基于高分辨率TerraSAR-X影像的PSInSAR地表形变监测

利用2011年10月—2013年7月间获取的37景TerraSAR-X高分辨率条带模式SAR数据,采用干涉测量点目标分析(interferometric point target analysis,IPTA)技术得到常州地区因工厂集中开采地下水所引起的地表沉降信息,即常州市武进地区有多处地表沉降,在2011—2013年间最大沉降速率为31.494 mm/a。通过与Envisat ASAR数据获取的平均沉降速率对比,说明TerraSAR-X数据不仅可以提高永久散射体(permanment scatter,PS)的点密度,而且能更好地描述散射体的细节变化和微量位移情况,体现出TerraSAR-X数据监测地表形变的优势。沈海高速公路常州沿线地面沉降的监测结果表明:TerraSAR-X数据在人工线状地物形变监测中具有广阔的应用前景;IPTA监测结果与水准测量结果具有较好的一致性,表明将IPTA技术应用于城市地表形变监测的正确性。     

基于InSAR技术的南昌市地铁沿线地面沉降监测与分析

地铁的建设与营运会产生沿线的长期持续形变,从而引发地面沉降。本文以南昌市运营中的1、2号线以及在建地铁沿线为研究对象,基于研究区内的26景Sentinel-1A数据和DEM数据,采用了小基线集(Small Baseline Subset,SBAS)时间序列技术,获取了研究区内地表的形变速率与累计形变量。实验结果表明,地铁沿线范围内整体呈现沉降趋势,沉降速率在-2 mm/year～-17mm/year之间,局部区域出现地面抬升情况,累计抬升65.53mm。通过分析时序结果变化以及沉降发生的地理空间分布,推断地铁高速运行产生的地面载荷是地面沉降发生的主要因素。     

基于PS-InSAR技术的北京地铁线网地表沉降研究

随着城市地下轨道交通的高速发展,地铁建设运营引起的地面沉降现象及其对工程线路的影响引发了国内外相关学者的极大关注。本研究基于哨兵1号合成孔径雷达（SAR）影像,利用永久散射体对合成孔径雷达干涉测量（PS-InSAR）技术对北京地铁全网沿线1 km区域地表变形进行监测,形成了2018—2022年北京地铁沿线整体监测的形变结果图、特征点时序形变结果图以及统计分析典型形变区域的沉降速率剖面图等成果,并分析了北京地铁沿线重点沉降区域、沉降速率时间变化和空间变化,对地铁运营安全风险评估和运维管理具有重要意义。     

基于PSInSAR技术的常州地表形变监测研究

地面沉降已成为我国主要地质灾害之一,本文利用27景Envisat ASAR数据,采用点目标干涉测量(IPTA)技术,以常州市为实验地区,得到常州地区2007 ～ 2011年间地表形变沉降速率图,结果表明,常州市区存在多处严重沉降,最大沉降速率达-31 mm/a,表明IPTA技术在城市地面沉降监测中有广泛的应用前景.     

佛山地铁沿线时序InSAR形变时空特征分析

佛山作为中国珠三角地区经济和城市化高速发展的城市，由于其脆弱的地质水文条件，长期遭受地面沉降灾害的影响。同时，该区域地铁作为缓解城市交通压力的重要工具，其施工和运行所导致的地面沉降也影响了人们的生命财产安全。但目前针对佛山地区相关的系统研究不多，对地铁沿线的沉降规律认识不足。利用Sentinel-1数据监测了2015-06至2018-09间佛山市的形变信息，结果表明，佛山市地表形变呈零星分布，未出现大范围的沉降漏斗，形变速率为-20~5 mm/a，局部区域的沉降速率超过-30 mm/a。地面沉降主要与不稳定的地质结构、地下水抽取和局部区域工程施工有关。基于获得的形变结果，对佛山市地铁沿线的形变情况进行了研究，并对2018年佛山市地铁坍塌事故路段的沉降情况进行了详细分析，阐述了在空间分布上地铁沿线沉降差异的成因，并在时间上对地铁沿线的形变进行了模型参数反演。研究工作为今后当地政府开展地表形变普查、沉降灾害预警提供了参考，并为地铁正常运行与维护的安全监测提供了理论依据。     

南昌地铁沿线时序InSAR形变时空特征分析

基于32幅Sentinel-1 A影像数据,采用结合永久散射体(Persistent Scatterer,PS)特征点的小基线集雷达干涉测量技术获取了南昌市区2017年3月至2019年10月的地表形变信息,形变量级位于-22～14 mm/a.重点分析了各条地铁沿线形变的时空特征:1号线受地下水开采和南钢、洪钢漏斗的影响,地表有略微下沉;2号线八一广场站与南昌西客站附近区域地表出现抬升,发现地铁线路在不同建设时期会对地表形变造成一定的影响,同时着重分析2018年发生的两起坍塌事故的地表形变的因素;3、4号线部分区域由于不稳定的地质条件、地下水开采以及地铁隧道施工,导致地表出现沉降.     

