海底震后形变多基站联合估计模型

海底基准站坐标时序可用于海底震后形变监测,但受观测条件和观测成本所限,海底基准站定位精度相对较低,难以获取高时间分辨率海底基准站坐标时序.针对小样本、非连续海底观测时序分析问题,本文提出将站速度、震后形变参数作为多个邻近基准站的公共参数进行联合估计,并将N-E方向震后形变弛豫因子也作为公共参数;提出了求解站坐标、站速度等线性参数与震后形变非线性参数进行混合非线性估计的“一步法”.试验表明,相对单站估计模型,本文提出的多站联合估计模型可克服海底基准站坐标时序样本有限和精度受限等问题,且相对于站速率和震后形变参数分离估计的“两步法”,“一步法”更为严密,可获得更为有效的震后形变参数估计.     

基于时间序列的InSAR相干性量级估计

本文提出了一种适用于InSAR数据处理的自适应相干性量级估计方法,该方法能够满足复信号随机平稳的假设前提,并兼顾运算效率与估计精度.此方法生成的相干图具有很好的分布特征,避免了影像空间分辨率的损失.提出的算法分为两个步骤:(1)根据地物后向散射特性,对时间序列SAR影像进行聚类分析,选择具有同分布的样本,保证SAR影像质地平稳条件;(2)对干涉图进行条纹频率估计,采用极大似然(ML)条纹频率估计方法去除系统相位引起的复信号非平稳性,并根据Cramer-Rao边界条件改善条纹频率的估计精度.以美国南加州洛杉矶地区的ENVISAT ASAR数据集为例,本文将新方法与现有方法进行了量化分析.结果表明,较传统方法而言,基于时间序列的相干性估计方法能够得到更可靠、精度更高、空间特征更鲜明的干涉相干图.     

高级时序InSAR地面形变监测及地震同震震后形变反演

差分干涉测量技术(differential interferometry technique,D-InSAR)是在InSAR技术基础上发展起来的,主要应用于测量地表微小形变。该技术在监测地震形变、火山活动、冰川运动、城市地面沉降以及山体滑坡等领域得到广泛应用,但实际研究中存在很多局限性,例如轨道参数误差、地形数据误差、大气延迟误差、时空去相关引起的相位解缠误差以及系统噪音误差等。这些因素成为InSAR高精度形变探测应用的主要限制。InSAR时序分析方法是目前解决常规D-InSAR处理过程中各种精度制约因素的主要方法之一。本文以InSAR时序分析中几个关键技术问题为研究目标,开展InSAR时序关键技术研究。本文取得的创新点如下:(1)在传统相干点提取方法的基础上,提出了一种新的提取方法:满秩相干点。该方法将干涉冗余网络图中节点和边结合起来构建满秩矩阵,并依此作为相干点提取指标。实验结果表明,满秩相干点提取法不仅能有效提高相干点的空间分布密度,而且能保留相干点的最优测量精度。(2)将大气延迟相位分成3种分量,即长波长大气相位、短波长大气相位以及地形相关的大气相位。在此基础上,利用网络法分别对3种类型大气延迟相位进行校正。网络法可以估算出每个时刻的大气延迟误差,再重构每一幅干涉图的大气延迟误差。实验结果分析表明,采用网络法能精确模拟出每个时刻大气延迟误差和每幅干涉图中的大气延迟相位。(3)离散点相位解缠误差是时序分析过程中主要误差源之一,直接影响后续时序分析结果的精度。本文提出一种利用网络闭合环残差方法,对离散相干点相位解缠误差进行检测和校正。该方法可以有效识别出离散相干点解缠相位中相位跳变;同时,本文也介绍了离散相干点解缠相位跳变校正的方法。(4)基于相干矩阵满秩条件,提出一种新的InSAR时序反演策略。利用干涉冗余网络图中各条边和节点之间的关系,采用最小二乘方法解算各个时刻点的形变特征,以有效解决传统InSAR时序反演过程中的秩亏问题。通过Bam地震震后时序形变场提取,在羊八井电站地热开采地下水引起地面沉降监测以及北京市地面沉降监测等几种典型应用中,验证了该方法的有效性和精确性。在关键技术突破的基础上,本文利用提出的新方法,获取了2008年10月6日西藏当雄MW6.3地震同震形变和震后地表形变时序,研究发震断层参数和震后运动过程的动力学机制。利用同震形变反演得到断层几何参数及滑动分布模型为先验知识,以InSAR时序方法获得震后形变时序资料为约束,分别利用震后余滑模型和震后黏弹性松弛模型,研究当雄地震震后断层的运动过程,同时对青藏高原南部中低地壳或者上地幔的黏性系数进行估计,并给出了最优拟合解。     

