CN111257873A - 一种基于合成孔径雷达干涉测量的滑坡灾害隐患识别方法 - Google Patents
一种基于合成孔径雷达干涉测量的滑坡灾害隐患识别方法 Download PDFInfo
- Publication number
- CN111257873A CN111257873A CN202010041560.7A CN202010041560A CN111257873A CN 111257873 A CN111257873 A CN 111257873A CN 202010041560 A CN202010041560 A CN 202010041560A CN 111257873 A CN111257873 A CN 111257873A
- Authority
- CN
- China
- Prior art keywords
- landslide
- synthetic aperture
- aperture radar
- deformation
- data
- 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
- 238000005305 interferometry Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 238000011835 investigation Methods 0.000 claims abstract description 25
- 238000005516 engineering process Methods 0.000 claims abstract description 11
- 230000000694 effects Effects 0.000 claims abstract description 10
- 238000013461 design Methods 0.000 claims abstract description 8
- 238000011160 research Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 12
- 238000012544 monitoring process Methods 0.000 claims description 11
- 230000008901 benefit Effects 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 6
- 230000002265 prevention Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000013524 data verification Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 238000007670 refining Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract 1
- 231100001267 hazard identification Toxicity 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
Images
Classifications
-
- 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
- G01S13/00—Systems 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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
-
- 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
- G01S13/00—Systems 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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9023—SAR image post-processing techniques combined with interferometric techniques
