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。

SBAS-InSAR技术在地质灾害调查中的应用

在地质灾害调查中及时识别和排查潜在的隐患灾害点对地质灾害的预防和监测工作至关重要。然而传统的地质灾害排查方法时间和人力成本较高,难以实现对广泛区域的全面排查。本文通过对青海省大通回族土族自治县城关镇区域内的地质灾害情况进行详细的调查,获取了区内的地质灾害分布特征。并进一步采用了哨兵1号(Sentinel-1)雷达数据,利用差分干涉测量短基线集时序分析(SBAS-InSAR)技术进行数据处理,成功揭示了该区域的地表形变情况。通过综合分析,能够准确地识别出重点监测区域的变化信息,从而提高了地质灾害及时预防和应对的效率。

基于综合遥感的察隅县滑坡隐患识别及致灾机理分析

察隅县地处青藏高原东南部,幅原辽阔,地形地貌与气候特征差异较大,滑坡灾害频发。针对该区域开展滑坡灾害隐患识别与早期预警对当地防灾减灾工作有重要意义。为此,收集2020年1月—2022年11月获取的162景升降轨Sentinel-1A雷达遥感影像数据及高分光学遥感影像数据,以Google Earth平台为辅助,采用综合遥感(integrated remote sensing,IRS)技术开展研究区内活动性滑坡隐患识别、编录制图和分析评价,共识别出活动性滑坡隐患237处,主要分布于贡日嘎布曲(察隅河支流西支)、察隅河、怒江两岸及察隅河东部至怒江西部的区域。将解译结果与地形地貌(高程、坡度、岩性)、自然环境(降雨、温度)等定量因子结合进行统计分析可知,左布村滑坡、阿扎村滑坡有极大的灾害风险,推荐进一步采取减灾措施。研究结果具有较高精度,可为当地防灾减灾工作提供参考。

基于SBAS-InSAR的库区活动滑坡变形特征与库水位变化响应关系:以四川省黑水县毛尔盖水电站为例

水库滑坡是水电工程建设中的一种常见地质灾害,当滑坡滑入库区中可能会引起涌浪、江河堵塞甚至溃坝,从而造成巨大的经济损失和人员伤亡情况,因此如何高效及时地开展对库岸滑坡早期识别与监测具有重要意义。利用短基线集干涉测量技术(small baseline subsets interferometric synthetic aperture radar,SBAS-InSAR)对毛尔盖库区开展活动滑坡的探测识别,在此基础上,结合高分辨率光学遥感影像、无人机航空摄影测量以及现场调查对库区典型活动滑坡的变形特征与库水位变化响应关系进行初步分析。结果表明:研究区活动滑坡共65处,其中复活型古老滑坡堆积体36处,新孕育型滑坡29处;结合两类典型滑坡来看,坡体变形与库水位快速下降存在正相关关系,且当库水位日平均降速大于0.67 m/d时,InSAR时间序列曲线均会出现加速变形的情况;对于短时间内发生的大变形滑坡,SBAS-InSAR技术很难有效捕捉到滑坡失稳前的真实加速变形信息导致不能提前识别和监测,因此结合多时相高分辨率光学遥感影像可以起到有效补充的作用。研究成果可为库岸滑坡的早期识别与监测提供参考。

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。

基于时序InSAR技术的西山黄土滑坡形变特征分析

黄土滑坡具有范围广、易受降雨影响、危害性强等特点,黄土滑坡监测具有重要意义。传统地表形变监测技术耗时费力,难以满足大范围监测需求。本研究以青海省同仁市西山黄土滑坡为研究对象,选取2017年3月20日-2021年12月24日哨兵1A (Sentinel-1A)卫星48景升轨数据为研究数据,利用短基线集合成孔径雷达干涉测量技术(Small Baseline Subsets Interferometric Synthetic Aperture Radar,SBAS-InSAR)对研究区进行配准、差分干涉、滤波、相位解缠、重去平、形变建模与解算等处理,获取了该区域的时序形变特征。结果表明,西山黄土滑坡群共有2处明显的形变区。第一处形变区位于研究区东北部,其雷达视线向年平均形变速率介于-34.27~2.73mm/a;第二处形变区位于研究区中部,其雷达视线向年平均形变速率介于-30.27~4.20 mm/a。本文结合同仁市该时段的月降雨总量进行分析,结果表明降雨对滑坡形变速率具有正反馈作用。结果分析和野外调查表明,SBASInSAR技术在滑坡形变监测方面具有有效性,为该区域滑坡灾害防治提供了有效的技术支持。

