基于Sentinel-1A SAR影像的珠海市台风降雨淹没特征分析

【目的】基于雷达遥感卫星影像,探究珠海市城区在台风降雨条件下的淹没特征,解决台风过境时无法准确获取淹没范围的问题。【方法】首先,选用Sentinel-1A卫星的合成孔径雷达(synthetic aperture radar,SAR)影像和全球地表水年度数据集,利用阈值分割法和双极化水体指数来获取对应时间段珠海市主城区的淹没范围;然后,结合数字高程模型和土地利用类型数据,并利用ArcGIS平台对珠海市2015—2022年间的10场过境台风降雨所造成的淹没范围进行空间特征与成因分析。最后,结合层次分析法,并利用淹没可能性、防潮洪能力、高程和河网密度4项指标对珠海市主城区台风降雨淹没风险进行分析。【结果】在台风和非台风降雨导致淹没的范围中,斗门区为淹没面积最大的行政区。珠海市河网密度较大区域发生淹没最为频繁,其次是城乡居民用地;珠海市部分区域受台风降雨影响易发生淹没,淹没风险偏高。【结论】利用Sentinel-1A SAR影像并结合双极化水体指数可获得较为准确的台风降雨淹没范围,在台风过境时应更加关注高程较低地区以及水系分布较密地区的受灾情况。

基于Sentinel-1A钦防地区地面沉降监测与分析

分析钦防地区地面沉降时空分布、演变规律和驱动因素,可为区域灾害预测防治及城市规划提供科学依据。基于小基线集时序合成孔径雷达干涉测量(small baseline subset interferometric synthetic aperture Radar,SBAS-InSAR)技术,利用45景Sentinel-1A合成孔径雷达影像提取了研究区2018—2021年的地面沉降信息,同时结合地区地质背景、降水数据、土地利用情况和道路等数据,借助于空间分析技术、数理统计和遥感图像分类及变化检测等方法对研究区地面沉降的整体特征、时空演变趋势及其影响因素进行了可视化分析和定量化分析。结果表明:①在空间维度上,研究时段内研究区地面形变速率介于-114.37~58.55 mm/a之间,研究区内地面形变分布范围广且不均匀分布明显,形成了以钦南区主城区中南部、钦州港与港口区为主的3个沉降中心区域,沉降地区的沉降面积逐年增加并呈现出向南扩张的趋势;②在时间维度上,各沉降中心区域从整体上随着时间变化呈现不均匀的下沉趋势,但出现了周期性的回升,回升值最大可达18.4 mm;③在影响因素上,城镇化扩张、道路密度、构造运动、地层作用、降水作用和海平面上升是导致研究区地面沉降的主要因子,同时也主导了地面沉降的扩张和增幅。

基于双极化Sentinel-1A数据的西南某机场沉降监测应用

以西南某机场为监测对象,收集2019年1月11日至2021年11月8日35景双极化Sentinel-1A降轨数据,应用PS-InSAR技术结合双极化数据获取了该机场范围内的形变分布情况,将双极化沉降数据进行对比,再与沉降形变最大水准测量数据进行验证。结果表明,合成孔径雷达差分干涉技术(InSAR)沉降形变区域与水准沉降形变区域的位置基本吻合,双极化沉降时间序列表现出一致性,该机场飞行区最大沉降速率达-77mm/y(VV极化)和-74 mm/y(VH极化),累计沉降量超过-200mm(VV和VH极化),与2021年5月最大沉降形变水准测量值对比,发现该机场沉降形变还在继续加深。此研究表明,InSAR技术结合双极化数据可高效识别沉降区域,全面掌握机场沉降形变情况,对监测西南地区机场沉降具有重要意义。

升降轨Sentinel-1A数据在高山峡谷区地质灾害监测中的适用性研究

针对利用InSAR技术对高山峡谷区进行地质灾害监测时难以恰当选用升降轨Sentinel-1A数据问题,采用SBAS-InSAR技术,并结合坡度和坡向数据解算出研究区垂直坡面向和沿坡向的形变值,研究不同坡向的坡体在地质灾害形变监测中升降轨Sentinel-1A数据源的适用性情况.结果表明:1)Sentinel-1A升轨数据更适用于监测北坡和东坡的形变信息,降轨数据更适用于监测南坡和西坡的形变信息;2)北坡的沿坡向形变速率要大于垂直坡面向形变速率,南坡的沿坡向形变速率与垂直坡面向形变速率相差不大,东坡的垂直坡面向形变速率比沿坡向形变速率大,西坡的垂直坡面向和沿坡向均有较大形变.因此,结合升降轨数据,可以解决单一轨道对某些区域或特定角度下监测结果不够准确的问题,可以获得更全面、更准确的形变信息.

