基于SBAS-InSAR技术和Sentinel-1A的城市地表沉降监测

基于SBAS-InSAR技术对覆盖研究区2017—2018年20景Sentinel-1A影像数据进行处理,得到研究区年沉降速率及时序形变信息,并与PS-InSAR结果进行对比验证,最后进一步分析了研究区沉降的成因.结果表明沉降主要发生在燕郊镇中部与西部区域,平均沉降速率超过20 mm/a,集中沉降区域平均沉降速率超过3...     

SBAS技术在矿区地面沉降监测中的应用

本文采用小基线技术即SBAS-InSAR处理淮南市谢家集矿区的8景ALOS-PLASAR数据,时间跨度为2007年1月—2011年2月。首先利用SBAS-InSAR技术提取该矿区的时序形变速率,得到累计整体沉降趋势;然后针对公路、铁路、新旧矿区等重点沉降区域进行分析。由监测结果分析可知,十涧湖西路、堤坝整体处于下沉状态,西张铁路的西半段处于抬升状态,而东半段则下沉严重;东方矿井及新二矿区均处于不同程度的下降状态。     

雷达技术支持下的福州市地铁沿线形变监测

近年来,由于地铁等地下工程大规模的建设产生了严重的地表沉降,从而诱发许多地质灾害,严重阻碍了中国城市化进程。因此,采用高精度雷达监测技术,对城市地质灾害监测及风险评估具有重要意义。本文利用SBAS-InSAR技术,基于24景X波段TerraSAR数据和32景C波段Sentinel-1数据,时间跨度分别为2013年7月至2015年8月、2015年7月至2018年2月,对地铁建设完成后的福州市区地表沉降进行长时间系列形变监测。监测结果表明,研究区域内的最大沉降速率为-12 mm/a,在整个观测周期内发现了8个沉降漏斗。并对这些区域进行进一步的时间序列分析,其中有3个区域呈现出地质灾害初期的特征,并且地表沉降存在进一步加剧的可能。     

PS-InSAR和SBAS-InSAR技术对昆明主城区地面沉降监测的对比分析

以昆明主城区为例,分别利用PS-InSAR和SBAS-InSAR技术对2014—2017年间29景升轨Sentinel-1A数据进行沉降监测,对比两种技术得到的沉降结果,进行剖面图分析与时序分析。结果表明,PS-InSAR和SBAS-InSAR技术监测结果具有一致性、相关性和可靠性。研究发现,昆明市沉降漏斗主要位于居民区、地铁、道路、高速公路以及滇池等区域,最大年沉降速率可达-39.580mm/a,累积沉降量达到85mm。研究表明,昆明主城区地面沉降主要由于近几年城市和轨道交通建设的飞跃发展,导致居民区和交通网络密集,地面载荷增加,地下隧道开挖与地下水开采等原因引起地面软土地层下沉。     

沧州地区地面沉降现状Sentinel-1A/B时序InSAR监测与分析

获取了22景IW模式的Sentinel-1A/B数据,分别采用PS-InSAR和SBAS-InSAR两种时序技术得到了沧州地区2015年11月至2016年11月期间地表平均沉降速率及累计沉降量。经分析,两种时序监测结果具有较高的一致性,其结果表明：献县、沧县、沧州市区地面表现为回升趋势;青县、沧县东部、南皮县西部、东光县等地区地面沉降量较大,其中东光县何庄村累计下沉量达47 mm,而引起这些区域地面沉降的主要原因为农业生产等带来的地下水开采。本文对基于Sentinel-1A/B SAR数据的时序分析方法在城市沉降监测方面的应用进行了探讨,为有关部门提供了重要的参考数据。     

基于SBAS-INSAR的德兴矿区沉降监测与分析

以江西省德兴市矿区为例,采用小基线集技术即广域差分增强系统-干涉雷达(Satellite-Based Augmentation System-Interferometric Synthetic Aperture Radar,SBAS-InSAR)技术处理该区域2018年12月29日至2019年12月24日共30景升轨哨兵1号(Sentinel-1A)数据,对该矿区进行地表沉降分析.研究结果表明,研究区内有三处明显沉降,分布在研究区的西南部、东南部以及北部,其中西南部沉降最为严重,最大年平均沉降速率为490 mm/a.针对沉降较为严重的区域选点进行特征点时序分析,结果表明,选取的特征点随着时间的推移其累积沉降量逐渐增大,并在研究时间跨度之内没有减缓的趋势,矿区持续开采诱发的地面沉降会给地质结构和周围居民的生活产生一定影响.     

