CN113325419B - 一种路面坍塌检测方法 - Google Patents
一种路面坍塌检测方法 Download PDFInfo
- Publication number
- CN113325419B CN113325419B CN202110877899.5A CN202110877899A CN113325419B CN 113325419 B CN113325419 B CN 113325419B CN 202110877899 A CN202110877899 A CN 202110877899A CN 113325419 B CN113325419 B CN 113325419B
- Authority
- CN
- China
- Prior art keywords
- data
- insar
- radar
- road surface
- dual
- 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
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
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)
- Geophysics And Detection Of Objects (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种路面坍塌检测方法，包括采用L波段InSAR卫星雷达与双频高动态探地雷达结合使用的路面坍塌检测方法；所述路面坍塌检测方法包括以下步骤：步骤S1、利用L波段InSAR卫星雷达获取路面检测区域的土壤含水湿度数据，经处理后找出土壤含水量异常区；步骤S2、利用双频高动态探地雷达采集土壤含水量异常区地下目标体的埋置深度数据，通过对该数据处理后将地下目标体的真实形态进行立体展示。本发明中所述的路面坍塌检测方法能够大范围的对地下含水量进行检测研究，能达到快速、准确地分析地下隐患，为道路安全隐患的快速预警和量化整治提供依据。
Description
技术领域
本发明涉及道路坍塌隐患检测技术领域，具体涉及一种路面坍塌检测方法。
背景技术
随着城市地下空间资源的开发规模日益增大，地下疏松、地层扰动、地层不均匀沉降、支撑应力变化和水土流失等城市路面灾害不断累加。尤其是地下给排水管线老化后破裂渗漏，进而冲蚀路基形成空洞，导致道路塌陷事故，给人们正常出行构成严重威胁。因此，对地下隐患进行大范围、精细化探测排查是解决当下问题的燃眉之急。
传统的地面渗漏检测方式主要为人工听漏，存在周期长和效率低等问题。现阶段的地下隐患体探测主要还停留在发生了道路坍塌后才进行小范围的探测，排查探测针对性不够，还停留在盲采排患层面。因此，为了对城市道路坍塌尽早发现、及时预警和量化整治，我们不仅需要一种大范围、高效率的排查隐患手段来解决现有排查方法存在的长周期、低效率和小范围的问题，还需要一种兼顾探测深度和探测精度，对隐患体的大小、规模进行精细化分析的探地雷达技术。
合成孔径雷达干涉测量（InSAR）遥感卫星技术L波段信号可穿透植被和硬质路面，对于湿度变化最敏感，且受云和大气等干扰因素的影响小，利用微波的穿透特性获取土壤自身的辐射信息，进而反演出土壤湿度，是一种有效的探测土壤湿度的方法。L波段InSAR技术已广泛应用于城市地面沉降监测、地表变形监测、管道泄漏监测，对于土壤含水量的监测也将逐步推广，具有良好的应用基础和应用前景。
目前，InSAR遥感卫星技术L波段信号使用情况如下：
申请号为202010120235.X的发明专利公开了一种利用InSAR监测数据的采煤沉降积水区水下地形反演方法。该发明针对沉降区积水水下地形测量困难，数学方法预测精度不高提出的一种基于InSAR监测数据的方法，该方法能大范围、高效的监测沉降积水区地下水地形情况。
申请号为201210111040.4 的发明专利公开了一种机载双波段合成孔径雷达系统及利用其测量植被厚度的方法。该发明利用了L波段的穿透能力强，能穿透植被进行测量，Ka波段虽然不能穿透植被，但其能稳定、高精度的获取植被冠层高程，结合两种波段特性实现对植被主体结构信息的提取、农作物产量预测等，对农业发展具重要意义。
申请号为201910771683.3的发明专利公开了一种基于L波段双极化雷达的电力线探测与识别方法。该方法设计了一种L波段双极化体制雷达，利用L波段宽波束穿透能力强、对电力线识别敏感、成本低和可靠性好等因素对低空电线进行识别预警，解决了目前雷达传感器难以感知电力线目标难题。
由上述公开的专利知，虽然InSAR遥感卫星技术L波段信号使用情况较多，但主要是用于地表形变监测、植被厚度测量及感知低空物体，并未利用L波段穿透能力强、对土壤湿度敏感等特征大范围的对地下含水量进行监测研究，进而难以完成对城市路面坍塌隐患的大范围排查。
双频高动态探地雷达（HDR）是一种同时发射高频（670MHz）、低频(160MHz)超宽带阵列接收的并行采集系统，采集的原始噪声水平低，信噪比高，无需做零点漂移和带通滤波等处理就能得到很好的原始数据，利用多次覆盖互相关的多通道信号叠加技术增加深部信号能量，兼顾探测深度和探测精度。利用该方法可以对地下隐患体进行精细化探测，采用能量阈值相关度参数，拟合不同B-scan数据在不同时间深度、不同位置方向、不同频带分布上的梯度，完成有限B-scan数据的真实插值，实现塌陷隐患体的三维切片成像和透视成像。
在现有的技术中，双频高动态探地雷达（HDR）的使用情况如下：
