CN113625241A - 差异沉降监控预警方法 - Google Patents
差异沉降监控预警方法 Download PDFInfo
- Publication number
- CN113625241A CN113625241A CN202110795103.1A CN202110795103A CN113625241A CN 113625241 A CN113625241 A CN 113625241A CN 202110795103 A CN202110795103 A CN 202110795103A CN 113625241 A CN113625241 A CN 113625241A
- Authority
- CN
- China
- Prior art keywords
- data
- early warning
- settlement monitoring
- outlier
- warning method
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 title claims abstract description 17
- 238000010586 diagram Methods 0.000 claims abstract description 13
- 238000005070 sampling Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000007405 data analysis Methods 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims abstract description 5
- 238000007619 statistical method Methods 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims description 19
- 238000012360 testing method Methods 0.000 claims description 16
- 238000011160 research Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 abstract description 3
- 238000004062 sedimentation Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000010587 phase diagram Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005191 phase separation Methods 0.000 description 1
- ZRHANBBTXQZFSP-UHFFFAOYSA-M potassium;4-amino-3,5,6-trichloropyridine-2-carboxylate Chemical compound [K+].NC1=C(Cl)C(Cl)=NC(C([O-])=O)=C1Cl ZRHANBBTXQZFSP-UHFFFAOYSA-M 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 230000003313 weakening effect Effects 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
Abstract
本发明涉及沉降监控技术领域，尤其涉及差异沉降监控预警方法，首先利用ArcGIS地统计模块中的数据分析工具对数据进行分析处理；通过直方图检验数据的分布及是否存在全局离群值，局部离群值由聚类Voronoi图识别，Voronoi图是由在样点周围形成的一系列多边形组成的；数据探测分析完成后，通过ArcGIS地统计分析向导工具挑选合适的变异函数模型,确定变异函数，进行Kriging插值，获得高分辨率的形变速率图。本发明针对城市沉降具有明显防高层阻挡的优势，利用卫星成像的图片进行分析，稳定可靠，精准效率高。
Description
技术领域
本发明涉及沉降监控技术领域，尤其涉及差异沉降监控预警方法。
背景技术
