九寨沟Ms7.0地震的InSAR观测及断层破裂研究

为提高九寨沟2017-08-08 MS7.0地震的InSAR同震形变场精度,厘清发震断层的构造形态及形成机制,对形变区相干系数进行统计分析并确定相干性阈值,利用GACOS对形变场进行大气校正,再根据余震分布和地质背景确定发震断层的基本形状,最后基于Okada弹性半空间位错模型反演发震断层的滑动分布。改正后的InSAR同震形变场显示,视线向最大下沉为25 cm,最大抬升为10 cm,分别位于震中西北和东南,形变长轴为北西向,主要形变区位于发震断层西部。改正后的InSAR形变场残差均方根较改正前小,最大滑动量为0.9 m,平均滑动角为-0.5°,破裂主要集中在地下1~20 km范围内,矩震级为6.5,与USGS和GCMT等机构的结果一致。研究表明,利用GACOS改正九寨沟InSAR同震形变场对提高形变场精度具有一定的作用,反演断层滑动分布的结果较改正前差别不明显,发震断层的属性与虎牙断裂北段的性质基本一致。结合余震重定位结果可以推断,发震断层为虎牙断裂的北向延伸部分,此次地震事件为巴颜喀拉地块南东向扭转与华南地块碰撞的结果,中下地壳粘性流体的差异分布是导致虎牙断裂倾角变化的主要原因。     

2020年土耳其MW5.7地震InSAR同震形变特征与破裂滑动分布

为准确认识2020-06-14土耳其MW5.7地震的发震位置、构造特点以及地震危险性,利用D-InSAR技术对Sentinel-1A数据进行处理,基于GACOS进行大气校正,获得视线向（line of sight,LOS）同震形变场。降轨LOS向同震形变场显示,断层北侧抬升,最大抬升形变量约8.87 cm;南侧沉降,最大沉降量约-7.75 cm。以LOS向同震形变为约束,先采用贝叶斯自举优化法反演发震断层几何参数,然后使用有限断层方法反演地震破裂滑动分布。结果显示,断层走向约257.48°±0.65°、倾角约79.69°±0.98°、滑动角约154.2°±3.8°,震中位置为（40.754°E,39.389°N）,破裂区域长度约8 km、宽度约6 km,破裂的最浅埋深约0.8 km、最大埋深约8.9 km,最大滑动量约0.57 m,对应深度约4.278 km。地震释放地震矩约4.54×1017 Nm,对应矩震级MW5.7,与土耳其灾害和紧急情况管理局公布的结果一致。此次土耳其地震受近东西向的潜伏断层控制,以右旋走滑为主兼具少量的逆冲特性。地震造成部分地区的库伦破裂应力增量超过0.1 bar,这些区域未来的地震危险性值得关注。     

利用GPS位移数据校正2011日本Tohoku地震的InSAR形变场

轨道误差是InSAR数据处理中的一个重要因素,对从最初的图像配准到最后的高程值或形变值图像的生成都有着重要影响。含有误差的轨道参数造成基线误差以残差条纹的形式存在于干涉图中。本文利用4个条带的61景PALSAR升轨数据,通过InSAR干涉测量得到覆盖2011日本Tohoku地震的雷达视线向的地表同震位移场。通过联合GPS同震位移数据,采用二次多项式曲面拟合的方法去除InSAR同震形变数据中的卫星轨道误差,并分析雷达入射角变化对轨道误差去除的影响。对干涉图中拟合残差进行分析,改正后的InSAR同震形变场精度得到较大提高。     

2022年青海门源地震震源机制与同震滑动分布研究

采用Sentinel-1A卫星提供的升降轨雷达影像数据研究门源地震同震形变及震源机制。首先利用合成孔径雷达差分干涉(D-InSAR)技术获得门源地震的同震形变场;然后以升降轨同震形变场为源数据,利用弹性半空间位错模型进行反演,确定地震的断层几何参数和滑动分布;最后基于同震滑动模型对升降轨同震形变场进行正演。结果表明,沿雷达视线方向的升轨和降轨同震形变场最大抬升形变量分别为39 cm和58 cm,最大沉降形变量均为56 cm。此次门源地震为左旋走滑型地震事件,发震断层方向为NWW-SEE、走向为109°、倾角为86°,主要集中在地下2～6 km处,最大滑动量为4.2 m,释放的地震距为8.22×10¹⁸Nm(M_W6.6)。正演结果表明,本文滑动分布模型准确可靠。     

