CN110888132A - 基于InSAR监测的桥梁形变分析方法及系统 - Google Patents

基于InSAR监测的桥梁形变分析方法及系统 Download PDF

Info

Publication number
CN110888132A
CN110888132A CN201911155493.5A CN201911155493A CN110888132A CN 110888132 A CN110888132 A CN 110888132A CN 201911155493 A CN201911155493 A CN 201911155493A CN 110888132 A CN110888132 A CN 110888132A
Authority
CN
China
Prior art keywords
monitoring
deformation
sub
area
areas
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911155493.5A
Other languages
English (en)
Other versions
CN110888132B (zh
Inventor
施钟淇
金典琦
张会
童青峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Technology Institute of Urban Public Safety Co Ltd
Original Assignee
Shenzhen Technology Institute of Urban Public Safety Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Technology Institute of Urban Public Safety Co Ltd filed Critical Shenzhen Technology Institute of Urban Public Safety Co Ltd
Priority to CN201911155493.5A priority Critical patent/CN110888132B/zh
Publication of CN110888132A publication Critical patent/CN110888132A/zh
Application granted granted Critical
Publication of CN110888132B publication Critical patent/CN110888132B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88Radar or analogous systems specially adapted for specific applications
    • G01S13/89Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88Radar or analogous systems specially adapted for specific applications
    • G01S13/89Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021SAR image post-processing techniques
    • G01S13/9023SAR image post-processing techniques combined with interferometric techniques

Abstract

本发明提供了一种基于InSAR监测的桥梁形变分析方法及系统,所述分析方法包括:提取监测对象的监测形变信息,所述监测形变信息包括PS点和PS点的形变数据;将监测对象的监测区域划分为多个监测子区域,获取所述监测子区域的形变密度值,将形变密度值大于或等于密度阈值的监测子区域作为关注子区域;确定重点区域,判断所述重点区域的形变是否有收敛趋势。本发明的基于InSAR监测的桥梁形变分析方法及系统,将监测对象的PS点进行统计分析,并根据统计分析结果获取监测对象的重点区域,对重点区域进行风险预测,能够快速识别异常监测对象,并可以为监测对象附近区域的施工治理、灾害预警和整体规划等提供支持。

