CN113096005A - 一种监测山体现今抬升速度的雷达时序差分干涉测量方法 - Google Patents

一种监测山体现今抬升速度的雷达时序差分干涉测量方法 Download PDF

Info

Publication number
CN113096005A
CN113096005A CN202110368299.6A CN202110368299A CN113096005A CN 113096005 A CN113096005 A CN 113096005A CN 202110368299 A CN202110368299 A CN 202110368299A CN 113096005 A CN113096005 A CN 113096005A
Authority
CN
China
Prior art keywords
phase
mountain
filtering
monitoring
deformation
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
Application number
CN202110368299.6A
Other languages
English (en)
Other versions
CN113096005B (zh
Inventor
杨通
南燕云
王效科
张路
张智杰
韩圣其
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.)
Research Center for Eco Environmental Sciences of CAS
Original Assignee
Research Center for Eco Environmental Sciences of CAS
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 Research Center for Eco Environmental Sciences of CAS filed Critical Research Center for Eco Environmental Sciences of CAS
Priority to CN202110368299.6A priority Critical patent/CN113096005B/zh
Publication of CN113096005A publication Critical patent/CN113096005A/zh
Application granted granted Critical
Publication of CN113096005B publication Critical patent/CN113096005B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06T3/14—
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
    • G06T5/80—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本发明提供了一种监测山体现今抬升速度的雷达时序差分干涉测量方法，包括：第一步骤：主被动遥感数据协同处理；第二步骤：执行雷达数据差分干涉处理；第三步骤：提取永久散射体的累积形变；第四步骤：针对提取的永久散射体的累积形变执行多尺度滤波；第五步骤：在多尺度滤波后执行山脊范围提取；第六步骤：根据滤波后永久散射体在时间序列上的绝对高程变化反演山体抬升形变。本发明提供了一种能够在宏观尺度上精准监测山体现今抬升速度的雷达时序差分干涉测量方法。