Sentinel-1A影像在山区管道地表形变监测中的适用性评价指标构建

Sentinel-1A卫星数据覆盖范围广、重访周期快、获取成本低,通过合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)技术能够高效获取管道沿线大面积地表形变信息。但是山区管道所处地形复杂、起伏大、植被茂盛,监测中易存在叠掩、阴影、失相干等现象,Sentinel-1A卫星数据在管道不同区段的适用性有差异。为了对Sentinel-1A在山区管道地表形变测量中的适用程度进行评价,以三段不同山区地形的管道为研究区,结合Sentinel-1A数据、Sentinel-2数据、ALOS DEM数据进行相关性分析,构建适用性评价指标。结果显示:管道沿线Sentinel-1A影像的叠掩阴影占总面积的比例与坡度的Pearson相关系数为-0.914,Spearman相关系数为-1,呈显著负相关;影像相干性和归一化植被指数的Pearson相关系数为-0.972,Spearman相关系数为-0.99,呈显著负相关。使用回归分析和归一化的方法建立了山区管道沿线Sentinel-1A数据的坡度适用性指标和植被适用性指标,指标可对山区管道沿线域使用Sentinel-1A数据进行形变监测的适用性进行评价。

2014年美国加州纳帕M_W6.1地震断层参数的Sentinel-1A InSAR反演

2014年8月24日,在美国加州旧金山海湾北部的纳帕地区发生了MW6.1地震.发震断层是西纳帕断裂系统中的一部分,但是该断层之前并未被足够重视.本文利用欧洲空间局最近发射成功并刚刚投入使用的Sentinel-1A卫星获取的第一对同震干涉像对(20140807-20140831),得到了该地震的地表同震形变场,结合震后24h内区域GPS同震形变资料作为约束条件,反演了纳帕地震的断层几何参数以及滑动分布.Sentinel-1A干涉结果表明,此次地震造成了明显的地面形变,视线向最大抬升和最大沉降量均达到了10cm.联合反演结果表明,该发震断层的走向为344°,倾角为80°.主要破裂以右旋走滑为主,平均倾滑角为-146.5°,最大倾滑量达到了1.1m,位于地表下约4km,存在明显的滑动亏损现象.此次地震,累计释放地震矩达1.5×1018 N·m,约合矩震级MW6.1.该结果略小于InSAR单独约束结果,可能与Sentinel-1A像对中包含的快速震后形变分量有关.

基于Sentinel-1A与Landsat 8数据的北黑高速沿线地表土壤水分遥感反演方法研究

土壤含水量是影响水文和气候变化的基本参数,研究土壤含水量分布,对气候变化、水资源分布、农作物估产等有着重要的现实意义和科学价值。本文以2015年6月21日的Sentinel-1A(哨兵1号)双极化合成孔径雷达影像为基础,结合同时段辅助光学影像Landsat 8,对北安—黑河高速沿线地区不同植被覆盖程度下复杂地表土壤含水量进行反演研究,探讨不同极化组合方式在不同土地利用方式下的土壤水分含量反演结果。结果表明:VH极化及VH与辅助变量NDVI(Normalized Difference Vegetation Index)组合反演精度分别为52.1%和53.6%,整体效果并不理想。VV极化(VV Polarization)图像和双极化VV/VH(VH Polarization)组合在裸露和低植被地区反演更具有优势,其精度分别为75.4%和59.5%,而在高植被覆盖度地区并不适用。VH极化反演结果中耕地土壤含水量比实际值低9.37%,VV极化在低植被区域土壤含水量比实际值低10.45%,在灌木及耕地地区VV/VH反演结果精度比单极化及其组合反演结果低,最高精度模型的反演是VV结合NDVI。VV与辅助变量NDVI结合能综合反映复杂地表环境下土壤含水量,其精度达84%,标准误差RMSE为2.07,比VV极化反演精度提高8.8%,RMSE比VV极化降低2.704。VV与辅助变量NDVI组合方式在中等植被覆盖地区土壤含水量反演更具有优势,并能够更好地发挥哨兵1号C波段合成孔径雷达在土壤水分研究中的潜力与有效性。

