黄土台塬滑坡变形的时序InSAR监测分析

黄土台塬由于经常性的农业灌溉容易造成边缘区域滑坡发育。因此,需要利用有效手段对这些潜在的滑坡隐患进行早期识别与监测。利用时间序列合成孔径雷达干涉测量（interferometric synthetic aperture radar,InSAR）技术对2016-01至2018-08期间获取的升降轨Sentinel-1数据集进行分析,获取了甘肃永靖黑方台典型台塬地区的滑坡隐患分布情况。将InSAR结果与GPS观测资料进行对比,验证了时序InSAR处理方法的有效性。对该地区滑坡的历史变形分析表明,持续的农业灌溉引起的地下水位抬升是台塬边缘坡体失稳的主要诱因。同时,InSAR时序分析发现,研究区域内的跨黄河大桥受季节更替和温度波动的影响,存在周期性变形现象。实验结果证明了时序InSAR方法在地表变形监测中的有效性,可在黄土滑坡识别与监测防治中发挥重要作用。     

基于时间序列InSAR分析的西部山区滑坡灾害隐患早期识别——以四川丹巴为例

滑坡是仅次于地震、发生最频繁、造成损失最严重的一种地质灾害,中国西部山区则是世界上滑坡灾害分布最密集的地区之一。广域范围内滑坡灾害隐患的早期识别是地质灾害防治工作中的一项关键任务,基于星载合成孔径雷达重复轨道观测的时间序列雷达干涉测量（interferometric synthetic aperture radar,InSAR）技术在此领域具有巨大的应用潜力,但以永久散射体干涉测量为代表的传统时序InSAR方法在西部山区应用中往往受到植被覆盖等不利因素的影响,滑坡探测识别的可靠性较差。针对这一问题,以大渡河上游丹巴县为例,采用自主研发的相干散射体时序InSAR（coherent scatterer InSAR,CSI）方法,从历史存档的ALOS PALSAR和ENVISAT ASAR数据集中成功识别出了17处持续变形中的不稳定坡体,通过与外部观测数据比对和实地调查核实等手段验证了CSI方法探测结果的有效性和优势,并探讨了影响时序InSAR方法滑坡监测应用效果的主要因素及未来的优先研究方向。     

时序InSAR的贵州地质灾害监测

针对传统地质灾害监测手段无法进行全天时、全天候、大范围面状监测的这一现状,运用时序InSAR技术,以及L波段SAR数据、数字高程模型获取了研究区形变序列,并结合全球降水数据、实地调查数据、矿区采空区覆岩移动分带进行了成因分析。实地调查数据验证了小基线集InSAR技术识别地表形变具有较高的可靠性。通过引入全球降水计划GPM多星降水反演产品IMERG中的逐月降水数据分析了P2滑坡隐患点变形规律,发现在降雨多发期,隐患滑坡点变形速度明显增大。实验结果证明,时序InSAR技术在大面积地质灾害多发区中可以有效发挥作用,可为防灾减灾工作提供参考。     

甘肃黑方台黄土滑坡InSAR识别、监测与失稳模式研究

采用合成孔径雷达干涉测量（interferometric synthetic aperture radar,InSAR）技术对甘肃黑方台地区潜在的黄土滑坡开展了多时相编目、长时序监测以及失稳模式识别研究。首先,采用不同空间分辨率、不同波长的历史存档合成孔径雷达（synthetic aperture radar,SAR）数据对黑方台地区2006-12至2017-11间的潜在滑坡开展了识别研究,在2006-12至2011-03和2016-01至2016-11两个时间段均识别出数10处不稳定坡体,实地调查和光学遥感影像验证了InSAR技术识别结果的可靠性与准确性。然后,对典型不稳定滑坡体采用高空间与高时间分辨率的TerraSAR-X数据开展了长时序监测,结果表明,在InSAR监测期间,累积形变最大的滑坡体在随后的时间里均发生了滑动,并成功地捕获到滑坡体形变加速的时间点。最后,利用升降轨SAR数据开展了黄土滑坡二维形变监测研究,基于滑坡的二维形变特征并结合地形图以及光学遥感影像进一步研究了滑坡的失稳模式,现场调查结果验证了所获得滑坡失稳模式的准确性。     