Description

一种监测山体现今抬升速度的雷达时序差分干涉测量方法
技术领域
本发明涉及山体检测领域，具体涉及一种监测山体现今抬升速度的雷 达时序差分干涉测量方法。
背景技术
监测山体抬升速度对于研究地壳活动强度、应力作用大小、同震形变 场、地震风险评估、现今构造活动演化趋势、地质历史考古、地质灾害预 测预警、重要工程选址等具有直观指示意义。目前，山体地质历史时期抬 升速度测量主要通过综合古地理研究法和同位素年代学方法。综合古地理 研究法利用将今论古原则，通过对地层古生物、古土壤、地貌等多学科综 合研究，恢复古地理环境，推测山体抬升幅度和时代。同位素年代学方法 是通过特征矿物或全岩的Rb-Sr、K-Ar或裂变径迹年龄，推算抬升速率及 隆起年代。前一种方法是直接客观的，后一种方法是简捷快速的，尤其对 环境恶劣地区山体抬升速度研究具有重要意义。山体现今抬升速度测量主 要基于精密水准测量。作为高程控制的重要基础，其本身施测时间长，网 点分布密度较小，对于高程现势性分析具有重要意义，但无法确定短期山体高程动态变化。
雷达遥感是一种新型的对地观测技术，具有全天候、高精度获取地表 形变信息的能力。合成孔径干涉测量(Synthetic Aperture Radar Interferometry)是雷达微波成像和电磁波干涉的集成技术，该技术使用 卫星搭载的合成孔径雷达系统通过两副天线同时观测地面同一景观，获取 复影像对，在复图像上形成干涉纹图。干涉纹图中包含了斜距向上的点与 两天线位置之差的精确信息。根据复雷达图像的相位差信息，利用传感器 高度、雷达波长、波束视向及天线基线距之间的几何关系，通过影像处理、 数据处理和几何转换等来提取地面目标地形的三维信息。该技术可以获得 高精度的地形图信息，目前广泛用于资源调查、环境监测、灾害预报和军 事侦察等领域。其中，永久散射体干涉测量技术PS-InSAR(Persistent Scatterer Synthetic Aperture Radar Interferometry)在雷达遥感领 域中，是一种精度更高、现势性更强的动态监测技术。该技术通过分析时 间序列影像，提取时序内相位和幅度保持稳定的离散点，即PS(Persistent Scatterer，永久散射体)点，反演地表缓慢形变。通过长时间序列点目 标分析技术，有效克服了空间去相干、时间去相干、大气延迟等系列问题， 显著提高了测量精度和信噪比，高程向测量精度优于厘米级甚至达到毫米 级。PS-InSAR技术对于监测宏观尺度的山体抬升变化具有较大优势，但 相关领域的研究案例较少，且面临诸如：易混形变效应区分、地面标识库 建立、地质背景与抬升机理分析等一系列技术及理论困难。
发明内容
本发明所要解决的技术问题是针对现有技术中存在上述缺陷，提供一 种能够在宏观尺度上精准监测山体现今抬升速度的雷达时序差分干涉测 量方法。
根据本发明，提供了一种监测山体现今抬升速度的雷达时序差分干涉 测量方法包括：
第一步骤：主被动遥感数据协同处理；
第二步骤：执行雷达数据差分干涉处理；
第三步骤：提取永久散射体的累积形变；
第四步骤：针对提取的永久散射体的累积形变执行多尺度滤波；
第五步骤：在多尺度滤波后执行山脊范围提取；
第六步骤：根据滤波后永久散射体在时间序列上的绝对高程变化反演 山体抬升形变。
优选地，主被动遥感数据协同处理包括：
进行雷达数据数据导入以生成SLC数据；
对SLC数据执行轨道信息校正，修正轨道信息；
根据时间基线和空间基线选取主影像；
进行外部DEM导入，将DEM与主影像配准，得到每个像元的三维坐标 信息；
进行ESD配准，利用ESD方法生成主影像与副影像的几何关系，确保 配准精度达到预定要求；
进行Burst及子条带拼接，提取分块存储的卫星平台数据。
对被动(光学)遥感数据进行反射率生产、几何精校、数据拼接、裁 剪、镶嵌等预处理；
对主被动遥感数据进行联合配准处理。
优选地，导入的数据包括：被动遥感数据、主动遥感数据和地质背景 数据。
优选地，执行雷达数据差分干涉处理包括：对主影像与副影像执行干 涉处理以生成干涉图；随后构建差分相位模型，求解每个像元的差分相位； 最后，利用外部参考DEM数据和星历轨道参数，计算地形相位，并把地 形相位和平地相位从干涉相位中去除，得到差分干涉相位图。
优选地，主影像与副影像的干涉相位的公式为：
Figure BDA0003008226470000031
式中φtopo为地形相位；φdef为形 变相位；φatm为大气延迟相位；φflat为平地相位；φnoise为噪声相位。
优选地，第三步骤包括：
PS候选点选取：选择对雷达波后向散射强度且时序上的稳定性达到 预定要求的点；
对PS候选点构建三角剖分网；
基于PS点的三角剖分网计算二次差分相位；
根据二次差分相位执行相位解缠，获取差分相位的形变相位和残余地 形相位。
第四步骤：对永久散射体提取结果执行多尺度滤波，在空间域滤除稳 定地表、植被变化及人类扰动引起的地表形变；在时间域滤除滑坡、泥石 流、土壤侵蚀、冻土涨缩等气候变化引起的地表形变，使监测对象锚定于 地体抬升形变。
多尺度滤波分为空间域滤波和时间域滤波。空间域滤波采用相位标准 差低通滤波滤除植被影响；采用监督式高通滤波滤除稳定地表；采用监督 式低通滤波滤除新建设施；采用土地利用分类掩膜不透水面和耕地等人类 活动区域。时间域滤波为永久散射体在时间序列上的畸变滤波，以滤除滑 坡、泥石流等突发性地表形变；结合物候特征的时间域非线性滤波，滤除 土壤侵蚀、冻土胀缩等季节性地表形变。
其中，时间域非线性滤波公式为：
Figure BDA0003008226470000041
式中P为地体累积抬升量，N为地体累积抬升条件概率，a为观测频数，b 为地体起始形变值，σ2为随机扰动项的方差。假设随机扰动项εi服从期 望为0，方差为σ2的正态分布，令Y表示地体累积抬升量(y1～yi)的列 向量，ε表示残差的列向量，X为观测值矩阵，β为自变量系数的列向量， 则区域地体抬升的矩阵表达形式如公式：
Y＝Xβ+ε (1-2)
优选地，在多尺度滤波后执行山脊范围提取包括：基于DEM数据进行 三维地形制图，使用分水岭方法圈定山脊范围，依次进行山谷填洼、流向 计算、流量计算、累积流量分割、分水岭处理，实现流域范围圈定，进而 提取分水岭，随后通过设置累积流量分割阈值，对流域范围进行掩膜，以 圈定山脊范围。
优选地，第六步骤还包括对所有指示山体抬升的永久散射体进行统计 学分析，计算宏观山体抬升速率及区域抬升差异。将山体抬升监测结果与 区域地质背景资料复合，分析地质演化历史及现今构造运动发展阶段及发 展趋势。
本发明的特点在于：(1)面向山体隆升形变监测，对PS-InSAR方法 进行了针对性改进，搭建了流程化的技术框架；(2)采用主被动遥感协同 观测、多源数据复合以提高信息维度，增强观测结果的可解释性；(3)对 监测窗口进行限定，以山脊为标识物和参照物；(4)设计了多尺度滤波方 法，分离出人类活动和外部自然变化引起的地表形变干扰；(5)对全局最 优参数及阈值进行试验，在实施例中给出了经验值。
附图说明
结合附图，并通过参考下面的详细描述，将会更容易地对本发明有更 完整的理解并且更容易地理解其伴随的优点和特征，其中：
图1示意性地示出了根据本发明优选实施例的监测山体现今抬升速 度的雷达时序差分干涉测量方法的流程图。