Description

基于InSAR监测的桥梁形变分析方法及系统
技术领域
本发明涉及桥梁形变监测技术领域,具体涉及一种基于InSAR监测的桥梁形变分析方法及系统。
背景技术
近年来,随着国内城市化进程的进一步发展,各种大型的城市基础设施建造场景在各城市随处可见。其中桥梁建设对于连接局部区域,缩短城市内和城际间的交通运行时间、缓解城市交通拥堵压力有着重要意义。这些正在施工建造的桥梁工程会改变建设场地周围的岩土压力,引起地表荷载超标并导致土体和施工结构发生变形,反过来它们会导致桥梁自身结构发生变形。当这些变形超过了一定的安全限度,很容易造成结构的失稳破坏甚至导致严重的安全问题。因此,我们需要对这些桥梁结构本身的形变情况进行实时的监测和分析,并进一步评估建设场地以及桥梁结构本身的安全状态,避免因桥梁结构形变而发生相应的安全事故。同时,还需要对一段时间内的大量桥梁形变监测值进行系统的分析,探究监测桥梁对象的形变情况在时间和空间上的特征规律,为预测目标桥梁形变状况的未来发展趋势,而进一步采取针对性的控制措施提供有效的支持。
合成孔径雷达干涉测量技术(InSAR技术)是传统的SAR遥感技术与射电天文干涉技术相结合的新兴空间对地观测技术。它的原理是接受雷达微波的反射回波,通过对同一地区存在相干关系的SAR复图像对进行共轭相乘得到干涉图。借助干涉图中的相位差计算两次成像中微波的路程差,从而可以得到监测区域的地形、地貌以及地表的微小变化。经过多年的技术发展和完善,以及在各个工业工程和科学研究领域中开展的实际应用,InSAR技术已经是公认的进行地表和结构变形调查和监测的高效手段。InSAR技术在结构形变监测领域的应用十分广泛,但是大多数的应用仅仅是根据现有的单个监测点或者局部区域的形变数据进行安全评估,忽略了监测点和监测区域内各部分之间的相互关系以及对造成结构形变的关键影响因素,无法对目标对象结构形变的未来发展趋势做出有效的预测,从而缺乏有效的针对性控制策略。
发明内容
本发明的目的在于针对现有技术的上述缺陷,提供一种基于InSAR监测的桥梁形变分析方法及系统。
本发明提供了一种基于InSAR监测的桥梁形变分析方法,其特征在于,所述分析方法包括:
基于永久散射体雷达干涉测量技术,根据多源高分辨率卫星雷达影像提取监测对象的监测形变信息,所述监测形变信息包括PS点和PS点的形变数据;
按照预设的划分方式将监测对象的监测区域划分为多个面积相同的监测子区域,获取所述监测子区域的形变密度值,将形变密度值大于或等于密度阈值的监测子区域作为关注子区域;
根据所述关注子区域的分布确定重点区域,根据所述重点区域内的PS点的形变数据判断所述重点区域的形变是否有收敛趋势,所述重点区域包括一个孤立的关注区域或多个连续的关注区域。
优选地,所述获取所述监测子区域的形变密度值,将形变密度值大于或等于密度阈值的监测子区域作为关注子区域,包括:
对每个监测子区域的PS点进行点密度分析,以获取对应监测子区域的有效PS点;
根据每个监测子区域的有效PS点的数量和有效PS点的形变数据计算所述监测子区域的形变密度值;
选择所述形变密度值最大的指定数量的所述监测子区域作为关注子区域。
优选地,所述预设的划分方式包括:
将所述监测对象的监测区域划分为行数量和列数量相同的多个网格,每个网格对应一个监测子区域;或
将所述监测对象的监测区域划分为行数量和列数量不相同的多个网格,每个网格对应一个监测子区域。
优选地,所述根据所述重点区域内的PS点的形变数据判断所述重点区域的形变是否有收敛趋势,包括:
根据所述重点区域内PS点的形变数据绘制所述重点区域的形变值的时间变化曲线;
将所述变化曲线的末段划分为多个曲线段,每个曲线段对应预设时长,分别计算每个曲线段的形变值标准差;
根据每个曲线段的形变值标准差和预设标准差阈值确定变化曲线的末段的收敛概率,判断所述收敛概率是否大于或等于预设概率阈值;
当判断结果为是时,所述重点区域的形变有收敛趋势;否则,所述重点区域的形变没有收敛趋势。
优选地,所述分析方法还包括:
根据监测对象在不同监测时刻的多个PS点的形变数据计算监测对象在不同监测时刻的形变空间分布特征。
优选地,所述根据监测对象在不同监测时刻的多个PS点的形变数据计算监测对象在不同监测时刻的形变空间分布特征,包括:
计算不同监测时刻下监测区域内所有PS点的形变平均值和形变标准差;
根据所述形变平均值和所述形变标准差计算监测区域内所有PS点在对应监测时刻的不同半径下的空间相关性;
根据每个监测时刻的不同半径下的空间相关性计算对应监测时刻的震动平均中心的位置。
优选地,所述根据监测对象在不同监测时刻的多个PS点的形变数据计算监测对象在不同监测时刻的形变空间分布特征,还包括:
根据不同监测时刻的震动平均中心的位置绘制平均中心的时间变化曲线。
优选地,所述分析方法还包括:
根据所述重点区域的不同监测时刻的形变量进行曲线拟合,以预测所述重点区域的形变情况。
优选地,所述根据所述重点区域的不同监测时刻的形变量进行曲线拟合,以预测所述重点区域的形变情况,包括:
生成所述重点区域的初始余弦函数,根据所述初始余弦函数得到不同监测时刻的拟合值;
根据多个监测时刻的拟合值和形变量值的残差平方和,对所述初始余弦函数的多个参数进行调整,以对所述余弦拟合曲线进行修正;
重复上一步骤,直到所述残差平方和小于或等于预设残差阈值,得到预测余弦函数。
本发明还提供了一种基于InSAR监测的桥梁形变分析系统,所述分析系统包括:
形变信息获取模块,用于基于永久散射体雷达干涉测量技术,根据多源高分辨率卫星雷达影像提取监测对象的监测形变信息,所述监测形变信息包括PS点和PS点的形变数据;
密度监测模块,用于按照预设的划分方式将监测对象的监测区域划分为多个面积相同的监测子区域,获取所述监测子区域的形变密度值,将形变密度值大于或等于密度阈值的监测子区域作为关注子区域;
收敛趋势判断模块,用于根据所述关注子区域的分布确定重点区域,根据所述重点区域内的PS点的形变数据判断所述重点区域的形变是否有收敛趋势,所述重点区域包括一个孤立的关注区域或多个连续的关注区域。
