D-InSAR技术应用于汶川地震地表位移场的空间分析

基于星载合成孔径雷达差分干涉测量技术(D-InSAR),利用7个条带共112景日本ALOS/PALSAR raw格式雷达数据,采用两通差分干涉处理模式,获取了2008年5月12日汶川MS8.0地震发震断层周围约450km×500km区域的同震形变干涉纹图。通过对干涉纹图的定性分析,确定了非相干带的分布范围,据此对相位连续条带和相位不连续条带采用不同的相位解缠方案,实现了7个条带的成功解缠,获得了数值化的干涉形变场图像,并通过形变等值线和跨断层形变剖面线等方法对干涉形变场的空间分布和演化特征进行了分析。结果表明:汶川地震造成的地表形变场沿映秀-北川断裂带分布,形变范围很大,但主要集中在发震断层南北两侧各约100km的近场区。其中断层附近由西向东宽约3015km,长约250km的区域为非相干带,是本次地震中变形最强烈并伴有地表破裂发生的区域,其形变梯度已超出InSAR测度能力。在非相干带两侧宽度各约70km,具有清晰可辨连续完整并向发震断层收敛的包络状干涉条纹区域是次一级形变区,距离发震断层越近,形变梯度和幅度越大,其视线向位移为北盘沉降,南盘抬升。相对于数据条带南北边缘,北盘最大累积沉     

提取地震同震形变场特征的最佳雷达波段问题研究

利用弹性形变模型, 并以走滑型断层为例, 对地震同震形变场进行了模拟研究。 结合雷达成像几何关系, 得到干涉雷达的LOS向形变场以及干涉相位条纹图像。 对比分析了不同雷达波段(X波、 C波、 L波)以及不同雷达入射角(30°和50°)的同震形变场和干涉相位图。 结果表明, 同一雷达波段不同雷达入射角的LOS向形变场会有不同的效果, 入射角逐渐增大时, LOS向形变量随之增大, 体现了发震断层走滑特征; 采用不同雷达入射角, 其探测到的地表形变垂向分量和水平分量信息量不同, 表明入射角较大或较小时能够分别较好地对地表形变的水平变化和垂向变化进行监测; 同一雷达入射角, 不同雷达波段的干涉相位条纹有明显区别, 波长越短, 干涉条纹越密集, 容易出现去相关现象, 长波长的干涉相位条纹比较清晰。 从某种意义上讲, 尽管长波长的干涉相位反映地表形变信息的细节会减少, 但受噪声影响较小, 抗干扰性能较短波长的强, 干涉像对相干性高。 地表形变表现为长期缓慢的小幅度渐变性形态, 也表现为短期迅速的大面积突发性形态。 不同雷达波长探测到的地表形变有效信息不同, 为了更好地利用干涉雷达对各种尺度和不同变化速率的地表形变进行监测, 需要在满足精度的条件下尽可能地选择波长较长及多样化的雷达数据。     

基于子带干涉测量技术的巴基斯坦地震形变获取研究

2013年9月24日发生在巴基斯坦俾路支省(Balochistan)境内阿瓦兰县(Awaran)的MW7.7级地震,在地表产生了最大达10m的滑动量.利用TerraSAR-X短波雷达数据获取的InSAR同震形变场产生了密集且大范围的干涉条纹,给后续的相位解缠带来困难.而子带干涉法是一种无需或只需进行少量相位解缠,即可获得绝对相位差的新方法.其主要思路是通过缩减带宽以增长波长,从而减少干涉条纹数,降低解缠难度或不需解缠直接得到绝对相位差.但由于带宽的缩减,导致噪声的增大和旁瓣带来的额外干扰,使干涉图质量下降,因此在子带干涉参数选取、噪声滤波以及处理流程等方面需要特殊处理,特别是子带的中心频率和带宽的选取会很大程度地影响测量精度.首先选取典型DEM实验区,以干涉图相干性和误差为评价指标,利用逐步参数选取法,研究相关参数对子带干涉测量的影响,制定最优的参数方案,认识参数选取的原则和方法.在此基础上,将子带干涉应用于巴基斯坦地震的同震形变场获取.最后,将子带干涉、Landsat 8光学影像的交叉频谱相关法、offset-tracking、常规DInSAR获取的同震形变场进行比较,并与模型拟合的形变场进行对比分析.结果表明,子带干涉虽然会受失相干的影响,其提取的形变场范围相较于Landsat 8和offset-tracking有所缺失,但在共同覆盖的区域其精度和噪声水平更优,相比较于常规DInSAR,更适用于条纹密集和形变量大的地区.     

