CN112857312A - 依据沉降速率的不同时序差分干涉地面沉降测量融合方法 - Google Patents
依据沉降速率的不同时序差分干涉地面沉降测量融合方法 Download PDFInfo
- Publication number
- CN112857312A CN112857312A CN202110347019.3A CN202110347019A CN112857312A CN 112857312 A CN112857312 A CN 112857312A CN 202110347019 A CN202110347019 A CN 202110347019A CN 112857312 A CN112857312 A CN 112857312A
- Authority
- CN
- China
- Prior art keywords
- settlement
- image data
- insar
- sar image
- ground settlement
- 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
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 11
- 238000012544 monitoring process Methods 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000005259 measurement Methods 0.000 claims abstract description 28
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 22
- 230000001133 acceleration Effects 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 13
- 238000005305 interferometry Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 4
- 230000001788 irregular Effects 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 claims description 2
- 238000004062 sedimentation Methods 0.000 abstract description 13
- 230000003044 adaptive effect Effects 0.000 abstract description 4
- 238000000691 measurement method Methods 0.000 abstract description 3
- 230000004927 fusion Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
-
- 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)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
- Image Processing (AREA)
Abstract
本发明是一种依据沉降速率的不同时序差分干涉地面沉降测量融合方法，旨在解决应对同一测区内部不同地面沉降速率区的测量精度与效率要求，实现依据地面沉降速率自动选择相适应的时序差分干涉测量方法。首先采用PS‑InSAR方法解算，然后以PS‑InSAR监测成果中栅格数据的经纬度坐标与栅格点上的沉降速率为样本，采用ISODATA聚类算法找到地面沉降速率大的区域分界线，在区域内最大沉降点的沉降速率超过规定阈值时，在原有SAR图像数据采用PS‑InSAR方法基础上，在区域分界线内对后续部分原有图像数据和新增图像数据采用小基线SBAS‑InSAR方法，然后与原沉降测量值进行加权平均。最终将区域分界线内外的沉降监测成果合并在一起，得到依据沉降速率的地面沉降测量融合监测成果。
Description
技术领域
