CN111999733B - 海岸带大坝稳定性监测与淹没脆弱性评估方法、系统 - Google Patents

海岸带大坝稳定性监测与淹没脆弱性评估方法、系统 Download PDF

Info

Publication number
CN111999733B
CN111999733B CN202010798626.7A CN202010798626A CN111999733B CN 111999733 B CN111999733 B CN 111999733B CN 202010798626 A CN202010798626 A CN 202010798626A CN 111999733 B CN111999733 B CN 111999733B
Authority
CN
China
Prior art keywords
dam
dem
data
coastal zone
analysis
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.)
Active
Application number
CN202010798626.7A
Other languages
English (en)
Other versions
CN111999733A (zh
Inventor
李鹏
王国阳
李振洪
王厚杰
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.)
Ocean University of China
Original Assignee
Ocean University of China
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 Ocean University of China filed Critical Ocean University of China
Priority to CN202010798626.7A priority Critical patent/CN111999733B/zh
Publication of CN111999733A publication Critical patent/CN111999733A/zh
Application granted granted Critical
Publication of CN111999733B publication Critical patent/CN111999733B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S13/9021—SAR image post-processing techniques
    • G01S13/9023—SAR image post-processing techniques combined with interferometric 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
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/865—Combination of radar systems with lidar systems
    • 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
    • G01S13/885—Radar or analogous systems specially adapted for specific applications for ground probing
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • 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
    • 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
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明属于海岸带大坝监测技术领域，公开了一种海岸带大坝稳定性监测与淹没脆弱性评估方法、系统，准备星载SAR单视复数影像、用于辅助InSAR时序分析的全球DEM数据、使用无人机激光雷达获取大坝点云数据、海平面上升数据、验潮数据；数据预处理，实现大坝DEM生成、大坝形变速率获取、大坝未来DEM模拟、大坝水位模拟；淹没分析，实现大坝淹没分析和大坝淹没情景展示。本发明实现了星载InSAR时序分析形变速率与无人机载激光雷达DEM的结合，保证了较高的观测精度与时空分辨率。本发明实现了淹没水位模拟使用三个分量(潮汐分量、风暴增水、海平面上升)合成，同时模拟了日常情况与极端情况，避免了过高的水位估计。

