利用渐进式SBAS-InSAR监测分析北京平原地区地表形变

以SBAS-InSAR解算结果为基础,采用融合序贯平差思想的渐进式SBAS-InSAR处理新增影像。在绝大部分已有数据形变参数和已有数据参数矩阵不变的情况下,仅将新增影像与较新的少部分已有影像进行增量解算,以获取所有影像时刻的地表形变结果,并以2019-06～2020-04北京平原地区地表形变为例进行实验。结果表明,利用渐进式SBAS-InSAR及SBAS-InSAR获取的地表形变速率之差的平均值和标准差分别为0.01 mm/a和0.1 mm/a,且渐进式SBAS-InSAR的解算时间仅为SBAS-InSAR的1/5～1/2。     

SBAS-InSAR在矿区地表形变监测中的应用与分析

本文运用SBAS-InSAR时序技术,对2019年9月19日—2020年3月29日期间的17景Sentinel-1A数据进行处理,获取了济宁北部煤矿区内的年均沉降速率,探测到6处沉降漏斗分布,最大沉降速率达到-242mm/y。结果表明:SBAS-InSAR时序方法可在矿区的地表形变监测中得到足够的监测对象,较完整地探测到矿区的沉降漏斗分布和沉降范围,为矿区的地表形变监测提供了可靠的技术支持。     

升降轨融合的施工区域InSAR地表形变监测

以天津某施工区域为研究对象,开展InSAR地表形变监测研究。利用PS-InSAR技术与SBAS-InSAR技术对2017～2021年54景Sentinel-1B数据和65景Sentinel-1A数据进行处理,针对研究区地表形变时间序列,分析建筑物施工对区域地表时序变化及周边建筑物的影响。研究结果表明,沉降主要集中在研究区域两侧建筑物在建区域,抬升主要发生在研究区中间建筑物改造区域;夏季降雨期间,区域地表会出现不同程度的抬升现象。     

基于SBAS-InSAR的北京地区地表沉降监测与分析

运用SBAS-InSAR获取北京地区的地表沉降信息,采用18景ENVISAT ASAR影像完成北京地区2007～2010年地表沉降的时空分析。结果表明,北京地区沉降不均匀较为严重,在昌平区、顺义区、通州区等区域出现多处沉降漏斗,且有连成一片并向东扩张的趋势;大部分地区的平均沉降速率在-150 ～10 mm/a,沉降中心的最大沉降量超过400 mm;地表沉降受地下水开采与城市化影响明显。     

基于GPS和SBAS-InSAR的阳原盆地北缘断裂现今地表形变特征

基于2009~2017年阳原盆地及周边区域GPS观测数据和2017~2019年升、降轨Sentinel-1卫星SAR图像,使用SBAS-InSAR技术精确反演阳原盆地北缘断裂现今地表形变速率场。统计跨断层剖面线上指定间隔点的垂直滑动速率得出,阳原盆地北缘断裂东段、中段和西段两侧垂直滑动速率差值分别约为1.04 mm/a、1.43 mm/a和0.72 mm/a。右所堡-松枝口断裂的左旋走滑运动特征和该断裂与阳原盆地北缘断裂中段空间分布上呈交切关系是导致阳原盆地北缘断裂中段断层活动水平高于东段的主要原因,阳原盆地北缘断裂西段活动性不明显。GPS资料显示,阳原盆地北缘断裂在水平方向上具有右旋走滑运动特征。     

基于SBAS-InSAR技术的广州市地表沉降监测与分析

文章基于覆盖广州市2017—2019年的18景Sentinel-1A影像数据,采用SBAS-InSAR技术获取该地区的地表沉降信息并进行时空分析.结果表明,广州市地表沉降呈不均匀分布,主要沉降区分布沿珠江流域一带分别为广州大学城、沙溪、小洲村,最大沉降量为-28 mm;大部分地区平均沉降速率为-4.0～2.8 mm/a...     

基于EWT-Prophet方法的地表沉降预测

针对地表沉降预测研究中单一传统方法预测精度较低、预测过程不稳定等问题,提出一种经验小波变换(EWT)与Prophet预测模型相结合的优化预测方法.以江西省上饶市德兴矿区为例,采用30景哨兵1号影像进行SBAS-InSAR沉降研究,并获取该区域研究时段内的沉降时序数据.首先对原始沉降时序数据进行EWT自适应分解,分解产生...     

