小基线集合成孔径雷达干涉测量算法及其应用

针对地理国情监测中地表形变监测研究不足的现状,文章在分析常规DInSAR特点及趋势性发展的基础上,结合地理国情监测的尺度特征与实际需求,给出了小基线集(SBAS-InSAR)算法原理;并比较了与永久散射体(PS-InSAR)算法的异同点;在此基础上,选取试验区,获取了COSMO-SkyMed雷达卫星数据,采用SBAS-InSAR算法,提取了试验区时间序列地表形变量与形变速率。结果表明:SBAS-InSAR算法可以利用比较适中的数据量获取到较高精度的反演结果,能够满足地理国情监测的实际需要,在地理国情监测中具有很好的适用性和可行性。     

融合InSAR技术的矿区大梯度形变研究

针对矿区开采沉陷沉降量级大、形变剧烈,传统InSAR技术监测过程易出现影像失相干,监测精度较低的问题,以山西省某矿区9103工作面为例,提出SBAS-InSAR和Offset-tracking技术联合监测的方法.采用SBAS-InSAR监测沉陷盆地边缘地区微小形变,采用Offset-tracking技术监测沉陷盆地中心区域大梯度形变,并将二者的形变信息进行融合,从而获得整个采掘工作面上方地表时空变化规律.研究表明,其监测结果与实测数据吻合度较好,满足开采沉陷监测的一般精度要求,融合SBAS-InSAR和Offset-tracking技术可以有效地解决传统InSAR技术只能监测微小形变的问题,为矿区开采沉陷大梯度形变监测以及环境治理提供新的理论思路.     

基于SBAS-InSAR技术的甘肃华亭市地表形变监测与分析

小基线集SBAS-InSAR技术能够有效识别区域性地表形变,可以长时间序列分析地表形变特征。本研究获取了覆盖甘肃华亭市范围2017年10月—2021年4月Sentinel-1A升降轨雷达数据214期,利用SBAS-InSAR技术进行差分干涉处理,探测区域地表形变,分析形变区变化规律特征。结果表明:华亭市地表形变区主要分布在主城区北部、市域范围东南部,共计8处,以煤矿代表的地面沉降最为明显,沿视线方向最大年沉降平均速率达-404.036 mm/a。研究获取了区域地表形变区分布状况及形变速率,可为华亭市地表形变监测、地质灾害防治、地下水水资源开发利用提供参考依据。     

多时间基线集时序InSAR形变监测:以平寨水库为例

时间基线对于时序InSAR形变提取有着重要影响。本文针对植被覆盖率与含水量较高、地形起伏较大的山地区域形变信息提取较困难的问题,以贵阳市平寨水库为研究区,获取Sentinel-1A雷达卫星2019年1月至2020年12月的历史影像数据,构建不同时间基线集,对比分析提取的地表形变信息;按照时间基线和最短的原则,选择最适宜研究区形变提取的基线条件,基于SBAS-InSAR技术获得研究区两年的沉降速率情况。结果表明,该研究区域时间基线集为60 d时提取的形变信息最为准确,存在误判和缺漏较其他时间基线集少。同时,结合贵阳市2019—2020年月平均降雨量数据及几何水准监测数据,分析了坝体形变时序变化与降雨量的关系,得出降雨量与坝体形变存在较强相关性,且基于SBAS-InSAR技术提取的形变信息与水准监测结果具有趋同性的结论。     

时序InSAR在城市地铁工程区形变监测中的应用

地铁建设会引发城市地表形变灾害,而传统的合成孔径雷达差分干涉测量（D-InSAR）难以实现城市地铁工程区域的精细测量。本文利用TerraSAR-X高分辨率数据,采用PS-InSAR和SBAS-InSAR方法对徐州地铁1号线东部工程场地进行了形变监测,获取了该区域2016年6月15日-2016年9月11日期间的形变时序图。通过与人工角反射器布设点的水准测量数据对比分析,发现利用两种时序InSAR测量方法得到的地表形变结果与水准测量结果非常一致,形变误差均在1 mm以内;而SBAS-InSAR探测地表形变的敏感性低于PS-InSAR。结果表明,利用高分辨率SAR影像监测城市地铁形变具有亚毫米级的测量精度和米级的定位能力,同时证明了时序InSAR分析技术在城市地铁工程形变监测应用中的广阔前景。     

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。     

InSAR技术在沂沭断裂带地表形变监测中的应用研究

针对常规大地测量监测沂沭断裂带地表形变结果无法全面反演该区域构造应力场的局限性,尝试采用PS和SBAS两种In SAR时序分析技术对该区域地表形变进行监测。首先对SBAS-In SAR技术的原理进行详细推导和分析;在此基础上,对覆盖研究区的14景ENVISAT-ASAR数据采用PS-In SAR和SBAS-InSAR技术进行处理,分别提取了该区域地表年平均形变速率图;通过与水准监测数据的对比分析发现:InSAR时序分析方法在大范围、持续缓慢断裂带地表形变监测中能够获取与精密水准监测一致的形变趋势,且SBAS-In SAR技术在数据量较少情况下能获得更好的监测效果。这表明In SAR时序分析技术可以作为断裂带微小地表形变监测的有效手段。     