申请号为201310452042.4的发明专利公开了一种超宽带探地雷达公路质量探测方法及其探测装置。该方法在公路质量探测过程中是先对探测数据进行初步缺陷目标检测，然后针对存在缺陷探测图像作进一步缺陷目标定位于识别，可以实现对地下物质的识别和定位。
申请号为201310529162.X 的发明专利公开了一种高速成像超宽探地雷达车。该方法是采用空气耦合式的双频段、双通道探地雷达，两种频段可并行操作，提高探测效率。该雷达配置了高速的实时数模转换器，能在高速行驶过程中取得可靠的探测要求，增加了探测的速度和效率。
申请号为201410137086.2的发明专利公开了一种双频复合天线探地雷达。该方法克服了地质探测时不能同时兼顾探测深度和分辨率的问题，从而有效解决了探测深度和分辨率之间的矛盾，提高了探测深度和探测效率。
由上述公开的专利知，HDR探地雷达对路面坍塌检测还停留在定性的层面上，不能真正定量的解译路面隐患体的大小、位置、形态和分布，无法完成对隐患区的精细化探测。
综上所述，急需一种路面坍塌检测方法以解决现有技术中存在的难以完成对城市路面坍塌隐患大范围排查的问题以及无法完成对隐患区进行精细化探测的问题。
发明内容
本发明目的在于提供一种路面坍塌检测方法，具体技术方案如下：
一种路面坍塌检测方法，包括采用L波段InSAR卫星雷达与双频高动态探地雷达结合使用的路面坍塌检测方法；
所述路面坍塌检测方法包括以下步骤：
步骤S1、利用L波段InSAR卫星雷达获取路面检测区域的土壤含水湿度数据，经处理后找出土壤含水量异常区；
步骤S2、利用双频高动态探地雷达采集土壤含水量异常区地下目标体的埋置深度数据，通过对该数据处理后将地下目标体的真实形态进行立体展示。
优选的，所述步骤S1包括步骤：
步骤S1A、建立反演模型，具体是：先将L波段InSAR卫星雷达获取的原始影像DN值A
通过表达式1）转化为L波段InSAR卫星雷达的后向散射系数
，所述表达式1）为：
，
在表达式1）中，
为绝对定标因子，
为入射角；
然后，根据后向散射系数
与土壤湿度呈正相关关系，土壤湿度与土壤相对介电
常数呈正相关关系，选用表达式2），即Alpha近似模型作为反演模型以建立后向散射系数比
值和土壤相对介电常数的关系来反演土壤水分，所述表达式2）为：
，
在表达式2）中，
为L波段InSAR卫星雷达在时间为
时获取的后向散射系数；
为L波段InSAR卫星雷达在时间为
时获取的后向散射系数；
为土壤相对介电常
数；
为L波段InSAR卫星雷达的入射角；
为L波段InSAR卫星雷达获取的极化幅度；
为L波段InSAR卫星雷达在时间为
时获取的极化幅度；
为L波段InSAR卫星雷达
在时间为
时获取的极化幅度；
步骤S1B、采用所述表达式2）通过约束边界最小二乘法进行土壤水分求解，经过不断的反演迭代，使得反演所得土壤水分的均方误差趋于稳定收敛后结束，最终获得路面检测区域的土壤含水量反演影像图；
步骤S1C、将土壤含水量反演影像图经地理编码转换成地理坐标系下的矢量文件；
步骤S1D、采用辅助软件将所述矢量文件制成土壤含水量湿度图；
步骤S1E、在所述土壤含水量湿度图中找出土壤含水量异常区，以锁定路面坍塌隐患位置。
优选的，所述步骤S1在步骤S1A之前还包括以下步骤：
步骤S1A.1、根据实际检测需求确定路面检测区域，并将L波段InSAR卫星雷达布设在路面检测区域上；
步骤S1A.2、利用L波段InSAR卫星雷达获取路面检测区域的土壤含水湿度数据；
步骤S1A.3、采用遥感图像处理软件对步骤S1A.2获取的数据进行预处理得到InSAR图像，然后采用多视处理方法将InSAR图像处理成InSAR多视强度图像；
步骤S1A.4、图像配准，具体采用交叉相关处理方法对覆盖同一路面检测区域的多幅InSAR多视强度图像自动配准得到InSAR配准图像，保证输出的图像具良好的相干性，避免输出的图像出现多普勒质心不同的情况；
步骤S1A.5、噪声滤波处理，具体对InSAR配准图像进行伽马滤波或高斯滤波处理；
在所述步骤S1A中，原始影像DN值A是步骤S1A.5处理后的InSAR配准图像所记录的。
优选的，所述步骤S1D中的辅助软件为ArcGIS软件。
优选的，所述步骤S1A.3包括以下步骤：
步骤S1A.3.1、采用ENVI SARscape 5.2.1遥感图像处理软件处理步骤S1A.2获取的数据，在生成 SAR预处理时，通过ENVI SARscape 5.2.1的聚焦模块，对步骤S1A.2获取的每个数据的反射率利用经过优化的调焦算法实现数据快速聚焦处理后，直接输出单视复数InSAR数据；
步骤S1A.3.2、将输出的单视复数InSAR数据再次导入ENVI SARscape 5.2.1遥感图像处理软件，该软件将自动读取头文件信息（具体有图像大小，数据组织方式，轨道信息，坐标信息等）和数据体信息（具体是存储的二进制数据，比如一幅图像有m行，n列，每个像元用一个浮点数表示，那么这个数据文件就只存m×n个浮点数），经处理后得到InSAR图像；
步骤S1A.3.3、采用多视处理方法将InSAR图像在距离向和方位向上的分辨率做平均处理，得到InSAR多视强度图像，用于抑制InSAR图像的斑点噪声。
优选的，所述步骤S1A.3.3中的多视处理方法是采用工具Multilooking完成的，便于提高InSAR多视强度图像的辐射分辨率，降低InSAR多视强度图像的空间分辨率。
优选的，所述步骤S1A.4中的交叉相关处理方法是采用工具Coregistration完成的。
优选的，所述步骤S2包括以下步骤：
步骤S2.1、将所述双频高动态探地雷达在采集数据前进行速度标定，具体是：在土
壤含水量异常区内预埋一个距地面深度为s的标的物，所述标的物在长度方向上与地面平
行；采用沿地面可移动设置的双频高动态探地雷达在标的物的一侧M位置开始探测，并沿垂