差异沉降(沉降差)也就是通常所说的不均匀沉降,是反应土木工程结构地基的变形特征的重要指标。一般是指同一结构体中,相邻的两个基础沉降量的差值。如果差异沉降过大,就会使相应的上部结构产生额外应力；当超过一定限度时,将会产生裂缝、倾斜甚至破坏。干涉雷达指采用干涉测量技术的合成孔径雷达(InSAR)，是新近发展起来的空间对地观测技术，是传统的SAR遥感技术与射电天文干涉技术相结合的产物。它利用雷达向目标区域发射微波，然后接收目标反射的回波，得到同一目标区域成像的SAR复图像对，若复图像对之间存在相干条件，SAR复图像对共轭相乘可以得到干涉图，根据干涉图的相位值，得出两次成像中微波的路程差，从而计算出目标地区的地形、地貌以及表面的微小变化，可用于数字高程模型建立、地壳形变探测等。干涉雷达指采用干涉测量技术的合成孔径雷达，也有称双天线SAR或相干SAR。它通过两条侧视天线同时对目标进行观测(单轨道双天线模式)，或一定时间间隔的两次平行观测(单天线重复轨道模式)，来获得地面同一区域两次成像的复图像对(包括强度信息和相位信息)。由于目标与两天线位置的几何关系，地面目标回波形成相位差信号，经两个复图像的复相关形成干涉纹图。干涉文图包含了斜距方向上的图像点与两天线位置差得精确信息(回波相位的改变)。因此，利用遥感器高度、雷达波长、波束视向及天线基线距之间的几何关系，可以获取距离信息，精确地测量出图像上每一点的高程信息，从而获得高分辨率的地表三维图像。在航天平台往往用重复轨道来实现双天线达到的效果。
目前对于城市的监测多受高楼层的影响，就需要一种利用InSAR对城市区域进行沉降监测的预警方法。
发明内容
有鉴于此，本发明的目的是提供差异沉降监控预警方法，
本发明另提供了差异沉降监控预警方法具体按以下步骤执行：
S1：首先利用ArcGIS地统计模块中的数据分析工具对数据进行分析处理；
S2：通过直方图检验数据的分布及是否存在全局离群值，局部离群值由聚类Voronoi图识别，Voronoi图是由在样点周围形成的一系列多边形组成的；某一样点的Voronoi多边形，具体通过多边形内任何位置距这一样点的距离都比该多边形到其他样点的距离要近的原理进行计算生成，Voronoi多边形生成后，聚类Voronoi图将所有的多边形单元分配到五级区间中，如果某个多边形单元的级区间与它相邻单元的级区间都不同，这个单元就判定为离群值，用灰色表示，对于识别出的局部离群值，采用其相邻目标点的平均值代替其原始值，以降低局部离群值对插值精度的影响。
S3：数据探测分析完成后，通过ArcGIS地统计分析向导工具挑选合适的变异函数模型,确定变异函数，进行Kriging插值，获得高分辨率的形变速率图。利用PS-InSAR技术列出的ASAR数据进行处理,得到研究区域PS点的线性形变速率，对PS点的残余相位进行空间低通滤波，采用不同的滤波窗口和滤波方法进行试验，计算滤除大气延迟相位后残余相位的结构函数的幂律指数。
进一步，分析的数据包括SAR影像图，用于差分干涉采用SRTM数据高程模型和Envisat卫星精密轨道数据。通过聚类Voronoi图检验局部离群值，利用相邻PS点目标线性形变速率的平均值代替其原始值计算出得到测试数据，然后从所有PS点中随机选出的测试数据均匀分布于整个研究区域，分别对局部离群值处理前后PS点目标的线性形变速率进行内插。
本发明的差异沉降监控预警方法，本发明利用合成孔径雷达差分干涉技术(DInSAR)有着独特的高形变敏感度、高空间分辨率、基于面观测和几乎不受云雨天气限制等技术优势，已在监测区域地表形变如地震位移、火山运动、冰川漂移以及城市沉降等方面表现出明显的优势，并且本方法针对城市沉降具有明显防高层阻挡的优势，利用卫星成像的图片进行分析，稳定可靠，精准效率高。
附图说明
图1是本发明的流程图；
图2是本发明的干涉对9的残余相位图；
图3是本发明的干涉对9滤波后残余相位图；
图4是本发明的地表线性形变速率图；
图5是本发明的地表形变速率图。
具体实施方式
以下将结合附图和具体实施例对本发明进行详细说明，显然，所描述的实施例仅仅只是本申请一部分实施例，而不是全部的实施例，基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本发明的第一种实施例，如图1所示，本发明的差异沉降监控预警具体按以下步骤执行：
本实施例中，首先利用ArcGIS地统计模块中的数据分析工具对分析的数据包括SAR影像图，用于差分干涉采用SRTM数据高程模型和Envisat卫星精密轨道数据数据进行分析处理。市区因过量开采地下水引起水位大幅度下降,诱发地面沉降，据市区已有地面精密测量资料，市区最大累计沉降量已达153mm,地面沉降已成为沿海平原地区极需警惕的问题口，为此，利用PS-InSAR技术研究市区年间的地面沉降.研究所用数据为欧空局Envisat卫星传感器ASAR获取的市区年间的15幅SAR影像,影像参数见表1,选取获取的影像为主影像,配准成14个干涉对，差分干涉采用SRTM(shuttleradartopographymission)数据高程模型和荷兰Delft大学空间研究中心提供的Envisat卫星精密轨道数据。
表1市区ASAR影像数据和基线参数
本实施例中，以有明显大气延迟影响的干涉对(编号9)为例，截取市区7kmx10km的范围进行试验，如图2所示.对PS点的残余相位进行空间低通滤波，采用不同的滤波窗口和滤波方法进行试验，计算滤除大气延迟相位后残余相位的结构函数的幂律指数,结果如表2所示，图3为对应的滤波后的残余相位滤波窗口为50像素x50像素和25像素x25像素时，滤波后的残余相位结构函数幂律指数相对较
