采用时序InSAR技术的广汉市地面沉降监测及影响因素分析

随着城市化进程的不断推进,建设施工活动和地下水开采等频繁人类活动对城市地表稳定性的影响程度逐步加深。基于2018年3月~2021年12月的Sentinel-1A数据,结合永久散射体干涉技术中利用振幅离差指数提取高相干点的方法,采用小基线集干涉技术,获得了广汉市的地面沉降速率和沉降时序,据此分析了广汉市沉降的特征及原因。结果表明,在研究时段内,广汉市接近90%的地区未出现严重沉降现象,小汉镇、金雁街道、三星堆镇和向阳镇出现小规模沉降,施工区及其周边沉降相对严重,最大沉降速率为-31 mm·年-1。此外,沉降主要出现在2018~2020年,建筑施工活动和降水是引起地面沉降的主要因素。     

融合多种差分干涉测量的矿区地表形变监测

为解决时序短基线集差分干涉测量技术(SmallBaseline Subset-InSAR,SBAS-InSAR)无法准确估计煤矿沉降中心形变值的问题,通过融合合成孔径雷达差分干涉测量(Differential InSAR,D-InSAR)和SBAS-InSAR技术研究了测量矿区地表形变的监测方法。利用25景Sentinel-1数据,根据基于相干性系数的D-InSAR方法和结合永久散射体合成孔径雷达干涉测量(Persistent Scatterer Interferometric Synthetic Aperture Radar,PS-InSAR)的SBAS-InSAR方法分别生成研究区域的形变图,并借助Kriging插值法,将前者方法所得结果填补于后者方法所获形变结果,完善矿区形变中出现的空缺值,从而更为准确地估算矿区地表形变结果。此外,沿着开采面的横纵剖面详细分析典型矿区的形变结果,并绘制地表形变剖面曲线,以此剖析矿区沉降漏斗的演化过程。最后,为了定量说明该方法的可靠性,将矿区形变结果和水准测量数据进行误差对比,并将标准差和均方根差作为矿区形变结果精度的评定指标。结果表明：相干性系数图整体质量较优,研究区域中最大累积沉降量可达176.39mm,年均沉降速率最大可达-103.82 mm/y。通过本文方法得到的形变结果和水准处理数据基本一致,且误差均小于13 cm,监测精度满足煤矿开采相关测量技术要求。     

基于SABS-InSAR的保德矿区地表形变监测与分析

煤炭开采是保德县的主导产业,长期高强度的矿产资源开发导致矿区内地表发生了不同程度的形变,地质灾害频发,对进一步采矿作业造成了极大的安全隐患,破坏了当地的生态环境。为了进一步探究矿区地表变形的时空分布变化规律以及地表形变的驱动因素,利用SBAS-InSAR技术对覆盖研究区的32景Sentinel-1A影像数据进行处理,得到了保德矿区2020-06-24—2022-09-13期间的地表形变信息。在监测时间段内,研究区整体以沉降为主,形成多处由中心向四周发展的漏斗状下沉区域,主形变区内形变量与时间大致呈线性关系。依据计算得到的形变结果将保德矿区划分为6个重点研究区,以5号重点研究区中的泰安煤矿为例,通过分析其工作面的采掘工程,得出以下结论：(1)煤矿地表并未达到稳定状态。(2)发生地表形变的区域与工作面空间分布相吻合。(3)作为矿区形变的主要驱动因素,随着采矿工程的推进,主形变区域的范围和沉降速率将会进一步增大。研究区内的地质构造和地层岩性对研究区整体形变的趋势和范围起到一定的控制作用,断层两侧上盘、下盘的相对运动以及不同区域地表的可压缩层厚度差异均对地面的形变速率有一定的影响。通过叠加对比...     

基于SBAS-InSAR技术的大型滑坡时序微小形变分析及其灾变时间预报

发育于高山峡谷区的大型滑坡往往具有隐蔽性强、突发性高和危害性大的特点,基于传统监测方法的时序形变数据通常非常匮乏,从而给此类滑坡的早期识别和灾变时间预报带来了极大困难。鉴于此,以西藏自治区江达县波罗乡白格滑坡为例,基于23幅C波段Sentinel-1A升轨雷达影像,利用短基线雷达干涉测量技术(SBAS-InSAR)获取了2017年3月18日至2018年10月3日的垂直方向地表时序形变数据,分析了该滑坡的年平均形变速率、累积形变演化以及典型观测点的累积位移变化,然后利用速度倒数模型对其灾变时间进行了预报。结果表明：白格滑坡灾变前具有明显的形变分区,即强烈变形区、次强烈形变区、一般形变区和基本稳定区,其中强烈形变区的垂直方向年平均形变速率为-39～-67 mm/a;白格滑坡的形变模式概括为后缘滑移牵引—前缘阻滑段渐进滑移—中后部整体变形,与此对应形成了牵引区、阻滑区和主滑区,且阻滑区的形变对降雨较敏感;速度倒数模型预报白格滑坡灾变时间滞后于实际灾变时间8 d,预报效果良好。研究结果表明SBAS-InSAR技术在类似大型滑坡灾变前的形变演化特征分析及灾变时间预报中具有广阔的应用前景。     

