CN112505700A - 基于星载升降轨SAR和时序InSAR的滑坡识别方法及系统 - Google Patents

基于星载升降轨SAR和时序InSAR的滑坡识别方法及系统 Download PDF

Info

Publication number
CN112505700A
CN112505700A CN202011362140.5A CN202011362140A CN112505700A CN 112505700 A CN112505700 A CN 112505700A CN 202011362140 A CN202011362140 A CN 202011362140A CN 112505700 A CN112505700 A CN 112505700A
Authority
CN
China
Prior art keywords
images
image
orbit
fringe pattern
coherence
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
Application number
CN202011362140.5A
Other languages
English (en)
Inventor
周伟
马洪琪
肖海斌
程翔
陈鸿杰
周志伟
迟福东
马刚
潘斌
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.)
Wuhan University WHU
Huaneng Group Technology Innovation Center Co Ltd
Huaneng Lancang River Hydropower Co Ltd
Original Assignee
Wuhan University WHU
Huaneng Group Technology Innovation Center Co Ltd
Huaneng Lancang River Hydropower 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 Wuhan University WHU, Huaneng Group Technology Innovation Center Co Ltd, Huaneng Lancang River Hydropower Co Ltd filed Critical Wuhan University WHU
Priority to CN202011362140.5A priority Critical patent/CN112505700A/zh
Publication of CN112505700A publication Critical patent/CN112505700A/zh
Pending legal-status Critical Current

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
    • G01S13/88—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
    • G01S13/9029—SAR image post-processing techniques specially adapted for moving target detection within a single SAR image or within multiple SAR images taken at the same time

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)
  • Image Processing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于星载升降轨SAR和时序InSAR的滑坡识别方法及系统，方法包括：获取多幅目标区域的星载SAR升轨影像和降轨影像，在升、降轨影像中选取各自主影像，将升、降轨影像与主影像进行对准，确保两幅影像中同一位置的像元对应地面上的同一回波点；通过小基线方法组成干涉对，对主影像和副影像进行共扼相乘，得到干涉条纹图和相干图，对干涉条纹图和相干图进行自适应滤波；通过相干性选取高相干点，并对干涉条纹图进行相位解缠；通过数字高程模型和空间滤波方法去除大气相位影像，利用二次线性回归方法去除轨道相位影响，以高相干点建立线性模型，并构建SVD方程，进行形变估计。上述方法能够有效的对高山峡谷区域潜在滑坡隐患区域进行识别。