直标的物的长度方向匀速运行，依次经过标的物的正上方，运行至标的物的另一侧P位置，
所述P位置距标的物的距离与M位置距标的物的距离相同；根据双频高动态探地雷达运行探
测的时间数据，获得最短的时间
，即为双频高动态探地雷达在标的物的正上方探测得到
的双程行走时间；根据速度公式求得双频高动态探地雷达的雷达信号在土壤含水量异常区
中传播的介质速度
，采用所述介质速度对双频高动态探地雷达进行速度标定；
步骤S2.2、确定地面零点，具体是：采用速度标定后的双频高动态探地雷达在标的物的正上方时发射的子波中取第一个振幅最高点确定为地面零点，并切除子波中位于第一个振幅最高点上部的直达波经历的时间，以消除对地面零点确定的干扰；
步骤S2.3、采集数据，根据确定后的地面零点，利用速度标定后的双频高动态探地雷达采集得到土壤含水量异常区地下目标体的埋置深度数据；
步骤S2.4、增益处理，具体是：对步骤S2.3所采集的数据中出现的问题数据C=C1、
C2、......和Cn中任一数据，所述n不小于1，选取增益函数
乘以问题数据C，使得问题
数据C得到增处理；所述问题数据C为步骤S2.3中双频高动态探地雷达在采集数据时因部分
雷达信号出现衰减或散射情况而采集的数据；所述增益函数
的表达式3）为：
其中，在表达式3）中
，
为线性增益滤波参数，无单位；
，
为指数增益滤波参数，单位为dB/m；
为对问题数据进行增益函数处
理的开始时间；在使用表达式3）时需要输入开始时间和问题数据的最大增益值，所述最大
增益值的数值不大于1000；
步骤S2.5、数据后处理，具体是：对步骤S2.3所采集的非问题数据和经步骤S2.4处理后的问题数据依次进行水平信号去除和光滑处理；
步骤S2.6、数据成像，具体是：将步骤S2.5处理后的数据转换成matlab读取格式mat或者rsf格式，再经matlab编程后转化为三维立体图像，从而实现将地下目标体的真实形态进行立体展示。
在所述步骤S2.5中，选取Subtracting average方法对步骤S2.3所采集的非问题数据和经步骤S2.4处理后的问题数据进行水平信号去除；选取Running average方法对水平信号去除后的数据进行光滑处理。
优选的，在所述步骤S1和步骤S2之间还包括步骤Q，所述步骤Q是对土壤含水量异常区的地质背景和管网分布进行分析，初步判定隐患。所述步骤Q的具体操作过程如下：
步骤Q1：对于地质背景的分析，主要是查明区域的地层岩性和构造，灰岩地层易出现溶蚀空洞，随着地层裂隙水的聚集，会导致洞内积水，形成土壤含水量异常区；断裂构造会造成地层的错动，尤其是活动断层，地下水或者地表水会随着断裂流动形成富水区，从而形成土壤含水量异常区；
步骤Q2：对于管网分布的分析，主要是对供水管道的管径、规模、材质、埋置深度、走向和年限进行详查，尤其是对经常断水的管段进行详查，因为经常断水的管段容易漏水形成土壤含水量异常区；
通过步骤Q1-Q2对土壤含水量异常区进行初步的判定，排除雨水下排干扰，锁定路面坍塌隐患位置，便于所述步骤S2的展开。
优选的，所述步骤S1的操作频率为每月1-2次，两次操作之间的时间间隔最少为14天，所述步骤Q和步骤S2的操作频率与步骤S1的操作频率均相同。操作频率的设置不仅便于提高对土壤含水湿度数据及地下目标体的探测精度，还能够减少漏测区域。
应用本发明的技术方案，具有以下有益效果：
在本发明中所述的路面坍塌检测方法，具体是先通过步骤S1，利用L波段InSAR卫星雷达获取路面检测区域的土壤含水湿度数据，经处理后找出土壤含水量异常区，具体的，一方面利用L波段穿透能力强在城市硬质道路地下土壤含水量检测上具有很大的优势，最大可穿透地下20米找到地下土壤含水量异常区；另一方面利用L波段对土壤湿度敏感有助于L波段InSAR卫星雷达能够在较短时间内找出土壤含水量异常区。步骤S1通过L波段穿透能力强及对土壤湿度敏感的特性能够大范围的对地下含水量进行检测研究，解决了现有技术中难以完成对城市路面坍塌隐患大范围排查的问题。本发明再通过步骤S2，利用双频高动态探地雷达采集土壤含水量异常区地下目标体的相关数据，通过对相关数据处理后将地下目标体的真实形态进行立体展示，解决了现有技术中无法完成对隐患区进行精细化探测的问题。本发明采用L波段InSAR卫星雷达与双频高动态探地雷达结合使用的路面坍塌检测方法，一方面提高探测范围、探测效率和探测精度，另一方面节约人力、物力和探测成本。本发明中所述的路面坍塌检测方法能达到快速、准确地分析地下隐患，为道路安全隐患的快速预警和量化整治提供依据。
具体实施方式
下面将结合本发明实施例对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
一种路面坍塌检测方法，包括采用L波段InSAR卫星雷达与双频高动态探地雷达结合使用的路面坍塌检测方法；
所述路面坍塌检测方法包括以下步骤：
步骤S1、利用L波段InSAR卫星雷达获取路面检测区域的土壤含水湿度数据，经处理后找出土壤含水量异常区；
步骤S2、利用双频高动态探地雷达采集土壤含水量异常区地下目标体的埋置深度数据，通过对该数据处理后将地下目标体的真实形态进行立体展示。
所述步骤S1包括步骤：
步骤S1A、建立反演模型，具体是：先将L波段InSAR卫星雷达获取的原始影像DN值A
通过表达式1）转化为L波段InSAR卫星雷达的后向散射系数 
，所述表达式1）为：
，
在表达式1）中，
为绝对定标因子，
为入射角；
然后，根据后向散射系数
与土壤湿度呈正相关关系，土壤湿度与土壤相对介电
常数呈正相关关系，选用表达式2），即Alpha近似模型作为反演模型以建立后向散射系数比
值和土壤相对介电常数的关系来反演土壤水分，所述表达式2）为：
，
在表达式2）中，