一种InSAR大气相位建模与估计方法

为了削弱大气延迟对干涉结果的影响以提高InSAR的测量能力,本文在InSAR大气相位特征分析的基础上,研究了一种新的InSAR大气相位建模与估计方法.首先采用稳健估计确定大气垂直分层部分的模型参数,然后利用基于Matern模型的Kriging插值估计大气紊流部分,最后应用估计的大气垂直分层和紊流资料改正InSAR测量结果.利用覆盖河南义马地区的ASAR数据对本文提出的方法进行了验证,结果表明去除大气影响后,InSAR重建的DEM与参考DEM的高程差异的均方误差由19.5m降至5.3m,精度提高了约72%.同时,改正后的干涉图更合理地揭示了义马矿区的沉降漏斗情况,进一步验证了本文方法的有效性.     

基于虚拟特显点的高精度InSAR性能评估方法

由于特显点的高相干性,基于图像特显点的InSAR性能评估方法存在指标计算偏高的技术缺陷.为了客观评价InSAR性能,通过在实际特显点邻域引入虚拟特显点作为评估样本点,提出一种改进的InSAR性能评估方法.该方法利用特显点的高信杂比特性,并通过实际特显点和虚拟特显点的精确相对定位,可准确估计虚拟特显点在SAR图像中位置坐标,同时避免了特显点高相干性的不利影响.全流程的分布式卫星InSAR信号仿真实验验证了虚拟特显点InSAR性能评估方法的有效性,绝对、相对干涉相位估计精度及绝对、相对测高精度等主要InSAR性能指标的计算精度更高.     

基于BFGS法融合InSAR和GPS技术监测地表三维形变

虽然InSAR技术具有高精度、大范围和高空间分辨率等优点,但只能监测雷达视线方向上的一维地表形变;而GPS技术虽可以监测地表的三维形变,但其空间分辨率很低.本文针对融合InSAR和GPS技术监测地表高空间分辨率三维形变展开研究.首先证明了简单的局部最优化迭代算法就能求得综合InSAR和GPS监测地表形变速率的能量函数模型的全局最优估值.随后提出了利用BFGS局部最优算法反演最优的地表三维形变速率.该方法既能避免全局最优化算法计算复杂且难以收敛的问题,又能克服传统的解析法中数值计算不稳定的缺点.最后,通过模拟实验和美国南加州真实数据实验表明,该方法能够得到高精度的地表三维形变速率场.而且当观测或插值误差导致解析法误差较大时,BFGS方法仍能得到高精度、稳定的全局最优解.     

DInSAR与SBAS InSAR矿区地面沉降监测能力对比分析与验证

DInSAR与SBAS InSAR是目前常用于矿区地面沉降监测的两种InSAR技术.以山东济南某矿区地面沉降为研究对象,利用DInSAR、SBAS InSAR对覆盖该矿区的28景Sentinel-1A SAR影像进行处理,获取2018年07月至2019年06月期间的矿区地面沉降信息,利用矿区工作面开采信息与同时期水准监测数据,定性和定量地对比、分析和验证了这两种InSAR技术的矿区地面沉降监测精度和能力.研究发现,在沉降边缘区域,DInSAR和SBAS InSAR的监测结果与水准监测结果之间的差异较小,能较好反映矿区沉降的实际情况,而在沉降中心区域,二者的监测结果与水准监测结果有较大差异,监测能力不足.相比较而言,DInSAR技术在矿区沉降中心的快速大形变监测中更可靠,SBAS InSAR技术在矿区周边缓慢微小形变监测中精度更高.DInSAR和SBAS InSAR监测到的沉降值与水准监测结果之间的绝对差值曲线呈现出沉降漏斗边缘小、中心大的特征,这一发现可为后续研究DInSAR和SBAS InSAR监测结果的校正方法提供重要参考.     