本实施例中，通过直方图检验数据的分布及是否存在全局离群值，局部离群值由聚类Voronoi图识别，Voronoi图是由在样点周围形成的一系列多边形组成的；某一样点的Voronoi多边形，具体通过多边形内任何位置距这一样点的距离都比该多边形到其他样点的距离要近的原理进行计算生成，Voronoi多边形生成后，聚类Voronoi图将所有的多边形单元分配到五级区间中，如果某个多边形单元的级区间与它相邻单元的级区间都不同，这个单元就判定为离群值，用灰色表示，对于识别出的局部离群值，采用其相邻目标点的平均值代替其原始值，以降低局部离群值对插值精度的影响。对应残余相位图中也有明显的颜色跳变，大气延迟没有滤除干净；滤波窗口半径为10个像素时，幂律指数非常接近于零，对应的残余相位图也没有颜色跳变,大气延迟相位分离结果最佳；经比较还可以看出，以距离为权值的均值滤波方法的结果优于另外两种方法.可见利用结构函数的幂律指数可以判断残余相位中是否含有大气延迟影响，可以检验大气延迟相位的提取结果是否正确。
本实施例中，利用PS-InSAR技术对表1中列出的ASAR数据进行处理,得到研究区域PS点的线性形变速率，
表2干涉对9滤波后残余相位结构函数幂律指数计算结果
本实施例中，数据探测分析完成后，通过ArcGIS地统计分析向导工具挑选合适的变异函数模型,确定变异函数，进行Kriging插值，获得高分辨率的形变速率图。利用PS-InSAR技术列出的ASAR数据进行处理,得到研究区域PS点的线性形变速率，对PS点的残余相位进行空间低通滤波，采用不同的滤波窗口和滤波方法进行试验，计算滤除大气延迟相位后残余相位的结构函数的幂律指数。一个圆点表示一个PS点目标，圆点的颜色表示线性形变速率的大小，各种颜色表示的具体值域见图示，形变速率的单位是mm.年f,负值表示沉降,正值表示抬升，颜色偏深的地区即为沉降速率相对较大的地区；三角形表示基准点位置，选择不同的基准点做过多次试验，多次试验结果均显示三角形周围区域形变量非常小，所以选择三角形所在位置为基准点.
在所选研究区域内，共探测出25047个PS点目标，区域内最大的形变速率为-16.8mm·年t,平均形变速率为-4.2mm年，从图4中可看出PS点目标多分布在市区，而在其他乡村范围内PS点则分布非常稀疏，由于Kriging插值需要满足正态分布及二阶平稳，为保证插值的准确性，选取PS点分布较密集、年沉降速率较大的市区进行Kriging插值通过直方图检验，市区内PS点目标的线性形变速率近似服从正态分布，且不存在全局离群值；通过聚类Voronoi图检验局部离群值，利用相邻PS点目标线性形变速率的平均值代替其原始值，为检验减弱离群值影响方法的有效性,将市区的PS点分割成两部分,75％的点用来空间结构建模及生成表面,25％的点用来验证预测的质量，称为测试数据，测试数据是从所有PS点中随机选出的,均匀分布于整个研究区域，分别对局部离群值处理前后PS点目标的线性形变速率进行内插，测试数据的精度结果如表3所示，可见以相邻点均值代替局部离群值的方法有效减弱了局部离群值对空间插值的影响，提高了内插精度。
本实施例中，通过聚类Voronoi图检验局部离群值，利用相邻PS点目标线性形变速率的平均值代替其原始值计算出得到测试数据，然后从所有PS点中随机选出的测试数据均匀分布于整个研究区域，分别对局部离群值处理前后PS点目标的线性形变速率进行内插。数据分析完成后，利用ArcGIS地统计分析向导工具进行Kriging插值，结果见图5.图5中不同颜色代表了不同的线性形变速率区间，可见市区有多个沉降漏斗，沉降速率基本上都小于11mm.年t.图中以星号为中心的沉降漏斗，覆盖范围及沉降量相对较大，星号1区域主要覆盖了港闸区的南通船舶配套集中工业区，星号2区域为唐闸镇街办,星号4区域在港闸区政府区域，星号5区域覆盖了以城市博物馆为中心的区域，星号6区域是以紫琅医院为中心的区域，地区属长江冲击平原，由于长期大量集中开采地下含水层，引起地下水位下降，使原来含水的砂层固结、压密，相对隔水的黏性土脱落、收缩，从而使地面产生沉降,在布井密集区产生沉降漏斗，图5中星号标出的沉降漏斗均位于工业园区或街道的中心地段，这些地方都是地下水开采最为集中的区域,所以沉降最为严重。
以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。本发明未详细描述的技术、形状、构造部分均为公知技术。
Claims (5)
1.差异沉降监控预警方法，其特征在于：具体按以下步骤执行：
S1：首先利用ArcGIS地统计模块中的数据分析工具对数据进行分析处理；
S2：通过直方图检验数据的分布及是否存在全局离群值，局部离群值由聚类Voronoi图识别，Voronoi图是由在样点周围形成的一系列多边形组成的；
S3：数据探测分析完成后，通过ArcGIS地统计分析向导工具挑选合适的变异函数模型,确定变异函数，进行Kriging插值，获得高分辨率的形变速率图。
