基于SBAS InSAR技术的叙古高速沿线滑坡识别与监测

叙永—古蔺高速公路(叙古高速)位于四川盆地南缘,线路周边地质条件复杂,其安全运营受到地质灾害威胁,因此,叙古高速沿线地质灾害的识别分析具有十分重要的意义。合成孔径雷达干涉测量(interferometric synthe-tic aperture Radar,InSAR)技术具有全天时全天候、覆盖范围大和毫米级地表形变监测的优势,在广域滑坡识别监测中发挥了重要作用。基于此,采用小基线集(small baseline subset,SBAS)InSAR技术对2017年2月—2020年9月Sentinel-1升降轨数据集进行处理分析,获取叙古高速沿线地表形变速率,共探测到包括集美滑坡等在内的18处滑坡体,分析发现滑坡形变主要与人为活动相关。结果同时表明,升降轨数据结合有助于更准确地识别灾害点分布。随着数据的积累与技术的不断发展,InSAR技术可以在地质灾害防治中发挥越来越重要的作用。

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。

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。

SBAS-InSAR技术监测青藏高原季节性冻土形变

冻土的冻结和融化的反复交替会造成地质环境与结构的破坏,从而导致房屋和道路等地面工程建筑物的地基破裂或者塌陷,还会引起山体滑坡、洪水暴发以及冰川移动等.因此,监测冻土形变对确保冻土区工程建筑的稳定性和安全性,同时保证冻土区社会经济可持续发展具有重要的意义.目前,在冻土监测方面并没有能大面积监测冻土形变时间演化情况的有效方法,本文提出将InSAR技术中的小基线集方法(SBAS-InSAR)应用于监测冻土来获取其形变时间序列中.考虑到冻土形变呈现明显的季节性特征,本文提出利用周期形变模型来代替传统SBAS方法中的线性形变模型,从而更好地分离出高程残差和大气误差.利用ENVISAT卫星获取的21景ASAR影像图作为实验数据,采用改进的SBAS技术成功获取了青藏高原从羊八井站至当雄站铁路段冻土区的地表形变时间序列图,揭示了该冻土区从2007年到2010年的季节性形变演化情况.通过与研究地区温度变化的联合分析,发现所得到的地表形变结果与冻土的物理变化规律非常吻合,证明了SBAS-InSAR技术在冻土形变监测中具有良好的发展应用前景.

PS-InSAR与SBAS-InSAR监测地表沉降的比较研究

阐述PS-InSAR与SBAS-InSAR的方法与原理,以北京地区为例,处理了2004—2010年的31幅ENVISATASAR图像,将两种技术获得的结果作了对比分析。结果表明,PS-InSAR与SBAS-InSAR获得的结果具有很高的一致性;些微的差异主要表现为SBAS-InSAR的PS点形变时间序列在空间上相对更加连续。两种技术所取得的结果与北京市地面沉降的监测结果基本吻合,证明两种方法获得的结果都是可靠的。

基于SBAS-InSAR的长治矿区地表形变监测

小基线集InSAR（ SBAS-InSAR）时序分析方法能够较好地克服InSAR时空失相干限制,抑制地形和大气影响,增加时间采样率,在监测地表形变随时间演化方面取得了较好的应用。为了有效监测山西省长治矿区地表形变,利用DInSAR方法监测开采矿区的快速大形变,得到形变区30 d的最大沉降量为11 cm；利用SBAS方法监测矿区边缘微小缓慢形变,得到2003年7月-2010年7月期间区内地面沉降的空间展布及时间序列相对形变量。对于矿区周围相干性保持较好的居民区,SBAS方法监测结果表明其整体形变表现为沉降趋势,沉降面积较大,沉降速率为5~15 mm/a,最大累计沉降为90 mm。矿区因开采时间、开采方式、采储量以及地形等因素的不同而呈现出不同的沉降结果。

基于短基线集方法(SBAS-INSAR)技术的山区城市地面沉降监测研究——以攀枝花为例

基于合成孔径雷达干涉(interferometric synthetic aperture radar,INSAR)技术的山区城市地面沉降研究,因地形复杂、植被覆盖等因素开展较少。首次在攀枝花市,利用12景2009-2010ENVISAT ASAR数据,采用短基线集方法开展大范围、长时间监测。结果表明,攀枝花市东区地面沉降较大,沉降的平均速率高达48 mm/年;西区沉降较小,沉降平均速率10 mm/年。推测原因多为城市化建设所致地面荷载;而市东北方向的露天矿区,因连续开采所致,不同时期同一地点的地表变化,导致高相干点在此区域分散稀疏,不能表明是否有沉降现象。