本发明涉及融合PS-InSAR与SBAS-InSAR两种监测方法，旨在解决应对同一测区内部不同地面沉降速率区的测量精度与效率要求，实现依据地面沉降速率自动选择相适应的时序差分干涉测量方法，属于地面沉降监测领域。
背景技术
目前，地面沉降的监测方法主要有精密水准测量、基岩标-分层标测量、GPS测量和合成孔径雷达差分干涉测量(InSAR)。
其中，精密水准测量通过布设分级水准网，经平差计算和空间内插来获得地表形变信息，该方法获得的地面沉降信息具有很高的精度和可靠性，但由于其复测周期长，人力物力消耗巨大，且无法满足对地面沉降实时动态监测的要求，获取的监测信息不连续等缺陷，限制了该方法的广泛应用。但就现有地面沉降监测技术来看，精密水准测量以其高精度的优势仍是其他监测技术无法比拟的，常用于新型地面沉降监测技术精度的验证。
基岩标-分层标监测方法能够高精度获取垂向分层地面沉降形变信息，其精度达到0.01～0.1mm。但由于操作复杂，施工工艺较高，费用昂贵等，限制了该方法在区域地面沉降监测中的广泛应用，目前常用于地面沉降机理研究方面。
GPS测量技术随着仪器和解缠算法的持续改进，在地面沉降监测中发挥了重要作用。GPS测量具有周期短、定位精度高、布网迅速、全天侯等优点，在水平形变监测方面具有较高的精度，但在垂直形变监测方面由于受到大气延迟、布网形式、施测方法和解缠算法的限制，其垂直形变监测精度仍是其难以避免的缺陷。而且，GPS测量所获取的是点状分布的地面监测点形变信息，在信号不好或障碍物遮挡的地区，难以获得监测点的高程值，限制了该方法的使用。
合成孔径雷达差分干涉测量技术是近二十年发展起来的新型空间对地观测技术，其特点是实时快速、大尺度、高精度，其垂直形变监测精度可达到mm级。但在水平形变监测方面其探测能力有限，对水平形变不敏感。并且在相位解缠方面受大气延迟和时空失相关影响较为严重，因此在解算时需消除这些误差的影响。
永久散射体(PS-InSAR)和小基线集时序分析技术(SBAS-InSAR)相比，PS-InSAR可以不考虑时间和空间基线的限制，仅仅跟踪成像区域内雷达散射特性较为稳定的目标而放弃那些失相关严重的分辨单元，需要数据量大(至少需要20期影像以上)，对点密度要求高，监测精度较高，适用在城市沉降监测，雷达散射特性稳定，可靠点密度高。SBAS-InSAR利用短基线集技术将像对组合成若干个小的差分干涉集合，利用最小二乘法求得每个小集合的地表变形时间序列，需要数据量较少(至少需要12期影像以上)，时间采样率高，能够有效地减弱时空失相干的影响，从而使得到的监测成果在时间和空间上更为连续，监测精度不及PS-InSAR，但可以获得更多的监测点信息，适合于城市以外的野外地面沉降。
同一测区内部不同地面沉降速率区的测量精度与效率要求是不同的，以及不同时序差分干涉测量方法的数据需求量对其监测精度的差异影像也是不同的。一般而言，PS-InSAR方法解算监测精度高，但是数据需求量大，一旦数据量不足精度下降很快；SBAS-InSAR方法解算监测精度不如PS-InSAR，但是小数据量时解算监测精度与效率反而高。所以无论是采用PS-InSAR或是采用SBAS-InSAR，单一解算方法对于区域内地面沉降速率差异性较大时都会带来一定区域范围内的方法缺陷与误差。故融合PS-InSAR与SBAS-InSAR实现依据地面沉降速率自动选择相适应的时序差分干涉测量方法具有非常重要的工程意义。
发明内容
技术问题：本发明的目的是提供一种依据沉降速率的不同时序差分干涉地面沉降测量融合方法，将传统的PS-InSAR低频次处理与SBAS技术高频次处理结合起来，利用SBAS处理的小数据量处理，旨在解决应对同一测区内部不同地面沉降速率区的测量精度与效率要求，实现依据地面沉降速率自动选择相适应的时序差分干涉测量方法，提高了地面沉降大区域的监测精度与效率。
技术方案:本发明的一种依据沉降速率的不同时序差分干涉地面沉降测量融合方法包括以下步骤：
步骤1：获得N幅合成孔径雷达SAR图像数据，构成SAR图像数据集合，所述N大于等于20；所述图像数据为合成孔径雷达对同一个地表观测场景进行成像并完成了图像配准的数据；
步骤2：对步骤1获得的SAR图像数据集合进行永久散射体合成孔径雷达干涉测量PS-InSAR处理，计算出整个区域的地面沉降监测结果，获得满足相干性阈值C为筛分条件的永久散射PS点；
步骤3：以PS-InSAR监测成果中PS点经纬度坐标与PS点沉降速率为样本，采用迭代自组织数据分析算法的聚类方法，依据PS点沉降速率将PS点空间坐标的划分为各个沉降区范围；
