多源遥感揭示白鹤滩库区五里坡滑坡蓄水期形变演化与复活机制

为揭示水电站蓄水期库岸滑坡形变演变趋势及复活机制，基于白鹤滩库区五里坡滑坡2021年1月—2022年8月共73景Sentinel-1影像，采用SBAS-InSAR技术提取蓄水期二维形变，并使用无人机航测技术对滑坡及次生灾害痕迹进行调查，此外利用GNSS位移实测数据对InSAR形变结果进行对比与补充，综合3种技术结果与库区水位实测数据、地质资料对五里坡滑坡进行精细化分析.结果表明：（1）五里坡滑坡形变与库区蓄水存在强相关性.在蓄水前无明显形变而在蓄水后一个月便发生可见形变，随着水位上涨，坡度方向InSAR形变速率最高达到-153 mm/a，雷达视线方向InSAR最大累积形变量达到121 mm，并表现为由下部形变逐渐带动上部形变的牵引式滑坡特征.结合水位实测数据与GNSS位移监测数据发现滑坡形变与蓄水期水位变化吻合度较高.（2）现场地质调查表明五里坡滑坡为上硬下软的反倾岩质边坡，且坡面岩体风化强烈，下部岩体容易受到库水作用软化发生压缩变形进而导致坡体沿风化层发生牵引式滑动.研究结果可为库岸滑坡蓄水期监测和防治提供科学依据.     

基于PS InSAR技术的黄土高原地质灾害隐患识别

采用永久散射体(PS)合成孔径雷达干涉测量(InSAR)技术对陕西绥德县城区及周边地区2015年12月-2018年4月共54景Sentinel-1A数据进行处理,获取研究区地表PS时间序列形变信息.根据形变特征将PS点分为随机型、线性蠕动型、突变型,并对每种类型PS点形变规律及其对地质灾害隐患识别的意义进行分析.将研究区地质灾害隐患分为城区沉降、滑坡隐患两类,依据PS点形变特征对两类地质灾害隐患进行识别,共识别出城区沉降区8处,滑坡隐患区39处.利用实地调查的滑坡体及不稳定坡体数据与识别的滑坡隐患区结果进行对比验证,结果显示识别的滑坡隐患区与调查数据具有较好的一致性.证明了InSAR技术在黄土高原地区地质灾害早期识别方面的适用性和准确性,可以应用于黄土高原地区地质灾害隐患识别预警.     

长江三峡水库蓄水荷载地壳形变-GPS观测研究

1998～2003年的GPS观测给出了长江三峡地区地壳运动的基本图像:其站间相对运动在0～3mm/a,属于现今地壳活动背景十分微弱的地区;2003年三峡水库首次蓄水引起了相当幅度的地壳变形, 其中GPS观测到的近岸垂直沉降幅度约为10～40mm,水平相对形变不超过5～10mm,蓄水导致的垂直沉降最大区域主要集中在三峡的茅坪-香溪段,幅度随距库中心距离增加而迅速减小.GPS观测到的沉降范围和幅度与采用Farrell方法的数值模拟计算结果基本一致,短期内沉降变形主要可归之于上地壳因水体负载的弹性响应.     

基于Kalman滤波的GB-InSAR时序处理方法

传统的GB-InSAR时序处理方法针对整个数据集或分组进行实时处理，该类方法占用大量的电脑内存，效率低，不能满足边坡监测的时效性，无法实现形变预测与灾害预警预报.针对此种情况，提出了基于Kalman滤波的GB-InSAR边坡形变监测实时处理方法.以河北省迁安市马兰庄铁矿边坡监测为例进行分析，提出方法在实验所用解算平台下，在1 min内可解算出研究区当前时刻形变量，并可以预测下一时刻的形变量，与传统时序InSAR的结果相比，时序形变标准差优于1 mm.     

基于SBAS-InSAR技术的丹江口坝区地表形变监测与分析

丹江口水库是南水北调中线工程的水源地,地理位置极其重要.丹江口坝区是丹江口水库的核心区域,在长期使用过程中不可避免会发生形变,形变监测十分必要.然而传统的监测手段有很多限制,本文采用短基线集干涉测量(SBAS-InSAR)技术,将2017年3月12日至2018年3月19日的25景Sentinel-1A卫星SAR图像作为研究数据,开展以丹江口坝区为中心的大范围的地表形变监测研究.以研究区地表的形变量及形变趋势结果为依据,结合当地地形地貌及站点实测水文资料,综合分析该区域地表形变情况,并对丹江口大坝及坝区的安全性进行评估.研究发现:丹江口大坝周边150 km~2范围内的形变小于10 mm/a,在时间序列上呈现较为稳定的状态.     

