��GPS�����������۲���Ƶر��α�ļ����Ա仯

???????GPS??GRACE?????????????α???????????????????GRACE???λ???GPS?????????????о?????(RMS)??С?????????????仯????λ???????????????н???????????GPS?????????????仯?????????????????????????????Щ???????????????????????????С?????????????????????????????????????п??????????????????????ó???GRACE?????α????????С????????????????????????????????????????????????GPS??????????????????д??μ??????????????????GPS???????????????о???     

LAMBDA������ CR-InSAR��λ����е�Ӧ��

??????????????????????????????α????????????????????λ?????????????????λ??????????λ????????λ?????????????CR??InSAR??????λ???????????GPS?????????????е???С????????????????????λ??????????????????InSAR???????????????????????????????????????????????????????????????????????????????????????????     

�������۲�̨��λ���Ӱ��ķ����о�

??о??????????????й????????λ???????????,???????????????????????\,3?????????????19????λ?????????????6???λ??????????????????????????????????????????????????????????????λ???????????????????????????λ??????????????????????????????????С???3?????????????????????????????????????????????????????λ???С??1%?????λ??????????????;???λ????1%??????????????????????0.4%????;??λ????1%~10%??????????????????????涨λ????????????????????????????????2.5?????     

���ڱ���˫Ƶ���ݵ�����̽�⼰�޸��㷨

????????????????????????????????????????????????????????????????????????????????????????????????????Χ?????????????λ?仯??????????????λ??????С????????????????????????Blewitt?????????????????????????????????????????
???òв???С?????????????COMPASS??MEO?????????????????飬??????????????Ч????????????????????????     

�й���½Ӧ����Ӧ���ʳ�������������

????World Stress Map??WSM???????GPS?????????????С???????÷??????й??????????????????????????????о??? ???????????????????￡???????鶫??????????????????????????NE???GPS??????????????EW?????????????λ?????????????????????????????????NW??NE?????GPS???????????NS???????     

ʵʱ��������TEC��ģ�뵥ƵPPPʵ��

???????в?????????????г????????????????TEC???????????????????????14??IGS??????15?????????????VTEC?????????????PPP????С???CODE?????ж???VTEC???????2TECU??VTEC?????????95%????1TECU????????????PPP????У????????λ?????????????17%??30%??????????????15%??30%??????     

�����ݶ��½�����������Mw7.1����ͬ�𻬶��ֲ�

????InSAR??????ENVISAT ASAR?????????????2008??3??21??????7.1??????????α?????????????????????????????????????????????????????????????????????????????????????????????????????????????λ??????0~14 km???????????λ???ж?F2??2.05 km?????5.47 m??????F1????????????????????????????ж?F2?????F3-N/F3??S??????????????????????????????????????????????ж?????Σ????λ???????С?????????????Mo=5.16??10 ¹⁹ N??m?????????7.07????     

������شų���г������ģ�����о�

?????λ????????????????з??????????????????????????????????????????????????????Ч??????????е?????????????о????????????????????????????????????????С???г?????????????г???????????????????????????????????÷???????????????????о??н???????     

����λ��������2011���ձ�ǿ���е�Ӧ���о�

????????λ???????????2011???????????????????λ?????????????GPS??????????????????????????????????1??????????λ???????????????????λ????????????????????????????λ????λ????????嶼??????е????????о??5 000?????????????3 mm??????????λ???????λ???????GPS????????????????????2??????????????????????????????λ??????????????????????λ???????????1%??4%???С?????????????????????????????6%??15%????????Χ????????ò????????????????????????????????GPS????????2011????????????????????????????????3???????й????????????GPS?????????????2011?????????????????????????????????????(3.24??4.96)??10 ²² Nm???????????Mw8.97??9.10??4??2011???????????????????????????????????????????仯????????????????????????????????????????????Ч???     