Sentinel-1A卫星TOPS模式数据的SBAS时序分析方法——以黄河三角洲地区为例

Sentinel-1A是目前在轨运行的新一代SAR卫星,其TOPS成像模式具有宽幅成像的特点,能够实现大范围地表形变监测,目前国内外鲜有基于渐进扫描(terrain observation by progressive scans,TOPS)模式影像的小基线集(short baseline subset,SBAS)处理研究成果发表。以黄河三角洲地区作为研究区,选取了2015年5月—2016年4月27景Sentinel-1A TOPS模式影像,组成了94对干涉影像对,使用ECMWF气象数据估算大气延迟,实现大范围大气相位校正;然后采用SBAS时序分析方法提取了研究区地表累积形变量及形变速率图。研究结果表明,该地区近年来仍存在持续沉降,在广饶镇齐成工业园、广饶盐场及南宅科村周边等地区存在明显的沉降漏斗,沉降监测结果与该研究区已有文献所述沉降规律吻合,证明了TOPS模式SBAS时序分析方法应用于形变监测的可行性和有效性。

基于Sentinel-1A的安徽省2020年梅雨期洪水淹没监测

2020年超长梅雨期内的持续强降雨,导致安徽省发生全域性洪涝灾害,为了快速、准确地提取洪涝淹没范围,为防汛救灾提供科学支撑,选取安徽境内巢湖流域和淮河流域的灾前和灾中Sentinel-1A数据,首先,在快速预处理基础上,采用双极化水体指数(Sentinel-1A dual-polarized water index,SDWI)法,并结合地形因子对平原和山区分别提取水体信息,建立一套洪水淹没区监测流程;然后通过该流程利用灾前、灾中两期合成孔径雷达数据提取2020年7月27日巢湖流域、淮河流域行蓄洪区洪水淹没范围。结果显示:SDWI比直接用后向散射系数提取水体具有优势;7月27日巢湖流域洪水淹没区面积为524.8 km^(2),其中受洪灾较重的是白石天河子流域,西河子流域次之;淮河流域安徽境内行蓄洪区,沿淮的4个地市淹没面积从大到小依次为淮南市、阜阳市、六安市、蚌埠市。研究表明,基于Sentinel-1A数据,采用SDWI和地形因子建立的洪水淹没区监测流程对平原和山区都具有较好的准确性、适用性,且具有较高的时效性,便于及时开展洪水灾害监测。

利用Sentinel-1A数据、D-InSAR和沿轨干涉技术获取2016年高雄M_S6.7地震三维形变场

提出一种沿轨干涉技术来获取Sentinel-1A数据中burst重叠区域内的方位向形变,进而通过内插方法得到非重叠区的方位向形变。针对D-InSAR的雷达视线向形变与沿轨干涉的方位向形变精度差异,采用基于加权最小二乘的方法解算了2016年高雄MS6.7地震的三维形变场。结果表明,高雄地震的同震形变以垂直和东西方向形变为主,且形变主要分布在断层左右两瓣。左瓣抬升,最大达到12cm;右瓣下沉,最大达到8cm;左右两瓣均伴随着向西的位移,最大达6cm。在左右两瓣之间,该地震还具有西北-东南走向的断层特性。

Sentinel-1A京津冀平原区2016—2018年地面沉降InSAR监测

京津冀地区是我国地面沉降发展最迅速,影响面积最大的地区。地面沉降已成为京津冀协同发展中不容忽视的地质问题。文章利用多时相合成孔径雷达干涉测量(multi-temporal interferometric synthetic aperture Radar,MT-InSAR)技术对2016年1月—2018年10月覆盖京津冀地区的多轨Sentinel-1A数据进行处理,经水准数据验证和相邻轨道数据结果交叉验证后,对多轨SAR数据结果进行融合获取了京津冀平原2016—2018年间的地面沉降结果。InSAR监测结果表明,监测时段内京津冀平原最大沉降速率达164 mm/a,研究区内地面沉降分布广泛,且空间分布不均。对京津冀地区地面沉降时空变化特征进行分析发现,2016—2018年间唐山—秦皇岛地区地面沉降呈不断加剧趋势;其余地区地面沉降发展较为稳定。研究表明了InSAR技术在大区域地面沉降监测中的可靠性,研究结果为区域沉降防治提供重要依据,为京津冀特大城市群建设提供科学保障。