图2示意性地示出了根据本发明优选实施例的监测山体现今抬升速 度的雷达时序差分干涉测量方法的技术路线图。
图3示意性地示出了具体示例中的研究区地理位置图。
图4示意性地示出了具体示例中的土地利用分类及累积抬升点分布。
图5示意性地示出了具体示例中的累积抬升样本统计直方图。
图6示意性地示出了具体示例中的山脊区域永久散射体提取结果示 例。
图7示意性地示出了具体示例中的累积形变量月度变化示例。
需要说明的是，附图用于说明本发明，而非限制本发明。注意，表示 结构的附图可能并非按比例绘制。并且，附图中，相同或者类似的元件标 有相同或者类似的标号。
具体实施方式
为了使本发明的内容更加清楚和易懂，下面结合具体实施例和附图对 本发明的内容进行详细描述。
<第一实施例>
图1示意性地示出了根据本发明优选实施例的监测山体现今抬升速 度的雷达时序差分干涉测量方法的流程图。其中具体示意了采用PS-InSAR 方法监测现今构造运动引发山脊高程变化的方法。图2示意性地示出了根 据本发明优选实施例的监测山体现今抬升速度的雷达时序差分干涉测量 方法的技术路线图。
如图1和图2所示，根据本发明优选实施例的监测山体现今抬升速度 的雷达时序差分干涉测量方法包括：
第一步骤S1：主被动遥感数据协同处理；
数据预处理包括雷达数据数据导入、精轨数据更新、主影像筛选、从 影像几何配准、Burst拼接、子条带拼接，以及光学遥感数据辐射校正、 几何校正、拼接镶嵌、联合配准等处理，具体如下所述。
具体地，主要预处理步骤包括：
(1)进行雷达数据数据导入以生成SLC(Single Looks Complex，单 视复数影像)数据；
(2)对SLC数据执行轨道信息校正，修正轨道信息，减小定时及轨 道误差对干涉相位的影响；
(3)根据时间基线和空间基线选取主影像。由于茂密植被会破坏干 涉相位的均匀性，需通过计算相位标准差，在滤波过程中加入植被指数的 限制因素，排除植被变化干扰；
(4)进行外部DEM(Digital elevation model，数字高程模型)导 入，将DEM与主影像配准，得到每个像元的三维坐标信息；
(5)进行ESD(Enhanced Spectral Diversity，增强谱分集)配准， 利用ESD方法生成主影像与副影像的几何关系(查询列表)，确保配准精 度达到预定要求，例如达到1/1000的要求；
(6)进行Burst(突发)及子条带拼接，提取分块存储的卫星平台 数据。
(7)对被动(光学)遥感数据进行反射率生产、几何精校、数据拼 接、裁剪、镶嵌等预处理；
对主被动遥感数据进行联合配准处理。
其中，例如，导入的数据包括：被动遥感数据、主动遥感数据和地质 背景数据(构造运动数据和地质特征数据)。
第二步骤S2：执行雷达数据差分干涉处理；
例如，差分干涉处理包括设置时空基线阈值、求解DEM误差、迭代更 新初始DEM、去平地相位和去地形相位滤波、生成差分干涉图等。
具体地，差分干涉处理包括：对主影像与副影像执行干涉处理以生成 干涉图；随后构建差分相位模型，求解每个像元的差分相位；最后，利用 外部参考DEM数据和星历轨道参数，计算地形相位，并把地形相位和平 地相位从干涉相位中去除，得到差分干涉相位图。
具体地，主影像与副影像的干涉相位的公式为：
Figure BDA0003008226470000081
式中φtopo为地形相位；φdef为形 变相位；φatm为大气延迟相位；φflat为平地相位；φnoise为噪声相位。
优选地，差分干涉处理包括：在对主影像与副影像执行干涉处理之前 将提取后的Burst及子条带进行裁剪(以进行感兴趣区选择)，进一步缩 小数据量，提高后续处理速度。
第三步骤S3：提取永久散射体的累积形变；
例如，提取永久散射体的累积形变可包括提取永久散射体(即PS点)、 构建Delaunay三角网、选择参考点求取PS点的参数信息、求解二次差分 相位模型和PS点绝对形变量、残余相位解缠、大气滤波、线性形变量和 非线性形变量的计算、地理编码等。
具体地，例如，第三步骤S3包括：
PS候选点选取：选择对雷达波后向散射强度且时序上的稳定性达到 预定要求的点。选择对雷达波后向散射较强，并且在时序上较稳定的地物 目标，将相干性差或者一些噪声点去除，留下高相干且稳定的点进行分析。 考虑到研究区面积较大、地形复杂、人工地表与自然地表同时存在，为保 证PS候选点密度，例如可以采用两种选点方法，一是振幅离差法，二是 相干系数法，以组合方法优化PS候选点的数量和质量，确保后续分块回 归分析在参考点之间的传递。
对PS候选点构建三角剖分网：利用Delauany三角化方法构建三角 剖分网络，利用三角网络的冗余测量边，以区域网络平差方法控制形变测 量误差，削弱大气相位影响。
基于PS点的三角剖分网计算二次差分相位。具体地，基于PS点的三 角剖分网，计算网络上每条边的相邻PS点的二次差分相位。
根据二次差分相位执行相位解缠，获取差分相位的形变相位和残余地 形相位。相位解缠后可得每个PS点的绝对形变速率和DEM修正量，然 后可得差分相位的形变相位和残余地形相位。例如，在案例区局部形变解 算参数中块大小设置为200，最大高程1987m，最大形变0.03，最小形变 -0.03，相位标准差1.2；全局形变解算参数中的相位标准差设置为2.0， 最大高程1987m，最大形变0.03最小形变-0.03。
执行大气滤波，得到永久散射体的累积形变。根据各相位成分的特点， 通过时空域高通、低通滤波分离各相位成分，从而得到形变相位，再由地 理编码得出累计形变量。例如，在案例区滤波形变参数中最小阈值为 -0.002，形变数据最大阈值为0.002，空域滤波最大半径为10m，时域滤 波最大间隔1000h。
第四步骤S4：针对提取的永久散射体的累积形变执行多尺度滤波；
经由上述处理步骤，削弱了地形干扰、大气干扰、植被干扰、传感器 系统误差干扰等，识别出的永久散射体的累积形变，直接反映地表累积形 变。但是，地表累积形变可能由多种因素构成，包括人类扰动和自然变化， 自然变化又包含土壤侵蚀、滑坡、泥石流、冻土胀缩、岩石风化、搬运、 堆积等。因此，需要对环境噪声进行多尺度滤波，基于主被动遥感数据协 同分析，剥离人类扰动和自然变化影响，将监测对象锚定为因地质运动引 发的地表形变。
例如，多尺度滤波的滤波方法主要为空间域滤波和时间域滤波。空间 域滤波又分为植被滤波、稳定地表滤波、人类活动滤波。首先，通过计算 主末影像的相位标准差，加入植被指数的限制因素，振幅小的信号通过， 振幅大的剔除，滤除茂密植被，将感兴趣区限制于植被稀疏地区域。雷达 C波可以穿透稀疏植被，直接作用于地表。其次，设置稳定地表值域，对 永久散射体的累积形变信号进行高通滤波，滤除无变化或变化极小的区 域。然后，根据土地利用数据掩膜城市村镇的不透水面及活跃耕地，并设 置阈值分割上限，对永久散射体的形变信号进行低通滤波，滤除人类活动 干扰。
时间域滤波分为非线性滤波和畸变滤波。不同自然因素驱动的地表形 变在时间序列上有其规律性，如滑坡、泥石流表现为突发性形变；冻土胀 缩表现为双向形变、土壤侵蚀和沉积堆积表现为季节性形变，山体抬升表 现为平滑线性形变等。根据各种自然因素在时间序列的物候特征差异，确 定分离区间和分离阈值，实现构造形变的定向识别。需要说明的是，根据 均衡理论，构造与均衡是山体抬升的两种基本形式，构造隆升之后，山体 由于剥蚀减荷，继续均衡抬升。构造抬升与均衡抬升并存。山体抬升变化 通常以地质年代为计量单位，在数年的观测区间内，其变化近似于线性均 匀变化。依据山体抬升变化的线性特征与外部自然变化的非线性特征，可 以实现二者的有效分离。