本发明的基于InSAR监测的桥梁形变分析方法及系统,将监测对象的PS点进行统计分析,并根据统计分析结果获取监测对象的重点区域,对重点区域进行风险预测,能够快速识别异常监测对象,并可以为监测对象附近区域的施工治理、灾害预警和整体规划等提供支持。
附图说明
图1是本发明基于InSAR监测的桥梁形变分析方法第一实施例的流程图。
图2是本发明基于InSAR监测的桥梁形变分析方法中重点区域的示意图。
图3是本发明基于InSAR监测的桥梁形变分析方法第二实施例的流程图。
图4是本发明基于InSAR监测的桥梁形变分析方法第三实施例的流程图。
图5是本发明基于InSAR监测的桥梁形变分析方法第四实施例的流程图。
图6是本发明基于InSAR监测的桥梁形变分析系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图和具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了使本揭示内容的叙述更加详尽与完备,下文针对本发明的实施方式与具体实施例提出了说明性的描述;但这并非实施或运用本发明具体实施例的唯一形式。实施方式中涵盖了多个具体实施例的特征以及用以建构与操作这些具体实施例的方法步骤与其顺序。然而,亦可利用其它具体实施例来达成相同或均等的功能与步骤顺序。
本发明基于PS-InSAR(Persistent Scatterer Interferometric SyntheticAperture Radar,永久散射体雷达干涉测量)技术,利用多源高分辨率卫星雷达影像(COSMO-SKyMed,Sentinel-1A/B,ALOS-2等)提取城市目标区域的监测形变信息,作为统计分析的基础,获取城市目标区域内多个监测对象的形变监测信息,快速掌握监测对象的安全状态,为下一步采取安全防范措施提供技术依据。目标区域内有多个监测对象,每个监测对象范围内有多个PS点,从这些PS点中可以选择一个或多个作为该监测对象的监测点,对选取的监测点进行重点关注。目标区域可以是但不限于国、省、市、县等不同级别的行政地区,例如,目标区域是全国范围、湖北省范围、深圳市范围或福田区范围。其中,监测对象可以包括但不限于房屋建筑、桥梁、道路、水库大坝、铁路、地铁沿线,即在长时间序列中能够对雷达波保持较强且稳定散射特性的地物目标。
图1示出了本发明的基于InSAR监测的桥梁形变分析方法第一实施例的流程图,请参阅图1所示,该分析方法包括:
S101,基于永久散射体雷达干涉测量技术,根据多源高分辨率卫星雷达影像提取监测对象的监测形变信息,该监测形变信息包括PS点和PS点的形变数据。
在步骤S101中,采用多源高分辨率卫星获取监测对象的多张不同时相的雷达影像,根据该雷达影响获取反映监测对象形变信息的长时间图像序列,根据PS-InSAR算法获取监测对象内PS点及PS点的形变数据。其中,PS点的形变数据可以包括但不限于:不同时间点的形变值、时间序列形变曲线、年平均形变速率、点位高程值、近两年形变量或近期(例如近6个月)形变速率中的一种或多种。
进一步地,监测对象范围内有多个PS点,从这些PS点中可以选择一个或多个或全部作为该监测对象的监测点,对选取的监测点进行重点关注。
S102,按照预设的划分方式将监测对象的监测区域划分为多个面积相同的监测子区域,获取该监测子区域的形变密度值,将形变密度值大于或等于密度阈值的监测子区域作为关注子区域。
在步骤S102中,预设的划分方式可以为:将该监测对象的监测区域划分为行数量和列数量相同的多个网格,每个网格对应一个监测子区域;预设的划分方式还可以为:将该监测对象的监测区域划分为行数量和列数量不相同的多个网格,每个网格对应一个监测子区域。每个网格可以是矩形或正方形。
在步骤S102中,形变密度值代表监测子区域内形变监测值变化情况,形变密度值与监测子区域内PS点的数量和PS点的形变数据相关。在一个优选实施方式中,可以根据PS点的数量计算形变密度值;在另一个优选实施方式中,还可以根据PS点的数量和PS点的形变数据计算形变密度值。
进一步地,在步骤S102中,首先,对每个监测子区域的PS点进行点密度分析,以获取对应监测子区域的有效PS点;然后,根据每个监测子区域的有效PS点的数量和有效PS点的形变数据计算该监测子区域的形变密度值;最后,选择该形变密度值最大的指定数量的该监测子区域作为关注子区域。
在本实施例中,在获取有效PS点时,定义一个单位面积为1的正方形,并使该正方形在监测子区域内移动,当该正方形所在区域的PS点数量大于预设数量阈值时,该区域内的PS点为有效PS点,该预设数量阈值是根据精度要求所确定的。可以按照从左到右、从上到下的顺序移动该正方形,直至覆盖完整个监测子区域。在本实施例中,在确定关注子区域时,将多个监测子区域按照该形变密度值从大到小进行排序,提取形变密度值排序前N位的N个监测子区域作为关注子区域,此时,密度阈值为排序第N位的监测子区域的沉积密度值,该N为小于或等于K×P%的整数,该K为监测子区域的数量,该P%为预设百分比。
具体地,根据总的监测区域内共n个PS点,选择一定大小的矩形(L×W)或者正方形(L×L)将监测区域合理划分成k个大小一样的小格子(B1,B2…Bk)。
利用点密度的分析方法,计算每个格子内的形变密度值,形成密度大小序列(DB1,DB2…DBk)。按照形变密度值从大到小排序,在排序后的密度序列的正向百分之Pct分位处选择密度阈值Dq,挑选出形变密度值超过密度阈值Dq的区域:
Figure BDA0002284693160000081
其中e用来表示Bi区域的形变密度值的大小是否在密度阈值Dq之上,Bi区域是否属于关注子区域。
进一步地,可以结合天气状况、土壤层条件、建筑施工状况以及地理位置等分析造成该关注子区域显著形变的病害成因。
S103,根据该关注子区域的分布确定重点区域,根据该重点区域内的PS点的形变数据判断该重点区域的形变是否有收敛趋势,该重点区域包括一个孤立的关注区域或多个连续的关注区域。