SBAS-InSAR技术在矿区地表沉降监测中的应用

滩地和沙丘地区的矿区地表形变具有复杂性和特殊性,常规监测手段无法获得长期有效的监测结果,传统的雷达差分干涉测量技术(DInSAR)易受时空失相干、大气延迟等因素的影响而降低监测精度.以营盘壕煤矿2101和2201两个工作面为例,采用差分干涉测量短基线集时序分析(Small Baseline Sub-set-Interferometry SAR,SBAS-InSAR)技术对Sentinel-1A的84轨道的17景数据进行时序分析,获取了矿区2018年9月8日至2019年3月19日的累计沉降量和沉降速率等信息,直观地展现了矿区沉降状况.对研究区监测结果进行点、线、面的分析,发现累积沉降量和时间呈线性关系,新开采的区域的沉降在整个区域沉降中影响最大,较晚开采的区域在矿区沉降中为主要影响因素.     

基于Sentinel-1影像和SBAS技术的昆明地区地表形变研究

利用2016年4月—2017年3月间获取的17景sentinel-1SAR数据(VV极化),采用短基线集技术(SBAS)获取昆明地区地表形变信息,并对重点沉降区域沉降的时序特征及成因进行分析。结果表明:①昆明地面沉降在空间分布上呈现明显不均匀性,且沉降分布区域有所扩张;②昆明老城中心区、王家营至呈贡大学城一带等地区保持相对平稳;③老城区南部、东部和西部等多个沉降区相连,形成横跨昆明盆地的一条滇池近岸半弧形沉降带;④研究区域内最大沉降速率位于小板桥-义路村-广卫村一带,最大沉降速率为-52mm/a。     

用SBAS-InSAR技术进行沉降观测的可行性研究

我国在2016年8月发射了"高分三号"卫星,为短基线差分干涉测量技术(SBAS-InSAR)的应用提供了条件.SBAS-InSAR是一种利用较短时间和空间基线的影像干涉处理技术.从趋势上来说,SBAS-InSAR在进行长时间缓慢的沉降监测作业时有很大优势,可与多种技术相结合,完成复杂地况的沉降监测工作.传统方式进行沉降观测存在工作量大、范围小、工作周期长等困难,在范围较大、地形较复杂的地区进行测量有一定的局限性.为验证用SBAS-InSAR进行沉降观测的可行性,本文利用SBAS-InSAR技术和传统方式对大连市东港以及其他部分地区进行沉降监测,并将两种测量方式所得的数据结果进行对比,从而验证SBAS-InSAR沉降观测的精度和准确度.     

基于升降轨数据的城市地表沉降监测与分析

为研究青岛市中心城区地面沉降特点,本文以2019年至2020年期间45景Sentinel-1A和23景Sentinel-1B数据为基础,利用SBAS-InSAR技术对两组数据进行解算,获得了本文研究区的形变结果,并结合历史影像以及降水数据分析了该地区的沉降特点及影响因素。研究表明：1)该区最大形变量约为60 mm,沉降速率最大达到30 mm/a,呈现出西部沉降大于中心城区,中心城区沉降大于东部地区的特点;2)两组数据所得形变结果在空间分布上都具有较高的一致性且同名点在累积沉降量上吻合度较高;3)该地区沉降主要受工程施工影响,与降水也存在一定关系。该研究可为城市规划和未来发展提供参考依据。     

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 C 波段和 L 波段的 SBAS-InSAR 技术监测广州地面沉降

近10年来广州市频繁发生地面沉降、塌陷等地质灾害,造成巨大的生命财产损失,而且目前仍然在加剧。传统的监测技术如GPS、水准测量等难以开展大范围、高精度和高空间分辨率的地表沉降监测工作,而合成孔径雷达干涉测量技术(InSAR)正逐渐成为城市地表沉降监测的有效手段。文中采用短基线集(SBAS-InSAR)技术,通过17景ENVISAT/ASAR数据和21景ALOS/PALSAR数据,探测广州佛山地区2006—2011年的地表形变信息。将其与研究区内已有的水准测量数据进行比较,从而验证InSAR技术监测结果的可靠性。最后圈定了研究区的重点沉降区域并对沉降成因进行分析。     

