,结合其他资料,获得西安-咸阳地区地面沉降分布特征和形变速率等信息,并分析地面沉降的原因和演化规律。结果表明,SBAS-InSAR与StaMPS-InSAR所得结果基本一致,地表形变区主要分布在西安中部和南部,主要影响因素为地下水开采,分布与走向受地裂缝与断层影响;咸阳大部分地区处于稳定状态,仅在局部地区有较为明显的沉降,沉降受地下水开采、城市建设等因素影响。

基于SBAS-InSAR技术的港口地表二维形变监测与分析

为了大范围监测果园港港口地表形变情况,预防地面沉降和塌陷所带来的危害,采集2014年11月—2017年11月果园港升轨和降轨的Sentinel-1A号数据,应用SBAS-InSAR技术进行地表形变数据提取与分析。结果表明:得到的垂直方向地表形变变化趋势与水准测量结果相一致;果园港地表垂直方向形变速率为-33.49~13.49 mm·a^(-1),东西方向形变速率为-16.16~29.44 mm·a^(-1);大幅度沉降主要发生在港口的堆场区和交通枢纽处,且沉降速率与距交通线路的距离呈现显著相关。

综合InSAR技术和多源SAR数据在滑坡变形监测中的应用——以吉林治新村滑坡为例

为实现对吉林省治新村滑坡的有效监测,文章选取2017年27景Sentinel-1A数据,基于小基线雷达干涉测量技术(SBAS-InSAR)对治新村滑坡进行形变监测,分析了其时序演化态势。选用2016、2017年2景ALOS-2数据,采用差分雷达干涉测量技术(D-InSAR)监测了该滑坡形变体的特征。SBAS-InSAR对滑坡形变时序演化态势进行监测,而D-InSAR则主要对滑坡具体的形变体进行形变监测,且L波段的ALOS-2数据穿透性强于C波段的Sentinel-1A数据,可以获得更完整的干涉信息,两者监测结果可交叉验证,提高结果的可靠性。SBAS-InSAR监测结果表明:治新村滑坡汇水区滑坡后缘在监测期间发生了沉降,并且在2017年7月5—29日期间滑坡后缘地表沉降达12.47 mm,监测期间平均沉降速率为2.88 mm/a;位于山谷的受威胁居民区发生了抬升,至2017年12月8日平均累计抬升达19.59 mm,监测期间平均抬升速率19.99 mm/a。D-InSAR结果显示:治新村滑坡汇水区斜坡存在5处主要变形体,面积最大变形体17973 m^(2),位于西侧斜坡,最不稳定变形体位于斜坡东侧,监测期间平均累计形变量最大达49.9 mm。两种监测方法都表明,滑坡灾害威胁主要来自植被覆盖较差的西侧斜坡,雨季是治新村滑坡灾害防治的重点时期。

地面沉降时序InSAR技术监测研究

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年覆盖某地区Sentinel-1A影像数据,采用永久散射体雷达干涉技术(PS-InSAR)和短基线合成孔径雷达干涉测量技术(SBAS-InSAR)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,该地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,该地区在2017~2021年之间存在地面沉降现象,最大沉降速率为−130 mm/y,最大抬升速率为40 mm/y,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和寨上街道交界地区,以及西南部的中塘镇和北大港水库附近。

基于InSAR-COMSOL的露天矿边坡稳定性分析及形变预测

露天矿地表形变特征的快速、准确分析及形变趋势精准预测是推进矿山绿色安全生产的重要保障。针对当前形变监测技术存在的时空采样率低、成本高,预测模型参数难确定等问题,以东鞍山露天铁矿为工程背景,提出了一种融合短基线子集干涉测量(SBAS-InSAR)技术和COMSOL有限元模拟的边坡稳定性分析和形变预测一体化方法。首先,利用SBAS-InSAR技术处理2018年5月—2020年6月获取的62景Sentinel-1A升轨SAR数据,获取了该区域2 a内地表形变时间序列,分析了其形变时空演化特征。然后,采用COMSOL Multiphysics软件模拟外界强降雨影响下的典型沉降区域边坡稳定性状况,探讨了坡体损伤裂化规律及形变机理。基于此,利用粒子群算法(PSO)优化长短期时间记忆(LSTM)网络,搭建了形变时序预测最优模型,开展典型沉降区的形变时序预测,并引入平均绝对误差和均方根误差作为预测精度评价指标。结果表明:矿区西部沉降相对严重,年均沉降速率高达47.8 mm/a,形变速率与区域降雨量存在显著相关性。相较于传统形变预测模型,PSO-LSTM模型的2种误差至少降低了14%和36%,且能够有效反映采区地表形变波动趋势,为滑坡灾前预警提供了新思路。