第五步骤S5：在多尺度滤波后执行山脊范围提取，其中基于DEM数 据进行三维地形制图，使用分水岭方法圈定山脊范围，依次进行山谷填洼、 流向计算、流量计算、累积流量分割、分水岭处理，实现流域范围圈定， 进而提取分水岭，随后通过设置累积流量分割阈值，对流域范围进行掩膜， 以得到山脊范围。
具体地说，为提高监测精度，进一步减少人类活动和环境噪声干扰， 需要缩小监测范围至山脊区域，使监测对象更具标识度和典型性。山脊区 域人类活动较少，自然变化主要为岩石风化搬运、滑坡、泥石流等，生态 过程相对简单，地表形变以绝对高程减少的沉降变化为主。山脊的主要地 质过程是风化剥蚀过程，降雨淋溶和热胀冷缩效应会使山脊岩石裂解，碎 裂岩石再由风力、水力剥离，滑落至山坡或山谷堆积。因此，监测山脊区 域的累积形变，可以分离沉积堆积效应。且案例区山脊区域多为基岩出露 地貌，植被稀少，雷达回波信号较好，识别出的永久散射体密度较大、信 噪比高。同时，新构造运动引起的山体隆升、地层褶皱在山脊处的变化量 最为显著，监测山脊累积形变具有标识和指示意义。
由此，基于DEM(Digital elevation model)数据进行三维地形制 图，再借助Arcgis平台使用分水岭方法圈定山脊范围。依次进行山谷填 洼(Fill)、流向计算(Flowdirection)、流量计算(Accumulation)、 累积流量分割(Gridcalculator)、分水岭(Connection)等处理，实现 流域范围圈定，进而提取分水岭。山脊可视作浮于流域水准面的岛屿，通 过设置累积流量分割阈值，使提取的流域范围尽量宽泛，再对流域范围进 行掩膜(Mask)，即可得山脊范围。
第六步骤S6：根据滤波后永久散射体在时间序列上的绝对高程变化 反演山体抬升形变。
例如，通过对PS-InSAR技术进行面向对象改进，采取多种手段剥离 人类扰动和自然变化引起的地表形变，从而使监测对象锚定于山体隆升形 变。例如监测结果为泛研究区的永久散射体点云。根据永久散射体在时间 序列上的绝对高程变化，可以反演出永久散射体所处区位的山体累积形 变。对所有永久散射体进行统计学分析，得出统计学意义上的宏观山体抬 升速率及区域抬升差异。最后，对永久散射体点云的统计学参数进行分析 研判，通过数据挖掘获取新的知识，并与多源数据进行协同分析，进而为 研究地壳活动强度、应力作用大小、同震形变场、地震风险评估、现今构 造活动演化趋势、地质历史考古、地质灾害预测预警、重要工程选址等提 供基础数据和信息支撑。
<具体示例>
在当前具体示例中，拟利用哨兵1号卫星平台(Sentinel-1A)，使用 PS-InSAR技术，对内蒙古和林格尔县山体进行宏关动态监测，探索星载 合成孔径雷达监测山体抬升的新应用，通过主被动遥感数据协同增加信息 维度，再构建时间域和空间域的多尺度滤波方法分离易混形变效应，最后 结合地质背景与地震数据对监测结果进行解释。。
研究区概况
研究区位于内蒙古自治区中南部(北纬39°58′－40°41′，东经111°26′－112°18′)，隶属内蒙古呼和浩特市管辖，总面积3436平方 公里(图3)。大地构造位于华北板块北缘，燕山一阴山板内造山带的西 段。该区自晚白垩世末期燕山运动使全区隆起后，整体进入了新生代差异 性隆升阶段。第四纪活动较强，地体抬升较高，河流下切，多形成一系列十几米-几十米的黄土冲沟，基岩主要出露在山脊。
数据概况
采用主被动遥感数据协同方式监测山体抬升运动。主动遥感数据为 2017至2018年的17期哨兵1号卫星平台雷达数据，每期1景，用于监 测山脊演化方向及变化速率。哨兵1号卫星平台的轨道类型为近圆形的太 阳同步轨道，其轨道高度为693km，倾角为98.18°。卫星重访周期为12 天，内有175个轨道。本研究所用的SAR数据是干涉宽模式(Interferometric Wide，IW)下的S1 TOPS-modes单视SLC(single look complex)数据，为C波段的升轨数据，SLC数据处理后的距离向分辨率 为2.3m，方位向分辨率为13.9m，极化模式采用VV极化。辅助数据为DEM 数据、土地利用数据、地质背景数据及地震数据。
在数据预处理的主影像选取，例如选择第8期影像作为主影像(表1)。
表1时序合成孔径雷达数据集
Figure BDA0003008226470000121
Figure BDA0003008226470000131
在差分干涉处理主中，主从影像共生成17期差分干涉图，并结合卫 星轨道参数、成像模型、参考DEM，去除地形相位和平地相位。每一个干 涉对都需要进行配准和重采样，形成干涉相位；利用轨道和外部的DEM去 除平地效应和地形效应，形成时间序列的干涉相位。具体包括感兴趣区选 择、干涉处理、地形相位去除、差分模型构建四个步骤。首先，将提取后 的Burst及子条带进行裁剪，进一步缩小数据量，提高后续处理速度。其 次，将预处理后的主副影像进行干涉处理，得到干涉图。然后，构建差 分相位模型，求解每个像元的差分相位。最后，利用外部参考DEM数据和 星历轨道参数，计算地形相位，并把地形相位和平地相位从干涉相位中去 除，得到差分干涉相位图。
对2017至2018年的17期Sentinel-1A雷达遥感数据依次进行预处 理、时序差分干涉、永久散射体提取等步骤，监测后向散射系数较高、并 且在时序上较稳定的永久散射体，共计提取出1007958个累积形变点。累 积形变点密度较高，样本量较大，基本覆盖县域全部山体。对所有累积形 变点执行时空域多尺度滤波，识别出反映山体隆升变化的形变点。
空间域滤波分为植被滤波、稳定地表滤波、人类活动滤波。植被滤波 由相位标准差低通滤波构成。主影像成像日期为2017年7月，表征植被、 农作物的生物量峰值期，首末影像表征植被、农作物的生物量低谷期(2017 年3月、2018年3月)，以植被生物量变化作为相位标准差的限制因素， 振幅小的信号通过，振幅大的信号剔除。稳定地表滤波为排除无变化、或 变化较小不具统计学意义的区域。业界通常将年累积形变量小于±1cm区 域视作稳定地表，故设置分割阈值下限为1cm/a，将变化量小于此数值的 累积形变点剔除。人类活动滤波需结合土地利用分类图，将全部人类活动 区域剔除，如建筑用地、设施用地、公路铁路、耕地、镇村等，只保留自 然地表。研究区土地利用分类及隆升速率大于1cm/a的累积形变点见图4， 其中土地利用数据来源于2017年第二次土地变更调查(中国国土勘测规 划院)。
时间域滤波分为非线性滤波和畸变滤波。非线性滤波用以消除因外部 气候变化引发的地表形变，如冻土胀缩、土壤侵蚀等，由反演得出。畸变 滤波用以消除时间序列上的突发性地表形变，如雨洪冲击、滑坡、泥石流 等。观察累积形变点数值分布特征，随机抽取年累积形变量大于1cm/a的 永久散射体样本5612个，其数值统计特征见图5。分析5612个永久散射 体样本的数值统计特征，其数学期望为17-18mm/a，在40mm/a后平均形 变曲线迅速衰减接近零值，故设置畸变阈值为40mm/a，超过此阈值的形 变点作为畸变点剔除。