Description

海岸带大坝稳定性监测与淹没脆弱性评估方法、系统
技术领域
本发明属于海岸带大坝监测技术领域，尤其涉及一种海岸带大坝稳定性监测与淹没脆弱性评估方法、系统。
背景技术
目前，海岸带大坝监测通常受到观测数据的时空分辨率影响，同时受限于人力与经济成本。一般而言，使用传统的地面水准测量或者卫星导航定位系统(GNSS)连续运行基准站开展大坝长期形变监测，可以达到相对很高的监测精度，但是通常受限于格网密度与经济适用性。
目前的海岸带大坝淹没分析主要可分为两大类：第一类以稳定的地面为前提，叠加不同高度的水位进行淹没分析；第二类以形变的地面为前提，叠加不同高度的水位进行淹没分析。对于现实情况而言，很多沿海区域往往存在不同程度的地面沉降等影响因素，因此第一类方法局的限性较大。而第二类方法，虽然考虑了地表形变影响，但是对于形变量的获取、数字高程模型(DEM)精度、大坝高程与水位模拟等方面受到多重限制，具体表现为：
(1)海岸带大坝的稳定性监测：主要技术方法有精密水准测量、三角高程测量、地下水井监测技术等，具有高时间分辨率、高精度特点，但是只能进行有限离散点观测，空间分辨率低且覆盖范围小，同时连续或定期监测所需的人力、物力成本较高。
(2)海岸带大坝DEM的时空分辨率与精度：多数研究主要考虑较大区域的淹没范围，因此所采用的DEM数据往往空间分辨率和精度相对较低，并不适合用于精细结构的海岸带大坝淹没分析。
(3)海岸带大坝淹没脆弱性分析：常见的淹没分析方法是在现有DEM基础上使用统一且恒定的形变速率推导未来的DEM，多数研究没有进行DEM模拟，而是将形变速率转化为相对海平面的升降，并假设地表形变速率在空间范围上保持一致，时间范围上保持均匀；水位模拟方面有两个比较明显的缺点，一是使用平均水位去进行淹没分析，削弱了极端天气事件下的破坏程度。二是过高的水位估计，扩大了淹没的影响。
通过上述分析，现有技术存在的问题及缺陷为：
(1)现有海岸带大坝的稳定性监测只能进行有限离散点观测，空间分辨率低且覆盖范围小，同时连续或定期监测所需的人力、物力成本较高。
(2)现有海岸带大坝DEM的时空分辨率与精度相对较低，并不适合用于精细结构的海岸带大坝淹没分析。
(3)现有海岸带大坝淹没脆弱性分析没有进行DEM模拟；使用平均水位去进行淹没分析或者过高的水位估计，扩大了淹没的影响。
解决以上问题及缺陷的难度与意义为：
针对问题(1)，传统大坝形变监测方法，例如GNSS与水准测量技术，其观测精度可以达到毫米级，但是在人力、物力等需要投入较多，而且无法做到高空间密度监测点布设；虽然近景摄影测量等技术可以提供高空间分辨率观测，但所需经济成本较高，不适合普通用户开展大范围重复监测。星载时序InSAR技术是一种能够用于海岸带大坝高空间分辨率、高精度、可重复观测的形变监测方案，而且免费和商业SAR数据源均非常丰富，可以保证在有限经济成本下开展常规的大范围形变监测任务和工作效率。
针对问题(2)，海岸带大坝呈现较长的条带状，宽约100m，高度变化在5-10m以内，而水位变化(不考虑风浪)也仅仅在2.5m以内。已公开的大坝地区的DEM空间分辨率与高程精度均大于大坝本身的高程变化区间，在地形精细程度与产品精度上无法适用于大型线状精细人工结构的淹没分析与安全性评估。基于无人机载LiDAR或高分辨率相机，可以提供高空间分辨率、高精度的海岸带大坝DEM产品。
针对问题(3)，现有大坝淹没分析没有对未来大坝DEM进行预测，而是将大坝形变量换算为水位变化，忽视了形变本身对大坝结构的破坏性影响，尤其是假如存在非均匀垂向形变时，产生的剪应力对大坝的破坏往往更容易造成海水侵入与内部基础设施的淹没。另外，本发明方法中提供了两个模拟水位，有效避免了过高或者过低的水位估计，综合考虑了日常水位变化情况与偶有发生的极端天气情况。
发明内容
针对现有技术存在的问题，本发明提供了一种海岸带大坝稳定性监测与淹没脆弱性评估方法、系统。
本发明是这样实现的，一种海岸带大坝稳定性监测与淹没脆弱性评估方法，所述海岸带大坝稳定性监测与淹没脆弱性评估方法包括：
(1)准备星载SAR单视复数影像、用于辅助InSAR时序分析的全球DEM数据、使用无人机激光雷达获取大坝点云数据、海平面上升数据、验潮数据；
(2)数据预处理，实现大坝DEM生成、大坝形变速率获取、大坝未来DEM模拟、大坝水位模拟；
(3)淹没分析，实现大坝淹没分析和大坝淹没情景展示。
进一步，所述海岸带大坝稳定性监测与淹没脆弱性评估方法的无人机载激光雷达观测与海岸带大坝DEM生成包括：
(1)激光雷达点云采集与滤波处理，利用UAV LiDAR采集研究区域点云数据生成大坝DEM，数据中含有空间三维信息和反射强度信息，通过有选择性滤波处理，滤除随机噪点、植被、电线杆噪声，得到海岸带大坝的数字地形模型DTM；
(2)点云数据转DEM，在滤波后的点云数据基础上进行转栅格操作生成DEM，并使用反距离加权IDW法进行插值，输出的DEM数据类型为浮点型；最后根据研究范围对生成的DEM进行裁剪，得到大坝的条带状DEM；
(3)DEM高程质量评估，通过采集覆盖海岸带大坝的GNSS地面控制点作为大坝高程真值，采用高差标准差STD、均方根误差RMS、相关性CORR指标对大坝DEM精度进行估计；STD用来衡量高差离散程度，RMS衡量高程观测值与真值之间的偏差，CORR是反映变量之间相关关系密切程度的统计指标；
Figure BDA0002626549680000041