为L波段InSAR卫星雷达在时间为
时获取的后向散射系数；
为L波段InSAR卫星雷达在时间为
时获取的后向散射系数；
为土壤相对介电常
数；
为L波段InSAR卫星雷达的入射角；
为L波段InSAR卫星雷达获取的极化幅度；
为L波段InSAR卫星雷达在时间为
时获取的极化幅度；
为L波段InSAR卫星雷达
在时间为
时获取的极化幅度；
步骤S1B、采用所述表达式2）通过约束边界最小二乘法进行土壤水分求解，经过不断的反演迭代，使得反演所得土壤水分的均方误差趋于稳定收敛后结束，最终获得路面检测区域的土壤含水量反演影像图；
步骤S1C、将土壤含水量反演影像图经地理编码转换成地理坐标系下的矢量文件；
步骤S1D、采用辅助软件将所述矢量文件制成土壤含水量湿度图；
步骤S1E、在所述土壤含水量湿度图中找出土壤含水量异常区，以锁定路面坍塌隐患位置。
所述步骤S1在步骤S1A之前还包括以下步骤：
步骤S1A.1、根据实际检测需求确定路面检测区域，并将L波段InSAR卫星雷达布设在路面检测区域上；
步骤S1A.2、利用L波段InSAR卫星雷达获取路面检测区域的土壤含水湿度数据；
步骤S1A.3、采用遥感图像处理软件对步骤S1A.2获取的数据进行预处理得到InSAR图像，然后采用多视处理方法将InSAR图像处理成InSAR多视强度图像；
步骤S1A.4、图像配准，具体采用交叉相关处理方法对覆盖同一路面检测区域的多幅InSAR多视强度图像自动配准得到InSAR配准图像，保证输出的图像具良好的相干性，避免输出的图像出现多普勒质心不同的情况；
步骤S1A.5、噪声滤波处理，具体对InSAR配准图像进行伽马滤波或高斯滤波处理；
在所述步骤S1A中，原始影像DN值A是步骤S1A.5处理后的InSAR配准图像所记录的。
所述步骤S1D中的辅助软件为ArcGIS软件。
所述步骤S1A.3包括以下步骤：
步骤S1A.3.1、采用ENVI SARscape 5.2.1遥感图像处理软件处理步骤S1A.2获取的数据，在生成 SAR预处理时，通过ENVI SARscape 5.2.1的聚焦模块，对步骤S1A.2获取的每个数据的反射率利用经过优化的调焦算法实现数据快速聚焦处理后，直接输出单视复数InSAR数据；
步骤S1A.3.2、将输出的单视复数InSAR数据再次导入ENVI SARscape 5.2.1遥感图像处理软件，该软件将自动读取头文件信息（具体有图像大小，数据组织方式，轨道信息，坐标信息等）和数据体信息（具体是存储的二进制数据，比如一幅图像有m行，n列，每个像元用一个浮点数表示，那么这个数据文件就只存m×n个浮点数），经处理后得到InSAR图像；
步骤S1A.3.3、采用多视处理方法将InSAR图像在距离向和方位向上的分辨率做平均处理，得到InSAR多视强度图像，用于抑制InSAR图像的斑点噪声。
所述步骤S1A.3.3中的多视处理方法是采用工具Multilooking完成的，便于提高InSAR多视强度图像的辐射分辨率，降低InSAR多视强度图像的空间分辨率。
所述步骤S1A.4中的交叉相关处理方法是采用工具Coregistration完成的。
所述步骤S2包括以下步骤：
步骤S2.1、将所述双频高动态探地雷达在采集数据前进行速度标定，具体是：在土
壤含水量异常区内预埋一个距地面深度为s的标的物，所述标的物在长度方向上与地面平
行；采用沿地面可移动设置的双频高动态探地雷达在标的物的一侧M位置开始探测，并沿垂
直标的物的长度方向匀速运行，依次经过标的物的正上方，运行至标的物的另一侧P位置，
所述P位置距标的物的距离与M位置距标的物的距离相同；根据双频高动态探地雷达运行探
测的时间数据，获得最短的时间
，即为双频高动态探地雷达在标的物的正上方探测得到
的双程行走时间；根据速度公式求得双频高动态探地雷达的雷达信号在土壤含水量异常区
中传播的介质速度
，采用所述介质速度对双频高动态探地雷达进行速度标定；
步骤S2.2、确定地面零点，具体是：采用速度标定后的双频高动态探地雷达在标的物的正上方时发射的子波中取第一个振幅最高点确定为地面零点，并切除子波中位于第一个振幅最高点上部的直达波经历的时间，以消除对地面零点确定的干扰；
步骤S2.3、采集数据，根据确定后的地面零点，利用速度标定后的双频高动态探地雷达采集得到土壤含水量异常区地下目标体的埋置深度数据；
步骤S2.4、增益处理，具体是：对步骤S2.3所采集的数据中出现的问题数据C=C1、
C2、......和Cn中任一数据，所述n不小于1，选取增益函数
乘以问题数据C，使得问题
数据C得到增处理；所述问题数据C为步骤S2.3中双频高动态探地雷达在采集数据时因部分
雷达信号出现衰减或散射情况而采集的数据；所述增益函数
的表达式3）为：
其中，在表达式3）中
，
为线性增益滤波参数，无单位；
，
为指数增益滤波参数，单位为dB/m；
为对问题数据进行增益函数处
理的开始时间；在使用表达式3）时需要输入开始时间和问题数据的最大增益值，所述最大
增益值的数值不大于1000；
步骤S2.5、数据后处理，具体是：对步骤S2.3所采集的非问题数据和经步骤S2.4处理后的问题数据依次进行水平信号去除和光滑处理；
步骤S2.6、数据成像，具体是：将步骤S2.5处理后的数据转换成matlab读取格式mat或者rsf格式，再经matlab编程后转化为三维立体图像，从而实现将地下目标体的真实形态进行立体展示。
在所述步骤S2.5中，选取Subtracting average方法对步骤S2.3所采集的非问题数据和经步骤S2.4处理后的问题数据进行水平信号去除；选取Running average方法对水平信号去除后的数据进行光滑处理。
