基于多视线向D-InSAR技术的三维地表形变抗差解算方法

针对粗差对多源InSAR数据三维地表形变解算的影响,提出一种基于多视线向D-InSAR技术的三维地表形变抗差解算方法。该方法利用多视线向D-InSAR地表形变监测数据,在最小二乘原则的基础上实现InSAR三维地表形变解算,获取平差观测量的残差,建立最小二乘残差与观测量单位权方差的函数关系,并通过计算出的单位权方差对InSAR地表形变观测量进行定权;基于等价权原理,选用IGGⅢ权函数实现三维地表形变的抗差解算。最后,以2009年意大利拉奎拉地区地震为例,对该解算方法的可行性和精度进行验证。结果表明,该方法可以获取可靠的解算结果。     

基于SBAS-InSAR与Prophet模型的引黄济青沿线地表形变监测与预测北大核心CSCD

基于38景Sentinel-1 SAR影像,利用SBAS-InSAR技术获取2019-02-2021-10引黄济青沿线地表形变的分布、量级及时空演化特征等信息;然后,使用形变梯度分析引黄济青沿线地表的稳定性;最后,利用Prophet模型对引黄济青沿线若干特征点的地表形变进行预测。研究表明,SBAS-InSAR能够获取引黄济青沿线及其周边区域大范围、长时间序列的地表形变情况,横纵剖面线形变梯度值比较大的区域与地表形变严重区高度吻合;基于SBAS-InSAR的监测结果,利用Prophet模型能够对形变较小的特征点进行较好的模拟和预测。     

鲜水河断裂运动引起地表形变的向-位错模型模拟

基于三维向错理论模拟倾角为60°的矩形断层在转动角不同量级和形式下引起的地表形变,分析断层转动对地表形变大小及空间分布的影响。利用向-位错模型,采用数值方法模拟鲜水河断裂带断层滑动与转动引起的地表形变,并与扣除趋势项的2009~2015年的GPS实测结果进行对比。研究表明：1）转动角大小与断层向错引起的地表位移场大小呈正比关系,位移场方向不变,转动方向不同时,地表位移场方向随之改变,大小不变,且断层附近地表位移场影响较大;2）基于向-位错组合模型对鲜水河断裂带模拟结果与GPS结果在大小和方向上均具有较好的一致性;3）鲜水河断裂带表现出一定的旋转特性,存在明显的分段差异性,具有一定的转换构造样式。     

函数模型与随机模型双约束的GPS-InSAR数据融合方法建立三维形变场

针对InSAR技术研究地表三维形变时监测信息不足的问题,以GPS监测信息为先验信息,建立附有随机模型约束的地表三维形变模型。考虑到SAR卫星极轨方式运行导致LOS向观测量对南北向形变不敏感的问题,以GPS南北向形变观测值作为强约束,构建三维形变解算的函数约束条件。模拟数据与西安地区实测数据的计算结果表明,基于随机模型与函数模型共同约束的地表三维形变参数最小二乘解的精度优于仅有函数模型约束或仅有随机模型约束及无任何约束的参数解精度。     

黄河三角洲区域地表形变监测研究

由于地壳运动、地下水使用及矿床开采等因素的影响,会造成地表的形变,特别是垂直（高程）方向影响更大。为了维持高程基准的现势性,本文提出了一种以InSAR地表形变监测和水准测量相结合的方法,实现地表形变区高程基准动态维持。并以黄河三角洲区域为例,对2种成果精度进行了对比验证,水准测量和InSAR监测结果基本相符,可实现2种技术手段融合以获取点、面综合的高程变化信息。     

利用DS-InSAR技术监测黄河三角洲地表形变

针对黄河三角洲地区湿地及农田多、范围大,导致PS-InSAR技术难以获取高密度地表形变信息的问题,提出一种基于分布式目标InSAR（DS-InSAR）的黄河三角洲地表形变监测方法。该方法通过置信区间估计选取同质像元点,利用特征值分解方法计算主散射体对应相位值以达到相位优化的目的,再根据时空相干性确定分布式目标,最后建模解算时序地表形变信息。以26景Sentinel-1A影像为数据源,提取2019-12～2020-12期间黄河三角洲地区的地表沉降信息,与PS-InSAR方法结果相比,点位密度提高5.56倍;两种方法获取的同名点对形变速率的相关系数为0.727,说明两者具有很好的一致性。实验结果表明,研究区内存在4处明显沉降区域,最大沉降速率达-238 mm/a,经分析及实地调查验证,其主要影响因素为地下卤水及油气开采。     

采用GPS观测值进行三维形变分析的构想

在已知地表度量张量的基础上,给出了根据测站的GPS复测值计算地表形变张量、主方向、线应变、面应变、高斯曲率与平均曲率的有关公式,并着重对地表的内蕴与外蕴形变概念作了阐述,最后指出利用地表内蕴与外蕴形变量能较好地描述地表的三维形变。     