Figure BDA0002626549680000042
Figure BDA0002626549680000043
其中xi为GNSS点高程，yi为DEM高程，ME代表高差均值，Δhi代表高差分量，N代表样本量。
进一步，所述海岸带大坝稳定性监测与淹没脆弱性评估方法的星载雷达干涉测量与大坝垂向形变速率估计包括：
(1)数据预处理，通过组合短时空基线SAR干涉对提高相干性和相位信噪比，用于开展InSAR小基线集SBAS时序分析；利用精密轨道与外部地形数据去除参考椭球相位和地形相位，根据自适应滤波后的干涉图相位剔除个别干涉效果较差的干涉对；选取控制点用于轨道精炼与重去平，在完成第一次轨道精炼与重去平之后检查控制点精度，去除误差较大的点，重新进行轨道精炼与重去平，多次迭代直到所有控制点精度都满足精度要求；
(2)形变速率估计，在筛选完干涉对和控制点之后，使用SBAS算法开展InSAR时序分析以获取形变速率栅格图，得到的形变位移图在空间上较为连续；
(3)形变监测精度评估，通过地面连续GNSS观测站评估InSAR时序分析得到的形变位移与速率，若没有地面实测数据，使用相同时间范围内不同卫星轨道数据对形变监测结果进行验证；采用升轨数据与降轨数据进行相互验证，分析标准差、均方根误差与相关性统计指标；
(4)形变速率图的后处理，对InSAR时序分析得到的形变速率图进行裁剪，使其范围与DEM保持一致；进行重采样处理，使其空间分辨率与DEM保持一致；最后进行平滑处理，消除部分高频噪声。
进一步，所述海岸带大坝稳定性监测与淹没脆弱性评估方法的淹没脆弱性评估包括：
(1)DEM模拟，DEM栅格运算是对应地理位置的栅格值进行线性叠加运算；
(2)水位模拟，采用潮汐变化分量、海平面上升分量、风暴增水分量合成模拟水位；潮汐变化通过验潮数据获得，高潮值取自天文大潮高潮值，低潮值为大潮值减去平均潮差；风暴增水受到不同程度的天气事件控制，存在变化区间；海平面上升预测值通过国际政府间合作组织最新发布的海平面上升预测量。
所述水位模拟进一步包括：
(1)潮位变化模拟，通过从长期验潮站观测数据获取潮位变化规律以及潮位高度变化区间；
(2)风暴增水区间，通过天气记录数据获取风暴增水区间；
(3)海平面上升，采用发布的海平面上升预测作为依据，RCP8.5情景对应海平面上升的最高预测值；
(4)水位合成，以潮位分量为基础，叠加风暴增水区间、海平面上升量，并进行多项式拟合；
WLC＝TC+SS+SLR；
其中，WLC表示水位变化，TC表示潮位变化分量，SS表示风暴增水区间，SLR表示海平面上升值。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
(1)准备星载SAR单视复数影像、用于辅助InSAR时序分析的全球DEM数据、使用无人机激光雷达获取大坝点云数据、海平面上升数据、验潮数据；
(2)数据预处理，实现大坝DEM生成、大坝形变速率获取、大坝未来DEM模拟、大坝水位模拟；
(3)淹没分析，实现大坝淹没分析和大坝淹没情景展示。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
(1)准备星载SAR单视复数影像、用于辅助InSAR时序分析的全球DEM数据、使用无人机激光雷达获取大坝点云数据、海平面上升数据、验潮数据；
(2)数据预处理，实现大坝DEM生成、大坝形变速率获取、大坝未来DEM模拟、大坝水位模拟；
(3)淹没分析，实现大坝淹没分析和大坝淹没情景展示。
本发明的另一目的在于提供一种运行所述海岸带大坝稳定性监测与淹没脆弱性评估方法的海岸带大坝稳定性监测与淹没脆弱性评估系统，所述海岸带大坝稳定性监测与淹没脆弱性评估系统包括：
(1)数据输入模块，用于准备星载SAR单视复数影像SLC、用于辅助InSAR时序分析的全球DEM数据、使用无人机激光雷达获取大坝点云数据、海平面上升数据、验潮数据；
(2)数据预处理模块，用于实现大坝DEM生成、大坝形变速率获取、大坝未来DEM模拟、大坝水位模拟；
(3)淹没分析模块，用于实现大坝淹没分析和大坝淹没情景展示。
本发明的另一目的在于提供一种海岸带大坝监测终端，所述海岸带大坝监测终端搭载所述的海岸带大坝稳定性监测与淹没脆弱性评估系统。
本发明的另一目的在于提供一种海岸带大坝淹没分析终端，所述海岸带大坝淹没分析终端搭载所述的海岸带大坝稳定性监测与淹没脆弱性评估系统。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明通过融合卫星合成孔径雷达干涉测量(InSAR)时序分析、无人机激光雷达扫描(UAV LiDAR)点云数据、验潮数据、风暴潮、海平面上升信息对海岸带大坝进行垂直形变与稳定性监测以及淹没分析，在确保精度和观测效率的前提下提高经济性，为大坝防护提供科学依据。
本发明实现了海岸带大型基础设施的稳定性与安全性监测：海岸带大坝是沿海城市、大型基础设施(高铁、机场、道路、油田、厂房等)的重要缓冲、防护设施，但是大河三角洲等沿海区域面临全球变化与人类活动相关的地表形变，例如海岸带新生陆地沉积物压缩、石油、天然气、地下水抽取等，因此面临海平面上升、极端风暴潮与地面沉降等多重威胁。为了更好地防护沿海基础设施，保障社会经济与人身安全，必须对海岸带大坝持续进行稳定性监测，客观地评估其防护能力与脆弱性。已有研究表明，每1mm地面沉降可能会导致至少2亿元经济损失，因此本发明可以直接应用于沿海地区面状或线状地物的形变监测，用于调查大型基础设施、人工防护设施等构筑物的稳定性与安全性。
