基于平面波模型重访地震背景噪声互相关及空间自相关(SPAC)

自Aki(1957)提出微震的空间自相关(SPatial AutoCorelation,SPAC)技术以来,SPAC技术一直独立发展,并在工程地震领域获得了广泛应用.近20年来,地震干涉(Seisimic Interferometry,SI)在多个领域引起人们的关注,该技术的核心思想是连续地震背景噪声的互相关函数(Noise Crosscorrelation Function,NCF)可以重建系统的格林函数(Green's Function,GF),对该技术的回溯性研究建立了SPAC和NCF的关系:它们是对同一物理现象的不同描述,SPAC在频率域中描述随机平稳噪声的空间相干,NCF在时间域中描述扩散场的互相关.理论上SAPC和NCF技术要求背景噪声源均匀分布,这样的噪声场可以用平面波叠加来模拟.本文基于平面波模型重访地震背景噪声的互相关和空间自相关技术,从单色平面波的互相关表示出发,对地震背景噪声互相关及空间自相关技术进行评述,试图使这些概念更易于理解.与之前众多研究地震干涉技术的理论相比,本文尤其关注以下几点:(1)基于简单的平面波模型,给出不同维度下,源或台站对方位均匀分布时,平面波互相关对入射波的方位平均和台阵对的方位平均结果,并对格林函数GF和时域互相关函数NCF的关系进行总结.(2)给出声源和(或)交叉台站方位分布不均匀时的互相关表示,指出这种非均匀性对方位的依赖关系,与弱各向异性介质中面波速度的方位依赖关系类似,因此,非均匀源的影响在反演时可能会映射到面波方位各向异性结果中.(3)互相关运算中,哪一个台站是虚拟源.NCF包含因果性和非因果性两部分,NCF的非对称性通常用于研究噪声源的方位分布,但由于源和接收的互易关系,及对互相关运算的不同定义和不同的傅里叶变换习惯,哪一个台站是虚拟源在目前的文献中并不明确.(4)方位平均和时间平均的关系.在SPAC处理中,需要对不同方位分布的台站对进行方位平均,本文从理论上说明,单个平面波入射时,交叉台站互相关系数对台站对的方位平均,等价于单个台站对互相关系数对入射波的时间平均.(5)几种特定分布非均匀噪声源的SPAC表示.包括单独的因果性噪声源和非因果性噪声源给出的互相关函数表示,及由此带来的相移问题.(6)利用SPAC、NCF和面波GF之间的关系,给出交叉分量的空间自相关系数表示.(7)衰减介质的空间相干表示.虽然利用地震干涉技术研究介质衰减在理论上仍然存在一些争议,但人们正试图研究从连续背景噪声记录中提取介质衰减的可能性.本文基于平面波模型,给出了不同坐标选择下,衰减介质的空间相干表示,这种表达的不同,指示了由地震干涉技术提取介质衰减的困难.与众多研究地震干涉的理论相比,比如稳相近似理论、互易定理、时间反转声学等,本文主要考虑均匀介质,不涉及非均匀介质的散射,从最简单的平面波模型,理解背景噪声重建系统格林函数这一地震干涉的核心思想和相应的基本概念.     

基于Sentient-1A的波罗的海沿岸固定冰形变研究

为研究沿岸固定冰的形变特征,本文基于2018年1—3月连续获取的5景Sentient-1A雷达数据,利用差分合成孔径雷达干涉测量(D-InSAR)技术对波罗的海东北部的沿岸固定冰进行了探测.阐述了重复轨道雷达差分干涉测量探测固定冰形变的基本原理及数据处理流程,并结合气象观测数据分析了固定冰形变产生的原因.研究指出:3个...     

利用SVM的全极化、双极化与单极化SAR图像分类性能的比较

支持向量机(SVM)以其在小训练样本时良好的分类性能,目前已广泛应用于多个领域.本文在极化SAR图像特征提取基础上,将SVM应用于极化SAR图像分类,定性和定量地比较了全极化、双极化和单极化SAR图像的分类性能,分析了不同的极化组合对分类结果的影响,并根据地物极化散射特性分析了分类精度差异的成因.实测极化SAR数据的实验结果表明,全极化数据能获得最好的分类性能,双极化次之,单极化最低,且在某些情况下,双极化与全极化分类性能接近.     

雷达遥感图像分类新技术发展研究

总结了雷达遥感图像分类技术的发展过程,指出新的分类技术正朝着采用新特征(如雷达极化信息与干涉信息、多参数极化干涉信息、多时相信息、DEM与地理信息等),应用新理论(如小波理论、分形理论、模糊理论),设计新算法(如改进的最大似然法、上下文分类法、改进的神经网络分类算法等)的方向发展.     