步骤4：求各个沉降区域内离散点的最小几何边界，建立不规则三角网格并以三角网格表面最大边长D为约束条件对最小几何边界进行修正，修正后的最小几何边界即为各个沉降区的分界线L；
步骤5：计算出各个沉降区的分界线L范围内PS点的最大综合相干系数Pl；
步骤6：以步骤3中各个沉降区的聚类中心点为区域内最大沉降点，判别其沉降速率是否超过目标阈值，从而确定该沉降区是否是沉降加速区；
步骤7：在步骤1之后获得后续部分SAR图像数据集合进行小基线集合成孔径雷达干涉测量SBAS-InSAR处理，计算出沉降加速区分界线L范围内地面沉降结果，并计算出沉降加速区分界线L范围内的SBAS-InSAR处理中平均综合相干系数P2；
步骤8：若获得新的SAR图像数据，并对新获取的SAR图像数据进行筛选，若满足筛选条件，则将新获取的SAR图像数据加入步骤1中的SAR图像数据集合，更新SAR图像数据为M；
步骤9：将配准结果符合相干性阈值C的新SAR图像数据与后续部分SAR图像数据集合进行合并，继续采用SBAS-InSAR方法重新计算出沉降加速区分界线L范围内地面沉降结果，并重新计算出沉降加速区分界线L的SBAS-InSAR处理中平均综合相干系数P2；
步骤10：将沉降加速区分界线L范围内永久散射体合成孔径雷达干涉测量PS-InSAR地面沉降监测结果与SBAS-InSAR地面沉降监测结果，按照加权平均方法进行合并，获得沉降加速区分界线L范围内地面沉降监测结果；
步骤11：重复执行步骤8～步骤10，直至无新获取的SAR图像数据为止；
步骤12：将加权平均后沉降加速区分界线L范围内地面沉降监测结果转换为矢量数据，替换原有沉降加速区分界线L范围内的PS-InSAR处理的结果数据，获得最终整个研究区域的地面沉降监测结果。
其中：
所述步骤2与步骤8中相干性阈值C≥0.9。
步骤4中所述最大边长D根据检测点离散型程度取4000～5000m。
所述步骤8中的N1>N*0.6。
所述步骤8中的具体筛选条件如下：新获取的SAR图像与步骤1中的SAR图像数据集合都为同一地表观测场景的数据，并且新获取的SAR图像与步骤1中的SAR图像数据集合中每一幅SAR图像数据的进行配准，若求得的N个相干性系数中有N1个系数的结果满足相干性阈值C，则满足筛选条件。
所述步骤10中的加权平均方法由公式：
R＝(Rl*wl+R2*w2)/(wl+w2)
其中，R为当前地面沉降监测结果，R1和R2分别为PS-InSAR地面沉降监测结果和SBAS-InSAR地面沉降监测结果，wl和w2为加权系数，且wl＝Pl，w2＝P2。
有益效果：本发明与现有技术相比具有以下优点：
(1)结合低频次更新PS-InSAR和高频次更新SBAS-InSAR地面沉降监测结果，得到快速更新的地面沉降监测结果，有利于在实际工程应用时及时获取地面沉降监测成果；
(2)本发明融合PS-InSAR与SBAS-InSAR技术，应对同一测区内部不同地面沉降速率区的测量精度与效率要求，无论是采用PS-InSAR或是采用SBAS-InSAR，单一解算方法对于区域内地面沉降速率差异性较大时都会带来一定区域范围内的方法缺陷与误差。
(3)充分利用了所有的观测数据，保证了结果的可靠性和稳定度，并减少了运算量和加快了沉降监测结果的更新速度，有利于在实际工程应用时及时获取地面沉降成果，而且该方法同样适用于在卫星编队模式下图像数据量大的情况。
附图说明
图1是本发明的方法流程框图。
具体实施方式
如图1所示为本发明的方法流程框图，由图1可知，本发明提供的一种依据沉降速率的不同时序差分干涉地面沉降测量融合方法，步骤如下：
(1)获得N幅SAR图像数据，构成SAR图像数据集合，所述N大于等于20；所述图像数据为SAR对同一个地表观测场景进行成像的数据；
(2)对步骤(1)中获得的SAR图像数据集合进行永久散射体InSAR处理，即PS-InSAR处理，解算出地面沉降监测结果，获得满足相干性阈值C为筛分条件的PS点，其中宜取C≥0.9；
基于城区的建筑物较为集中且地表形变量较小，这使得在PS-InSAR干涉处理过程中可以得到更多稳定的PS点，建筑物和植被上均可能存在这些高相干性PS点。因为城区的植被覆盖率远低于郊区，可以根据PS点在建筑物和植被上反映的概率密度分布-相干系数直方图求得建筑物和植被分布的概率比，取最大概率比对应的相干系数C为阈值对所有PS点进行筛分，筛选结果可以保证PS点出现在建筑物上的概率最大。