基于GLM-PSO-coKriging模型的地表形变研究

以斜坡灾害易发地带兰州市城关区为研究区,通过PS-InSAR技术提取地表形变点的地表形变速率,反映地质灾害在空间范围内的分布。以协克里金插值为基础,结合广义线性模型（GLM）和粒子群优化算法（PSO）,构建PSO-GLM-coKriging插值模型,以地表形变速率为主变量,DEM,岩土疏松度和NDVI拟合参数为协变量,进行空间插值模拟。与co-Kriging模型和GLM-co-Kriging模型相比较,PSO-GLM-coKriging插值模型具有更高的精度和更好的模拟效果,消除了多维度产生的复杂度,改善了小尺度范围内的插值效果,3个模型的误差分别为1.25 mm/year,0.70 mm/year,0.47 mm/year。因此,通过PSO-GLM插值模型对形变点空白区的插值模拟,对城关区城镇化的规划建设提供一定的数据和理论支撑。     

基于SBAS-InSAR技术的新疆WLL水库沉降监测与分析

采用SBAS-InSAR技术获取WLL水库及周边区域地表沉降信息。结果表明：1）WLL水库大坝表现为整体下沉,沉降速率在逐年减小后趋于稳定;2）受水库水位、大坝自重及地下水位等因素的共同影响,大坝沉降速率、累积沉降量表现为东南至西北方向逐渐增大;3）水库周边区域沉降未对大坝产生实质性影响。     

矿区地表沉降监测的一种组合模型预测方法

基于诱导有序加权平均(IOWA)算子,将差分整合移动平均自回归(ARIMA)模型和Holt-Winters指数平滑模型进行组合,采用SBAS-InSAR监测值进行矿区地表沉降预测,并与各单一模型的预测结果进行对比分析.结果表明,基于IOWA算子的组合模型的预测精度较单一模型有明显提升,其中各点均方误差(MSE)平均值为...     

高频GPS动态监测地表形变的试验与研究

设计了位移形变模拟试验场并进行位移形变模拟试验,利用Bernese 5.0软件的单历元单点定位功能,处理并分析了位移模拟形变试验获取的1 Hz GPS数据.并以2008年5月12日汶川地震为例,获取了震中附近3个GPS站(成都、简阳和郫县)震前的短临位移过程及震后短时间的动态时变序列,结果显示各站的形变结果在时间上具有很好的一致性.利用动态时序的地震波到时和震中距离估计地震波地壳平均速度为3.17 km/s.     

基于改进PSInSAR技术的非城区地表形变监测

为解决经典PSInSAR技术在非城区因受永久散射体空间分布不足而导致地形形变监测误差较大的问题,提出基于分时散射体(partial time scatterer,PTS)提取的改进算法。首先基于改进的经验模态分解对影像进行边缘保持平滑滤波降噪,然后采用可信概率估计对PTS目标进行联合提取,最后通过参数差分估计分离PTS相位和计算形变速率,从而得到监测区的地表形变。实验结果表明,提取的PTS目标基本可保持传统PS点的空间分布特性和时序变化趋势,提高非城区目标点的空间分布密度,本文算法具有有效性。     

基于Sentinel-1影像的2019~2020年河北隆尧地裂缝及周边形变监测与分析

为了解隆尧地裂缝目前的发育状况及其对周边地区的影响,采用2019-01~2020-12共31景Sentinel-1影像,基于SBAS-InSAR和Stacking InSAR技术获取隆尧地裂缝及其周边区域的形变时间序列及形变速率分布,进一步采用均质弹性空间模型研究隆尧地裂缝现今滑移状况。结果表明：1）隆尧地裂缝2019~2020年南北两侧的形变速率梯度差达4 cm/a,较2007~2011年5 cm/a的形变速率梯度差有所下降;2）固城店镇、魏家庄镇、官庄镇存在明显的周期性地表形变,但总体趋势仍为沉降;3）建模结果表明,隆尧地裂缝现阶段几乎破裂至地表,滑移速率为27 mm/a,与2007~2011年结果相比深度及滑移速率有所降低,说明现阶段隆尧地裂缝虽仍处于活跃状态,但活跃程度有所减缓。     