两次大柴旦Mw6.3地震间地表形变的InSAR观测及与同震破裂的联合分析

基于2008-11-10、2009-08-28两次大柴旦Mw6.3地震期间的6景Envisat SAR影像,利用小基线集技术提取相应的InSAR地表形变场。结果显示,震中周缘区域未观测到显著的震后形变空间模式,6个特征点区域的形变序列也未显示由快到慢的时变特征。基于震后形变理论对获取的地表形变进行余滑解释,分析两次地震同震破裂的主要参数,建立震时及期间地下断层滑移过程。两次地震分别在不同深度发生破裂且平均滑移量差异较大,前次地震未产生显著的浅层震后余滑。地震区域岩石圈8.2~23.7km深度内在同震阶段的滑移亏损可能以震间无震滑动的形式予以补偿。     

基于多尺度相关性分析的InSAR对流层延迟误差改正算法

针对合成孔径雷达干涉技术中对流层延迟误差会影响DEM精度的问题,提出采用小波多尺度相关性分析方法来减弱与高程相关的对流层延迟误差的影响,来提高合成孔径雷达干涉DEM的估计精度。该方法基于小波多分辨率分析理论,根据差分干涉相位不同组成的频率特性,利用小波分解重构均方根误差变化率确定分解层数,降低地形残差相位、噪声相位等对大气延迟误差相位估计的干扰,提取对流层延迟误差相位所在频带;然后结合对流层延迟误差相位和雷达坐标系下的DEM在不同尺度上的相关性定权并进行降权处理,重构解缠差分干涉图,改正差分干涉相位中与高程相关的对流层延迟的影响。采用本文方法对覆盖河南义马地区的2景ENVISAT ASAR数据进行处理,得到对流层延迟误差改正后的差分干涉图,估计的与高程相关的对流层延迟相位,与地形变化情况吻合。将对流层延迟误差改正后的干涉图用于DEM高程估计,结果显示本文方法重建的DEM与Aster GDEM的标准差由30.7 m提高到26.37 m,提高了InSAR DEM估计精度。     

2021年漾濞MW6.1地震同震形变提取与断层源模型反演研究

基于D-InSAR技术,收集Sentinel-1卫星升、降轨及精密轨道数据,结合外部DEM,成功提取2021-05-21云南省大理州漾濞县M_W6.1地震的同震形变场。结果显示,升轨卫星视线向最大形变量级约为6.0 cm,降轨卫星视线向最大形变量级约为7.9 cm。以升、降轨InSAR观测结果为约束,对漾濞地震的断层几何参数及滑动分布进行联合反演发现,此次地震的最优发震断层走向为136.6°、倾角为83.1°,断层破裂主要集中在地下2~12 km深度处,最大滑动量约为0.45 m,位于地下7 km深度处,断层在近地表未出现大面积显著滑移现象,表明此次地震未破裂至地表。     

基于GRACE RL05数据探测苏门答腊Mw8.6地震的同震和震后形变

利用美国德克萨斯大学空间研究中心（UTCSR）最新发布的GRACE卫星RL05月重力场模型数据,采用去相关和300 km半径的高斯平滑滤波,提取出2012年苏门答腊MW8.6地震的同震和震后形变,并利用最小二乘拟合方法计算了地震前后震中附近区域的形变率。结果表明,GRACE卫星观测到的同震形变约为-8~14 cm,震前和震后震中附近区域的形变率分别为1~4 cm/a和-1~-3 cm/a。     

基于实测气象参数的InSAR大气校正及其应用研究

针对传统InSAR技术在监测地表形变时受对流层延迟影响的问题,利用地面实测气象参数和NCEP气象再分析资料建立大气校正模型,对生成的鄞州区干涉图进行对流层延迟校正,获取鄞州区2018～2020年高精度地表形变分布。为分析不同大气校正模型对对流层延迟效应的削弱效果,将监测结果与同期实测水准数据作对比。结果发现,地面气象信息模型、NCEP气象再分析资料模型和未加大气校正的InSAR监测结果的均方根误差RMSE分别为2.78 mm、3.86 mm、5.62 mm,表明利用地面气象信息模型校正大气相位误差具有更高的监测精度,能有效削弱对流层延迟对干涉测量结果的影响。     