在所述步骤S1和步骤S2之间还包括步骤Q，所述步骤Q是对土壤含水量异常区的地质背景和管网分布进行分析，初步判定隐患。所述步骤Q的具体操作过程如下：
步骤Q1：对于地质背景的分析，主要是查明区域的地层岩性和构造，灰岩地层易出现溶蚀空洞，随着地层裂隙水的聚集，会导致洞内积水，形成土壤含水量异常区；断裂构造会造成地层的错动，尤其是活动断层，地下水或者地表水会随着断裂流动形成富水区，从而形成土壤含水量异常区。
步骤Q2：对于管网分布的分析，主要是对供水管道的管径、规模、材质、埋置深度、走向和年限进行详查，尤其是对经常断水的管段进行详查，因为经常断水的管段容易漏水形成土壤含水量异常区。
通过步骤Q1-Q2对土壤含水量异常区进行初步的判定，排除雨水下排干扰，锁定路面坍塌隐患位置，便于所述步骤S2的展开。
所述步骤S1的操作频率为每月1-2次，两次操作之间的时间间隔最少为14天，所述步骤Q和步骤S2的操作频率与步骤S1的操作频率均相同。操作频率的设置不仅便于提高对土壤含水湿度数据及地下目标体的探测精度，还能够减少漏测区域（具体是L波段InSAR卫星雷达与双频高动态探地雷达在作业时，因路面检测区域中部分区域出现车辆和行人等而阻碍雷达信号对该区域的探测，进而导致该区域漏测。）
在实施例1中所述的路面坍塌检测方法，具体是先通过步骤S1，利用L波段InSAR卫星雷达获取路面检测区域的土壤含水湿度数据，经处理后找出土壤含水量异常区，具体的，一方面利用L波段穿透能力强在城市硬质道路地下土壤含水量检测上具有很大的优势，最大可穿透地下20米找到地下土壤含水量异常区；另一方面利用L波段对土壤湿度敏感有助于L波段InSAR卫星雷达能够在较短时间内找出土壤含水量异常区。步骤S1通过L波段穿透能力强及对土壤湿度敏感的特性能够大范围的对地下含水量进行检测研究，解决了现有技术中难以完成对城市路面坍塌隐患大范围排查的问题。实施例1再通过步骤S2，利用双频高动态探地雷达采集土壤含水量异常区地下目标体的相关数据，通过对相关数据处理后将地下目标体的真实形态进行立体展示，解决了现有技术中无法完成对隐患区进行精细化探测的问题。实施例1采用L波段InSAR卫星雷达与双频高动态探地雷达结合使用的路面坍塌检测方法，一方面提高探测范围、探测效率和探测精度，另一方面节约人力、物力和探测成本。实施例1中所述的路面坍塌检测方法能达到快速、准确地分析地下隐患，为道路安全隐患的快速预警和量化整治提供依据。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种路面坍塌检测方法，其特征在于，包括采用L波段InSAR卫星雷达与双频高动态探地雷达结合使用的路面坍塌检测方法；
所述路面坍塌检测方法包括以下步骤：
步骤S1、利用L波段InSAR卫星雷达获取路面检测区域的土壤含水湿度数据，经处理后找出土壤含水量异常区；
步骤S2、利用双频高动态探地雷达采集土壤含水量异常区地下目标体的埋置深度数据，通过对该数据处理后将地下目标体的真实形态进行立体展示；
所述步骤S2包括以下步骤：
步骤S2.1、将所述双频高动态探地雷达在采集数据前进行速度标定，具体是：
在土壤含水量异常区内预埋一个距地面深度为s的标的物，所述标的物在长度方向上与地面平行；采用沿地面可移动设置的双频高动态探地雷达在标的物的一侧M位置开始探测，并沿垂直标的物的长度方向匀速运行，依次经过标的物的正上方，运行至标的物的另一侧P位置，所述P位置距标的物的距离与M位置距标的物的距离相同；根据双频高动态探地雷达运行探测的时间数据，获得最短的时间t′，即为双频高动态探地雷达在标的物的正上方探测得到的双程行走时间；根据速度公式求得双频高动态探地雷达的雷达信号在土壤含水量异常区中传播的介质速度v′＝2s/t′，采用所述介质速度对双频高动态探地雷达进行速度标定；
步骤S2.2、确定地面零点，具体是：
采用速度标定后的双频高动态探地雷达在标的物的正上方时发射的子波中取第一个振幅最高点确定为地面零点，并切除子波中位于第一个振幅最高点上部的直达波经历的时间，以消除对地面零点确定的干扰；
步骤S2.3、采集数据，根据确定后的地面零点，利用速度标定后的双频高动态探地雷达采集得到土壤含水量异常区地下目标体的埋置深度数据；
步骤S2.4、增益处理，具体是：
对步骤S2.3所采集的数据中出现的问题数据C＝C1、C2、......和Cn中任一数据，所述n不小于1，选取增益函数g(t)乘以问题数据C，使得问题数据C得到增处理；所述问题数据C为步骤S2.3中双频高动态探地雷达在采集数据时因部分雷达信号出现衰减或散射情况而采集的数据；所述增益函数g(t)的表达式3)为：
g(t)＝(1+a·t)exp(b·t)
其中，在表达式3)中a＝a′/脉冲宽度，a′为线性增益滤波参数，无单位；
b′为指数增益滤波参数，单位为dB/m；t为对问题数据进行增益函数处理的开始时间；在使用表达式3)时需要输入开始时间和问题数据的最大增益值，所述最大增益值的数值不大于1000；
步骤S2.5、数据后处理，具体是：
对步骤S2.3所采集的非问题数据和经步骤S2.4处理后的问题数据依次进行水平信号去除和光滑处理；
步骤S2.6、数据成像，具体是：
将步骤S2.5处理后的数据经matlab编程后转化为三维立体图像，从而实现将地下目标体的真实形态进行立体展示。
2.根据权利要求1所述的路面坍塌检测方法，其特征在于，所述步骤S1包括步骤：
步骤S1A、建立反演模型，具体是：
先将L波段InSAR卫星雷达获取的原始影像DN值A通过表达式1)转化为L波段InSAR卫星雷达的后向散射系数σ，所述表达式1)为：
在表达式1)中，K为绝对定标因子，θ为入射角；
