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PS-InSAR技术的昆明地铁4号线沿线地面沉降监测研究

随着城市化进程加快,地表形变问题日益严重,逐渐威胁到城市基础设施的安全和健康发展。永久散射体合成孔径雷达干涉技术(persistent scatterer interferometric synthetic aperture radar,PS-InSAR)在监测城市基础设施地表形变领域有着独特的优势。针对地铁运营中引发的地面沉降,本研究基于30景Sentinel-1A卫星影像数据,利用PS-InSAR技术对昆明4号地铁线进行地表形变监测,并用地理加权回归对沉降结果进行插值处理,得到连续的沉降速率。研究结果表明,地铁4号线运营以后,研究区内的抬升速率由53 mm/a提升到85 mm/a;沉降速率由74 mm/a提升到137 mm/a,4号线运营后年累计沉降值约为运营前的两倍,最大累计沉降值高达171 mm,最大累计抬升量为106 mm。研究发现监测区的地表形变均与形变区的地质条件和工程施工有关。

基于PS-InSAR技术的西藏龙巴萨巴湖冰碛坝表面形变特征分析及影响因素

冰碛湖坝体表面形变是指示坝体稳定性的重要参数。针对高寒区冰碛坝形变监测,合成孔径雷达干涉测量(InSAR)技术仍然存在一定的技术缺陷,而基于永久散射体合成孔径雷达干涉测量(PS-InSAR)的遥感技术方面应用尚未见报道。西藏龙巴萨巴湖位于中国和印度、尼泊尔交界处,其冰碛坝具有高溃决风险。本文基于75景Sentinel-1A影像及PS-InSAR技术,以龙巴萨巴湖冰碛坝为研究对象,分析2017年2月至2023年4月期间,坝体表面形变特征及影响因素。结果表明:(1)2017-2023年龙巴萨巴坝表面体总体呈下沉趋势,平均形变速率为-2.76±0.66 mm/a。坝体明显表面下降区主要分布沿湖水岸一带,占坝体总面积的43.3%,平均下沉速率为16.82±1.55 mm/a,坝体中部存在东南-西北贯通的显著沉降区,其中最大形变永久散射点(PS点)形变速率达到-81 mm/a;中部坝体出现抬升现象,抬升区面积占坝体总面积的9.8%,平均抬升速率为17.38±2.43 mm/a,其中最大形变PS点形变速率达到43.90 mm/a;坝体外缘区变形率相对较小,在-4~4 mm/a内波动(平均形变速率为0.53±0.23 mm/a),占坝体总面积的41.11%。(2)在监测时间段内,年内不同月份沉降区面积占比为39.1%~65.8%,其中,7月沉降面积最大,占坝体总面积的65.8%;年内抬升区面积占总面积比的22.3%~38.3%,2月份坝体抬升面积最大。(3)坝体表面总体形变与坝体热通量年收支盈余、坝体内部埋藏冰发育、内部水分运移冻胀等因素有关。本研究结论可用于评估龙巴萨巴冰碛湖的危险性,为冰碛湖溃决模拟及防灾减灾提供理论依据。

基于PS-InSAR的怀来台定点形变群体异常机理分析

以怀来台为例,联合定点形变仪器观测结果和PS-InSAR技术监测结果,研究2017年11月至2018年3月怀来台定点形变仪器群体观测异常发生的机理。结果显示:怀来台所在区域地面沉降中心位于义合堡村的抽水井;地面沉降起始时间和定点形变仪器观测数据出现群体异常时间与义合堡村供热抽水井在供暖期抽取地下水的时间同步。综上认为在供暖期内义合堡村用于供热的抽水井抽水活动导致怀来台定点形变观测仪器出现群体异常。该技术可被广泛应用到定点形变仪器观测异常机理研究方面。

联合PS-InSAR技术与多变量LSTM神经网络的高铁路基冻胀形变预测研究

针对传统形变监测及预测难以做到大范围监测和精准预测的问题,本文提出了联合PS-InSAR技术和多变量长短期记忆(M-LSTM)神经网络监测和预测高铁路基冻胀形变的方法。首先,该方法利用PS-InSAR技术获取路基冻胀空间分布特征;然后,使用皮尔逊相关系数法优化出3种冻胀诱发因素,所得数据经预处理后组成训练数据;最后,引入LSTM构建智能化、多变量冻胀预测模型,精确地预测路基冻胀形变趋势。研究结果表明,PS-InSAR技术在大范围形变监测中具有可靠性,M-LSTM模型预测精度比传统神经网络模型更高,平均判定系数(R^(2))、平均绝对误差(MAE)和平均均方根误差(RMSE)分别为0.973、0.024 mm和0.035 mm,说明M-LSTM模型在高铁路基冻胀形变预测中具有较好的应用价值,同时也为路基冻胀形变预测提供了新思路。

