时序InSAR的贵州地质灾害监测

针对传统地质灾害监测手段无法进行全天时、全天候、大范围面状监测的这一现状,运用时序InSAR技术,以及L波段SAR数据、数字高程模型获取了研究区形变序列,并结合全球降水数据、实地调查数据、矿区采空区覆岩移动分带进行了成因分析。实地调查数据验证了小基线集InSAR技术识别地表形变具有较高的可靠性。通过引入全球降水计划GPM多星降水反演产品IMERG中的逐月降水数据分析了P2滑坡隐患点变形规律,发现在降雨多发期,隐患滑坡点变形速度明显增大。实验结果证明,时序InSAR技术在大面积地质灾害多发区中可以有效发挥作用,可为防灾减灾工作提供参考。     

联合InSAR与无人机航测的白鹤滩库区蓄水前地灾隐患广域识别

白鹤滩水电站位于我国西南高陡山区,是我国实施“西电东送”的国家重大工程之一。水库两岸是地质灾害高易发区,传统的地质灾害调查手段存在工作效率低、危险性高、无法覆盖高位隐患点等弊端。联合星载合成孔径雷达干涉测量技术(InSAR)与无人机航测技术应用于广域地灾隐患探测对于库区地灾隐患广域识别、掌握其分布规律及辅助后续重点防治具有重要意义。本文基于142景Sentinel-1卫星升降轨影像,采用时间序列InSAR技术对白鹤滩库区重点库岸段蓄水前两岸活动性坡体进行探测,同时利用无人机航测技术对其进行了野外验证与辅助分析,根据航片生成的数字高程模型(DEM)、数字正射影像图(DOM)、三维模型等航摄数字产品,结合形变与地形地貌特征,确定了32处地灾隐患点。并结合隐患点的形变量级、形变面积、是否涉水、是否具有明确威胁对象等因素给出了防治建议,建立了全面而准确的蓄水前地灾隐患灾害库。最后基于此案例对两种技术优势特长、适用范围以及如何高效联合应用进行了总结。本文揭示了两种技术在广域地灾隐患识别时的结合应用,无人机航测不仅能对InSAR技术探测到的形变区进行验证,同时InSAR也可以指导重点航测区域,提高航测飞行效率。通过结合两项技术提供的实时与历史信息、形变与地质信息可实现综合研判,形成基于空天遥感技术的高效库岸地质灾害综合遥感识别方法。     

时序InSAR滑坡探测与DEM误差影响分析

以贵州省西南山区为例,针对地质灾害隐患早期识别的实际情况和需求,开展差分干涉测量和时序InSAR方法的对比实验,以验证时序InSAR在抗误差干扰、探测微小形变、捕捉形变序列演化趋势等方面的能力;再基于高精度LiDAR DEM数据进一步研究DEM误差对时序InSAR处理结果的影响。实验表明,时序InSAR方法无法完全剔除DEM误差,从而导致形变速率、形变序列估计不准,在开展精细化InSAR形变分析时应尽可能选取高精度的外部DEM数据,以保证正确估计地质灾害隐患形变特征。     

联合多种InSAR技术的龙门山-大渡河区域地灾隐患早期探测

合成孔径雷达干涉测量技术(interferometric synthetic aperture radar, InSAR)是探测地表形变的重要手段,然而差分干涉测量技术(differential InSAR,D-InSAR)、小基线集测量技术(small baseline subset InSAR,SBAS-InSAR)和永久散射体测量技术(permanent scatters InSAR,PS-InSAR)在地质灾害隐患早期调查的应用中各有利弊。联合使用3种InSAR技术对127景ALOS-2数据和96景Sentinel-1数据进行处理,并在龙门山-大渡河约60 000 km2的区域解译出840处地表形变。野外实地调查发现约70%的解译形变区存在形变迹象,分析发现形变区分布与地层结构、岩性和活动断层构造之间有较为紧密的联系。对典型形变区的不同InSAR监测成果进行了对比分析,验证了不同InSAR技术在地表形变监测应用中的一致性、准确性和可靠性。     