本发明实现了海岸带大型基础设施的淹没脆弱性评估：海岸带大坝的重要功能之一是防止海水对陆地的入侵，特别是在没有湿地和沙丘缓冲的情况下，大坝是陆地基础设施的唯一防护屏障。在河口三角洲等海岸带地区，由于自然地质条件与人类活动等原因，沿海大型基础设施容易受到地面形变与海水淹没的双重威胁。随着全球变暖与极端气候，加剧了风暴潮、海水入侵、海岸侵蚀等海洋灾害的发生频率和破坏性，政府每年都会在沿海防洪上投入巨大资金，淹没评价是防洪的重要参考依据。因此，本发明可以直接应用于大型基础设施的淹没脆弱性分析，为政府决策者和大坝工程设计与维护人员提供脆弱性评价科学依据，使经济损失最小化。
本发明实现了对海岸带大坝线状人工构筑物开展低成本、高精度、高时空分辨率形变监测。大坝监测周期可以缩短至6-12天，超过水准测量等传统测量手段的时间分辨率；监测结果为面状分米级空间分辨率栅格，相对于水准和GNSS测量具有更高的空间分辨率，单位面积内所需人力与资金投入更少。
本发明实现了星载InSAR时序分析形变速率与无人机载激光雷达DEM的结合。利用InSAR时序分析技术可以提供时间基准连续、统一的形变速率，利用UAV LiDAR技术可以提供高精度DEM数据，两者叠加用于获取未来DEM模拟，能够保证较高的观测精度与时空分辨率。
本发明实现了淹没水位模拟使用三个分量(潮汐分量、风暴增水、海平面上升)合成，同时模拟了日常情况与极端情况，避免了过高的水位估计。
与现有技术相比，本发明的海岸带大坝淹没分析关键要素包括：大坝垂向形变速率、DEM、水位、淹没模型。本发明方法与以往的淹没分析最大的区别点在于，本发明基于多源空间对地观测(星载与机载)数据获取与利用，用于当前DEM的获取、未来DEM的模拟、水位的模拟，具体如下：
(1)研究对象、时空分辨率与DEM精度的区别：已有的淹没分析研究通常针对大范围面状区域，所用DEM精度和空间分辨率均有限，难以用于海岸带大坝精细结构的淹没分析；针对大型线状的精细人工建筑物或构筑物开展形变监测与淹没分析，需要精细单体结构的高空间分辨率、高精度观测数据，本发明结合星载InSAR时序分析技术与无人机载LiDAR生成三维数字高程模型(DEM)，可以保证足够的时间分辨率、空间分辨率与高程精度(厘米-分米级)。
(2)大坝DEM、水位模拟方法的区别：现有技术往往将地表的形变量转化为海平面的升降，并没有真实模拟未来的DEM，本发明根据大坝实际形变速率模拟未来的DEM，空间不均匀形变速率栅格与LiDAR DEM栅格叠加运算；水位模拟更加严谨，将实时水位分为三个分量(潮汐分量、风暴增水、海平面上升)合成模拟水位，避免了过高的水位估计。
(3)观测数据获取、结果展示的区别：传统海岸带大坝稳定性观测方法耗时费力，通常为点位观测模式，本发明数据获取方式快捷简单，免费获取欧空局Sentinel-1SAR卫星影像开展InSAR时序分析技术获取高精度、高分辨率大坝垂向形变速率与面状位移数据，采用无人机激光雷达扫描方法获取大坝高精度、高分辨率DEM数据；采用统一的高程基准绘制二位平面与纵、横断面图，更加直观地展示大坝淹没情景，可以快速发现大坝主体存在的稳定薄弱点；用于模拟DEM的形变速率与基础DEM数据均可以通过快速的现场数据检核，确保精度符合大坝稳定性监测的精度要求。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的海岸带大坝稳定性监测与淹没脆弱性评估方法流程图。
图2是本发明实施例提供的海岸带大坝稳定性监测与淹没脆弱性评估系统的结构示意图；
图2中：1、数据输入模块；2、数据预处理模块；3、淹没分析模块。
图3是本发明实施例提供的海岸带大坝稳定性监测与淹没脆弱性评估方法实现流程图。
图4是本发明实施例提供的基于无人机载激光雷达的海岸带大坝DEM获取流程图。
图5是本发明实施例提供的经过滤波后的海岸带地表激光点云数据示意图。
图6是本发明实施例提供的研究区域局部DEM示意图。
图7是本发明实施例提供的DEM质量评估示意图。
图8是本发明实施例提供的基于星载InSAR时序分析技术的大坝形变速率估计流程图。
图9是本发明实施例提供的研究区域降轨与升轨数据对应的形变速率示意图。
图10是本发明实施例提供的不同轨道数据得到的形变监测精度分析示意图。
图11是本发明实施例提供的栅格叠加运算示意图。
图12是本发明实施例提供的水位模拟示意图。
图13是本发明实施例提供的淹没分析示意图。
图14是本发明实施例提供的大坝纵剖面示意图。
图15是本发明实施例提供的大坝淹没范围与横向剖面示意图；第一列为2100年DEM模拟，第二列代表被海水淹没的区域，第三列为大坝横断面示意图。
图16是本发明实施例提供的海岸带大坝稳定性监测与淹没脆弱性评估方法与系统相关的数据输入、空间分析与数据输出的实现流程图。
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，以下结合实施例，对本发明进行进一步详细说明。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。
针对现有技术存在的问题，本发明提供了一种海岸带大坝稳定性监测与淹没脆弱性评估方法、系统，下面结合附图对本发明作详细的描述。