根据以往实验结果得到的概率密度分布-相干系数图可知，建筑物的相干系数大于0.9的概率约为75％，植被的相干系数大于0.9的概率约为15％，概率比此时最大为5:1，具体工程中参数C需要调整。
(3)ISODATA算法是在k-均值算法的基础上，增加对聚类结果的“合并”和“分裂”两个操作，并设定算法运行控制参数的一种聚类算法聚类分析。将PS点中沉降最大值的空间坐标作为算法初始中心点。对所有PS点的经纬度坐标与对应位置的沉降速率进行聚类分析，将所有PS点分为沉降加速区和沉降缓慢区两个部分；
首先选取ε＝750，MinPts＝50，其中，参数ε为领域半径；以一点为圆心，ε为半径的圆，称为该点的ε领域；参数MinPts为最小核心对象数；如果某点的ε领域内包含的点的数量大于等于MinPts，则该点称为核心对象；具体工程中参数ε、MinPts的值需要调整；以G为起点，计算点Gn到点G的距离d，若d≤750，则将点Gn归于点G的ε领域中。
输入所有PS点，找出所有从G点出发密度可达的数据对象点，形成一个簇；
如果选取的数据对象点p是边缘点，选取另一个数据对象点；如果选取的数据对象点p是核心点，则再从p点出发，找出所有从p点出发密度可达的数据对象点，重复以上步骤可以得到从G点出发密度可达的数据对象点集合U；
(4)提取数据对象点集合U的最小几何边界，建立不规则三角网格并以表面最大边长D为约束条件对最小几何边界进行修正，修正后的最小几何边界即为PS点分布密集区和稀疏区的分界线L，其中D根据检测点离散型程度宜取4000～5000m；
数据对象点集合U为满足密度特征的离散点集合，建立数据对象点集合U的外包络线，将其作为PS点分布密集区和稀疏区分界的参考线。具体步骤如下：首先绘制数据对象点集合U的最小凸面，然后将最小凸面内的所有PS点作为节点创建三角网格。对三角网格进行以下计算，任何一个三角形的任何一条边，如果大于最大边长D，那么这个三角形将被抹去，通过测量最小凸面边缘上的三角形的边，最大边长大概为4500m，实际最大边长设置为4600m，目的是避免把内部不该抹去的三角片也抹去了；从三角网格的外部范围向内遍历各个三角形，如果边界三角形的边在当前迭代中小于最大边长，则将停止遍历。最终得到数据对象点集合U修正后的最小几何边界L。具体工程中，根据高相干性PS点分布的离散程度，最大边长D宜取4000～5000m。
(5)计算出PS-InSAR处理中最大综合相干系数Pl；所述PS-InSAR处理中最大综合相干系数Pl由公式
给出，选取序号为1的SAR图像为主图像，其他N-1幅图像为辅图像，则对应的综合相干系数γl由公式：
其中，
l指主图像的序号，n指辅图像的序号，Tn,l为主副图像的时间基线(以年为单位)，
为主辅图像的空间基线，
为主辅图像的多普勒中心频率差，Bcr为临界有效基线，Tmax为临界时间基线，fdcmax为临界多普勒中心频率差。
(6)以步骤3中沉降加速区聚类中心点为区域内最大沉降点，判别其沉降速率是否超过规定阈值；阈值按照中速率区标准：沉降速率20-50mm/a；
(7)步骤⑴中获得后续部分SAR图像数据集合进行小基线集InSAR处理，即SBAS-InSAR处理，计算出分界线L范围内地面沉降结果，并计算出分界线L范围内的SBAS-InSAR处理中平均综合相干系数P2；
所述SBAS-InSAR处理中平均综合相干系数P2由公式
给出，其中小基线集由M1幅图像构成，选取序号为1的SAR图像为主图像，其他M1-1幅图像为辅图像，则对应的综合相干系数γl与PS-InSAR方法相同。
(8)获得新的SAR图像数据，并对新获取的SAR图像数据进行筛选，若满足筛选条件，则将新获取的SAR图像数据加入步骤7中的后续部分SAR图像数据集合，更新SAR图像数据为M；具体筛选条件如下：新获取的SAR图像数据与步骤7中后续部分SAR图像数据集合的地面沉降场景相同且与步骤7中后续部分SAR图像数据集合中任意一幅SAR图像的配准结果满足预设相干条件；
所述预设相干条件具体为：从配准后的新获取SAR图像中选取一块图像，计算该块图像与步骤7后续部分SAR图像数据集合中每一幅SAR图像的相干系数，若求得的N个相干系数中有N1个相干系数超过预定阈值P，则配准结果满足预设相干条件；所述N1>N*0.6；P>0.6；
(9)将配准结果符合预设相干条件的新SAR图像数据与后续部分SAR图像数据集合进行合并，继续采用SBAS-InSAR方法重新计算出分界线L范围内地面沉降结果，并重新计算出分界线L范围内的SBAS-InSAR处理中平均综合相干系数P2；