时序InSAR监测京雄城际铁路河北段地面沉降

本文以京雄城际铁路河北段固安站至雄安站沿线作为研究区,利用2018—2020年共34景Sentinel-1B影像,基于小基线集雷达干涉测量技术(SBAS-InSAR)获取京雄城际铁路河北段沿线的地面沉降时空分布信息,结合空间自相关分析方法,揭示研究区地面沉降的空间分布格局,并对沉降原因进行初步分析。研究结果表明,京雄城际铁路河北段沿线地面沉降发展由北向南存在一定的差异。北部年均沉降速率小于10 mm/a,南部沉降较为严重,最大年均沉降速率达-105.6 mm/a,且沿线西部年均沉降速率高于东部区域。通过分析影响因素得知,地面沉降量与地下水埋深值存在相关性,地下水埋深高的地区地面沉降量较高。同时结合研究区土地利用变化结果发现,城市化建设所产生的静载荷对京雄城际铁路沿线的地面沉降产生一定的影响。     

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.     

采用SBAS-InSAR技术监测郑州城区地面沉降

为长期有效监测郑州市地表沉降,本文采用SBAS-InSAR (Small baseline subset-Interferometry SAR)技术对29景覆盖郑州城区的Sentinel-1A影像数据进行处理,获得了郑州城区2015.04-2017.03地面沉降速率与累积沉降量。试验表明,郑州中心城区地表稳定,其余区域普遍存在地面沉降现象,主要沉降区为研究区西北部、北部、东部,下沉速率大部分位于0.6 mm/a-6 mm/a区间范围内,其沉降中心分别位于城区西北惠济区与城中金水区,最大下沉速率约为27.4 mm/a,最大累积下沉量约为70.4 mm,该试验结果为郑州城市规划建设提供参考。     

多时间基线集时序InSAR形变监测:以平寨水库为例

时间基线对于时序InSAR形变提取有着重要影响。本文针对植被覆盖率与含水量较高、地形起伏较大的山地区域形变信息提取较困难的问题,以贵阳市平寨水库为研究区,获取Sentinel-1A雷达卫星2019年1月至2020年12月的历史影像数据,构建不同时间基线集,对比分析提取的地表形变信息;按照时间基线和最短的原则,选择最适宜研究区形变提取的基线条件,基于SBAS-InSAR技术获得研究区两年的沉降速率情况。结果表明,该研究区域时间基线集为60 d时提取的形变信息最为准确,存在误判和缺漏较其他时间基线集少。同时,结合贵阳市2019—2020年月平均降雨量数据及几何水准监测数据,分析了坝体形变时序变化与降雨量的关系,得出降雨量与坝体形变存在较强相关性,且基于SBAS-InSAR技术提取的形变信息与水准监测结果具有趋同性的结论。     

时序InSAR技术对大连主城区沉降分析

针对大连市海水入侵加剧地表变形等问题,文中通过时序InSAR技术对大连市主城区2018年11月8日—2020年10月28日的30景Sentinel-1A影像进行地表沉降分析,最终得到大连市两年内的平均沉降速率和时序形变量.同时将PS-InSAR技术和SBAS-InSAR技术获得的两种形变监测结果进行交叉验证,根据时序监...     

南宁市地表形变InSAR监测及时空分析

基于Sentinel1-A数据,首先利用SBAS-InSAR(sat-ellite-based augmentation system-interferometric synthetic aperture radar)技术对南宁市区2017年12月至2019年1月的地表形变进行计算,获得研究区的地表形变速率图和累积形变量;其次,从Sentinel1-A卫星影像数据中选择6景影像进行差分干涉处理,提取5个时间段内的形变信息,并叠加分析得到总形变量;最后利用D-InSAR(differential-In-SAR)获得的形变结果对SBAS监测结果进行验证分析.结果表明:2017-2019年,南宁市地表形变极不均匀,其最大沉降速率约为23.52 mm/a,最大抬升速率约为17.77 mm/a;SBAS和D-InSAR所得监测结果总体上具有一致性,但局部存在一定差异.其中,SBAS方法提取的最大形变量约为31.55 mm,D-InSAR提取的最大形变量为39.93 mm.     

时序InSAR技术在监测马村区地面沉降中的应用

本文利用Sentinel-1A SAR影像,通过小基线集(SBAS-InSAR)技术获取了马村区2016年10月26日至2019年3月9日地面沉降的年平均形变速率。监测结果表明,由于土地整治政策、人工开采以及矿区长期排水等因素的影响,马村区内存在多个沉降中心,其中最大沉降量达到-200 mm,最大形变速率达到-88 mm/a。通过建立剖面,提取并分析了张白河村、亮马村和新村附近沉降中心的沉降现状。     

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。