基于SBAS-InSAR和BPNN的铀尾矿坝形变智能监测与预测

为提高铀尾矿库退役治理的监测工作效率,提出一个基于小基线合成孔径雷达干涉测量(SBAS-InSAR)技术和反向传播神经网络(BPNN)的铀尾矿库形变智能监测与预测模型。首先,利用SBAS-InSAR技术得到铀尾矿库2020年12月—2022年12月的累计形变量与年均形变速率,并用第一拦水坝的7个全球导航卫星系统(GNSS)监测站验证InSAR监测值的精度;然后,选取铀尾矿库中的雷公塘坝、南坡横坝、战斗坝和松林坝4个坝段的累计沉降量并结合降雨量进行沉降分析;最后,随机提取铀尾矿坝100个沉降点的累积沉降数据,通过BPNN预测铀尾矿坝的形变。结果表明:2年间铀尾矿库的形变速率在-60.06~34.94 mm/a,铀尾矿坝整体处于下沉状态,累计沉降量最大为-46.67 mm。BPNN预测值与实际监测值的平均绝对误差为0.586 mm,均方误差为0.624 mm。

基于时序InSAR技术的滨海新区地面沉降监测

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年覆盖天津市滨海新区Sentinel-1A影像数据,采用永久散射体合成孔径雷达干涉测量(PS-InSAR)和短基线集合成孔径雷达干涉测量(SBAS-InSAR)技术获取地面沉降数据,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,天津市滨海新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,天津市滨海新区在2017—2021年存在地面沉降现象,最大沉降速率为-130 mm/a,最大抬升速率为40 mm/a,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与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。

融合SBAS-InSAR和WaOA-LSTM的上海浦东国际机场沉降监测与预测

为了监测上海浦东国际机场(SPIA)的沉降现状并提高长短时记忆(LSTM)网络模型预测精度,本文基于短基线集合成孔径雷达干涉测量(SBAS-InSAR)技术和32景Sentinel-1A影像,获取了上海浦东国际机场2020年9月—2023年8月的时间序列沉降信息;构建了基于海象优化算法(WaOA)优化的WaOALSTM沉降预测模型,并将预测结果与合成孔径雷达干涉测量(InSAR)监测值进行对比分析。结果表明,上海浦东国际机场近三年最大沉降速率为-52.21 mm/a,最大累积沉降量达到-159.30 mm,沉降主要集中在填海区的二号、四号和五号跑道,其中五号跑道北部周围护岸区域及沿海堤坝区域最为严重;WaOA-LSTM模型预测值与监测真实值的均方根误差为2.63 mm,平均绝对误差为2.06 mm,相较于传统LSTM模型分别提升了52.87%和53.29%。研究结果为上海浦东国际机场的安全运营提供了参考。

多源遥感揭示白鹤滩库区五里坡滑坡蓄水期形变演化与复活机制

为揭示水电站蓄水期库岸滑坡形变演变趋势及复活机制,基于白鹤滩库区五里坡滑坡2021年1月—2022年8月共73景Sentinel-1影像,采用SBAS-InSAR技术提取蓄水期二维形变,并使用无人机航测技术对滑坡及次生灾害痕迹进行调查,此外利用GNSS位移实测数据对InSAR形变结果进行对比与补充,综合3种技术结果与库区水位实测数据、地质资料对五里坡滑坡进行精细化分析.结果表明:(1)五里坡滑坡形变与库区蓄水存在强相关性.在蓄水前无明显形变而在蓄水后一个月便发生可见形变,随着水位上涨,坡度方向InSAR形变速率最高达到-153 mm/a,雷达视线方向InSAR最大累积形变量达到121 mm,并表现为由下部形变逐渐带动上部形变的牵引式滑坡特征.结合水位实测数据与GNSS位移监测数据发现滑坡形变与蓄水期水位变化吻合度较高.(2)现场地质调查表明五里坡滑坡为上硬下软的反倾岩质边坡,且坡面岩体风化强烈,下部岩体容易受到库水作用软化发生压缩变形进而导致坡体沿风化层发生牵引式滑动.研究结果可为库岸滑坡蓄水期监测和防治提供科学依据.