(10)将步骤2中分界线L范围内PS-InSAR地面沉降监测结果与步骤9中分界线L范围内SBAS-InSAR地面沉降监测结果，按照加权平均方法获得分界线L范围内地面沉降监测结果；所述加权平均方法由公式：
R＝(Rl*wl+R2*w2)/(wl+w2)
其中，R为当前地面沉降监测结果，R1和R2分别为PS-InSAR地面沉降监测结果和SBAS-InSAR地面沉降监测结果，wl和w2为加权系数，且wl＝Pl，w2＝P2；
(11)重复执行步骤8～步骤10，直至无新获取的SAR图像数据为止。
(12)将SBAS-InSAR方法获得的地面沉降监测结果的栅格数据转换为矢量数据，根据分界线L，将沉降加速区的PS-InSAR监测成果数据更新为对应区域的SBAS-InSAR方法的矢量数据，获得最终整个研究区域的地面沉降监测结果。
Claims (6)
1.一种依据沉降速率的不同时序差分干涉地面沉降测量融合方法，其特征在于该方法包括以下步骤：
步骤1：获得N幅合成孔径雷达SAR图像数据，构成SAR图像数据集合，所述N大于等于20；所述图像数据为合成孔径雷达对同一个地表观测场景进行成像并完成了图像配准的数据；
步骤2：对步骤1获得的SAR图像数据集合进行永久散射体合成孔径雷达干涉测量PS-InSAR处理，计算出整个区域的地面沉降监测结果，获得满足相干性阈值C为筛分条件的永久散射PS点；
步骤3：以PS-InSAR监测成果中PS点经纬度坐标与PS点沉降速率为样本，采用迭代自组织数据分析算法的聚类方法，依据PS点沉降速率将PS点空间坐标的划分为各个沉降区范围；
步骤4：求各个沉降区域内离散点的最小几何边界，建立不规则三角网格并以三角网格表面最大边长D为约束条件对最小几何边界进行修正，修正后的最小几何边界即为各个沉降区的分界线L；
步骤5：计算出各个沉降区的分界线L范围内PS点的最大综合相干系数Pl；
步骤6：以步骤3中各个沉降区的聚类中心点为区域内最大沉降点，判别其沉降速率是否超过目标阈值，从而确定该沉降区是否是沉降加速区；
步骤7：在步骤1之后获得后续部分SAR图像数据集合进行小基线集合成孔径雷达干涉测量SBAS-InSAR处理，计算出沉降加速区分界线L范围内地面沉降结果，并计算出沉降加速区分界线L范围内的SBAS-InSAR处理中平均综合相干系数P2；
步骤8：若获得新的SAR图像数据，并对新获取的SAR图像数据进行筛选，若满足筛选条件，则将新获取的SAR图像数据加入步骤1中的SAR图像数据集合，更新SAR图像数据为M；
步骤9：将配准结果符合相干性阈值C的新SAR图像数据与后续部分SAR图像数据集合进行合并，继续采用SBAS-InSAR方法重新计算出沉降加速区分界线L范围内地面沉降结果，并重新计算出沉降加速区分界线L的SBAS-InSAR处理中平均综合相干系数P2；
步骤10：将沉降加速区分界线L范围内永久散射体合成孔径雷达干涉测量PS-InSAR地面沉降监测结果与SBAS-InSAR地面沉降监测结果，按照加权平均方法进行合并，获得沉降加速区分界线L范围内地面沉降监测结果；
步骤11：重复执行步骤8～步骤10，直至无新获取的SAR图像数据为止；
步骤12：将加权平均后沉降加速区分界线L范围内地面沉降监测结果转换为矢量数据，替换原有沉降加速区分界线L范围内的PS-InSAR处理的结果数据，获得最终整个研究区域的地面沉降监测结果。
2.根据权利要求1所述的依据沉降速率的不同时序差分干涉地面沉降测量融合方法，其特征在于：所述步骤2与步骤8中相干性阈值C≥0.9。
3.根据权利要求1所述的依据沉降速率的不同时序差分干涉地面沉降测量融合方法，其特征在于：步骤4中所述最大边长D根据检测点离散型程度取4000～5000m。
4.根据权利要求1所述的依据沉降速率的不同时序差分干涉地面沉降测量融合方法，其特征在于：所述步骤8中的N1>N*0.6。
5.根据权利要求1所述的依据沉降速率的不同时序差分干涉地面沉降测量融合方法，其特征在于：所述步骤8中的具体筛选条件如下：新获取的SAR图像与步骤1中的SAR图像数据集合都为同一地表观测场景的数据，并且新获取的SAR图像与步骤1中的SAR图像数据集合中每一幅SAR图像数据的进行配准，若求得的N个相干性系数中有N1个系数的结果满足相干性阈值C，则满足筛选条件。
6.根据权利要求1所述的依据沉降速率的不同时序差分干涉地面沉降测量融合方法，其特征在于：所述步骤10中的加权平均方法由公式：