经由多尺度滤波处理，将大部分人类扰动或自然变化引起的地表形变 点视作噪点剔除。在此基础上再进行山谷填洼处理，避免与山谷区域的沉 积堆积效应引发混淆，采用分水岭方法进一步缩小监测范围至山脊区域 (图6)。经筛选，共得出指示地体隆升形变的累积形变点合计745812个， 占全部累积形变点总数的73.99％，说明研究区地表形变场的主体变化趋 势为隆升形变。平均隆升速率为17.59mm/a。
将山体隆升形变点与高分光学遥感影像及坡向图叠加分析(图6)， 研判本区地表形变场空间特征。研究区总体为山区丘陵地貌，西北部为土 默川平原，地形平缓；中部及东南部为蛮汉山脉，绝大部分山体坡度小于 35°，断裂构造发育，山区丘陵地貌占研究区总面积的78％。平原与山区 丘陵的地形分界线约为北东向40°展布，主要褶皱走向与之接近。北东 向的线形构造带是研究区最醒目的构造形迹，由一系列的北东向-北东东 向的韧性剪切带所控制，地质上表现为中深构造层次下的韧性剪切变形。 由主被动遥感影像复合可知，山脊区域永久散射体密度较高，均呈抬升态 势，说明本区现今地质构造运动正处于整体性隆升阶段。根据均衡理论， 构造与均衡是山体隆升的两种基本形式，构造隆升之后，山体由于剥蚀减 荷，继续均衡抬升，构造抬升与均衡抬升并存。将监测窗口锚定于山脊， 削弱了沉积堆积效应，因为山脊不是沉积堆积区，且山脊区域人为扰动较 少，岩石出露区域较多，雷达回波信号较强，具有较高的信噪比。
雷达时序差分干涉通常需要大于15期影像以满足统计条件，为捕捉 地表形变的季节规律和物候特征，也需要较高频次的重复观测。本研究参 与差分干涉的影像为17期，时间分辨率优于月度。对山脊抬升点云的月 度变化量取平均值，回溯抬升点云在时间序列上的变化(图7)。由图7 可知，在12个月中，山体累积抬升量逐月均匀增加，不受季节性气候变 化及人类扰动影响，由地壳内部构造应力驱动，总体呈线性增加趋势。沿 趋势线略有浮动的原因是雷达遥感影像的成像时间间隔略有差异，同时区 内小型地震较为活跃，局部应力释放为应变。总体而言，研究区境内山体 正处于连续性应变隆升阶段。
结合地质背景资料分析，本区大地构造一级构造单元属华北板块Ⅰ， 二级构造单元属华北陆块Ⅱ，三级构造单元属阴山隆起中段(凉城断隆) Ⅲ。区内地层主要由早前寒武纪变质岩系组成，是华北克拉通高级变质岩 最发育的区域之一，构造样式复杂，经历了多期变质、变形作用改造，记 录了早期地壳变形与发展的演化历史，地质背景比较复杂。研究区的山体 抬升可以追溯到燕山运动。晚白垩世末期燕山运动使全区隆起，进入新生 代早期阶段区内一直遭受剥蚀和夷平，形成了新近纪古夷平面。新近纪山 间盆地中堆积上新世乌兰图克组红色残积粘土。中新世火山活动异常强 烈，研究区喷发了大面积的汉诺坝玄武岩。进入第四纪以来，山区以间歇 性抬升为主，形成了多级夷平面和黄土丘陵等构造地貌单元。晚更新世之 后地壳运动渐缓，黄土丘陵区堆积了马兰期风成黄土，此时古气候环境已 由温暖潮湿转变为干燥强季风环境。全新世以河流相沉积为主，但差异性 升降依然具周期性变化，全新世以来山体不断隆升，从而形成了山前广为 发育的冲洪积平原和不同的河流阶地与河床沉积。
研究区自晚白垩世末期燕山运动使全区隆起后，整体进入了新生代差 异性隆升阶段。第四纪活动较强，地体抬升较高。最能反映研究区现今构 造活动特征的地质现象为地震。据统计，研究区自20世纪70年代以来共 发生46次地震，4级及以上地震4次，灾害性地震1次(1976年4月6 日和林格尔6.2级)，其中有24次地震发生在2018年，充分说明2018年以来本区现今构造运动异常活跃，山体隆升形变在时间序列上呈连续性应 变、蠕变特征(图7)，且隆升速率较快，存在较高地震风险。
Ps-InSAR方法具有宏观性、动态性、精确性、经济性的特点，通过 获取区域尺度的高精度地表形变场三维动态演化轨迹，进而研究宏关尺度 的区域地质构造演化趋势、构造运动形迹、山体隆升速率等，为相关研究 领域提供了新的技术手段和研究思路。观测成果同时可为重大工程选址、 地震风险评估、地质灾害预警等方面提供更丰富的数据信息，具有广阔的 应用前景。
雷达遥感适用于监测高程形变信息，光学遥感适用于监测地物平面信 息，二者结合可以实现景观多要素三维动态监测。山体隆升监测需要将景 观多要素形变信号分离，融合使用多源数据并提高监测频度是合理的选 择。针对山体现今隆升运动的一般性时空特征，本文对方法应用进行了一 些改进，通过多尺度滤波剥离了人类扰动和外部自然变化导致的地表形变 效应，使监测对象锚定于山体隆升形变，计算得出本区现今山体隆升速率为17.59mm/a。
InSAR方法精度验证主要是与高精度GPS或精密水准测量数据进行比 对，课题组于2017年9月、2018年5月先后2次赴研究区实地调研，采 用高精度GPS测量、实地拍照、现场记录等方式进行实地验证，其中2017 年采样3个点，2018年采样120点，GPS高程测量精确到2位小数(厘米 级)。经过比对，PS-InSAR方法监测的点位绝对高程与高精度GPS测量结 果平均相对误差小于1cm，说明所述方法的监测结果较为可信。
值得注意的是，研究区五十年来共发生的46次地震，其中仅2018年 就发生24次地震。地震时间分布特征显示，本区现今地质构造运动正处 于加速发展期，导致区内小震异常活跃，地震风险大幅升高。本研究的观 测区段为2017年3月至2018年3月，恰逢地震频发多发的肇始期，观测 结果或可为研究现今构造运动及震源机制提供助益。
所述方法以星载合成孔径雷达差分干涉测量为主要技术手段，通过主 被动遥感协同监测、多源数据信息复合、多尺度滤波等方式，构建了在宏 观尺度上实现山体隆升快速监测的技术框架。以内蒙古自治区和林格尔县 为案例区开展实证研究，得出2017至2018年度该县山体平均隆升速率为 17.59mm/a，指示山体隆升变化的累积形变点多达745812个，占全部监测 点总数的73.99％，地体隆升幅度较高。区域构造运动方式以连续性应变、蠕变为主，小震频繁，现今地质构造运动异常活跃，建议在重大项目建设 选址、地质灾害预测预警中予以重视。
此外，需要说明的是，除非特别指出，否则说明书中的术语“第一”、 “第二”、“第三”等描述仅仅用于区分说明书中的各个组件、元素、步骤 等，而不是用于表示各个组件、元素、步骤之间的逻辑关系或者顺序关系 等。
可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施 例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离 本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术 方案作出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此， 凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例 所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的 范围内。