西藏色拉滑坡时序InSAR二维形变反演与预测

针对西藏贡觉县色拉滑坡,采用小基线集技术获取滑坡一维视线向形变结果,通过多维小基线集技术计算滑坡二维东西向与垂直向形变速率与时间序列形变,结果表明色拉滑坡以东西向形变为主且滑坡前缘特征点累积位移超过100 mm;并将特征点累积形变与地区降雨量进行对比分析,发现每年6月-9月期间滑坡前缘受强降雨影响形变速率加快从而牵引滑坡中后部分加速形变.采用长短期记忆网络模型对滑坡特征点时间序列进行预测分析,预测结果显示周期性和缓慢形变可获得恰当的预测结果,对于剧烈形变的特征点符合其运动趋势.所得结果可为金沙江流域类似滑坡灾害预警提供参考.

基于SBAS-InSAR技术的木场古滑坡变形特征分析

滑坡灾害严重威胁着人们的生命财产安全,对滑坡开展监测工作对防灾减灾具有重要意义。获取覆盖木场古滑坡的58景Sentinel-1降轨数据,基于短基线子集干涉测量(small baseline subset interferometric synthetic aperture radar,SBAS-InSAR)技术对木场古滑坡进行形变监测,结合木场古滑坡的地质特征分析了滑坡时序变形趋势。结果表明:木场古滑坡体形变速率结果整体为负值,且中下部变形速率较大;监测期间次级滑坡H1、H2和H3区域变形最为严重,监测点在时间维度上的变形趋势基本一致,总体呈下滑趋势,表明木场古滑坡体处于持续发展阶段,尤其是次级滑坡H1、H2和H3发育尤为强烈;结合现场变形迹象验证了SBAS形变监测的准确性。研究成果促进了InSAR技术在滑坡中的应用,以期为滑坡防灾减灾工作提供科学依据。

基于SBAS-InSAR的合肥市地面沉降监测研究

文章采用短基线集合成孔径雷达干涉测量(small baseline subset interferometric synthetic aperture radar,SBAS-InSAR)技术对Sentinel-1A卫星升轨数据进行处理分析,对合肥市地面形变开展监测研究。结果表明:合肥市地面形变状态较为平稳,大部分地区地面年平均形变速率在-4~4 mm/a之间;年平均形变速率超过10 mm/a的显著沉降区和抬升区各5处,其中高新技术产业开发区附近具有最大沉降形变速率,形变速率为-24 mm/a,沉降量为31 mm;竹溪站附近具有最大抬升形变速率,形变速率为12 mm/a,抬升量为20 mm。综合分析表明,合肥市地面沉降主要受断裂活动控制,后期受工程建设扰动较大,而地面抬升区分布主要受工程扰动控制。

SBAS-InSAR矿区沉陷监测与动态预计模型参数研究

基于Sentinel-1A数据,利用小基线集差分干涉(SBAS-InSAR)技术监测了山西省孝义市高阳煤矿2018—2020年地表时序沉降,与实际开采情况吻合;根据SBAS-InSAR监测结果对幂指数Knothe时间函数的参数进行反演,建立了参数与工作面推进距离的关系,构建了基于时间和工作面推进距离的地表沉降动态预测模型;用地表观测站水准监测数据验证了模型的可靠性。研究结果可为高阳煤矿及其周边矿区地表沉陷动态监测和预测提供参考。

新疆西准噶尔沙吉海地区地表形变时空特征分析及其环境意义

煤矿地下开采形成的采空区对地表工程和周围环境造成严重的破坏,造成沙吉海矿区周围生态脆弱,草场面积缩减。长期废弃的矿井由于不清楚地下开采情况及范围,所以难以进行有效治理。通过长时间大范围的采空区形变特征监测,对于地质灾害预防和治理来说具有重要意义。基于2017年3月19日—2019年12月22日73幅覆盖沙吉海矿区的Sentinel-1A影像,采用差分干涉测量短基线集时序分析技术(small baseline subset interferometric synthetic aperture radar, SBAS-InSAR)获取时序地表残余变形,此外通过克里金插值法获取了整个研究区完整的形变信息,监测到研究区平均变形速率在-148.44~38.05 mm/a,最大累积形变量达-1 418.42 mm。分别得到废弃采空区和正在开采矿井工作面的形变特征,正在开采煤矿采空区呈漏斗形变形,废弃采空区沉降呈多点分散形,变化不均匀。经过对沙吉海矿区详细的野外调查,验证了SBAS-InSAR结果的可靠性。最后,结合野外验证结果分析了煤矿采空区围绕沉降中心呈漏斗形演化的过程。研究成果可为老旧采空区治理提供参考,对采空区变形预测具有指导意义。