具体地,请参阅图2所示,关注子区域A、关注子区域B、关注子区域C和关注子区域D形成重点区域100,重点区域100为波及范围较大的区域,需要重点关注;关注子区域E形成重点区域200,重点区域200为孤立区域,很可能继续向外扩散,也需要重点关注。
在步骤S103中,判断形变是否有收敛趋势的步骤包括:
S1031,根据该重点区域内PS点的形变数据绘制该重点区域的形变值的时间变化曲线。
对于时间总长度T年的监测时段,根据同一个监测时间点的PS点的形变数据计算该监测时间点的形变值,根据不同监测时间点的形变值绘制形变值的时间变化曲线。
S1032,将该变化曲线的末段划分为多个曲线段,每个曲线段对应预设时长,分别计算每个曲线段的形变值标准差。
选择总时间段末尾Pct_1%的长度作为曲线的末段,选择宽度为T1的可移动时间窗口,T1为预设时长,每次时间窗口可以沿着横轴正方向移动多个数据点,时间窗口从曲线后Pct_1%移动到末尾,共计S个时间窗口(Tw1,Tw2…Tws),计算每个时间窗口内的数据的标准差大小,有:
Figure BDA0002284693160000091
其中,σTwi表示第i个时间窗口Twi内数据的标准差,NTwi表示第i个时间窗口Twi内数据点数目,
Figure BDA0002284693160000094
表示第i个时间窗口Twi内数据的平均值。经过计算,可以得到所有S个时间窗口内数据标准差序列[σTw1Tw2...σTws]。
S1033,根据每个曲线段的形变值标准差和预设标准差阈值确定变化曲线的末段的收敛概率,判断该收敛概率是否大于或等于预设概率阈值。
S1034,当判断结果为是时,该重点区域的形变有收敛趋势;否则,该重点区域的形变没有收敛趋势。
在步骤S1033中,为了判定重点区域内形变是否有逐渐稳定的趋势,验证获取的标准差序列是否有一定程度的收敛趋势,因此设定预设标准差阈值σC,进一步计算所得的标准差序列[σTw1Tw2...σTws]中所有数低于预设标准差阈值σC的收敛概率Pσ,有:
Figure BDA0002284693160000092
Figure BDA0002284693160000093
其中,σC为预设标准差阈值,S为时间窗口总数目。然后设置通过验证的概率值大小PC
在步骤S1034中,如果有Pσ≥PC,则表示通过验证,标准差数据序列有逐渐收敛的趋势,重点区域的形变情况逐渐稳定;反之如果Pσ<PC,则表示没通过验证,在数据末尾部分仍然有较大的波动,而重点区域的形变情况在监测时间区间内不存在逐渐稳定的趋势。
图3示出了本发明的基于InSAR监测的桥梁形变分析方法第二实施例的流程图,请参阅图3所示,该分析方法包括:
S201,基于永久散射体雷达干涉测量技术,根据多源高分辨率卫星雷达影像提取监测对象的监测形变信息,该监测形变信息包括PS点和PS点的形变数据。
S202,按照预设的划分方式将监测对象的监测区域划分为多个面积相同的监测子区域,获取该监测子区域的形变密度值,将形变密度值大于或等于密度阈值的监测子区域作为关注子区域。
S203,根据该关注子区域的分布确定重点区域,根据该重点区域内的PS点的形变数据判断该重点区域的形变是否有收敛趋势,该重点区域包括一个孤立的关注区域或多个连续的关注区域。
S204,根据监测对象在不同监测时刻的多个PS点的形变数据计算监测对象在不同监测时刻的形变空间分布特征。
步骤S201至步骤S103具体参见第一实施例,在此不进行一一赘述。
在步骤S204中,计算不同监测时刻下监测区域内所有PS点的形变平均值和形变标准差;根据该形变平均值和该形变标准差计算监测区域内所有PS点在对应监测时刻的不同半径下的空间相关性;根据每个监测时刻的不同半径下的空间相关性计算对应监测时刻的震动平均中心的位置。进一步地,在S204中,根据不同监测时刻的震动平均中心的位置绘制平均中心的时间变化曲线。
具体地,根据已计算的PS点的监测对象形变计算的初步结果,引入度量空间地理分布的物理量,用以分析PS点监测对象形变的空间分布特征。例如:平均中心(MeanCenter,MC)、标准距离(Standard Distance,SD)以及半径r内的空间相关性C(r)。其中:
Figure BDA0002284693160000111
Figure BDA0002284693160000112
其中,
Figure BDA0002284693160000113
和σ分别表示的形变平均值和形变标准差,xi、xj分别为i点、j点的形变值,rij为i点到j点的距离,δ函数用来选取距离中心点半径r内的区域。
计算一定时间段内P1个时间节点的MC参数的结果,可以进一步绘制MC-t的变化曲线,从而分析PS点桥梁形变的空间分布随时间变化情况。同时,可以提取出特定时间节点的PS点结果进行分析并可视化展示,通过对比可以展示监测区域监测对象形变情况的时空演化情况。
图4示出了本发明的基于InSAR监测的桥梁形变分析方法第三实施例的流程图,请参阅图4所示,该分析方法包括:
S301,基于永久散射体雷达干涉测量技术,根据多源高分辨率卫星雷达影像提取监测对象的监测形变信息,该监测形变信息包括PS点和PS点的形变数据。
S302,按照预设的划分方式将监测对象的监测区域划分为多个面积相同的监测子区域,获取该监测子区域的形变密度值,将形变密度值大于或等于密度阈值的监测子区域作为关注子区域。
S303,根据该关注子区域的分布确定重点区域,根据该重点区域内的PS点的形变数据判断该重点区域的形变是否有收敛趋势,该重点区域包括一个孤立的关注区域或多个连续的关注区域。
S304,根据该重点区域的不同监测时刻的形变量进行曲线拟合,以预测该重点区域的形变情况。
步骤S301至步骤S303具体参见第一实施例,在此不进行一一赘述。
步骤S304进一步包括如下步骤:
S3041,生成该重点区域的初始余弦函数,根据该初始余弦函数得到不同监测时刻的拟合值。
S3042,根据多个监测时刻的拟合值和形变量值的残差平方和,对该初始余弦函数的多个参数进行调整,以对该余弦拟合曲线进行修正,得到调整后的余弦函数。
S3043,根据该调整后的余弦函数得到不同监测时刻的拟合值,根据多个监测时刻的拟合值和形变量的残差平方和,对该调整后的余弦函数的多个参数进行调整,以对该余弦拟合曲线进行修正。