MCJ-UNet:一种双/多通道联合InSAR相位解缠网络

干涉合成孔径雷达(InSAR)可实现地表高程的高效获取,在地形测绘中应用广泛。双/多通道InSAR技术可借助不同通道(基线、频点)的高程模糊度差异,解决相位欠采样问题,完成高程陡变区域的干涉相位解缠,实现InSAR技术在测绘困难区域的有效应用。该文即面向高效高精度相位解缠需求,利用深度学习这一有力工具,结合不同通道的相位特征及相互约束关系,提出了一种双/多通道联合干涉相位解缠网络:Multi-Channel-Joint-UNet(MCJ-UNet)。该网络的构建以双通道(双频、双基线)InSAR为基本观测构型,并可实现向多通道构型的扩展,其构建的核心思路主要包括3点:首先,将干涉相位解缠中的模糊数估计问题转化为语义分割问题,并采用UNet网络完成分割处理;其次,引入挤压激励模块(SE)动态调整信息权重,以增强网络不同通道对其所需信息的感知能力;最后,利用多通道联合约束下的相位残差优化损失函数,实现网络调谐。此外,为避免语义分割结果的边缘细节误差对解缠效果的影响,该文还提出了一种基于多通道联合约束的解缠误差自修正方法,以保证解缠质量。模拟地形仿真数据、真实地形仿真数据以及TerraSAR-X实测数据验证了所提方法的有效性。

基于InSAR技术的天津局部地表沉降特征分析

天津是我国地面沉降最严重的地区之一。本文基于融合分布式的DS-InSAR技术处理了2021年1月—2023年6月的58景Sentinel-1A数据,获取了天津南部地区最新地表形变特征;并结合土地覆盖和水文地质等信息,开展了天津市典型沉降成因分析。结果表明:①天津地面沉降分布差异性较大,不均匀沉降特征明显,西南部地区为沉降重灾区,最大沉降速率达85.2 mm/a;②天津地面沉降与地下水过度开采、地面载荷增加及地质构造密切相关。该研究可为天津市地质灾害防治提供数据支撑和决策依据。

基于时序InSAR技术的信阳市中心城区地面沉降监测

基于小基线集合成孔径雷达干涉技术(SBAS-InSAR)对2018年11月至2022年10月间Sentinel-1卫星数据进行处理,获取了信阳市中心城区该时期的地面沉降变化,并利用永久散射体干涉测量技术(PS-InSAR)对沉降区的同名点进行验证。结果表明:PS-InSAR和SBAS-InSAR沉降结果保持了良好的一致性;信阳市中心城区整体呈现“老城稳定,新区沉降”的特征,其中羊山新区地表沉降最为明显;利用SBAS-InSAR技术进行城市沉降监测具有一定的适用性和可靠性,可为信阳市中心城区地表沉降的监测和预警工作提供参考。