曹妃甸沿海区地表沉降监测与预测分析

为探究曹妃甸沿海区的地表沉降情况,本文使用永久散射体合成孔径雷达干涉测量(PS-InSAR)和短基线合成孔径雷达干涉测量(SBAS-InSAR)技术对2017—2022年的63景Sentinel-1A数据进行反演,得到了沿海区的地表沉降速率及分布,再对两种技术的反演结果进行交叉验证及分析引起沉降的原因,同时利用反向传播(BP)神经网络和长短期记忆(LSTM)网络模型分别对特征点的时序沉降量进行预测分析及精度对比,主要得到以下几点结论:①两种技术反演结果具有较高一致性,线性相关达0.98;②研究区最大沉降速率为-49 mm/a,最大累计沉降量为231.4 mm,地质条件脆弱、长期过度开采地下水、大规模的建设和工程扰动是造成该地沉降发生的主要原因;③经对比分析,长短期记忆(LSTM)网络模型的预测效果更适合于时序形变数据的预测,预测结果也更为接近实际形变值。

基于SBAS-InSAR技术的大坝形变探测与监测

针对大坝安全运营的形变监测问题,研究基于多基线干涉合成孔径雷达(SBAS-InSAR)技术的大坝形变探测与监测方法。设置时间基线阈值,生成大坝差分干涉相位图;利用改进的戈尔茨坦滤波(Goldstein)算法,滤波处理大坝差分干涉相位图;采用最小不连续的区域增长解缠算法,相位解缠大坝差分干涉相位图;通过相干系数阈值法,在大坝相位解缠图内选取高相干点;建立大坝形变探测与监测的高程测量估计数学模型;通过奇异值分解法,求解数学模型,实现大坝探测与监测结果。实验证明:该方法可有效生成大坝差分干涉图,并去除大坝差分干涉图的内部噪声;可有效探测与监测大坝内各监测点的形变量。

时序InSAR广佛地区地表形变监测与分析

随着经济的快速发展,城市地区的浅层地表运动已成为当前研究热点与重点。本文采用小基线集干涉测量技术对广佛区域从2018年10月—2022年4月的36景哨兵1号数据进行处理,并引入GACOS产品辅助大气校正,获取研究区的时间序列形变。结果表明,研究区内年平均形变速率主要集中在-4.9~5.9 mm/a,沉降呈零星分布,主要位于禅城区的西部、顺德区的北部及研究区内的南沙区;研究区内的地铁沿线沉降主要在佛山2号线、广州2号线、3号线的局部区域。

基于“天−空−地”一体化的东川区沙坝村滑坡体时序监测与分析

小江断裂带地质灾害频发,且大多处于山体高位并有植被覆盖,传统人工调查方法难以进行有效的排查与分析评估,区域内人民生命财产安全存在巨大安全隐患.选取东川区沙坝村作为研究区域,利用SBASInSAR方法对历史影像进行处理得到区域时序性形变信息,采用无人机航空摄影测量方法获取滑坡体实景三维模型,人工进行实地地质灾害详查,通过“天‒空‒地”一体化的方法对沙坝村滑坡体进行多尺度、长时间序列地表形变监测与变化特征分析.结果表明:①沙坝村滑坡体沿雷达视线方向(Line of Sight,LOS)年平均形变速率在‒4~26 mm/a之间,山体地形陡峭,有多处地区为已发崩塌点或存在潜在崩塌滑坡风险;②山坡中部的古崩塌体(体积约12100 m^(3))及其周边均处于抬升状态,但上部抬升速率(11.98 mm/a)大于下部抬升速率速率(9.89 mm/a),年平均形变速率不一致,存在下滑风险;③利用SBAS-InSAR方法能够获取到山区地表宏观时序形变信息,对地质灾害进行早期识别,辅以无人机航空摄影测量构建区域实景三维,可提高传统地质灾害调查效率,同时可以追溯变形区域历史活动规律,为灾害评估提供重要数据支撑.

DInSAR技术的最新进展

从传统合成孔径雷达差分干涉测量(DInSAR)技术面临的问题出发,分析了近年来DInSAR技术发展的新趋势,详细论述了最小二乘(Least Squares,LS)方法、永久散射体(Permanent Scatterer,PS)方法和小基线集(Small Baseline Subset,SBAS)方法的原理、应用及发展趋势。