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于合成孔径雷达干涉测量的滑坡灾害隐患识别方法，方法如下所示：步骤1：滑坡灾害调查；步骤2：合成孔径雷达数据查询；步骤3:合成孔径雷达干涉测量可行性分析；步骤4：合成孔径雷达干涉测量技术优选；步骤:5：滑坡灾害隐患早期识别；步骤6：区域滑坡活动性和强度评价；步骤7：滑坡变形模式分析；本发明规范了利用合成孔径雷达干涉测量技术识别区域潜在滑坡灾害隐患中的步骤和所采取的方法，滑坡变形模式分析成果可有效提升滑坡调查效率和防治工程设计准确性；使利用合成孔径雷达干涉测量技术开展滑坡灾害隐患识别的方法流程更加完善。
Description
技术领域
本发明涉及一种滑坡灾害隐患识别方法，具体是指一种基于合成孔径雷达干涉测量的滑坡灾害隐患识别方法。
背景技术
合成孔径雷达干涉测量技术作为当前地表变形监测和区域尺度滑坡灾害监测与识别的有效技术，已经是滑坡灾害隐患识别必不可少的方法和手段，但目前国内对于该技术应用前、应用中和应用后的数据选择、方法流程及数据分析方法不甚清楚，大量相关工作人员利用该技术对于滑坡灾害隐患识别和分析效率太低。所以，一种提高滑坡灾害隐患识别的工作效率和经济效益的基于合成孔径雷达干涉测量的滑坡灾害隐患识别方法体系成为人们亟待解决的问题。
发明内容
本发明要解决的技术问题是现有技术对于合成孔径雷达干涉测量技术的应用不清楚、对于滑坡灾害隐患识别和分析效率太低等问题。
为解决上述技术问题，本发明提供的技术方案为：一种基于合成孔径雷达干涉测量的滑坡灾害隐患识别方法，所述方法如下所示：
步骤1：滑坡灾害调查：主要调查内容包括区域地质构造、地层岩性、地形地貌、地表覆盖类型以及地质灾害分布，所述地质灾害分布与地质环境背景服务于数据处理分析中变形体的初步识别和验证，地形地貌服务于合成孔径雷达数据应用过程中可行性分析，地表覆盖类型用于最终可能变形信息分布的预判；
步骤2：合成孔径雷达数据查询：用于确定覆盖研究区、可获取、满足数据量需求的合成孔径雷达数据类型和相关几何参数；
步骤3:合成孔径雷达干涉测量可行性分析：是对区域可获取合成孔径雷达数据类型进行地形可视性分析，获取合成孔径雷达数据的地形可视区域和几何畸变区域，验证合成孔径雷达数据在山区变形监测的可行性；所述地形可行性分析是通过GIS平台，利用地形坡度、坡向和卫星视线方向的几何特征结合山体阴影模型和栅格计算器，模拟合成孔径雷达数据地形可视性系数和叠掩及阴影所处位置，进一步结合滑坡数据库对研究区合成孔径雷达数据的滑坡可视性进行分析，评价合成孔径雷达数据的滑坡灾害监测能力，筛选适用于研究区、经济效益最高的合成孔径雷达数据类型；
步骤4：合成孔径雷达干涉测量技术优选：利用差分干涉测量、永久散射体干涉测量和小基线集干涉测量技术通过影像裁剪、基线估计、影像配准、干涉、去除地形相位、相位滤波、相位解缠、误差去除和地理编码获取WGS84坐标系下地表变形数据，通过区域分析、地面监测数据验证和野外考察验证合成孔径雷达干涉测量技术的优劣和变形监测结果的有效性，筛选适用于研究区的最优合成孔径雷达干涉测量技术；
步骤:5：滑坡灾害隐患早期识别：基于最优合成孔径雷达干涉测量技术获取的地表变形速率，结合历史滑坡遥感影像和地形地貌特征建立滑坡灾害隐患解译标志和变形阈值，对滑坡灾害隐患进行遥感解译和圈定，并制定野外考察路线，进行详细野外考察，验证和精炼滑坡灾害隐患识别结果；
步骤6：区域滑坡活动性和强度评价：基于长时间序列历史变形数据，对滑坡历史形变和当前形变进行比较分析，评价滑坡的活动性，利用GIS平台空间分析功能提取滑坡最大变形速率，确定滑坡活动强度；
步骤7：滑坡变形模式分析：将滑坡变形剖面结合地质剖面确定滑坡空间变形模式，确定滑坡搬运区和堆积区；基于滑坡空间变形分布特征划分滑坡的二维空间变形分区，将滑坡不同位置的时间序列变形结合降雨、地震等数据分析滑坡时间变形模式；最后结合滑坡时间变形模式、空间变形模式和地形地貌特征分析滑坡运动机制。
进一步地，所述滑坡灾害调查的目的在于对研究区的地质环境背景和灾害现状进行深入的了解，认识地质灾害发育特征、孕灾背景、灾害分布规律等，尤其对区域典型灾害变形特征及其遥感影像光谱特征进行总结，服务于后期遥感数据处理过程中的人为参与和分析。
进一步地，所述合成孔径雷达数据查询的方式如下所示：通过欧空局软件、阿拉斯加卫星数据查询网站、哨兵数据查询网站和相关合成孔径雷达商业卫星代理商对研究区所有合成孔径雷达数据进行查询，获取研究区存档合成孔径雷达数据类型和覆盖范围。
进一步地，所述合成孔径雷达干涉测量可行性分析有针对性的选择下载、订购研究所需数据，减少数据处理量，提高数据处理和分析效率，提高合成孔径雷达数据利用率，降低购买合成孔径雷达数据的经济消耗。
进一步地，所述滑坡变形模式分析针对性的区分滑坡搬运和堆积区，确定滑坡运动部位，揭示滑坡加速过程，能够提高灾害体地质调查效率，提升灾害防治工程设计的准确性。