基于PS-InSAR的小浪底土石坝形变监测与稳定性模拟

探索土石坝形变规律及稳定性分析是全球水利工程所关注的一个重大问题,对保障人民群众生命安全和经济健康发展具有重大意义。采用2017年3月至2021年9月小浪底土石坝55景Sentinel-1A卫星SAR影像,利用PS-InSAR技术,监测到小浪底土石坝近5年从坝顶至坝底呈现“阶梯状”形变趋势,最大形变量达到-86.09 mm;并结合库水位、降雨量等因素,发现坝体整体呈现“夏急冬缓”的季节性形变趋势。进一步采用二维有限元方法,对小浪底土石坝的模拟模型进行渗流、应力分析。在高库水位情况下,相较于低水位情况,坝体渗流量更大、形变速率更大;在应力分析部分,发现坝体的垂直向形变趋势与InSAR监测结果相吻合,亦呈现“阶梯状”形变。研究成果不仅为小浪底土石坝运行稳定性分析及形变历史回溯提供理论基础和决策依据,也说明PS-InSAR技术与二维有限元模型模拟技术在水利工程监测方面具有巨大的应用潜力。

基于PS-InSAR技术的武威市地面沉降时空变化特征

武威市位于甘肃省中部,是一座典型的农业城市,分布有大量农业耕地。由于土壤疏松,地面容易受到降水和地下水的影响,易发生地面沉降地质灾害对居民的生产、生活造成不利影响。本文利用2017年2月至2022年12月的Sentinel-1A数据,通过PS-InSAR技术提取了武威市的地面沉降监测数据,包括视线向形变速率和累积形变量。对形变场的时空分布特征进行了详细分析,并引入Mogi模型反演地下深部变形范围。最后,结合研究区的降水数据和GRACE重力卫星获取到由陆地水负荷引起的地表形变数据,并对研究区的沉降成因进行了初步分析。结果表明,研究区存在两个主要沉降区,其中主沉降区A的最大累积沉降量达到-290.9 mm,视线向形变速率为-52.0 mm/a;主沉降区B的沉降量达到-178.1 mm,视线向形变速率为-43.8 mm/a。地表沉降呈现周期性变化,且向东南方向逐步扩展,与降水和地下水变化特征相似。通过Mogi模型反演,得出了主沉降区的地下影响范围(半径)和深度,其中主沉降区A为40.96 m和133.67 m,主沉降区B为38.60 m和140.78 m。按季节划分统计形变数据,结果表明,由于研究区所属干旱区,自然降水无法对地面沉降产生显著影响,而农耕时大量地下水的抽取才是导致区域地面沉降的主要原因。

联合PS-InSAR和SBAS-InSAR的鄂西山区滑坡隐患识别——以长阳县清江流域为例

针对鄂西山区滑坡等灾害频发,而部分地区因为地形陡峭调查困难以及潜在滑坡隐患区的空间分布与未来发展趋势不明的难题,如何利用InSAR技术获取的地表形变数据实现滑坡隐患区早期识别成为滑坡研究的热门方向。利用Sentinel-1A升轨数据,分别基于PS-InSAR和SBAS-InSAR技术获取长阳县清江流域北岸2020年7月至2021年12月的地表形变信息,再将两种方法得到的地表形变信息进行叠加融合,综合考虑研究区的地质背景条件、历史滑坡点以及第四系覆盖层厚度等因素,识别出研究区可能发生滑坡的隐患区,并结合GNSS监测数据对识别结果进行可靠性分析。结果表明:基于PS-InSAR、SBAS-InSAR技术得到的研究区地表形变速率范围分别为-32.03~16.74 mm/a、-53.33~26.94 mm/a,根据自然断点法联合分析两种方法得到的监测结果,最终将研究区地表形变速率划分为5个等级,并识别出研究区有18处滑坡隐患区,总面积为27.58 km^(2),主要分布在研究区西部招徕河至资丘镇沿清江段;将PS与SBAS两种InSAR技术的解译结果进行融合判译,不仅能够进一步提高滑坡隐患区识别的精度,为区域地质灾害防控提供更加可靠的科学依据,同时也为基于InSAR技术的滑坡隐患区识别提供了新的思路。