Sentinel-1 SAR数据约束的2018年谢通门MW5.8地震同震破裂模型

通过Sentinel-1卫星升降轨数据获取谢通门地震的同震形变场,并基于均匀弹性半无限位错模型反演地震的同震滑动分布模型。InSAR同震形变场表明,升降轨视线向最大形变量分别为0.049 m和0.051 m,形变场长轴大致呈南北方向,位于甲岗-定结断裂西侧。通过对倾角和倾向进行格网搜索发现,西倾节面更可能为该地震的发震节面。反演结果表明,滑动分布主要位于2~10 km深度范围内,平均滑动量为0.02 m,最大滑动量为0.10 m,发震断层倾角为47°,平均滑动角为-81.60°,显示该地震以正倾滑动为主。大地测量数据约束的该地震震中为30.27°N、87.75°E,震源深度为6.58 km,释放地震矩为5.056×10¹⁷ Nm,对应矩震级为M_W5.7,与GCMT、USGS公布的震级基本一致。综合分析震中位置和滑动机制认为,甲岗-定结断裂的分支断层为本次谢通门地震的发震断层。     

基于SEVI的复杂地形山区植被FPAR遥感反演与地形效应评估

植物吸收性光合有效辐射分量（FPAR）的遥感反演是生态环境领域的核心研究内容之一,但在复杂地形山区,其估算精度严重受到地形效应的影响（包括本影与落影）。本文利用能够消除地形阴影影响的阴影消除植被指数（SEVI）对山区遥感影像进行FPAR反演,并分别与基于不同影像预处理程度计算的归一化植被指数（NDVI）、比值型植被指数（RVI）反演的FPAR做对比分析,以评估复杂山区反演FPAR存在的地形效应。结果表明：在不做地形校正的情况下,基于NDVI与RVI反演FPAR会使得本影及落影区域的值远小于非阴影区域的值,它们的相对误差均大于70%;基于C校正后的NDVI与RVI反演FPAR可以较好地校正本影区域,相对误差降至约6.974%,但落影处的校正效果不明显,相对误差约为48.133 %;而基于SEVI反演FPAR无需DEM数据的支持,可以达到经FLAASH+C组合校正后NDVI与RVI反演FPAR相似的结果,且能改善落影区域的地形校正效果,相对误差降至约2.730%。     

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...     

中国大陆地区TanDEM-X 90 m DEM误差空间分布特征

TanDEM-X 90 m 数字高程模型（DEM）在其原始雷达影像的采集与DEM产品生产过程中,坡度、坡向和地表覆盖物等 因素都会对误差产生一定的影响。为了便于该数据更好地为各领域的研究提供服务,本文以整个中国大陆为研究区域,运用ICESat/GLA14数据对该区域的TanDEM-X 90 m DEM对应位置的高程数据进行提取统计,对比分析了我国陆地区域 TanDEM-X DEM数据与GLA14高程点数据的整体误差精度,并提取坡度、坡向地形因子,研究TanDEM-X 90 m DEM误差在不同坡度、不同坡向以及不同地表覆盖物影响下的分布规律。结果表明：① TanDEM-X 90 m DEM在中国区域整体的绝对误差均值为3.89 m,中误差为9.03 m,标准差为8.85 m; ② 受地形因子的影响,在坡度<3°时,绝对误差均值仅为1.29 m,标准差为2.84 m; 在坡度>25°时,绝对误差均值20 m以上,标准差也达到30 m左右,即误差随着坡度的上升逐渐增大;③ 坡向对误差也有一定影响,在南北方向的绝对误差均值明显比东西方向小;④ 受地表覆盖物影响较大,在荒地误差最小,绝对误差均值仅为 1.85 m,但在冰川积雪区绝对误差均值达到12.68 m。通过与无人机获取的等高线及剖面图对比分析发现,TanDEM-X 90 m DEM能较好地反映真实地形情况。最后,根据不同影响因素的权值,绘制全国范围的TanDEM-X 90 m DEM误差绝对值分布图,且验证了可靠性。     

