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。     

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。     

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。     

InSAR技术在高速公路灾害辅助识别中的应用

为尽可能早地发现并排查出高速公路灾害的隐患点,本文以昆磨高速公路的昆明至玉溪路段为例,首先基于PS-InSAR技术,利用45景Sentinel-1影像获得了研究区域2018—2019年的沉降速率图。然后对沉降严重区域进行横纵断面分析,识别出昆磨高速公路沿线的隐患路段。最后对这些路段的进一步监测提出建议。研究表明,昆磨高速公路沿线总体呈现出较为平缓的沉降趋势,但存在着3个严重沉降区。分别是谢井村和朱井村路段、昆磨高速公路与东绕城高速公路交界处路段,以及昆磨高速公路与晋新公路交界处路段。因此证明了PS-InSAR技术能有效排查高速公路沿线的灾害隐患。     

基于时序InSAR技术监测大桥历史形变

2019-06-14,河源市源城区东江大桥第三跨第二桥墩以及第四跨第三桥墩出现了垮塌,此次事故造成了人员伤亡和重大经济损失.为了分析此次灾害事故发生发展的成因,本研究获取了Sentinel-1A雷达卫星2018年12月至2019年6月的历史影像数据,基于时序InSAR技术手段处理得到了该监测时间段内的历史形变信息.研究...     

强震时空统计分析及InSAR同震形变场空间分布特征

收集整理了全球1976年至2022年初的198个强震（Mw≥7.5）信息,统计分析了强震发生的时空分布、震源深度分布和强震发震类型占比,并结合公开发表的典型强震的合成孔径雷达干涉测量（interferometric synthetic aperture radar,InSAR）同震形变场图,分析了强震同震形变的空间分布特征。研究表明,强震空间分布呈条带状聚集,主要位于环太平洋地震带和喜马拉雅-地中海地震带,强震大多发生在各大板块交界处,与现代大地测量观测到的地壳强应变区域重合;强震时间分布存在活跃期和平静期交替出现的现象,1976―1992年为相对平静期,1992年至今为相对活跃期,强震发生频率有逐年增加趋势;在收集的全球198个强震中,发生在海洋中的强震占大多数,陆地强震仅有44个,且绝大多数强震属于逆冲断层地震,按震源深度统计,浅源强震最多且分布广泛,占比达81.3%;InSAR卫星对地观测新技术可以捕获强震的全域同震形变场,详细呈现强震同震形变的空间范围和分布特征,其中陆地强震同震形变波及的范围主要集中在发震断层两侧附近的条带状区域,离断层越远,形变衰减越快,而且形变关于断层呈不对称性。运用全球覆盖的InSAR和全球导航卫星系统地壳形变监测技术,拼接全球不同位置的活动断层形变信息片段,有可能揭示陆地强震的全周期孕震形变过程。     

宝日希勒露天矿边坡滑前形变特征的时序InSAR分析

近年来,随着开采深度和边坡高度的不断增加,内蒙古宝日希勒露天矿区边坡稳定性问题日益突出,对矿区周围的工矿设备和工作人员的生命安全构成了威胁.2020年4月30日,该矿区工作帮发生体积约130万m3的大型滑坡,为研究此次边坡滑前的形变特征,本文采用39景Sentinel-1A卫星IW模式序列影像,以时序合成孔径雷达干涉(...     

南宁市地表形变InSAR监测及时空分析

基于Sentinel1-A数据,首先利用SBAS-InSAR(sat-ellite-based augmentation system-interferometric synthetic aperture radar)技术对南宁市区2017年12月至2019年1月的地表形变进行计算,获得研究区的地表形变速率图和累积形变量;其次,从Sentinel1-A卫星影像数据中选择6景影像进行差分干涉处理,提取5个时间段内的形变信息,并叠加分析得到总形变量;最后利用D-InSAR(differential-In-SAR)获得的形变结果对SBAS监测结果进行验证分析.结果表明:2017-2019年,南宁市地表形变极不均匀,其最大沉降速率约为23.52 mm/a,最大抬升速率约为17.77 mm/a;SBAS和D-InSAR所得监测结果总体上具有一致性,但局部存在一定差异.其中,SBAS方法提取的最大形变量约为31.55 mm,D-InSAR提取的最大形变量为39.93 mm.     

