甘肃通渭黄土滑坡二维形变时序监测

时间序列合成孔径雷达干涉测量技术能有效反应滑坡形变过程。2019年9月14日,甘肃省通渭县发生山体滑坡,但该滑坡灾前是否已经发生缓慢形变以及滑坡原因值得追溯和探讨。文中基于欧洲航天局发布的哨兵一号升/降轨数据,利用SBAS-InSAR技术分析甘肃通渭滑坡灾前二维形变特征以及滑动的因素。结果表明,2018年9月—2019年9月此滑坡存在连续形变,且随时间推移形变量不断增大,因此该滑坡为非突发型事件。在滑坡发生前,垂直向与东西向上最大累计形变量分别达18.25 mm和32.85 mm。基于二维时间序列结果进行距离分析与降雨量对比分析,显示苦水河与降雨量是该滑坡发生的两大诱因。该InSAR追溯结果进一步验证了星载雷达干涉测量技术在滑坡探测方面的应用潜力,是滑坡灾前识别、预警、防灾等减灾工作的有力工具。     

长短时记忆网络TS-InSAR地表形变预测

预测地面沉降对于城市基础设施损害的早期预警和及时采取补救措施具有重要意义。本文提出基于时序InSAR数据采用长短时记忆网络（LSTM）模型来预测地面沉降。以香港国际机场为研究区域,基于Sentinel-1A升轨影像利用时序雷达干涉技术（TS-InSAR）获取2015年—2020年机场时序地面沉降监测InSAR结果;利用机场时序InSAR形变结果建立堆叠式LSTM预测模型,并将预测结果与InSAR真实结果进行对比分析。结果表明,2015年—2020年香港国际机场地表垂直方向的平均形变速率为-19—5 mm/a。预测值与真实值的拟合均方根误差和平均绝对误差均较低,分别为0.75 mm和0.61 mm,同时其相关系数为0.99,表明LSTM预测模型在点级尺度上具有良好的性能,能够基于时序InSAR数据较准确预测地面沉降。但预测过程中发现,LSTM模型不适合长期预测,长期预测会出现失效性。本文提出的堆叠式LSTM预测模型可以作为一种有效方法来预测地表形变,尽管LSTM模型只是适用于短期预测,但其预测结果可用于辅助决策、早期预警和减轻危害。