时序InSAR多源数据地面沉降监测研究

随着遥感技术的发展,基于时间序列的合成孔径雷达干涉测量(时序InSAR)技术凭借全天时不接触、不易受环境影响、监测效率高等优势,极其适用于对大面积地面进行微小形变应用.通过对时序InSAR多源数据的研究,选取合理的数据源和数据处理方法进一步提高监测精度.     

利用PSInSAR技术监测北京地面沉降

地面沉降已成为大城市面临的重大灾害之一,对其进行有效监测十分必要。采用基于相位稳定性特征的PSInSAR对覆盖北京的31景TerraSAR-X数据进行干涉处理,获取了该研究区的地面沉降范围、沉降速率,并对重点沉降区域时序形变特征及成因进行分析研究。实验结果显示,2010~2013年,研究区内的平均形变速率范围为-51.49~8.15mm/yr,与精密水准测量具有较高的一致性,表明PSInSAR监测结果精度可靠,能实现对北京地区的地面沉降情况的有效监测。     

浙江平原时序InSAR地面沉降监测

针对浙江省地面沉降监测需求,研究利用时序InSAR技术进行浙江省平原区地面沉降监测的技术流程。以上虞区块为例,反演得到上虞地区2013-2014年度地面沉降信息;结合同期外业水准测量数据,在传统点-点、点-面验证基础上,提出点-线验证方式,将几种分析评价方法进行了对比,对InSAR地面沉降监测精度进行评价分析;最后结合外业实地调查的情况,证明了InSAR技术监测大范围地面沉降分布状况和发现区域沉降中心的有效性和精确性。     

基于时序InSAR技术的北京地铁六号线二期工程沿线地面沉降监测与预测

合理地开发和利用地下轨道交通,是缓解城市交通压力的有效途径。对轨道交通沿线的地面沉降进行持续监测,对保障其安全运营具有重要的意义。本文基于时序InSAR技术,采用26景3 m高分辨率的TerraSAR-X数据,获取2016年9月至2019年1月北京地铁6号线二期工程沿线地面沉降速率场及累积沉降信息,并引入神经网络模型预测沉降趋势。结果表明：研究区的地面沉降具有不均匀性;6号线二期工程路段沿线1 km缓冲区内,站点由西向东沉降速率逐渐增大,且沉降速率最大值位于地铁线北侧约800 m处;径向基神经网络模型能够合理地预测地铁沉降发展趋势,为地铁安全施工、运营及维护提供参考。     

时序InSAR北京地区地表沉降监测与分析

针对北京地区地表沉降现象,本文采用时序InSAR方法获取了2018—2020年的沉降速率场与累计沉降量场,并选取特征区域及不同空间跨度的两条地铁线路进行具体沉降分析。结果表明：(1)北京地区不均匀沉降现象较为明显,总体呈现西部抬升、东部沉降的空间分布特征;(2)存在3个较明显的沉降漏斗,最大累计沉降量达-218.5 mm;(3)朝阳区存在金盏沉降漏斗及豆各庄沉降漏斗,且两个沉降漏斗在本文研究时间跨度内均呈扩大趋势;(4)地铁5、6号线均存在不同程度的沉降与抬升现象,沉降现象与地下水及地下空间的过度开采存在一定的关系,而地区抬升现象与南水北调工程对地下水的补充存在相关关系。     

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。     

包头市地面沉降高分辨率时序InSAR监测北大核心CSCD

针对包头市地面沉降监测需求,该文利用24景高分辨率COSMO-SkyMed雷达影像,采用多主影像相干目标小基线干涉技术(MCTSB-InSAR),首次提取了该市2013年1月—2015年12月共3年的沉降信息。结果表明,该阶段包头市主城区存在较大范围的地面沉降,但沉降速率总体较小,最大沉降漏斗位于青山区奥林匹克公园北部,最大沉降速率达-56mm/a,野外调查表明,该地沉降主要原因是电厂排灰池自然沉积压缩所致。此外,昆都仑区包钢开发厂、九原区希望工业园区以及石拐区五当召镇也有明显沉降。研究结果可为包头市地面沉降灾害科学防治提供数据支撑。     

精密水准和InSAR技术在地面沉降监测中的应用分析

介绍了地面沉降的危害性和常用的地面沉降监测技术,重点分析了精密水准和InSAR技术地面沉降监测成果,由分析结果可知,差异沉降监测点密度非常重要,且结果正确表达了基础设施的局部沉降特征。     