基于InSAR技术的地表形变监测

地表形变引发了一系列的地质灾害,因此,对地表形变进行监测显得尤为重要.卫星合成孔径干涉测量是一项极具潜力的区域地表形变监测技术,具有很好的优越性,应用前景广泛.介绍了地表形变及其带来的危害和SAR数据的基本处理流程等,并以BAM地震为例对InSAR技术在地表形变监测中的具体应用进行了讨论与分析.     

汶川地震对白龙江流域地质灾害的影响——以武都区构林坪为例

选取位于白龙江地质灾害最严重的中游区域,且受人类影响较弱的典型泥石流沟构林坪为例,基于SBAS InSAR技术监测分析2008年"5.12"汶川特大地震前后该流域的地表形变特征.研究发现横穿该流域上下游分界处的迭部-白龙江断裂自2008年前以8.0 mm/a的相对速率稳定抬升,在震后迅速增至11.5 mm/a.根据资源卫星、Geoeye,SPOT影像调查资料,与InSAR结果相应,该流域地质灾害的增幅明显上升.地震对地质灾害的作用表现为直接激发作用和潜伏后发作用,在白龙江流域,汶川地震不仅直接引发大量次生地质灾害,还使该流域的岩土结构、强度等遭到破坏,孕育大量潜在灾害,使该地区地质灾害长期并将会频繁发生,次生灾害的分布具有"上盘效应"和沿断裂带集中分布的特点.     

联合升降轨时序InSAR的金沙江滑坡群隐患识别

针对单一轨道合成孔径雷达干涉(InSAR)观测结果难以完整识别滑坡隐患的问题，在小基线子集(SBAS)算法基础上引入时间约束因子，结合时空基线组合优化与升降轨联合解算策略，提出了长时序InSAR二维形变提取模型与方法.针对白玉县和贡觉县交界处的金沙江沿线滑坡易发区，采用2018年-2022年的Sentinel-1A升降轨影像数据集开展时序InSAR形变解算，识别得到了金沙江深切峡谷区域的10处滑坡隐患及其空间分布，探明5处特大滑坡隐患(单体超过5 000万m³，最大形变速率超过-70 mm/a)，进一步解算得到了各滑坡点的滑移方向及量值，并结合降水数据总结归纳了滑坡的季节性演化特征与长期发展趋势.相关研究结果可为该区域的地质灾害防治与重大基础设施建设提供重要的参考数据和信息支撑.     

基于时序InSAR技术的芜湖市长江大桥一桥变形监测与分析

为保障人民群众生命财产安全,建立健全桥梁监测体系,以芜湖市长江大桥一桥为例,利用SBAS-In-SAR(Small Baseline Subset InSAR)技术处理2018年7月至2019年10月的Sentinel-1A数据,并将InSAR监测结果与桥梁上主桥的挠度仪进行对比.结果表明,桥面整体形变范围在13 mm以内,桥梁构件的沉降变化在时间上表现出一定的季节性变化规律.其中西侧简支梁桥在冬季呈现沉降趋势,在夏季呈现抬升趋势;位于东侧的斜拉桥部分在冬季呈现抬升现象,在夏季呈现沉降现象.针对这一现象,分析了测点形变量与温度之间的关系,其中西侧桥面形变与温度成正相关,东侧桥面形变与温度成负相关,并进一步根据监测数据建立了桥梁温度-竖向位移模型.研究结果证实了InSAR监测微小形变的可能性,可为对桥梁等大型工程监测提供数据.     

基于SBAS-InSAR技术钢桁梁结构桥梁形变信息提取与分析

针对传统桥梁监测技术监测时间不连续、只能依靠现有监测数据分析桥梁形变的问题,以南京大胜关长江大桥为研究对象,利用SBAS-InSAR技术获取2018—2019年的桥梁形变结果,以桥梁形变结果中的平均形变速率和LOS向时间序列形变量为输入集,分别构建BP神经网络时间序列模型来预测桥梁的形变量。结果表明：平均形变速率预测模型和LOS向时间序列形变预测模型的预测值与InSAR观测值之间的平均绝对误差分别为1.54、1.28 mm,均方误差分别为1.81、1.34 mm,均方根误差分别为1.81、1.53 mm,表明时间序列形变预测模型的可行性,为未来的桥梁形变预测提供了有力支撑。     