如图1所示，本发明提供的海岸带大坝稳定性监测与淹没脆弱性评估方法包括以下步骤：
S101：准备星载SAR单视复数影像(SLC)(可以是C波段、X波段或者L波段等多波段SAR数据，也可以采用不同源、不同轨道、不同观测模式的SAR卫星数据，用于结果对比与数据融合)、用于辅助InSAR时序分析的全球DEM数据(或者使用已有的覆盖研究区域的高精度、高分辨率非公开DEM数据)、使用无人机激光雷达获取大坝点云数据(或者使用无人机多镜头倾斜摄影测量技术结合地面控制点解算大坝点云)、海平面上升数据(来自于IPCC公开数据或者长期验潮数据、卫星测高反演数据等)、验潮数据；
S102：数据预处理，实现大坝DEM生成、大坝形变速率获取、大坝未来DEM模拟、大坝水位模拟；
S103：淹没分析，实现大坝淹没分析和大坝淹没情景展示。(1)大坝淹没分析：本发明方法中使用的是静态模型，这对于大坝这种简单结构适用，当研究区域更为复杂，比如水文条件多变，研究区域为面状，以及人工构筑物较为复杂时可以考虑使用更为复杂的动态模型分析，方便做出近实时、高精度开展流体动力学分析、水流冲击力对构筑物冲蚀作用等方面的分析；(2)大坝淹没情景展示：数据展示可以是纵横剖面、二维平面以及三维模型。当研究区域为条带状时候，可以使用纵横剖面以及局部二维平面的展示方式，当研究区域为面状时，优先使用更为直观的多视角三维展示方式。
本发明提供的海岸带大坝稳定性监测与淹没脆弱性评估方法业内的普通技术人员还可以采用其他的步骤实施，图1的本发明提供的海岸带大坝稳定性监测与淹没脆弱性评估方法仅仅是一个具体实施例而已。
如图2所示，本发明提供的海岸带大坝稳定性监测与淹没脆弱性评估系统包括：
数据输入模块1，用于准备星载SAR单视复数影像(SLC)、用于辅助InSAR时序分析的全球DEM数据、使用无人机激光雷达获取大坝点云数据、海平面上升数据、验潮数据；
数据预处理模块2，用于实现大坝DEM生成、大坝形变速率获取、大坝未来DEM模拟、大坝水位模拟；
淹没分析模块3，用于实现大坝淹没分析和大坝淹没情景展示。
下面结合附图对本发明的技术方案作进一步的描述。
如图3所示，本发明提供的海岸带大坝稳定性监测与淹没脆弱性评估方法包括：
(1)时序InSAR：该技术通过对长时间序列星载SAR雷达卫星影像进行干涉测量分析，去除干涉相位中的轨道、大气、地形误差以及低相干因素影响，以获取精确的地表形变时间序列。
(2)LiDAR：LiDAR(Light Detection And Ranging)即激光雷达探测与测量，通过集成激光雷达、GNSS和惯性导航系统(INS)三种技术，可以精确定位激光束打在地面物体上的光斑，用于获得地表高精度、高分辨率DEM。
(3)点云：覆盖地表的大量包含几何位置信息与强度信息的点的集合。
(4)DEM：数字高程模型即地形表面形态的三维栅格数字化表达，是用一组有序数值阵列形式表示地面高程的一种实体地面模型。
(5)海平面上升：全球变暖导致的冰川融化(非浮冰)进而引起全球性海平面上升。
(6)浴缸模型：用于静水力学淹没分析的简单模型。
(一)技术方案：海岸带大坝稳定性监测
1、无人机载激光雷达观测与海岸带大坝DEM生成，以黄河三角洲孤东油田海岸带大坝为例，该大坝是孤东油田的重要防护设施，使孤东油田免受来自海洋的威胁。孤东大坝呈南北走向，基础为夯土、碎石，表面覆盖混凝土、混凝土栅格板、扭工字块、沥青路面等，属于典型的高标准防护结构。按照图4所示流程获取大坝DEM数据。
(1)激光雷达点云采集与滤波处理，利用UAV LiDAR采集研究区域点云数据生成大坝DEM，数据中含有空间三维信息和反射强度信息，通过有选择性滤波处理，滤除随机噪点、植被、电线杆等噪声，得到海岸带大坝的数字地形模型(Digital Terrain Model，DTM)，如图5所示。
(2)点云数据转DEM，在滤波后的点云数据基础上进行转栅格操作生成DEM，并使用反距离加权(IDW)法进行插值，输出的DEM数据类型为浮点型。最后根据研究范围对生成的DEM进行裁剪，得到大坝的条带状DEM，如图6所示。
(3)DEM高程质量评估，如图7所示；通过采集覆盖海岸带大坝的GNSS地面控制点作为大坝高程真值，采用高差标准差(STD)、均方根误差(RMS)、皮尔森相关性(CORR)指标对大坝DEM精度进行估计。STD用来衡量高差离散程度，RMS用来衡量高程观测值与真值之间的偏差，CORR是反映变量之间相关关系密切程度的统计指标。
Figure BDA0002626549680000131
Figure BDA0002626549680000132
Figure BDA0002626549680000133
其中xi为GNSS点高程，yi为DEM高程，ME代表高差均值，Δhi代表高差分量，N代表样本量。
2、星载雷达干涉测量与大坝垂向形变速率估计，如图8所示。
(1)数据预处理，通过组合短时空基线SAR干涉对提高相干性和相位信噪比，用于开展InSAR小基线集(SBAS)时序分析。利用精密轨道与外部地形数据去除参考椭球相位和地形相位，根据自适应滤波后的干涉图相位剔除个别干涉效果较差的干涉对。选取控制点用于轨道精炼与重去平，在完成第一次轨道精炼与重去平之后检查控制点精度，去除误差较大的点，重新进行轨道精炼与重去平，多次迭代直到所有控制点精度都满足精度要求。