基于高分辨率SAR数据的子带干涉测量技术及其在地震同震形变场中的应用研究

正目前常规合成孔径雷达干涉测量技术(Interferometry Synthetic Aperture Radar,InSAR)在地形测绘和形变监测方面的发展已经非常成熟,其成功应用的关键取决于数据处理中的一些关键步骤,相位解缠是其处理中的关键步骤之一。相位解缠是指由干涉纹图的相对相位解算出地表绝对相位,从而得到高程或地表形变场的过程。针对解缠问题,众多学者提出了不同的解缠算法,这些解缠算法的提出,极大地推动了InSAR测量技术的发展。但在     

利用合成孔径雷达差分干涉测量技术监测伊朗Bam地震同震形变场

介绍了差分干涉测量的原理、差分干涉数据对的选取方法,以及三轨法差分干涉测量数据处理的流程.利用星载合成孔径雷达差分干涉(D-InSAR)测量技术和ENVISAT ASAR雷达数据对2003年12月26日伊朗Bam 6.5级地震引起的地表形变场进行了测量试验,成功地获取了Bam地震的蝴蝶状的同震形变场生成了地表形变的等值线图,并且根据相干图确定了地震造成破坏最严重的区域的位置、分布及面积.试验证明D-InSAR技术是地表形变测量和地震研究的一个强大和有效的工具.     

基于多期DInSAR数据的2016年定结地震序列发震断层特征研究

2016年5月22日,在西藏定结县发生四次MW4~5地震,研究本序列地震的发震断层几何和运动特征对于认识周边活动断裂性质具有重要意义.由于发震地区偏远,且观测台网分布稀疏,本研究采用星载雷达干涉测量(DInSAR)技术进行了同震形变场重建,但是定结地震震级较小,单干涉像对获取的形变场受相位噪声影响较大.为了解决这一问题,本研究基于时间序列Sentinel-1A干涉数据生成多期同震与非同震干涉图,并利用叠加平均法对本次定结地震同震形变场进行重建,提取了定结2016年5月22日多次地震产生的同震累计整体形变场.基于InSAR同震形变场和区域地质特征,研究进行了滑动分布反演,确定其主要贡献的发震断层几何参数及滑动分布:断层走向为188°,倾角为43°,平均滑动角为78°,发震断层的运动性质以正断为主兼具少量左旋走滑分量,滑动主要集中在断层垂直深度0~9km处,最大滑动量约为25cm,位于断层倾向深度3km处,反演得到的矩震级为MW5.58.本研究结果表明采用星载InSAR叠加平均技术可以较好地压制相位噪声,有效提取此类中小型浅源地震同震微弱形变场.最后,我们认为本次定结地震与藏南拆离断层与申扎-定结断层的活动密切相关.     

伊朗巴姆6.5级地震同震形变场的获取与解译

介绍了雷达差分干涉测量的原理,利用星载合成孔径雷达差分干涉测量技术和ENVISAT ASAR雷达数据,成功获取了2003年12月26日发生在伊朗巴姆的6.5级地震引起的同震形变场,通过生成地表形变的剖面图及等值线图,对形变场进行了深入的解译与分析,同时根据相干图确定了地震造成破坏最严重区域的位置、分布及面积.     