基于方差分量估计的多源InSAR数据自适应融合形变测量

近年来,合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar,InSAR)技术在地面沉降监测方面展现了巨大的应用潜力,但受其重访周期和一维形变测量能力的限制,仅利用单一轨道卫星观测数据很难揭示真实的地表形变特征及其演化规律.随着在轨运行的SAR卫星系统不断增加,使得融合相同时间段内覆盖同一区域的多源多轨道InSAR数据成为可能.然而目前普遍采用的多源InSAR数据融合方法均为针对大尺度形变监测设计,或者忽略南北向形变甚至水平形变,容易造成误判.为此,本文对经典小基线集(Small Baseline Subset, SBAS)时序InSAR分析方法进行改进,在其形变反演模型中加入东西向和南北向形变参数,采用方差分量估计方法解算多源观测数据验后方差,通过迭代精化确定权重矩阵,从而获得形变参数的最优估值.使用美国南加州地区的ALOS PALSAR和ENVISAT ASAR数据开展实验,利用南加州综合GPS网(SCIGN)位于研究区域内的9个站点观测数据进行验证,结果表明本文方法得到的融合形变测量结果在垂直向上能够准确反映地表形变波动,周期性与GPS观测比较一致;同时,融合得到的三维形变场显示南加州洛杉矶地区存在不可忽略的水平形变,东西向形变测量精度略高于南北向.因此,基于方差分量估计的多源InSAR融合方法在提高形变测量时间序列连续性的同时,能够更准确地反演研究区域三维形变特征.     

InSAR与概率积分法联合的矿区地表沉降精细化监测方法

结合InSAR与概率积分法的优势,提出一种InSAR和概率积分法联合进行矿区地表沉降的精细化监测方法.该方法首先计算InSAR时序累积沉降盆地,进而建立判别大梯度形变的约束条件,区分沉降边缘与沉降中心.对于形变较小的沉降边缘,保留InSAR结果,而对于大梯度沉降中心,则结合InSAR与概率积分模型建立矿区工作面的沉降盆地,并通过空间插值,获取地理坐标系下连续的地表沉降信息,最终得到完整的矿区地表沉降结果.论文以山东某矿区为研究区域,采用2016年10月16日 2018年3月4日期间的21景SAR影像和工作面水准实测数据对该方法的可行性和精度进行了验证.结果 表明,该方法能够在减少水准监测工作量的前提下,获得与实际情况相吻合的沉降结果,其监测能力明显优于常规InSAR和概率积分法,可有效弥补两种技术单独在矿区地表沉降监测中的不足,获取更为准确、可靠的矿区地表沉降信息.     

时序InSAR技术及其在京西北试验区微小形变的应用研究

时序InSAR技术是近些年发展起来的一种新的InSAR测量技术.其中PS-InSAR技术是通过分析高相干的永久散射体相位变化信息提取形变,受时间和空间基线的限制小,该方法需要假设形变特征为匀速,同时需要大量的SAR数据（25景）来估算大气效应贡献值;短基线技术（SBAS）可以降低几何去相干的影响,同时较短基线使DEM误差的敏感性大大降低,但该方法通过一定大小的窗体计算相干性,并据此来选择时间序列稳定点,窗体操作降低了被选像元的分辨率,但抑制了噪声相位的影响;干涉图叠加方法（interferogram stacking）是将多幅差分干涉图进行叠加,提高结果中形变信息对大气干扰的相对精度,可以获取大区域的连续形变场;CR-InSAR技术将人工角反射器作为观测对象,通过建立CR点上的形变模型,实现对重点目标如滑坡、水库和断层的形变监测.     

Statistical Travel-time Tomography in Terms of Stacking Velocity

— Velocity evaluation is a key step in seismic analysis. The covariance of the true velocity field must be known when interpolating or simulating velocities from well measurements using geostatistical methods. In addition, inversion procedures often require information pertaining to this covariance. Traditionally it has been taken to be the covariance of stacking velocities. We present a simple example to show that this approximation can lead to significant errors. Better methods, such as those of Touati (1996) and Iooss (1998), use the variance of prestack picked travel times as a function of offset to infer that of the velocities. In this paper we extend their results on the estimation of the covariance of the reflected traveltimes, and obtain an explicit expression for the covariance of the square of the stacking slowness as a function of the covariance of the velocities. Although we are not able to invert the formula analytically to yield an explicit estimator for these parameters, the results obtained using it furnish a good and quick estimation of the velocity's covariance. This is illustrated with synthetic examples.     

