甘肃黑方台黄土滑坡InSAR识别、监测与失稳模式研究

采用合成孔径雷达干涉测量（interferometric synthetic aperture radar，InSAR）技术对甘肃黑方台地区潜在的黄土滑坡开展了多时相编目、长时序监测以及失稳模式识别研究。首先，采用不同空间分辨率、不同波长的历史存档合成孔径雷达（synthetic aperture radar，SAR）数据对黑方台地区2006-12至2017-11间的潜在滑坡开展了识别研究，在2006-12至2011-03和2016-01至2016-11两个时间段均识别出数10处不稳定坡体，实地调查和光学遥感影像验证了InSAR技术识别结果的可靠性与准确性。然后，对典型不稳定滑坡体采用高空间与高时间分辨率的TerraSAR-X数据开展了长时序监测，结果表明，在InSAR监测期间，累积形变最大的滑坡体在随后的时间里均发生了滑动，并成功地捕获到滑坡体形变加速的时间点。最后，利用升降轨SAR数据开展了黄土滑坡二维形变监测研究，基于滑坡的二维形变特征并结合地形图以及光学遥感影像进一步研究了滑坡的失稳模式，现场调查结果验证了所获得滑坡失稳模式的准确性。     

利用2016—2020年Sentinel-1数据监测与分析三峡库区树坪滑坡稳定性

由于不良地质条件和周期性蓄水等因素影响,中国三峡库区岸坡的稳定性问题一直备受关注。获取了覆盖树坪滑坡周围区域2016-03─2020-03的111景哨兵1号(Sentinel-1)数据,利用时间序列合成孔径雷达干涉测量技术(interferometric synthetic aperture radar,InSAR)对该数据集中的高相干点目标和分布式目标进行分析,获取实验区坡体变形。结果显示,实验区内有7处坡体处于活跃状态,最大变形速率达到70 mm/a。与树坪滑坡GPS形变观测值进行比较,验证了InSAR结果的有效性。通过对树坪和三门洞等典型滑坡的时序分析发现,库区水位和集中降雨是滑坡变形的主要影响因素,实验区内的治理工程有效减缓了变形趋势。与此同时,公路建设与植被耕种等人类活动引起了熊家岭村等出现地面沉降,需密切关注以防止出现安全隐患。所得结果证明时序InSAR技术可以有效识别和监测滑坡,为地质灾害风险普查以及防灾减灾治理成效评价提供技术支撑。     

青海高家湾地区地表变形特征分析与潜在滑坡识别

利用StaMPS PS-InSAR技术,使用覆盖青海省海东市乐都区高家湾村地区2015年6月至2018年4月的128轨道所有可用Sentinel-1A数据,对已知和潜在滑坡进行识别研究,并使用时序分析技术对所识别的PS点进行筛选分类,研究滑坡分布与演化过程。对该地区所探测主滑坡在雷达视线方向最大年均形变量达到-9 mm/a,主滑坡体在2016年发生较大幅度滑动后,呈现趋稳态势;经实地勘调,初步给出了滑坡成因分析。     

结合SBAS-InSAR技术及信息熵的苍山地质滑坡隐患识别

针对西南地区滑坡隐患高位隐蔽,传统技术难以全面识别的问题,本文以大理苍山为研究对象,首先利用SBAS-InSAR技术对苍山2019年1月-2021年4月间的滑坡隐患进行识别;然后结合随机概率信息熵模型,对不同坡度等级与边坡稳定性之间的关联性进行定量分析;最后根据典型隐患区的遥感影像以及采样点的形变时序图,探讨了边坡形变时空演化特征及沉降诱因。试验结果表明:①2019年1月-2021年4月,研究区的形变速率为-155.6～92.4mm/a,13个超过-30mm/a的不稳定滑坡隐患被识别;②坡度等级为Ⅳ、Ⅴ级时,信息熵大于0.8,边坡稳定性较弱,不均匀形变严重,与已有研究保持高度一致,证实了该模型的可靠性;③典型隐患区形变趋势呈明显的季节性变化,降雨和冰雪消融是导致边坡失稳的主要因素。     

基于地基真实孔径雷达的边坡动态监测研究与应用

滑坡是仅次于地震的发生最频繁、造成损失最严重的地质灾害之一，给人民群众生命和财产安全带来了巨大威胁。为了能够对危险滑坡进行动态监测，采用GPRI-Ⅱ地基雷达系统，研究了滑坡形变时序分析关键技术，制定了地基雷达数据时序处理流程，并应用于浙江绍兴某道路边坡稳定性监测。实验结果表明，该边坡存在1处明显的形变区域，位于施工现场堆积区，最大形变量达到3.5 mm/d。目前在观测条件满足的情况下，地基雷达可以达到亚毫米级的形变监测能力，已经成为灾害预警和治理的重要手段之一。     

GBInSAR河流滑坡变形监测应用

对城市中河流滑坡进行变形监测与分析掌握滑坡体形变规律,是滑坡安全性评估的重要手段。针对南宁邕江柳沙半岛滑坡灾后加固过程中稳定性,采用GBInSAR技术对该滑坡进行连续高精度变形监测,同时结合时间序列分析方法获取了该滑坡体的二维形变时间序列图以及特征点的形变时间序列。变形监测与分析结果表明,滑坡体上的加固带处已基本稳定,加固带上大部分PS点的形变在1 mm以内;滑坡体的大部分区域的形变基本在4 mm以内,且形变呈明显的非线性变化;GBInSAR技术可以快速、有效地获取河流滑坡整体形变信息及形变的演化过程。     

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.     