S3044,重复步骤S3043,直到该残差平方和小于或等于预设残差阈值,得到预测余弦函数。
具体地,这里借助余弦曲线对已有数据进行拟合,有:
Figure BDA0002284693160000121
其中,A为波幅(纵轴),ω为角频率,t为时间(横轴),θ为相偏移(横轴左右),D为偏移量。之后计算已拟合的余弦曲线和原始数据点之间的残差平方和(RSS),有:
Figure BDA0002284693160000122
其中,RSSL为曲线L的残差平方和,PLi为已拟合曲线L上第i个点,共计n个点,Pi为对应的第i个原始数据点。通过拟合曲线与原始数据点间的残差平方和值确定拟合曲线的合理性。然后,利用挑选出的合理拟合曲线对监测区域未来桥梁形变情况进行预测。
图5示出了本发明的基于InSAR监测的桥梁形变分析方法第四实施例的流程图,请参阅图5所示,该分析方法包括:
S401,基于永久散射体雷达干涉测量技术,根据多源高分辨率卫星雷达影像提取监测对象的监测形变信息,该监测形变信息包括PS点和PS点的形变数据。
S402,生成目标区域的监测数据图层,将PS点按照PS点类别以不同颜色和/或不同形状进行显示。
S403,按照预设的划分方式将监测对象的监测区域划分为多个面积相同的监测子区域,获取该监测子区域的形变密度值,将形变密度值大于或等于密度阈值的监测子区域作为关注子区域。
S404,根据该关注子区域的分布确定重点区域,根据该重点区域内的PS点的形变数据判断该重点区域的形变是否有收敛趋势,该重点区域包括一个孤立的关注区域或多个连续的关注区域。
步骤S401,S403和S404具体参见第一实施例,在此不进行一一赘述。
在步骤S402中,将监测对象的PS点进行可视化显示,进一步地,将该监测数据图层与至少一个基础数字地图图层进行叠加处理,并通过选择切换单独显示或叠加显示不同图层。PS点可以按照形变量等级进行分类,具体参见下述。
下面以桥梁为例进行说明,具体地,首先,根据项目中的目标区域的划定以及对于分析的InSAR数据精度和区域覆盖率的要求,确定目标监测区域的范围。然后,根据项目中的关键对象的特点,确定所需的数据的精度以及监测时间段(T年内监测数据),比如两年内监测数据,四年内监测数据等。然后,依据已有条件,得到n个PS点(M1,M2…Mn)在总的监测时间段内(P个时间监测点)的形变数据[[LM1_1,LM1_2…LM1_P],[LM2_1,LM2_2…LM2_P]…[LMn_1,LMn_2…LMn_P]],选定以各个PS点各自的初始监测时刻为基准,计算各个时刻下的桥梁形变监测值的变化情况,得到:
[[0,LM1_2-LM1_1…LM1_P-LM1_1],[0,LM2_2-LM2_1…LM2_P-LM2_1]…[0,LMn_2-LMn_1…LMn_P-LMn_1]]。
由于目前的InSAR技术在桥梁形变监测中的大规模应用,国内各大城市的可提供InSAR数据的覆盖率一般都在90%以上。另外,在InSAR技术发展情况的基础上,考虑到后续的数据分析以及未来趋势预测的需要,这里的数据监测段在达到覆盖率的前提下越高越好。
在生成监测区域内监测数据图层的基础上,将得到的桥梁PS点形变结果与数据图层中的地理位置进行关联。首先,借助相应软件生成监测区域内的地理图层,包含项目研究的所有PS点对象;提取出n个目标PS点的地理经纬度信息[(La_M1,Lo_M1),(La_M2,Lo_M2)…(La_Mn,Lo_Mn)],排除由于与之前生成的地理图层使用不同地图商的因素而造成的地理漂移情况,一般引入火星坐标系来实现对应的经纬度转换,最后将PS点与地理图层进行关联。然后,用不同的颜色和图形形状来表示各个数据PS点的桥梁形变结果,进一步分析它们的空间分布特征的过程如下:根据该的将PS点与地理图层进行关联后,使用多种颜色刻画PS点的不同桥梁形变变化情况。对应规则分别为:-40+mm~C1,-40--30mm~C2,-30--20mm~C3,-20--8mm~C4,-8--6mm~C5,-6--4mm~C6,-4--2mm~C7,-2--0mm~C8,0-2mm~C9,2-4mm~C10,4-6mm~C11,6-8mm~C12,8-20mm~C13,20-30mm~C14,30-40mm~C15,40+mm~C16,其中,(C1,C2…C16)为一串由红到绿渐变的颜色色号,颜色越红表示发生形变的情况越加严重。设置固定时间点,比如一年、两年,将PS点的形变变化情况转化为形变值对应颜色的圆点表示在地理图层上。此外,还可以刻画一段时间内的月/季度/年变化率。
基于同一发明构思,本发明实施例中还提供了一种基于InSAR监测的桥梁形变分析系统,如下面的实施例。由于基于InSAR监测的桥梁形变分析系统解决问题的原理与上述的基于InSAR监测的桥梁形变分析方法相似,因此基于InSAR监测的桥梁形变分析系统的实施可以参见上述的基于InSAR监测的桥梁形变分析方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“子模块”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的移动终端的功能模块较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图6示出了本发明的基于InSAR监测的桥梁形变分析系统第一实施例的结构示意图,请参阅图6所示,该分析系统包括:形变信息获取模块10、密度监测模块20和收敛趋势判断模块30,其中,形变信息获取模块10,用于基于永久散射体雷达干涉测量技术,根据多源高分辨率卫星雷达影像提取监测对象的监测形变信息,该监测形变信息包括PS点和PS点的形变数据;密度监测模块20,用于按照预设的划分方式将监测对象的监测区域划分为多个面积相同的监测子区域,获取该监测子区域的形变密度值,将形变密度值大于或等于密度阈值的监测子区域作为关注子区域;收敛趋势判断模块30,用于根据该关注子区域的分布确定重点区域,根据该重点区域内的PS点的形变数据判断该重点区域的形变是否有收敛趋势,该重点区域包括一个孤立的关注区域或多个连续的关注区域。
