基于时序InSAR的成都地铁沿线形变时空特征分析

采用PS-InSAR技术,基于Sentinel-1A卫星数据对覆盖开通运营3年时间内成都地铁3、4、7号线周边500 m范围的区域进行形变监测,并分析相对典型的形变区域的时空特征以及影响因素,最后利用Holt指数平滑模型对区域的形变进行预测.研究表明,成都市主城区的形变趋势表现为沉降情况较稳定西北方向抬升,东南方向沉降;形变速率在-15～15 mm/a内,且局部地区的沉降相对较明显,根据Holt指数平滑模型的预测值显示,几个典型沉降区域仍具有持续沉降的趋势,最后分析地铁沿线形变的主要原因为浦江-新津断裂带的活动以及城市建设等.     

时序InSAR技术在地铁沿线形变监测中的应用

时序InSAR技术是监测地表形变的一种有效手段。本文基于179景Sentinel-1A影像数据,采用PS-InSAR技术对北京地铁6号线慈寿寺站—潞城站沿线范围进行地表形变监测,并对典型沉降区间进行具体分析;同时利用地面水准数据对监测结果进行对比分析和精度评定。结果表明,北京地铁6号线沿线表现出不同程度的沉降,年均沉降速率呈现自西向东的差异性,金台路站以西年均沉降速率较小,自金台路站向东年均沉降速率迅速增大,最大达-32 mm/a;金台路站以东倾斜值较大,倾斜值波动较为明显,存在不均匀沉降问题。水准测量结果与PS-InSAR监测成果具有较强的相关性,两者平均误差为3.5 mm,中误差为4.7 mm,说明PS-InSAR具有一定的可靠性与准确性。     

南昌地铁沿线时序InSAR形变时空特征分析

基于32幅Sentinel-1 A影像数据,采用结合永久散射体(Persistent Scatterer,PS)特征点的小基线集雷达干涉测量技术获取了南昌市区2017年3月至2019年10月的地表形变信息,形变量级位于-22～14 mm/a.重点分析了各条地铁沿线形变的时空特征:1号线受地下水开采和南钢、洪钢漏斗的影响...     

时序InSAR郑州地铁沿线地面沉降分析

针对郑州市地铁网络缺少长时间序列的地面沉降研究,本文基于永久散射体合成孔径雷达干涉测量PSInSAR (Persistent Scatterers Interferometric Synthetic Aperture Radar)技术生成的长周期地面沉降数据分析了郑州市地铁沿线地面沉降的时空特征,并通过反距离内插等距化处理,基于长短期记忆网络LSTM (Long Short-Term Memory)模型对典型地铁站点地面沉降进行了预测与分析。研究结果表明：空间上,沉降路段主要集中在1号线和5号线的东段,最大沉降速率超过20 mm/a,且1号线沿线不均匀形变较为突出;时间上,不同区域PS点在时间序列上的变化有较大不同,沉降槽中心处沉降呈逐年扩大趋势。实验表明LSTM模型具有较高的预测精度,预测发现1号线市体育中心站南边河南省档案馆新馆北侧未来两年里仍将以大约0.5 mm/月的速率继续沉降,有必要对该站及其附近继续监测。     

时序InSAR在城市地铁工程区形变监测中的应用

地铁建设会引发城市地表形变灾害,而传统的合成孔径雷达差分干涉测量（D-InSAR）难以实现城市地铁工程区域的精细测量。本文利用TerraSAR-X高分辨率数据,采用PS-InSAR和SBAS-InSAR方法对徐州地铁1号线东部工程场地进行了形变监测,获取了该区域2016年6月15日-2016年9月11日期间的形变时序图。通过与人工角反射器布设点的水准测量数据对比分析,发现利用两种时序InSAR测量方法得到的地表形变结果与水准测量结果非常一致,形变误差均在1 mm以内;而SBAS-InSAR探测地表形变的敏感性低于PS-InSAR。结果表明,利用高分辨率SAR影像监测城市地铁形变具有亚毫米级的测量精度和米级的定位能力,同时证明了时序InSAR分析技术在城市地铁工程形变监测应用中的广阔前景。     