基于SBAS的矿区形变监测研究

由于使用的SAR图像较少,缺乏多余观测,传统的DInSAR测得的形变可靠性较差。此外,受InSAR观测周期以及空间和时间基线的限制,多数情况下很难将离散的DInSAR观测连接起来,获得时间上连续的沉降场,从而揭示研究区域的沉降演化情况。运用小基线集(SBAS)技术,通过虚拟观测值的方法,对DInSAR获取的相位进行后处理,以获取冷水江矿区的沉降序列图,揭示矿区沉降漏斗的发展和演化情况。空间基线的约束有效地减弱DEM误差的影响,同时观测量的增加又提高监测结果的精度和可靠性。

基于SBAS的兰西县城区地面沉降监测研究

本文通过采用小基线InSAR技术,对离散的DInSAR干涉对进行时序分析,获取黑龙江省兰西县城区2012年的线性地面沉降速率,通过去除大气延迟相位计算非线性形变量,进而获取时间上连续的沉降量。通过分析兰西县城区的沉降幅度、分布及其随时间变化的情况,发现研究区最大沉降速率达到2.4cm/年,地面沉降累积量随时间变化基本上呈线性的沉降。最后利用相邻轨道Radarsat-2数据独立计算的结果进行对比验证,相对误差在4mm/年以内,均方差为0.13cm/年。两者计算结果的一致性说明了本文研究区InSAR计算结果的准确性。

基于短基线子集(SBAS)干涉技术的地表时序沉降估计

目前我国很多城市正在遭受地面沉降的地质灾害,长三角地区尤为严重,其持续时间长,规模大,带来的经济损失巨大,无锡是长三角地区大规模地面沉降的典型代表城市之一。为此,本文利用10景ALOS PALSAR影像,基于短基线子集(SBAS)干涉技术,评估了无锡市从2007年1月12日到2011年3月10日的地表时序形变。研究结果表明:惠山区沉降速率较快;2007年到2009年沉降空间格局发生了改变,2009年到2010年监测结果出现异常陡降。实验证明利用短基线子集(SBAS)干涉技术对大范围的长时间序列沉降监测可行且有效,其监测结果可以让决策者全面掌握地面沉降灾害的整体状况,从而为地理国情监测以及防灾减灾提供重要的科学依据,同时也可以根据沉降规律追溯历史工程活动时间。

融合实测数据的地表沉降SBAS-InSAR监测方法

近年来我国煤矿地下开采深度不断增加,深部非充分开采条件下矿区地表沉降量偏小、持续周期长,使用小基线集(SBAS)时序InSAR技术可用于获取矿区地表高时空分辨率的变形信息,然而InSAR监测中失相干问题会导致部分下沉区域无法得到有效形变信息。提出了一种融合实测数据的地表沉降SBAS-InSAR监测方法,以万年矿沉降区的26景哨兵1A数据和部分水准实测数据为试验数据,通过融合部分同时期水准实测数据,采用反距离加权插值法(Inverse Distance Weighted,IDW)对研究区内失相干区域进行IDW空间插值,得到地表沉降区完整且连续的地表沉降信息,解决了部分沉降区域因植被旺盛引起的InSAR数据失相干问题。通过提取研究区内走向及倾向时序沉降曲线,对万年矿工作面132153和132157非充分开采地表沉降规律进行分析,发现工作面132153较132157沉降范围更广,沉降量更大,是由其开采过程中邻近老采空区出现“活化”现象所致。选取和对比3个同时期的InSAR监测结果与水准实测结果,其均方根误差分别为±6.0,±4.4和±9.8 mm。研究结果表明,融合实测数据和IDW插值后的SBAS-InSAR应用于矿区深部非充分开采地表沉降时序监测具有很高的可靠性,监测精度完全满足相关工程技术要求。