进一步地,本实施例的分析系统还包括:可视化模块40、空间分析模块50和预测模块60,其中,可视化模块40,用于生成目标区域的监测数据图层,将PS点按照PS点类别以不同颜色和/或不同形状进行显示;空间分析模块50,用于根据监测对象在不同监测时刻的多个PS点的形变数据计算监测对象在不同监测时刻的形变空间分布特征;预测模块60,用于根据该重点区域的不同监测时刻的形变量进行曲线拟合,以预测该重点区域的形变情况。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于InSAR监测的桥梁形变分析方法,其特征在于,所述分析方法包括:
基于永久散射体雷达干涉测量技术,根据多源高分辨率卫星雷达影像提取监测对象的监测形变信息,所述监测形变信息包括PS点和PS点的形变数据;
按照预设的划分方式将监测对象的监测区域划分为多个面积相同的监测子区域,获取所述监测子区域的形变密度值,将形变密度值大于或等于密度阈值的监测子区域作为关注子区域;
根据所述关注子区域的分布确定重点区域,根据所述重点区域内的PS点的形变数据判断所述重点区域的形变是否有收敛趋势,所述重点区域包括一个孤立的关注区域或多个连续的关注区域。
2.根据权利要求1所述的基于InSAR监测的桥梁形变分析方法,其特征在于,所述获取所述监测子区域的形变密度值,将形变密度值大于或等于密度阈值的监测子区域作为关注子区域,包括:
对每个监测子区域的PS点进行点密度分析,以获取对应监测子区域的有效PS点;
根据每个监测子区域的有效PS点的数量和有效PS点的形变数据计算所述监测子区域的形变密度值;
选择所述形变密度值最大的指定数量的所述监测子区域作为关注子区域。
3.根据权利要求1所述的基于InSAR监测的桥梁形变分析方法,其特征在于,所述预设的划分方式包括:
将所述监测对象的监测区域划分为行数量和列数量相同的多个网格,每个网格对应一个监测子区域;或
将所述监测对象的监测区域划分为行数量和列数量不相同的多个网格,每个网格对应一个监测子区域。
4.根据权利要求1所述的基于InSAR监测的桥梁形变分析方法,其特征在于,所述根据所述重点区域内的PS点的形变数据判断所述重点区域的形变是否有收敛趋势,包括:
根据所述重点区域内PS点的形变数据绘制所述重点区域的形变值的时间变化曲线;
将所述变化曲线的末段划分为多个曲线段,每个曲线段对应预设时长,分别计算每个曲线段的形变值标准差;
根据每个曲线段的形变值标准差和预设标准差阈值确定变化曲线的末段的收敛概率,判断所述收敛概率是否大于或等于预设概率阈值;
当判断结果为是时,所述重点区域的形变有收敛趋势;否则,所述重点区域的形变没有收敛趋势。
5.根据权利要求1所述的基于InSAR监测的桥梁形变分析方法,其特征在于,所述分析方法还包括:
根据监测对象在不同监测时刻的多个PS点的形变数据计算监测对象在不同监测时刻的形变空间分布特征。
6.根据权利要求5所述的基于InSAR监测的桥梁形变分析方法,其特征在于,所述根据监测对象在不同监测时刻的多个PS点的形变数据计算监测对象在不同监测时刻的形变空间分布特征,包括:
计算不同监测时刻下监测区域内所有PS点的形变平均值和形变标准差;
根据所述形变平均值和所述形变标准差计算监测区域内所有PS点在对应监测时刻的不同半径下的空间相关性;
根据每个监测时刻的不同半径下的空间相关性计算对应监测时刻的震动平均中心的位置。
7.根据权利要求6所述的基于InSAR监测的桥梁形变分析方法,其特征在于,所述根据监测对象在不同监测时刻的多个PS点的形变数据计算监测对象在不同监测时刻的形变空间分布特征,还包括:
根据不同监测时刻的震动平均中心的位置绘制平均中心的时间变化曲线。
8.根据权利要求1所述的基于InSAR监测的桥梁形变分析方法,其特征在于,所述分析方法还包括:
根据所述重点区域的不同监测时刻的形变量进行曲线拟合,以预测所述重点区域的形变情况。
9.根据权利要求8所述的基于InSAR监测的桥梁形变分析方法,其特征在于,所述根据所述重点区域的不同监测时刻的形变量进行曲线拟合,以预测所述重点区域的形变情况,包括:
生成所述重点区域的初始余弦函数,根据所述初始余弦函数得到不同监测时刻的拟合值;
根据多个监测时刻的拟合值和形变量值的残差平方和,对所述初始余弦函数的多个参数进行调整,以对所述余弦拟合曲线进行修正;
重复上一步骤,直到所述残差平方和小于或等于预设残差阈值,得到预测余弦函数。
10.一种基于InSAR监测的桥梁形变分析系统,其特征在于,所述分析系统包括:
形变信息获取模块,用于基于永久散射体雷达干涉测量技术,根据多源高分辨率卫星雷达影像提取监测对象的监测形变信息,所述监测形变信息包括PS点和PS点的形变数据;
密度监测模块,用于按照预设的划分方式将监测对象的监测区域划分为多个面积相同的监测子区域,获取所述监测子区域的形变密度值,将形变密度值大于或等于密度阈值的监测子区域作为关注子区域;
收敛趋势判断模块,用于根据所述关注子区域的分布确定重点区域,根据所述重点区域内的PS点的形变数据判断所述重点区域的形变是否有收敛趋势,所述重点区域包括一个孤立的关注区域或多个连续的关注区域。
CN201911155493.5A 2019-11-22 2019-11-22 基于InSAR监测的桥梁形变分析方法及系统 Active CN110888132B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911155493.5A CN110888132B (zh) 2019-11-22 2019-11-22 基于InSAR监测的桥梁形变分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911155493.5A CN110888132B (zh) 2019-11-22 2019-11-22 基于InSAR监测的桥梁形变分析方法及系统