然后，根据后向散射系数σ与土壤湿度呈正相关关系，土壤湿度与土壤相对介电常数呈正相关关系，选用表达式2)，即Alpha近似模型作为反演模型以建立后向散射系数比值和土壤相对介电常数的关系来反演土壤水分，所述表达式2)为：
在表达式2)中，σT1为L波段InSAR卫星雷达在时间为T1时获取的后向散射系数；σT2为L波段InSAR卫星雷达在时间为T2时获取的后向散射系数；ε为土壤相对介电常数；θ为L波段InSAR卫星雷达的入射角；α为L波段InSAR卫星雷达获取的极化幅度；αT1为L波段InSAR卫星雷达在时间为T1时获取的极化幅度；αT2为L波段InSAR卫星雷达在时间为T2时获取的极化幅度；
步骤S1B、采用所述表达式2)通过约束边界最小二乘法进行土壤水分求解，经过不断的反演迭代，使得反演所得土壤水分的均方误差趋于稳定收敛后结束，最终获得路面检测区域的土壤含水量反演影像图；
步骤S1C、将土壤含水量反演影像图经地理编码转换成地理坐标系下的矢量文件；
步骤S1D、采用辅助软件将所述矢量文件制成土壤含水量湿度图；
步骤S1E、在所述土壤含水量湿度图中找出土壤含水量异常区，以锁定路面坍塌隐患位置。
3.根据权利要求2所述的路面坍塌检测方法，其特征在于，所述步骤S1在步骤S1A之前还包括以下步骤：
步骤S1A.1、确定路面检测区域，并将L波段InSAR卫星雷达布设在路面检测区域上；
步骤S1A.2、利用L波段InSAR卫星雷达获取路面检测区域的土壤含水湿度数据；
步骤S1A.3、采用遥感图像处理软件对步骤S1A.2获取的数据进行预处理得到InSAR图像，然后采用多视处理方法将InSAR图像处理成InSAR多视强度图像；
步骤S1A.4、图像配准，具体采用交叉相关处理方法对覆盖同一路面检测区域的多幅InSAR多视强度图像自动配准得到InSAR配准图像，保证输出的图像具良好的相干性；
步骤S1A.5、噪声滤波处理，具体对InSAR配准图像进行伽马滤波或高斯滤波处理；
在所述步骤S1A中，原始影像DN值A是步骤S1A.5处理后的InSAR配准图像所记录的。
4.根据权利要求3所述的路面坍塌检测方法，其特征在于，所述步骤S1D中的辅助软件为ArcGIS软件。
5.根据权利要求4所述的路面坍塌检测方法，其特征在于，所述步骤S1A.3包括以下步骤：
步骤S1A.3.1、采用ENVI或ENVI SARscape遥感图像处理软件处理步骤S1A.2获取的数据，在生成SAR预处理时，通过ENVI或ENVI SARscape的聚焦模块，直接输出单视复数InSAR数据；
步骤S1A.3.2、将输出的单视复数InSAR数据再次导入ENVI或ENVI SARscape遥感图像处理软件，经处理后得到InSAR图像；
步骤S1A.3.3、采用多视处理方法将InSAR图像在距离向和方位向上的分辨率做平均处理，得到InSAR多视强度图像。
6.根据权利要求5所述的路面坍塌检测方法，其特征在于，所述步骤S1A.3.3中的多视处理方法是采用工具Multilooking完成的；
所述步骤S1A.4中的交叉相关处理方法是采用工具Coregistration完成的。
7.根据权利要求1-6任一项所述的路面坍塌检测方法，其特征在于，在所述步骤S2.5中，选取Subtracting average方法对步骤S2.3所采集的非问题数据和经步骤S2.4处理后的问题数据进行水平信号去除；选取Running average方法对水平信号去除后的数据进行光滑处理。
8.根据权利要求7所述的路面坍塌检测方法，其特征在于，在所述步骤S1和步骤S2之间还包括步骤Q，所述步骤Q是对土壤含水量异常区的地质背景和管网分布进行分析，初步判定隐患。
9.根据权利要求8所述的路面坍塌检测方法，其特征在于，所述步骤S1的操作频率为每月1-2次，两次操作之间的时间间隔最少为14天，所述步骤Q和步骤S2的操作频率与步骤S1的操作频率均相同。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110877899.5A CN113325419B (zh) | 2021-08-02 | 2021-08-02 | 一种路面坍塌检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110877899.5A CN113325419B (zh) | 2021-08-02 | 2021-08-02 | 一种路面坍塌检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113325419A CN113325419A (zh) | 2021-08-31 |
| CN113325419B true CN113325419B (zh) | 2021-12-03 |
Family
ID=77426741
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110877899.5A Active CN113325419B (zh) | 2021-08-02 | 2021-08-02 | 一种路面坍塌检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113325419B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113932703B (zh) * | 2021-11-09 | 2023-06-16 | 中国有色金属长沙勘察设计研究院有限公司 | 一种形变监测雷达区域数据处理方法 |
| CN115098914B (zh) * | 2022-06-20 | 2023-03-10 | 北京科技大学 | 一种城市道路塌陷隐患敏感要素智能提取方法及系统 |