2.根据权利要求1所述的差异沉降监控预警方法，其特征在于：在步骤S2中，某一样点的Voronoi多边形，具体通过多边形内任何位置距这一样点的距离都比该多边形到其他样点的距离要近的原理进行计算生成，Voronoi多边形生成后，聚类Voronoi图将所有的多边形单元分配到五级区间中，如果某个多边形单元的级区间与它相邻单元的级区间都不同，这个单元就判定为离群值，用灰色表示，对于识别出的局部离群值，采用其相邻目标点的平均值代替其原始值，以降低局部离群值对插值精度的影响。
3.根据权利要求1所述的差异沉降监控预警方法，其特征在于：在步骤S1中，分析的数据包括SAR影像图，用于差分干涉采用SRTM数据高程模型和Envisat卫星精密轨道数据。
4.根据权利要求1所述的差异沉降监控预警方法，其特征在于：对步骤S3，利用PS-InSAR技术列出的ASAR数据进行处理,得到研究区域PS点的线性形变速率，对PS点的残余相位进行空间低通滤波，采用不同的滤波窗口和滤波方法进行试验，计算滤除大气延迟相位后残余相位的结构函数的幂律指数。
5.根据权利要求4所述的差异沉降监控预警方法，其特征在于：通过聚类Voronoi图检验局部离群值，利用相邻PS点目标线性形变速率的平均值代替其原始值计算出得到测试数据，然后从所有PS点中随机选出的测试数据均匀分布于整个研究区域，分别对局部离群值处理前后PS点目标的线性形变速率进行内插。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110795103.1A CN113625241A (zh) | 2021-07-14 | 2021-07-14 | 差异沉降监控预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110795103.1A CN113625241A (zh) | 2021-07-14 | 2021-07-14 | 差异沉降监控预警方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113625241A true CN113625241A (zh) | 2021-11-09 |
Family
ID=78379727
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110795103.1A Pending CN113625241A (zh) | 2021-07-14 | 2021-07-14 | 差异沉降监控预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113625241A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116109931A (zh) * | 2023-03-02 | 2023-05-12 | 马培峰 | 一种城市地面沉降自动识别和分类方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107389029A (zh) * | 2017-08-24 | 2017-11-24 | 北京市水文地质工程地质大队 | 一种基于多源监测技术融合的地面沉降集成监测方法 |
| 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 |
-
2021
- 2021-07-14 CN CN202110795103.1A patent/CN113625241A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107389029A (zh) * | 2017-08-24 | 2017-11-24 | 北京市水文地质工程地质大队 | 一种基于多源监测技术融合的地面沉降集成监测方法 |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| 何秀凤等: "基于PS-InSAR 和GIS 空间分析的南通市区地面沉降监测", 同济大学学报（自然科学版）, vol. 39, no. 1, 31 January 2011 (2011-01-31), pages 129 - 134 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116109931A (zh) * | 2023-03-02 | 2023-05-12 | 马培峰 | 一种城市地面沉降自动识别和分类方法 |
| CN116109931B (zh) * | 2023-03-02 | 2024-03-15 | 马培峰 | 一种城市地面沉降自动识别和分类方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111142119B (zh) | 一种基于多源遥感数据的矿山地质灾害动态识别与监测方法 | |