2021年5月21日云南漾濞Ms6.4地震:一次破裂在隐伏断层上的浅源走滑事件

2021年5月21日,在中国云南省大理州漾濞县发生了 Ms6.4地震.该地震震中位于川滇菱形块体西部边缘的维西—乔后—巍山断裂附近.作为该区域过去45年以来发生的最大地震,快速的灾害反应及震源参数反演将为防震减灾提供重要的帮助.由于未搜集到与此次地震地表破裂相关的报告,这次地震的发震断层目前仍难以确定.本文利用哨兵1A/B卫星的合成孔径雷达干涉(InSAR)数据获得了与此次地震相关的同震形变,并反演了这次事件的断层几何参数及详细的滑动分布.反演结果显示:破裂断层以右旋走滑运动为主,兼有少量的正断分量;滑动主要分布在2到12 km深度范围内,在约7 km深度处滑动达到最大,约为0.64 m.破裂断层浅部0到2 km范围内滑动的缺失揭示了一个重要的滑动亏损区,该区域很可能被震后余滑及震间浅部滑动所弥补.通过对反演结果、余震序列和局部断层构造特性的综合分析,认为此次地震可能破裂在维西—乔后—巍山断裂的隐伏分支断层或一个独立的未知的隐伏主断层上.计算的同震库仑应力变化表明维西—乔后—巍山断裂的巍山盆地段北端、维西—乔后—巍山断裂的玉狮场—乔后段最南端及洱源—弥渡断裂的中段北端具有较高的破裂风险.     

VLBI台站监管系统的研制与应用

VLBI台站监管系统是绕月探测工程VLBI测轨分系统应用软件的一个重要组成部分。其主要功能是在VLBI观测期间实时监管各测站参试设备运行状况,采集参试设备数据信息并进行处理分析与存档,当系统出现问题时能立即指出问题所在;另外,还实时提供必要的有关数据给VLBI数据处理中心做相关处理。VLBI台站监管系统在嫦娥探月一期工程实施期间运行稳定、可靠,对VLBI测轨任务的圆满完成起到了积极的作用。目前,它仍在探月工程的常规观测中发挥作用。     

复杂因素影响下的福州市地面沉降时空演化分析

地面沉降是福州市的主要地质灾害之一,自20世纪中期以来就有监测资料显示福州市存在地面沉降问题。本文基于永久散射体雷达干涉测量技术（IPTA）,处理了福州市2008~2014年间多时相、高分辨率TerraSAR-X数据,对福州市6年时间的地面沉降进行监测分析,根据研究区地面沉降历史、建设发展现状及沉降异常区分布,着重分析了复杂因素影响下福州市地面沉降的时空变化规律。结果表明:福州市总体年均沉降率-15 mm ·a-1左右,存在多个明显的快速沉降区;与1960~1990年的监测资料对比发现,沉降中心由地热温泉区向工程密集建设区转移;较大沉降区以快速线性沉降为主;地面沉降特征的变化受到多种复杂因素叠加影响,导致地面沉降空间扩张、速率加剧。该研究成果可为福州市或其他沿海城市地面沉降风险评估、地面沉降防控等提供一定的科学依据和参考。     

被动源体波信息提取技术及其质量监控

基于互相关的被动源地震干涉测量是一种潜在的、经济有效的地质与地球物理研究技术.然而,被动源地震记录常以面波能量为主,从被动源地震记录中提取体波仍然是一项具有挑战性的任务.首先,本文系统阐述和比较了互相关和反褶积以及互相干三种干涉方法的差异,并指出在进行体波成像时使用互相干方法效果更好;其次,为了有效增强体波信号,本文提...     

结构增强型生成对抗网络SAR图像超分辨率重建

针对利用生成对抗网络模型(Generative Adversarial Network,GAN)重建SAR(Synthetic Aperture Radar)图像存在边缘细节信息不足和“伪影”(artifacts)现象,该文基于增强型超分辨率生成对抗网络(Enhanced Super-Resolution Generative Adversarial Networks,ESRGAN)光学模型,重新设计生成网络上采样重建模块和结构损失函数,提出一种结构增强型生成对抗网络SAR图像超分辨率重建算法,包括特征提取、特征增强和上采样重建3个模块:在特征提取模块采用小尺度卷积层对输入SAR图像进行低层次特征提取;在特征增强模块采用多个级联残差密集块(Residual-in-Residual Dense Block,RRDB)和卷积层提取输入特征;在上采样重建模块交替使用最近邻插值(Nearest Neighbor Interpolation,NNI)和亚像素卷积(Sub-Pixel Convolution,SPC)对特征进行放大重建,使特征信息交互融合。与传统插值算法和经典深度学习重建算法相比,该算法在视觉效果和定量评价方面均有显著提升,能够在保持原网络模型重建图像内容信息不丢失的基础上,增强重建图像边缘细节信息和减缓“伪影”现象,有利于后续目标识别和灾害监测等工作开展。     

基于双分支卷积神经网络的SAR与多光谱图像融合实验

针对合成孔径雷达(Synthetic Aperture Radar,SAR)和多光谱(Multi-Spectral,MS)融合图像中存在的空间细节模糊和颜色失真问题,该文兼顾光谱监督和空间细节监督,设计光谱损失函数和空间细节损失函数,提出一种基于双分支卷积神经网络(Convolution Neural Network,CNN)的SAR和MS图像融合算法。该算法网络框架包含光谱保持和细节提升两个分支:光谱保持分支通过上采样MS图像连接到网络的输出,直接将光谱信息传递到融合图像中;细节提升分支对SAR和MS图像通过高通滤波提取高频细节信息,然后应用CNN对细节信息进行特征提取、特征融合及重建,最后将重建的细节信息叠加到上采样的MS图像,得到融合结果。以哨兵-1B GRD级别的SAR图像和Landsat8卫星多光谱图像为实验数据,通过与传统融合算法和深度学习算法RSIFNN进行对比,结果表明,该文算法在定性和定量评价方面效果更好,能够在保持光谱信息的基础上增强多光谱图像的空间细节信息,有利于后续地物分类和目标识别等工作的开展。