基于InSAR技术的珠三角地面沉降监测应用

运用In SAR技术开展珠三角地面沉降监测,研究其产生的机理、发展趋势和防治措施,就该区运用In SAR技术进行监测获取地表沉降动态结果,进一步研究了在植被覆盖密度大及水网密布区域开展In SAR监测的规律和特性,验证了监测结果的可靠性,分析了地表沉降的主要原因。     

时序InSAR监测京雄城际铁路河北段地面沉降

本文以京雄城际铁路河北段固安站至雄安站沿线作为研究区,利用2018—2020年共34景Sentinel-1B影像,基于小基线集雷达干涉测量技术(SBAS-InSAR)获取京雄城际铁路河北段沿线的地面沉降时空分布信息,结合空间自相关分析方法,揭示研究区地面沉降的空间分布格局,并对沉降原因进行初步分析。研究结果表明,京雄城际铁路河北段沿线地面沉降发展由北向南存在一定的差异。北部年均沉降速率小于10 mm/a,南部沉降较为严重,最大年均沉降速率达-105.6 mm/a,且沿线西部年均沉降速率高于东部区域。通过分析影响因素得知,地面沉降量与地下水埋深值存在相关性,地下水埋深高的地区地面沉降量较高。同时结合研究区土地利用变化结果发现,城市化建设所产生的静载荷对京雄城际铁路沿线的地面沉降产生一定的影响。     

基于时序InSAR的东营地区地表沉降研究

黄河携带大量泥沙入海,河口三角洲覆盖20~50m厚的沉积层。沉积层的自然压实导致该地区的地表沉降。此外,黄河三角洲油气资源的开发和地下水的开采也加速地表的下陷。InSAR作为一种有效的空间大地测量工具,可以提供几十公里范围内的高精度地表形变场。时序InSAR技术在多幅雷达影像组成的干涉网络基础上,识别永久散射体(PS)等雷达回波信噪比高的像素。与传统的InSAR技术相比,时序InSAR技术削弱雷达影像去相干效应的影响,实现长期的形变序列提取。文中利用两组雷达影像:19幅ERS卫星1992年12月至1996年1月的SAR影像,17幅ENVISAT卫星2003年5月至2008年3月的SAR影像。影像主要覆盖山东省东营市及其周边部分区域。结果显示,东营地区存在每年15mm以上的地表沉陷,该地区的地表沉降与油气开采活动有关。     

利用时序InSAR监测兰州市中心城区地面沉降

针对兰州市中心城区的地面沉降问题,该文采用PS-SBAS和PS-InSAR技术,利用2016-01-20—2019-02-21时间段内的39景Sentinel-1A/B降轨数据,使用缓冲区分析技术对兰州市中心城区轨道交通线和铁路线周边100m区域做了沉降影响分析,监测结果表明:基于Sentinel-1A/B数据和时序InSAR技术,可以准确监测城市地表的沉降和轨道交通线的沉降时空规律;沉降区域主要集中在研究区东南部的方家泉村、和平镇和猪咀岭村;软土地基下地铁的施工会导致沉降现象的发生,兰州轨道交通线和铁路线的沉降主要发生在城区东南方向;在监测时段内,使用两种时序InSAR技术监测的同名点在沉降趋势和累计沉降量上保持了良好的一致性和吻合性,但PS-InSAR的时序变化曲线较PS-SBAS更为平缓。     

Land subsidence lagging quantification in the main exploration aquifer layers in Beijing plain,China

Land subsidence is rapidly developing across the Beijing Plain, China. Long-term intense overexploitation of groundwater is the main reason for land subsidence in Beijing. In this study, an optimized Small Baseline Subset (SBAS) interferometry method was developed to process 46 RADATSAT-2 images from 2011 to 2015 to investigate the spatial and temporal dynamics of land subsidence in the Beijing Plain. The lag time between land subsidence and groundwater exploitation was first analyzed by the Continuous Wavelet Transform (CWT) and Cross Wavelet Transform (XWT) methods Our study found that the maximum subsidence rate reached 141 mm per year. The analysis of the areas and volumes of the annual subsidence rates indicated that the overall deformation trend slowed down from 2011 to 2015. Our results indicate that the subsidence center is always located in the southeast of Chaoyang District from 2011 to 2015. The lag time between the observed subsidence and the groundwater level drops in the main exploration aquifer layers was 0.57–1.76 months. This information is helpful to reveal the mechanism of land subsidence and build hydrogeological model.     

