IPTA方法在地面沉降监测中的应用

干涉点目标分析(IPTA)技术是一种新兴的In SAR形变测量技术。它克服了常规雷达差分干涉测量(DIn SAR)受失相干因素和大气延迟影响较大的问题。介绍了IPTA方法及处理流程,并对参数迭代估计、基线精化等关键问题进行了阐述。对加利福尼亚州安大略市的39幅ENVISAT ASAR数据进行IPTA处理,提取了2005—2010年间的地面沉降信息并进行了形变分析。结果表明,该方法在大范围地面沉降监测中应用效果良好。

基于SBAS和IPTA技术的京津冀地区地面沉降监测

京津冀位于华北平原北部地区,地下水的长期超量开采,造成了严重的区域地面沉降,对京津冀区域进行大范围地表形变监测已经成为一个值得关注的问题.基于相邻条带的RADARSAT-2数据,结合小基线集干涉测量技术和干涉点目标分析技术,获取京津冀地区2012-2016年地面沉降场时序信息.基于监测结果对研究区地面沉降发育情况进行初步探讨,并对沉降漏斗的时空演化特征进行分析.研究发现,京津冀地区发生地面沉降的区域较多,地面沉降不均匀性特征明显,地面沉降发育最严重的地区位于北京金盏一带,最大沉降速率达到130 mm·a-1;在多个沉降漏斗中,北京金盏沉降漏斗、天津王庆坨沉降漏斗发育最为严重,累计沉降量分别达到661 mm,658 mm.衡水市阜城县、景县沉降漏斗扩张趋势最为剧烈,累计沉降量大于200 mm的面积达到1494 km2.

结合SBAS-IPTA与随机森林算法的开采沉陷监测与预计

针对矿区植被多、易造成失相干的问题,提出了一种将小基线集和干涉点目标分析(small baseline subsat and interferometric point target analyisis,SBAS-IPTA)方法与随机森林(random forest,RF)算法相结合的开采沉陷监测与预计方法。首先提取陕西省桑树坪矿区的沉陷速率及时序累积沉陷值,然后定量分析沉陷规律,最后将沉陷值作为RF的训练样本建立预计函数,并与灰色模型(gray model,GM)算法预计结果进行对比分析。结果表明:通过对该矿区在2007—2011年期间沉陷面积及沉陷值的分析,SBAS-IPTA方法可监测植被多的矿区的地表沉陷;结合GM算法预计的3个测试点的绝对误差和相对误差分别为35~423 mm和7%~88%,而结合RF算法预计的绝对误差和相对误差分别为1~29 mm和0~16%,RF算法预计结果明显优于GM算法预计结果,可将RF算法应用于开采沉陷预计。

基于Morlet小波技术的北京平原地面沉降周期性分析

北京市地面沉降自20世纪60年代发现以来一直呈快速发展的趋势。不均匀地面沉降导致建筑物开裂、地基下沉,损害地下管道工程等基础设施,威胁城市安全。为了研究地面沉降发展的特征,分析其演化趋势,本文选取2011—2014年的27景Radarsat-2数据,采用干涉点目标分析技术,获取该时段北京平原区地面沉降时序监测信息;在此基础上,结合Morlet小波分析方法,根据相干点密度差异选取4个典型地面沉降区,分析其地面沉降多尺度演变特征。结果表明:地面沉降速率在空间分布上存在差异性,最大沉降速率为162.70mm/a,年均沉降速率50.08mm/a;地面沉降在时间域具有明显的局部周期性变化特征。在28T(1T表示1个24d的时间段)的时间尺度下,存在着约13.3月的时间周期,不同位置还存在不同的不稳定震荡周期。

改进的残差修正DGM(1,1)模型在煤矿地表沉降预测中的应用

针对传统大地测量技术难以实施大范围矿区形变监测以及传统开采沉陷预测方法在实际应用中存在的不足,提出时序合成孔径雷达干涉测量(InSAR)和改进的离散灰色马尔科夫模型相结合的方法对矿区地表形变进行监测和预测。使用鄂尔多斯市某矿区哨兵1号(Sentinel-1)数据提取地表形变监测结果,并与同时期的全球定位系统(GPS)监测数据进行对比。将沉陷监测结果作为原始序列建立残差修正的离散灰色马尔科夫模型,预测矿区沉降。研究结果表明:研究区域地表形变明显,残差修正的离散灰色马尔科夫模型能较为准确地预测矿区沉降结果。