Identification of a Point of Release by Use of Optimally Weighted Least Squares

This paper addresses the parametric inverse problem of locating the point of release of atmospheric pollution. A finite set of observed mixing ratios is compared, by use of least squares, with the analogous mixing ratios computed by an adjoint dispersion model for all possible locations of the release. Classically, the least squares are weighted using the covariance matrix of the measurement errors. However, in practice, this matrix cannot be determined for the prevailing part of these errors arising from the limited representativity of the dispersion model. An alternative weighting proposed here is related to a unified approach of the parametric and assimilative inverse problems corresponding, respectively, to identification of the point of emission or estimation of the distributed emissions. The proposed weighting is shown to optimize the resolution and numerical stability of the inversion. The importance of the most common monitoring networks, with point detectors at various locations, is stressed as a misleading singular case. During the procedure it is also shown that a monitoring network, under given meteorological conditions, itself contains natural statistics about the emissions, irrespective of prior assumptions.     

减震结构中的粘弹性阻尼器参数优化

研究了粘弹性阻尼器在结构减震控制中的参数优化问题。从性价比的角度提出r优化目标函数,建立了阻尼器的参数优化模型。以一单层框架为例,分别选用非线性规划中的复形法和通过调用MATLAB程序优化工具箱中Fmincon函数（简称Fmincon函数法）两种方法,编制丁相应的优化分析程序,对粘弹性阻尼器在单层框架结构减震控制中的参数优化进行丁分析。研究结果表明,两种优化算法都达到了预期的目标,实现了目标函数最小化。     

Subsurface characterization with localized ensemble Kalman filter employing adaptive thresholding

Ensemble Kalman filter, EnKF, as a Monte Carlo sequential data assimilation method has emerged promisingly for subsurface media characterization during past decade. Due to high computational cost of large ensemble size, EnKF is limited to small ensemble set in practice. This results in appearance of spurious correlation in covariance structure leading to incorrect or probable divergence of updated realizations. In this paper, a universal/adaptive thresholding method is presented to remove and/or mitigate spurious correlation problem in the forecast covariance matrix. This method is, then, extended to regularize Kalman gain directly. Four different thresholding functions have been considered to threshold forecast covariance and gain matrices. These include hard, soft, lasso and Smoothly Clipped Absolute Deviation (SCAD) functions. Three benchmarks are used to evaluate the performances of these methods. These benchmarks include a small 1D linear model and two 2D water flooding (in petroleum reservoirs) cases whose levels of heterogeneity/nonlinearity are different. It should be noted that beside the adaptive thresholding, the standard distance dependant localization and bootstrap Kalman gain are also implemented for comparison purposes. We assessed each setup with different ensemble sets to investigate the sensitivity of each method on ensemble size. The results indicate that thresholding of forecast covariance yields more reliable performance than Kalman gain. Among thresholding function, SCAD is more robust for both covariance and gain estimation. Our analyses emphasize that not all assimilation cycles do require thresholding and it should be performed wisely during the early assimilation cycles. The proposed scheme of adaptive thresholding outperforms other methods for subsurface characterization of underlying benchmarks.     

基于阈值约束的协克里金法联合反演重力与重力梯度数据

常规协克里金方法反演重力或重力梯度数据具有抗噪性好、加入先验信息容易等优点,其反演的地下密度分布能够识别异常体中心位置,还原异常体基本形态,但反演图像光滑,分辨率低,这是由于常规方法估计的密度协方差矩阵全局发散、平稳.为了通过协克里金方法获得聚焦的密度分布需要改善密度协方差矩阵的性质.首先,本文推导了理论密度协方差公式,其性质表明,当理论模型聚焦分布时,其密度协方差矩阵是非平稳且聚焦分布的.为了打破常规协方差矩阵全局平稳、发散的特征,本文设置密度阈值处理协方差矩阵,通过不断更新协方差矩阵来迭代实现协克里金反演,最终得到相对聚焦的反演结果.用本文方法处理重力与重力梯度数据恢复两种密度模型,均得到了与正演模型匹配的反演结果;再将方法运用于文顿盐丘的实际测量重力与重力梯度数据,反演结果与已知的地质情况匹配较好.     

Estimation of quantiles and confidence intervals for the log-Gumbel distribution

The log-Gumbel distribution is one of the extreme value distributions which has been widely used in flood frequency analysis. This distribution has been examined in this paper regarding quantile estimation and confidence intervals of quantiles. Specific estimation algorithms based on the methods of moments (MOM), probability weighted moments (PWM) and maximum likelihood (ML) are presented. The applicability of the estimation procedures and comparison among the methods have been illustrated based on an application example considering the flood data of the St. Mary's River.     