基于DEM修正的MODIS地表温度产品空间插值

地表温度是资源环境、气候变化、陆地生态系统等科学研究的重要参数之一。MODIS LST（Land Surface Temperature, LST）产品是地表温度相关研究的重要数据源。而现有MODIS LST产品均存在云覆盖区域,因此云覆盖区域地表温度估计已成为热红外遥感的前沿性研究难题。为解决MODIS LST产品云遮挡区域地表温度信息缺失,以秦岭地区为研究区,选用2001-2017年的MOD11A2数据,在传统的反距离权重（IDW）、规则样条函数（SPLINE）、普通克里金（OK）、趋势面（TREND）空间插值方法中引入高程因子,通过反复试验形成基于DEM修正的MODIS LST空间插值方法。分析空间插值结果表明： ① 空间插值精度由高到低为：OK>SPLINE>IDW>TREND,基于DEM修正后精度分别提高了约0.38、0.31、0.32和0.78℃; ② 空间插值结果的精度呈现季节差异,夏季6、7、8月的精度较高,1月的精度最低;③ 插值精度与云区的范围存在一定的关系,当云覆盖区域<1.1 km²时,DEM+OK方法的插值误差<0.55 ℃,当云覆盖区域<3.1 km²,插值误差<1 ℃;DEM+SPLINE方法在云覆盖区域<2.7 km²时,插值误差<0.55 ℃,云覆盖区域<10.4 km²,插值误差<1℃;当云覆盖为1.1~2.7 km²时,DEM+SPLINE方法的插值精度高于DEM+OK方法。     

基于GPS的河北省冬春季节MODIS水汽校正模型研究

以河北省为例,利用GPS水汽进行MODIS水汽的校正模型研究。通过GPS水汽与MODIS水汽的比较发现,两者的相关系数超过0.879,均方根误差达到2.31 mm,说明两者存在较好的相关性和一定的偏差;利用线性回归方法分别构建城市和区域MODIS水汽校正模型,实验证明,利用实测GPS水汽对城市模型和区域模型进行可靠性验证,9个测站的模型检验的均方根误差小于1 mm。两类模型均可有效提高MODIS水汽精度,满足气象预报应用的要求。     

�����Ƚ����Ƶ�ֱ����С������Բ���

?????????????????????????????????????????????????????????????????????????伸?β????????????????????????????????????????????????????????????????????????С????????????,??Matlab?????????????????????????????????????????????????????????????????????????????Ч???á???????     

机载LiDAR点云密度和插值方法对DEM及地表粗糙度精度影响分析

机载LiDAR点云是获取高质量数字高程模型(Digital Elevation Model, DEM)的主要数据源,而地表粗糙度作为DEM的主要派生产品,在地学研究中发挥了重要作用,但点云密度和插值方法对DEM及地表粗糙度精度影响程度并没有明确结论。为此,本文利用不同地形条件下的林区机载LiDAR点云为实验对象,将原始点云随机缩减为不同的采样密度,利用5种常用插值方法(克里金(Ordinary Kriging, OK),径向基函数(Radial Basis Function, RBF),不规则三角网(Triangulated Irregular Network, TIN),自然邻域(Natural Neighbor, NN)和反距离加权(Inverse Distance Weighting, IDW))构建各个测区不同采样密度条件下的DEM,并通过空间特征和统计特征两方面对DEM及其地表粗糙度精度分析。结果表明:(1) DEM插值算法的精度随点云密度缩减而降低,且数据量缩减至原始数据量的30%后,不同算法精度区别较为明显,其中,RBF和OK精度最优,IDW精度最低;(2) DEM误差与...     

基于经验小波变换的GNSS多路径误差改正

多路径误差是影响GNSS测量精度的主要因素及误差改正难点。将经验小波变换(EWT)算法在分解复杂信号上的优势与GNSS多路径误差的周日重复特性相结合,提出基于EWT的多路径误差提取及改正新方法。将能量熵与相关系数相结合来定义筛选系数,并将其变化显著的点作为含噪分量及信息分量的分界点;通过对含噪分量进行去噪并与信息分量重构的方式建立基于EWT的去噪新方法。模拟和实测数据实验表明,EWT能较好地提取及改正GNSS多路径误差,并且其效果显著优于EMD及小波分析方法。