| Pacheco et al. | Retrieval of nearshore bathymetry from Landsat 8 images: A tool for coastal monitoring in shallow waters | |
| CN112364802B (zh) | 一种崩塌滑坡灾害体的变形监测方法 | |
| Brasington et al. | Monitoring and modelling morphological change in a braided gravel‐bed river using high resolution GPS‐based survey | |
| Liu et al. | A complete high-resolution coastline of Antarctica extracted from orthorectified Radarsat SAR imagery | |
| Zhao et al. | Generation of long-term InSAR ground displacement time-series through a novel multi-sensor data merging technique: The case study of the Shanghai coastal area | |
| Bovenga et al. | Application of multi-temporal differential interferometry to slope instability detection in urban/peri-urban areas | |
| CN110174044B (zh) | 一种基于psi技术的桥梁纵向位移形变监测的方法 | |
| CN106772377A (zh) | 一种基于InSAR的建筑物变形监测方法 | |
| CN111623722A (zh) | 一种基于多传感器的边坡变形立体监测系统和方法 | |
| CN112198511A (zh) | 一种基于星空地一体化地质灾害普查方法 | |
| CN110044327B (zh) | 一种基于sar数据与gnss数据的基础设施沉降监测方法及系统 | |
| CN112284332B (zh) | 基于高分辨率insar的高层建筑沉降监测结果三维定位方法 | |
| CN109100719B (zh) | 基于星载sar影像与光学影像的地形图联合测图方法 | |
| Pesci et al. | Multitemporal laser scanner-based observation of the Mt. Vesuvius crater: Characterization of overall geometry and recognition of landslide events | |
| Gutierrez et al. | Precise airborne lidar surveying for coastal research and geo-hazards applications | |
| CN112444188B (zh) | 一种多视角InSAR海堤高精度三维形变测量方法 | |
| CN113960595A (zh) | 一种地表形变监测方法及系统 | |
| CN113238228B (zh) | 基于水准约束的三维地表形变获取方法、系统及装置 | |
| CN113625241A (zh) | 差异沉降监控预警方法 | |
| Barbarella et al. | Multi-temporal terrestrial laser scanning survey of a landslide | |
| Fairley et al. | Terrestrial laser scanner techniques for enhancement in understanding of coastal environments | |
| Borghero | Feasibility study of dam deformation monitoring in Northern Sweden using Sentinel1 SAR interferometry | |
| Shirani et al. | Landslide monitoring and the inventory map validation by ensemble DInSAR processing of ASAR and PALSAR Images (Case Study: Doab-Samsami Basin in Chaharmahal and Bakhtiari Province, Iran) | |
| CN114239379A (zh) | 一种基于形变检测的输电线路地质灾害分析方法及系统 |
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 |