利用SBAS-InSAR技术反演雅鲁藏布江色东普流域灾前冰川形变

本文基于30景Sentinel-1影像,首先采用SBAS-InSAR技术反演了2018年4-10月雅鲁藏布江色东普流域灾前冰川形变,并利用非冰雪覆盖的基岩区形变结果进行可靠性检验,得出均方根误差为9 mm,表明SBAS-InSAR技术应用于冰川形变监测具有较高的可靠性。然后分析了升降轨数据对不同坡向形变监测的敏感性,以及冰川碎屑流灾害发生前冰川形变的空间分布与时间演化特征。结果表明,冰川运动的主流线在东西坡交汇的中轴部,研究区平均形变量达-34.8 mm。在典型剖面上,随着海拔逐渐降低,冰川形变呈先缓慢减少,后快速增加,再缓慢减少的趋势,平均形变量为-50.1 mm。冰川碎屑流灾害发生前冰川形变已有明显的加速趋势,可为冰川灾害早期识别提供科学的数据支持。     

南宁市地表形变InSAR监测及时空分析

基于Sentinel1-A数据,首先利用SBAS-InSAR(sat-ellite-based augmentation system-interferometric synthetic aperture radar)技术对南宁市区2017年12月至2019年1月的地表形变进行计算,获得研究区的地表形变速率图和累积形变量;其次,从Sentinel1-A卫星影像数据中选择6景影像进行差分干涉处理,提取5个时间段内的形变信息,并叠加分析得到总形变量;最后利用D-InSAR(differential-In-SAR)获得的形变结果对SBAS监测结果进行验证分析.结果表明:2017-2019年,南宁市地表形变极不均匀,其最大沉降速率约为23.52 mm/a,最大抬升速率约为17.77 mm/a;SBAS和D-InSAR所得监测结果总体上具有一致性,但局部存在一定差异.其中,SBAS方法提取的最大形变量约为31.55 mm,D-InSAR提取的最大形变量为39.93 mm.     

基于Sentinel-1A数据的地表形变监测

提取滑坡形变数据、分析形变趋势对地质灾害防治工作具有指导意义.合成孔径雷达干涉测量技术(InSAR)具有全天候、全天时精确获取地表形变数据的能力,是当前形变监测的重要手段.分别利用DInSAR和SBAS-InSAR技术处理了22景哨兵一号(Sentinel-1)C波段数据,得到了四川省安州区高川乡大光包滑坡2018年3月-2020年2月的形变数据特征.结果表明,大光包滑坡点共有3个相对明显的形变区域;近两年的平均形变速率最高不超过100 mm/a,其形变时间序列随降雨量变化具有周期性;总体地表形变趋于稳定,周边地区中小型地震的发生没有造成地质灾害隐患.     

利用时序InSAR技术监测嵩明县地表形变

城市化是近代人类环境的大趋势,是每个国家现代化程度的体现,但城市发展快也会引发许多问题,其中较为严重的是地表形变,严重的地表形变容易演变成地质灾害。本文基于嵩明县现状,利用44景Sentinel-1A卫星影像通过SBAS-InSAR技术穿透云雨雾等恶劣天气对其进行地表形变监测,获得了该区域2019年1月至2020年8月期间的形变监测结果,并通过点线面式的分析方法分析其形变成因和规律,为嵩明县的城市化进程提供了参考意见。     

基于SBAS-InSAR技术的阳城地区采空区地表沉陷分析

为了探究山西省阳城地区煤矿采空区影响范围和地表历史形变过程,为工程建设提供避让依据,采用SBAS-InSAR技术对该地区2019年1月至2020年7月间的地表形变进行监测,分析地表沉陷的原因,利用同期水准监测结果验证了InSAR结果的可靠性。结果表明,SBAS-InSAR技术能及时监测到黄土地区采空沉陷区的动态变化过程,开采深度、停采时间和掘进位置是影响该地区地表沉陷变化的主要原因。     

联合多种InSAR技术的龙门山-大渡河区域地灾隐患早期探测

合成孔径雷达干涉测量技术(interferometric synthetic aperture radar, InSAR)是探测地表形变的重要手段,然而差分干涉测量技术(differential InSAR,D-InSAR)、小基线集测量技术(small baseline subset InSAR,SBAS-InSAR)和永久散射体测量技术(permanent scatters InSAR,PS-InSAR)在地质灾害隐患早期调查的应用中各有利弊。联合使用3种InSAR技术对127景ALOS-2数据和96景Sentinel-1数据进行处理,并在龙门山-大渡河约60 000 km2的区域解译出840处地表形变。野外实地调查发现约70%的解译形变区存在形变迹象,分析发现形变区分布与地层结构、岩性和活动断层构造之间有较为紧密的联系。对典型形变区的不同InSAR监测成果进行了对比分析,验证了不同InSAR技术在地表形变监测应用中的一致性、准确性和可靠性。     