PSP-InSAR技术在地铁沿线的形变监测应用

基于56景COSMO-SkyMed影像,本文采用PSP-InSAR技术对杭州地铁2号线沿线500 m范围进行地面沉降监测,并对形变区的位置、面积和数量进行了统计,在此基础上提取形变梯度大于0.1 mm/m的累计形变量点并开展比对分析。结果表明:①虽然地表形变集中区、形变严重区和形变梯度较大区域有着高度的重叠,但部分形变集中区内形变量和形变梯度并不大,也存在形变平稳区段形变梯度却较为显著现象,因此单从一个角度分析地铁沿线的形变,易增加漏检和错检的概率。②PSP-InSAR技术可从空间上完整表现地铁线上沉降的分布特征,对于地铁竣工运营期间的沉降监测具有显著意义,可为地铁的运营维护提供依据。     

天津地区地铁沿线地面沉降特征分析

天津地铁作为天津城市交通建设的重大工程项目,其轨道交通运营的地铁线路涵盖11个市辖区.已规划轨道交通地铁线路28条,里程达1380 km.这些已建设及规划的地铁线路穿过多个地面沉降活跃区,这给天津地铁的建设施工及建成后的安全管理、平稳运营带来严重的安全隐患.本文对天津地铁沿线区域多期水准复测资料进行整理分析、计算地面沉...     

利用PS-InSAR技术进行城市地铁沿线形变监测与机理分析

本文利用PS-InSAR技术获取了上海地区沉降速率场及累计沉降量等信息,并分析了该地区的沉降时空分布特征,以及该地区沉降与降水量、地铁施工运营等因素之间的关系。研究表明:①上海市沉降呈不均匀分布,北部沉降较稳定,而中部的虹口区、南部的闵行区、东部的浦东新区均发生了不同程度的沉降。其中,闵行区沉降最为严重,其最大累计沉降量达-43 mm,呈大范围、大沉降现象。②研究区域内沉降量呈非线性沉降现象及明显的季节性变化,且与地区降水量有关,降雨量对地下水的及时补充可以有效缓解地面过度沉降的发生。③上海地铁3、15、16号线部分路段均出现明显沉降现象,且处于在建阶段的15号线沉降最为明显,部分路段最大累计沉降量达-34 mm。     

时序InSAR技术在太原地铁沿线形变监测中的应用

城市轨道交通的建设与运营会引起地铁沿线的持续形变而造成地面沉降,给地面及地下基础设施带来安全隐患。为了解太原市首次开通运营太原地铁二号线一期线路以来沿线地面形变情况,以二号线一期工程沿线为研究对象,使用2020年6月至2021年11月共20景Sentinel-1A影像,基于永久散射体、小基线集技术对研究区进行地面形变监测。研究表明,两方法所得沉降分布情况、形变时序分析结果有很高的一致性,线路沿线最大沉降为31.96 mm,最大沉降速率为32 mm/a,存在三个较明显的沉降区域,推断与其处于大规模的不断的城市建设区域密切相关。本次研究可为后续太原市地铁建设沿线地表形变监测提供参考。     

利用InSAR和网络模型的昆明地铁沿线形变预测

针对在地铁建设和运营中容易引起地面沉降,给人民生命财产安全造成威胁的问题,该文利用SBAS-InSAR对2018年7月—2019年12月昆明市41幅Sentinel-1A升降轨影像进行处理,获取昆明地铁沿线沉降信息。在此基础上,分析了6条地铁沿线200 m缓冲区地表沉降的时空分布特征,并结合LSTM、XGBoost、Deep Forset模型进行时间序列值的预测,引入绝对误差(ε)、均方根误差(RMSE)、纳什系数(NSE)对模型进行对比评价。Deep Forest预测模型计算得到的RMSE值最小,NSE值最大,分别为0.21、0.94,结果表明,Deep Forest预测模型效果高于LSTM、XGBoost预测模型。因此,利用Deep Forest模型能够有效地对地铁沿线进行沉降预测,可以为政府部门今后开展地铁沿线地面沉降监测和灾害预警提供参考。