基于方向模板的保持边缘平滑后地震图像的不连续性检测

鉴于地震数据不连续性检测的重要性,本文提出了一种保持和检测地震图像不连续性(如:岩层,断层,河道等)的方法.通常在图象不连续的地方,象素值会有较大的差异,文中用4×4的方向模板计算目标点周围六个方向上的差值,当最大差值超过某个门限值时,则可认为该点为不连续点,由此来检测地震图像的不连续性.由于包含重要信息的区域受噪声的影响通常比其他地方严重,而且基于差值的不连续性检测算法对噪声较为敏感,所以在不连续性检测之前降低地震图像的噪声是很重要的.普通的平滑去噪方法会造成边缘模糊,不利于不连续性检测.本文采用旋转模板的非线性平滑方法,用四个六边形和一个八边形模板在目标像素周围旋转,用与目标像素标准差最小(最同类)的模板内那些点的均值代替目标像素的值,从而实现对地震图象的保边缘平滑去噪处理.理论模型和实际数据处理结果表明:与Y、Luo等人提出的保边缘平滑方法相比,本文的保边缘平滑处理方法提高了计算效率和峰值信噪比;将文中提出的保边缘平滑方法和基于方向模板的不连续性检测方法结合使用,得到的不连续性检测结果比直接检测更清晰.地震数据解释人员可根据检测到的不连续性来识别断层、岩层、河道等.     

Error covariance modeling in sequential data assimilation

 The efficiency of a sequential data assimilation scheme relies on the capability to describe the error covariance. This aspect is all the more relevant if one needs accurate statistics on the estimation error. Frequently an ad hoc function depending on a few parameters is proposed, and these parameters are tuned, estimated or updated. This usually requires that the covariance is second-order stationary (i.e. depends only on the distance between two points). In this paper, we discuss this feature and show that even in simple applications (such as one-dimensional hydrodynamics), this assumption does not hold and may lead to poorly described estimation errors. We propose a method relying on the analysis of the error term and the use of the hydrodynamical model to generate one part of the covariance function, the other part being modeled using a second-order stationary approach. This method is discussed using a twin experiment in the case where a physical parameter is erroneous, and improves significantly the results: the model bias is strongly reduced and the estimation error is well described. Moreover, it enables a better adaptation of the Kalman gain to the actual estimation error.     

Unscented transformation with scaled symmetric sampling strategy for precision estimation of total least squares

The errors-in-variables (EIV) model is a nonlinear model, the parameters of which can be solved by singular value decomposition (SVD) method or the general iterative algorithm. The existing formulae for covariance matrix of total least squares (TLS) parameter estimates don’t fully consider the randomness of quantities in iterative algorithm and the biases of parameter estimates and residuals. In order to reflect more reasonable precision information for TLS adjustment, the derivative-free unscented transformation with scaled symmetric sampling strategy, i.e. scaled unscented transformation (SUT), is introduced and implemented. In this contribution, we firstly discuss the existing various solutions of TLS adjustment and covariance matrices of TLS parameter estimates and derive the general first-order approximate cofactor matrices of random quantities in TLS adjustment. Secondly, based on the combination of TLS iterative algorithm and calculation process of SUT, we design the two SUT algorithms to calculate the biases and the second-order approximate covariance matrices. Finally, the straight line fitting model and plane coordinate transformation model are used to demonstrate that applying SUT for precision estimation of TLS adjustment is feasible and effective.     

三维频率域航空电磁反演研究

航空电磁数据的三维解释由于数据量大需要有高效的反演算法作为支撑.本文利用两种目前主流的数值优化技术（非线性共轭梯度和有限内存的BFGS法）实现了三维频率域航空电磁反演,并进一步比较了两种方法的有效性和运算效率.在反演过程中,为了更好地反演异常体的空间位置,模型方差矩阵中的光滑系数在反演起始阶段取值较大;当数据拟合差下降趋于平缓时,再利用较小的光滑因子约束反演过程来实现聚焦和获得精确的反演结果.理论数据反演表明这两种优化策略具有相似的内存需求,但是有限内存的BFGS技术比非线性共轭梯度法在计算时间和模型反演分辨率上具有一定的优越性,因此有限内存BFGS法更适合于求解大规模三维反演问题. 模型试验进一步表明目前主流的迭代法求解技术不适合大规模航空电磁数据反演,未来移动平台多源电磁数据快速正反演可通过引入矩阵分解技术来实现.