CN112986993B - 一种基于空间约束的InSAR形变监测方法 - Google Patents
一种基于空间约束的InSAR形变监测方法 Download PDFInfo
- Publication number
- CN112986993B CN112986993B CN202110168986.3A CN202110168986A CN112986993B CN 112986993 B CN112986993 B CN 112986993B CN 202110168986 A CN202110168986 A CN 202110168986A CN 112986993 B CN112986993 B CN 112986993B
- Authority
- CN
- China
- Prior art keywords
- phase
- deformation
- image
- points
- point
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012544 monitoring process Methods 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000000926 separation method Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000001914 filtration Methods 0.000 claims description 14
- 239000006185 dispersion Substances 0.000 claims description 8
- 238000003384 imaging method Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000012952 Resampling Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 15
- 238000007781 pre-processing Methods 0.000 abstract description 2
- 238000005305 interferometry Methods 0.000 description 3
- 238000004804 winding Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 125000001153 fluoro group Chemical group F* 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000011084 recovery 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
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
- G01B15/06—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons for measuring the deformation in a solid
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于空间约束的InSAR形变监测方法,包括:数据获取及预处理:通过星载雷达卫星获取原始单视复数影像,利用外部DEM进行影像配准以及地理编码,使所有影像均位于同一坐标框架下;从位于同一坐标框架下的所有影像中选取最佳主影像,将最佳主影像与其余影像分别形成差分干涉对;基于差分干涉对,选取得到高相干点;对高相干点进行相位解缠处理,得到高相干点的解缠相位;针对解缠相位,利用空间约束反演形变序列,得到初始形变相位;对初始形变相位进行大气误差分离,得到最终的形变相位,即为形变监测信息。与现有技术相比,本发明基于时序InSAR技术,通过合理加入空间约束,能够高效、可靠地恢复高精度形变序列。
Description
技术领域
本发明涉及地表形变监测技术领域,尤其是涉及一种基于空间约束的InSAR形变监测方法。
背景技术
地表形变监测一直以来是地理国情监测的重要内容,我国幅员辽阔,地貌复杂多样,且滑坡、地震、泥石流等地质灾害频发;另外,随着社会的高速发展,地下资源的过度开采、地下施工等均会造成不同程度的地表形变。这些由自然灾害或人为因素造成的地表形变会对社会经济、人民生命安全造成严重的危害,因此高效、高可靠地进行地表形变监测显得十分重要。