(2)形变速率估计，在筛选完干涉对和控制点之后，使用SBAS算法开展InSAR时序分析以获取形变速率栅格图，短基线干涉图的选取可以削弱空间失相干的影响，降低地形误差与大气误差对形变监测的影响，得到的形变位移图在空间上较为连续，增加监测结果的可靠性，结果如图9所示。
(3)形变监测精度评估，可以通过地面连续GNSS观测站评估InSAR时序分析得到的形变位移与速率，若没有地面实测数据，可以使用相同时间范围内不同卫星轨道数据对形变监测结果进行验证。如图9所示，采用升轨数据与降轨数据进行相互验证，分析标准差、均方根误差与相关性统计指标。结果如图10所示。
(4)形变速率图的后处理，对InSAR时序分析得到的形变速率图进行裁剪，使其范围与DEM保持一致；然后进行重采样处理，使其空间分辨率与DEM保持一致；最后进行平滑处理，用于消除部分高频噪声。
(二)技术方案：淹没脆弱性评估
1、DEM模拟，如图11所示，假设大坝形变速率在未来一段时间内保持稳定，DEM栅格运算的基本思想是对应地理位置的栅格值进行线性叠加运算。
2、水位模拟，以往淹没分析通常使用平均海水面加上海平面上升值或者使用最高潮位加上海平面上升值，导致估计结果偏低或偏高。由于大坝宽度范围有限，高度变化较小，因此需要在尊重实际情况前提下开展精确的水位模拟。本发明采用三个分量(潮汐变化分量、海平面上升分量、风暴增水分量)合成模拟水位；潮汐变化可以通过验潮数据获得，高潮值取自天文大潮高潮值，低潮值为大潮值减去平均潮差；风暴增水受到不同程度的天气事件控制，存在变化区间；海平面上升预测值可以通过国际政府间合作组织(IPCC)最新发布的海平面上升预测量。
(1)潮位变化模拟，通过从长期验潮站观测数据获取潮位变化规律以及潮位高度变化区间。
(2)风暴增水区间，风暴增水是由于天气事件引起的海平面突然上升，破坏性较强，尤其是与天文大潮重合时，破坏力达到最强，可以通过天气记录数据获取风暴增水区间。
(3)海平面上升，人类活动的加强加剧了全球气温上升与南极洲、格陵兰岛等冰川融化，进而引起了全球性海平面持续上升。本发明采用国际权威组织IPCC发布的海平面上升预测作为依据，RCP8.5(温室气体排放量最高)情景对应海平面上升的最高预测值。
(4)水位合成，水位变化是由潮位分量、风暴增水区间、海平面上升值三个分量叠加构成。以潮位分量为基础，在此基础上叠加风暴增水区间、海平面上升量，并进行多项式拟合。模拟结果如图12所示。
WLC＝TC+SS+SLR (4)
其中，WLC表示水位变化，TC表示潮位变化分量，SS表示风暴增水区间，SLR表示海平面上升值。
表1、不同情景的水位模拟结果
Figure BDA0002626549680000151
3、淹没分析
仅考虑水位升降而不考虑水动力因素带来的淹没影响，可以采用浴缸模型(Bathtub Model)作为淹没分析方法。如图13所示，将不同时期的水位高度沿水平方向投影到大坝上，通过观察水位高度是否超过大坝顶部判断大坝的安全防护能力。如图14和15所示，利用纵横剖面图展示2100年大坝淹没情景。
本发明的海岸带大坝的稳定性监测方法：利用卫星合成孔径雷达干涉测量(InSAR)时序分析技术和无人机载激光雷达扫描(UAV LiDAR)技术获得海岸带大坝的形变速率栅格图和精细DEM栅格图，结合验潮数据、风暴潮、海平面上升信息对海岸带大坝进行垂直形变与稳定性监测(如图16所示)。
本发明的海岸带大坝淹没脆弱性分析：采用三个分量(潮汐变化分量、海平面上升分量、风暴增水分量)合成模拟水位。海岸带大坝垂向形变监测的时空分辨率与DEM精度的提升：已有淹没分析通常针对大范围面状区域，所用DEM精度和空间分辨率均有限，难以用于海岸带大坝精细结构的淹没分析；针对大型线状的精细人工建筑物或构筑物开展形变监测与淹没分析，需要精细单体结构的高空间分辨率、高精度观测数据，本发明结合星载InSAR时序分析技术与无人机载LiDAR生成三维数字高程模型(DEM)，可以保证足够的时间分辨率、空间分辨率与高程精度(厘米-分米级)；监测结果为面状米级空间分辨率栅格，相对于水准和GNSS测量具有更高的空间分辨率，单位面积内所需人力与资金投入更少。
本发明的方法更为科学、严谨的大坝DEM与水位模拟方法：现有技术往往将地表的形变量转化为海平面的升降，并没有真实模拟未来的DEM，本发明根据大坝实际形变速率模拟未来的DEM，空间不均匀形变速率栅格与LiDAR DEM栅格叠加运算；水位模拟更加严谨，将实时水位分为三个分量(潮汐分量、风暴增水、海平面上升)合成模拟水位，避免了过高的水位估计。更为快速、直观的观测数据获取与淹没结果展示：传统海岸带大坝稳定性观测方法耗时费力，通常为点位观测模式，本发明数据获取方式快捷简单，免费获取欧空局Sentinel-1SAR卫星影像开展InSAR时序分析技术获取高精度、高分辨率大坝垂向形变速率与面状位移数据，采用无人机激光雷达扫描方法获取大坝高精度、高分辨率DEM数据；采用统一的高程基准绘制二位平面与纵、横断面图，更加直观地展示大坝淹没情景，可以快速发现大坝主体存在的稳定薄弱点；用于模拟DEM的形变速率与基础DEM数据均可以通过快速的现场数据检核，确保精度符合大坝稳定性监测的精度要求。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，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，都应涵盖在本发明的保护范围之内。