雷达干涉测量对甘肃南峪乡滑坡灾前二维形变追溯

利用存档光学遥感影像对灾前演变情况进行分析是目前常用的方法,但往往受限于获取时间密度、云量等因素。随着雷达遥感卫星数据质量的不断提升,合成孔径雷达干涉测量（interferometric syntheticaperture radar,InSAR）技术可以为滑坡灾前形变探测提供新的技术途径。基于欧洲空间局哨兵一号（Sentinel-1）雷达卫星数据,同时结合升轨与降轨视线向形变结果提取沿坡向与垂直向二维形变,对2018年7月12日甘肃南峪乡滑坡灾前二维形变进行追溯分析。时序结果显示,该滑坡自2017年6月起便已经开始缓慢的变形,至滑坡发生前13个月时最大累积形变量达77 mm。结合降雨量数据对比分析,发现该滑坡灾前变形与降雨量变化高度吻合,说明降雨是该滑坡发生的主要诱因之一。该InSAR追溯结果展示了星载雷达干涉测量技术在滑坡探测方面的应用潜力,为滑坡诱因分析、防灾减灾乃至滑坡监测预警工作提供了新的思路与参考。     

基于SBAS-InSAR技术的西南山区滑坡稳定性监测

本文首先利用小基线集时序InSAR(SBAS-InSAR)技术对云南省宣威东北部地表进行形变监测,获取2021年1月至2023年6月的形变结果;然后分析选取的典型滑坡的形变特征,采集了GNSS监测数据与InSAR形变监测进行对比验证;最后分析InSAR形变对降雨的响应。研究结果表明,SBAS-InSAR技术能有效监测西南山区的典型滑坡,该结果可为滑坡灾害的早期识别提供支撑,对于同类型滑坡灾害的稳定性监测具有较高的参考价值。     

时序InSAR滑坡形变监测与预测的N-BEATS深度学习法——以新铺滑坡为例

滑坡通常发生突然,破坏力巨大,经常造成重大生命安全事故和财产损失。高可靠性、高精度及具有抗差性能的滑坡形变监测预测手段和方法对于国家防灾减灾需求具有切实意义。InSAR技术是一种能够全天时和全天候观测获取高空间分辨率和宽覆盖率影像,高灵敏性捕捉时空维动态变化的监测手段,然而目前应用InSAR时序影像对滑坡区进行滑坡预测的工作仅是凤毛麟角。基于时序InSAR观测结果,本文提出了一种能够有效解决中短期滑坡预测问题的深度学习滑坡预测方法。在三峡新铺滑坡区应用N-BEATS网络模型和Sentinel-1 SAR数据进行形变预测,以均方根误差1.1 mm的预测精度完成了滑坡预测工作,并对预测结果进行了数据结构影响的规律性分析、传统方法效果对比、抗差性评估及置信区间估计等多方位的剖析,结果显示出了其高精度、高可靠性及具有一定抗差能力的突出优势。     

四川茂县岷江河谷区段滑坡隐患雷达遥感识别与形变监测

长期以来,中国四川省茂县地区受地质、地形条件和构造活动的影响,滑坡等地质灾害频发,给人民的生命财产和公路等基础设施安全带来了巨大的威胁,因此需要对滑坡隐患区域进行有效识别和监测。以时序哨兵1号A、B卫星(Sentinel-1A/1B)影像为数据源,利用时间序列合成孔径雷达干涉测量(interferometric synthetic aperture radar, InSAR)技术对茂县岷江河谷区段的潜在滑坡隐患开展识别监测,对重点区段进行了分析,同时分析探讨了InSAR滑坡监测中不同轨道数据的视线方向形变测量灵敏度差异。从实验结果中成功探测识别出了茂县岷江河谷沟口乡至石大关乡段的20余处滑坡隐患,现场实地考察验证了识别结果的准确性,证明了时序InSAR方法在高山河谷区滑坡隐患识别监测中的有效性。     

不同尺度综合地表形变InSAR时序监测与机理分析

正合成孔径雷达干涉测量(InSAR)技术作为近年来发展起来的一种空间对地观测技术被广泛应用于不同类型的地表形变监测。为克服时间、空间基线失相干,DEM误差、大气延迟效应等因素对形变监测的影响,具有稳定后向散射特性的相干点目标作为研究对象的时序InSAR技术应运而生。然而,由于其应用研究起步较晚,在高精度地表形变监测中仍面临诸多技术难题,如常规SBAS方法时序形变监测时因多数据子集而导致的基准缺失、低相干条件下高相干点目标的有效识别、时序InSAR大范     