合成孔径雷达干涉测量技术(InSAR)是一种新兴的空间大地测量技术,SAR卫星是主动式微波遥感卫星,通过获取地面回波信号的相位和幅度信息,以两次成像的相位差异来获取雷达视线方向的形变信息。相比于传统地表形变监测手段,InSAR作为非接触式的测量技术,具有大范围、全天候、连续、高空间分辨率等特点,解决了传统测量技术如水准、GNSS监测等面临的作业周期长、人力耗费大等问题。随着可利用SAR卫星数据的增多,InSAR技术已被成功应用于如地震、滑坡、道桥、工程监测等领域。
时序InSAR是对多幅SAR影像进行干涉,以减弱或消除传统差分干涉测量技术中时空失相关的影响。根据选点特征的不同,时序InSAR技术分为以PSInSAR(PermanentScatterer Interferometry)为代表的单主影像干涉序列、以SBAS(Small BaselineSubset)为代表的多主影像干涉系统,以及两者结合的InSAR技术。时序InSAR技术核心步骤为形变序列恢复,对于解缠后的相位,地形误差的存在使得时序观测模型为秩亏系统,准确地从秩亏模型中反演形变具有重要意义。目前的时序技术通过引入时间约束,即形变模型假设来恢复形变信息,但是由于缺乏准确的先验信息,模型误差的存在会对估计参数产生较大影响。尤其在复杂形变场景下,经由时间约束的观测模型会使估计参数出现严重错误,无法正确反演形变。
此外,一些时序技术通过加入最小范数准则进行秩亏方程的解算,但是该方法是对参数整体引入重心基准,并未区分地形参数和形变参数,虽然使得方程可解但是不具有物理意义。因此,如何合理的加入约束,以高效、可靠地恢复高精度的形变序列,是当前形变监测技术中需要解决的难题。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于空间约束的InSAR形变监测方法,以实现高精度恢复形变序列的目的。
本发明的目的可以通过以下技术方案来实现:一种基于空间约束的InSAR形变监测方法,包括以下步骤:
S1、数据获取及预处理:通过星载雷达卫星获取原始单视复数影像,利用外部DEM(Digital Elevation Model,数字高程模型)进行影像配准以及地理编码,使所有影像均位于同一坐标框架下,并得到相应的高程信息;
S2、从位于同一坐标框架下的所有影像中选取最佳主影像,将最佳主影像与其余影像分别形成差分干涉对;
S3、基于差分干涉对,选取得到高相干点;
S4、对高相干点进行相位解缠处理,得到高相干点的解缠相位;
S5、针对解缠相位,利用空间约束反演形变序列,得到初始形变相位;
S6、对初始形变相位进行大气误差分离,得到最终的形变相位,即为形变监测信息。
进一步地,所述步骤S1具体包括以下步骤:
S11、通过星载雷达卫星获取原始单视复数影像;
S12、根据监测区的范围对原始影像进行裁剪及拼接;
S13、利用外部DEM进行影像配准以及地理编码,通过影像配准使所有影像均位于同一坐标框架下,通过地理编码得到相应的高程信息,其中,影像配准的具体过程为:
在SAR影像中选取控制点,由距离-多普勒方程以及地球坐标系模型实现点目标的几何定位;
由当前点目标的斜距、成像多普勒中心、坐标值和系统参数计算得到其在副影像中的距离向、方位向坐标,由此确定主副影像的坐标配准偏移量;
求出所有控制点的配准偏移量;
根据计算得到的偏移量对副影像各像素进行插值重采样,从而完成SAR影像配准。
进一步地,所述距离-多普勒方程具体为:
|x-xe(t)|+|x-xr(t)|=cη
式中,x为地面点目标位置,xe(t)和ve(t)为发射天线在t时刻的位置和速度,xr(t)和vr(t)为接受天线在t时刻的位置和速度,λ、fc、c、η分别为波长、多普勒中心频率、波速和时延。
进一步地,所述步骤S2具体包括以下步骤:
S21、由时间基线、空间基线、多普勒中心频率和噪声综合评价,从位于同一坐标框架下的所有影像中选取最佳主影像,并与其他影像形成原始干涉对;
S22、根据地理编码得到的高程信息,计算得到地形相位;
根据干涉对的基线信息,计算得到平地相位;
S23、将原始干涉相位依次减去地形相位和平地相位,形成差分干涉对。
进一步地,所述步骤S3具体包括以下步骤:
S31、选定合适的窗口,求解中心像素的相干系数;
S32、移动窗口,计算每个像素点的相干系数,将大于第一阈值的点作为初始候选点。
S33、利用振幅离差指数进行二次选取,通过计算初始候选点的振幅离散指数,将对应振幅离散指数大于第二阈值的初始候选点作为最终的高相干点。
进一步地,所述步骤S4具体是对高相干点构建Delaunay三角网,利用最小费用流方法进行相位解缠,获得高相干点的解缠相位。
进一步地,所述步骤S5具体包括以下步骤:
S51、基于解缠相位,形成弧段间双差观测方程,并计算得到对应的方差-协方差矩阵;
S52、引入空间约束,形成伪观测方程,并计算得到对应的方差-协方差矩阵;
S53、联合双差观测方程和伪观测方程,构建整体观测方程;
S54、由广义测量平差理论,对整体观测方程进行参数估计,得到地形及形变估计参数;
S55、根据形变估计参数,计算得到初始形变相位。