基于SBAS-InSAR与GM(1,1)模型的张博线采空区地表形变监测

为获取了该区段沿线的地表形变速率及各成像时刻的累计形变量等形变信息,验证GM(1,1)模型在地表形变中的预测效果,通过 SBAS-InSAR 技术对张博线采空区 2019 年1月至2022年1月43景 sentinel-1A影像数据进行处理,并利用 GM(1,1)模型对地表特征点监测结果进行了模拟和预测。监测结果表明铁路沿线大部分区域年平均形变速率在-2.0~2.0 mm/year之间,沿线地表相对稳定;预测结果表明GM(1,1)模型在沉降预测中有良好的效果,可进行中长期预测。     

基于SBAS技术的山区城市地面沉降监测研究-以攀枝花为例

基于INSAR技术的山区城市地面沉降研究,因地形复杂、植被覆盖等因素开展较少。本文首次在攀枝花市,利用12景2009-2010年ENVISAT ASAR数据,采用短基线集方法开展大范围、长时间监测。结果表明,攀枝花市东区地面沉降较大,沉降的平均速率高达48mm/y,西区沉降较小,沉降平均速率10mm/y,推测原因多为城市化建设所致地面荷载,而市东北方向的露天矿区,因连续开采所致不同时期同一地点的地表变化,导致高相干点在此区域分散稀疏,不能表明是否有沉降现象。     

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。     

联合时序SBAS-InSAR与GACOS的青岛胶州湾大桥形变监测与分析

为解决SBAS-InSAR技术在获取水汽饱和度较高的海滨城市地表形变信息受大气影响严重的问题,选用23景Sentinel-1A SAR影像数据,联合时序SBAS-InSAR技术与GACOS大气校正模型,监测得到2021年1月—2022年6月青岛胶州湾大桥的地表形变信息;利用线性模型和线性-温度模型分析了其形变特征及其温度影响。结果表明,桥梁整体的形变速率在可控范围之内,其地表形变过程是非线性的,与平均温度变化有较高的相关关系,线性-温度模型拟合的地表形变过程与联合时序SBAS-InSAR技术与GACOS大气校正模型监测的地表形变过程具有较高一致性,表现出了季节性变化规律。     

新疆西准噶尔沙吉海地区地表形变时空特征分析及其环境意义

煤矿地下开采形成的采空区对地表工程和周围环境造成严重的破坏,造成沙吉海矿区周围生态脆弱,草场面积缩减。长期废弃的矿井由于不清楚地下开采情况及范围,所以难以进行有效治理。通过长时间大范围的采空区形变特征监测,对于地质灾害预防和治理来说具有重要意义。基于2017年3月19日—2019年12月22日73幅覆盖沙吉海矿区的Sentinel-1A影像,采用差分干涉测量短基线集时序分析技术(small baseline subset interferometric synthetic aperture radar, SBAS-InSAR)获取时序地表残余变形,此外通过克里金插值法获取了整个研究区完整的形变信息,监测到研究区平均变形速率在-148.44～38.05 mm/a,最大累积形变量达-1 418.42 mm。分别得到废弃采空区和正在开采矿井工作面的形变特征,正在开采煤矿采空区呈漏斗形变形,废弃采空区沉降呈多点分散形,变化不均匀。经过对沙吉海矿区详细的野外调查,验证了SBAS-InSAR结果的可靠性。最后,结合野外验证结果分析了煤矿采空区围绕沉降中心呈漏斗形演化的过程。研究成果可为老旧采空区治...     

基于时序InSAR的青海同仁市滑坡隐患早期识别与特征解析

选取青海省同仁市作为研究区,以Sentinel-1A卫星升降轨合成孔径雷达(synthetic aperture radar, SAR)数据为主要信息源,利用差分干涉测量短基线集时序分析(small baselines subset InSAR, SBAS-InSAR)技术反演提取区域地表形变信息,结合区内地形地貌、地质构造、气象水文、植被覆盖、历史地灾等背景资料,辅以GF-2光学影像筛选确认,实现了区内滑坡隐患的早期识别,共识别出滑坡隐患19处,其中8处为已知滑坡灾害点,11处为新识别隐患点。对形变反演与隐患识别结果进行了形变速率精度分析与结合几何畸变的差异性分析,评价了形变反演结果的精度与有效性,证明了隐患识别结果的全面与准确性。选取了3处典型滑坡隐患从形变时空分布特征、光学影像特征、实地变形特征等方面进行特征解析,掌握了区内滑坡隐患的孕灾条件及变形趋势。区内隐患坡体不稳定,均呈缓慢变形趋势,尤其是6—8月集中降雨期间,形变呈加速趋势,降雨是该区诱发滑坡灾害的主要因素。