与现有技术相比，本发明的优点：本发明利用合成孔径雷达干涉测量技术在区域尺度开展滑坡灾害隐患早期识别的方法体系，该方法体系规范了在利用合成孔径雷达干涉测量技术识别区域潜在滑坡灾害隐患中的各个步骤和所采取的方法，能够提升滑坡灾害隐患识别的工作效率和经济效益，滑坡变形模式分析成果可有效提升滑坡灾害调查效率和防治工程设计准确性；使利用合成孔径雷达干涉测量技术开展滑坡灾害隐患识别的方法流程更加完善；本发明设计合理，值得大力推广。
附图说明
图1是一种基于合成孔径雷达干涉测量的滑坡灾害隐患识别方法的流程图；
如图所示：SAR数据为合成孔径雷达数据，InSAR为合成孔径雷达干涉测量，DInSAR为差分干涉测量，PSInSAR为永久散射体干涉测量，SBAS-InSAR为小基线集干涉测量。
具体实施方式
下面结合附图对本发明做进一步的详细说明。
结合附图1，对本发明进行详细介绍。
本发明在具体实施时提供了一种基于合成孔径雷达干涉测量的滑坡灾害隐患识别方法，
所述方法如下所示：
步骤1：滑坡灾害调查：主要调查内容包括区域地质构造、地层岩性、地形地貌、地表覆盖类型以及地质灾害分布，所述地质灾害分布与地质环境背景服务于数据处理分析中变形体的初步识别和验证，地形地貌服务于合成孔径雷达数据应用过程中可行性分析，地表覆盖类型用于最终可能变形信息分布的预判；
步骤2：合成孔径雷达数据查询：用于确定覆盖研究区、可获取、满足数据量需求的合成孔径雷达数据类型和相关几何参数；
步骤3:合成孔径雷达干涉测量可行性分析：是对区域可获取合成孔径雷达数据类型进行地形可视性分析，获取合成孔径雷达数据的地形可视区域和几何畸变区域，验证合成孔径雷达数据在山区变形监测的可行性；所述地形可行性分析是通过GIS平台，利用地形坡度、坡向和卫星视线方向的几何特征结合山体阴影模型和栅格计算器，模拟合成孔径雷达数据地形可视性系数和叠掩及阴影所处位置，进一步结合滑坡数据库对研究区合成孔径雷达数据的滑坡可视性进行分析，评价合成孔径雷达数据的滑坡灾害监测能力，筛选适用于研究区、经济效益最高的合成孔径雷达数据类型；
步骤4：合成孔径雷达干涉测量技术优选：利用差分干涉测量、永久散射体干涉测量和小基线集干涉测量技术通过影像裁剪、基线估计、影像配准、干涉、去除地形相位、相位滤波、相位解缠、误差去除和地理编码获取WGS84坐标系下地表变形数据，通过区域分析、地面监测数据验证和野外考察验证合成孔径雷达干涉测量技术的优劣和变形监测结果的有效性，筛选适用于研究区的最优合成孔径雷达干涉测量技术；
步骤:5：滑坡灾害隐患早期识别：基于最优合成孔径雷达干涉测量技术获取的地表变形速率，结合历史滑坡遥感影像和地形地貌特征建立滑坡灾害隐患解译标志和变形阈值，对滑坡灾害隐患进行遥感解译和圈定，并制定野外考察路线，进行详细野外考察，验证和精炼滑坡灾害隐患识别结果；
步骤6：区域滑坡活动性和强度评价：基于长时间序列历史变形数据，对滑坡历史形变和当前形变进行比较分析，评价滑坡的活动性，利用GIS平台空间分析功能提取滑坡最大变形速率，确定滑坡活动强度；
步骤7：滑坡变形模式分析：将滑坡变形剖面结合地质剖面确定滑坡空间变形模式，确定滑坡搬运区和堆积区；基于滑坡空间变形分布特征划分滑坡的二维空间变形分区，将滑坡不同位置的时间序列变形结合降雨、地震等数据分析滑坡时间变形模式；最后结合滑坡时间变形模式、空间变形模式和地形地貌特征分析滑坡运动机制。
所述滑坡灾害调查的目的在于对研究区的地质环境背景和灾害现状进行深入的了解，认识地质灾害发育特征、孕灾背景、灾害分布规律等，尤其对区域典型灾害变形特征及其遥感影像光谱特征进行总结，服务于后期遥感数据处理过程中的人为参与和分析。
所述合成孔径雷达数据查询的方式如下所示：通过欧空局软件、阿拉斯加卫星数据查询网站、哨兵数据查询网站和相关合成孔径雷达商业卫星代理商对研究区所有合成孔径雷达数据进行查询，获取研究区存档合成孔径雷达数据类型和覆盖范围。
所述合成孔径雷达干涉测量可行性分析有针对性的选择下载、订购研究所需数据，减少数据处理量，提高数据处理和分析效率，提高合成孔径雷达数据利用率，降低购买合成孔径雷达数据的经济消耗。
所述滑坡变形模式分析针对性的区分滑坡搬运和堆积区，确定滑坡运动部位，揭示滑坡加速过程，能够提高灾害体地质调查效率，提升灾害防治工程设计的准确性。
本发明利用合成孔径雷达干涉测量技术在区域尺度开展滑坡灾害隐患早期识别的方法体系，该方法体系规范了在利用合成孔径雷达干涉测量技术识别区域潜在滑坡灾害隐患中的各个步骤和所采取的方法，能够提升滑坡灾害隐患识别的工作效率和经济效益，滑坡变形模式分析成果可有效提升滑坡灾害调查效率和防治工程设计准确性；使利用合成孔径雷达干涉测量技术开展滑坡灾害隐患识别的方法流程更加完善；本发明设计合理，值得大力推广。
以上对本发明及其实施方式进行了描述，这种描述没有限制性，实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。
Claims (5)