Claims (11)

1.一种监测山体现今抬升速度的雷达时序差分干涉测量方法，其特征在于包括：
第一步骤：主被动遥感数据协同处理；
第二步骤：执行雷达数据差分干涉处理；
第三步骤：提取永久散射体的累积形变；
第四步骤：针对提取的永久散射体的累积形变执行多尺度滤波；
第五步骤：在多尺度滤波后执行山脊范围提取；
第六步骤：根据滤波后永久散射体在时间序列上的绝对高程变化反演山体抬升形变。
2.根据权利要求1所述的监测山体现今抬升速度的雷达时序差分干涉测量方法，其特征在于，主被动遥感数据协同处理包括：
进行主动遥感数据，即雷达数据的导入以生成SLC数据；
对SLC数据执行轨道信息校正，修正轨道信息；
根据时间基线和空间基线选取主影像；
进行外部DEM导入，将DEM与主影像配准，得到每个像元的三维坐标信息；
进行ESD配准，利用ESD方法生成主影像与副影像的几何关系，确保配准精度达到预定要求；
进行Burst及子条带拼接，提取分块存储的卫星平台数据，
对被动(光学)遥感数据进行反射率生产、几何精校、数据拼接、裁剪、镶嵌等预处理；
对主被动遥感数据进行联合配准处理。
3.根据权利要求2所述的监测山体现今抬升速度的雷达时序差分干涉测量方法，其特征在于，执行雷达数据差分干涉处理包括：对主影像与副影像执行干涉处理以生成干涉图；随后构建差分相位模型，求解每个像元的差分相位；最后，利用外部参考DEM数据和星历轨道参数，计算地形相位，并把地形相位和平地相位从干涉相位中去除，得到差分干涉相位图。
4.根据权利要求2所述的监测山体现今抬升速度的雷达时序差分干涉测量方法，其特征在于，主影像与副影像的干涉相位的公式为：
Figure FDA0003008226460000021
式中φtopo为地形相位；φdef为形变相位；φatm为大气延迟相位；φflat为平地相位；φnoise为噪声相位。
5.根据权利要求1所述的监测山体现今抬升速度的雷达时序差分干涉测量方法，其特征在于永久散射体提取：
PS候选点选取：选择对雷达波后向散射强度且时序上的稳定性达到预定要求的点；
对PS候选点构建三角剖分网；
基于PS点的三角剖分网计算二次差分相位；
根据二次差分相位执行相位解缠，获取差分相位的形变相位和残余地形相位。
6.根据权利要求1所述的监测山体现今抬升速度的雷达时序差分干涉测量方法，其特征在于，第四步骤对永久散射体提取结果执行多尺度滤波，在空间域滤除稳定地表、植被变化及人类扰动引起的地表形变；在时间域滤除滑坡、泥石流、土壤侵蚀、冻土涨缩等气候变化引起的地表形变，使监测对象锚定于地体抬升形变。
7.根据权利要求1或6所述的监测山体现今抬升速度的雷达时序差分干涉测量方法，其特征在于，多尺度滤波分为空间域滤波和时间域滤波，空间域滤波采用相位标准差低通滤波滤除植被影响；采用监督式高通滤波滤除稳定地表；采用监督式低通滤波滤除新建设施；采用土地利用分类掩膜不透水面和耕地等人类活动区域，时间域滤波为永久散射体在时间序列上的畸变滤波，以滤除滑坡、泥石流等突发性地表形变；以及结合物候特征的时间域非线性滤波，滤除土壤侵蚀、冻土胀缩等季节性地表形变。
8.根据权利要求1或7所述的监测山体现今抬升速度的雷达时序差分干涉测量方法，其特征在于，时间域非线性滤波公式为：
Figure FDA0003008226460000031
式中P为地体累积抬升量，N为地体累积抬升条件概率，a为观测频数，b为地体起始形变值，σ2为随机扰动项的方差，假设随机扰动项εi服从期望为0，方差为σ2的正态分布，令Y表示地体累积抬升量(y1～yi)的列向量，ε表示残差的列向量，X为观测值矩阵，β为a的列向量，则区域地体抬升形变的矩阵表达形式如公式：
Y＝Xβ+ε (1-2)。
9.根据权利要求1或2所述的监测山体现今抬升速度的雷达时序差分干涉测量方法，其特征在于，在多尺度滤波后执行山脊范围提取包括：基于DEM数据使用分水岭方法圈定山脊范围，依次进行山谷填洼、流向计算、流量计算、累积流量分割、分水岭处理，实现流域范围圈定，进而提取分水岭，随后通过设置累积流量分割阈值，对流域范围进行掩膜，将监测窗口锚定于山脊范围。
10.根据权利要求1或2所述的监测山体现今抬升速度的雷达时序差分干涉测量方法，其特征在于，第六步骤还包括对所有指示山体抬升的永久散射体进行统计学分析，计算宏观山体抬升速率及区域抬升差异。
11.根据权利要求1或2所述的监测山体现今抬升速度的雷达时序差分干涉测量方法，其特征在于，将山体抬升监测结果与区域地质背景资料复合，分析地质演化历史及现今构造运动发展阶段及发展趋势。
CN202110368299.6A 2021-04-06 2021-04-06 一种监测山体现今抬升速度的雷达时序差分干涉测量方法 Active CN113096005B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110368299.6A CN113096005B (zh) 2021-04-06 2021-04-06 一种监测山体现今抬升速度的雷达时序差分干涉测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110368299.6A CN113096005B (zh) 2021-04-06 2021-04-06 一种监测山体现今抬升速度的雷达时序差分干涉测量方法