改进TS-InSAR方法的白格滑坡灾前-灾后形变演化特征分析

2018年10至11月,金沙江上游白格滑坡先后两次垮塌渡江并致堰塞湖,且至今仍存在较显著的蠕滑形变。针对时序InSAR技术在高植被发育区的应用局限,本文提出了一种改进的时序InSAR解算方法(ITSI),结合Sentinel-1A卫星2017年9月-2021年3月期间获取的SAR影像数据,针对滑坡区域分别开展了灾前和灾后时序干涉处理,提取了灾害-灾后时段内的年平均蠕滑速率场(灾前极值为9.71cm/a,灾后达到25.42cm/a)和累计蠕滑形变量(灾前极值为13cm,灾后两年内达61cm),并结合灾前-灾后形变时间序列,重点分析了蠕滑形变的时序演化特征,发现白格滑坡灾后两年间渐趋稳定。此外,监测结果发现白格滑坡上游5km处的肖莫久滑坡也处于活动状态。相关结果可为该区域防灾减灾领域研究提供参考。     

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。     

西山村滑坡时序形变的SBAS-InSAR监测

针对传统地表形变监测技术在我国西南山区深厚堆积层滑坡体形变监测中存在的时空分辨率问题,该文利用72景时序Sentinel-1A TOPS SAR影像,基于短基线集(SBAS-InSAR)技术获取2016—2019年四川理县通化乡西山村滑坡的时序形变特征。结果表明:西山村滑坡整体呈近线性沉降的运动趋势,在监测时段内未出现加速现象,处于长期活跃的蠕动形变。其时序形变结果呈现较为均匀的变化,与坡体形态吻合度较高,雷达视线方向的累计形变量在-315.2~20 mm之间变化,形变速率在-116~9.5 mm/a之间变化。时序形变结果表明:最严重的形变区域位于水田寨村组与马崩渔湾村组的交界处,其次是坡体中下部的水田寨村组,坡体后部的拉海拉湾村组的形变程度最小。     

InSAR滑坡监测研究进展

InSAR技术的发展及数据的丰富,使其成为了滑坡监测中的重要手段之一。本文首先从InSAR滑坡监测的数据选择开始,介绍不同数据、场景对于InSAR滑坡监测的影响;其次,对当前影响InSAR滑坡监测精度的主要因素进行分析,综述了目前主流的解决方法;然后,对当前InSAR滑坡三维形变监测的方法做了系统性的分类,总结了各自的优缺点及使用范围;最后,对目前限制InSAR滑坡监测的主要问题、可能的解决途径及未来的发展方向等问题进行了探讨。     

InSAR变形监测方法与研究进展

变形监测是星载InSAR技术应用最为成熟的领域之一。本文首先介绍了InSAR变形监测的基本原理和卫星数据来源;然后对InSAR变形监测方法进行了系统性的分类,分析了D-InSAR、PSInSAR、SBAS-InSAR、DS-InSAR和MAI等方法的技术特点和适用范围;进而从应用的角度分析了InSAR技术在城市、矿山、地震、火山、基础设施、冰川、冻土和滑坡等领域的研究现状和不足之处;最后总结出InSAR变形监测在多维形变和低相干区测量、大气和轨道误差去除和精度评定等方面的前沿问题。     

一种V/S和LSTM结合的滑坡变形分析方法

滑坡变形的产生是坡体自身地质条件和外部诱发条件共同作用的结果,滑坡变形定量预测是滑坡监测预警的关键。传统的基于滑坡累计位移-时间曲线分析滑坡变形的方法,忽略了滑坡变形演化的影响因素,难以对滑坡变形进行准确预测。三峡库区滑坡研究多集中在滑坡时空分布特征和滑坡整体稳定性分析方面,亟需开展单体滑坡综合变形分析。以三峡库区白水河滑坡为例,基于滑坡宏观变形和位移监测数据,利用重标方差（rescaled variance statistic,V/S）分析法对滑坡整体和局部变形趋势进行分析,进而构建考虑库水位波动和降雨滞后性影响因素的可有效利用长期依赖信息的长短记忆（long short-term memory,LSTM）神经网络模型,定量预测滑坡位移。研究结果表明,滑坡体属牵引式滑坡,北东部稳定性较差,西部和后缘相对稳定,预测值的均方根误差为8.95 mm,证明该模型是一种高性能的滑坡变形分析方法。     

