徐州大屯中心区地面沉降趋势预测

徐州大屯中心区1988年建立了地面沉降观测系统,2005年最大累计沉降量达到600 mm.累计沉降量大于100 mm的地区面积达到11.57 km2.本文根据近20年的沉降观测数据分析了中心区地面沉降的时空分布特征,并采用灰色模型方法,对地面沉降趋势进行了预测,结果表明到2010年最大累计沉降量将达到753 mm,累计沉降量大于100 mm的地区将达到32.86 km2,对中心区的建筑、地下管网将造成较大威胁,应尽快采取防治措施.     

基于SBAS-InSAR的山东济阳矿区沉降监测与分析

利用SBAS-InSAR技术对济阳井田矿区40景C波段Sentinel-1A升轨数据进行处理,获取了2017年5月20日至2018年10月18日期间研究区内地面沉降的年平均沉降速率和累积沉降量。结果显示,研究区内年平均沉降速率最大达到320 mm/a,累积沉降量最大为447 mm。针对沉降较为严重区域选点进行特征点时序分析,结果表明,该位置的沉降量随着时间的推移持续增大,在研究时间段内没有减缓的趋势。矿区持续开采引发的地面沉降对周围地区也产生了一定影响。     

基于InSAR技术的盘锦地区地面沉降研究

为掌握盘锦地区地面沉降现状,包括沉降中心位置、沉降区面积、沉降量、沉降速率等,选取2013-2016年覆盖研究区的19期C波段Radasat-2数据,采用SBAS-InSAR技术提取盘锦地区地面沉降速率和累积地面沉降量。结果表明,研究区内存在两个沉降区:曙四联沉降区,面积约为43.6km^2,最大沉降速率为-151.49mm/a;龙王村沉降区,面积约为33.28km^2,最大沉降速率为-119.55mm/a。与2007-2009年的3期ASAR数据得到的结果进行对比后发现,两者得到的沉降区基本一致。通过地面沉降监测数据的时序分析,累积沉降量和沉降区范围均随着时间不断增大。     

基于SBAS-InSAR技术的盘锦地区地面沉降监测

近几年,盘锦地区的地面沉降问题开始受到人们的关注。为了掌握盘锦地区地面沉降现状,包括沉降中心位置、沉降区面积、沉降量、沉降速率等,选取2013-2016年覆盖研究区的19景C波段Radarsat-2 SAR数据,采用SBAS-InSAR技术提取了盘锦地区地面沉降速率和累积沉降量。结果表明,研究区内存在两个沉降区:曙四联沉降区,面积约为43.6 km2,最大沉降速率为-151.49 mm·a-1;龙王村沉降区,面积约为33.28 km2,最大沉降速率为-119.55 mm·a-1。通过地表形变量时序分析,发现两个沉降区的范围随着时间不断扩大,累积沉降量不断增大。与水准监测数据进行对比后发现,两种监测方法得到的沉降区范围和沉降量大体一致,但两者间仍有差别。对研究区内油田井场分布和地下水水位降落漏斗特征与沉降区分布进行了对比分析,研究表明地面沉降与地下水开采、油气资源开采、新构造运动等多种因素具有密切关系。研究结果将为地质环境的管理、地面沉降灾害的防治及资源开发利用规划提供基础依据。     

天津滨海新区地面沉降层位的精准识别与沉降过程重建

塘沽地区地面沉降是新生代松散沉积物多层位沉降叠加的结果,精准识别各层位的沉降贡献是该区地面沉降防控的关键。利用塘沽G2地面沉降分层标组2011—2014年观测数据,对新生代沉积物不同层位的地面沉降进行了精准识别;结合以前的分层标观测资料,重建了1960年以来不同层位的地面沉降过程。结果显示,在1960—1970年地下水开发初期,地面沉降主要层位是浅部粘性土自然固结和第二含水组地下水开采;1970—1980年深层地下水开采高峰期,主沉降层位由二组逐渐加深到三、四组;1985年以后实施了地面沉降控制措施后,第四系地下水开采引起的地面沉降逐渐减小;2000年之后,随着滨海新区的成立和大规模的城市建设,城市建设引起的建筑基础沉降逐渐成为主要的沉降层。通过对不同时期主要地面沉降层位的转换过程分析,提出地面沉降精准防治新思路。     

抚顺发电厂地面沉降成因分析及其灰色理论预测

在论述研究区环境地质条件的基础上,对区内地面沉降的成因进行了分析,并基于区内地面沉降监测点实际观测数据建立了灰色DGM模型,然后以此模型对研究区未来三年的地面沉降进行了预测,预测结果表明:在未来三年内,区内大部分主要建筑物基础地面最大沉降量将超出或接近允许值,而基础沉降差在允许值范围内.     