进一步地,所述步骤S51中双差观测方程具体为:
l=GΔτ+Δd+Δε
B⊥=B cosθ
其中,l为双差观测向量,G为地形参数系数矩阵,Δ为弧段间差分算子,τ为地形误差,d为形变,ε为双差观测随机误差,φuw为解缠相位,B为基线,B⊥为垂直基线,R为斜距,θ为入射角;
所述双差观测方程的方差-协方差矩阵为:
Ql=SQψST
所述步骤S52中伪观测方程具体为:
lr=Δd+Δ∈
其中,lr为伪观测向量,∈为伪观测随机误差;
所述伪观测方程的方差-协方差矩阵为:
其中,g(s)为高斯方差函数,σ2为整个序列的权因子,ω为随距离下降因子,s为相邻点之间的欧式距离,IM为M阶单位矩阵。
进一步地,所述步骤S53中整体观测方程具体为:
所述步骤S54中地形及形变估计参数具体为:
初始形变相位具体为:
进一步地,所述步骤S6的具体过程为:
构建Delaunay三角网:
其中,[·]LP_space为空间域低通滤波,通过从弧段到点上的积分可以获取每个点的φa,至此完成了大气延迟的分离,有效地减轻了大气误差对形变信息的干扰;
最终可获得形变相位为:
其中,φd即为形变监测信息。
与现有技术相比,本发明具有以下优点:
一、本发明基于现有的时序InSAR技术,通过引入空间约束,具体是根据解缠后的相位,加入更符合实际形变物理意义的空间约束,能够区分地形参数和形变参数,且能直接获取形变序列,无需形变模型假设,消除了模型误差对参数估计的影响,从而保证高效、可靠地恢复高精度的形变序列。
二、本发明在缠绕相位解算方面,采用空间域最小费用流解缠,进一步保证了高相干点解缠相位的准确性,结合后续的大气误差分离处理,有效提高了最终形变监测信息的准确性。
附图说明
图1为本发明的方法流程示意图;
图2为本发明中利用空间约束反演形变序列的具体流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示,一种基于空间约束的InSAR形变监测方法,包括以下步骤:
S1、数据获取及预处理,通过星载雷达卫星获取原始单视复数影像,利用外部DEM进行影像配准及地理编码,其中,影像配准处理后所有影像均位于同一坐标框架下,通过地理编码能够得到影像的高程信息,影像配准的具体过程为:
S1-1、根据监测区的范围对原始影像进行裁剪及拼接;
S1-2、利用外部DEM对影像进行配准,基于几何配准的方法独立于SAR影像数据,不受数据质量的影响,且配准误差具有一致性,因此在复杂地形下能够配准精度较稳定,基于外部DEM进行配准:
S1-2-1、在SAR影像中选取控制点,并从配置文件中获取雷达斜距、多普勒中心、波长等成像参数以及天线相位中心位置、速度等信息,以得到距离多普勒方程,如下
|x-xe(t)|+|x-xr(t)|=cη (2)
式中,x为地面点目标位置;xe(t)和ve(t)为发射天线在t时刻的位置和速度,xr(t)和vr(t)为接受天线在t时刻的位置和速度;λ,fc,c,η分别为波长,多普勒中心频率,波速和时延,由式(1)、(2)和地球坐标系模型实现点目标的几何定位;
S1-2-2、由当前点目标的斜距、成像多普勒中心、坐标值和系统参数计算得到其在副图像中的距离向、方位向坐标,由此确定主副影像的坐标配准偏移量;
S1-2-3、对所有选取的配准控制点重复步骤S1-2-1~S1-2-2,直到求出所有控制点的配准偏移量;
S1-2-4、根据计算得到的偏移量对副影像各像素进行插值重采样,从而完成SAR影像几何配准。
S2、生成差分干涉对。主影像和副影像形成的时间基线、空间基线以及频率基线是影响干涉效果的重要因素,为挑选最佳的公共主影像,需要使时序干涉图的相关系数之和达到最大,具体地:
S2-1、根据式
式中,γ为相干系数,f(γt),f(γB),f(γDC)分别为时间基线系数、垂直基线系数和多普勒质心频率差系数,找到最佳主影像后形成干涉对;
S2-2、由外部DEM及成像几何,计算地形相位φtopo和平地相位φflat如下:
φflat=B sinθ (5)
式中,λ为波长,R为斜距,θ为入射角,B⊥=B cosθ为垂直基线,h为高程,干涉相位减去地形及平地相位,形成差分干涉对。
S3、高相干点选取,包括利用相干系数和振幅离差双阈值选取PS(PermanentScatterer,永久散射体)点,具体地:
S3-1、选定合适的窗口,求解中心像素的相干系数
式中,S1和S2为两幅影像,*为共轭相乘,m,n分别为窗口的长和宽,对N个干涉对分别求解相干系数γ1,γ2…γN,并计算均值
S3-2、移动窗口,计算每个像素点的相干系数,将大于第一阈值的点作为初始PS候选点;
利用上两式计算振幅离散指数
根据第二阈值At,若DA>At,作为最终PS点,否则,不选为PS点。
S4、空间域解缠,利用最小费用流方法。具体地:
对PS点划分Delaunay三角网,差分相位可以表示为
φ(i,j)=φuw(i,j)+2kπ (11)