Publications (2)

Publication Number Publication Date
CN113096005A true CN113096005A (zh) 2021-07-09
CN113096005B CN113096005B (zh) 2023-07-07

Family

ID=76674376

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110368299.6A Active CN113096005B (zh) 2021-04-06 2021-04-06 一种监测山体现今抬升速度的雷达时序差分干涉测量方法

Country Status (1)

Country Link
CN (1) CN113096005B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114299402A (zh) * 2022-03-07 2022-04-08 成都理工大学 隐患点自动识别方法、电子设备及计算机可读存储介质
CN115453520A (zh) * 2022-10-26 2022-12-09 中国电子科技集团公司第十四研究所 基于双频多极化差分干涉的地表形变测量方法及设备
CN115616511A (zh) * 2022-12-19 2023-01-17 中大智能科技股份有限公司 一种地基雷达形变量气象补偿方法和系统
CN116049929A (zh) * 2022-10-26 2023-05-02 马培峰 一种城市建筑物风险等级InSAR评估和预测方法
CN116087338A (zh) * 2023-04-10 2023-05-09 四川省地质矿产勘查开发局一0六地质队 一种岩石脆性破坏前兆指标的构建方法
CN116243269A (zh) * 2023-05-06 2023-06-09 南京航天宏图信息技术有限公司 一种基于Insar数据的震后滑坡灾害监测方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110441770A (zh) * 2019-07-01 2019-11-12 北京理工大学 基于多部mimo-sar联合观测的三维形变测量方法
CN110780297A (zh) * 2019-09-30 2020-02-11 中国国土勘测规划院 一种采用星载合成孔径雷达监测土壤侵蚀的方法与系统
US20210011149A1 (en) * 2019-05-21 2021-01-14 Central South University InSAR and GNSS weighting method for three-dimensional surface deformation estimation

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210011149A1 (en) * 2019-05-21 2021-01-14 Central South University InSAR and GNSS weighting method for three-dimensional surface deformation estimation
CN110441770A (zh) * 2019-07-01 2019-11-12 北京理工大学 基于多部mimo-sar联合观测的三维形变测量方法
CN110780297A (zh) * 2019-09-30 2020-02-11 中国国土勘测规划院 一种采用星载合成孔径雷达监测土壤侵蚀的方法与系统