IPTA监测圣佩德罗湾港口地表时序沉降

常规D-InSAR技术已成功应用于由于火山、地震等引起的地表形变监测,然而受时间失相干和大气延迟等影响,该技术监测地表沉降形变的精度只能达厘米级。本文以美国圣佩德罗湾港口为研究对象,采用干涉点目标分析(IPTA)技术,选用二维线性相位模型对时序差分干涉相位图迭代回归分析,逐次去除大气延迟、DEM误差以及噪声等的影响,最终提取出准确可靠的形变序列相位信息。结果证明IPTA技术对长期微小的地壳累积形变探测具有广阔的应用前景,而且IPTA技术在实现效率和数据存储方面都优于常规的PS-InSAR。     

InSAR技术支持下的高速铁路沿线沉降监测与预测

针对盘营铁路专线、哈大铁路专线沿线沉降监测研究较少,采用InSAR技术获取了研究区地表形变信息,还对其进行了相关分析.用SBAS-InSAR对35景Sentinel-1A SAR数据进行处理,获取VV、VH极化下的年均沉降速率及沉降序列;以年均沉降速率为研究对象,进行沿线沉降特征分析及交叉验证;利用小波变换对沉降序列降噪处理,用改进BP神经网络对降噪后沉降序列预测分析.研究结果表明,研究区内高速铁路沿线共监测出6个明显沉降区域,最大沉降速率达50mm/a;两种极化年均沉降速率具有较高的一致性,降噪处理后的沉降序列更加平滑;改进BP神经网络具有较高的收敛速度,其预测精度有较大提高.     

基于SBAS-INSAR技术的抚顺市矿区地表沉陷监测与分析

基于2019年1月13日至2019年6月6日期间获取的13景Sentinel-1SAR数据(VV极化),采用短基线集技术(SBAS)获取抚顺市矿区的地表形变信息.结果表明,抚顺市的矿区地面沉降较为严重,最大累计沉降量为138.929 mm,在老虎台煤矿和泰和煤矿.确定了抚顺市2019年1月至2019年6月内形变速率,最大形变速率为-199.961 mm/a,选择典型的4个位置绘制多时相形变速率变化图,采用常规四等水准控制点验证解算精度,结果表明SBAS-INSAR技术适用于矿区地表沉降监测和分析.     

PSP-InSAR技术在地铁沿线的形变监测应用

基于56景COSMO-SkyMed影像，本文采用PSP-InSAR技术对杭州地铁2号线沿线500 m范围进行地面沉降监测，并对形变区的位置、面积和数量进行了统计，在此基础上提取形变梯度大于0.1 mm/m的累计形变量点并开展比对分析。结果表明：①虽然地表形变集中区、形变严重区和形变梯度较大区域有着高度的重叠，但部分形变集中区内形变量和形变梯度并不大，也存在形变平稳区段形变梯度却较为显著现象，因此单从一个角度分析地铁沿线的形变，易增加漏检和错检的概率。②PSP-InSAR技术可从空间上完整表现地铁线上沉降的分布特征，对于地铁竣工运营期间的沉降监测具有显著意义，可为地铁的运营维护提供依据。     

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SBAS-InSAR技术的甘肃华亭市地表形变监测与分析

小基线集SBAS-InSAR技术能够有效识别区域性地表形变,可以长时间序列分析地表形变特征。本研究获取了覆盖甘肃华亭市范围2017年10月—2021年4月Sentinel-1A升降轨雷达数据214期,利用SBAS-InSAR技术进行差分干涉处理,探测区域地表形变,分析形变区变化规律特征。结果表明:华亭市地表形变区主要分布在主城区北部、市域范围东南部,共计8处,以煤矿代表的地面沉降最为明显,沿视线方向最大年沉降平均速率达-404.036 mm/a。研究获取了区域地表形变区分布状况及形变速率,可为华亭市地表形变监测、地质灾害防治、地下水水资源开发利用提供参考依据。     

PSI技术在贵阳市地面沉降监测中的应用

本文选用2018年12月至2019年12月共计32景Sentinel-1升轨影像数据,基于PSI技术对贵阳市进行了形变信息提取。结果显示,监测区内共发现较大形变区24处,其中沉降区21处,抬升区3处。通过统计学方法,证明了地铁沿线并无明显形变,对形变区进行分析发现,24处形变区均与城市化建设有关,与地铁施工运行并无关系。最后,本文从形变区中挑选了3处作为实例进行分析,并对其原因进行分析。本文研究成果为有关部门开展地表形变普查、沉降监测工作等提供了参考,也为城市安全监测工作提供了依据。     

TerraSAR的首都机场形变特征分析

针对首都机场的地表形变问题,该文采用永久散射体干涉测量技术,对2010—2013年间33景高分辨率TerraSAR(升轨)数据进行处理,获取首都机场地表形变的时空变化特征;分析了地下水水位与地面形变的关系,以及地表动静载荷对地面形变的影响。结果表明:PSInSAR获取的测量结果精度较高,与水准测量结果相比误差仅为1.08mm;首都机场及其附近区域存在不同程度的地表形变,机场西北部区域沉降速率明显大于东南部;T1航站楼沉降速度较快达到45mm/a,T2航站楼存在不均匀沉降现象,北端沉降速率明显大于南端;地表形变与地下水位变化过程存在一致性,并有季节性信息,每年冬春两季沉降量大于夏秋两季;地面动静载荷的不均匀分布是地表出现不均匀沉降的原因之一,动静载荷较大的西侧跑道、T1、T2航站楼区域沉降速率明显大于其他区域。     