式中,(i,j)代表点位坐标,φ为缠绕相位,φuw为解缠后相位,k为缠绕整数,其中φ(i,j)∈[-π,π],相邻点在x和y方向的缠绕相位梯度为
Δφx(i,j)=φx(i+1,j)-φx(i,j) (12)
Δφy(i,j)=φy(i,j+1)-φy(i,j) (13)
式中,Δ表示差分算子,由式(11)、(12)和(13),可得如下关系:
变换可得
根据最小费用流理论,最小化以下方程来求解k1和k2
min{∑i,j c1(i,j)|k1(i,j)|+c2(i,j)|k2(i,j)|} (18)
其中c代表弧段流量,即权重,通常可由相干性计算,然后由式(14)和(15),计算相位梯度;最终得到解缠后相位为
S5、针对解缠后相位,利用空间约束反演形变序列,具体包括:
S5-1、形成双差观测方程,解缠相位参数化后可以表达为
式中,τ为地形误差,d代表形变,ε为双差观测随机误差,通常利用弧段间双差相位作为观测值
式中,Δ代表弧段间差分算子,假设有(N+1)副影像,(K+1)个点,则观测向量方程为
l=GΔτ+Δd+Δε (22)
Ql=SQψST (23)
S5-2、引入空间约束,观测系统(22)观测值个数小于参数个数,因此加入伪观测方程作为约束
lr=Δd+Δ∈ (24)
式中,σ2表示整个序列的权因子,ω代表随距离下降因子,s为相邻点之间的欧式距离,则伪观测方程的方差-协方差矩阵为
S5-3、对整体观测方程进行参数估计,联合式(22)和(24)为
由广义测量平差理论,估计参数为
由于空间约束条件只在合理、有限的空间范围内成立,S5-1~S5-3均在局部区域内进行计算,另外,所有点同时计算会降低运算效率,因此需要对整副影像划分区域,本实施例采用正方形格网进行划分,格网间有10%的重叠区,每个格网单独计算,最后用重叠区的公共点将所有形变信息统一到全局参考点。
S6、大气误差分离。大气延迟对InSAR形变反演精度的影响十分显著,需要根据其物理特性进行削弱。由上述获得的形变信息吸收了大气及其他噪声相位,根据大气的物理特性,其在空间域表现出局部相关性,在时间域上不相关,根据其与形变及其他残差相位在时空域的不同特征,采用时空滤波的方式进行削弱。所述误差分离具体包括:
步骤S5得到的相位可以表示为:
式中,[·]LP_space为空间域低通滤波。最后通过从弧段到点上的积分可以获取每个点的φa,至此完成了大气延迟的分离,有效地减轻了大气误差对形变信息的干扰。最终可获得形变信息为
上述一种基于空间约束的InSAR形变监测方法,能够全天候、大面积、连续、高空间分辨率地监测地表形变。具体的,在相位解缠方面采用空间二维最小费用流问题解缠,保证了解缠的准确性;根据解缠后的相位,加入更符合实际形变物理意义的空间约束,直接获取形变序列;无需形变模型假设,消除了模型误差对参数估计的影响。与现有时序InSAR技术相比,本发明解决了传统监测手段周期长、人力耗费大等问题、避免了传统差分干涉测量中时空失相干的影响,拓展了InSAR技术的应用场景;
本发明适用于多种形变场景,尤其对于复杂地区形变监测,本发明能够准确反演形变趋势,为灾害监测提供了高精度的测量手段。
Claims (6)
1.一种基于空间约束的InSAR形变监测方法,其特征在于,包括以下步骤:
S1、数据获取及预处理:通过星载雷达卫星获取原始单视复数影像,利用外部DEM进行影像配准以及地理编码,使所有影像均位于同一坐标框架下,并得到相应的高程信息;
S2、从位于同一坐标框架下的所有影像中选取最佳主影像,将最佳主影像与其余影像分别形成差分干涉对;
S3、基于差分干涉对,选取得到高相干点;
S4、对高相干点进行相位解缠处理,得到高相干点的解缠相位;
S5、针对解缠相位,利用空间约束反演形变序列,得到初始形变相位;
S6、对初始形变相位进行大气误差分离,得到最终的形变相位,即为形变监测信息;
所述步骤S5具体包括以下步骤:
S51、基于解缠相位,形成弧段间双差观测方程,并计算得到对应的方差-协方差矩阵;
S52、引入空间约束,形成伪观测方程,并计算得到对应的方差-协方差矩阵;
S53、联合双差观测方程和伪观测方程,构建整体观测方程;
S54、由广义测量平差理论,对整体观测方程进行参数估计,得到地形及形变估计参数;
S55、根据形变估计参数,计算得到初始形变相位;
所述步骤S51中双差观测方程具体为:
l=GΔτ+Δd+Δε
B⊥=B cosθ
其中,l为双差观测向量,G为地形参数系数矩阵,Δ为弧段间差分算子,τ为地形误差,d为形变,ε为双差观测随机误差,φuw为解缠相位,λ为波长,B为基线,B⊥为垂直基线,R为斜距,θ为入射角;
所述双差观测方程的方差-协方差矩阵为:
Ql=SQψST
所述步骤S52中伪观测方程具体为:
lr=Δd+Δ∈
其中,lr为伪观测向量,∈为伪观测随机误差;
所述伪观测方程的方差-协方差矩阵为:
其中,g(s)为高斯方差函数,σ2为整个序列的权因子,ω为随距离下降因子,s为相邻点之间的欧式距离,IM为M阶单位矩阵;
所述步骤S53中整体观测方程具体为:
所述步骤S54中地形及形变估计参数具体为:
初始形变相位具体为:
所述步骤S6的具体过程为:
构建Delaunay三角网:
其中,[·]LP_space为空间域低通滤波,通过从弧段到点上的积分可以获取每个点的φa,至此完成了大气延迟的分离,有效地减轻了大气误差对形变信息的干扰;
最终可获得形变相位为:
其中,φd即为形变监测信息。
2.根据权利要求1所述的一种基于空间约束的InSAR形变监测方法,其特征在于,所述步骤S1具体包括以下步骤:
S11、通过星载雷达卫星获取原始单视复数影像;
S12、根据监测区的范围对原始影像进行裁剪及拼接;
S13、利用外部DEM进行影像配准以及地理编码,通过影像配准使所有影像均位于同一坐标框架下,通过地理编码得到相应的高程信息,其中,影像配准的具体过程为:
在SAR影像中选取控制点,由距离-多普勒方程以及地球坐标系模型实现点目标的几何定位;
由当前点目标的斜距、成像多普勒中心、坐标值和系统参数计算得到其在副影像中的距离向、方位向坐标,由此确定主副影像的坐标配准偏移量;
求出所有控制点的配准偏移量;
根据计算得到的偏移量对副影像各像素进行插值重采样,从而完成SAR影像配准。
4.根据权利要求1所述的一种基于空间约束的InSAR形变监测方法,其特征在于,所述步骤S2具体包括以下步骤:
S21、由时间基线、空间基线、多普勒中心频率和噪声综合评价,从位于同一坐标框架下的所有影像中选取最佳主影像,并与其他影像形成原始干涉对;
S22、根据地理编码得到的高程信息,计算得到地形相位;
根据干涉对的基线信息,计算得到平地相位;
S23、将原始干涉相位依次减去地形相位和平地相位,形成差分干涉对。
5.根据权利要求1所述的一种基于空间约束的InSAR形变监测方法,其特征在于,所述步骤S3具体包括以下步骤:
S31、选定合适的窗口,求解中心像素的相干系数;
S32、移动窗口,计算每个像素点的相干系数,将大于第一阈值的点作为初始候选点;
S33、利用振幅离差指数进行二次选取,通过计算初始候选点的振幅离散指数,将对应振幅离散指数大于第二阈值的初始候选点作为最终的高相干点。
6.根据权利要求1所述的一种基于空间约束的InSAR形变监测方法,其特征在于,所述步骤S4具体是对高相干点构建Delaunay三角网,利用最小费用流方法进行相位解缠,获得高相干点的解缠相位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110168986.3A CN112986993B (zh) | 2021-02-07 | 2021-02-07 | 一种基于空间约束的InSAR形变监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110168986.3A CN112986993B (zh) | 2021-02-07 | 2021-02-07 | 一种基于空间约束的InSAR形变监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112986993A CN112986993A (zh) | 2021-06-18 |
CN112986993B true CN112986993B (zh) | 2022-10-25 |
Family
ID=76348868
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110168986.3A Active CN112986993B (zh) | 2021-02-07 | 2021-02-07 | 一种基于空间约束的InSAR形变监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112986993B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113866765B (zh) * | 2021-09-24 | 2022-12-13 | 中国科学院精密测量科学与技术创新研究院 | 基于多成分时间相干模型的PS-InSAR测量方法 |
CN114114256A (zh) * | 2021-11-08 | 2022-03-01 | 辽宁工程技术大学 | 一种基于D-InSAR-GIS叠加分析技术的大面积矿区沉陷监测方法 |
CN114595192B (zh) * | 2022-03-10 | 2023-02-28 | 青海省地质调查院 | 一种适用于区域地质调查用智能数据实时汇聚方法及系统 |
CN114594479B (zh) * | 2022-05-07 | 2022-07-26 | 中国测绘科学研究院 | 一种全散射体FS-InSAR方法及系统 |
CN115453534B (zh) * | 2022-09-19 | 2023-05-16 | 中山大学 | 一种顾及解缠误差的序贯InSAR时序形变解算方法 |
