黄土填方区地表沉降时序InSAR监测分析

“削山填沟造地”等岩土工程在湿陷性黄土沟壑地区屡见不鲜,掌握填方区沉降情况具有重要意义。本文收集了2017年11月—2020年12月获取的56景TerraSAR-X StripMap模式影像,利用时序InSAR技术监测了陕北某湿陷性黄土填方地基工程的沉降信息,并与2017年11月—2020年12月期间监测区3个水准点的沉降测量结果比对。结果表明,在填方区地表以沉降为主,在挖方区地表以抬升为主,研究区存在有1处较为明显的地表沉降情况,位于填挖边界线附近填方区内,形变速率范围为-40~-20 mm/a,最大形变速率达-49.9 mm/a,累计量为-151.6 mm,时序InSAR形变结果和实地水准结果吻合性较好,垂直方向形变速率中误差为1.8 mm/a,表明时序InSAR技术在湿陷性黄土填挖方区变形监测中具有较好的应用价值。     

基于PS-InSAR的深圳市地表形变监测研究

地面沉降具有区域性、累加性和不可逆性,会造成城市地面标高损失、城市内涝、建筑物受损等问题,In-SAR技术具有全天候、覆盖范围广、空间分辨率高等优点,可以进行长期的地表形变监测。本文利用PS-InSAR方法,结合2017年4月至2019年12月22景Sentinel-1A SAR数据,利用SARscape软件监测分析深圳市宝安区、南山区和福田区的地表形变情况,并根据形变速率的时间趋势进行地表形变分类。结果表明,研究区的年均形变最小值为-26.5 mm/a,形变平均值为-0.20 mm/a,沉降的时序结果可总结为持续抬升、持续沉降与先升后降3种形变类型,其中持续沉降区面积占比30.24%,主要分布在南山区,结合土地利用探讨了沉降类型的主要成因。     

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。     

结合PS特征点的SBAS地表形变监测

针对SARscape SBAS技术存在人工选取地面控制点影响监测结果的问题,本文提出了一种结合PS特征点的SBAS地表形变监测方法。通过设置PS技术中的振幅离差指数与相干性阈值,提取PS监测结果中的特征点作为地面控制点进行轨道精炼与形变反演。以2017年3月至2018年12月覆盖南昌地区的Sentinel-1影像为数据源,进行了地表形变监测与验证。结果表明：①该方法与PS方法监测结果均显示南昌市城区在监测时段内整体呈小幅度上升趋势,年平均沉降速率相关性达到了0.959,具有高度一致性。②将该方法、PS方法、人工选取地面控制点的SBAS方法的监测结果与水准数据进行对比,该方法与水准数据的误差不超过3.5 mm,说明了该方法的有效性。     

基于Sentinel-1A数据的PSI技术在城市地表形变监测方面的应用

随着佛山市城市化进程逐步加快,地表形变引发的地质灾害日益显著,应用时序InSAR技术可以精确监测城市地表形变。文中选取广东佛山地区为研究区域,利用2015—2017年获取的41景Sentinel-1A数据,基于永久散射体差分干涉测量(PSI)技术提取该地区的时序形变、平均沉降速率等形变数据。研究结果表明,佛山市部分区域出现不均匀沉降,部分地区沉降速率甚至超过-35 mm/a,主要集中在城市重点建设区域,如地铁施工、桥梁施工等地。综合研究结果表明,利用Sentinel-1A数据的时序PSI技术可以高精度监测城市地表形变,监测数据有利于及早预防城市地质灾害发生,为城市健康精细化管理提供决策依据。     

Sentinel-1和SBAS-InSAR分析钻井水溶岩盐矿山时序沉降

利用小基线集(SBAS)InSAR技术对钻井水溶岩盐矿山地表沉降开展时空分析。实验选取湖南常德某典型钻井水溶岩盐矿区为测试区,时间跨度为2016年2月—2017年2月的21景Sentinel-1影像数据,获取了测区的时序沉降序列。实验结果显示,矿区地表大量级沉降在2016年9月才开始呈现,沉降漏斗横向出现多峰值,矿区沉降整体空间分布上出现西南部整体片状、中部偏北离散带状沉降。这些沉降特征均与钻井水溶法开采特征保持一致。将实地水准测量形变数据和DInSAR形变结果与本文结果进行对比以评估结果可靠性。结果表明,SBAS技术获取结果与水准结果表现出较高一致性,从而为钻井水溶岩盐矿山地表沉降提供了一种更为有效的监测手段,也可为此类矿山地表形变时空演化规律分析提供参考。     