Claims (5)

1.一种海岸带大坝稳定性监测与淹没脆弱性评估方法，其特征在于，所述海岸带大坝稳定性监测与淹没脆弱性评估方法包括：
准备星载SAR单视复数影像、用于辅助InSAR时序分析的全球DEM数据、使用无人机激光雷达获取大坝点云数据、海平面上升数据、验潮数据；
数据预处理，实现大坝DEM生成、大坝形变速率获取、大坝未来DEM模拟、大坝水位模拟；
淹没分析，实现大坝淹没分析和大坝淹没情景展示；
所述海岸带大坝稳定性监测与淹没脆弱性评估方法的无人机载激光雷达观测与海岸带大坝DEM生成包括：
(1)激光雷达点云采集与滤波处理，利用UAV LiDAR采集研究区域点云数据生成大坝DEM，数据中含有空间三维信息和反射强度信息，通过有选择性滤波处理，滤除随机噪点、植被、电线杆噪声，得到海岸带大坝的数字地形模型DTM；
(2)点云数据转DEM，在滤波后的点云数据基础上进行转栅格操作生成DEM，并使用反距离加权IDW法进行插值，输出的DEM数据类型为浮点型；最后根据研究范围对生成的DEM进行裁剪，得到大坝的条带状DEM；
(3)DEM高程质量评估，通过采集覆盖海岸带大坝的GNSS地面控制点作为大坝高程真值，采用高差标准差STD、均方根误差RMS、皮尔森相关性CORR指标对大坝DEM精度进行估计；STD用来衡量高差离散程度，RMS衡量高程观测值与真值之间的偏差，CORR是反映变量之间相关关系密切程度的统计指标；
Figure FDA0003538973490000011
Figure FDA0003538973490000012
Figure FDA0003538973490000013
其中xi为GNSS点高程，yi为DEM高程，ME代表高差均值，Δhi代表高差分量，N代表样本量；
所述海岸带大坝稳定性监测与淹没脆弱性评估方法的星载雷达干涉测量与大坝垂向形变速率估计包括：
(1)数据预处理，通过组合短时空基线SAR干涉对提高相干性和相位信噪比，用于开展InSAR小基线集SBAS时序分析；利用精密轨道与外部地形数据去除参考椭球相位和地形相位，根据自适应滤波后的干涉图相位剔除个别干涉效果较差的干涉对；选取控制点用于轨道精炼与重去平，在完成第一次轨道精炼与重去平之后检查控制点精度，去除误差较大的点，重新进行轨道精炼与重去平，多次迭代直到所有控制点精度都满足精度要求；
(2)形变速率估计，在筛选完干涉对和控制点之后，使用SBAS算法开展InSAR时序分析以获取形变速率栅格图，得到的形变位移图在空间上较为连续；
(3)形变监测精度评估，通过地面连续GNSS观测站评估InSAR时序分析得到的形变位移与速率，若没有地面实测数据，使用相同时间范围内不同卫星轨道数据对形变监测结果进行验证；采用升轨数据与降轨数据进行相互验证，分析标准差、均方根误差与相关性统计指标；
(4)形变速率图的后处理，对InSAR时序分析得到的形变速率图进行裁剪，使其范围与DEM保持一致；进行重采样处理，使其空间分辨率与DEM保持一致；最后进行平滑处理，消除部分高频噪声；
所述海岸带大坝稳定性监测与淹没脆弱性评估方法的淹没脆弱性评估包括：
(1)DEM模拟，DEM栅格运算是对应地理位置的栅格值进行线性叠加运算；
(2)水位模拟，采用潮汐变化分量、海平面上升分量、风暴增水分量合成模拟水位；潮汐变化通过验潮数据获得，高潮值取自天文大潮高潮值，低潮值为大潮值减去平均潮差；风暴增水受到不同程度的天气事件控制，存在变化区间；海平面上升预测值通过国际政府间合作组织最新发布的海平面上升预测量；
淹没分析仅考虑水位升降而不考虑水动力因素带来的淹没影响，采用浴缸模型作为淹没分析方法，将不同时期的水位高度沿水平方向投影到大坝上，通过观察水位高度是否超过大坝顶部判断大坝的安全防护能力。
2.如权利要求1所述的海岸带大坝稳定性监测与淹没脆弱性评估方法，其特征在于，所述水位模拟进一步包括：
1)潮位变化模拟，通过从长期验潮站观测数据获取潮位变化规律以及潮位高度变化区间；
2)风暴增水区间，通过天气记录数据获取风暴增水区间；
3)海平面上升，采用发布的海平面上升预测作为依据，RCP8.5情景对应海平面上升的最高预测值；
4)水位合成，以潮位分量为基础，叠加风暴增水区间、海平面上升量，并进行多项式拟合；
WLC＝TC+SS+SLR；
其中，WLC表示水位变化，TC表示潮位变化分量，SS表示风暴增水区间，SLR表示海平面上升值。
3.一种运行权利要求1～2任意一项所述海岸带大坝稳定性监测与淹没脆弱性评估方法的海岸带大坝稳定性监测与淹没脆弱性评估系统，其特征在于，所述海岸带大坝稳定性监测与淹没脆弱性评估系统包括：
数据输入模块，用于准备星载SAR单视复数影像SLC、用于辅助InSAR时序分析的全球DEM数据、使用无人机激光雷达获取大坝点云数据、海平面上升数据、验潮数据；
数据预处理模块，用于实现大坝DEM生成、大坝形变速率获取、大坝未来DEM模拟、大坝水位模拟；
淹没分析模块，用于实现大坝淹没分析和大坝淹没情景展示。
4.一种海岸带大坝监测终端，其特征在于，所述海岸带大坝监测终端搭载权利要求3所述的海岸带大坝稳定性监测与淹没脆弱性评估系统。
5.一种海岸带大坝淹没分析终端，其特征在于，所述海岸带大坝淹没分析终端搭载权利要求3所述的海岸带大坝稳定性监测与淹没脆弱性评估系统。
CN202010798626.7A 2020-08-11 2020-08-11 海岸带大坝稳定性监测与淹没脆弱性评估方法、系统 Active CN111999733B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010798626.7A CN111999733B (zh) 2020-08-11 2020-08-11 海岸带大坝稳定性监测与淹没脆弱性评估方法、系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010798626.7A CN111999733B (zh) 2020-08-11 2020-08-11 海岸带大坝稳定性监测与淹没脆弱性评估方法、系统