GRACE��SLR J2 ��ʱ�����е�С������

????С????????????????С???任????CNES/GRGS??CSR??GFZ???о???????????GRACE???????λ????J2????????н???????????????????????????????SLR???????????J2????????е????????????????????????SLR??????????? J2?????GRACE J2????и???????????仯??????GRACE ???????λ???? J2???л???????161???????????????????????д?????????????S2????????????     

高分辨率SAR数据在河北省城市形变监测中的应用

针对传统形变监测难以在短时间内进行大面积形变监测的问题,结合基于时间序列的雷达差分干涉测量(PS-InSAR)技术,以TerraSAR-X数据为例,重点研究了高分辨率SAR数据在城市地表形变监测中的应用,并对石家庄市、沧州市城区进行了监测,使用了2013年和2014年间各37景数据,采用了SARPROZ软件进行数据处理。实验结果显示,在石家庄市和沧州市各有三处较大形变区域。根据历史水文地质数据资料对比显示,产生形变的区域主要为地下水漏斗区域和大型建筑施工区域。在对石家庄市的分析结果中还发现,由于建筑施工造成了高铁沿线周边区域的较大沉降。此外,经过与沧州市历史沉降资料对比发现,传统沉降区已得到了有效的控制。总体而言,高分辨率SAR影像差分干涉技术为城市大面积地表形变分析提供了一种行之有效的监测手段,对传统沉降区的持续监测、高铁运行、地铁施工建设等具有重要参考意义。     

InSAR时序法分离大气延迟相位与地形及MODIS水汽相关性分析

根据大气垂直分层延迟与地形的强相关特性,利用覆盖大同地区的40景Envisat ASAR影像进行大气延迟分离实验,并对分离的大气延迟相位与地形和MODIS水汽数据的相关性进行分析。     

InSARʱ�򷨷�������ӳ���λ����μ�MODISˮ������Է���

????????????????????ε?????????????????????????40??Envisat ASAR?????д???????????飬????????????????λ????κ?MODIS???????????????з?????     

重轨星载InSAR形变监测中一种改进的大气延迟相位校正方法

在传统空间辐射计方法基础上,将对流层中水汽垂直分层效应集成到校正模型中,提出一种改进的InSAR大气延迟相位校正方法。为验证改进方法的可行性,利用MERIS近红外水汽产品去除北京地区地面沉降InSAR监测中的大气延迟相位。以陆态网络GNSS站点监测结果为基准,验证改进的大气校正方法的监测精度。改进的大气校正方法、空间辐射计校正法和未校正的InSAR监测结果与陆态网络GNSS站点监测结果对比显示,均方根误差分别为0.388 cm、0.603 cm、0.685 cm,表明改进的方法相比于未校正和传统方法具有更高的精度,能有效削弱干涉图中的大气延迟相位误差。     

PS基线网络用于线性工程形变监测与分析

针对SAR干涉点目标分析技术在区域地表形变监测中仅能在一定程度上消除大气延迟效应的问题,采用邻域差分的思想来减弱差分干涉相位中的自相关影响。采用附加距离限制的Delaunay三角网进行PS基线网络的布设,可以有效剔除距离较长的基线边和低质量的PS点目标,并利用邻接矩阵对PS基线网络中的重复边进行检测与删除,以提高程序的计算效率。首先利用模拟数据对程序的有效性与正确性进行验证,然后以大同-西安客运专线太谷-祁县段为研究对象,选取2015-07～2016-02的8景TerraSAR数据进行实例分析,获取的高铁沿线形变与已有地裂缝调查资料和野外实地考察资料具有较高的一致性,证明了PS基线网络在线性工程形变监测应用中的可行性。     

多尺度相关性分析的机载双极化InSAR轨道误差校正方法

在高分辨率机载干涉SAR成像处理过程中,由于载机飞行过程中偏离理想轨迹,需要高精度的惯导系统和GPS系统记录载机的运动轨迹并进行运动补偿.然而,由于目前传感器导航精度的限制,在完成运动补偿处理后仍然存在轨道误差,从而影响干涉相位的精度,本文提出了一种机载双极化InSAR轨道误差去除方法.该方法利用小波多尺度分析对不同极...     