基于Sentinel-1A数据的PSI技术在城市地表形变监测方面的应用

随着佛山市城市化进程逐步加快,地表形变引发的地质灾害日益显著,应用时序InSAR技术可以精确监测城市地表形变。文中选取广东佛山地区为研究区域,利用2015—2017年获取的41景Sentinel-1A数据,基于永久散射体差分干涉测量(PSI)技术提取该地区的时序形变、平均沉降速率等形变数据。研究结果表明,佛山市部分区域出现不均匀沉降,部分地区沉降速率甚至超过-35 mm/a,主要集中在城市重点建设区域,如地铁施工、桥梁施工等地。综合研究结果表明,利用Sentinel-1A数据的时序PSI技术可以高精度监测城市地表形变,监测数据有利于及早预防城市地质灾害发生,为城市健康精细化管理提供决策依据。     

基于永久散射体雷达差分干涉测量的城市地面沉降研究——以上海地面沉降监测为例

基于永久散射体雷达差分干涉测量技术,提出探测水久敞射体的振幅信息双阈值方法,研究上海陆家嘴地区在1992～2002年的地面沉降,获得该地区的线性和非线性沉降量以及区域沉降场,证实了地表形变在1 km范围内具有强相关性.结果显示陆家嘴地区在1992～2002年间的线性沉降速率为13.2 mn/a,总体半均沉降速率为16.8 mm/a,与实测结果之间具有较高的一致性.研究表明,PS-DInSAR技术不仪可有效探测地表离散目标的线性形变,还可探测其非线性形变以及获取地表区域形变场,并且可监测地表形变的时序变化过程.除了可用于城市沉降监测外,PS-DInSAR技术还可用于地震、火山、滑坡等地质灾害的监测.     

黄土填方区地表沉降时序InSAR监测分析

“削山填沟造地”等岩土工程在湿陷性黄土沟壑地区屡见不鲜,掌握填方区沉降情况具有重要意义。本文收集了2017年11月—2020年12月获取的56景TerraSAR-X StripMap模式影像,利用时序InSAR技术监测了陕北某湿陷性黄土填方地基工程的沉降信息,并与2017年11月—2020年12月期间监测区3个水准点的沉降测量结果比对。结果表明,在填方区地表以沉降为主,在挖方区地表以抬升为主,研究区存在有1处较为明显的地表沉降情况,位于填挖边界线附近填方区内,形变速率范围为-40~-20 mm/a,最大形变速率达-49.9 mm/a,累计量为-151.6 mm,时序InSAR形变结果和实地水准结果吻合性较好,垂直方向形变速率中误差为1.8 mm/a,表明时序InSAR技术在湿陷性黄土填挖方区变形监测中具有较好的应用价值。     

利用InSAR和网络模型的昆明地铁沿线形变预测

针对在地铁建设和运营中容易引起地面沉降,给人民生命财产安全造成威胁的问题,该文利用SBAS-InSAR对2018年7月—2019年12月昆明市41幅Sentinel-1A升降轨影像进行处理,获取昆明地铁沿线沉降信息。在此基础上,分析了6条地铁沿线200 m缓冲区地表沉降的时空分布特征,并结合LSTM、XGBoost、Deep Forset模型进行时间序列值的预测,引入绝对误差(ε)、均方根误差(RMSE)、纳什系数(NSE)对模型进行对比评价。Deep Forest预测模型计算得到的RMSE值最小,NSE值最大,分别为0.21、0.94,结果表明,Deep Forest预测模型效果高于LSTM、XGBoost预测模型。因此,利用Deep Forest模型能够有效地对地铁沿线进行沉降预测,可以为政府部门今后开展地铁沿线地面沉降监测和灾害预警提供参考。     

基于SBAS-InSAR技术的广州市白云区长时序地表形变监测与成因分析

随着我国城市化进程的推进,城市区域人类活动越来越密集,如地下水开采和地下工程等,导致地表发生沉降,影响人们的生活。为了确保城市健康稳定发展,开展城区大范围地面沉降监测具有重要意义。本文利用SBAS-InSAR技术对广州市白云区2016年2月—2022年3月获取的176景Sentinel-1 SAR影像进行处理,得到了该区域的平均形变速率和时序形变。同时,结合历史光学影像和现场调查对研究区域内的形变原因进行了分析。结果表明,形变主要与当地的地质条件、垃圾生化降解和人类活动(如建构筑物施工等)有关,最大形变速率超过40 mm/a,最大累计形变量超过350 mm。本文研究可为城市区域的地面沉降监测和成因分析提供参考。     

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.