1.一种基于合成孔径雷达干涉测量的滑坡灾害隐患识别方法，其特征在于：所述方法如下所示：
步骤1：滑坡灾害调查：主要调查内容包括区域地质构造、地层岩性、地形地貌、地表覆盖类型以及地质灾害分布，所述地质灾害分布与地质环境背景服务于数据处理分析中变形体的初步识别和验证，地形地貌服务于合成孔径雷达数据应用过程中可行性分析，地表覆盖类型用于最终可能变形信息分布的预判；
步骤2：合成孔径雷达数据查询：用于确定覆盖研究区、可获取、满足数据量需求的合成孔径雷达数据类型和相关几何参数；
步骤3:合成孔径雷达干涉测量可行性分析：是对区域可获取合成孔径雷达数据类型进行地形可视性分析，获取合成孔径雷达数据的地形可视区域和几何畸变区域，验证合成孔径雷达数据在山区变形监测的可行性；所述地形可行性分析是通过GIS平台，利用地形坡度、坡向和卫星视线方向的几何特征结合山体阴影模型和栅格计算器，模拟合成孔径雷达数据地形可视性系数和叠掩及阴影所处位置，进一步结合滑坡数据库对研究区合成孔径雷达数据的滑坡可视性进行分析，评价合成孔径雷达数据的滑坡灾害监测能力，筛选适用于研究区、经济效益最高的合成孔径雷达数据类型；
步骤4：合成孔径雷达干涉测量技术优选：利用差分干涉测量、永久散射体干涉测量和小基线集干涉测量技术通过影像裁剪、基线估计、影像配准、干涉、去除地形相位、相位滤波、相位解缠、误差去除和地理编码获取WGS84坐标系下地表变形数据，通过区域分析、地面监测数据验证和野外考察验证合成孔径雷达干涉测量技术的优劣和变形监测结果的有效性，筛选适用于研究区的最优合成孔径雷达干涉测量技术；
步骤:5：滑坡灾害隐患早期识别：基于最优合成孔径雷达干涉测量技术获取的地表变形速率，结合历史滑坡遥感影像和地形地貌特征建立滑坡灾害隐患解译标志和变形阈值，对滑坡灾害隐患进行遥感解译和圈定，并制定野外考察路线，进行详细野外考察，验证和精炼滑坡灾害隐患识别结果；
步骤6：区域滑坡活动性和强度评价：基于长时间序列历史变形数据，对滑坡历史形变和当前形变进行比较分析，评价滑坡的活动性，利用GIS平台空间分析功能提取滑坡最大变形速率，确定滑坡活动强度；
步骤7：滑坡变形模式分析：将滑坡变形剖面结合地质剖面确定滑坡空间变形模式，确定滑坡搬运区和堆积区；基于滑坡空间变形分布特征划分滑坡的二维空间变形分区，将滑坡不同位置的时间序列变形结合降雨、地震等数据分析滑坡时间变形模式；最后结合滑坡时间变形模式、空间变形模式和地形地貌特征分析滑坡运动机制。
2.根据权利要求1所述的一种基于合成孔径雷达干涉测量的滑坡灾害隐患识别方法，其特征在于：所述滑坡灾害调查的目的在于对研究区的地质环境背景和灾害现状进行深入的了解，认识地质灾害发育特征、孕灾背景、灾害分布规律等，尤其对区域典型灾害变形特征及其遥感影像光谱特征进行总结，服务于后期遥感数据处理过程中的人为参与和分析。
3.根据权利要求1所述的一种基于合成孔径雷达干涉测量的滑坡灾害隐患识别方法，其特征在于：所述合成孔径雷达数据查询的方式如下所示：通过欧空局软件、阿拉斯加卫星数据查询网站、哨兵数据查询网站和相关合成孔径雷达商业卫星代理商对研究区所有合成孔径雷达数据进行查询，获取研究区存档合成孔径雷达数据类型和覆盖范围。
4.根据权利要求1所述的一种基于合成孔径雷达干涉测量的滑坡灾害隐患识别方法，其特征在于：所述合成孔径雷达干涉测量可行性分析有针对性的选择下载、订购研究所需数据，减少数据处理量，提高数据处理和分析效率，提高合成孔径雷达数据利用率，降低购买合成孔径雷达数据的经济消耗。
5.根据权利要求1所述的一种基于合成孔径雷达干涉测量的滑坡灾害隐患识别方法，其特征在于：所述滑坡变形模式分析针对性的区分滑坡搬运和堆积区，确定滑坡运动部位，揭示滑坡加速过程，能够提高灾害体地质调查效率，提升灾害防治工程设计的准确性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010041560.7A CN111257873A (zh) | 2020-01-15 | 2020-01-15 | 一种基于合成孔径雷达干涉测量的滑坡灾害隐患识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010041560.7A CN111257873A (zh) | 2020-01-15 | 2020-01-15 | 一种基于合成孔径雷达干涉测量的滑坡灾害隐患识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111257873A true CN111257873A (zh) | 2020-06-09 |
Family
ID=70948808