基于深度神经网络的GRACE等效水高及地表形变量预测

利用2002-04~2017-06 GRACE月时变重力场信息,反演得到三峡水库区域、长江流域和亚马逊流域的等效水高及地表垂直、水平形变时间序列。在LSTM(long short-term memory)网络基础上,通过堆叠LSTM结构以及在输出层中添加线性连接层来增加网络层数,构成深度LSTM神经网络对时间序列进行预测。引入注意力机制以提高模型对于序列长期特征的提取能力,并使用遗传算法筛选最佳网络层数和优化部分网络超参数。结果表明,在动态预测模式下,纳什系数NSE(Nash-Sutcliffe efficiency coefficient)最差为0.907 9,最好可达0.977 7,标准化的均方根误差R*(scaled root mean square error)最小为0.146 5,最大为0.297 5;在静态预测模式下,评价指标R*均低于0.062 2,NSE均大于0.99,表明模型性能优异。     

基于SBAS-InSAR和GM-SVR的居民区形变监测与预测

采用合成孔径雷达时序分析方法,利用2016-12～2017-05(12 d为一个周期)连续13景哨兵卫星雷达影像对淮南矿区内的居民区杨聚庄进行形变监测。根据矿区形变特征,提出一种基于灰色支持向量机（GM-SVR）的组合预测模型对矿区形变进行预测,并与传统的单一灰色模型和支持向量机预测模型进行对比。结果表明,时序InSAR技术和GM-SVR模型的结合,可以实现对矿区形变的快速监测和灾害预防,为矿区灾害监测与预警提供了一种可靠手段。     

温度变化对GPS站周期性的影响不容忽视北大核心CSCD

近日,中科院上海天文台许雪晴等首次应用三维热膨胀模型,根据地表温度数据计算出全球三维地表周年位移形变,并与GPS台站观测的周年位移数据进行对比,表明温度变化引起的地表形变是GPS台站周年位移的影响因素之一,特别是在水平方向。     

基于DEM与GACOS的InSAR同震形变场大气误差校正北大核心CSCD

从全球地震频发地区选取多次地震事件,以精河地震为例研究基于DEM进行大气误差校正时拟合区选取方法;然后分别基于DEM和GACOS数据对同震形变场进行大气相位延迟改正以分析其校正精度及适用性。结果表明,扣除主要同震形变区域后的相位-高程相关系数大于0.4时,必须对获取的形变场进行大气误差校正,校正后噪声可下降约1~4 cm;相关系数为0.4~0.8时,可通过两种方法相互验证以校正精度;相关系数大于0.8时,可以只使用DEM拟合大气误差分布函数进行校正。基于GACOS进行大气误差校正具有普适性,用于大气噪声较为严重且与地形不相关的平原地区可取得较好效果。     

基于PS-InSAR技术的南宁地表沉降监测与分析

采用PS-InSAR技术处理44景COSMO-SkyMed卫星影像,获取南宁市建成区2013~2016年地表沉降形变信息;选取典型沉降突变区域进行实地调查,分析地表变形特征及原因,验证PS-InSAR技术监测结果的准确性。结果表明,研究区年平均形变速率范围为-7~5 mm/a;沉降突变点大多分布在青秀区、西乡塘区及兴宁区的绕城高速以内,其中青秀区新竹路与思贤路交叉区域、民族大道高速出入口区域地面沉降明显,平均形变速率超过-9 mm/a;结合工程建设资料、光学历史影像进行实地调查,结果与PS-InSAR监测数据反映的问题吻合较好。该研究可为地质灾害预测和防治工作提供新思路。     

一种优化的GA-KF与BP-Adaboost地表下沉组合预测模型北大核心CSCD

为提高矿区GNSS CORS自动化监测系统地表下沉预测精度,提出一种结合小波分析,采用遗传算法优化的卡尔曼滤波模型(GA-KF)与相空间重构的BP神经网络强预测模型(BP-Adaboost)的组合预测方法。利用小波分析获取原始监测数据的趋势项和随机项,并分别通过GA-KF模型和相空间重构BP-Adaboost模型预测趋势项和随机项,两者之和即为最终预测结果。以亳州板集矿监测站数据为例进行预测,结果表明:1)与单一使用GA-KF和相空间重构BP-Adaboost模型预测值对比,该组合模型预测精度更高;2)组合模型受建模序列长度影响较小,平均相对误差在0.003%以内,远小于两种单一模型,具有一定抗干扰性。