LSTM支持下时序Sentinel-1A数据的太白山区植被制图

植被分类是森林资源调查与动态监测的基础与前提。当前植被分类研究大都利用光学遥感影像,然而,光学遥感成像易受到云雨覆盖的影响,难以构建完整时间序列,植被分类精度有限。微波遥感具有全天时全天候、时间序列完整的优势,在植被调查与分析中具有巨大的应用潜力。本文利用2018年Sentinel-1A微波遥感时间序列数据和深度循环网络方法,对秦岭太白山区的森林植被进行分类制图。首先利用Sentinel-2光学影像与数字高程数据对研究区进行多尺度分割;然后将处理后的时间序列Sentinel-1A数据空间叠加到分割地块上,构建地块的多元时间序列曲线;最后利用深度循环网络提取与学习多元时间序列的时序特征并分类。实验结果表明：① 与传统机器学习方法（如RF、SVM）相比,本文提出的深度循环网络方法的分类精度提高10%以上;② 在Sentinel-1A微波极化特征组合中VV+VH表现最好,与VV+VH+VV/VH极化特征组合的精度相近;③ 使用全年的时间影像构建时间序列分类精度最高,达到82%。研究表明,利用深度循环网络与时间序列Sentinel-1A数据的方法能够有效提高植被分类的精度,从数据源与分类方法上为森林植被分类研究提供了新的思路。     

利用DS-InSAR技术监测黄河三角洲地表形变

针对黄河三角洲地区湿地及农田多、范围大,导致PS-InSAR技术难以获取高密度地表形变信息的问题,提出一种基于分布式目标InSAR（DS-InSAR）的黄河三角洲地表形变监测方法。该方法通过置信区间估计选取同质像元点,利用特征值分解方法计算主散射体对应相位值以达到相位优化的目的,再根据时空相干性确定分布式目标,最后建模解算时序地表形变信息。以26景Sentinel-1A影像为数据源,提取2019-12～2020-12期间黄河三角洲地区的地表沉降信息,与PS-InSAR方法结果相比,点位密度提高5.56倍;两种方法获取的同名点对形变速率的相关系数为0.727,说明两者具有很好的一致性。实验结果表明,研究区内存在4处明显沉降区域,最大沉降速率达-238 mm/a,经分析及实地调查验证,其主要影响因素为地下卤水及油气开采。     

利用高分辨率TerraSAR-X影像监测唐山矿地面沉降

利用2012-12~2014-02获取的13景高分辨率TerraSAR-X影像,采用PSI时序分析技术监测唐山矿地面沉降。该技术以短时空基线为准则生成47幅差分干涉图,选择强度稳定性和频谱相干性较高的相干目标进行时间序列分析,基于最小二乘法获取唐山矿区域相干目标的地面下沉速率和沉降时间序列。结果表明,唐山矿有两个地面沉降中心,分别位于矿区东北和西部方向,最大沉降速率达58.2 mm/a;2013-06~09矿区出现回弹现象,而在其他时间段内地面呈近似线性下沉。通过对比高程误差改正前后的直方图可以发现,本文采用的两次回归分析方法对降低地形残余误差有很好的应用效果。     

SBAS���������еر��α�����о�

?????????????????DInSAR???????????????????????????????????á?????????壨PS?????????????Ч??????????????????????????SAR???????????С???????SBAS????????SAR???????????У???????????????о??????????2008??1???2010??8??????8??ENVISAT?????SAR?????????SBAS??????????????????α???????????????????С???????α????????-27.11????-55.92????-67.61 mm/a????????α?????????α???????????????????￡?????????SBAS?????????е???α????????