利用小基线集InSAR技术的延安新区地面抬升监测与分析

延安新区的平山造城是黄土高原地区规模最大的造地工程之一,大规模的山体开挖导致了广泛的地面抬升现象.同时,挖方区作为新区城市化建设的主要场地,地面抬升严重影响了新区城市的持续发展.利用小基线集合成孔径雷达干涉测量(small baseline subset interferometric synthetic apertu...     

利用PS-InSAR技术进行城市地铁沿线形变监测与机理分析

本文利用PS-InSAR技术获取了上海地区沉降速率场及累计沉降量等信息,并分析了该地区的沉降时空分布特征,以及该地区沉降与降水量、地铁施工运营等因素之间的关系。研究表明:①上海市沉降呈不均匀分布,北部沉降较稳定,而中部的虹口区、南部的闵行区、东部的浦东新区均发生了不同程度的沉降。其中,闵行区沉降最为严重,其最大累计沉降量达-43 mm,呈大范围、大沉降现象。②研究区域内沉降量呈非线性沉降现象及明显的季节性变化,且与地区降水量有关,降雨量对地下水的及时补充可以有效缓解地面过度沉降的发生。③上海地铁3、15、16号线部分路段均出现明显沉降现象,且处于在建阶段的15号线沉降最为明显,部分路段最大累计沉降量达-34 mm。     

PS-InSAR技术在长江堤防沉降监测中的应用

落实和推动长江治理与保护一直是长江水利工作的重大任务。沿江堤防工程作为保护沿江经济带发展的一道重要屏障,其形变监测是长江运营管理中重要的内容之一。InSAR作为一种新型、大尺度的监测手段,在水利工程隐患排查中具有巨大的推广价值。本文采用PS-InSAR技术和Sentinel-1A影像,提取了南京梅子洲及其周边江堤2020年4月—2022年1月的形变时空分布,并结合同期水准数据对其可靠性进行了验证。结果表明,长江侧堤防比夹江侧堤防形变更加明显。其中,靠近潜州处堤段形变速率可达-20 mm/a。总体而言,梅子洲江堤呈现出一致性的沉降形变,差异性形变不显著,堤防整体发生了轻微沉降;PS-InSAR观测的形变时空分布与水准数据具有较高的一致性,该技术适用于长江堤防沉降变化监测,且能为大尺度的长江堤防风险排查与早期隐患识别提供一种可行的技术手段。     

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。     

升降轨时序InSAR技术监测天津市地面沉降

利用2017-2019年间覆盖天津地区的升降轨Sentinel-1A/B卫星影像,通过SBAS-InSAR技术得到地面沉降结果进行融合,利用精密水准结果验证InSAR结果的精度.研究结果表明升降轨结果融合能大幅度增加PS点的数量,更能反映局部特别是线性地物的形变特征.     

连云港防波堤时序InSAR沉降监测研究

连云港位于"一带一路"的交汇处,沿海开发建设导致地表载荷和地质环境发生重大变化.针对出现的地面沉降问题,基于多主影像相干目标小基线技术,利用2017年1月至2018年12月25期Radarsat-2超宽精细模式SAR影像数据,对连云港市进行地表沉降监测.基于监测结果进一步深入剖析徐圩港区东、西防波堤的沉降影响状况及研究区地面沉降诱发因素.结果表明区域沉降最严重位置位于连云港徐圩港区,最大沉降速率达251.7 mm/a.徐圩港区东、西防波堤皆出现较为明显的沉降.     

连云港防波堤时序InSAR沉降监测研究

连云港位于"一带一路"的交汇处,沿海开发建设导致地表载荷和地质环境发生重大变化.针对出现的地面沉降问题,基于多主影像相干目标小基线技术,利用2017年1月至2018年12月25期Radarsat-2超宽精细模式SAR影像数据,对连云港市进行地表沉降监测.基于监测结果进一步深入剖析徐圩港区东、西防波堤的沉降影响状况及研究区地面沉降诱发因素.结果表明区域沉降最严重位置位于连云港徐圩港区,最大沉降速率达251.7 mm/a.徐圩港区东、西防波堤皆出现较为明显的沉降.     

基于PS-InSAR技术的地表变形监测

近年来,将InSAR技术应用于地表监测成为研究的热点.为确定煤矿采空区历年地表沉降情况,采用PS-InSAR技术,利用历史存档降轨数据,提取研究区不同时期地表变形速率图.结果表明,PS-InSAR技术能够获得采空区地表毫米级变形监测结果.     