联合哨兵2号和Landsat 8估计白格滑坡时序偏移量

光学影像时序偏移量跟踪是滑坡监测的一种重要手段。针对单平台光学时序偏移量估计时间采样率不足的问题,利用多源时序偏移量估计获取了白格滑坡2014-11—2018-09期间的形变。首先,基于哨兵2号和陆地卫星(Landsat)8分别进行单平台和双平台下的时序偏移量计算。其次,以稳定区域统计值和交叉验证两种方式进行精度评定。然后,基于双平台下的时序形变对滑坡进行阶段划分,并探讨其成因。结果表明:(1)双平台时序偏移量精度优于单平台,哨兵2号在东西向和南北向的精度分别提升3.02%和5.37%,Landsat 8在两方向上的精度分别提升了3.61%和0.40%;期间的最大累计形变和最大平均形变速率分别为42.90 m和9.06 m/a。(2)白格滑坡可划分为初始、等速和加速(初加速和中加速)3阶段,截至2018-02-05已进入中加速阶段。(3)时序形变与降雨量相关性系数高达0.88。     

基于SBAS时序分析方法的断裂带形变监测

以海原断裂带为研究区,开展了基于2015年3月~2016年7月的20景哨兵一号(Sentinel-1)数据和SBAS-InSAR技术的时序断裂带形变监测。结果表明,研究区形变累积量集中在-10~+5mm,海原县第一中学附近存在明显沉降漏斗,其沉降累积量达28mm;海原断裂带南北两盘相对形变速率约为6mm/a,运动性质为左旋走滑,与GPS和地质学研究结果基本一致。     

基于SBAS-InSAR技术的西南山区滑坡稳定性监测

本文首先利用小基线集时序InSAR(SBAS-InSAR)技术对云南省宣威东北部地表进行形变监测,获取2021年1月至2023年6月的形变结果;然后分析选取的典型滑坡的形变特征,采集了GNSS监测数据与InSAR形变监测进行对比验证;最后分析InSAR形变对降雨的响应。研究结果表明,SBAS-InSAR技术能有效监测西南山区的典型滑坡,该结果可为滑坡灾害的早期识别提供支撑,对于同类型滑坡灾害的稳定性监测具有较高的参考价值。     

基于D-InSAR技术的金沙江地区滑坡形变监测与分析

滑坡是发生在我国山区的主要地质灾害类型,金沙江地区由于地势较高、地形复杂、多云多雨的特点,给传统的滑坡监测增加了难度。合成孔径雷达差分干涉测量技术(Differential interferometry synthetic aperture radar,D-InSAR)已在滑坡地面沉降监测中得到了广泛应用。本文选取金沙江上游沿岸作为研究区域,基于2018年8月11日与9月28日的Sentinel-1A影像及SRTM1数据,利用GAMMA软件及D-InSAR技术监测到金沙江地区的地表形变,成功识别出金沙江右岸的一处滑坡灾害。研究结果显示,在此滑坡的坡顶部分出现了约2.5 cm的沉降,而在坡底部分由于崩塌物的累积,地面出现了约3 cm的抬升。从实验结果可以得出,InSAR技术是一种有效的滑坡变形监测手段,利用Sentinel-1A卫星的SAR数据对滑坡区域进行形变监测,可以得到较好的干涉结果。     

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。     

基于时序合并的PS-InSAR方法在雄县及周边区域地表形变监测中的应用

本文提出了一种基于时序合并的PS-InSAR(TSC-PS-InSAR)监测方法,提取雄县及周边区域地表形变信息。形变区域最大沉降速率为-79 mm/a,沉降原因为地下水超采。结果表明,TSC-PS-InSAR方法在无需先验模型的条件下,能显著提高PS目标数量,且监测结果与StaMPS方法提取的形变信息在沉降趋势及沉降量级上保持了良好的一致性,验证了本文方法在实际应用中的可靠性和可行性。     

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。     

利用Sentinel-1数据和SBAS-InSAR技术监测西安地表沉降

哨兵一号(Sentinel-1)数据是目前现势性较好的免费SAR数据,且因其6天的重访周期,非常适合In SAR地表形变监测。本文以西安市城区及周边为研究区,开展基于多期Sentinel-1数据和短基线集干涉(SBAS-In SAR)技术的时序地表沉降监测方法的探索,研究形成了详细的数据处理流程,利用已有研究资料佐证了方法的有效性。监测表明:2015—2016年,绝大部分区域地表形变速率位于[-33~30]mm/a区间内,228 d监测期内累积沉降量最大约75 mm,发生在目前西安最大沉降中心鱼化寨;相比20世纪末,沉降强度大幅减弱,沉降严重区域由西安市东郊向南郊转移,且沉降范围减小。     

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。     

浅谈基于InSAR的南票煤矿开采沉陷区沉降量外业检核

经过时间序列InSAR技术处理后,得到监测时间段内南票区的地面形变平均速率、累计形变量、时间序列形变量,确定沉降区域。本文通过南票煤矿开采沉陷区基岩点、基本水准点、监测点布设以及这些点测量工作,提出山区采用水准测量和GPS测量联合方法,实现沉陷区沉降量核查。