基于时序InSAR技术的常州市地面沉降监测与分析

城市地面沉降不仅会对居民生命安全造成影响,而且也会给当地的社会经济造成损失。常州市位于长江三角洲地面 沉降区,也是我国经济最发达的地区之一。因此地面沉降监测是常州市掌握地面沉降的动态,为防灾减灾提供决策依据的 重要举措。本文采用SBAS InSAR 方法对2012-2013 年23 景TerraSAR-X 高分辨率雷达影像数据进行了地表形变的反演,获 取了该时间段常州地区年均沉降速率和时序地表累积形变图。结果表明,在整个观测期间,常州市呈现出“全区基本保持 稳定,武进区局部沉降严重”的特点。为此,我们利用PS-InSAR 技术对武进区的地面沉降进行了重点监测,发现该区多条 重要交通线路存在不同程度的地面沉降。最后我们结合历史监测结果和水文地质背景,揭示了常州地区近50 年地面沉降的 时空变化特征和规律。综合分析表明,地下水全面禁采后研究区地面沉降的确得到了有效控制,沉降速率减缓,甚至出现 了回弹。而武进地区的地面沉降虽然也在减缓,但仍然存在明显的地面沉降,一些重要交通线路的周边沉降已超过安全阈 值,有必要在常规监测的同时,对这些沉降严重的区域进行重点监测,并建立预警预报机制,在城市基础设施选址和规划 时提供决策依据。     

基于灰色Verhulst模型的山西太原地面沉降趋势分析

本文首先通过分析地面沉降的诱发因素和研究对象,发现具有灰色特性,并且地面沉降随时间的变化曲线与Verhulst模型曲线相似,因而可以应用该模型预测太原市地面沉降。其次根据五个沉降中心中30个典型的水准观测点的累积沉降量建立了灰色Verhulst预测模型。最后预测了2010年与2015年的地面沉降发展趋势,得出2010年总体沉降范围向外扩展,小店中心扩大幅度较大,吴家堡年均沉降速率持续减缓;到2015年西张沉降趋势基本趋于稳定状态,万柏林和下元沉降速率减缓,吴家堡沉降幅度变化不大,万柏林、下元和吴家堡的沉降范围已连成一片,小店中心最大沉降量达1 508 mm,年均沉降速率为45 mm/a。     

径向基神经网络在地面沉降预测中的应用

基于MATLAB6.5平台编程,利用前四年的沉降量作为输入神经元,后一年的沉降量作为输出神经元,重复此过程,构建了上海高桥地区地面沉降预测径向基神经网络.以历史沉降数据为训练样本,并对其进行归一化处理,在此基础上,采用未归一化及归一化后的训练样本进行网络训练与检验.结果表明,归一化后的训练样本训练得到的径向基网络具有良好的预测性能.最后利用该网络对1990-2010年的地面沉降量进行了预测.     

北京潮白河冲洪积扇地面沉降时空异质性特征及驱动因素分析

为了研究地面沉降的时空分布模式、机理机制,选择北京典型沉降区——潮白河冲洪积扇为研究区,采用PS-InSAR技术、莫兰指数及地理探测器,分析了研究区地面沉降的空间异质性特征,探测了不同特征下的地面沉降的主要驱动因素。结果表明：2017-01—2019-01研究区内地面沉降时空分布特征以一般沉降为主,沉降速率为[-133,3] mm/a,最大累积沉降量为261 mm,呈北部轻微、中部较严重、南部较轻的分布状态,其中,严重、极严重等级地面沉降主要分布在中游顺义后沙峪东部等地区及中下游交界地带的潞城镇;不同地区地面沉降呈现不同的空间异质性特征,即不均匀地面沉降分布特征明显,中游、下游均表现为低—低集聚;不同分布特征下地面沉降主要驱动因素不同,中游地区主要驱动因素为第二承压水水位变化和可压缩层厚度,下游主要驱动因素为浅层地下水水位变化和第一承压水水位变化。莫兰指数能够有效分析地面沉降空间异质性,识别集聚特征;地理探测器可以探明沉降空间异质性成因,获得其主要驱动因素。