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
ZHANG LU等: "Cenozoic magmatic activity and oblique uplifting of the Ailao Mountain: Evidence from a short-period dense seismic array", 《.SCIENCE CHINA EARTH SCIENCES》 *
刘国祥;张瑞;李陶;于冰;李涛;贾洪果;聂运菊;: "基于多卫星平台永久散射体雷达干涉提取三维地表形变速度场", 地球物理学报 *
史绪国;徐金虎;蒋厚军;张路;廖明生;: "时序InSAR技术三峡库区藕塘滑坡稳定性监测与状态更新", 地球科学 *
王宗秀等: "博格达山链新生代抬升过程及意义", 《中国科学(D辑:地球科学)》 *
王效科等: "生态补偿区域选择方法研究进展", 《生态环境学报》 *
邢学敏;丁晓利;朱建军;汪长城;丁伟;杨亚夫;王永哲;: "CRInSAR与PSInSAR联合探测区域线性沉降研究", 地球物理学报 *
邢学敏;贺跃光;吴凡;闻德保;朱建军;徐鹏;: "永久散射体雷达差分干涉反演矿区时序沉降场", 遥感学报 *
陈建平;周鑫;傅启明;高振;付保川;吴宏杰;: "基于二阶时序差分误差的双网络DQN算法", 计算机工程 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114299402A (zh) * 2022-03-07 2022-04-08 成都理工大学 隐患点自动识别方法、电子设备及计算机可读存储介质
CN114299402B (zh) * 2022-03-07 2022-05-20 成都理工大学 隐患点自动识别方法、电子设备及计算机可读存储介质
CN115453520A (zh) * 2022-10-26 2022-12-09 中国电子科技集团公司第十四研究所 基于双频多极化差分干涉的地表形变测量方法及设备
CN115453520B (zh) * 2022-10-26 2023-01-03 中国电子科技集团公司第十四研究所 基于双频多极化差分干涉的地表形变测量方法及设备
CN116049929A (zh) * 2022-10-26 2023-05-02 马培峰 一种城市建筑物风险等级InSAR评估和预测方法
CN116049929B (zh) * 2022-10-26 2023-09-29 马培峰 一种城市建筑物风险等级InSAR评估和预测方法
CN115616511A (zh) * 2022-12-19 2023-01-17 中大智能科技股份有限公司 一种地基雷达形变量气象补偿方法和系统
CN116087338A (zh) * 2023-04-10 2023-05-09 四川省地质矿产勘查开发局一0六地质队 一种岩石脆性破坏前兆指标的构建方法
CN116243269A (zh) * 2023-05-06 2023-06-09 南京航天宏图信息技术有限公司 一种基于Insar数据的震后滑坡灾害监测方法和装置

Also Published As

Publication number Publication date
CN113096005B (zh) 2023-07-07

Similar Documents

Publication Publication Date Title
CN113096005B (zh) 一种监测山体现今抬升速度的雷达时序差分干涉测量方法
Guo et al. Identification and monitoring landslides in Longitudinal Range-Gorge Region with InSAR fusion integrated visibility analysis
CN114201922A (zh) 基于InSAR技术的动态滑坡敏感性预测方法及系统
Zhu et al. Detection and characterization of active landslides with multisource SAR data and remote sensing in western Guizhou, China
Zhang et al. Deformations monitoring in complicated-surface areas by adaptive distributed Scatterer InSAR combined with land cover: Taking the Jiaju landslide in Danba, China as an example
Li et al. Evolution of spatiotemporal ground deformation over 30 years in Xi’an, China, with multi-sensor SAR interferometry
Wang et al. Investigation of the ground displacement in Saint Petersburg, Russia, using multiple-track differential synthetic aperture radar interferometry
Luo et al. Dynamic analysis of urban ground subsidence in Beijing based on the permanent scattering InSAR technology
Guo et al. Utilization of 3D Laser Scanning for Stability Evaluation and Deformation Monitoring of Landslides
Li et al. Monitoring and analysis of Woda landslide (China) using InSAR and Sentinel-1 data
Yang et al. Assimilation of D-InSAR snow depth data by an ensemble Kalman filter
Liu et al. Monitoring landslide associated with reservoir impoundment using synthetic aperture radar interferometry: A case study of the Yalong reservoir
Li et al. Monitoring land subsidence in North-central Henan Plain using the SBAS-InSAR method with Sentinel-1 imagery data
Zhang et al. High-precision monitoring method for airport deformation based on time-series InSAR technology
Wang et al. Prediction analysis of landslide displacement trajectory based on the gradient descent method with multisource remote sensing observations
Xiong et al. Land surface deformation in Nanchang, China 2018–2020 revealed by multi-temporal InSAR
Li et al. Monitoring and analysis of Woda landslide stability (China) combined with InSAR, GNSS and meteorological data
Chen et al. Improving Spatial Resolution of GRACE-Derived Water Storage Changes Based on Geographically Weight Regression Downscaled Model
Hu et al. Time-series spaceborne InSAR monitoring of permafrost deformation combined with backscattering characteristics: Case study from the Qinghai–Tibet engineering corridor
Wang et al. Deformation monitoring and evaluation of mountain slope stability combined with ground-based radar and spaceborne InSAR methods
Pepe et al. The Joint Use of Multiple Satellite SAR Data and Geotechnical Models for the Study of the Shanghai Ocean-Reclaimed Lands
Qin et al. 3D Deofmrtion Monitoring and Analysis of Coastal Seawall Combined with Multi-View InSAR Measurements
Jia et al. Early identification and monitoring of hidden debris flow in low mountain red bed area based on InSAR and optical remote sensing technology——A case study of Wenjiagou debris flow in the Eastern New District of Chengdu
Karimi et al. Landslide Measurement in Glendroud Region (From the Central Part of Noor City) in Mazandaran Province Iran by Using Remote Sensing and Radar Interferometry Techniques
Zhang et al. Analyzing surface deformation throughout China's territory using multi-temporal InSAR processing of Sentinel-1 radar 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
GR01 Patent grant
GR01 Patent grant