基于PS-InSAR的建筑及道路动态沉降安全监测

为研究建筑及道路的动态沉降,采用覆盖威海市环翠区的20景哨兵(Sentinel-1)干涉雷达测量(interferometric synthetic aperture radar,InSAR)数据,采用时间序列永久散射体合成孔径雷达干涉测量(persistent scatterer InSAR,PS-InSAR)技术提取该区域地表不同构筑物沉降点,对环翠区地表建筑物和道路沉降进行动态监测。结果表明:环翠区建筑物高度与沉降正相关;铁路和公路的沉降由北向南依次减小,在山区等人为干扰少、地质条件较好的地区,基本不发生沉降;威海市环翠区年沉降量大于10 mm的点主要分布在冲积-海积物等堆积的北部地区,并集中在码头、建筑区等人工工程地区。北部地区沉降量大的主要原因是环翠区地层较松散,含水量较高,易发生沉降;该地区人工工程相对较多,对地下土体施加压力,导致土层沉降。分析InSAR数据能较好地监测大范围地表沉降情况,为地表沉降治理和决策提供支持。

基于PS-InSAR技术的水库大坝形变监测研究

利用时序InSAR技术的优势,以新疆卡拉贝利水库为研究对象,使用2017—2022年的Sentinel-1A升降轨影像,采用PS-InSAR技术对其进行形变监测,然后升降轨数据进行融合,分离出大坝垂直方向的数据,得到大坝及周边区域的形变结果。结合真实三维模型数据对大坝时序InSAR监测结果进行分析,并利用标准差和大坝传统监测数据对时序InSAR结果进行内外符合精度验证。通过验证发现时序InSAR数据处理结果与传统监测结果基本一致,得出的结论具有重要的防灾指导意义。

基于PS-InSAR的道路穿越区长城形变分析

随着交通网络不断扩展,现代道路穿越古老的长城,这种变化引发了长城的形变效应,成为引起广泛关注的议题。为了更深入地了解道路穿越长城对其形变的影响,研究采用了永久散射体合成孔径雷达干涉测量(PS-InSAR)技术,对长城周边区域进行了详细的形变分析。研究发现,道路穿越长城的行为明显影响了长城的形变情况,尤其是在特定区域出现了明显的地面沉降现象。这种形变表现为在道路穿越区域内的长城被拉伸和压缩,导致最大累积沉降量高达75.2 mm。在这些受影响的区域中,长城的沉降速率甚至达到了每年24.6 mm。通过对长城振动变形信息的综合分析和呈现,研究揭示了道路穿越长城对其造成的明显形变效应。这一研究成果不仅对长城的保护和管理具有重要的实际应用价值,还为类似地区的形变研究提供了参考和借鉴。

基于“PS-InSAR+有限元模型”的水库大坝形变监测与稳定性研究

随着大型水库工程的快速发展,水库大坝的稳定性和形变监测变得愈发重要。结合“PS-InSAR+有限元模型”方法,对水库大坝的形变监测与稳定性进行深入研究。通过利用合成孔径雷达干涉测量PS-InSAR技术获取大坝形变数据,同时构建有限元模型进行稳定性分析,以全面探讨水库大坝的工程安全与稳定性。

基于PS-InSAR的广西北部湾沿岸形变探测及成因分析

受强降雨等极端天气影响,广西地区沉降地质灾害频发。为保障区域可持续发展,利用36景Sentient-1A卫星影像,探究广西北部湾沿岸地区土地形变情况并分析其成因。首先基于PS-InSAR技术和SBAS-InSAR技术,获取2018年1月~2020年12月广西北部湾地区地表沉降信息。结果表明:两种方法具有高度一致性,研究区域最大累计沉降量达-78.1 mm,最大平均形变速率为-22.664 mm/a。其次结合降雨量数据与人类活动强度,分析地表形变成因,结果进一步表明:广西北部湾地区累计沉降量与人类活动强度呈现正相关;每年7、8月雨季时,地表形变速率提高,雨季结束后,部分地面出现抬升。人类活动与降雨是导致广西北部湾地区大面积不规则沉降的重要原因。

门控循环神经网络的时序PS-InSAR地面沉降预测

为防止中国香港国际机场填海造陆引起的地面沉降对基础设施造成破坏,利用永久散射体合成孔径雷达干涉(PS-InSAR)技术,获得中国香港国际机场2016~2020年地面沉降数据,并利用小基线集雷达干涉(SBAS-InSAR)技术以及水准点数据验证;引入门控循环(GRU)神经网络构建堆叠式GRU地面沉降预测模型,对中国香港国际机场未来地面沉降进行时序预测,并与SVM和MLP神经网络进行比较。结果表明:中国香港国际机场2016~2020年地面沉降空间分布不均匀,累计沉降逐渐增加,2020年12月垂直向的累积沉降量已达106 mm。构建的堆叠式GRU神经网络地面沉降方法相比SVM和MLP更准确,2021年7月中国香港国际机场最大累积地面沉降可达111.8 mm。本文提出的地面沉降时序预测模型,可作为一种有效预测地面沉降的方法,为地面沉降早期预警提供关键技术支持。