基于PSInSAR技术的海原断裂带地壳形变初步研究

常规差分干涉测量(DInSAR)受时间、空间失相干的严重制约和和大气延迟等相位误差的影响,难以实现对长期累积微小地壳形变场的有效探测.PSInSAR技术克服了常规DInSAR的局限性,能够高精度监测微小地壳形变.本文首先介绍了PSInSAR技术的算法模型和处理方法.该方法通过二维线性相位模型,对时序干涉图象上相干点目标...     

基于分区解缠方式研究2010年玉树M_W6.9地震同震形变

2010年玉树MW6.9地震发生后,已有学者利用DInSAR技术得到了该次地震的同震形变场,并在此基础上反演了其震源破裂滑动分布。本文以提高玉树地震同震形变场准确度作为出发点,设计了一种新的解缠方式获取相应的同震形变场:首先沿地表同震破裂迹线将InSAR干涉图像分割成上下两部分,然后利用网络流解缠算法对其分别进行相位解缠,最后通过统计重叠部分的相位一致性信息将两部分结果进行拼接。利用震中区GPS同震位移数据对分区解缠结果进行验证。结果表明:相对于整体解缠结果,分区解缠方式得到的最大视线向沉降值由42.6cm增加到48.1cm,所得结果与GPS观测结果更加接近,采用分区解缠方式提高了断层附近形变场的准确性。     

地震同震形变场失相干恢复方法研究

在合成孔径雷达干涉测量中,干涉相干是局部干涉条纹质量的重要评价标准,但是由于各种失相干源的影响,会出现失相干现象,而这可能会丢失重要的形变数据。本文首先利用ENVISAT ASAR的两景影像获得了2009年意大利拉奎拉M_W6.3地震的带有失相干现象的同震形变场,对数据预处理后再使用移动窗口克里金法对拉奎拉地震的同震形变场进行插值处理,恢复了形变图的失相干区域,之后进一步通过正反演获得同震形变场,并与上一步的插值结果进行对比分析。结果显示,插值结果与反演结果在极震区吻合得很好,验证了移动窗口克里金插值法恢复失相干的可靠性,说明插值法可以成为实现地震同震形变场失相干恢复的一种途径。      

基于SW统计量的自适应时频峰值滤波压制地震勘探随机噪声研究

由于金属矿区地震记录中随机噪声性质复杂且信噪比低,常规降噪方法难以达到预期的滤波效果.时频峰值滤波(TFPF)方法是实现低信噪比地震勘探记录中随机噪声压制的有效方法,但其在复杂地震勘探随机噪声下时窗参数优化问题仍难以解决.本文充分利用地震勘探噪声的统计特性,结合Shapiro-Wilk(SW)统计量辨识地震勘探记录中的微弱有效信号,提出基于SW统计量的自适应时频峰值滤波降噪方法(S-TFPF).在S-TFPF方案中,对于有效信号集中区,S-TFPF方法根据信号频率特征,选择有利于信号保持的较短时窗长度;对于噪声集中区,按噪声方差自适应增加时窗长度,增强随机噪声压制能力.S-TFPF应用于合成记录和共炮点记录的滤波结果表明,与传统时频峰值滤波方法相比,S-TFPF方法可以有效抑制低信噪比地震勘探记录中的随机噪声,更好地恢复出同相轴.     

基于遥感影像技术对普兰店农居建筑物的普查分析

房屋结构特征是评估地震灾害损失的重要影响因素之一,其中城市和农村房屋结构类型和抗震性能也有较大差异,城市建筑以砖混和框架结构为主,抗震性能较好,农村房屋主要以石木、砖木及砖混三种结构形式为主,抗震性能较差.对大连普兰店农居建筑物进行调研,通过无人机的航摄影像对建筑物结构的目视判读,并采用计算房屋误差矩阵和Kappa系数...     