基于时序InSAR技术的云南文山砚山机场跑道形变监测研究

飞机跑道是保证飞机安全飞行的重要基础设施,一旦发生形变,将会对机场的安全运营造成重大影响。文山砚山机场位于云南省东部石灰岩地区,地质条件极不稳定,传统的形变监测技术难以对其进行长期连续的形变监测。本文基于InSAR技术,选取2020年1月至2024年1月共60景Sentinel-1A SAR数据,分别采用SBAS-InSAR与PS-InSAR技术提取云南文山砚山机场跑道的形变信息,并将两种方法得到的结果进行交叉验证,分析机场跑道地表形变的时空变化特征以及发生形变的原因。研究结果表明:(1)SBAS-InSAR与PS-InSAR反演的结果基本是一致的,证明SBAS-InSAR技术得到的机场形变信息是可靠的,可用于后续的分析研究;(2)文山砚山机场跑道在近4 a以来存在着不均匀沉降,其中机场跑道中心位置出现了抬升,在跑道首部位置、尾部位置及航站楼的位置出现了一定的沉降,使得机场跑道呈现出中间高、四周低的现象,该机场最大的抬升速率为9.99 mm/a,最大沉降速率为-4.76 mm/a,最大抬升量为33.5 mm,最大沉降量为-24.3 mm。研究结果说明SBAS-InSAR技术在机场跑道的形变监测中是适用的,可为机场的管理维护和安全运行提供准确的数据参考和科学的决策依据。

时序InSAR在识别阳朔县潜在滑坡中的应用

利用阳朔县2018年1月—2019年12月的30景哨兵-1A(Sentinel-1A)数据,采用短基线集合成孔径雷达干涉测量技术(SBAS-InSAR)和永久散射体合成孔径雷达干涉测量技术(PS-InSAR)提取阳朔县地表形变。结果表明,SBAS-InSAR监测形变速率为-20.1~16.7 mm/a,PS-InSAR监测形变速率为-24.4~24.6 mm/a,两种方法得到的结果较为一致。滑坡隐患主要分布在公路沿线边坡和乡村山岭人为开采地带,沉降多受生产建设等人为活动影响,加之地质结构较为复杂的特点,在持续降雨的影响下,加速下沉。该案例证明了InSAR作为新兴雷达测量手段,可以准确高效地识别丘陵山区滑坡隐患。

加权信息量支持下融合InSAR形变特征的滑坡易发性评价

使用SBAS-InSAR处理六盘水市水城区2018-07~2019-08共69景Sentinel-1A卫星影像,获取地表形变作为动态评价因子,用于完善传统滑坡易发性评价研究缺乏动态特征数据应用的问题。结果表明,使用10种静态评价因子融合InSAR形变特征数据作为动态评价因子,在耦合层次分析法与信息量法的加权信息量模型下对比仅使用静态特征数据,ROC曲线下面积分别为0.756 02和0.888 68,模型性能提升约13.3%;再将历史灾害点叠加于2种分区图下检验分区精度,相比于未融入形变特征,融入形变特征可纠正约12.44%的误分类区域,能较好地提升分区的可靠性。

中尼公路聂拉木至樟木段InSAR广域地灾隐患识别与特征分析

基于2017-04~2019-06共130景Sentinel-1A卫星升降轨影像,采用StaMPS-SBAS InSAR方法,并融合GACOS大气校正,对中尼公路聂拉木至樟木段进行大范围地质灾害隐患点探测和识别。结果表明,研究区内共发现54处隐患点,组成多处滑坡群,升轨最大形变速率达114 mm/a,降轨最大形变速率达122 mm/a。结合研究区降水数据统计分析可知,有35处隐患点形变与降水有关,形变季节性特征明显。本文研究结果有助于了解该路段地表形变趋势及成因,丰富该地区地灾隐患点历史记录,为该地区地质灾害隐患的持续监测提供参考。

基于PySide的时序InSAR处理可视化及形变监测实验

基于PySide等Python开源扩展包设计了时序InSAR处理可视化软件,用于实验教学。软件集成了影像搜索、像对组合、干涉解缠、时序处理、结果展示等功能。以山东省菏泽市郓城县城区地表沉降监测为例,进行实验处理,并与PSDS-InSAR方法进行精度对比。相较于传统命令行操作方式,该可视化软件极大地简化数据处理的复杂性,软件处理结果与PSDS-InSAR所得结果的相关性为0.9866。软件提高实验效率,降低实验难度,改善了实验效果,结果精度表明该软件也可直接应用于工程实践。

基于时序InSAR的老挝桑片-桑南内水库大坝溃坝回溯研究

InSAR是一种用于水库大坝表面位移监测的新技术,具有周期性、低延迟的特点,且能回溯历史数据。利用老挝桑片-桑南内水库大坝溃坝前期及溃坝期间的卫星影像,收集溃坝前后的大坝表面位移监测数据和降雨数据,对大坝自身和管理方面的溃坝原因进行了分析,结果表明大坝溃坝前已发生较明显的异常变形趋势。本研究将InSAR技术引入大坝风险管理中,能有效减少溃坝事故的发生。