Description

基于星载升降轨SAR和时序InSAR的滑坡识别方法及系统
技术领域
本发明涉及风险识别技术领域，尤其涉及一种基于星载升降轨SAR和时序InSAR的滑坡识别方法及系统。
背景技术
对高山峡谷区域开展滑坡灾害隐患的早期识别，对该区域的地质灾害防范以及确保人民生命财产与水利水电等基础设施安全具有重要的意义。由于需要监测面积较大，传统地质调查手段在滑坡灾害隐患排查工作中很难达到大范围覆盖。随着对地观测技术的不断进步，光学遥感解译是目前滑坡灾害隐患大范围早期识别主要手段之一，但其受云雾影响较大，且往往只能对较大地貌特征进行定性解译。
作为近三十年的新兴雷达遥感技术，合成孔径雷达干涉测量技术(Interferometric SyntheticAperture Radar,InSAR)具有覆盖范围广、监测精度高、全天时、全天候、空间分辨率高等特点，已被成功用于滑坡灾害监测，高山峡谷区域海拔落差大、地形复杂、植被茂密，给InSAR处理带来干涉失相干、大气延迟、几何畸变等挑战。
如何有效的对高山峡谷区域进行滑坡灾害隐患进行识别，确定其潜在的滑坡隐患区域，是本申请要解决的技术问题。
发明内容
本发明的目的在于提供一种能够有效对高山峡谷区域进行滑坡灾害隐患进行识别，确定其潜在的滑坡隐患区域的基于星载升降轨SAR和时序InSAR的滑坡识别方法及系统。
为了实现上述目的，本发明提供如下技术方案：
提供一种基于星载升降轨SAR和时序InSAR的滑坡识别方法，包括以下步骤：
获取多幅目标区域的星载SAR升轨影像和降轨影像，在所述升、降轨影像中选取各自主影像，将升、降轨影像与所述主影像进行对准，确保两幅影像中同一位置的像元对应地面上的同一回波点；
通过小基线方法组成干涉对，对主影像和副影像进行共扼相乘，得到干涉条纹图和相干图，对所述干涉条纹图和所述相干图进行自适应滤波；
通过相干性选取高相干点，并对干涉条纹图进行相位解缠；通过数字高程模型和空间滤波方法去除大气相位影像，利用二次线性回归方法去除轨道相位影响；以高相干点建立线性模型，并构建SVD方程，进行形变估计。
本申请的基于星载升降轨SAR和时序InSAR的滑坡识别方法会获取多幅升轨影像和降轨影像，分别获取升轨影像和降轨影像中的主影像，将获取的多幅升、降轨影像与选取的主影像进行对准，将影像对应到地面上的同一回波点，再通过对主影像和降轨影像的共扼相乘、自适应滤波、相位解缠、线性模型构建等一系列的操作，能够对形变进行估计，有效的对潜在的滑坡隐患区域进行确定，具有很高的实用性。
本发明还提供了一种基于星载升降轨SAR和时序InSAR的滑坡识别系统，包括：
包括图像获取装置、图像处理装置以及数据处理装置；
所述图像获取装置，用于获取多幅目标区域的星载SAR升轨影像和降轨影像，在所述升、降轨影像中选取各自主影像，将升、降轨影像与所述主影像进行对准，确保两幅影像中同一位置的像元对应地面上的同一回波点；
所述图像处理装置，用于通过小基线方法组成干涉对，对主影像和副影像进行共扼相乘，得到干涉条纹图和相干图，对所述干涉条纹图和所述相干图进行自适应滤波；
所述数据处理装置，用于通过相干性选取高相干点，并对干涉条纹图进行相位解缠；通过数字高程模型和空间滤波方法去除大气相位影像，利用二次线性回归方法去除轨道相位影响；以高相干点建立线性模型，并构建SVD方程，进行形变估计。
本申请的基于星载升降轨SAR和时序InSAR的滑坡识别系统会获取多幅升轨影像和降轨影像，分别获取升轨影像和降轨影像中的主影像，将获取的多幅升、降轨影像与选取的主影像进行对准，将影像对应到地面上的同一回波点，再通过对主影像和降轨影像的共扼相乘、自适应滤波、相位解缠、线性模型构建等一系列的操作，能够对形变进行估计，有效的对潜在的滑坡隐患区域进行确定，具有很高的实用性。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明一实施例提供的基于星载升降轨SAR和时序InSAR的滑坡识别方法的示意性流程图；
图2为本发明另一实施例提供的基于星载升降轨SAR和时序InSAR的滑坡识别方法的示意性框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，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。