CN116363057B (zh) * | 2023-01-16 | 2023-11-10 | 中国矿业大学 | 一种融合PCA和时序InSAR的地表形变提取方法 |
CN115993601B (zh) * | 2023-03-22 | 2023-06-09 | 四川省公路规划勘察设计研究院有限公司 | 一种强盐渍土区域公路变形的时序InSAR监测方法 |
CN115993586A (zh) * | 2023-03-24 | 2023-04-21 | 湖南华诺星空电子技术股份有限公司 | 具备微形变监测和动目标检测的边坡雷达监测方法及装置 |
CN117607865B (zh) * | 2023-10-30 | 2024-06-21 | 云南大学 | 一种地铁沿线形变检测方法、装置、系统以及存储介质 |
CN117216311B (zh) * | 2023-11-06 | 2024-01-30 | 北京数慧时空信息技术有限公司 | 用于时序形变监测的sar影像推荐方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5912639A (en) * | 1997-05-23 | 1999-06-15 | Power Spectra, Inc. | Ground penetrating radar with synthesized end-fire array |
CA2652639C (en) * | 2008-02-06 | 2013-01-08 | Halliburton Energy Services, Inc. | Geodesy via gps and insar integration |
US9952313B2 (en) * | 2014-09-19 | 2018-04-24 | The Boeing Company | Phase calibration of a stepped-chirp signal for a synthetic aperture radar |
GB201709525D0 (en) * | 2017-06-15 | 2017-08-02 | Univ Nottingham | Land deformation measurement |
CN108627833B (zh) * | 2018-05-15 | 2021-08-24 | 电子科技大学 | 一种基于GB-InSAR的大气相位补偿方法 |
CN110058236B (zh) * | 2019-05-21 | 2023-04-07 | 中南大学 | 一种面向三维地表形变估计的InSAR和GNSS定权方法 |
CN110673145B (zh) * | 2019-10-24 | 2021-07-27 | 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 |
CN111080675B (zh) * | 2019-12-20 | 2023-06-27 | 电子科技大学 | 一种基于时空约束相关滤波的目标跟踪方法 |
CN111474544B (zh) * | 2020-03-04 | 2022-11-18 | 广东明源勘测设计有限公司 | 一种基于sar数据的滑坡形变监测及预警方法 |
CN111998766B (zh) * | 2020-08-31 | 2021-10-15 | 同济大学 | 一种基于时序InSAR技术的地表形变反演方法 |
CN112050725A (zh) * | 2020-09-14 | 2020-12-08 | 广东省核工业地质局测绘院 | 一种融合InSAR和GPS的地表形变监测方法 |
CN112051572A (zh) * | 2020-09-14 | 2020-12-08 | 广东省核工业地质局测绘院 | 一种融合多源sar数据三维地表形变监测方法 |
-
2021
- 2021-02-07 CN CN202110168986.3A patent/CN112986993B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN112986993A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112986993B (zh) | 一种基于空间约束的InSAR形变监测方法 | |
CN101770027B (zh) | 基于InSAR与GPS数据融合的地表三维形变监测方法 | |
CN108957456B (zh) | 基于多数据源sbas技术的滑坡监测和早期识别方法 | |
Ng et al. | Mapping land subsidence in Jakarta, Indonesia using persistent scatterer interferometry (PSI) technique with ALOS PALSAR | |