R＝(Rl*wl+R2*w2)/(wl+w2)
其中，R为当前地面沉降监测结果，R1和R2分别为PS-InSAR地面沉降监测结果和SBAS-InSAR地面沉降监测结果，wl和w2为加权系数，且wl＝Pl，w2＝P2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110347019.3A CN112857312B (zh) | 2021-03-31 | 2021-03-31 | 依据沉降速率的不同时序差分干涉地面沉降测量融合方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110347019.3A CN112857312B (zh) | 2021-03-31 | 2021-03-31 | 依据沉降速率的不同时序差分干涉地面沉降测量融合方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112857312A true CN112857312A (zh) | 2021-05-28 |
| CN112857312B CN112857312B (zh) | 2022-08-19 |
Family
ID=75991810
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110347019.3A Active CN112857312B (zh) | 2021-03-31 | 2021-03-31 | 依据沉降速率的不同时序差分干涉地面沉降测量融合方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112857312B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113051519A (zh) * | 2021-06-01 | 2021-06-29 | 北方卓越(北京)勘测技术有限公司 | 一种基于地球物理的地面沉降预警监测系统 |
| CN114187521A (zh) * | 2021-12-16 | 2022-03-15 | 西南交通大学 | 一种面向黄土填土沉降区的边界识别与提取方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102608584A (zh) * | 2012-03-19 | 2012-07-25 | 中国测绘科学研究院 | 基于多项式反演模型的时间序列InSAR形变监测方法及装置 |
| CN104123464A (zh) * | 2014-07-23 | 2014-10-29 | 中国国土资源航空物探遥感中心 | 一种高分辨率InSAR时序分析反演地物高程与地面沉降量的方法 |
| CN106556834A (zh) * | 2016-11-24 | 2017-04-05 | 首都师范大学 | 一种从两平行轨道sar数据集中精确提取地面垂直形变方法 |
| JP2018040728A (ja) * | 2016-09-08 | 2018-03-15 | 株式会社パスコ | 地表変状可視化装置及び地表変状可視化プログラム |
| CN108627832A (zh) * | 2018-05-11 | 2018-10-09 | 电子科技大学 | 一种基于多时序sar图像提取输电通道地表形变的方法 |
| 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 |
| CN108919266A (zh) * | 2018-07-20 | 2018-11-30 | 国交空间信息技术（北京）有限公司 | 一种基于PSInSAR技术的桥梁安全预警方法 |
| JP2018194404A (ja) * | 2017-05-16 | 2018-12-06 | 株式会社パスコ | 機械学習方法、及び地表変動判定方法 |
| CN108957456A (zh) * | 2018-08-13 | 2018-12-07 | 伟志股份公司 | 基于多数据源sbas技术的滑坡监测和早期识别方法 |
| CN111323776A (zh) * | 2020-02-27 | 2020-06-23 | 长沙理工大学 | 一种矿区形变的监测方法 |