D2000无人机在长江干流消落区调查中的应用

传统的消落带调查受限于长江两岸复杂的地形条件不能快速全面地获取岸坡变形破坏区的详细信息,而无人机遥感技术能为长江干流区域的消落带岸坡灾害防治提供有效的技术支持。本文以地灾智能化、高效率识别消落带岸坡变形破坏区为目标,借助无人机机动灵活、时效性强的优势快速获取重庆市丰都县长江干流区域倾斜影像数据,系统阐述了无人机消落带调查的数据获取、处理流程及应用。结果表明,无人机摄影测量技术为长江干流带状消落带区域调查提供了更为科学高效的现场影像采集和遥感成果应用方案,不仅降低调查人员的劳动强度和作业风险,大大提高消落带区域调查的工作效率,为长江两岸岸坡变形破坏区的识别和治理提供了重要的数据支撑,科学有效地保障了施工治理人员的安全。     

地质灾害监测中的SAR变形观测、解译与数据同化研究

正以时间序列InSAR技术为代表的雷达对地观测技术可实现高精度的变形提取,为成灾前岩土体的变形监测提供了更先进的技术手段。而在地质灾害易发的城郊低相干地区,通常缺少易于识别的人工地物,且受植被去相干的影响,难以开展时间序列InSAR分析。因此,如何实现时间序列InSAR技术在低相干地区的变形监测,仍是该技术的研究热点之一。同时,在地震、滑坡等地质灾害引起的剧烈变形区,受InSAR技术形变监测梯度的限制,     

SBAS-InSAR技术与无人机影像融合的滑坡变形监测北大核心CSCD

山体滑坡对人类安全造成严重影响,准确识别滑坡变形对预防滑坡灾害具有重要意义。利用SBAS-InSAR技术可以进行空间连续地表变形监测,但无法精确获取滑坡边界的变化。为了综合监测滑坡,本文首先采用SBAS-InSAR技术与无人机影像结合的滑坡变形监测方法,利用2018年1月1日—2020年12月24日,共计80幅升轨Sentinel-1A SAR影像,进行了VV极化和VH极化数据处理;然后通过SBAS-InSAR技术获取滑坡区地表雷达视线(LOS)方向变形速率,选取了若干变形点进行滑坡体变形时序分析;最后采用无人机获取滑坡影像并提取滑坡边界,分析了滑坡边界的变形。试验结果表明,利用SBAS-InSAR技术获取的滑坡变形和无人机获取的滑坡变形趋势基本吻合,通过该方法可以获取滑坡的综合变形情况,对滑坡活动性的判断具有重要意义。     

时序InSAR技术在三峡库区特高压输电通道滑坡隐患识别的应用

位于三峡库区的特高压输电线路是我国电力供应的重要一环,由于三峡库区以滑坡为主的地质灾害频发,严重威胁了特高压输电线路的安全,因此滑坡的监测和识别对特高压输电线路的安全运行尤为重要。针对三峡库区复杂的地形和气候条件,本文提出自适应优化构网的方法,并应用于时序InSAR处理流程,对三峡库区万州—巴东的84景Sentinel-1数据进行处理,实现特高压输电通道的地表形变监测。使用同步观测的北斗卫星导航系统观测数据和金鸡岭滑坡的实地考察数据,验证了时序InSAR监测结果的可靠性。根据时序InSAR的监测结果,在输电通道内识别出8处明显的滑坡隐患,进一步对监测的金鸡岭滑坡时间序列形变进行分析,发现该滑坡的形变特征与降雨、库水位和工程扰动有一定的关联。     

时序InSAR在贵州区域地质灾害隐患识别的应用

针对传统地质灾害隐患排查手段无法进行全天时、全天候、大范围识别监测的问题,该文以ALOS-2升轨和Sentinel-1A升降轨雷达影像为数据源,利用时序InSAR技术开展了贵州省六盘水和黔西南区域地质灾害隐患识别监测,同时基于SAR卫星入射观测方向和地形地貌之间的关系,对研究区域侧视成像几何可视性进行判别分析。最后综合利用3种数据获取的形变结果以及结合光学影像、地形等数据进行了形变解译,共识别出108个地质灾害疑似隐患点,并通过外业核查验证了地质灾害隐患识别的准确性。实验结果表明,时序InSAR技术能够有效进行地质灾害隐患识别监测,可为地质灾害防治提供科学依据。