CN111983654B (zh) | 一种基于gnss的北极区域电离层相位闪烁因子构建方法 | |
Liu et al. | Estimating Spatiotemporal Ground Deformation With Improved Persistent-Scatterer Radar Interferometry $^\ast$ | |
Pepe et al. | SBAS-based satellite orbit correction for the generation of DInSAR time-series: Application to RADARSAT-1 data | |
CN107102333B (zh) | 一种星载InSAR长短基线融合解缠方法 | |
Pepe et al. | New advances of the extended minimum cost flow phase unwrapping algorithm for SBAS-DInSAR analysis at full spatial resolution | |
CN113340191B (zh) | 时间序列干涉sar的形变量测量方法及sar系统 | |
Chen et al. | Tight integration of GPS observations and persistent scatterer InSAR for detecting vertical ground motion in Hong Kong | |
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 | |
CN115201825B (zh) | 一种InSAR震间形变监测中的大气延迟校正方法 | |
Mao et al. | Estimation and compensation of ionospheric phase delay for multi-aperture InSAR: An azimuth split-spectrum interferometry approach | |
CN115097450A (zh) | 跨轨道高分三号sar偏移量大梯度滑坡形变估计方法 | |
Wang et al. | Long-term continuously updated deformation time series from multisensor InSAR in Xi'an, China from 2007 to 2021 | |
CN216411556U (zh) | 基于时间序列干涉形变量测量的合成孔径雷达系统 | |
Crosetto et al. | Deformation monitoring using remotely sensed radar interferometric data | |
CN117541929A (zh) | 一种复杂环境InSAR大区域输电通道形变风险评估方法 | |
Mao et al. | Ionospheric phase delay correction for time series multiple-aperture InSAR constrained by polynomial deformation model | |
Wang et al. | A high precision DEM extraction method based on InSAR data | |
Pepe | Generation of Earth's surface three-dimensional (3-D) displacement time-series by multiple-platform SAR data | |
Fornaro et al. | Multipass SAR processing for urbanized areas imaging and deformation monitoring at small and large scales | |
Zhang et al. | Repeat-pass SAR interferometry experiments with Gaofen-3: a case study of Ningbo and Nanjing area | |
Park et al. | Monitoring a time-series of land subsidence in Busan, Korea using space-based multi-temporal SAR observations |
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 |