SBAS-InSAR技术在城市地铁沿线沉降形变监测中的应用

随着城市地铁工程的大量修建,虽然有效的缓解了城市内部交通压力,促进了社会经济的发展,但是地铁沿线沉降形变问题日益突出。本文以广州市5景COSMO-SkyMed数据为基础,采用SBAS-InSAR技术分析了地铁沿线及周边沉降规律,结果表明,地铁沿线沉降量具有明显的分布不均匀、成群成片出现的特征,一般在人流量大、附近建筑物多的区域沉降量明显增加,地铁沿线沉降量最大的区域并不是地铁线中心,而是远离地铁中心线的两侧0.4~0.8 km范围。

SBAS-InSAR技术的广州市地面沉降监测

为了研究广州市地面沉降情况,利用覆盖广州地区的34景Sentinel-1A影像数据,基于永久散射体(PS)特征点的短基线合成孔径雷达干涉测量(SBAS-InSAR)技术进行时序分析,结果表明:研究区总体形态呈稳定状态,研究区域内存在6个沉降区,在监测时间内,研究区沉降速率为-32.1 mm/a~7.3 mm/a,累计沉降量为-92.1 mm。广州市的软土是导致沉降的主要因素,城市的工程建设以及地下水的过度开采为重要原因。

基于短基线集干涉测量(SBAS)技术的郑州市区地面沉降观测研究

采用短基线集干涉测量(SBAS)技术方法研究了郑州市区的地面沉降特征。论述了SAR数据处理的流程和技术重点,对SAR数据处理过程中获得的各种参数进行了分析,选取覆盖郑州市区的多景RADARSAT-2雷达图像作为数据,进行短基线集干涉测量处理,根据沉降速率结果分析了郑州市区地面沉降形变特征,提取了郑州市2015—2017年间的地面沉降量,沉降速率大于20 mm/a的沉降区面积约为166 km~2。形成了3个主要的沉降区,分别为北部沉降区、西部沉降区和东部沉降区,沉降区主要分布在有软土分布工程地质亚区内。研究区引起地面沉降的原因主要为人类社会活动,突出表现在地下水利用、开采地热资源、城市基础设施建设等方面。

基于SBAS-InSAR技术的矿区地面沉降监测与分析

为研究解缠相干阈值和干涉对数量对SBAS-InSAR矿区沉降监测的影响,以济阳煤矿为研究对象,选取2017—2019年58景C波段哨兵-1A(Sentinel-1A)卫星合成孔径雷达(synthetic aperture radar,SAR)影像,设定2组解缠相干阈值(0.15和0.25),对应2组解缠阈值分别选取68组和87组干涉对,对SBAS-InSAR获得的4组矿区沉降监测结果进行对比分析。结果表明,SBAS-InSAR能准确监测矿区沉降空间变化,且沉降的时间、位置及推进方向与实际开采情况一致。但解缠相干阈值和干涉对数量影响的监测结果表明:当解缠阈值相同时,干涉对数量越多,可获取的沉降数据越多,但低相干点有所增加,数据精度越低;当干涉对数量相同时,相干阈值越大,可获取的沉降数据越少,监测结果精度越高;当相干阈值选取0.15时,使用68组和87组干涉对的均方根误差分别为204.0 mm和231.6 mm;当相干阈值选取0.25时,使用68组和87组干涉对的均方根误差分别为233.5 mm和177.8 mm。

高海拔排土场边坡安全稳定性SBAS-InSAR监测

为解决高海拔排土场边坡安全稳定性监测中常规监测仪器布置和人员值守的高投入、高风险问题,分析西藏山南桑日县某排土场边坡25景Sentinel-1A数据,利用短基线集合成孔径雷达干涉测量(SBAS-InSAR)技术监测终了排土场边坡从2018年11月4日—2020年12月23日期间的地表形变,采用基线估计状态空间模型、自适应滤波和最小费用流进行相位解缠,经过影像配准、干涉处理和去平地效应,考虑高海拔地区跨越干湿季时温度和降雨对数据的影响,生成平均形变速率图,基于形变监测结果评判该排土场边坡的安全稳定状态。结果表明:该排土场边坡坡体2018-2020年的平均形变速率最大值为-13.90 mm/a,且在2020年6月,达到黄色预警阈值,采取必要的防治措施后,沉降速率趋缓得到了有效控制。实践表明:SBAS-InSAR应用于高海拔排土场边坡,能够实现动态、全面覆盖、长期可靠的安全稳定性监测。