需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。“若干”的含义是一个或一个以上，除非另有明确具体的限定。
在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
如图1所示，本发明提供的基于星载升降轨SAR和时序InSAR的滑坡识别方法，其特征在于，包括以下步骤：
步骤S10，获取多幅目标区域的星载SAR升轨影像和降轨影像，在所述升、降轨影像中选取各自主影像，将升、降轨影像与所述主影像进行对准，确保两幅影像中同一位置的像元对应地面上的同一回波点；
步骤S20，通过小基线方法组成干涉对，对主影像和副影像进行共扼相乘，得到干涉条纹图和相干图，对所述干涉条纹图和所述相干图进行自适应滤波；
步骤S30，通过相干性选取高相干点，并对干涉条纹图进行相位解缠；通过数字高程模型和空间滤波方法去除大气相位影像，利用二次线性回归方法去除轨道相位影响；以高相干点建立线性模型，并构建SVD方程，进行形变估计。
本申请的基于星载升降轨SAR和时序InSAR的滑坡识别方法会获取多幅升轨影像和降轨影像，分别获取升轨影像和降轨影像中的主影像，将获取的多幅升、降轨影像与选取的主影像进行对准，将影像对应到地面上的同一回波点，再通过对主影像和降轨影像的共扼相乘、自适应滤波、相位解缠、线性模型构建等一系列的操作，能够对形变进行估计，有效的对潜在的滑坡隐患区域进行确定，具有很高的实用性。
作为一种可实施方式，所述在所述升、降轨影像中选取各自主影像，包括以下步骤：
根据三基线之和最小准则、综合相关模型方法或时间基线最小准则选取主影像。
通过三基线之和最小准则、综合相关模型方法或时间基线最小准则选取的超级主影像，能够为降轨影像的对准，提供准确的参照，确保了不同影像中的同一像元能够对应到地面上的同一回波点，有效的提高了方法的准确性。
作为一种可实施方式，对准的精度误差小于等于1/10像元。
采用高精度的对准参照，进一步的提高了方法的准确性。进一步的，TOPS模型下的影像，对准的精度误差小于1/1000像元。有效的提高了对准的精确度。
作为一种可实施方式，在所述通过小基线方法组成干涉对，对主影像和副影像进行共扼相乘，得到干涉条纹图和相干图，对所述干涉条纹图和所述相干图进行自适应滤波，还包括以下步骤：
采用精密轨道文件和高精度数字高程模型除去轨道误差、平地效应以及地形相位影响。
通过精密轨道文件和高精度数字高程模型，有效的去除了影响估算结果准确度的轨道误差、平地效应以及地形相位，提高了对高山峡谷区域进行滑坡灾害隐患进行识别的准确性，进一步降低了风险的发生。
本发明还公开了一种基于星载升降轨SAR和时序InSAR的滑坡识别系统，包括：
图像获取装置，，获取多幅目标区域的星载SAR升轨影像和降轨影像，在所述升、降轨影像中选取各自主影像，将升、降轨影像与所述主影像进行对准，确保两幅影像中同一位置的像元对应地面上的同一回波点；
图像处理装置，，通过小基线方法组成干涉对，对主影像和副影像进行共扼相乘，得到干涉条纹图和相干图，对所述干涉条纹图和所述相干图进行自适应滤波；
数据处理装置，通过相干性选取高相干点，并对干涉条纹图进行相位解缠；通过数字高程模型和空间滤波方法去除大气相位影像，利用二次线性回归方法去除轨道相位影响；以高相干点建立线性模型，并构建SVD方程，进行形变估计。
本申请的基于星载升降轨SAR和时序InSAR的滑坡识别系统会获取多幅升轨影像和降轨影像，分别获取升轨影像和降轨影像中的主影像，将获取的多幅升、降轨影像与选取的主影像进行对准，将影像对应到地面上的同一回波点，再通过对主影像和降轨影像的共扼相乘、自适应滤波、相位解缠、线性模型构建等一系列的操作，能够对形变进行估计，有效的对潜在的滑坡隐患区域进行确定，具有很高的实用性。
作为一种可实施方式，图像获取装置，还会执行以下操作：
根据三基线之和最小准则、综合相关模型方法或时间基线最小准则选取主影像。
通过三基线之和最小准则、综合相关模型方法或时间基线最小准则选取的超级主影像，能够为降轨影像的对准，提供准确的参照，确保了不同影像中的同一像元能够对应到地面上的同一回波点，有效的提高了方法的准确性。
作为一种可实施方式，对准的精度误差小于等于1/10像元。
采用高精度的对准参照，进一步的提高了方法的准确性。进一步的，TOPS模型下的影像，对准的精度误差小于1/1000像元。有效的提高了对准的精确度。
作为一种可实施方式，图像处理装置，还会执行以下操作：