| CN111337923A (zh) * | 2020-04-10 | 2020-06-26 | 中国水利水电第四工程局有限公司 | 一种时序InSAR数据建立滑坡形变时程模型的方法 |
-
2021
- 2021-03-31 CN CN202110347019.3A patent/CN112857312B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102608584A (zh) * | 2012-03-19 | 2012-07-25 | 中国测绘科学研究院 | 基于多项式反演模型的时间序列InSAR形变监测方法及装置 |
| CN104123464A (zh) * | 2014-07-23 | 2014-10-29 | 中国国土资源航空物探遥感中心 | 一种高分辨率InSAR时序分析反演地物高程与地面沉降量的方法 |
| JP2018040728A (ja) * | 2016-09-08 | 2018-03-15 | 株式会社パスコ | 地表変状可視化装置及び地表変状可視化プログラム |
| CN106556834A (zh) * | 2016-11-24 | 2017-04-05 | 首都师范大学 | 一种从两平行轨道sar数据集中精确提取地面垂直形变方法 |
| JP2018194404A (ja) * | 2017-05-16 | 2018-12-06 | 株式会社パスコ | 機械学習方法、及び地表変動判定方法 |
| CN108627832A (zh) * | 2018-05-11 | 2018-10-09 | 电子科技大学 | 一种基于多时序sar图像提取输电通道地表形变的方法 |
| CN108919266A (zh) * | 2018-07-20 | 2018-11-30 | 国交空间信息技术（北京）有限公司 | 一种基于PSInSAR技术的桥梁安全预警方法 |
| 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 |
| CN108957456A (zh) * | 2018-08-13 | 2018-12-07 | 伟志股份公司 | 基于多数据源sbas技术的滑坡监测和早期识别方法 |
| CN111323776A (zh) * | 2020-02-27 | 2020-06-23 | 长沙理工大学 | 一种矿区形变的监测方法 |
| CN111337923A (zh) * | 2020-04-10 | 2020-06-26 | 中国水利水电第四工程局有限公司 | 一种时序InSAR数据建立滑坡形变时程模型的方法 |
Non-Patent Citations (8)
| Title |
|---|
| ANDREW HOOPER: "A multi-temporal InSAR method incorporating both persistent scatterer and small baseline approaches", 《GEOPHYSICAL RESEARCH LETTERS》 * |
| 刘媛媛: "基于多源SAR数据的时间序列InSAR地表形变监测研究", 《中国优秀硕士学位论文全文数据库 (基础科学辑)》 * |
| 姜德才: "百年煤城地表沉降融合PS/SBAS InSAR监测——以徐州市为例", 《测绘通报》 * |
| 李晓龙: "MCTSB-InSAR沉降监测技术及其应用", 《中国优秀硕士学位论文全文数据库 (基础科学辑)》 * |
| 李路: "改进的SBAS-InSAR技术在矿区地表沉降监测中的应用", 《中国优秀硕士学位论文全文数据库 (基础科学辑)》 * |
| 王宏宇: "短时空基线PS-IsSAR技术在大同地区的形变监测研究", 《中国优秀硕士学位论文全文数据库 (基础科学辑)》 * |
| 王舜瑶: "一种顾及永久散射体的SBAS InSAR时序地表沉降提取方法", 《测绘通报》 * |
| 鹿璐: "面向矿区地表时序沉降监测的DS-InSAR方法研究", 《中国优秀硕士学位论文全文数据库 (基础科学辑)》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113051519A (zh) * | 2021-06-01 | 2021-06-29 | 北方卓越(北京)勘测技术有限公司 | 一种基于地球物理的地面沉降预警监测系统 |