黄土台塬滑坡变形的时序InSAR监测分析

黄土台塬由于经常性的农业灌溉容易造成边缘区域滑坡发育。因此,需要利用有效手段对这些潜在的滑坡隐患进行早期识别与监测。利用时间序列合成孔径雷达干涉测量（interferometric synthetic aperture radar,InSAR）技术对2016-01至2018-08期间获取的升降轨Sentinel-1数据集进行分析,获取了甘肃永靖黑方台典型台塬地区的滑坡隐患分布情况。将InSAR结果与GPS观测资料进行对比,验证了时序InSAR处理方法的有效性。对该地区滑坡的历史变形分析表明,持续的农业灌溉引起的地下水位抬升是台塬边缘坡体失稳的主要诱因。同时,InSAR时序分析发现,研究区域内的跨黄河大桥受季节更替和温度波动的影响,存在周期性变形现象。实验结果证明了时序InSAR方法在地表变形监测中的有效性,可在黄土滑坡识别与监测防治中发挥重要作用。     

基于时序InSAR的即墨市区地表形变监测

地面沉降是一种对地面及地下基础设施造成安全隐患,对经济可持续发展和环境保护产生破坏影响的地质灾害现象.本文使用2017年5月至2018年5月16景Sentinel-1A卫星SAR影像,根据D-InSAR的初步形变监测结果将即墨城区内沉降明显的区域作为研究区,基于PS和SBAS两种时序InSAR方法对该区域进行地面沉降监...     

阿尔金断裂带宽幅InSAR对流层延迟估计方法评估

合成孔径雷达干涉测量（interferometric synthetic aperture radar, InSAR）的时序分析是监测大面积地表缓慢形变的重要手段,但对流层延迟相位大大影响了形变监测的精度。以青藏高原西北缘为研究区域,分析了经验模型线性改正、通用型 InSAR 大气校正在线服务（generic atmospheric correction online service for InSAR, GACOS）改正和欧洲中期天气预报中心（European Centre for Medium-Range Weather Forecasts, ECMWF）最新发布的ERA5（ECMWF reanalysis v5） 数据集改正3种方法在时序InSAR反演形变速率中的改正效果。通过掩模技术计算非形变区的速率标准差,分析形变速率与地形的相关性,并与GPS数据进行比较分析后发现,自西向东的3个研究区域76.5°E~79.7°E（D136）、80.5°E~83.7°E（D165）、84.9°E~88.1°E（D19）范围内,其线性改正后标准差分别降低了41.05%、59.21%、25.13%,而GACOS改正后标准差分别降低了38.76%、55.97%、30.73%,ERA5改正后其标准差分别降低了10.05%、30.11%、20.15%。此外,InSAR与GPS站视线向形变速率比较显示线性改正、GACOS改正与ERA5改正后3个研究区域内其均方根误差分别降低了46.07%、51.28%和35.51%。对于青藏高原西北缘,3种方法均可削弱对流层延迟效应,其中线性改正和GACOS改正的效果好,适用性更高,ERA5受地面监测站点密度影响,在该区域改正效果稍差。     

基于时间序列分析的变形预报

研究了利用时间序列分析方法进行变形预报.首先叙述了变形观测数据预处理、时间序列平稳性检验、模型的选用和检验;然后针对一组实测数据,利用多项式提取趋势项,分析回归残差,建立了AR(2)预报模型,并利用模型进行了预报;最后将预报结果与实测数据比较,证明了预报模型的有效性.     

基于时间序列分析的变形预报

研究了利用时间序列分析方法进行变形预报。首先叙述了变形观测数据预处理、时间序列平稳性检验、模型的选用和检验;然后针对一组实测数据,利用多项式提取趋势项,分析回归残差,建立了AR(2)预报模型,并利用模型进行了预报;最后将预报结果与实测数据比较,证明了预报模型的有效性。     

时序遥感影像的时空特征在土地分类中的应用

基于Landsat时间序列数据的土地覆盖检测成为当前研究热点,但基于时间序列数据空间纹理特征的应用及不同时序特征重要性评估较少.基于时间序列Landsat8数据,在时序光谱特征、指数特征和地形特征基础上引入时序纹理特征,利用随机森林算法建立八种分类模型,对北京密云区进行土地覆盖分类并比较其分类精度,进而基于袋外(OOB...