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。     

UAVSAR在地表形变监测中的应用综述

针对无人飞行器合成孔径雷达(UAVSAR)差分干涉测量可用于形变监测的发展潜力,介绍了美国UAVSAR的系统设计、工作原理、数据产品等,概述了国内外UAVSAR系统的发展与应用现状、存在问题和发展趋势,重点讨论了UAVSAR在火山、断裂、冰川、冻土、滑坡、地面沉降等典型地表形变监测的应用。其高空间分辨率和较强的穿透性是对星载SAR数据极好的补充,彰显了UAVSAR系统极大的应用前景,为国内机载雷达系统的研究及其在地质灾害监测方面提供参考。     

秩亏自由网平差及其通解

通过坐标转换将初始坐标系下的特解转换得到任意坐标系下的通解,研究了秩亏自由网基准转换的实质。结果表明,秩亏自由网平差最优解实质是基于近似值所确定的基准下的最优解,在实际应用中确定合适的基准是关键。以西安地区GPS沉降监测网为例,不同基准下秩亏解均为该基准下最优解,但只有顾及板块运动的基准才具有物理意义。     

三峡库区山区城镇重大地质灾害监测预警示范研究

以三峡库区羊角场镇为例,在地质调查基础上,利用伸缩位移计、应力计等常规地面监测设备,对地表裂缝相对位移和危岩体基座应力进行监测,并结合GPS静态和实时动态测量等技术,开展了角反射器干涉测量技术（CR-InSAR）和高相干InSAR技术在复杂山区地质灾害大范围调查与识别应用,从点到面、从大型危岩体到区域地表形变全覆盖。各种方法监测结果较为一致,有效实现了典型山区城镇地质灾害变形的高精度、动态立体化监测。      

再论经典测量平差模型间的内在联系

为帮助学生理解经典测量平差模型之间的相互关系,在研究两种概括模型的基础上,进一步指出附有未知参数的条件平差在某种条件下也是一种概括模型,而条件平差与间接平差是等价的,这样便揭示了各种经典平差模型的内在联系。     

地表形变时间序列InSAR监测法综述

地学研究在掌握地表运动规律,寻求与突发或长期影响事件之间相关性,进而预防地质灾害工作中具有重要的作用.相对于GPS和水准等传统的大地测量技术,In SAR(Interferometric Synthetic Aperture Radar)技术可大范围高精度获取地表形变信息,具有较大优势;同时,地表形变时间序列的获取提供了更全面地表运动信息,进一步拓宽了地学的探究范围.然而,In SAR技术以微波信号传播记录卫星至地面之间距离变化,其会受传播路径、传感器位置等信息不精确的影响.因此,在多种误差干扰情况下,如何由In SAR观测量较为精确获取形变的时间序列也成为关注的问题.国内外学者已有多种研究成果,适当的分类汇总可以全面掌握时序求解方法发展过程、适用范围等,但是,目前缺少对其系统的总结.基于此,本文从观测对象、函数模型、随机模型、解算准则、质量评估五个方面,总结了利用In SAR技术获取地表形变时间序列的方法,为不同研究区域获取时间序列提供参考.     

GPS及InSAR数据支持下的甘肃黑方台滑坡监测云平台设计与分析

通过对主流云计算平台技术的深入研究和思考,针对滑坡灾害监测数据量大、数据类型多这一特点,设计了基于GPS及InSAR数据的滑坡监测云平台;并以甘肃黑方台滑坡为例,使用ArcGIS对该滑坡进行了风险评估和分析。Hadoop技术的应用明显提高了滑坡监测中海量数据存储和处理的效率,为云计算技术在灾害监测方面的进一步应用进行了有益的探索。     

光学遥感用于贵州发耳镇尖山营滑坡监测研究

文章选取贵州省发耳镇尖山营采矿型滑坡为研究对象,利用多期光学遥感数据,基于亚像元相关性匹配技术,实现该滑坡长时序定量化二维形变监测。利用多期存档Google earth影像及无人机影像,探测出该地区1#滑坡在2013年已开始发生明显的地表形变,且随着时间的推移,地表形变愈发严重;再基于Sentinel-2遥感数据求解出1#滑坡自2016年7月31日至2020年3月22日期间的二维形变时间序列,结果表明:该滑坡最大水平形变方向与斜坡方向一致,且在东西向和南北向上均表现为持续增大的趋势,最大累积形变量分别达到了44 m和-58 m。      

����CR-InSAR�������е��ѷ����о�

?????????????????????CR-InSAR?????????е?????о??????LAMBDA??λ??????f ₃??f ₁₁?????2009??2010????α???????У??????????????????????ú?????????????????????е??????