基于PS-InSAR技术与M-LSTM的小型水库大坝及岸坡变形预测模型研究

对小型水库大坝及岸坡变形进行准确预测是水库现代化管理工作的重要环节。为提高小型水库大坝及岸坡变形预测的准确性,基于PS-InSAR技术与M-LSTM神经网络(多变量长短记忆法),提出小型水库大坝及岸坡变形预测方法,首先利用PS-InSAR技术获取浏阳市4座典型小型水库坝体及坡岸变形特征,然后优化出3种变形影响因素,建立基于M-LSTM的小型水库大坝及岸坡变形预测模型,并对其准确性进行了验证。结果表明,PS-InSAR技术在小型水库坝体及坡岸变形监测中具有良好的可操作性;M-LSTM模型比LSTM模型具有更好的预测效果,其平均判定系数达到了0.91,平均绝对误差、平均均方根误差也仅为0.012、0.010,可见M-LSTM模型在小型水库大坝及岸坡变形预测中有较好的适用性。

基于PS-InSAR技术的矿山区域时序沉降特征研究

为明确矿山及其周边区域不同类型地物的地表沉降时空分布特性与差异,提高矿区的灾害应对能力,以甘肃省永靖县“智慧矿山”试点为研究区,基于PS-InSAR技术,提取研究区2018—2022年的季度地表沉降信息,并利用GIS分析方法探讨其特征规律。结果表明,研究区西部和西南部2片矿区的沉降速率较高,中部及偏北的露天矿场和设备分布区域形变趋势较不稳定,是后续沉降监测的重点区域。矿区6种主要地物中,采矿用地最易发生沉降,矿区道路最易出现抬升,耕地、采矿用地形变速率的波动程度较高,因此在后续研究中应加大矿区道路和采矿用地的沉降监测频率。

基于PS-InSAR的渤海新区地表沉降监测

利用2017年4月—2018年12月的47景COSMO-SkyMed雷达影像,采用永久散射体合成孔径雷达干涉测量技术获得了渤海新区地表沉降信息,并基于GIS空间分析方法进一步揭示了渤海新区地表沉降的空间分布特征。根据InSAR遥感解译结果,结合渤海新区城市规划建设背景,分析了渤海新区地表沉降的分布演化态势及部分区域形变因素。结果显示,超过95.4%的PS点形变速率在区间[-9,6]mm/a内,约95%的PS点累计形变量在[-15,10]mm之间,处在沉降状态的PS点数量偏多。表明渤海新区港城区整体上基本处于稳定状态,形变较严重的地区主要集中在沿海地区和项目区西北部,填海造陆及新建建筑物地表压实等是造成区域形变的原因。

PS-InSAR技术在地铁施工区域沉降高精度监测中的应用研究

基于52景Sentinel-1A影像数据,采用PS-InSAR方法监测南京市地铁7号线施工区域2019年1月17日~2020年12月1日的地面沉降,利用水准和GNSS地面观测数据进行精度评定,监测结果的均方根误差为3.1 mm。分析南京市地铁7号线施工区域地表形变的时空特征,通过建立合理的PS-InSAR建筑物稳定性评估体系,实现了建筑物异常形变的快速智能排查。

基于PS-InSAR干涉测量技术的高铁工程沉降监测研究

以永久散射体合成孔径雷达干涉测量技术为基础,探讨高铁工程沉降监测的新方法。通过对合成孔径雷达卫星数据进行干涉处理,实现对高铁地表沉降的监测。先探测高铁工程沉降路段PS点,再进行模型构建。结果显示,实验选取的高铁运行路段中,靠近桥梁部分沉降最为严重,达到-23 mm/a,并且L1高铁路段靠近铁路部分沉降率高,最高达-16 mm/a,L2靠近桥梁的部分,沉降速率最高达-24 mm/a。研究结论显示,PS-InSAR技术能够精确地识别和评估高铁工程中的沉降风险,为确保高铁网络的安全运行提供了重要的技术支持。此项研究能为我国高铁网络的安全性和可靠性作出贡献。