Publications (2)

Publication Number Publication Date
CN110888132A true CN110888132A (zh) 2020-03-17
CN110888132B CN110888132B (zh) 2022-05-20

Family

ID=69748439

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911155493.5A Active CN110888132B (zh) 2019-11-22 2019-11-22 基于InSAR监测的桥梁形变分析方法及系统

Country Status (1)

Country Link
CN (1) CN110888132B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111580098A (zh) * 2020-04-29 2020-08-25 深圳大学 一种桥梁形变监测方法、终端以及存储介质
CN112945082A (zh) * 2021-05-14 2021-06-11 北京东方至远科技股份有限公司 一种基于InSAR技术的桥梁形变安全分析方法
CN113537240A (zh) * 2021-07-09 2021-10-22 北方工业大学 一种基于雷达序列图像的形变区智能提取方法及系统
CN115205345A (zh) * 2022-02-23 2022-10-18 西南交通大学 一种填海区机场的地表不均匀形变信息提取与管理方法
CN116029555A (zh) * 2023-03-22 2023-04-28 西南科技大学 基于轻量化神经网络的桥梁风险识别预警系统及应用方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2942637A1 (en) * 2014-05-09 2015-11-11 NEC Corporation Change detection device, change detection method and recording medium
CN105866777A (zh) * 2016-03-29 2016-08-17 北京理工大学 多角度多时段导航卫星双基地PS-InSAR三维形变反演方法
US20160320479A1 (en) * 2015-04-29 2016-11-03 Tianjin Institute Of Surveying And Mapping Method for extracting ground attribute permanent scatter in interferometry synthetic aperture radar data
CN106772377A (zh) * 2017-01-18 2017-05-31 深圳市路桥建设集团有限公司 一种基于InSAR的建筑物变形监测方法
CN107621636A (zh) * 2017-11-13 2018-01-23 河海大学 一种基于psi的大型铁路桥梁健康监测方法
CN107817481A (zh) * 2017-12-01 2018-03-20 南京市测绘勘察研究院股份有限公司 一种InSAR形变监测中大气噪声校正的RF方法
CN109471107A (zh) * 2018-11-27 2019-03-15 长沙理工大学 基于PS-InSAR技术的桥梁永久形变分析方法
CN109508353A (zh) * 2018-12-11 2019-03-22 深圳市城市公共安全技术研究院有限公司 城市目标InSAR监测风险提示方法及系统
CN109709550A (zh) * 2019-01-17 2019-05-03 武汉大学 一种基于InSAR影像数据的库岸边坡形变监测处理方法
CN109884635A (zh) * 2019-03-20 2019-06-14 中南大学 大范围高精度的InSAR形变监测数据处理方法
WO2019126972A1 (zh) * 2017-12-26 2019-07-04 深圳市城市公共安全技术研究院有限公司 基于InSAR的形变信息提取方法、终端及存储介质
CN109991601A (zh) * 2018-11-29 2019-07-09 北京东方至远科技股份有限公司 一种基于PS-InSAR技术的房屋风险评估方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2942637A1 (en) * 2014-05-09 2015-11-11 NEC Corporation Change detection device, change detection method and recording medium
US20160320479A1 (en) * 2015-04-29 2016-11-03 Tianjin Institute Of Surveying And Mapping Method for extracting ground attribute permanent scatter in interferometry synthetic aperture radar data
CN105866777A (zh) * 2016-03-29 2016-08-17 北京理工大学 多角度多时段导航卫星双基地PS-InSAR三维形变反演方法
CN106772377A (zh) * 2017-01-18 2017-05-31 深圳市路桥建设集团有限公司 一种基于InSAR的建筑物变形监测方法
CN107621636A (zh) * 2017-11-13 2018-01-23 河海大学 一种基于psi的大型铁路桥梁健康监测方法
CN107817481A (zh) * 2017-12-01 2018-03-20 南京市测绘勘察研究院股份有限公司 一种InSAR形变监测中大气噪声校正的RF方法
WO2019126972A1 (zh) * 2017-12-26 2019-07-04 深圳市城市公共安全技术研究院有限公司 基于InSAR的形变信息提取方法、终端及存储介质
CN109471107A (zh) * 2018-11-27 2019-03-15 长沙理工大学 基于PS-InSAR技术的桥梁永久形变分析方法
CN109991601A (zh) * 2018-11-29 2019-07-09 北京东方至远科技股份有限公司 一种基于PS-InSAR技术的房屋风险评估方法
CN109508353A (zh) * 2018-12-11 2019-03-22 深圳市城市公共安全技术研究院有限公司 城市目标InSAR监测风险提示方法及系统
CN109709550A (zh) * 2019-01-17 2019-05-03 武汉大学 一种基于InSAR影像数据的库岸边坡形变监测处理方法
CN109884635A (zh) * 2019-03-20 2019-06-14 中南大学 大范围高精度的InSAR形变监测数据处理方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
CUENCA, M.C等: "Surface deformation of the whole netherlands after psi analysis", 《PROCEEDINGS OF FRINGE 2011 WORKSHOP》 *
M. SHIMONI等: "GEPATAR: A geotechnical based PS-InSAR toolbox for architectural conservation in Belgium", 《 2017 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM (IGARSS)》 *
杨珍等: "InSAR地表形变数据的降采样", 《兰州大学学报》 *
贾光军等: "精密水准和InSAR技术在地面沉降监测中的应用分析", 《测绘通报》 *
陶秋香: "PS InSAR关键技术及其在矿区地面沉降监测中的应用研究", 《中国博士学位论文全文数据库 工程科技Ⅰ辑》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111580098A (zh) * 2020-04-29 2020-08-25 深圳大学 一种桥梁形变监测方法、终端以及存储介质
CN112945082A (zh) * 2021-05-14 2021-06-11 北京东方至远科技股份有限公司 一种基于InSAR技术的桥梁形变安全分析方法
CN113537240A (zh) * 2021-07-09 2021-10-22 北方工业大学 一种基于雷达序列图像的形变区智能提取方法及系统
CN113537240B (zh) * 2021-07-09 2023-09-05 北方工业大学 一种基于雷达序列图像的形变区智能提取方法及系统
CN115205345A (zh) * 2022-02-23 2022-10-18 西南交通大学 一种填海区机场的地表不均匀形变信息提取与管理方法
CN116029555A (zh) * 2023-03-22 2023-04-28 西南科技大学 基于轻量化神经网络的桥梁风险识别预警系统及应用方法
CN116029555B (zh) * 2023-03-22 2023-06-13 西南科技大学 基于轻量化神经网络的桥梁风险识别预警系统及应用方法

