基于SBAS-InSAR技术和LSTM-GS模型的矿区开采沉陷预测

以鄂尔多斯东部某碳矿的3014工作面作为研究对象,利用2018-09-15～2019-02-18的14景SAR数据对矿区进行监测,将小基线集技术（SBAS-InSAR）得到的时序累积沉降量作为训练样本,并与网格搜索算法（GS）优选超参数的长短期记忆网络（LSTM）进行结合,对矿区开采沉陷做出预测。结果表明：SBAS-InSAR技术反演值能够满足矿区开采沉陷预测,结合LSTM-GS模型对矿区开采沉陷进行预测,得到的最大均方根误差为3.569 3 mm,最大平均绝对误差为3.252 4 mm,最小决定系数为0.57,说明该模型预测精度能够满足工程需求。     

融合InSAR技术的矿区大梯度形变研究

针对矿区开采沉陷沉降量级大、形变剧烈,传统InSAR技术监测过程易出现影像失相干,监测精度较低的问题,以山西省某矿区9103工作面为例,提出SBAS-InSAR和Offset-tracking技术联合监测的方法.采用SBAS-InSAR监测沉陷盆地边缘地区微小形变,采用Offset-tracking技术监测沉陷盆地中心区域大梯度形变,并将二者的形变信息进行融合,从而获得整个采掘工作面上方地表时空变化规律.研究表明,其监测结果与实测数据吻合度较好,满足开采沉陷监测的一般精度要求,融合SBAS-InSAR和Offset-tracking技术可以有效地解决传统InSAR技术只能监测微小形变的问题,为矿区开采沉陷大梯度形变监测以及环境治理提供新的理论思路.     

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.     

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.     

基于InSAR技术和GS-SVR算法的矿区地表开采沉陷预计

我国西部黄土高原地区土质疏松,沟壑纵横,开采损害特征明显,准确预计开采引起的地表移动和变形趋势有助于为矿区灾害提供预警信息。文中以陕西彬长矿区某工作面为例,利用2007年7月—2008年1月的5幅SAR影像对矿区地面进行监测,将合成孔径雷达干涉测量(InSAR)技术得到的监测成果作为训练样本,与网格搜索算法(GS)优化支持向量机回归(SVR)参数算法结合,对矿区的形变点进行沉降预计。结果表明:InSAR技术获取矿区的沉降量可以满足矿区地表沉陷监测预计,结合GS-SVR预计模型可以实现矿区形变点的沉陷预计,预测精度符合工程的应用需求。     

基于DInSAR的徐州张双楼煤矿地表形变监测研究

徐州煤矿资源开采已造成了大规模的地面沉陷,为了为矿区安全开采和塌陷区环境综合治理提供科学依据,利用雷达差分干涉测量（DInSAR）技术对ALOS PALSAR数据进行处理,获得徐州张双楼煤矿区2011-01-16至2011-03-03期间的地表形变分布图.结果表明,张双楼煤矿在46 d间隔里出现了3处沉降漏斗区域,漏斗中心最大沉降量达到420mm,并且沉降漏斗区域与矿区分布一致,说明DInSAR能够有效地监测矿区地表形变.     

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的长治矿区地表形变监测

小基线集InSAR(SBAS-InSAR)时序分析方法能够较好地克服InSAR时空失相干限制,抑制地形和大气影响,增加时间采样率,在监测地表形变随时间演化方面取得了较好的应用。为了有效监测山西省长治矿区地表形变,利用DInSAR方法监测开采矿区的快速大形变,得到形变区30 d的最大沉降量为11 cm;利用SBAS方法监测矿区边缘微小缓慢形变,得到2003年7月—2010年7月期间区内地面沉降的空间展布及时间序列相对形变量。对于矿区周围相干性保持较好的居民区,SBAS方法监测结果表明其整体形变表现为沉降趋势,沉降面积较大,沉降速率为5~15 mm/a,最大累计沉降为90 mm。矿区因开采时间、开采方式、采储量以及地形等因素的不同而呈现出不同的沉降结果。     

济南地铁2号线沿线地表沉降监测与分析

地铁沿线的稳定性关乎人民生命财产安全,对地铁沿线沉降监测,有助于聚焦异常形变区域,及时采取人工干预措施。本文基于差分干涉测量短基线集时序分析技术（SBAS-InSAR）,利用20幅Sentinel-1A数据对2019—2021年间济南地铁2号线沿线1 km缓冲区进行地表沉降监测与分析。结果表明：在监测期内地表呈现不均匀的沉降,平均沉降速率为0.26 mm/a,最大沉降速率为-18.27 mm/a,最大累积沉降量为-68.51 mm。其中,腊山站至老屯站段、济泺路站至七里堡站段存在明显沉降现象。     

D-InSAR矿区地表沉降监测及时空分析

针对矿区地表沉降问题,该文选取7景覆盖张家口市蔚县矿区的TerraSAR-X影像,对影像进行差分干涉处理获取了6个干涉对,并对沉降比较严重的崔家寨矿区进行了精细化分析,统计了其在各时间段内的沉降量和沉降面积,并生成沉降等值线图,该区域最大沉降量约为380 mm,沉降量级大于50 mm的面积约为3×10~5m~2;采用最邻近时间段的精密水准数据对D-InSAR编码后的沉降图进行了精度验证与分析,二者沉降监测的总体趋势吻合,平均误差为7.09 mm,相关性在0.9以上,并且假设检验表明二者可以表示同一矿区形变场,说明双轨D-InSAR技术可以对矿区沉降进行有效的监测,监测精度可以达到厘米级。结果表明,该研究可为矿区整体规划、灾害预警和开采沉陷治理等提供参考意义。