融合CORS网与时序InSAR研究北京地区地面形变

为提高地面形变监测的时空分辨率以及监测精度,采用CORS网与时序InSAR监测相融合的方法,对北京地区2018～2020年地面垂直方向形变进行研究。首先在InSAR监测量中去除极浅地表影响;然后对CORS站数据进行低频重构;最后以CORS网为基准,对InSAR监测时序进行整体平差,获得融合形变结果。结果表明,融合CORS网和InSAR监测能有效利用CORS网连续观测的优势,获取连续一致的高时空分辨率形变结果,融合方法在构建高分辨率与高精度地面形变时间序列中具有一定优势。在地面垂直方向上,朝阳区、通州区、大兴区中南部地面沉降最为明显,最大年平均形变速率达到-90 mm/a;昌平区中西部、海淀区西部、门头沟区东部等地存在较为明显的抬升,年平均形变速率约为10～20 mm/a;其他地区地面年平均形变速率约为-10～10 mm/a,相对变化较小,较为稳定。     

2021年漾濞MW6.1地震同震形变提取与断层源模型反演研究

基于D-InSAR技术,收集Sentinel-1卫星升、降轨及精密轨道数据,结合外部DEM,成功提取2021-05-21云南省大理州漾濞县M_W6.1地震的同震形变场。结果显示,升轨卫星视线向最大形变量级约为6.0 cm,降轨卫星视线向最大形变量级约为7.9 cm。以升、降轨InSAR观测结果为约束,对漾濞地震的断层几何参数及滑动分布进行联合反演发现,此次地震的最优发震断层走向为136.6°、倾角为83.1°,断层破裂主要集中在地下2~12 km深度处,最大滑动量约为0.45 m,位于地下7 km深度处,断层在近地表未出现大面积显著滑移现象,表明此次地震未破裂至地表。     

2021年云南漾濞地震InSAR监测及断层滑动分布反演

采用双轨D-InSAR技术获取2021-05-21云南漾濞6.1级地震的升降轨同震形变场,并以此为约束,基于Okada均匀弹性半空间位错模型反演发震断层的几何参数与同震滑动分布,最后通过正演模型预测地震的同震三维形变场,分析地震的形变特征及发震断层的几何形态和构造运动。结果显示,在InSAR形变场中,升轨LOS向最大形变量约10 cm,降轨LOS向最大形变量约13 cm;利用Okada模型反演得出,发震断层长约12.53 km,宽约6.44 km,位于地下3～9 km处,断层走向约136.34°,倾角约83.79°,滑动角约-175.46°;断层的同震滑动主要分布在沿走向9～21 km与沿倾向向下3～9 km范围内,最大滑动位移出现在地下4 km深度处,滑移量达到0.64 m;通过正演模型的地表三维形变预测发现,垂直方向最大抬升约3.22 cm,最大沉降约4.04 cm。总体而言,此次地震的发震断层类型为右旋走滑,且带有正断分量,初步判断地震发生在一条未知的NW-SE向断裂带上,该断裂可能属于维西-乔后-巍山断裂和红河断裂北段的次级或分支断裂。     

一种基于TerraSAR数据的矿区InSAR最大可检测动态形变梯度模型

受传感器本身的限制及噪声、大气延迟等影响,InSAR技术可检测的最大形变梯度存在极限。为准确预计InSAR技术在矿区形变监测中的检测能力,以65个矿区的地质采矿资料为基础,结合Knothe时间函数和概率积分模型,利用不同空间分辨率的TerraSAR数据,建立矿区InSAR最大形变梯度动态检测函数模型。该模型无需事先获取SAR影像,利用矿区现有的地质采矿资料即可判断InSAR在矿区不同开采阶段的可检测区间。以陕西大柳塔矿区为例,采用2012-11-21~2013-01-26的7景TerraSAR数据进行模型验证,结果表明,该模型不仅能够准确预测InSAR技术在矿区不同开采阶段的检测区间,同时可以确定InSAR技术在矿区不同开采阶段的地表可检测边界,可为InSAR技术在矿区中的推广应用提供重要参考。     

基于TCP-InSAR的采动区铁路动态沉降监测与时序分析

为高效获取采动区长时间序列形变,监控煤炭开采对矿区铁路的影响,研究一种基于TCP-InSAR(temporarily coherent point interferometric synthetic aperture radar)的采动区铁路形变监测方法。该方法根据时间序列SAR影像间的相干性,选取临时相干点构建Delaunay三角网,并通过离群值探测去除具有相位模糊度的TCP间的弧段,最后采用最小二乘解算得到区域地表变形。实验使用2016-10～2017-04时间段内的15景Sentinel-1A数据,利用TCP-InSAR技术获得某矿区的铁路形变。结果表明,受采动影响,该时间段内铁路最大下沉值为95mm,最大倾斜坡度为0.37‰。利用TCP-InSAR技术可实现采动区内铁路长时间的动态形变监测。     

EMD-Wavelet����ģ���ڶ�̬�������ݴ����е�Ӧ��

????????·????????????????GPS???ж?????????????????????η???????????????С????????????EMD????????????????????μ?????????????????EMD??Wavelet????????????????????????е?????????С????????EMD?????????????н???EMD?????????????????????????????????????С???Wavelet??Kalman?????Kalman?????EMD?????EMD??Wavelet??????????????????????С????????????????????????????EMD??Wavelet?????GPS??????μ??????????????????     