InSAR技术在沂沭断裂带地表形变监测中的应用研究

针对常规大地测量监测沂沭断裂带地表形变结果无法全面反演该区域构造应力场的局限性,尝试采用PS和SBAS两种In SAR时序分析技术对该区域地表形变进行监测。首先对SBAS-In SAR技术的原理进行详细推导和分析;在此基础上,对覆盖研究区的14景ENVISAT-ASAR数据采用PS-In SAR和SBAS-InSAR技术进行处理,分别提取了该区域地表年平均形变速率图;通过与水准监测数据的对比分析发现:InSAR时序分析方法在大范围、持续缓慢断裂带地表形变监测中能够获取与精密水准监测一致的形变趋势,且SBAS-In SAR技术在数据量较少情况下能获得更好的监测效果。这表明In SAR时序分析技术可以作为断裂带微小地表形变监测的有效手段。     

基于时序合并的PS-InSAR方法在雄县及周边区域地表形变监测中的应用

本文提出了一种基于时序合并的PS-InSAR(TSC-PS-InSAR)监测方法,提取雄县及周边区域地表形变信息。形变区域最大沉降速率为-79 mm/a,沉降原因为地下水超采。结果表明,TSC-PS-InSAR方法在无需先验模型的条件下,能显著提高PS目标数量,且监测结果与StaMPS方法提取的形变信息在沉降趋势及沉降量级上保持了良好的一致性,验证了本文方法在实际应用中的可靠性和可行性。     

利用时序InSAR技术分析北京及河北廊坊地面沉降

利用带大气估计模型的时序InSAR方法对24幅覆盖北京及河北廊坊的Envisat-ASAR影像数据进行了时序分析,获取了该地区2007年4月—2010年9月的地面沉降速率及均方差。发现了以北京朝阳区和通州区交界处为中心和以河北廊坊城区为中心的两个沉降区域,中心区平均沉降速率分别为35mm/a与22mm/a。研究区域形变速率均方差1.5mm/a。研究结果表明:利用时序InSAR技术进行城市地表沉降监测具有较好的精度及稳定性;产生该沉降的可能原因为地下水的开采、城市基础建设的发展及工业用地量、人为活动的增加。     

静力水准自动化在高层建筑沉降监测中的应用

静力水准自动化监测以其精度高、自动化、实时测量等优点,在隧道、大坝等大型工程垂直位移监测中被广泛应用。但它在工民建项目沉降监测中使用较少。结合实例,对静力水准自动化系统的监测原理、方法和过程作了介绍,通过静力水准自动化在高层建筑沉降进行连续动态监测中的应用表明,利用静力水准自动化系统提高了观测精度,降低了人工成本,是一种值得推广的快速、简便、高效、安全的高层建筑沉降监测手段。     

基于PS-InSAR技术的北京地铁线网地表沉降研究

随着城市地下轨道交通的高速发展,地铁建设运营引起的地面沉降现象及其对工程线路的影响引发了国内外相关学者的极大关注。本研究基于哨兵1号合成孔径雷达（SAR）影像,利用永久散射体对合成孔径雷达干涉测量（PS-InSAR）技术对北京地铁全网沿线1 km区域地表变形进行监测,形成了2018—2022年北京地铁沿线整体监测的形变结果图、特征点时序形变结果图以及统计分析典型形变区域的沉降速率剖面图等成果,并分析了北京地铁沿线重点沉降区域、沉降速率时间变化和空间变化,对地铁运营安全风险评估和运维管理具有重要意义。     

干涉点目标分析的大宛齐油田形变监测

针对石油开采所致形变具有周期长、连续性强及范围广,常规形变监测方法无法满足高效监测需求的问题。时序差分合成孔径雷达干涉具有监测范围广和效率高的优势。采用干涉点目标分析技术与69景Sentinel-1A SLC数据对大宛齐油田进行地表形变监测及时序分析。结果显示,2016年2月—2018年12月间大宛齐油田年均形变速率在-81～49 mm/a,开采区存在两处明显沉降漏斗与两处明显隆起,最大沉降面积达5.8 km²,除此外无明显形变。GPM降水数据与时序形变量的叠加分析显示,大宛齐油田形变具有明显季节性特征,形变与油田生产及地质条件具有相关性。     

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。     

时序InSAR 技术对大连主城区沉降分析

针对大连市海水入侵加剧地表变形等问题,文中通过时序InSAR技术对大连市主城区2018年11月8日—2020年10月28日的30景Sentinel-1A影像进行地表沉降分析,最终得到大连市两年内的平均沉降速率和时序形变量。同时将PS-InSAR技术和SBAS-InSAR技术获得的两种形变监测结果进行交叉验证,根据时序监测的沉降信息和沉降发育特征分析大连市主城区近两年地面沉降的主要原因。利用时序InSAR技术的优势在于能在大范围地表变形监测过程中克服一定程度的时间、空间以及大气等因素对监测结果的影响。结果表明,该地区沉降和地下水入侵及人类工程建设有关,且两种技术所获得的变形结果基本一致,证明两种方法在该地区监测的可靠性。     