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010041560.7A Pending CN111257873A (zh) | 2020-01-15 | 2020-01-15 | 一种基于合成孔径雷达干涉测量的滑坡灾害隐患识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111257873A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111968230A (zh) * | 2020-07-16 | 2020-11-20 | 中国自然资源航空物探遥感中心 | 一种区域性活动滑坡识别与圈定方法、装置和设备 |
| CN113192086A (zh) * | 2021-05-11 | 2021-07-30 | 中国自然资源航空物探遥感中心 | 地质灾害隐患变形强度分布图的生成方法和存储介质 |
| CN114325702A (zh) * | 2021-12-23 | 2022-04-12 | 中国科学院地理科学与资源研究所 | 基于Shell脚本的雷达图像滑坡InSAR处理方法及装置 |
| CN115079301A (zh) * | 2022-07-21 | 2022-09-20 | 中铁工程设计咨询集团有限公司 | 一种潜在滑坡遥感解译方法 |
| CN116994156A (zh) * | 2023-09-27 | 2023-11-03 | 自然资源部第三地理信息制图院 | 一种滑坡隐患综合遥感识别方法、系统、设备及介质 |
| WO2024004216A1 (ja) * | 2022-07-01 | 2024-01-04 | 株式会社Synspective | 地盤変動解析装置および地盤変動解析方法 |
| CN118011398A (zh) * | 2024-04-09 | 2024-05-10 | 北京四象爱数科技有限公司 | 一种基于PSInSAR的滑坡泥石流范围分析方法、设备及介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008016153A1 (fr) * | 2006-08-03 | 2008-02-07 | Pasco Corporation | procédé de prise en charge de contre-mesures pour une catastrophe |
| US20110163911A1 (en) * | 2008-07-04 | 2011-07-07 | Telespazio S.P.A. | Identification and Analysis of Persistent Scatterers In Series of SAR Images |
| CN102645650A (zh) * | 2012-03-06 | 2012-08-22 | 北京北科安地科技发展有限公司 | 一种基于D-InSAR干涉差分的滑坡动态识别及监测技术 |
| CN109165622A (zh) * | 2018-09-06 | 2019-01-08 | 中国地质环境监测院 | 基于InSAR技术的区域滑坡早期动态识别监测有效区域确定方法 |
| CN109541592A (zh) * | 2018-10-30 | 2019-03-29 | 长安大学 | 基于InSAR多维形变信息的黄土滑坡类型及滑动模式分析方法 |
| CN110031842A (zh) * | 2019-04-30 | 2019-07-19 | 云南财经大学 | 一种基于InSAR的滑坡灾害应急监测排查方法 |
-
2020
- 2020-01-15 CN CN202010041560.7A patent/CN111257873A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008016153A1 (fr) * | 2006-08-03 | 2008-02-07 | Pasco Corporation | procédé de prise en charge de contre-mesures pour une catastrophe |
| US20110163911A1 (en) * | 2008-07-04 | 2011-07-07 | Telespazio S.P.A. | Identification and Analysis of Persistent Scatterers In Series of SAR Images |
| CN102645650A (zh) * | 2012-03-06 | 2012-08-22 | 北京北科安地科技发展有限公司 | 一种基于D-InSAR干涉差分的滑坡动态识别及监测技术 |