Measurement of subsidence in the Yangbajing geothermal fields,Tibet, from TerraSAR-X InSAR time series analysis

Yangbajain contains the largest geothermal energy power station in China. Geothermal explorations in Yangbajain first started in 1976, and two plants were subsequently built in 1981 and 1986. A large amount of geothermal fluids have been extracted since then, leading to considerable surface subsidence around the geothermal fields. In this paper, InSAR time series analysis is applied to map the subsidence of the Yangbajain geothermal fields during the period from December 2011 to November 2012 using 16 senses of TerraSAR-X stripmap SAR images. In the case of the TerraSAR-X data, most orbital fringes were removed using precise orbits during the interferometric processing. However, residual orbital ramps remain in some interferograms due to the uncertainties in the TerraSAR-X orbits. To remove the residual orbital ramps, we estimated a best-fit ‘twisted plane’ for each epoch interferogram using quadratic polynomial models based on a network approach. This method removes most of the long-wavelength signals, including orbit ramps and atmospheric effects. The vertically strati?ed component (Topography Correlated Atmospheric Delay, TCAD) was also removed using a network approach. If the influence of seasonal frozen ground (SFG) is not taken into consideration, our results show that the subsidence rate around power plant I (the south plant) is approximately 20?mm/yr with a peak of 30?mm/yr. The subsidence rate around power plant II (the north plant) is approximately 10?mm/yr, when accounting for the influence of SFG on the power plant and its surrounding ground surface. Our results show that ground motion is caused by seasonal frozen ground and is strongly related to the temperature change.     

Land subsidence prediction in Beijing based on PS-InSAR technique and improved Grey-Markov model

Land subsidence induced by excessive groundwater withdrawal has caused serious social, geological, and environmental problems in Beijing. Rapid increases in population and economic development have aggravated the situation. Monitoring and prediction of ground settlement is important to mitigate these hazards. In this study, we combined persistent-scatterer interferometric synthetic aperture radar with Grey system theory to monitor and predict land subsidence in the Beijing plain. Land subsidence during 2003–2014 was determined based on 39 ENVISAT advanced synthetic aperture radar (ASAR) images and 27 RadarSat-2 images. Results were consistent with global positioning system, leveling measurements at the point level and TerraSAR-X subsidence maps at the regional level. The average deformation rate in the line-of-sight was from ?124 to 7 mm/year. To predict future subsidence, the time-series deformation was used to build a prediction model based on an improved Grey-Markov model (IGMM), which adapted the conventional GM(1,1) model by utilizing rolling mechanism and integrating a k-means clustering method in Markov-chain state interval partitioning. Evaluation of the IGMM at both point level and regional scale showed good accuracy (root-mean-square error <3 mm; R² = 0.94 and 0.91). Finally, land subsidence in 2015–2016 was predicted, and the maximum cumulative deformation will reach 1717 mm by the end of 2016. The promising results indicate that this method can be used as an alternative to the conventional numerical and empirical models for short-term prediction when there is lack of detailed geological or hydraulic information.     

时间序列分析在地铁沉降监测中的应用

采用时间序列分析的方法,通过对已获取的地铁沉降监测数据进行分析、建模,得到合理的沉降预测模型,不仅可以预测出短时间内地铁区段的沉降量,并可了解地铁区段短时间内的沉降趋势。实验证明,方法简单、快速、准确,具有良好的短期预报效果。     

运用水准和InSAR的地面沉降监测数据融合方法

针对地面监测中水准和InSAR数据的优缺点,提出了沉降数据融合算法以及插值计算方法。采用数据融合方法对水准和InSAR进行融合,较好地解决了水准监测数据的时空分辨率低和InSAR数据中部分地区失相干的弊端,使融合后的数据能更好地描述地面沉降的现状,为更好地预测地面沉降的发展趋势,减少沉降灾害对经济社会的危害。天津地区融合算例表明,所提算法较好地解决了单一数据的缺点,融合后的数据拥有了多数据的优点,对后期地面沉降预测提供准确丰富的数据基础。     

联合InSAR和GNSS监测沿海地区地面沉降

近年来,城市地表形变造成的损失备受关注.而基于点的传统大地测量监测技术,在区域性的地表形变监测方面存在局限性.本文提出利用空间大地测量技术监测城市地表形变.联合时序InSAR和全球导航卫星系统(GNSS)技术对深圳和香港海岸线的地表形变场进行监测,同时生成香港网络参考站三维变化的时间序列.由结果可知,位于填海区的地铁建...