多时相Sentinel-1A InSAR的连盐高铁沉降监测分析

多时相InSAR技术具有探测大范围毫米级地表形变的能力,已被广泛应用于地面沉降监测。近几年,应用多时相InSAR技术监测以高铁为代表的大尺度人造线状地物形变备受关注。本文将C波段SAR数据用于高铁沿线路基形变监测,应用相位稳定性分析和改进的StaMPS技术来增加相干性点的密度和形变参数解算的稳定性。采用研究区时间跨度为21个月的47景Sentinel-1A数据,对连(云港)盐(城)高铁及其沿线区域进行多时相InSAR分析,并利用同时期连续的北斗导航卫星系统(BeiDou navigation satellite system,BDS)观测数据对线性沉降速率和时序位移分别进行监测分析,进而对比验证二者的沉降监测结果。研究结果表明:利用C波段的Sentinel-1A数据能够获取毫米级的线性形变速率和时序位移序列,InSAR与BDS二者平均时序位移均方根误差为3.8 mm,与BDS监测结果相比取得很好的一致性,且连盐高铁线路整体表现稳定。

利用Sentinel-1A数据监测地表形变案例分析

雷达卫星结合InSAR技术已广泛应用于高精度地表形变监测领域。本文选取2017年九寨沟地震为研究案例,利用Sentinel-1A地震前后的单视复数影像,基于D-InSAR技术获取该次地震的同震形变场。结果显示:震中西北侧表现出相对均匀的下沉现象,沉降漏斗区雷达视线向最大沉降量达25.1 cm;东南侧呈现不均匀抬升状态,地表破碎较为明显,最大抬升量为11.6 cm。研究表明基于Sentinel-1A数据的D-InSAR技术可以为地震形变场的定量分析提供一种快速有效的手段,为阐释地震发震机理及评估受灾情况提供必要的数据支撑,具有广阔的应用前景。

利用Sentinel-1A SAR影像监测尼泊尔“4·25”地震变形

为利用新一代欧洲太空局SAR系统Sentinel-1A卫星获取大面积地震变形数据,对其监测模式和数据特点进行研究,给出针对TOPSAR成像干涉数据处理的拼接方法,并利用Sentinel-1A数据获取尼泊尔"4·25"地震区域约160 km×180 km的地表形变。结果显示,地震导致的雷达视线向相对变形最大达2 m。

基于Sentinel-1A TOPS模式的南通市时序InSAR地表沉降监测

针对Sentinel-1A TOPS(Terrain Observation by Progressive Scans)模式数据配准问题,采用基于精轨数据、强度互相关、递进式增强谱分集的多级配准方法优化MCTSB-InSAR技术,以52景Sentinel-1A影像为实验数据,提取南通市地表沉降信息,并利用水准观测数据对监测结果进行精度评定,结合地理国情监测数据,详细分析了南通市重点沉降区的地面沉降时空分布特征和主要沉降成因。结果表明,优化后的MCTSB-InSAR技术能较好地处理Sentinel-1A TOPS模式数据,监测结果与水准数据基本一致,通过分析各沉降区原因,可为南通市后期规划建设和灾害防治提供参考。

基于Sentinel-1A影像的原阳县玉米和水稻分类时间窗选择

使用遥感技术可以快速、准确地识别作物类型。本研究以河南省原阳县为试验区,基于Google Earth Engine(GEE)云平台,以玉米、水稻关键生育期的Sentinel-1A影像为数据源,分析各类地物的极化特征时序曲线。对6期Sentinel-1A影像进行穷举组合,使用随机森林算法对所有影像组合分类,分析各生育期影像对作物分类的重要性,选出玉米、水稻分类最佳时间窗。结果表明,作物生长中后期影像对作物分类更重要,其中玉米的乳熟期最重要,水稻的灌浆期最重要。全生育期影像组合中玉米的用户精度和生产者精度分别为90.43%和90.53%,水稻的用户精度和生产者精度分别为88.89%和89.01%。经过优选,大喇叭口期至成熟期为玉米分类最佳时间窗,相较于全生育期影像组合,此生育期影像组合的玉米用户精度和生产者精度分别提高了3.38个百分点和5.26个百分点;拔节期至成熟期为水稻分类最佳时间窗,相较于全生育期影像组合,此生育期影像组合的水稻用户精度和生产者精度分别提高了4.73个百分点和2.66个百分点。本研究结果可以为Sentinel-1A影像在原阳县及其附近区域的玉米、水稻种植结构监测研究提供理论依据。

