基于Sentinel-1雷达影像的成都市地面沉降InSAR监测分析

利用2017-03~2018-03共30景Sentinel-1A SAR数据,分别采用PSI和SBAS技术获取成都市主城区地面形变分布信息,结合地面水准资料对InSAR结果进行精度评估,并初步分析地面沉降的原因。结果表明,成都市大部分区域稳定,平均形变速率主要集中在-5~5 mm/a;地面沉降主要位于一环线以外地区,地铁5、6号线主要站点及周边不均匀沉降明显,最大沉降速率达到20 mm/a;在成华区和锦江区等部分新建城区有不同程度的地面沉降,速率为5~15 mm/a,PSI和SBAS结果相关性较高。     

基于升降轨Sentinel-1A SBAS InSAR的西南山区滑坡隐患早期识别研究

以贵州省水城县为研究区,使用SBAS InSAR分别对2018-07~2019-07鸡场镇滑坡发生前31期升轨和30期降轨Sentinel-1A数据进行处理,提取地表形变场。结果表明：1）鸡场镇滑坡发生前SBAS InSAR形变场并未出现明显形变,已超出12 d重访周期SAR的形变监测能力;2）研究区存在5个明显形变区,推断与斜坡失稳、地下/露天采矿和矿物加工的抽排水有关;3）升降轨数据的SBAS InSAR形变场相互补充、验证,可显著提升卫星雷达对山区滑坡隐患早期识别和形变监测能力。研究方法可为贵州省以及中国西南山区滑坡隐患调查与早期识别提供技术参考。     

利用Sentinel-1A数据监测抚顺市地表形变

针对抚顺市大范围地表形变问题,利用短基线集InSAR技术和覆盖研究区的17景降轨Sentinel-1A影像,提取抚顺市2015~2016年地表形变信息,结合信息熵分析地表不均匀形变现状,并提取典型形变区在东西向和南北向的时序剖面结果,最后利用已有文献验证该结果的可靠性。研究表明：1）2015-06~2016-06形变中心主要分布在东露天矿、西露天矿、塔峪、南花园、新屯地区;2）抚顺市的榆林街道和站前街道形变信息熵均大于1.0,地表不均匀形变极为严重,后期需重点监测;3）西露天矿北帮最大沉降量约为78 mm,东露天矿自西至东存在4个局部沉降漏斗,最大沉降量约为250 mm,塔峪北沉降区最大沉降量约为55 mm。     

基于PS-InSAR和SBAS技术监测南京市地面沉降

利用覆盖南京地区的23幅Sentinel-1A影像,分别采用PS-InSAR技术和SBAS技术进行数据处理,获得了两组研究区域的地表沉降信息,并对两组结果进行交叉验证分析。结果表明,两种方法获取的结果无论是在沉降范围还是在形变量级上,都具有高度的一致性;研究区域在2015-04～2017-01期间存在地面沉降问题,且最大的沉降速率达到-30 mm/a。     

采用升降轨Sentinel-1数据监测北京城市副中心地面沉降

通州区作为北京城市副中心,地面沉降对其城市建设和发展会产生潜在的影响.采用2019年1月至2020年2月升、降轨Sentinel-1数据,基于SBAS-InSAR技术提取通州区高精度地表形变信息,运用GIS空间分析方法,结合地下水和土地利用类型数据,综合分析通州区地面不均匀沉降的原因.结果表明:升、降轨SAR数据获取的...     

利用SBAS-InSAR技术监测菏泽市地面沉降

采用SBAS-InSAR技术对菏泽市65景Sentinel-1A SAR数据进行处理,获取菏泽市2017-05-20~2021-05-23的沉降结果,并结合地下煤矿工作面的开采对各成像时期的地面沉降情况进行精细化分析,最后利用实际水准数据对SBAS-InSAR监测结果进行精度验证。结果表明,研究时段内,菏泽市地面沉降不断加速,郓城地区沉降较为严重,最大年平均沉降速率达-311 mm/a,最大累积沉降量达-1 269 mm。SBAS-InSAR监测到的沉降位置和沉降变化趋势与水准测量结果相符,但在沉降严重区域,SBAS-InSAR监测到的沉降量与实际水准测量结果有一定差异。     

南水北调中线区域地面沉降SBAS-InSAR监测研究

基于1 009景Sentinel-1A影像,利用SBAS-InSAR技术对南水北调中线区域地面沉降进行长时间序列监测。结果显示,整个中线沿线地面沉降主要分布于河北省东南部,最大形变速率为-139 mm/a,由于与渠道间有一定距离,因此对输水影响较小。北京市的最大形变速率为-133 mm/a,天津市西南部最大形变速率为-81 mm/a,但天津支线经过了2个沉降区,应当引起相关部门的重视。本文重点分析了南水进京后北京市地面沉降的时序形变特征,结合相关资料分析得知,南水北调工程有效补充了北京地区地下水储量,显著遏制了北京市地面沉降的发展态势。     

基于InSAR技术的东营市地面沉降监测及多诱发因素分析

基于2019年Sentinel-1的28景降轨InSAR数据,监测东营市年均沉降速率,分析并相互验证处于不同季节的两个干涉对及各形变中心的时序变化情况.结果表明,东营市存在5个大范围的沉降区域,均位于东营市沿海区域,最大沉降速率约为300 mm/a,沉降特征因地下水抽取、石油开采与卤水开发等地下流体开采类型不同而具有明...     