基于SBAS-InSAR和GM-SVR的居民区形变监测与预测

采用合成孔径雷达时序分析方法,利用2016-12～2017-05(12 d为一个周期)连续13景哨兵卫星雷达影像对淮南矿区内的居民区杨聚庄进行形变监测。根据矿区形变特征,提出一种基于灰色支持向量机（GM-SVR）的组合预测模型对矿区形变进行预测,并与传统的单一灰色模型和支持向量机预测模型进行对比。结果表明,时序InSAR技术和GM-SVR模型的结合,可以实现对矿区形变的快速监测和灾害预防,为矿区灾害监测与预警提供了一种可靠手段。     

玛多MW7.3地震同震滑动分布的三维有限元模拟分析

首次构建2021年玛多M_W7.3地震三维有限元模型,分析同震滑动分布特征。首先解算高精度GNSS同震形变观测数据;然后建立玛多地震三维有限元模型,并用弹性半空间Okada模型验证其准确性;最后以40个近场和远场GNSS同震形变观测数据为约束,利用最小二乘法反演玛多地震同震滑动分布模型,从而模拟同震位移。结果表明,玛多地震引起的破裂主要分布在野马滩和黄河乡附近,最大滑动值约为3.4 m。该结果与现场考察结果一致,能够很好地解释GNSS同震形变观测数据。     

联合DInSAR与Offset-tracking技术监测高强度采区开采沉陷的方法

高强度煤炭开采产生巨大的地表形变,形变相位梯度过大导致干涉测量解缠错误,单一采用常规DInSAR及其衍生技术都无法获得地表沉陷主值。本文提出一种新的解决方案,即联合利用DInSAR与偏移量追踪技术（Offset-tracking）各自的技术优势,实现开采区大变形的准确提取,并基于GAUSS函数模型拟合恢复沉陷区剖面形态。基于2012年2月13日和2012年11月27日两景高分辨率SAR数据（RADARSAT-2,5 m精细波束模式（MF5））为数据源,以神东矿区布尔台矿、寸草塔一矿、二矿为研究区,采用常规DInSAR技术获得亚厘米级沉陷区边界,边界沉陷值处于-0.01~ -0.02 m;利用偏移量追踪方法获取米级地表沉陷中心主值,中心沉陷值集中在-1.0~ -4.0 m。将2种方法监测到沉陷信息分段融合,最后采用GAUSS函数模型重构矿区开采沉陷下沉特征曲线。结果表明,偏移量追踪方法可弥补DInSAR技术监测大量级形变信息的不足,联合技术可完整获取高强度采区的大形变沉陷。     

���μ���������Ԥ��Ĵ����벢��ģʽ�о�

??????μ???????????????????????????????????????????????????????????????з????????????????????????????????????????????????????￡?????????????????????????????????????????????????????????????????????Ч?????б????????????????????????????????????????????????????     

基于D—InSAR的济宁市采煤沉陷监测与分析

对地下采煤造成的地表沉陷进行及时、精确的监测监管是一个亟待解决的课题。该文以济宁市为例,介绍了D-InSAR技术在大范围采煤沉陷区监测及其时序变化特征分析中的应用。介绍了使用D-InSAR技术对采煤沉陷进行监测的基本原理;以5cm下沉线作为采煤沉陷区边界线,选取15期RADARSAT-2 Wide模式数据,采用多基线累积叠加方法分别提取各期采煤沉陷区边界并使用岩移观测数据对监测结果进行了检核。以花园煤矿为例,分析D-InSAR监测采煤沉陷范围及程度的时序变化特征,随着开采的持续进行,沉陷范围及沉陷量逐步增加,受临近工作面开采影响,沉陷中心的沉陷量呈周期性增加。结果表明,D-InSAR可以精确有效地对采煤沉陷区范围及其时序变形过程进行监测,可以应用于大尺度采煤沉陷区的动态监测。     

BP�������ά����ģ���ڱ���ʱ��Ԥ���е�Ӧ��

???BP???????????????????????????????????????????????????????G??P??????????????????????????????????????D??h?????????????????m????????????????????????????????????????????????????BP????????????????????????????????????????????е??????????????????????????????????????????????????????????????????????t?????????????