| CN109165622A (zh) * | 2018-09-06 | 2019-01-08 | 中国地质环境监测院 | 基于InSAR技术的区域滑坡早期动态识别监测有效区域确定方法 |
| CN109541592A (zh) * | 2018-10-30 | 2019-03-29 | 长安大学 | 基于InSAR多维形变信息的黄土滑坡类型及滑动模式分析方法 |
| CN110031842A (zh) * | 2019-04-30 | 2019-07-19 | 云南财经大学 | 一种基于InSAR的滑坡灾害应急监测排查方法 |
Non-Patent Citations (3)
| Title |
|---|
| 张毅: "基于InSAR技术的地表变形监测与滑坡早期识别研究 ——以白龙江流域中游为例", 《中国优秀博硕士学位论文全文数据库(博士)工程科技II辑》, no. 11, 15 November 2018 (2018-11-15), pages 36 - 38 * |
| 王桂杰 等: "差分干涉合成孔径雷达技术在广域滑坡动态辨识上的实验研究", 《北京科技大学学报》, vol. 33, no. 2, 2 February 2011 (2011-02-02) * |
| 黄洁慧 等: "基于差分干涉合成孔径雷达技术的米林滑坡形变监测", 《科学技术与工程》, vol. 19, no. 25, 8 September 2019 (2019-09-08) * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111968230A (zh) * | 2020-07-16 | 2020-11-20 | 中国自然资源航空物探遥感中心 | 一种区域性活动滑坡识别与圈定方法、装置和设备 |
| CN111968230B (zh) * | 2020-07-16 | 2021-05-04 | 中国自然资源航空物探遥感中心 | 一种区域性活动滑坡识别与圈定方法、装置和设备 |
| CN113192086A (zh) * | 2021-05-11 | 2021-07-30 | 中国自然资源航空物探遥感中心 | 地质灾害隐患变形强度分布图的生成方法和存储介质 |
| CN114325702A (zh) * | 2021-12-23 | 2022-04-12 | 中国科学院地理科学与资源研究所 | 基于Shell脚本的雷达图像滑坡InSAR处理方法及装置 |
| WO2024004216A1 (ja) * | 2022-07-01 | 2024-01-04 | 株式会社Synspective | 地盤変動解析装置および地盤変動解析方法 |
| CN115079301A (zh) * | 2022-07-21 | 2022-09-20 | 中铁工程设计咨询集团有限公司 | 一种潜在滑坡遥感解译方法 |
| CN116994156A (zh) * | 2023-09-27 | 2023-11-03 | 自然资源部第三地理信息制图院 | 一种滑坡隐患综合遥感识别方法、系统、设备及介质 |
| CN118011398A (zh) * | 2024-04-09 | 2024-05-10 | 北京四象爱数科技有限公司 | 一种基于PSInSAR的滑坡泥石流范围分析方法、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111257873A (zh) | 一种基于合成孔径雷达干涉测量的滑坡灾害隐患识别方法 | |
| Zhai et al. | An improved geographically weighted regression model for PM2. 5 concentration estimation in large areas | |
| CN111623722B (zh) | 一种基于多传感器的边坡变形立体监测系统和方法 | |
| Steger et al. | The propagation of inventory-based positional errors into statistical landslide susceptibility models | |
| Ciach et al. | On the estimation of radar rainfall error variance | |
| Giasson et al. | Digital soil mapping using multiple logistic regression on terrain parameters in southern Brazil | |