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测,获得的沉降分布和形变时序结果吻合。地面沉降的分布与新建高层建筑区吻合,地面形变趋势与区域降水量和地下水水位变化有较高的相关性。研究结果有助于了解即墨城区的地表沉降状况以及原因,为地面沉降综合治理和地下水水资源开发利用提供参考依据。     

静力水准自动化测量技术应用于地铁隧道结构监测

目前地铁隧道结构沉降主要采用水准仪进行人工测量。该监测方法不仅作业效率低、耗费较多的人力物力,并且无法实现全天候监测。针对传统人工监测无法满足地铁运营期间的实时监测需求的问题,本文引入静力水准自动测量技术,通过在地铁隧道道床布设静力水准仪,在远程采集端实时获取监测点数据,实现隧道结构保护区在施工时全程监测,为施工期隧道结构安全提供保障。最后结合实际工程应用案例对工程中的监测结果进行分析。结果表明,该技术实现了地铁隧道自动化水准测量,为地铁运营安全提供技术支撑。     

时间序列SAR影像监测堤坝形变研究

结合时间序列InSAR技术,在无先验形变模型的情况下,研究了中分辨率Envisat ASAR数据在堤坝监测中的应用.首次使用24景Envisat ASAR影像得到了上海市长江口南岸和杭州湾北侧堤坝的沉降速率.实验结果表明,堤坝存在着不均匀沉降,其中位于浦东机场堤坝和临港新城堤坝的沉降最为严重.利用水准数据对临港新城堤坝的监测结果进行了验证,监测精度达到了mm级,证明了时间序列SAR影像在堤坝形变监测上的有效性和应用潜力.     

PS-InSAR技术在长江堤防沉降监测中的应用

落实和推动长江治理与保护一直是长江水利工作的重大任务。沿江堤防工程作为保护沿江经济带发展的一道重要屏障,其形变监测是长江运营管理中重要的内容之一。InSAR作为一种新型、大尺度的监测手段,在水利工程隐患排查中具有巨大的推广价值。本文采用PS-InSAR技术和Sentinel-1A影像,提取了南京梅子洲及其周边江堤2020年4月—2022年1月的形变时空分布,并结合同期水准数据对其可靠性进行了验证。结果表明,长江侧堤防比夹江侧堤防形变更加明显。其中,靠近潜州处堤段形变速率可达-20 mm/a。总体而言,梅子洲江堤呈现出一致性的沉降形变,差异性形变不显著,堤防整体发生了轻微沉降;PS-InSAR观测的形变时空分布与水准数据具有较高的一致性,该技术适用于长江堤防沉降变化监测,且能为大尺度的长江堤防风险排查与早期隐患识别提供一种可行的技术手段。     

改进的PS探测方法及其应用

提出一种改进的永久散射体PS(Persistent Scatterer)探测方法,首先基于时序SAR影像的振幅信息,利用振幅和振幅离差指数双阈值法获取PS候选点,然后根据干涉相位空间相关性,对所有候选点进行相位稳定性分析,筛选出既满足雷达反射强度高、又符合散射稳定性要求的真实PS点,最后基于所选PS点提取形变信息。选取上海市局部区域作为实验区,以16幅TerraSAR-X(TSX)影像为数据源,进行PS探测和形变信息提取。结果表明,相比于已有的PS探测方法,本文方法能够更准确、可靠地识别出时序SAR影像中的PS点。形变结果显示,研究区域内最大沉降速率为-51mm/a,平均沉降速率为-15.8mm/a,以水准实测数据进行检核,验证了基于改进的PS探测方法进行地表形变信息提取结果的可靠性。     

曹妃甸沿海区地表沉降监测与预测分析

为探究曹妃甸沿海区的地表沉降情况,本文使用永久散射体合成孔径雷达干涉测量(PS-InSAR)和短基线合成孔径雷达干涉测量(SBAS-InSAR)技术对2017—2022年的63景Sentinel-1A数据进行反演,得到了沿海区的地表沉降速率及分布,再对两种技术的反演结果进行交叉验证及分析引起沉降的原因,同时利用反向传播(BP)神经网络和长短期记忆(LSTM)网络模型分别对特征点的时序沉降量进行预测分析及精度对比,主要得到以下几点结论：(1)两种技术反演结果具有较高一致性,线性相关达0.98;(2)研究区最大沉降速率为-49 mm/a,最大累计沉降量为231.4 mm,地质条件脆弱、长期过度开采地下水、大规模的建设和工程扰动是造成该地沉降发生的主要原因;(3)经对比分析,长短期记忆(LSTM)网络模型的预测效果更适合于时序形变数据的预测,预测结果也更为接近实际形变值。