| CN114897454B (zh) * | 2022-07-14 | 2023-01-31 | 深圳市城市交通规划设计研究中心股份有限公司 | 城市基础设施群沉降评价方法、电子设备及存储介质 |
| CN115267143B (zh) * | 2022-09-28 | 2022-12-30 | 江苏筑升土木工程科技有限公司 | 道路空洞缺陷检测系统及检测方法 |
| CN115372964B (zh) * | 2022-10-26 | 2022-12-27 | 中国电子科技集团公司第十四研究所 | 一种双频多尺度地表形变测量试验系统 |
| CN116360001A (zh) * | 2023-04-04 | 2023-06-30 | 中国地质科学院地球物理地球化学勘查研究所 | 消除冻土区低频非屏蔽探地雷达多次波信号干扰的方法 |
| CN117302041B (zh) * | 2023-11-23 | 2024-02-02 | 山西华冶勘测工程技术有限公司 | 一种道路空洞定位探测装置及其定位方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2446615A (en) * | 2007-02-15 | 2008-08-20 | Selex Sensors & Airborne Sys | Interleaved bi-static interferometric synthetic aperture radar technique for determining height information for an imaged area |
| CN109031290A (zh) * | 2018-07-27 | 2018-12-18 | 山东农业大学 | 一种土地工程的质量检测方法 |
| CN111142165A (zh) * | 2019-12-19 | 2020-05-12 | 中国地质调查局西安地质调查中心 | 一种利用探地雷达获取含水层的水位信息的方法 |
| CN111895911A (zh) * | 2020-08-01 | 2020-11-06 | 上海地矿工程勘察有限公司 | 一种应用于浅部砂层地面塌陷隐患监测方法 |
| CN112330002A (zh) * | 2020-10-27 | 2021-02-05 | 合肥泽众城市智能科技有限公司 | 一种城市地面坍塌灾害综合监测预警方法及系统 |
| CN113091597A (zh) * | 2021-04-01 | 2021-07-09 | 浙江易智信息技术有限公司 | 基于Insar地表形变监测技术查找地面坍塌隐患的方法 |
-
2021
- 2021-08-02 CN CN202110877899.5A patent/CN113325419B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2446615A (en) * | 2007-02-15 | 2008-08-20 | Selex Sensors & Airborne Sys | Interleaved bi-static interferometric synthetic aperture radar technique for determining height information for an imaged area |
| CN109031290A (zh) * | 2018-07-27 | 2018-12-18 | 山东农业大学 | 一种土地工程的质量检测方法 |
| CN111142165A (zh) * | 2019-12-19 | 2020-05-12 | 中国地质调查局西安地质调查中心 | 一种利用探地雷达获取含水层的水位信息的方法 |
| CN111895911A (zh) * | 2020-08-01 | 2020-11-06 | 上海地矿工程勘察有限公司 | 一种应用于浅部砂层地面塌陷隐患监测方法 |
| CN112330002A (zh) * | 2020-10-27 | 2021-02-05 | 合肥泽众城市智能科技有限公司 | 一种城市地面坍塌灾害综合监测预警方法及系统 |
| CN113091597A (zh) * | 2021-04-01 | 2021-07-09 | 浙江易智信息技术有限公司 | 基于Insar地表形变监测技术查找地面坍塌隐患的方法 |
Non-Patent Citations (4)
| Title |
|---|
| 《The 2019 Brumadinho tailings dam collapse: Possible cause and impacts of the worst human and environmental disaster in Brazil》;Luiz Henrique Silva Rottaa et al.;《International Journal of Applied Earth Observation and Geoinformation》;20201231;第1-12页 * |
| PS－InSAR 技术辅助GPR 监测城市道路地下病害体;王晓东 等;《矿山测量》;20190630;第47卷(第3期);第87-91页 * |
| 王晓东 等.PS－InSAR 技术辅助GPR 监测城市道路地下病害体.《矿山测量》.2019,第47卷(第3期), * |