利用时序InSAR技术监测兰州市主城区地表形变

城市地表形变是城市发展进程中的阻碍因素,为监测城市地表形变,利用46景Sentinel-1A影像,通过短基线集干涉测量技术(SBAS-InSAR)对兰州市主城区进行监测,SBAS-InSAR技术是在传统的D-InSAR技术上发展起来的时序InSAR技术,可以监测长时间序列上高精度的地表形变结果。实验获得了2017年1月到2018年8月间的地表形变信息,结果表明兰州市区存在大范围的地表沉降,最大年平均沉降速率达到104.2mm/a,累积沉降量达到174.4mm,并对兰州市区内沉降区域分布范围和发展趋势做了总结。城区北部的沉降区域主要分布在新开发的居民区周围,形成了四大沉降中心区域,城区南部沉降最为严重的是七里河区,有多个区域的年平均沉降速率达20mm/a以上。     

SBAS-InSAR技术在天水市区地表形变监测中的应用

利用小基线集合成孔径雷达干涉测量技术,对覆盖天水市区的17景ALSO-PALSAR影像数据进行干涉处理,提取该区域2007年2月9日-2011年2月20日的地表年平均变形速率分布图,监测结果显示主城区处于基本稳定状态,变形区主要集中在市区周边区域,如皂郊镇、太京镇以及罗峪沟等地,主要的地表变形类型有滑坡、危险边坡和地面沉降等,平均变形速率为-34.0～41.6 mm/a.对研究区内6个变形区域进行实地调查并分析成因,验证了InSAR技术高精度、观测覆盖范围广的特点以及在开展区域地质灾害识别应用中的准确度,为区内地质灾害监测选点和防治提供科学依据.     

基于时序InSAR技术的锁阳城遗址积沙过程

研究锁阳城遗址沙丘的形成和发展过程,采用SBAS-InSAR技术对遗址区进行监测研究.选用2014年10月-2021年8月覆盖研究区域的42景升轨和41景降轨Sentinel-1A数据进行干涉处理,得到雷达视线方向的形变速率场,经过投影转换得到垂直方向的形变速率场,并验证了InSAR监测结果的精度,结合遗址区气象数据和锁阳城形制、保存现状特征进行综合分析.结果表明,锁阳城遗址区域沙丘发育呈现由西向东堆积速率逐渐增加的特点;西墙南段两侧及东墙外侧积沙速率最快,最大积沙速率为1.24 mm/a,西墙外侧以侵蚀为主,最大侵蚀速率为-0.89 mm/a;东风和西风占起沙风比率分别为67.92%和28.18%,与InSAR监测沙粒堆积方向一致.     

基于D - InSAR的彬长矿区沉陷变形监测

差分雷达干涉测量(D - InSAR)技术能够监测沉陷区空间连续曲面的形变,具有精度高、连续监测、成本低等特点,是对现有矿区地表沉陷监测方法有益的补充.以陕西彬长矿区为例,根据获取的雷达影像图开展干涉测量的研究,将形变前后2幅干涉图相位差分得到地表形变,对照矿区的实际情况,分析去相干源影响,并对其误差作了简要分析.结果表明:D - InSAR技术,能够准确反映出矿区沉陷的位置和下沉程度,尤其在黄土高原,地质地貌条件比较复杂的条件下,更展示出D - InSAR技术在矿区地面沉降监测适用性、优越性和实用价值.     

基于PS和SBAS技术监测厦门市主城区地面沉降

基于Sentinel-1A卫星2017年5月到2020年9月的41幅影像,采用PS和SBAS 2种技术,进行高精度的时序形变监测获取了厦门市区监测期间的地表形变信息,PS形变量级位于-25～20 mm/a,SBAS形变量级位于-22.91～18 mm/a.对2种监测结果进行交叉对比和时序分析,形变趋势和空间分布相吻合并分析其线性关系高达0.9206.提取出4个沉降比较严重区域分别是:A区为同安区中部地区,沉降量最大达到-40 mm;B区位于集美区西南部,最大沉降量为-26 mm;C区位于海沧区南部城中,最大沉降量为-23 mm;D区位于海沧区东部地区与厦门岛西部地区最大沉降量分别为-23 mm、-32 mm、-7.7 mm.结果表明2种技术都获得可靠结果.     

基于哨兵1号的呼和浩特市沉降及成因分析

利用SBAS?InSAR及PS?InSAR技术,处理了2018年10月到2020年10月的28景sentinel?1A数据,计算出呼和浩特市平均地面沉降量和沉降速率.结果表明,呼和浩特市存在三处漏斗状沉降区,分别位于回民区、玉泉区北部、台阁牧镇北部,沉降区内大部分形变速率在5.32～17.31 mm/a之间;其中,台阁...     