基于干涉点目标分析方法的大光包滑坡形变监测

为研究干涉点目标分析(IPTA)方法应用于超大型滑坡形变监测的有效性,采用IPTA方法处理大光包滑坡65景Sentinel-1A影像,获得大光包滑坡的总体形变趋势及时间序列,并与StaMPS-SBAS方法的处理结果进行交叉验证,同时结合全球降水数据进一步分析形变与降雨之间的关系。结果表明,IPTA方法在超大型滑坡形变监测方面具有较好的应用效果;大光包滑坡在观测期间一直处于形变状态,雷达视线向形变速率最高达-50.590 mm/a;滑坡特征点形变速率在雨季明显加快,存在再次发生滑坡的风险。

京津城际铁路(北京段)沉降监测及影响因素分析

利用干涉点目标分析技术对37景TerraSAR-X数据进行处理,从而准确地估计沿线区域的地表形变。此外,引入同期二等水准测量数据验证了计算结果可靠且精度较高;采用最大信息系数分析高铁的形变及其与影响因素之间的关系,将变形结果与收集的地下水、降水、可压缩层厚度等资料结合,定量描述其与沉降点之间的关系。结果表明,在观测期间,沿着高铁跨丰台区、东城区段年均沉降率小于10 mm/a,至朝阳区前段沉降率增大,至中段达40~60 mm/a,通州区年均沉降速率稳定;地面沉降与地下水位的变化有很好的响应,地下水开采量的增加和地下水位下降导致该地区的沉降量增加;地面沉降与地质构造有着一定的关系。确定沉降监测的重点区域,为铁路的安全运行提供决策支持。

干涉点目标分析的大宛齐油田形变监测

针对石油开采所致形变具有周期长、连续性强及范围广,常规形变监测方法无法满足高效监测需求的问题。时序差分合成孔径雷达干涉具有监测范围广和效率高的优势。采用干涉点目标分析技术与69景Sentinel-1A SLC数据对大宛齐油田进行地表形变监测及时序分析。结果显示,2016年2月—2018年12月间大宛齐油田年均形变速率在-81~49 mm/a,开采区存在两处明显沉降漏斗与两处明显隆起,最大沉降面积达5.8 km^(2),除此外无明显形变。GPM降水数据与时序形变量的叠加分析显示,大宛齐油田形变具有明显季节性特征,形变与油田生产及地质条件具有相关性。

Sentinel-1A TS-DInSAR京津冀地区沉降监测与分析

近年来,京津冀地区的不均匀地表沉降日趋严重,对公路、铁路等基础设施安全造成严重威胁,已引起国内外广泛关注。合成孔径雷达时序差分干涉TS-DIn SAR(Time Series Differential Interferometric Synthetic Aperture Radar)作为一种高效的广域形变测量手段,在地面沉降调查监测中已被广泛应用,但如何针对高现势性的影像数据高精准提取大范围区域地表形变是当前深化的热点。本文利用欧洲太空局发布的Sentinel-1A新型数据源,针对TOPS(Terrain Observation by Progressive Scans)模式影像间存在多普勒中心不一致问题,借助外部高精度POD(Precise Orbit Determination)轨道和DSM(Digital Surface Model)数据进行频移滤波迭代配准,并针对Sentinel-1A数据特征集成优化了基于点目标时序分析的大区域地表形变监测方法,以2015年—2016年期间的29景影像为实验数据开展了京津地区沉降监测研究,提取了北京东、廊坊及天津西等地区的沉降结果,并结合区域内典型区域人口密度、产业分布、地表覆盖和线路剖面等信息深入分析了沉降的时空分布特征和成因。结果表明,Sentinel-1A时序干涉结果在大范围地表沉降调查监测上具有可靠的应用精度。