Also Published As

Publication number Publication date
CN110888132B (zh) 2022-05-20

Similar Documents

Publication Publication Date Title
CN110888132B (zh) 基于InSAR监测的桥梁形变分析方法及系统
Liu et al. Analysis on land ecological security change and affect factors using RS and GWR in the Danjiangkou Reservoir area, China
Wheatley Cumulative viewshed analysis: a GIS-based method for investigating intervisibility, and its archaeological application
Aburas et al. Improving the capability of an integrated CA-Markov model to simulate spatio-temporal urban growth trends using an Analytical Hierarchy Process and Frequency Ratio
CN110044327B (zh) 一种基于sar数据与gnss数据的基础设施沉降监测方法及系统
CN112070286A (zh) 复杂地形流域的降水预报预警系统
CN109238227B (zh) 一种表征地面沉降时空演变的方法
Ding et al. Monitoring, analyzing and predicting urban surface subsidence: A case study of Wuhan City, China
CN110503267B (zh) 基于时空尺度自适应模型的城市侵财案件预测系统及预测方法
CN107944377B (zh) 一种交通基础设施安全监控方法和系统
Lu et al. A vector-based Cellular Automata model for simulating urban land use change
CN102289581A (zh) 一种基于空间作用划分的模拟城市扩展的方法
CN111709609A (zh) 一种地质灾害易发性评价方法
CN115270608A (zh) 基于arima与lstm的海岸带地面沉降预测方法
CN110991705A (zh) 一种基于深度学习的城市扩展预测方法及系统
Kobayashi et al. Development of a distributed rainfall‐run‐off/flood‐inundation simulation and economic risk assessment model
Lussana et al. Spatial interpolation of two‐metre temperature over Norway based on the combination of numerical weather prediction ensembles and in situ observations
CN115638767B (zh) 地面沉降监测方法
CN116861647A (zh) 联合MT-InSAR技术和MGWR模型的分层含水层组储水系数反演方法
CN115630577A (zh) 一种降尺度降雨量预测方法及系统
Cho et al. Radar polygon method: an areal rainfall estimation based on radar rainfall imageries
CN116523189A (zh) 一种考虑水文特征的墒情站点规划方法、装置及存储介质
Zhu et al. The optimal bias correction for daily extreme precipitation indices over the Yangtze-Huaihe River Basin, insight from BCC-CSM1. 1-m
Yu et al. GIS-based study on the susceptibility of shallow landslides: a case study of mass shallow landslides in Sanming, Fujian in 2019
Achmad et al. Model prediction and scenario of urban land use and land cover changes for sustainable spatial planning in Lhokseumawe, Aceh, Indonesia

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant