CN111174689A - 一种桥梁形变监测方法 - Google Patents
一种桥梁形变监测方法 Download PDFInfo
- Publication number
- CN111174689A CN111174689A CN202010142900.5A CN202010142900A CN111174689A CN 111174689 A CN111174689 A CN 111174689A CN 202010142900 A CN202010142900 A CN 202010142900A CN 111174689 A CN111174689 A CN 111174689A
- Authority
- CN
- China
- Prior art keywords
- bridge
- deformation
- monitoring
- facility
- sbas
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B7/00—Measuring arrangements characterised by the use of electric or magnetic techniques
- G01B7/16—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring the deformation in a solid, e.g. by resistance strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种桥梁形变监测方法。该方法主要包括:步骤一,选取一种雷达遥感卫星SAR影像数据源,在研究时间和地理空间维度上对桥梁基础设施进行完整覆盖;步骤二,基于时序SBAS‑InSAR技术对选取SAR影像数据源进行干涉处理,得到研究桥梁基础设施监测时间内的详细形变信息;步骤三,对步骤二所获取的桥梁设施详细形变信息进行点线式统计分析,评价研究桥梁设施形变演变趋势。该方法很好地体现了新型SBAS‑InSAR监测手段相较于传统监测手段的技术优越性,而结合了SBAS‑InSAR技术的点线式统计分析方法则大大提高了对于桥梁设施监测成果的可靠性和科学性。对桥梁形变监测进行区间化和点线式的评价,大大提高了SBAS‑InSAR技术对于桥梁基础设施形变监测的可靠性。
Description
技术领域
本发明涉及桥梁基础设施监测形变技术领域,具体为一种桥梁形变监测方法。
背景技术
桥梁是大众交通的重要组成部分,是公路路网和铁路路网中的重要环节,是保证道路全线通车的咽喉。桥梁作为重要的交通设施,对于保证和促进社会经济发展起着基础性的作用。但是,桥梁建成通车后,受气候环境、日益增加的交通量、严重超载等因素影响,使桥梁逐渐老化和疲劳,存在严重的安全隐患。桥梁一旦损坏或坍塌,造成的经济损失是无法估计的,甚至会付出生命的代价。
对桥梁基础设施的实时监测工程成为了当下时代一个越来越重要的热点工作。通过监测工作可以对桥梁设施的承载安全性和劳损程度做出科学性的评价,从而对桥梁设施进行维护和保养工作,从而避免灾害性的倒塌和破损现象发生。过往对于桥梁基础设施的监测技术手段主要以传统监测技术为主。而传统技术手段基于桥梁设施的监测主要基于点的模式展开,无法对桥梁设施面上的整体形变情况进行完整反映。同时,传统监测工作过程中也会受限于复杂的天气环境和空间环境,耗费了过多的人力物力资源。这就大大影响了监测工作的实时性和客观可靠性。
近年来,随着InSAR形变监测技术的成熟和高分辨雷达卫星SAR数据商业化的推进,该技术已经越来越广泛运用于对地表监测研究。雷达遥感卫星可以对地进行全天时、全天候的观测成像,InSAR技术则可以对桥梁面观测数据进行面上处理获取形变信息成果。这很好地弥补了传统监测技术的缺陷。其中,基于InSAR技术衍生发展起来的时序SBAS-InSAR形变监测技术以高精度(mm级别)著称。本发明主要基于以上研究背景提出,旨在提高桥梁基础设施形变监测的可靠性和科学性。
发明内容
为了解决传统桥梁设施形变监测技术的不实时、不全面、资源耗费大的问题,本发明提出了一种桥梁形变监测方法,是基于时序SBAS-InSAR技术和点线式统计分析法的新型监测手段对桥梁设施形变状况进行科学有效的评价。采用的技术方案是,包括以下步骤:
步骤一,选取一种雷达遥感卫星SAR影像数据源,在研究时间和地理空间维度上对桥梁基础设施进行完整覆盖;
步骤二,基于时序SBAS-InSAR技术对选取SAR影像数据源进行干涉处理,得到研究桥梁基础设施监测时间内的详细形变信息;
步骤三,对步骤二所获取的桥梁设施详细形变信息进行点线式统计分析,评价研究桥梁设施形变演变趋势。
进一步的,在步骤一中选取SAR影像数据源的原则为:SAR影像数据平面分辨率为m级别,处于相同运行轨道,在持续时间上超过一年,在覆盖空间范围上高度重叠且完全覆盖桥梁设施区域范围。
进一步的,在步骤二中基于时序SBAS-InSAR技术处理获取研究桥梁基础设施监测时间内的详细形变信息,具体分项步骤如下:
首先,对桥梁设施形变监测影响范围区间化处理,以桥梁设施实际空间长度和宽度作为建立缓冲区间要素,设立地理空间面上的桥梁设施形变影响区间;
通过时序SBAS-InSAR技术对SAR影像数据集进行干涉处理,干涉处理过程关键在于减少各种相对误差源的引入,从而获取精度最优解的形变监测成果;
其中,数据干涉处理思路还应遵循从整体到局部的原则:先整体处理原始幅宽SAR影像数据集,再者局部裁剪处理相关桥梁设施影响区域;
最后,叠加多次干涉处理成果统一分析得到最优化桥梁设施区间监测形变成果。
进一步的,在步骤二中,桥梁设施形变影响区间构建:通过谷歌地球软件采样出桥梁地理中心线要素,再通过Arcgis软件基于中心线要素设置好桥梁空间长度和空间宽度阈值,生成相关桥梁设施缓冲区间。
进一步的,在步骤二中,基于时序SBAS-InSAR技术处理数据成果,其依据为:从小基线集公式来看,当A秩亏时,ATA成奇异值,可若存在L个基线集时,A的秩为N-L+1,数据集的解就变为无穷大(N≤M)
以SVD方法去解构公式,SVD方法的核心就是求解最小范数的最小二乘解,对A求解得:
A=USVT (1)
上公式(1)中,S为对角矩阵M×M,U为正交矩阵M×M,V则表示矩阵N×N,当M>N时,M-N为特征值=0的数量,而A秩亏,只存在L-1个
综合以上,S为:
S=diag(σ1,.....,σN-L+1,0,....,0) (2)
σi为奇异值,由此分解可以得到最小范数的最小二乘解:
由于S+=diag(1/σ1,.....,1/σN-L+1,0......0),可以得到:
其中,U与V的列向量表示为ui和vi;为了求解物理意义上的解,将公式(5)中的未知数改为:
将公式(6)代入公式(5)得:
矩阵模式下:
Bv=δφ (8)
公式(8)中,B矩阵仍以M×N阶形式表示,利用SVD解算最小范数的最小二乘解,求得模型目标点形变速率值,从而反演出地表模型形变相位值,由于模型相位值与真实形变相位值存在残差影响,作差去除后还需要考虑到大气延迟相位的叠加影响,最后通过大气高通滤波模型同样消减。
进一步的,在步骤三中,运用点线式统计分析法对步骤二中所取得的桥梁设施区间内形变监测成果进行评价,其详细分项步骤为:根据建立好的桥梁设施独立区间矢量文件筛选形变点位;根据筛选后桥梁设施区间内的形变点位的年形变速率值统计出年平均形变速率值和最大形变速率差值进行评价;根据桥面中心线作为InSAR年速率结果的剖面线提取该中心线形变点在距离上的形变演变分析;根据桥梁设施形变状况选取形变特征点在监测时间序列上进行历史演变分析;根据桥梁设施的形变一般发展规律和InSAR监测分析成果对桥梁未来形变趋势做出总结。
本发明的有益效果:本发明的桥梁形变监测方法是一种对桥梁设施形变状态进行分析评价的科学方法,该方法结合时序SBAS-InSAR形变监测技术和点线式统计分析法对桥梁设施进行未来风险性评价,实现了对桥梁设施的高精度监测和安全性有效评价。基于以往对桥梁设施形变监测方法的区别之处在于:(i)引入了区间化的监测思想,对桥梁设施的形变监测不再是基于点上而是面上,评价体系更有整体性;(ii)所采用的时序SBAS-InSAR技术监测形变精度更高;(iii)引入了点线式的统计分析方法,使得对桥梁设施的形变状况有一个更科学合理的解释和评价。所以,本发明能大大提高对桥梁设施的精细化监测水平和预警能力。
附图说明
图1为本发明的处理流程图;
图2为TerraSAR影像强度图;
图3为螺洲大桥2013年-2015年形变速率图;
图4为螺洲大桥中心剖线形变曲线图;
图5为螺洲大桥特征点时间序列形变图。
具体实施方式
为使本发明的目的、技术方案及优点更加清晰,以下结合附图及实施实例,对本发明进行进一步阐释。应当理解,此处所描述的具体实施事例仅仅用以解释本发明,并不用于限定本发明。
如图1至图5所示,一种桥梁形变监测方法,其主要包括以下步骤:
步骤一:获取在时空维度上完整覆盖所研究桥梁设施的高分辨率SAR影像数据源。其中选取SAR影像数据源的原则为:SAR影像数据平面分辨率为m级别,处于相同运行轨道,在持续时间上超过一年,在覆盖空间范围上高度重叠且完全覆盖桥梁设施区域范围。
本次实例主要针对于福建省福州市的福州螺洲大桥。螺洲大桥始建于2008年,于2012年整体建成竣工,2013年后投入使用。全桥跨水域长度为3.5km,桥宽43米,地理位置位于南台岛与闽侯青口组团间,横跨乌龙江江面。本实例所采用的雷达影像数据源为TerraSAR-X,该SAR数据空间分辨率为3米,时间跨度为2013年7月18日至2015年8月27日,总间隔天数为758天,雷达卫星在研究区域此时间段内过境观测共48次成像,实验选取了其中同轨道的24景数据影像作为数据处理。详细影像获取时间如表1所示:
表1 TerraSAR实验数据成像时间一览表
该TerraSAR-X影像数据为降轨VV极化模式雷达影像,影像地理覆盖范围为北纬25.73°-26.37°,东经119.13°-119.63°,影像东西宽32km,南北长55km,总覆盖面积达到1760km2,强度图见图2,具体技术参数见表2:
表2 TerraSAR影像实验数据基本参数表
步骤二:基于时序SBAS-InSAR技术对SAR影像数据集进行干涉处理获取研究桥梁设施区间内的形变成果。对桥梁设施监测形变影响的区域进行区间化划分,而主要的技术处理手段为SBAS-InSAR技术。先基于SBAS-InSAR技术对SAR影像数据集进行干涉处理,再通过划分桥梁设施形变监测区间分离出形变信息。
其详细主要步骤为下:
1、桥梁设施形变影响区域区间划分构建
本次实例所研究的桥梁设施为福州螺洲大桥。先利用谷歌地球软件基于桥面宽度建立桥面地理中心线矢量文件,在ARCGIS软件中将生成的桥面地理中心线矢量文件基于桥梁实际长度和宽度建立有效形变影响区间。缓冲区间的建立是为了下一步提取InSAR数据成果作准备。因此,螺洲大桥由北至南基于桥面中心线建成宽43米和长3.5千米的缓冲带。
2、研究区域DEM的获取
因为在差分干涉处理流程中需要引入参考DEM模型,以计算去除掉地形效应代入的误差形变值。基于最优原则,选取了AW3D30模型,因为该数据拥有最高的空间分辨率和时效性。
3、基于SBAS-InSAR技术对SAR影像数据集进行干涉处理获取桥梁设施形变监测信息
基于SBAS-InSAR技术的短基线空间集处理原则,设置相关的时间基线值和空间基线值对所有估算生成的影像干涉对进行控制参数筛选组成干涉基线集。经过多组实验,当时间基线设置为0-100天,空间基线设置为0-600米时,数据集既能在时空上紧密联系,又不至于由于加入了时空基线过大的影像对造成部分干涉对失相干,从而总体降低了干涉数据集的计算精度。由于研究对象为桥梁设施,主要以人工建构物为主,影像对干涉过程中能获取大数量稳定的高相干点。由于高相干点对于干涉时间的敏感度较低,主要的相干影响来自于空间基线大小的影响。通过后续检查了数据集中的有效干涉对,发现每一干涉对在研究区域的相干性很高。CC平均值均在0.4以上,干涉条纹也很明显,并不存在失相干现象,一共得到了有效干涉对62对,并不需要剔除。时空基线数据集基于多个主影像原则构建,而主影像中存在一个超级主影像作为所有影像的一个配准基点。通过多次实验选择了第14幅影像20141114成为超级主影像。差分干涉的过程即是对小基线集中的每一干涉对作常规的D-InSAR处理,步骤包括:去除平地效应和地形效应生成原始干涉条纹图、干涉图滤波处理和相位解缠。第一步干涉过程中干涉对基于两两影像间的轨道信息去平地效应影响,参考DEM模型去除地形效应的影响生成原始干涉条纹图和相干系数图。第二步对原始干涉条纹图进行降噪滤波处理,生成滤波后干涉图。第三步对滤波后干涉图进行相位解缠,分离出形变信息。通过多次实验设定,其中处理过程中的详细参数选择如下表3所示:
表3 干涉处理参数表
为了计算去除残余的平地相位值和轨道偏移造成的误差相位值,还需要对干涉差分相位值进行轨道精炼和重去平。通过在相位图上选取稳定的GCP点,以GCP点的相位值作为邻近区域的参考相位值,联合平差解算全图的相位值,鉴于研究区域幅宽大小,设定GCP点影响的网格范围为5km×5km。在本次实验当中GCP点的选择标准为:尽量远离相位突变区域,选择相位稳定的区域。线性反演模型是以在设置相干性阙值以上的点建立线性形变速率函数和高程误差估算函数,利用奇异值(SVD)的解算方法计算构建的函数方程组,取得全图所有点的平均形变速率差值和误差高程值,然后整体进行修正。此次实验选取纳入模型换算的相干系数点阙值设为0.5,实验设置的时间领域的高通滤波值为365天,空间领域低通滤波值为1200米,经过形变反演后得到时间序列上的解缠结果。形变线性反演后将所得时间序列上的形变结果和年速率形变结果进行地理编码,再通过构建好的缓冲区间截取桥梁设施监测时间内形变点的年速率成果和形变成果成图,如图3所示。
步骤二中实践关键操作细节为:
桥梁设施形变影响区间构建:通过谷歌地球软件采样出桥梁地理中心线要素,再通过Arcgis软件基于中心线要素设置好桥梁空间长度和空间宽度阈值,生成相关桥梁设施缓冲区间;
桥梁设施表面DSM获取:ALOS Global Digital Surface Model"ALOS World 3D-30m"(AW3D30)是由日本宇宙航空研究开发机构(JAXA)免费提供的高精度全球数字地表模型数据,水平分辨率为30米(1弧秒),地表相对高程精度达到5米。
步骤二中基于时序SBAS-InSAR技术处理数据成果,其核心技术思想体现为:SBAS(小基线值)方法的提出主要为了在时间序列上对影像集进行形变分析,通过分析影像间的基线大小,基于一定的基线阙值求解出影像时间序列上的形变值。在只考虑构建一个小基线集时,唯一主影像与其余影像组成的小基线像对组并不能完全在时间序列上连续,这就要求设定更多的主影像以达到足够的像对数量。但这一方法缺点也明显,从小基线集公式来看,当A秩亏时,ATA成奇异值。可若存在L个基线集时,A的秩为N-L+1,数据集的解就变为无穷大(N≤M)
以SVD方法去解构公式,SVD方法的核心就是求解最小范数的最小二乘解,对A求解得:
A=USVT (1)
上公式(1)中,S为对角矩阵M×M,U为正交矩阵M×M,V则表示矩阵N×N,当M>N时,M-N为特征值=0的数量,而A秩亏,只存在L-1个
综合以上,S为:
S=diag(σ1,.....,σN-L+1,0,....,0) (2)
σi为奇异值,由此分解可以得到最小范数的最小二乘解:
由于S+=diag(1/σ1,.....,1/σN-L+1,0......0),可以得到:
其中,U与V的列向量表示为ui和vi;为了求解物理意义上的解,将公式(5)中的未知数改为:
将公式(6)代入公式(5)得:
矩阵模式下:
Bv=δφ (8)
公式(8)中,B矩阵仍以M×N阶形式表示,利用SVD解算最小范数的最小二乘解,求得模型目标点形变速率值,从而反演出地表模型形变相位值,由于模型相位值与真实形变相位值存在残差影响,作差去除后还需要考虑到大气延迟相位的叠加影响,最后通过大气高通滤波模型同样消减。
步骤三:以点线式统计分析方法对桥梁设施进行形变评价
在螺洲大桥实例中,利用Arcgis软件中自带的栅格数值统计模块统计截取的桥面形变速率点得到,形变点速率最大值为27.9mm/year,形变点速率最小值为-26.1mm/year,而整体平均速率值为-4.6mm/year。从统计数字结果可以看出螺洲大桥整体处于沉降状态,但由于形变点间差异值较大,抬升点与沉降点最大较差值为54mm/year,呈现出了不均匀沉降的发展趋势。为了分析桥面上沉降点基于数值上的沉降细节,以桥面中心线作为InSAR年速率结果的剖面线提取该中心线形变点在线性距离上的形变演变。如图4所示,从桥面中心线形变速率点剖面图看,由北至南2km距离内形变点年速率值大多都在-10mm/year以下,而超过2km后形变点速率值则大多保持在-10mm/year以上。通过寻找相关螺洲大桥资料可知,2016年1月份左右,据福州市新闻报导,螺洲大桥桥面人行道上,有多处伸缩缝的钢板缺失,十几厘米宽空隙成了行人的“陷阱”。这些伸缩缝多用钢板覆盖,但仍有多处伸缩缝裸露在外,每处宽十几厘米。由北至南沿线近2公里长的人行道上一共有5处裸露的伸缩缝。同时,螺洲大桥北边下桥匝道处也出现了一条连续的“坑带”,不到10米长的沥青路面上分布着多个坑洞,沥青路面大面积开裂,碎石到处都是。这显示了SBAS-InSAR的形变结果充分符合了调查成果资料。
为了揭示桥面沉降点在时间序列上的演变细节特征,选取了桥面中心线上从北至南1.4km处形变速率值最大的形变特征点作为展示,如图5所示。从特征点在监测时间内的形变演变图看,从2013年7月8号开始至2014年12月28号截至陡坡式累计沉降超过了50mm,而后开始阶段性回升,到2015年8月27号累计沉降52.78mm。分析沉降成因,桥梁初始建成时,由于施工建设期间高强度的动土挖掘,地基土层正处于松软脆弱状态。在车载荷载、人流荷载和桥身自带荷载等动静荷载的联合作用下,地基桥桩作用于土层,处于一个阶段性的下沉状态。待桥基体下陷到一定状态后,与土层发生了紧密结合,土层对桥基体的反作用力更强,承载力也得到了提高,沉降效应减弱,并且发生稳定性的回弹作用。该形变特征点的形变演变很好地解析了桥梁形变的一般性规律。
从线性分析特征来看,螺洲大桥出现了较严重的分段式不均匀沉降状态,未来发生局部灾害性事件的可能性非常大。从点性分析特征来看,螺洲大桥虽然显示了阶段性的恢复,但仍旧是处于较大的沉降状态。所以,可以认为螺洲大桥需要在未来时间内进行更多的形变监测工作和维护修复工作,以避免更大的灾害性事件发生。
本发明基于SBAS-InSAR形变监测技术和区间化点线式评价方法对螺洲大桥进行了危害性评价,取得很好的监测成果和评价成果。该方法很好地体现了SBAS-InSAR形变监测技术和区间化点线式评价方法的结合价值,实现了桥梁设施高精度化的形变监测和灾害性的评价成果。对桥梁设施形变监测引入了区间化概念和点线式分析评价体系,为桥梁设施形变监测工作和灾害性预警工作提供了一种新型的技术发展理念。
Claims (6)
1.一种桥梁形变监测方法,其特征在于,包括以下步骤:
步骤一,选取一种雷达遥感卫星SAR影像数据源,在研究时间和地理空间维度上对桥梁基础设施进行完整覆盖;
步骤二,基于时序SBAS-InSAR技术对选取SAR影像数据源进行干涉处理,得到研究桥梁基础设施监测时间内的详细形变信息;
步骤三,对步骤二所获取的桥梁设施详细形变信息进行点线式统计分析,评价研究桥梁设施形变演变趋势。
2.根据权利要求1所述的桥梁形变监测方法,其特征在于,在步骤一中选取SAR影像数据源的原则为:SAR影像数据平面分辨率为m级别,处于相同运行轨道,在持续时间上超过一年,在覆盖空间范围上高度重叠且完全覆盖桥梁设施区域范围。
3.根据权利要求1所述的桥梁形变监测方法,其特征在于,在步骤二中基于时序SBAS-InSAR技术处理获取研究桥梁基础设施监测时间内的详细形变信息,具体分项步骤如下:
首先,对桥梁设施形变监测影响范围区间化处理,以桥梁设施实际空间长度和宽度作为建立缓冲区间要素,设立地理空间面上的桥梁设施形变影响区间;
通过时序SBAS-InSAR技术对SAR影像数据集进行干涉处理,干涉处理过程关键在于减少各种相对误差源的引入,从而获取精度最优解的形变监测成果;
其中,数据干涉处理思路还应遵循从整体到局部的原则:先整体处理原始幅宽SAR影像数据集,再者局部裁剪处理相关桥梁设施影响区域;
最后,叠加多次干涉处理成果统一分析得到最优化桥梁设施区间监测形变成果。
4.根据权利要求3所述的桥梁形变监测方法,其特征在于,在步骤二中,桥梁设施形变影响区间构建:通过谷歌地球软件采样出桥梁地理中心线要素,再通过Arcgis软件基于中心线要素设置好桥梁空间长度和空间宽度阈值,生成相关桥梁设施缓冲区间。
5.根据权利要求1所述的桥梁形变监测方法,其特征在于,在步骤二中,基于时序SBAS-InSAR技术处理数据成果,其依据为:从小基线集公式来看,当A秩亏时,ATA成奇异值,可若存在L个基线集时,A的秩为N-L+1,数据集的解就变为无穷大(N≤M)
以SVD方法去解构公式,SVD方法的核心就是求解最小范数的最小二乘解,对A求解得:
A=USVT (1)
上公式(1)中,S为对角矩阵M×M,U为正交矩阵M×M,V则表示矩阵N×N,当M>N时,M-N为特征值=0的数量,而A秩亏,只存在L-1个
综合以上,S为:
S=diag(σ1,.....,σN-L+1,0,....,0) (2)
σi为奇异值,由此分解可以得到最小范数的最小二乘解:
由于S+=diag(1/σ1,.....,1/σN-L+1,0......0),可以得到:
其中,U与V的列向量表示为ui和vi;为了求解物理意义上的解,将公式(5)中的未知数改为:
将公式(6)代入公式(5)得:
矩阵模式下:
Bv=δφ (8)
公式(8)中,B矩阵仍以M×N阶形式表示,利用SVD解算最小范数的最小二乘解,求得模型目标点形变速率值,从而反演出地表模型形变相位值,由于模型相位值与真实形变相位值存在残差影响,作差去除后还需要考虑到大气延迟相位的叠加影响,最后通过大气高通滤波模型同样消减。
6.根据权利要求1所述的桥梁形变监测方法,其特征在于,在步骤三中,运用点线式统计分析法对步骤二中所取得的桥梁设施区间内形变监测成果进行评价,其详细分项步骤为:根据建立好的桥梁设施独立区间矢量文件筛选形变点位;根据筛选后桥梁设施区间内的形变点位的年形变速率值统计出年平均形变速率值和最大形变速率差值进行评价;根据桥面中心线作为InSAR年速率结果的剖面线提取该中心线形变点在距离上的形变演变分析;根据桥梁设施形变状况选取形变特征点在监测时间序列上进行历史演变分析;根据桥梁设施的形变一般发展规律和InSAR监测分析成果对桥梁未来形变趋势做出总结。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010142900.5A CN111174689A (zh) | 2020-03-04 | 2020-03-04 | 一种桥梁形变监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010142900.5A CN111174689A (zh) | 2020-03-04 | 2020-03-04 | 一种桥梁形变监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111174689A true CN111174689A (zh) | 2020-05-19 |
Family
ID=70647840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010142900.5A Pending CN111174689A (zh) | 2020-03-04 | 2020-03-04 | 一种桥梁形变监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111174689A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112902823A (zh) * | 2021-01-18 | 2021-06-04 | 深圳大学 | 桥梁星空地多源观测协同动态监测与安全预警技术 |
WO2022214114A3 (zh) * | 2021-08-10 | 2022-11-10 | 中咨数据有限公司 | 融合GNSS数据与InSAR技术的桥梁变形监测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104111456A (zh) * | 2014-07-23 | 2014-10-22 | 中国国土资源航空物探遥感中心 | 一种高速铁路沿线地表形变高分辨率InSAR监测方法 |
CN104730521A (zh) * | 2015-04-01 | 2015-06-24 | 北京航空航天大学 | 一种基于非线性优化策略的SBAS-DInSAR方法 |
CN106950556A (zh) * | 2017-05-03 | 2017-07-14 | 三亚中科遥感研究所 | 基于分布式散射体时序干涉sar技术的遗产地形变监测方法 |
CN107132539A (zh) * | 2017-05-03 | 2017-09-05 | 中国地质科学院探矿工艺研究所 | 一种基于小基线集的时间序列InSAR的滑坡早期识别方法 |
CN108362200A (zh) * | 2018-02-24 | 2018-08-03 | 深圳市北斗智星勘测科技有限公司 | 一种快速更新InSAR变形序列结果的方法 |
CN108663017A (zh) * | 2018-08-13 | 2018-10-16 | 伟志股份公司 | 一种监测城市地铁沿线地表沉降的方法 |
-
2020
- 2020-03-04 CN CN202010142900.5A patent/CN111174689A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104111456A (zh) * | 2014-07-23 | 2014-10-22 | 中国国土资源航空物探遥感中心 | 一种高速铁路沿线地表形变高分辨率InSAR监测方法 |
CN104730521A (zh) * | 2015-04-01 | 2015-06-24 | 北京航空航天大学 | 一种基于非线性优化策略的SBAS-DInSAR方法 |
CN106950556A (zh) * | 2017-05-03 | 2017-07-14 | 三亚中科遥感研究所 | 基于分布式散射体时序干涉sar技术的遗产地形变监测方法 |
CN107132539A (zh) * | 2017-05-03 | 2017-09-05 | 中国地质科学院探矿工艺研究所 | 一种基于小基线集的时间序列InSAR的滑坡早期识别方法 |
CN108362200A (zh) * | 2018-02-24 | 2018-08-03 | 深圳市北斗智星勘测科技有限公司 | 一种快速更新InSAR变形序列结果的方法 |
CN108663017A (zh) * | 2018-08-13 | 2018-10-16 | 伟志股份公司 | 一种监测城市地铁沿线地表沉降的方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112902823A (zh) * | 2021-01-18 | 2021-06-04 | 深圳大学 | 桥梁星空地多源观测协同动态监测与安全预警技术 |
CN112902823B (zh) * | 2021-01-18 | 2022-07-22 | 深圳大学 | 桥梁星空地多源观测协同动态监测与安全预警技术 |
WO2022214114A3 (zh) * | 2021-08-10 | 2022-11-10 | 中咨数据有限公司 | 融合GNSS数据与InSAR技术的桥梁变形监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Di Martire et al. | Landslide detection integrated system (LaDIS) based on in-situ and satellite SAR interferometry measurements | |
Grzovic et al. | Evaluation of land subsidence from underground coal mining using TimeSAR (SBAS and PSI) in Springfield, Illinois, USA | |
Nikolakopoulos et al. | Preliminary results from active landslide monitoring using multidisciplinary surveys | |
He et al. | TS-InSAR analysis for monitoring ground deformation in Lanzhou New District, the loess Plateau of China, from 2017 to 2019 | |
Cascini et al. | Detection and monitoring of facilities exposed to subsidence phenomena via past and current generation SAR sensors | |
Erten et al. | The worsening impacts of land reclamation assessed with Sentinel-1: The Rize (Turkey) test case | |
Ruiz-Armenteros et al. | Deformation monitoring of dam infrastructures via spaceborne MT-InSAR. The case of La Viñuela (Málaga, southern Spain) | |
CN113281742A (zh) | 一种基于滑坡形变信息和气象数据的sar滑坡预警方法 | |
CN111174689A (zh) | 一种桥梁形变监测方法 | |
Lu et al. | Monitoring urban land surface deformation (2004–2010) from InSAR, groundwater and levelling data: A case study of Changzhou city, China | |
CN114966689A (zh) | 沿海城市时序InSAR沉降监测分析方法、装置、设备及介质 | |
Meghraoui et al. | Mapping of soil erodibility and assessment of soil losses using the RUSLE model in the Sebaa Chioukh Mountains (northwest of Algeria) | |
Rastogi et al. | Urban sprawl analysis using shannon’s entropy and fractal analysis: A case study on Tiruchirappalli city, India | |
Shahabi et al. | Application of satellite remote sensing for detailed landslide inventories using frequency ratio model and GIS | |
Huang et al. | Ancient landslide in Wanzhou District analysis from 2015 to 2018 based on ALOS-2 data by QPS-InSAR | |
Blomgren | A digital elevation model for estimating flooding scenarios at the Falsterbo Peninsula | |
Schumann et al. | Measuring and mapping flood processes | |
Dawod et al. | Projected impacts of land use and road network changes on increasing flood hazards using a 4D GIS: A case study in Makkah metropolitan area, Saudi Arabia | |
Bannari et al. | Comparison of SRTM-V4. 1 and ASTER-V2. 1 for accurate topographic attributes and hydrologic indices extraction in flooded areas | |
Yang et al. | Ground deformation monitoring of Zhengzhou city from 2012 to 2013 using an improved IPTA | |
Mukhammadzoda et al. | Application of frequency ratio method for landslide susceptibility mapping in the Surkhob Valley, Tajikistan | |
Gesch | An inventory of topographic surface changes: the value of multi-temporal elevation data for change analysis and monitoring | |
CN112068131A (zh) | InSAR地裂缝影响带宽度探测方法、设备及存储介质 | |
Si et al. | Temporal and spatial evolution of land subsidence induced by groundwater exploitation and construction in the Eastern Chaoyang District, Beijing, China | |
Poenaru et al. | Environmental impact assessment of Rosia Jiu opencast area using an integrated SAR analysis |
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 |