| Mantovani et al. | Remote sensing techniques for landslide studies and hazard zonation in Europe | |
| Ozturk et al. | How robust are landslide susceptibility estimates? | |
| Pipaud et al. | Evaluation of TanDEM-X elevation data for geomorphological mapping and interpretation in high mountain environments—A case study from SE Tibet, China | |
| Bignami et al. | Pyroclastic density current volume estimation after the 2010 Merapi volcano eruption using X-band SAR | |
| Lee | Statistical seismic landslide hazard analysis: An example from Taiwan | |
| CN109238227B (zh) | 一种表征地面沉降时空演变的方法 | |
| CN112882032B (zh) | 一种燃气管道重点区域地质灾害sar动态监测方法及装置 | |
| CN111551956B (zh) | 基于机载激光雷达的一种地质灾害探测识别方法 | |
| CN111709609A (zh) | 一种地质灾害易发性评价方法 | |
| Propastin et al. | Reducing uncertainty in modeling the NDVI-precipitation relationship: a comparative study using global and local regression techniques | |
| Wang et al. | Fragmentation calculation method for blast muck piles in open-pit copper mines based on three-dimensional laser point cloud data | |
| Verbovšek et al. | GIS-assisted classification of litho-geomorphological units using Maximum Likelihood Classification, Vipava Valley, SW Slovenia | |
| de Figueiredo Iza et al. | Boolean and fuzzy methods for identifying lateritic regoliths in the Brazilian Amazon using gamma-ray spectrometric and topographic data | |
| CN112213723A (zh) | 一种利用sbas技术进行滑坡实时监测的方法 | |
| US11754704B2 (en) | Synthetic-aperture-radar image processing device and image processing method | |
| Mahmood et al. | Fractal measures of drainage network to investigate surface deformation from remote sensing data: A paradigm from Hindukush (NE-Afghanistan) | |
| Feder | Soil map update: Procedure and problems encountered for the island of Réunion | |
| CN116561536B (zh) | 一种滑坡隐患的识别方法、终端设备及介质 | |
| Xiong et al. | Automated reconstruction of subsurface interfaces in Promethei Lingula near the Martian south pole by using SHARAD data |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200609 |
|
| RJ01 | Rejection of invention patent application after publication |