基于Hessian矩阵的地震随机噪声压制方法

随机噪声的压制在提高地震资料信噪比方面发挥重要作用.考虑到传统去噪方法在构造复杂地区难以取得理想的去噪结果,本文提出基于Hessian矩阵特征值对应的线性目标关系在多个尺度上对随机噪声进行压制.该方法将地震信号看作不同尺度的曲线,从而利用Hessian矩阵在曲线检测方面表现出的良好性能实现信噪分离.该方法与传统方法相比不受地层倾角的限制,因此能够处理构造较为复杂地区的地震数据.利用模型及实际资料对该方法进行了验证并与传统方法F-X反褶积的去噪结果做对比,结果表明基于Hessian矩阵的随机噪声压制方法在构造复杂地区能够保持有效信号的完整性.     

基于视觉图像的震区人员搜救方法研究

传统基于信号传感技术的震区人员搜救方法,利用惯性导航传感技术融合移动距离和方向角对待搜救人员进行定位,容易受到天气状况不理想以及局部遮挡的影响,其搜救效率和精度低。提出基于视觉图像的震区人员搜救方法,利用图像采集设备采集震区初始视觉图像,采用小波降噪法降噪处理,提升可辨程度。通过色彩对比方法提取降噪后震区人员视觉图像的特征,并与震区原始图像特征对比,获取震区待搜救人员候选图像;根据候选图像分别采用Kalman滤波跟踪算法和Mean shift跟踪算法,在天气状况不理想以及局部遮挡的复杂震区环境中跟踪搜救人员目标。实验结果表明,所提方法查全率保持在98.5%以上,平均准确率约为98%,人员搜救平均时间约为23 s,说明所提方法能够进行高效、准确的震区人员搜救。     

基于多用户峰度准则的海洋强噪声衰减方法(英文)

海洋地震勘探过程中,由于采集设备的老化或电源的不稳定而造成的漏电,在地震记录表现为强噪音干扰,利用常规噪音衰减方法处理此类强噪音效果并不理想。鉴于强噪音在统计学上具有相同的特性,本文在基于峰度的盲分离(blind source separation,BSS)算法研究基础上,推导出一种基于多用户峰度(multiuser kurtosis,MUK)准则的噪音衰减算法来估计地震记录中具有相同统计特性的强噪音,并将其从地震记录中分离,从而达到衰减强噪音的目的。模型试验与实际资料的处理表明:该方法能够在好的衰减海洋地震勘探记录中的强噪音,保留了更多的有效信息,提高海洋地震数据的信噪比,具有可行性和应用前景。     

局部倾角约束最小二乘偏移方法研究

随着石油勘探难度的进一步加大,地震数据往往存在采样不规则、地震道缺失等现象,如果不对其进行处理,会对后续的地震成像产生影响,引入成像噪音.针对这一问题,一般是通过地震道插值或数据规则化对叠前数据进行处理,然后采用常规的偏移方法进行成像,本文则是将地震成像看作最小二乘反演问题,在共成像点道集引入平滑算子,在共偏移距/角度道集引入平面波构造算子(PWC)进行约束,通过预条件共轭梯度法使得反偏移后数据与输入数据之间的误差达到最小,最终得到信噪比更高、振幅属性更为可靠的成像结果.理论模型和实际资料处理表明,本文方法不仅可以有效压制数据不规则对成像产生的噪音,而且具有更高的成像精度.     

Information Detection of Seismic Debris Flow by UAV High-resolution Image Based on Transfer Learning

A large number of debris flow disasters (called Seismic debris flows) would occur after an earthquake, which can cause a great amount of damage. UAV low-altitude remote sensing technology has become a means of quickly obtaining disaster information as it has the advantage of convenience and timeliness, but the spectral information of the image is so scarce, making it difficult to accurately detect the information of earthquake debris flow disasters. Based on the above problems, a seismic debris flow detection method based on transfer learning (TL) mechanism is proposed. On the basis of the constructed seismic debris flow disaster database, the features acquired from the training of the convolutional neural network (CNN) are transferred to the disaster information detection of the seismic debris flow. The automatic detection of earthquake debris flow disaster information is then completed, and the results of object-oriented seismic debris flow disaster information detection are compared and analyzed with the detection results supported by transfer learning.     

Sentinel-1A及ALOS2数据约束下的阿克陶地震震源参数反演及发震构造研究

2016年11月25日,在新疆阿克陶县发生了M_W6.6地震.本文利用Sentinel-1A宽幅数据和ALOS2精细数据获得了同震形变场,干涉形变场沿木吉断裂展布,显示本次地震破裂长度可达70 km,在地表形成两个形变中心,且震中东部形变场条纹密集而西部稀疏、影响范围广,跨断层剖面显示视线向最大形变量可达12 cm.利用一种结合先验知识的多视角最小二乘迭代分解法求解出地表的三维形变场,结果显示震中东部形变中心垂向向下运动最大可达20 cm,木吉断裂南侧西向运动可达10 cm,断层表现为右旋走滑兼具正断作用.采用前向模拟的方法确定二段式分段断层模型能够较好地恢复观测形变场,进而以InSAR观测数据为约束,基于弹性半空间形变模型采用两段非均匀断层滑动模型来反演断层面上的精细滑动值.反演结果显示本次地震可能为两次地震事件,发生在断层西段的第一次事件以右旋走滑为主,走向103°,倾角76°,滑动角-167°,震源深度10.1 km,累计地震矩为7.2×10¹⁸N·M;东段的第二次事件为右旋走滑兼具正断作用,走向109°,倾角略缓约55°,滑动角-160°,震源深度5.3 km,累计地震矩7.76×10¹⁸N·M.本次地震是一次发生在公格尔拉张系的拉张环境下的构造地震.     

基于自由场局部变形的地下结构抗震Pushover分析方法

对地下结构抗震Pushover分析方法进行了改进,采用自由场局部变形峰值作为目标位移,局部变形峰值时刻对应的土层水平加速度作为等效惯性加速度输入。给出了局部变形峰值和等效惯性加速度确定方式,详细介绍了基于自由场局部变形的地下结构抗震Pushover分析方法实施步骤、使用方法和功能特点。该方法更有针对性地考虑了强地震作用下不同埋深地下结构与土体的非线性特征以及两者之间的相互作用,通过分析变形和受力情况可以得到完整的能力曲线,更好地评估地下结构抗震性能。使用本文方法对3种埋深的地下结构进行计算,并与动力非线性分析结果进行对比研究。结果表明:本方法在计算稳定性和模拟精度方面优于基于自由场整体变形的Pushover方法;对于不同的输入地震波,能力曲线的吻合程度更高;在强震和罕遇地震情况下,对于深埋地下结构,计算结果略大于动力非线性结果,对实际工程而言更加安全。     

基于深度学习网络的地震地质灾害识别研究

遥感影像识别方法是破坏性地震震后地质灾害快速、准确获取的重要方法之一,传统的遥感影像识别方法主要以人工目视识别方法和半自动识别方法为主,需投入大量的人力和时间。针对破坏性地震震后地质灾害解译时间长、投入人力多等问题,以2017年8月8日四川九寨沟7.0级地震震后高分辨率无人机遥感影像为研究样本,提出基于深度学习网络的地震地质灾害识别方法。首先结合震后遥感影像解译资料和现场调查资料,提取九寨沟地震地质灾害无人机遥感影像特征,并构建研究区地震地质灾害解译指标和分类数据集;然后采用DeepLabv3+网络结构及softmax损失函数,建立基于深度学习网络的地震地质灾害遥感影像图像语义分割模型方法;最后采用半监督学习方法进行结果验证。研究结果表明,基于深度学习网络的地震地质灾害识别方法可有效识别九寨沟地震地质灾害分布信息,整体分类识别准确率为94.22%,F₁分数值为0.77,结果具有较好的一致性和准确性,可提升地震现场灾情获取和重点地震隐患识别等工作效率及服务能力。