InSAR技术在地质灾害隐患早期识别中的应用

InSAR技术是对人不能至、观测条件苛刻地区的重大地质灾害隐患进行早期识别的重要手段之一。本文以天全县为例,通过InSAR技术解译出形变区域,然后结合"InSAR形变量、威胁对象、地形地貌"三要素分析出疑似隐患区域,并通过传统地质灾害野外调查进行验证,结果表明InSAR解译结果具有较高的准确性。     

结合星载与地基InSAR技术的露天矿地表形变监测

为了保障露天矿区安全生产及运营，针对露天矿区形变区难以及时识别与监测问题，采用星载合成孔径雷达干涉测量(InSAR)和地基InSAR联合监测模式，对露天矿区开展不同阶段、多尺度的形变区域识别与监测，分析形变趋势，研究二者InSAR技术在露天矿区形变区调查、重点形变区确定及监测预警的应用效能。研究结果表明：星载InSAR技术实现对露天矿区的广域地表形变监测，且识别出重点形变区，分析形变发展趋势；地基InSAR实现了对露天矿区重点边坡形变区进行近实时、高频率的监测，根据监测数据变化趋势，判别形变发展阶段；两者InSAR技术结合应用，充分发挥各自优势，星载InSAR实现面域形变区识别与监测，地基InSAR实现重点形变区的高频监测及无法形成有效干涉形变区的补充监测，获取了更为详细、全面的形变信息，为露天矿区形变灾害监测预警提供高效、可靠的监测数据，提升露天矿区防灾减灾的能力。     

知识图谱驱动下的多源遥感滑坡隐患识别

遥感技术在地质灾害防治领域发挥着重要作用,随着航天航空技术的发展,更多的遥感数据可被获得并有效地运用于地质灾害体的识别,尤其在滑坡隐患识别中广为应用。综合利用InSAR和光学遥感数据开展地质灾害隐患识别是近期研究的热点。传统识别过程完全依靠解译人员的工作经验,其主观性较强,无固定的识别逻辑遵循。本文基于SBAS-InSAR与光学卫星影像,通过分析滑坡隐患识别过程,构建滑坡识别知识图谱和识别提取矩阵模型。在知识图谱逻辑驱动下对“光学遥感+InSAR”组合识别的滑坡隐患进行区域空间特征分析,为滑坡广域识别提供了具有半定量化提取指标意义的参考执行方案,实现了滑坡隐患识别从完全主观到半定量化的识别过程。试验表明,本文方法可为相关研究和工程实际应用提供借鉴,具有一定的应用价值。     

联合InSAR和LiDAR的油气管道沿线地质灾害隐患早期识别

川东北地区地质条件复杂、地质灾害多发,对管道的安全运营构成了一定的威胁,因此有必要采用科学有效的方法识别管道沿线地质灾害隐患。本文以达州市某油气管线为例,利用InSAR开展区域形变监测,并结合高精度光学遥感初步识别管道沿线地质灾害隐患;同时运用机载LiDAR技术获取重点区域坡体形变精细化特征及迹象,对地质灾害隐患进一步确认。结合调查资料成功识别出10处地质灾害隐患点,其中管线附近有4处历史滑坡或不稳定斜坡,3处新发现的地质灾害隐患点。研究表明,该方法体系能有效识别油气管道沿线潜在地质灾害隐患,可为管道沿线地质灾害防治提供科学依据。     

短重访SAR数据在矿区快速形变场的监测

针对矿区地表形变具有快速、连续、大梯度等特征,使其InSAR形变监测常出现低相干,甚至失相干等低效监测问题,该文采用21景重访周期仅为12 d的Sentinel-1A数据,利用小基线集时序InSAR技术(SBAS-InSAR),对山西省东坪煤矿2017年5月30日至2018年1月25日期间的地表形变进行了连续监测.结果表明:该监测区间快速沉陷区域有五处,沉陷总面积达3.146 km2,最大下沉值约为-57.47 mm,最大下沉速率约为-67.53 mm/a;形变场A处平均沉陷深度随时间推移呈线性增加;形变场E处工作面上方地表的沉陷响应较工作面边缘及以外更为剧烈.证明了短重访SAR数据能够准确反演地表沉陷速率和累积量,动态提取矿区快速形变场的空间分布形态和时序变化过程,为矿区地表形变动态监测和沉陷区地质灾害定量评估提供有效方法.     

四川茂县岷江河谷区段滑坡隐患雷达遥感识别与形变监测

长期以来,中国四川省茂县地区受地质、地形条件和构造活动的影响,滑坡等地质灾害频发,给人民的生命财产和公路等基础设施安全带来了巨大的威胁,因此需要对滑坡隐患区域进行有效识别和监测。以时序哨兵1号A、B卫星(Sentinel-1A/1B)影像为数据源,利用时间序列合成孔径雷达干涉测量(interferometric synthetic aperture radar, InSAR)技术对茂县岷江河谷区段的潜在滑坡隐患开展识别监测,对重点区段进行了分析,同时分析探讨了InSAR滑坡监测中不同轨道数据的视线方向形变测量灵敏度差异。从实验结果中成功探测识别出了茂县岷江河谷沟口乡至石大关乡段的20余处滑坡隐患,现场实地考察验证了识别结果的准确性,证明了时序InSAR方法在高山河谷区滑坡隐患识别监测中的有效性。     

泸定Ms 6.8地震诱发滑坡应急评价研究

2022-09-05,四川省甘孜州泸定县发生Ms 6.8地震。地震在山区诱发了大量的地质灾害,造成了严重的人员伤亡。快速准确地获取地震诱发地质灾害的空间分布范围对震后应急决策和救援抢险至关重要。基于全球同震滑坡数据库与深度学习算法,构建了地震诱发滑坡空间分布概率近实时预测模型,在震后2 h内获取了泸定地震诱发地质灾害的预测结果。通过震后无人机与卫星遥感影像,采用机器学习与深度学习算法实现了震后大范围地质灾害的智能识别,共解译地震诱发滑坡3 633处,总面积13.78 km2。利用遥感解译的泸定地震滑坡数据,对地震诱发地质灾害预测模型进行了优化,获得了震区范围更广、准确性更高的同震滑坡预测结果。结果表明,同震滑坡预测模型能够快速获取震后地质灾害的空间分布情况,填补震后遥感影像获取前的空窗期,为灾后应急救援提供支撑;基于无人机与卫星遥感影像的智能识别技术是快速获取大范围地质灾害信息的有效手段。所取得的研究成果在泸定地震震后应急救援工作中发挥了重要作用。     

基于InSAR技术和光学遥感的贵州省滑坡早期识别与监测

贵州省因其复杂的地形地貌和强降水等气候特征,滑坡灾害频繁发生。亟需一种可靠的滑坡早期识别和监测方法。传统的滑坡识别和监测方法存在局限性,而InSAR技术在大规模地质灾害监测中具有独特的优势。但是,基于单一地表形变值的滑坡识别结果存在一定的不确定性。因此,本文联合InSAR技术和光学遥感,利用Sentinel-1A雷达卫星影像数据对贵州省六盘水市、铜仁市、贵阳市等地区进行大规模地表形变监测和危险形变区识别;并采用基于NDVI时间序列分析和基于滑坡发育要素的滑坡识别方法对研究区潜在滑坡灾害进行调查。利用InSAR技术对研究区域内重点滑坡（鸡场镇）进行监测,及时掌握滑坡的运动状态。本文方法对贵州省的灾害防治和管理具有重要意义。     

InSAR技术在滑坡灾害中的应用研究进展

InSAR技术作为重要的对地观测技术之一,已在城市、矿山、地质灾害等地表形变监测领域得到广泛应用与探索,特别是在滑坡灾害形变监测中具有很强的实用性。为全面、准确及深入认识和梳理InSAR技术在滑坡灾害应用中的前沿科学问题、局限性、面临挑战及未来发展趋势,以期更好地服务于滑坡灾害的防治与监测。以InSAR技术滑坡灾害应用研究为主要脉络,系统阐述其研究进展:(1)以滑坡监测中应用的主要InSAR方法概述为切入点,系统梳理了各类主要方法的适用范围、优缺点及内在联系;(2)基于早期识别探测、不同量级形变监测、活动模式与三维信息获取、形变与诱因耦合4个视角,深入探析InSAR技术在滑坡应用中的最新进展、趋势及目前应用中存在的关键问题与挑战;(3)针对InSAR技术系统的局限性、滑坡灾害的特点,剖析了InSAR滑坡监测中存在的几何畸变、密集植被覆盖、大气干扰、三维形变信息获取、精度评定、滑坡形变的复杂性和非线性等问题,并对相应问题的解决提供了可行性的方案与建议措施;(4)基于InSAR滑坡行业体系构建的视角,结合人工智能(AI)、机器学习、无人机遥感及地学领域地震台网等其他观测技术,从数据处理、与其他新型技术融合对未来InSAR在滑坡应用研究进行总结和展望。     

雷达遥感滑坡隐患识别与形变监测

滑坡是全球发生最为频繁、造成损失最严重的自然灾害之一,滑坡表面形变测量对于滑坡的早期识别、监测和预警具有重要意义。雷达遥感具有非接触式大范围空间连续覆盖和高精度形变测量等优势,在滑坡地质灾害领域中取得了广泛的应用。本文概述武汉大学干涉雷达遥感团队近几年在利用雷达遥感监测滑坡形变方面的研究内容,包括：雷达遥感在滑坡形变监测中的可行性和适用性分析、大范围滑坡隐患识别、复杂山区滑坡形变测量、大梯度滑坡形变测量、滑坡三维形变提取等。     

时序InSAR滑坡形变监测与预测的N-BEATS深度学习法——以新铺滑坡为例

滑坡通常发生突然,破坏力巨大,经常造成重大生命安全事故和财产损失。高可靠性、高精度及具有抗差性能的滑坡形变监测预测手段和方法对于国家防灾减灾需求具有切实意义。InSAR技术是一种能够全天时和全天候观测获取高空间分辨率和宽覆盖率影像,高灵敏性捕捉时空维动态变化的监测手段,然而目前应用InSAR时序影像对滑坡区进行滑坡预测的工作仅是凤毛麟角。基于时序InSAR观测结果,本文提出了一种能够有效解决中短期滑坡预测问题的深度学习滑坡预测方法。在三峡新铺滑坡区应用N-BEATS网络模型和Sentinel-1 SAR数据进行形变预测,以均方根误差1.1 mm的预测精度完成了滑坡预测工作,并对预测结果进行了数据结构影响的规律性分析、传统方法效果对比、抗差性评估及置信区间估计等多方位的剖析,结果显示出了其高精度、高可靠性及具有一定抗差能力的突出优势。     

重大地质灾害隐患早期识别中综合遥感应用的思考与建议

2017年以来，以四川茂县新磨村高位垮塌、金沙江白格滑坡为代表的重大地质灾害多次发生，呈现出隐蔽性强、突发性高、破坏力大等特点，难以早期发现。值得注意的是，尽管地质灾害防治工作已在全国大范围开展并受到国家层面的高度重视与支持，但绝大部分灾害仍发生于全国现有地质灾害隐患点分布以外的区域。对这些人迹罕至、人不能至且观测条件苛刻的地区的重大隐患进行有效早期识别，是当前地质灾害防治工作尚需解决的难题和重要任务。在总结合成孔径雷达干涉测量（interferometric synthetic aperture radar，InSAR）技术特点与其应用局限的基础上，从光学遥感、InSAR、激光雷达等综合遥感测量的角度提出了以“形态、形变、形势”（三形）为观测内容、以定性识别灾害隐患位置、定量监测灾害体变形幅度、依靠综合遥感动态监测数据提升隐患识别能力的技术思路。对未来工作提出了若干建议与思考，以期服务于重大地质灾害隐患综合判断与早期识别工作。     