| CN114187521A (zh) * | 2021-12-16 | 2022-03-15 | 西南交通大学 | 一种面向黄土填土沉降区的边界识别与提取方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112857312B (zh) | 2022-08-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105550639B (zh) | 对地观测激光测高卫星高程控制点自动提取方法和数据处理方法 | |
| CN112857312B (zh) | 依据沉降速率的不同时序差分干涉地面沉降测量融合方法 | |
| CN108663017A (zh) | 一种监测城市地铁沿线地表沉降的方法 | |
| LU504084B1 (en) | A non-rigid registration method of vehicle-borne LiDAR point clouds by fusing multiple road features | |
| Kumar et al. | Mapping the organic carbon stocks of surface soils using local spatial interpolator | |
| CN113960595A (zh) | 一种地表形变监测方法及系统 | |
| CN105571571A (zh) | 基于三维激光扫描的堆积剖面空间结构信息分析方法 | |
| CN112379393B (zh) | 一种列车碰撞预警方法及其装置 | |
| Ma et al. | Automatic detection of steel rebar in bridge decks from ground penetrating radar data | |
| CN113281749A (zh) | 一种顾及同质性的时序InSAR高相干点选取方法 | |
| CN112558076A (zh) | 基于组网天气雷达覆盖域的体扫描模式计算方法与应用 | |
| CN112444188B (zh) | 一种多视角InSAR海堤高精度三维形变测量方法 | |
| CN116299455A (zh) | 基于PSInSAR与SqueeSAR的设施形变分析方法 | |
| CN108983231B (zh) | 一种基于视频合成孔径雷达的干涉视频测量方法 | |
| CN114791273A (zh) | 一种针对滑坡的InSAR形变监测结果解释方法 | |
| CN114727384A (zh) | 一种基于加权min-max的蓝牙RSSI定位方法 | |
| CN113238228B (zh) | 基于水准约束的三维地表形变获取方法、系统及装置 | |
| CN112986948B (zh) | 基于InSAR技术的建筑形变监测方法和装置 | |
| Luo et al. | Ice flow velocity mapping in East Antarctica using historical images from 1960s to 1980s: recent progress | |
| CN117932333A (zh) | 一种顾及不同地形场景下的城市建筑高度提取方法 | |
| Rufei et al. | Research on a pavement pothole extraction method based on vehicle-borne continuous laser scanning point cloud | |
| CN113008202B (zh) | 一种融合不同合成孔径雷达干涉测量的地面沉降监测方法 | |
| CN116740307A (zh) | 智慧城市三维模型构建方法 | |
| Zhang et al. | Sensitivity assessment of morphometric parameters of monogenetic volcanic landforms with global free DEMs | |
| CN112859073B (zh) | 一种基于PSInSAR技术的道路破损评估方法 |
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 |