基于PS-InSAR技术的地表形变监测与驱动力分析

以昆明市官渡区为研究区,基于PS-InSAR技术,结合2019年1月—2021年12月覆盖官渡区的36幅Sentinel-1A升轨数据和36幅Sentinel-1A降轨数据,提取研究区内沿雷达视线向地表形变速率,并结合地理探测器对坡度、坡向、高程、降雨量、土地覆被类型、道路密度、距铁路的距离以及距地铁的距离进行单因子和多因子交互的驱动力分析。结果表明,升轨形变速率范围为-30.67~18.27 mm/a,降轨形变速率范围为-24.58~24.36 mm/a,共识别出4个沉降漏斗;通过升降轨数据的交叉验证,证明了利用PS-InSAR技术监测地表形变的可行性;距铁路的距离对官渡区地表形变空间分异的影响最强,同时多因子交互作用增强了地表形变的空间分异。

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。

基于创新能力培养的3S技术及应用综合实验设计与实践——以地表沉陷InSAR数据处理为例

为提升实验课程效果、培养学生的创新能力,结合新时期防灾减灾专业人才需求,开展了3S技术及应用综合实验设计与实践研究。首先,明确了3S技术及应用综合实验课的目标,提出了相应的实验内容及实践步骤。其次,以地表沉陷专题为例,设计了以InSAR数据处理为主线的实验方案,包括具体的实验环节和实验过程。该实验充分融合3S技术及应用课程内容,有效结合课堂理论、学生科创、科研实践等,有助于提高学生的学习热情、增强学生的综合能力和创新意识。

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。

基于PS-InSAR技术的晋城矿区地表形变监测及地质灾害风险预警

地表形变是一种严重的地质灾害现象,不仅严重影响灾害区居民的日常生活,而且会造成巨大的社会经济危害,尤其在采煤区。针对传统地表沉陷监测方法费时费力、无法获取地表沉降面状信息、难以进行地表沉陷灾害评估的不足,基于高分辨率SAR卫星影像,利用永久散射体合成孔径雷达干涉测量(PS-InSAR)技术对山西省晋城市晋城矿区2018年1月至2018年12月期间地表沉陷进行监测,分析获取了该地区地表连续形变情况,并利用该技术获取的海量PS点建立支持向量机(SVM)地质灾害风险评估预警模型,对晋城矿区周边居民点地质灾害风险进行了识别和预测。结果表明:晋城矿区10个煤矿及其周边区域存在较大的地表形变;晋城矿区平均LOS向年平均地表形变速率范围为-37~30.3 mm/a;PS-InSAR技术在晋城矿区地表形变监测中具有可行性,且可以实现矿区地质灾害风险综合识别和预警。

基于SBAS-InSAR技术的雅鲁藏布江色东普沟地质灾害发育特征与复活趋势分析

随着全球气候不断变暖,青藏高原发生地质灾害的频率和危害强度大幅增加,对川藏铁路沿线的滑坡泥石流进行及时有效的监测和防治具有重要意义。文章选取了2016年7月至2020年1月之间的Senti⁃nel-1A数据,解译和分析了区域内地物发生的变化情况,采用SBAS-InSAR技术对雅鲁藏布江沿岸的色东普沟发生高位冰崩地质灾害链致灾过程和复活趋势进行了研究。结果表明:依据区域内时序相关性的变化情况推断出的灾害事件与SBAS-InSAR的灾害探测结果具有高度一致性,SBAS-InSAR对冰崩-岩崩-滑坡泥石流等灾害链进行监测是一种有效的手段;色东普沟自2018年致灾以来,新增5处变形体,累计形变量均已超过40 mm,存在复活迹象。随着气候变暖、降雨量增加、冰川消融,色东普沟在今后相当长的时期内仍会保持此类灾害事件的高发频发态势,应进一步加强该区域地灾监测,提前开展防治工作。