雅砻江流域德格县年古乡1号滑坡分析研究

雅砻江流域属于地质灾害高发区和重点防治区,与其它地区相比,雅砻江流域地质灾害的研究程度低,资料分散,本文通过野外跟踪调查,结合InSAR遥感资料,采用基于2019年1月02日—2019年12月16日Sentinel-1A降轨数据的SBAS方法对雅砻江流域德格县年古乡1号滑坡进行综合分析研究,阐明其与雅砻江的时空关系,分析滑坡的地质环境条件及成因机制,预测其发展趋势,并提出防治措施。     

基于InSAR和GPS观测数据的尼泊尔地震发震断层特征参数联合反演研究

利用日本ALOS-2和欧空局Sentinel-1A卫星获得的尼泊尔地震同震形变场,结合GPS同震位移数据,联合反演了断层滑动分布特征和空间展布.结果表明:尼泊尔地震的同震形变场主要集中在150km×100km的范围内,且分为南北两个相邻的形变中心,南形变中心的视线向抬升量约为1.2m,北形变中心的视线向沉降量约为0.8m,均位于发震断层上盘.位于形变抬升区的KKN4和NAST两个GPS站,抬升量和南向运动量均达到了m级,而远离震区的其他GPS台水平和垂直观测量均在1cm以内.联合反演得到的断层位错分布主要集中在沿走向150km,沿倾向70km的范围内,最大滑动量为5.59m,平均滑动量为0.94m.断层面倾角在浅部约为7°,随着深度增加,倾角逐渐变大,到垂直深度20km时倾角接近12°;5月12日MW7.2级余震位于主震破裂区的"凹"型滑动缺损区域;主震破裂区的上边界与MBT空间位置十分吻合,主震破裂区主要集中的MBT以北50~60km处,垂直深度为8~9km,倾角为9°,继续向北时主震破裂面以10°~12°的倾角向深延伸,在18~20km可能与MHT交汇.因此,初步判定MBT为此次地震的发震断层.     

一种基于极大曲率的机载LiDAR数据 地形特征提取方法

对于庞大的点云数据来说,从中直接提取多种数据特征是相当困难的。考虑到基于数字化等高线数据和数字地面模型提取地形特征受内插误差影响,提出一种基于极大曲率的地形特征提取方法。对初始地面点云进行极大曲率估计;结合欧氏聚类方法进行地形特征点粗提取;对粗提取特征点进行粗糙度分析,得到精确特征点。顾及离散曲率的特征,即曲率越大越接近特征线,得到可靠的地形特征分割结果。该方法不需要人工干预,直接基于机载LiDAR点云数据进行处理。试验表明采用基于极大曲率分割的方法能从点云中自动提取比较完整并且准确的地形特征点。     

基于小波变换和中值滤波的InSAR干涉图像滤波方法

介绍小波分析的基本理论和利用小波分析对信号进行消除噪声的基本方法,以及In-SAR干涉相位图像中噪声的特点.针对目前普遍采用的均值滤波和中值滤波等方法对In-SAR干涉相位图像中噪声进行滤波的局限性,提出一种基于小波分析和中值滤波相结合的InSAR干涉相位图滤波算法以改善滤波效果.实验证明该算法的有效性.     

机载SAR影像时空模型重构因子及3D特征提取

时空模型有助于人们获取类似于真实世界的时间及空间信息 ,对于城市工程设计、灾害预防决策及军事应用具有重要意义。本文探讨了机载SAR影像重构时空模型的潜力及方法 ,研究了时空模型重构因子、基于机载SAR影像的建筑物、植被的三维提取 ,以及相应的机载SAR影像时空建模一般方法     

利用毫米波测云雷达反演层状云中过冷水

毫米波测云雷达已成为研究云内微物理参数的有效工具,利用其从混合相云中识别出过冷水,对人工影响天气及预防飞机积冰具有重要意义,对我国毫米波雷达的数据处理也具有借鉴作用。本文利用英国的35 GHz、94 GHz测云雷达,结合激光雷达和探空资料,采用阈值法,反演分析了层状云中的过冷水。结果表明:(1)毫米波雷达联合激光雷达可以识别层状云中的过冷水,其结果与微波辐射计测量的液态水路径或毫米波雷达的双峰谱相符合;(2)利用多普勒速度的双峰谱可以反演混合相云中的过冷水含量、冰晶含水量。混合相云的雷达反射率因子主要取决于冰晶,根据雷达反射率因子反演会低估云内液态水含量;(3)本次层状云降水的亮带以上含有较多过冷水,此处35 GHz的雷达回波强度随冰晶的增大而减弱,且冰晶的含水量主导了总液态水含量。     

机载LiDAR在地质灾害应急测绘中的应用研究

针对地质灾害应急测绘精准快速成图的特殊需求,笔者对当前热门的机载LiDAR测量技术展开相关研究。结合实例,对该系统应用于应急测绘中的点云数据采集和处理流程进行了详细探讨,同时检测了点云精度,最后对基于机载LiDAR技术的地质灾害数据分析应用进行了介绍。研究结果表明：相比常规的卫星遥感和无人机航测手段,机载LiDAR测量技术具有穿透性强、受天气影响小、数据精度高、作业更加高效等优点,其应用于地质灾害应急测绘具有独特的优势。     

利用时序InSAR进行毕节市潜在滑坡识别与形变监测

贵州省是全国地质灾害多发、频发最为严重的省份之一,还具有很强的隐蔽性、突发性和不可预见性。为加强贵州纳雍、黔西两县级区域内潜在滑坡的监测与评估,本文利用2017年3月—2020年7月Sentinel-1 SAR数据基于SBAS-InSAR技术获取了纳雍、黔西两县级区域内的时序形变结果。结果表明,在研究区域内共发现60处疑似滑坡点,在监测时段内,滑坡最大累积形变量达23 cm。最终通过区域内的滑坡点进行实际踏勘,表明本文方法可为贵州省地质灾害防治和管理等工作提供参考。     

InSAR技术支持下的高速铁路沿线沉降监测与预测

针对盘营铁路专线、哈大铁路专线沿线沉降监测研究较少,采用InSAR技术获取了研究区地表形变信息,还对其进行了相关分析.用SBAS-InSAR对35景Sentinel-1A SAR数据进行处理,获取VV、VH极化下的年均沉降速率及沉降序列;以年均沉降速率为研究对象,进行沿线沉降特征分析及交叉验证;利用小波变换对沉降序列降噪处理,用改进BP神经网络对降噪后沉降序列预测分析.研究结果表明,研究区内高速铁路沿线共监测出6个明显沉降区域,最大沉降速率达50mm/a;两种极化年均沉降速率具有较高的一致性,降噪处理后的沉降序列更加平滑;改进BP神经网络具有较高的收敛速度,其预测精度有较大提高.