采用精密轨道文件和高精度数字高程模型除去轨道误差、平地效应以及地形相位影响。
通过精密轨道文件和高精度数字高程模型，有效的去除了影响估算结果准确度的轨道误差、平地效应以及地形相位，提高了对高山峡谷区域进行滑坡灾害隐患进行识别的准确性，进一步降低了风险的发生。
在上述实施方式的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
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，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种基于星载升降轨SAR和时序InSAR的滑坡识别方法，其特征在于，包括以下步骤：
获取多幅目标区域的星载SAR升轨影像和降轨影像，在所述升、降轨影像中选取各自主影像，将升、降轨影像与所述主影像进行对准，确保两幅影像中同一位置的像元对应地面上的同一回波点；
通过小基线方法组成干涉对，对主影像和副影像进行共扼相乘，得到干涉条纹图和相干图，对所述干涉条纹图和所述相干图进行自适应滤波；
通过相干性选取高相干点，并对干涉条纹图进行相位解缠；通过数字高程模型和空间滤波方法去除大气相位影像，利用二次线性回归方法去除轨道相位影响；以高相干点建立线性模型，并构建SVD方程，进行形变估计。
2.如权利要求1所述的一种基于星载升降轨SAR和时序InSAR的滑坡识别方法，其特征在于，所述在所述升、降轨影像中选取各自主影像，包括以下步骤：
根据三基线之和最小准则、综合相关模型方法或时间基线最小准则选取主影像。
3.如权利要求1所述的一种基于星载升降轨SAR和时序InSAR的滑坡识别方法，其特征在于，对准的精度误差小于等于1/10像元。
4.如权利要求1所述的一种基于星载升降轨SAR和时序InSAR的滑坡识别方法，其特征在于，在所述通过小基线方法组成干涉对，对主影像和副影像进行共扼相乘，得到干涉条纹图和相干图，对所述干涉条纹图和所述相干图进行自适应滤波，还包括以下步骤：
采用精密轨道文件和高精度数字高程模型除去轨道误差、平地效应以及地形相位影响。
5.一种基于星载升降轨SAR和时序InSAR的滑坡识别系统，其特征在于，包括图像获取装置、图像处理装置以及数据处理装置；
所述图像获取装置，用于获取多幅目标区域的星载SAR升轨影像和降轨影像，在所述升、降轨影像中选取各自主影像，将升、降轨影像与所述主影像进行对准，确保两幅影像中同一位置的像元对应地面上的同一回波点；
所述图像处理装置，用于通过小基线方法组成干涉对，对主影像和副影像进行共扼相乘，得到干涉条纹图和相干图，对所述干涉条纹图和所述相干图进行自适应滤波；
所述数据处理装置，用于通过相干性选取高相干点，并对干涉条纹图进行相位解缠；通过数字高程模型和空间滤波方法去除大气相位影像，利用二次线性回归方法去除轨道相位影响；以高相干点建立线性模型，并构建SVD方程，进行形变估计。
6.如权利要求5所述的一种基于星载升降轨SAR和时序InSAR的滑坡识别系统，其特征在于，所述图像获取装置还用于根据三基线之和最小准则、综合相关模型方法或时间基线最小准则选取超级主影像。
7.如权利要求5所述的一种基于星载升降轨SAR和时序InSAR的滑坡识别系统，其特征在于，对准的精度误差小于等于1/10像元。
8.如权利要求5所述的一种基于星载升降轨SAR和时序InSAR的滑坡识别系统，其特征在于，所述图像处理装置，还用于采用精密轨道文件和高精度数字高程模型除去轨道误差、平地效应以及地形相位影响。
CN202011362140.5A 2020-11-27 2020-11-27 基于星载升降轨SAR和时序InSAR的滑坡识别方法及系统 Pending CN112505700A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011362140.5A CN112505700A (zh) 2020-11-27 2020-11-27 基于星载升降轨SAR和时序InSAR的滑坡识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011362140.5A CN112505700A (zh) 2020-11-27 2020-11-27 基于星载升降轨SAR和时序InSAR的滑坡识别方法及系统