| 甘蔗苗期土壤水分星载SAR遥感反演研究;覃梓洪;《中国优秀硕士学位论文全文数据库 农业科技辑》;20210615(第6期);正文第13、45、56-60、68-70页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113325419A (zh) | 2021-08-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113325419B (zh) | 一种路面坍塌检测方法 | |
| Benedetto et al. | An overview of ground-penetrating radar signal processing techniques for road inspections | |
| Di Prinzio et al. | Application of GPR to the monitoring of river embankments | |
| CN112364802B (zh) | 一种崩塌滑坡灾害体的变形监测方法 | |
| CN109343022B (zh) | 估测层间土壤含水量的方法 | |
| Melling | Detection of features in first-year pack ice by synthetic aperture radar (SAR) | |
| CN106338729B (zh) | 一种运用探地雷达反演铁路路基道床污染率的方法 | |
| CN107479042B (zh) | 一种表层岩溶带空间蓄水能力的估算方法 | |
| CN112818924B (zh) | 一种基于关联规则分析的道路深层病害预警方法 | |
| Gaber et al. | Near-surface imaging of a buried foundation in the Western Desert, Egypt, using space-borne and ground penetrating radar | |
| CN111562575B (zh) | 一种用于地面沉降的监测方法 | |
| CN112666554A (zh) | 一种沥青路面雷达振幅特征裂缝宽度识别方法 | |
| Niraj et al. | Kotrupi landslide deformation study in non-urban area using DInSAR and MTInSAR techniques on Sentinel-1 SAR data | |
| CN111142165A (zh) | 一种利用探地雷达获取含水层的水位信息的方法 | |
| Faisal et al. | Remote sensing techniques as a tool for environmental monitoring | |
| AU2021105440A4 (en) | Instrument and method for monitoring the soil moisture change by using GPS ground reflection signal | |
| CN106226844A (zh) | 利用gnss信号极化相移的降雨强度山基测量方法 | |
| CN115147728A (zh) | 一种基于雷达数据和光学数据协同的塘坝快速识别方法 | |
| Datta-Barua et al. | Great lake surface characterization with GNSS reflectometry | |
| Wang et al. | Research on GBSAR deformation extraction method based on three-threshold | |
| CN113625241A (zh) | 差异沉降监控预警方法 | |
| CN111983609B (zh) | 基于雷达遥感影像的湿芦苇提取方法 | |
| Potępa et al. | GPR survey for fir (Abies alba) and spruce (Picea abies) root systems in different locations in the Western Carpathians Mts.(Poland) | |
| Cao et al. | Application of Ground Penetrating Radar for Detecting Grouting Quality in Highway Tunnel | |
| Oyen et al. | Application of synthetic aperture radar methods for morphological analysis of the Salar De Uyuni distal fluvial system |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Road Collapse Detection Method Effective date of registration: 20230613 Granted publication date: 20211203 Pledgee: Agricultural Bank of China Limited Changsha Wangcheng District sub branch Pledgor: Hunan Lianzhi Technology Co.,Ltd. Registration number: Y2023980043732 |