Publications (2)

Publication Number Publication Date
CN111999733A CN111999733A (zh) 2020-11-27
CN111999733B true CN111999733B (zh) 2022-06-03

Family

ID=73462977

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010798626.7A Active CN111999733B (zh) 2020-08-11 2020-08-11 海岸带大坝稳定性监测与淹没脆弱性评估方法、系统

Country Status (1)

Country Link
CN (1) CN111999733B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113108764B (zh) * 2021-04-15 2021-11-05 中国水利水电科学研究院 一种溃坝过程安全监测、预警与影响评估方法
CN113191292B (zh) * 2021-05-11 2022-01-04 四川大学 一种溃决洪水淹没范围快速提取方法
CN113804154A (zh) * 2021-08-30 2021-12-17 东南大学 基于卫星和无人机遥感的路面沉陷检测方法及装置
CN113790667A (zh) * 2021-11-18 2021-12-14 中大检测(湖南)股份有限公司 基于雷达的大坝变形检测方法
CN115113228B (zh) * 2022-05-09 2023-10-24 江苏省水利科学研究院 一种基于地理信息技术的退圩还湖工程测验方法
CN114861475B (zh) * 2022-07-11 2022-09-16 威海海洋职业学院 一种基于传感数据的实时海洋模拟方法及系统
CN115511390B (zh) * 2022-11-14 2023-06-27 南方科技大学 一种沿海沿江脆弱性评估方法、系统、终端及存储介质
CN116299446B (zh) * 2022-12-27 2023-11-10 速度科技股份有限公司 一种基于insar技术的地表形变监测方法及系统
CN117516636B (zh) * 2024-01-03 2024-04-19 中国海洋大学 一种海岸堤坝安全监测预警方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103675790A (zh) * 2013-12-23 2014-03-26 中国国土资源航空物探遥感中心 一种基于高精度DEM提高InSAR技术监测地表形变精度的方法
CN106323243A (zh) * 2016-08-18 2017-01-11 广州地理研究所 一种基于无人机的大坝变形观测预警系统及方法和装置
CN109917382A (zh) * 2019-03-19 2019-06-21 中国海洋大学 海岸带InSAR干涉图中的海潮负荷位移影响评估与校正方法
CN111105496A (zh) * 2019-12-19 2020-05-05 昆明能讯科技有限责任公司 一种基于机载激光雷达点云数据的高精dem构建方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103675790A (zh) * 2013-12-23 2014-03-26 中国国土资源航空物探遥感中心 一种基于高精度DEM提高InSAR技术监测地表形变精度的方法
CN106323243A (zh) * 2016-08-18 2017-01-11 广州地理研究所 一种基于无人机的大坝变形观测预警系统及方法和装置
CN109917382A (zh) * 2019-03-19 2019-06-21 中国海洋大学 海岸带InSAR干涉图中的海潮负荷位移影响评估与校正方法
CN111105496A (zh) * 2019-12-19 2020-05-05 昆明能讯科技有限责任公司 一种基于机载激光雷达点云数据的高精dem构建方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
三维激光扫描与DInSAR联合监测矿区地表动态沉降方法;何倩等;《煤矿安全》;20171220(第12期);全文 *
基于地面激光扫描的典型海岸带盐沼潮滩地形反演;魏伟等;《吉林大学学报(地球科学版)》;20181126(第06期);全文 *

Also Published As

Publication number Publication date
CN111999733A (zh) 2020-11-27

Similar Documents

Publication Publication Date Title
CN111999733B (zh) 海岸带大坝稳定性监测与淹没脆弱性评估方法、系统
CN111142119B (zh) 一种基于多源遥感数据的矿山地质灾害动态识别与监测方法
Kang et al. Topographic mapping on large-scale tidal flats with an iterative approach on the waterline method
Mukhopadhyay et al. Automatic shoreline detection and future prediction: A case study on Puri Coast, Bay of Bengal, India
Hauet et al. Sensitivity study of large-scale particle image velocimetry measurement of river discharge using numerical simulation
CN109493569A (zh) 滑坡预警方法、装置、计算机设备和存储介质
Liang et al. A composite approach of radar echo extrapolation based on TREC vectors in combination with model-predicted winds
Dietrich et al. Deciphering controls for debris‐flow erosion derived from a LiDAR‐recorded extreme event and a calibrated numerical model (Roßbichelbach, Germany)
Carvalho et al. Characterizing the Indian Ocean sea level changes and potential coastal flooding impacts under global warming
Boreggio et al. Evaluating the differences of gridding techniques for Digital Elevation Models generation and their influence on the modeling of stony debris flows routing: A case study from Rovina di Cancia basin (North-eastern Italian Alps)
CN112444188B (zh) 一种多视角InSAR海堤高精度三维形变测量方法
Manno et al. Uncertainties in shoreline position analysis: The role of run-up and tide in a gentle slope beach
Infante et al. Differential SAR interferometry technique for control of linear infrastructures affected by ground instability phenomena
Hudson et al. Remote measurements of tides and river slope using an airborne lidar instrument
Wang et al. Microdeformation monitoring by permanent scatterer GB-SAR interferometry based on image subset series with short temporal baselines: The Geheyan Dam case study
Adell et al. Spatial and temporal wave climate variability along the south coast of Sweden during 1959–2021
Zhu et al. Ocean surface current retrieval at Hangzhou Bay from Himawari-8 sequential satellite images
CN114114257A (zh) 一种坝区形变与水位相关性检测方法和装置
Mazzolari et al. A multi-criteria meshing method applied to a shallow water model
Wu et al. Computational Simulation and Modeling of Freak Waves Based on Longuet‐Higgins Model and Its Electromagnetic Scattering Calculation
CN117516636B (zh) 一种海岸堤坝安全监测预警方法及系统
Wang et al. Deformation monitoring and evaluation of mountain slope stability combined with ground-based radar and spaceborne InSAR methods
Saito et al. Tools for identifying hazards
Selvakumaran Interferometric synthetic aperture radar for remote satellite monitoring of bridges
Ferrando GNSS contribution to monitor severe rainfalls: an innovative procedure for wide and orographically complex area with existing infrastructures

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