基于Sentinel-1数据的银川盆地现今地壳形变研究

基于InSAR技术,利用Sentinel-1数据获取银川盆地及周边地区2015~2019年高空间分辨率地壳形变速率场。结果显示,银川盆地整体呈下沉趋势,贺兰山东麓断裂及黄河断裂两条主控断裂两侧存在较明显的差异性运动,芦花台隐伏断裂和银川隐伏断裂活动不明显。对一般倾角断层的震间地表形变曲线拟合公式进行改进,实现了基于单一轨道InSAR观测值同时反演断层倾角、走滑速率、倾滑速率以及闭锁深度。将算法应用于灵武断裂的活动状态及闭锁深度反演,得到断裂走滑速率约为303 mm/a,正断倾滑速率约为027 mm/a,闭锁深度约为6.8 km,倾角约为54.7°。此外,InSAR监测发现,石嘴山市和银川市东部存在局部巨幅形变,通过InSAR时序分析及现场调查认为,形变可能由人类活动引起。     

基于Sentinel-1数据的鲜水河断裂带震间形变监测

基于Sentinel-1卫星数据,利用InSAR技术获取鲜水河断裂带2015~2018年的震间形变速率场。研究表明,InSAR结果的可靠性较高,且与GPS监测结果具有很好的一致性。形变速率场显示,鲜水河断裂具有明显的左旋走滑运动特性,断层滑动速率约为7~11 mm/a,自北向南存在递减趋势,且在2014-11 M6.3康定地震附近,由于受到震后余滑影响,滑动速率达到15 mm/a。     

时序InSAR解译2017~2020年北京地面沉降时空变化

利用合成孔径雷达干涉测量（InSAR）技术对2017-06~2020-06期间获取的Sentinel-1数据集进行处理和分析,获取北京近几年地面沉降区域的时空分布特征。结果表明,北京地表形变呈现5处沉降区,最大年形变速率为-111.3 mm/a。将InSAR结果与GPS观测资料进行对比,验证了时序InSAR的有效性。对比2018年和2019年的年形变速率可知,各个沉降范围内的沉降面积均在减小,且沉降减缓的面积远大于沉降加速的面积。局部调查后发现,5处沉降区除1处仍在加速沉降外,其他4处的沉降速度均在减缓。     

LSTM支持下时序Sentinel-1A数据的太白山区植被制图

植被分类是森林资源调查与动态监测的基础与前提。当前植被分类研究大都利用光学遥感影像,然而,光学遥感成像易受到云雨覆盖的影响,难以构建完整时间序列,植被分类精度有限。微波遥感具有全天时全天候、时间序列完整的优势,在植被调查与分析中具有巨大的应用潜力。本文利用2018年Sentinel-1A微波遥感时间序列数据和深度循环网络方法,对秦岭太白山区的森林植被进行分类制图。首先利用Sentinel-2光学影像与数字高程数据对研究区进行多尺度分割;然后将处理后的时间序列Sentinel-1A数据空间叠加到分割地块上,构建地块的多元时间序列曲线;最后利用深度循环网络提取与学习多元时间序列的时序特征并分类。实验结果表明：① 与传统机器学习方法（如RF、SVM）相比,本文提出的深度循环网络方法的分类精度提高10%以上;② 在Sentinel-1A微波极化特征组合中VV+VH表现最好,与VV+VH+VV/VH极化特征组合的精度相近;③ 使用全年的时间影像构建时间序列分类精度最高,达到82%。研究表明,利用深度循环网络与时间序列Sentinel-1A数据的方法能够有效提高植被分类的精度,从数据源与分类方法上为森林植被分类研究提供了新的思路。     

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。     

基于时序InSAR的常州市地面沉降时空演变规律及成因分析

采用PS-InSAR时序技术对常州市2018-01~2019-12的24期Sentinel-1A影像数据进行处理,获取常州市地面形变信息。所得结果与同期水准监测数据有较好的一致性,两者较差最大值为6.1 mm、平均值为2.7 mm、均方根误差(RMSE)为1.7 mm。结果显示,抬升区域主要位于城镇,累积抬升量平均值约为7.3 mm;沉降区域主要位于农村,累积沉降量平均值约为7.6 mm;武进区南部等地局部沉降严重,累积沉降量平均值超过15 mm。分析第Ⅱ承压水水位变化对地面沉降的影响显示,两者相关系数为0.55;同时分析某分层基岩标各地层回弹情况发现,深部地层多数处于反弹阶段,而浅部地层是目前土层压缩（沉降）的主要层段。说明近2 a第Ⅱ承压水对常州市地面沉降具有一定的影响,但已不是主要影响因素,浅部地层土层压缩已成为常州市地面沉降的主要影响因素。