“天-空-地”协同滑坡监测技术进展

滑坡灾害是全球范围内发生频率最高、分布范围最广、造成损失最重的自然灾害之一,严重威胁着人类生命财产和重大工程设施的安全。科学监测是实现滑坡预警预报与主动防范的重要技术前提,经过多年的技术攻关,融合高分辨率光学遥感、卫星InSAR、无人机摄影测量、无线传感网络(WSN)等多种新技术方法,滑坡监测已从传统点式人工监测逐步发展到“天-空-地”多维协同监测,在我国地质灾害风险识别与监测预警方面取得显著成效。本文结合多年来对滑坡发生机理与变形破坏过程的研究认识,从天(光学遥感和InSAR)、空(无人机摄影测量)、地(全球导航卫星系统、裂缝计等专业监测)三维立体角度对我国滑坡监测技术的最新研究进展进行了系统总结,分析讨论了不同技术在工程实践中的技术优势和适用性,构建了滑坡变形破坏全过程的“天-空-地”协同监测技术体系,为滑坡地质灾害的科学防范提供一种新的思维范式和经验指导。     

基于单阶段实例分割网络的黄土滑坡多任务自动识别

滑坡自动识别能够解决人工目视解译方法速度慢的问题,现有基于深度学习的自动识别方法多以目标检测和语义分割等单任务识别方法为主。本文基于深度学习实例分割网络探索可同时完成滑坡目标定位和语义分割的多任务识别方法。首先,基于谷歌地球影像构建了包含3822个样本的黄土滑坡样本数据集;然后,采用单阶段实例分割网络(YOLACT)构建了基于小样本学习的黄土滑坡多任务自动识别模型;最后,通过大、中、小3种比例尺度的滑坡测试样本对识别结果进行评价。试验结果表明:①滑坡目标定位框(Box)平均精确度为61.66%,滑坡语义分割掩码(Mask)平均精确度为62.0%,大比例尺测试结果中Mask交并比为0.88;②基于YOLACT构建的滑坡识别模型可同时完成滑坡目标定位和滑坡高精度掩码分割的双任务识别,为滑坡多任务自动识别及快速制图提供了技术支撑。     

滑坡隐患类型与对应识别方法

基于"三查"体系的滑坡隐患综合遥感识别工作已在全国范围推广应用并取得一定成效,但随着工作的推进,也暴露出一些亟待解决的问题,比如隐患究竟如何定义、有哪些类型、有何针对性的识别技术和方法,以及下一步工作重点是什么等.总结大量实践案例,进一步明确了滑坡隐患的定义,并将滑坡隐患分为正在变形区、历史变形破坏区和潜在不稳定斜坡3...     

重大滑坡隐患分析方法综述

滑坡是发生频繁且破坏力巨大的典型地质灾害类型,高位山体崩滑和冰雪崩滑等重大滑坡隐患已经成为新型城镇化和川藏铁路工程等重大基础设施建设重要的制约因素。本文系统归纳总结了现有滑坡隐患监测技术和分析方法的特点与局限,提出了一种数据驱动与模型驱动协同的滑坡隐患可靠分析方法,构建滑坡隐患分析知识图谱、提取高层语义特征指标、知识引导精准判别滑坡隐患。该方法系统考虑了深部-地表内外动力耦合作用的致灾机制,为小样本、高复杂度的滑坡隐患可靠分析提供了新途径。