基于时序InSAR技术的近距离多煤层参数反演方法

近距离多煤层开采引起的采空区地面沉降在当前工矿区沉陷中占有较大的比例,而天基InSAR技术在工矿区大范围形变监测方面具有显著优势.以2018年1月至2019年8月间的43景C波段Sentinel-1B SAR数据为基础,通过时序InSAR技术对近距离多煤层开采的康平煤田进行了大范围沉降监测.以Okada模型为基础,结合近距离多煤层分布特征,采用叠加理论的原则,提出了一种基于多源模型的近距离多煤层参数反演方法.通过定量计算弹性半空间下双源模型和三源模型近距离多煤层参数反演的精度,发现三源模型精度更高,更符合小康矿近距离多煤层开采的实际特征.本研究可以为基于InSAR技术的近距离多煤层开采沉降监测及参数反演提供参考.     

SBAS-InSAR技术在特大型滑坡形变监测中的应用——以西藏自治区庞村滑坡为例

针对西藏庞村滑坡2019年4月发现裂缝并持续增大,对附近村民及基础设施产生严重安全威胁,搜集2018 年 1 月 3 日至 2020年7 月 3 日的 75 景 Sentinel-1A 降轨数据,利用小基线集(small baseline subset-interferometric SAR, SBAS-InSAR)技术获取滑坡在该时间段内的地表形变信息;并在形变量较大区域内选取特征点,对形变量进行分析,最终将InSAR解译结果与地面调查以及GNSS(global navigation satellite system, GNSS)监测站结果进行对比,对解译结果的精度进行验证。结果表明：在所选时间段内,庞村滑坡最大形变速率为-38mm/y;滑坡体的形变存在明显的分界线,可将其分为三个不同的滑动区;2018年12月和2019年10月两个时间点,滑坡形变有明显的加速现象;与地面监测数据的精度验证表明：SBAS-InSAR解译结果与地面监测结果显示的滑坡形变时间和空间特征一致性,验证了利用Sentinel-1A数据采用SBAS-InSAR技术在特大型滑坡监测和治理中的有效性,为滑坡的治理提供了可靠的技术依据。     

基于SBAS技术的天津市地面形变特征分析

地面沉降是一种普遍存在的地质灾害,天津是中国地面沉降较为严重的城市之一,对地面形变特征的研究,有助于了解地面沉降分布,合理进行城市规划。基于覆盖天津地区的Sentinel-1升轨和降轨数据,使用改进的小基线时序干涉测量方法获取卫星视线向(line of sight, LOS)向形变速率场,针对沿海地区大气影响严重等问题,引用InSAR通用大气校正在线服务(generic atmospheric correction online service for InSAR, GACOS)模型去除大气误差影响。从获取的天津地区形变速度场可以看出,天津市区内形变量相对较小,市区周边的静海区、西青区存在一定的形变漏斗,最大LOS向形变量约-40 mm/a;武清区和北辰区形变量最大,有一个范围和形变量级都较大的形变漏斗,形变漏斗中心为武清区王庆坨镇,其最大LOS向形变量在升轨和降轨结果中分别为80 mm/a和99.2 mm/a,结合该区域土地利用情况,发现主要是由于产业园密集建设,导致工业和生活用水过度导致地下水超采。从形变结果可以看出,后续需要对存在形变漏斗的区域进行科学用水管理和合理城市规划,从而...     

基于多时相InSAR技术的大渡河瀑布沟水电站形变监测与预测

形变监测与预测是对水电站异常情况进行预警和及时采取补救措施的关键。提出了一种长短期记忆(LSTM, long short-term memory)神经网络方法来预测大渡河流域瀑布沟水电站干涉合成孔径雷达(InSAR, interferometric synthetic aperture radar)的时间序列形变。该方法首先利用多时相干涉合成孔径雷达(MT-InSAR, multi-temporal interferometric synthetic aperture radar)技术对2018—2020年瀑布沟水电站的哨兵一号(Sentinel-1)图像进行时间序列形变监测,然后基于时间序列InSAR形变数据采用LSTM神经网络建立了形变预测模型,最终获取瀑布沟水电站的形变速率结果和时序形变的预测结果。结果表明,瀑布沟水电站最大沉降速率达到-34 mm/a, LSTM预测模型训练和测试过程中点尺度的均方根误差(root mean squared error, RMSE)和绝对误差平均值(mean absolute error, MAE)最小值分别为2.343 mm和2.010 mm,...