基于SBAS-InSAR的地表非线性形变时序监测

针对具有小区域特征的地表非线性形变对于合成孔径雷达干涉测量(InSAR)技术从监测点密度和监测精度都提出了更高的要求这一现状。该文基于SBAS-InSAR的技术原理,提出了一种基于高效率、低成本的地表非线性形变时序监测方法,并以柴达木盆地一处油田为研究对象,获取了研究区2007年初到2010年中期的形变结果,表明4处采油点中1处下降、3处隆升,隆升主要由注水引起。研究证明:SBAS-InSAR技术在地表非线性形变时序监测方面具有较强能力,提取的形变成果可为生产单位和政府部门分析决策提供科学依据。     

SBAS技术在矿区地面沉降监测中的应用

本文采用小基线技术即SBAS-InSAR处理淮南市谢家集矿区的8景ALOS-PLASAR数据,时间跨度为2007年1月—2011年2月。首先利用SBAS-InSAR技术提取该矿区的时序形变速率,得到累计整体沉降趋势;然后针对公路、铁路、新旧矿区等重点沉降区域进行分析。由监测结果分析可知,十涧湖西路、堤坝整体处于下沉状态,西张铁路的西半段处于抬升状态,而东半段则下沉严重;东方矿井及新二矿区均处于不同程度的下降状态。     

基于升降轨时序InSAR数据融合的沈阳市地表沉降监测

城市的地表沉降可能导致人民经济财产安全的损失,因此,对城区地表沉降进行持续监测是保证城市安全的重要环节。基于稳定散射地物的时间序列InSAR近年来被逐渐应用于形变监测中,来自不同轨道监测到的同一位置的形变情况不同,且无法获得一个完整地表沉降的形变信息。本文提出了一个新的多轨道时序InSAR数据融合方法,以辽宁省沈阳市铁西区为例,利用一组Terra SAR-X升轨数据和一组COSMO-SkyMed降轨数据,通过SBAS-InSAR方法进行处理,并采用Kriging插值方法和奇异值分解求逆等方法对其进行融合,得到了一个垂直方向的完整的形变场,为城市沉降值的获取和分析提供了一个更加准确的变形监测。     

基于小基线集技术的鹤岗煤矿区地表形变监测

针对煤炭资源的长期无节制开采,造成矿区地表沉降、塌陷、环境污染等诸多问题,本文基于小基线集(SBAS-InSAR)技术,使用Sentinel-1雷达数据,对鹤岗矿区进行形变监测,分析2017年3月26日至2021年12月18日期间地表形变和时空演化特征。结果表明,鹤岗矿区地表形变严重,形变量在监测期内逐渐增大,最大累计形变量达到-585 mm。空间分布上,相较于2013—2016年,振兴矿、新岭矿地表形变有减缓趋势,峻德矿有向南扩展趋势。     

基于InSAR和GRU神经网络的不稳定斜坡地表形变预测

不稳定斜坡地表形变预测对于滑坡灾害防治和预警具有重要意义。现有监测手段覆盖范围小、成本高,相关预测方法局限于单点预测,对历史数据量要求较高。针对上述问题,本文采用小基线集合成孔径雷达干涉测量(SBAS-InSAR)技术进行不稳定斜坡地表形变监测,设计了一种结合InSAR反演结果和门控循环单元(GRU)神经网络的不稳定斜坡地表形变预测方法。首先使用SBAS-InSAR技术对研究区域进行地表形变监测,然后利用获取到的时序形变反演结果,建立GRU模型进行形变规律学习,最后开展不稳定斜坡地表形变预测。试验结果表明,该方法对不稳定斜坡地表形变的预测平均绝对误差为0.678 mm,平均绝对比例误差为2.7%,相比于传统的支持向量回归(SVR)模型,预测效果提升超过30%,工程应用潜力较大。     

基于时序InSAR技术的沈阳市地面沉降分析

采用永久散射体技术即PS-InSAR与小基线技术即SBAS-InSAR处理覆盖沈阳市的33景COSMO-SkyMed卫星数据,其中包括西侧15景数据,东侧18景数据,时间跨度从2016年3月至2017年4月。首先用PSInSAR技术与SBAS-InSAR技术分别提取沈阳市的时序形变速率,二者结果对比得出置信度较高的沈阳市整体沉降趋势;然后针对重点沉降区域进行分析,并通过对比地质资料,对沉降原因作出解释。从监测结果分析可见老铁西区、沈河区五爱街至小南街区域、浑南新区新南站附近及营城子区域、于洪区丁香湖及塔湾区域均存在明显的沉降现象,其中以老铁西区最为严重,平均沉降速率在11 mm/a以上。     

基于SBAS-InSAR技术和Sentinel-1A的城市地表沉降监测

基于SBAS-InSAR技术对覆盖研究区2017—2018年20景Sentinel-1A影像数据进行处理,得到研究区年沉降速率及时序形变信息,并与PS-InSAR结果进行对比验证,最后进一步分析了研究区沉降的成因.结果表明沉降主要发生在燕郊镇中部与西部区域,平均沉降速率超过20 mm/a,集中沉降区域平均沉降速率超过3...