基于Sentinel-1A卫星SAR数据地震同震形变场反演——以意大利佩鲁贾地震为例

目的 验证Sentinel-1A卫星SAR数据在地震导致的地表形变测量方面的可行性。方法 利用获取到的意大利佩鲁贾市地震前后两景Sentinel-1A卫星SAR数据并使用ENVI软件反演其地震同震形变场,得到雷达视线(LOS)方向地表形变图。结果 反演结果表明:(1)地震导致的雷达视线方向地表沉陷和抬升最大值分别约为0.31m和0.32m,地震中心地表形变量约为0.1m;(2)地震中心附近形成“西北-东南”走向长约30km的断层;(3)由地表形变剖面图可知:位于地震中心以北、以西和以南3个方向的地表有所沉陷,地震中心以东地区地表被抬升。结论 Sentinel-1A数据在地震地表形变场反演具有可行性,可作为研究地震机理和防灾减灾参考数据,但实际精确形变值还需要GPS测量数据验证。

基于Sentinel-1A数据获取美国纳帕M_W6.1地震同震形变场及断层滑动反演

利用欧洲空间局新发射的Sentinel-1A卫星获取的第1对同震SAR影像,采用30m×30m分辨率的ASTER GDEM数据去除地形效应,应用枝切法解缠,得到了2014年8月24日美国加利福尼亚州纳帕地震的地表同震形变场。为了获取最优同震形变场,对比使用了90m×90m分辨率的SRTM数据去除地形相位,以及最小费用流方法进行相位解缠。结果显示此次地震造成形变场在LOS方向(Line Of Sight)的最大抬升量和最大沉降量分别达到了0.1m和0.09m。基于获取的同震形变场,采用限制性最小二乘算法进行敏感性迭代拟合,获取了此次地震的断层滑动分布及部分震源参数。反演结果表明发震断层的走向为341.3°,倾角为80°,破裂以右旋走滑为主,平均滑动角为-176.38°,最大滑动量达0.8m,位于地表下约4.43km处。此次地震累计释放地震矩1.6×1018N·m,约合矩震级M_W6.14。

基于Sentinel-1A雷达影像的崇明东滩芦苇盐沼植被识别提取

为研究芦苇盐沼植物在一个生长周期不同生长季节的雷达后向散射系数变化特征,对芦苇分布信息进行提取,探究Sentinel-1A卫星数据在长江口湿地植被监测中的应用前景。以对长江河口崇明东滩南部为研究区域,利用2016年11个时相的Sentinel-1A雷达卫星影像VV(vertical transmit/vertical receive)+VH(vertical transmit/horizontal receive)双极化数据,分析潮滩地带芦苇、白茅、海三棱藨草、水体和光滩在植被生长周期内的雷达后向散射强度变化特征,对芦苇盐沼植被进行识别提取。结果表明:相较于VH极化方式,VV极化方式下不同地物的后向散射强度差异更为明显,芦苇的后向散射强度在枯叶期下显著高于其他地物;进行芦苇植被提取时,需要对植被枯萎期不同潮位状况下的雷达影像进行组合运算,芦苇提取精度可达到88.7%;对芦苇植被雷达后向散射强度和临近时相的光学遥感归一化植被指数(normalized difference vegetation index,INDV)进行相关性分析,发现两者呈良好的正相关关系,相关系数为0.78。

哨兵卫星Sentinel-1A数据特性及应用潜力分析

Sentinel-1A是欧空局"哥白尼计划"发射的首颗对地观测卫星,其搭载的C波段SAR传感器有效地延续了ERS-1/2和ENVISAT ASAR对地观测任务。简要介绍了Sentinel-1A卫星的特点和轨道参数,并与ERS-1/2和ENVISAT ASAR进行了对比。详细介绍了Sentinel-1A的成像模式(SM,IW,EW,WV)以及每种模式下数据产品(Level-0,Level-1,Level-2)的特征。最后分析了Sentinel-1A数据在不同领域的实际应用,为其在对地观测中的广泛应用提供了参考。