基于时序InSAR技术监测大桥历史形变

2019-06-14,河源市源城区东江大桥第三跨第二桥墩以及第四跨第三桥墩出现了垮塌,此次事故造成了人员伤亡和重大经济损失.为了分析此次灾害事故发生发展的成因,本研究获取了Sentinel-1A雷达卫星2018年12月至2019年6月的历史影像数据,基于时序InSAR技术手段处理得到了该监测时间段内的历史形变信息.研究...     

基于InSAR技术的南昌市地铁沿线地面沉降监测与分析

地铁的建设与营运会产生沿线的长期持续形变,从而引发地面沉降。本文以南昌市运营中的1、2号线以及在建地铁沿线为研究对象,基于研究区内的26景Sentinel-1A数据和DEM数据,采用了小基线集(Small Baseline Subset,SBAS)时间序列技术,获取了研究区内地表的形变速率与累计形变量。实验结果表明,地铁沿线范围内整体呈现沉降趋势,沉降速率在-2 mm/year～-17mm/year之间,局部区域出现地面抬升情况,累计抬升65.53mm。通过分析时序结果变化以及沉降发生的地理空间分布,推断地铁高速运行产生的地面载荷是地面沉降发生的主要因素。     

时序InSAR郑州地铁沿线地面沉降分析

针对郑州市地铁网络缺少长时间序列的地面沉降研究,本文基于永久散射体合成孔径雷达干涉测量PSInSAR (Persistent Scatterers Interferometric Synthetic Aperture Radar)技术生成的长周期地面沉降数据分析了郑州市地铁沿线地面沉降的时空特征,并通过反距离内插等距化处理,基于长短期记忆网络LSTM (Long Short-Term Memory)模型对典型地铁站点地面沉降进行了预测与分析。研究结果表明：空间上,沉降路段主要集中在1号线和5号线的东段,最大沉降速率超过20 mm/a,且1号线沿线不均匀形变较为突出;时间上,不同区域PS点在时间序列上的变化有较大不同,沉降槽中心处沉降呈逐年扩大趋势。实验表明LSTM模型具有较高的预测精度,预测发现1号线市体育中心站南边河南省档案馆新馆北侧未来两年里仍将以大约0.5 mm/月的速率继续沉降,有必要对该站及其附近继续监测。     

一种顾及永久散射体的SBAS InSAR时序地表沉降提取方法

提出了一种顾及永久散射体的SBAS InSAR时序地表形变提取方法。通过设置相干性、振幅离差指数、形变速率3阈值提取稳定的永久散射体,将其作为地面控制点引入SBAS InSAR处理流程,完成对地表形变的提取,并以郑州地区为例进行试验。获取了郑州市区2016年11月至2017年11月的地表沉降速率和时序地表沉降量,通过与PS InSAR、SBAS InSAR处理结果及水准测量进行对比,说明了该方法的可靠性。     

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InSAR数据的格尔木市地表沉降监测

InSAR及其相关技术在城市地面沉降监测中具有独特优势。本文采用2015年12月4日至2018年1月10日间的37景Sentinel-1卫星SAR影像数据,基于InSAR时间序列分析技术,对地处高原的格尔木市市区及其周边进行了地表形变监测。结果表明,基于相干性等指标共提取了252 889个相干点,每平方千米平均有501个相干点,后续经相干点分析计算后掩模去误差较大的点后,实际使用相干点252 035个;格尔木市及其周边郊区的整体沉降速率均在5 mm/a以内,未发现明显的沉降区域或大面积的沉降带,市区南部的沉降速率低于北部。     

基于时序合并的PS-InSAR方法在雄县及周边区域地表形变监测中的应用

本文提出了一种基于时序合并的PS-InSAR(TSC-PS-InSAR)监测方法,提取雄县及周边区域地表形变信息。形变区域最大沉降速率为-79 mm/a,沉降原因为地下水超采。结果表明,TSC-PS-InSAR方法在无需先验模型的条件下,能显著提高PS目标数量,且监测结果与StaMPS方法提取的形变信息在沉降趋势及沉降量级上保持了良好的一致性,验证了本文方法在实际应用中的可靠性和可行性。     

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.     

利用CEEMD分析中国沿海GNSS站高程时序变化

利用完备经验模态分解方法（CEEMD）对我国沿海地区6个GNSS基准站（2010—2018）的高程时序数据进行了处理分析。结果表明：CEEMD在高程时间序列分析中具有一定的优越性,可准确分解出各GNSS站高程时序中存在的周、月、季节、年等变化周期项,其中周年运动是主要贡献项,各站高程时间序列的短周期变化与潮汐变化周期具有密切关联性;沿海GNSS站的地面沉降既具有区域的一致性,又存在区域间差异性,其中D区DBJO、DZJJ站呈现先下降后上升的趋势,N区NZUH、NWZU站呈下降趋势,B区的BZMW呈上升趋势,而同海区的BLHT站则呈显著的下降趋势。     

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。