Publications (1)

Publication Number Publication Date
CN112505700A true CN112505700A (zh) 2021-03-16

Family

ID=74967948

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011362140.5A Pending CN112505700A (zh) 2020-11-27 2020-11-27 基于星载升降轨SAR和时序InSAR的滑坡识别方法及系统

Country Status (1)

Country Link
CN (1) CN112505700A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115951354A (zh) * 2023-02-14 2023-04-11 中国铁道科学研究院集团有限公司铁道建筑研究所 一种融合升降轨的D-InSAR形变监测方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013074431A1 (en) * 2011-11-18 2013-05-23 Landmark Graphics Corporation Detecting and correcting unintended fluid flow between subterranean zones
CN104123470A (zh) * 2014-07-25 2014-10-29 首都师范大学 一种优化地面沉降监测网的方法
CN104459696A (zh) * 2014-12-24 2015-03-25 中南大学 一种基于平地相位的sar干涉基线精确估计方法
CN106249236A (zh) * 2016-07-12 2016-12-21 北京航空航天大学 一种星载InSAR长短基线图像联合配准方法
KR20170019923A (ko) * 2015-08-13 2017-02-22 강원대학교산학협력단 ＩｎＳＡＲ 및 ＧＩＳ를 이용한 화산 활동 분석 방법 및 시스템
US20180011188A1 (en) * 2015-02-25 2018-01-11 Nec Corporation Sar data search apparatus, method, and recording medium
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
CN110673145A (zh) * 2019-10-24 2020-01-10 中国地质大学（北京） 一种基于间断相干的InSAR地表形变监测方法及系统
CN110888130A (zh) * 2019-10-30 2020-03-17 华东师范大学 一种基于升降轨时序InSAR的煤矿区地表形变监测方法
CN111429496A (zh) * 2020-03-05 2020-07-17 武汉大学 一种顾及统计特性的时序PolSAR影像无监督变化检测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013074431A1 (en) * 2011-11-18 2013-05-23 Landmark Graphics Corporation Detecting and correcting unintended fluid flow between subterranean zones
CN104123470A (zh) * 2014-07-25 2014-10-29 首都师范大学 一种优化地面沉降监测网的方法
CN104459696A (zh) * 2014-12-24 2015-03-25 中南大学 一种基于平地相位的sar干涉基线精确估计方法
US20180011188A1 (en) * 2015-02-25 2018-01-11 Nec Corporation Sar data search apparatus, method, and recording medium
KR20170019923A (ko) * 2015-08-13 2017-02-22 강원대학교산학협력단 ＩｎＳＡＲ 및 ＧＩＳ를 이용한 화산 활동 분석 방법 및 시스템
CN106249236A (zh) * 2016-07-12 2016-12-21 北京航空航天大学 一种星载InSAR长短基线图像联合配准方法
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
CN110673145A (zh) * 2019-10-24 2020-01-10 中国地质大学（北京） 一种基于间断相干的InSAR地表形变监测方法及系统
CN110888130A (zh) * 2019-10-30 2020-03-17 华东师范大学 一种基于升降轨时序InSAR的煤矿区地表形变监测方法
CN111429496A (zh) * 2020-03-05 2020-07-17 武汉大学 一种顾及统计特性的时序PolSAR影像无监督变化检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BOULEMNAKHER KARIM: ""TOPS模式数据配准模型及其相对相干性的影响研究"", 《中国优秀硕士学位论文全文数据库基础科学辑》 *
屈春燕等: ""基于PS-InSAR技术的海原断裂带地壳形变观测研究"", 《国际地震动态》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115951354A (zh) * 2023-02-14 2023-04-11 中国铁道科学研究院集团有限公司铁道建筑研究所 一种融合升降轨的D-InSAR形变监测方法

Similar Documents

Publication Publication Date Title
Casu et al. A quantitative assessment of the SBAS algorithm performance for surface deformation retrieval from DInSAR data
CN113340191B (zh) 时间序列干涉sar的形变量测量方法及sar系统
Fornaro et al. Imaging of single and double scatterers in urban areas via SAR tomography
CN104111456B (zh) 一种高速铁路沿线地表形变高分辨率InSAR监测方法
CN112986993B (zh) 一种基于空间约束的InSAR形变监测方法
CN108919262B (zh) Dem辅助强度相关的冰川表面运动三维矢量反演方法
CN109212522B (zh) 一种基于双基星载sar的高精度dem反演方法及装置
CN110174673B (zh) 一种利用时序接力干涉图叠加高效减弱大气相位影响的方法
CN103713287B (zh) 一种基于互质多基线的高程重建方法及装置
CN107918127A (zh) 一种基于车载InSAR的道路边坡形变检测系统及方法
CN105824022A (zh) 一种电网不良地质体三维形变监测方法
CN103698764A (zh) 一种稀疏采样条件下的干涉合成孔径雷达成像方法
CN115060208A (zh) 基于多源卫星融合的输变电线路地质灾害监测方法及系统
CN105467390A (zh) 一种基于地基InSAR的桥梁形变近距离监测方法
Hu et al. An underground-mining detection system based on DInSAR
Peltier et al. Assessing the reliability and consistency of InSAR and GNSS data for retrieving 3D-displacement rapid changes, the example of the 2015 Piton de la Fournaise eruptions
CN111562575B (zh) 一种用于地面沉降的监测方法
Khakim et al. Detection of localized surface uplift by differential SAR interferometry at the hangingstone oil sand field, Alberta, Canada
Gonzalez et al. Coseismic horizontal offsets and fault-trace mapping using phase correlation of IRS satellite images: The 1999 Izmit (Turkey) earthquake
CN113138388B (zh) 融合精密水准与InSAR可靠沉降值的地面沉降监测方法
CN115184935A (zh) 输电走廊形变监测方法、装置、设备和介质
CN112505700A (zh) 基于星载升降轨SAR和时序InSAR的滑坡识别方法及系统
CN110148176A (zh) 红外高光谱多像元载荷的定位一致性的检验方法和装置
Ge et al. Mapping urban subsidence with TerraSAR-X data by PSI analysis
Liu et al. Ultrashort-baseline persistent scatterer radar interferometry for subsidence detection

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210316