CN114814839A - 基于InSAR相位梯度堆叠的广域地表形变探测方法及系统 - Google Patents
基于InSAR相位梯度堆叠的广域地表形变探测方法及系统 Download PDFInfo
- Publication number
- CN114814839A CN114814839A CN202210286542.4A CN202210286542A CN114814839A CN 114814839 A CN114814839 A CN 114814839A CN 202210286542 A CN202210286542 A CN 202210286542A CN 114814839 A CN114814839 A CN 114814839A
- Authority
- CN
- China
- Prior art keywords
- gradient
- stacking
- phase
- insar
- area
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000001914 filtration Methods 0.000 claims abstract description 31
- 238000011160 research Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000013507 mapping Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 230000003044 adaptive effect Effects 0.000 claims abstract description 4
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 4
- 238000005305 interferometry Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000011426 transformation method 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
- 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
- G01S13/9004—SAR image acquisition techniques
- G01S13/9005—SAR image acquisition techniques with optical processing of the SAR signals
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B7/00—Measuring arrangements characterised by the use of electric or magnetic techniques
- G01B7/16—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring the deformation in a solid, e.g. by resistance strain gauge
-
- 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)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种基于InSAR相位梯度堆叠的广域地表形变探测方法及系统,基于InSAR差分干涉相位梯度堆叠支持大范围地表形变探测,实现过程包括通过卫星拍摄获取覆盖研究区域的多幅SAR影像,选取主影像并配准,获得干涉图;采用外部DEM模拟地形相位并去除后,空间自适应滤波处理获取滤波后的差分干涉图;分别进行像元周围多个方向的梯度计算,获得对应各方向梯度图,分别进行堆叠以增强形变信号;分别将各方向的相位梯度堆叠图进行合并,映射得到最终研究区域梯度堆叠结果。本发明无需相位解缠,直接对缠绕差分干涉图求解相位梯度并在时间维堆叠来探测局部形变信号,一方面避免了相位解缠带来的误差,另一方面有效抑制大气延迟扰动影响,提升形变探测准确度。
Description
技术领域
本发明涉及雷达干涉测量技术领域与地质灾害监测技术领域,提出实现了一种基于InSAR相位梯度堆叠的广域地表形变探测方案。
背景技术
合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar,InSAR)技术是上世纪90年代发展起来的空间大地测量技术。InSAR技术的优势在于全天时、全天候、高精度、高效率、低成本、可重复观测,特别对于自然条件恶劣以及大区域的数据获取更具优势。因此,InSAR技术为获取大范围的高精度地表形变信息提供了一种全新的技术手段。InSAR技术已被成功应用于火山运动、地震活动、山体滑坡、冰川漂移、区域地面沉降、基础设施安全监测等领域。
然而,常规的差分干涉测量(DInSAR)会受到很多因素的影响,如大气延迟、DEM误差,时间失相干等,使得最终形变测量结果的准确性受到影响。为克服这些不利因素的影响,时序InSAR技术应运而生并在监测各种类型的地表形变中取得了巨大成功。时序InSAR技术是通过分析大量SAR数据,关注高相干目标,有效抑制了常规DInSAR技术中的各种误差的影响,提高了形变测量精度。然而,在一些地形复杂或失相干严重的区域,可能存在InSAR相位解缠困难的问题;并且面对大范围研究区域时,时序InSAR数据处理效率很低;虽然时序InSAR技术能够在一定程度上削弱大气延迟扰动的影响,但普遍存在算法复杂、不具有普适性等特点。所以,时序InSAR在大范围地表形变测量中仍然存在较多问题。
传统的InSAR数据处理中相位解缠是其中一个重要的步骤,例如已有专利文献CN111998766A、CN112051571A、CN113340191A,但是在一些低相干或地表复杂区域往往造成相位数据不连续,给相位解缠工作带来极大的困难,解缠的结果往往带有很大的误差。
发明内容
本发明目的在于提出一种基于InSAR差分干涉相位梯度堆叠进行大范围地表形变探测的方案,基于大气延迟噪声在局部空间尺度上相关和时间上不相关的特点,对差分干涉相位进行空间上差分,在时间上进行堆叠,可以有效降低大气延迟噪声对形变探测的影响。干涉相位梯度堆叠对局部形变信号比较敏感,无需进行相位解缠,可以快速识别大范围区域内的局部形变信号,可用于大范围地质灾害普查。
为实现上述目的,本发明采用的技术方案为一种基于InSAR相位梯度堆叠的广域地表形变探测方法,基于InSAR差分干涉相位梯度堆叠支持大范围地表形变探测,实现过程包括以下步骤,
步骤一、通过获取覆盖研究区域的多幅SAR影像,选取主影像并将其他影像与主影像配准,通过设置时空基线阈值,进一步处理获得干涉图;
步骤二、根据SAR影像之间的时间基线和空间基线挑选干涉对,采用外部DEM模拟地形相位,并从干涉图中减去地形相位得到差分干涉图,并进行空间自适应滤波处理获取滤波后的差分干涉图;
步骤三、对步骤二挑选并处理后的差分干涉图,在像元级上按照预设的步长分别进行像元周围多个方向的梯度计算,获得差分干涉图对应的各方向梯度图;
步骤四、对获取的各个方向梯度图分别进行堆叠以增强形变信号并再次进行滤波;分别将滤波后的各方向计算的相位梯度堆叠图进行合并,获得研究区域梯度堆叠结果;
步骤五、对获取的研究区域梯度结果映射到预设的范围得到最终的研究区域梯度堆叠结果。
而且,将各方向梯度图进行堆叠以增强形变信号时,进行包括以下步骤,
对于不同时间基线的梯度图上的沿某一方向d,间隔预设步长的两个像元,其干涉相位梯度堆叠公式如下:
然后,对获得的梯度堆叠结果φd采用空间滤波方法进行滤波,获得滤波后的结果用Ψd表示,东、西、南、北、东南、东北、西南、西北方向的相位梯度堆叠的滤波结果分别用Ψe、Ψw、Ψs、Ψn、Ψen、Ψes、Ψwn、Ψws表示。
而且,将获得的空间滤波后的各方向梯度堆叠图进行合并以获取最终的差分干涉相位梯度堆叠信息,其相应公式表示如下:
其中,Ψ为合并各个方向干涉相位梯度图的结果,总的方向个数为8。
而且,对获取的研究区域干涉相位梯度的结果值映射到预设的范围后,在相位梯度堆叠图上出现聚集的与周边对比明显的大梯度值即为探测所得的地表形变信息。
另一方面,本发明提供一种基于InSAR相位梯度堆叠的广域地表形变探测系统,用于实现如上所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法。
而且,用于基于InSAR差分干涉相位梯度堆叠支持大范围地表形变探测,包括以下模块,
第一模块,用于通过获取覆盖研究区域的多幅SAR影像,选取主影像并将其他影像与主影像配准,通过设置时空基线阈值,进一步处理获得干涉图;
第二模块,用于根据SAR影像之间的时间基线和空间基线挑选干涉对,采用外部DEM模拟地形相位,并从干涉图中减去地形相位得到差分干涉图,并进行空间自适应滤波处理获取滤波后的差分干涉图;
第三模块,用于对第二模块挑选并处理后的差分干涉图,在像元级上按照预设的步长分别进行像元周围多个方向的梯度计算,获得差分干涉图对应的各方向梯度图;
第四模块,用于对获取的各个方向梯度图分别进行堆叠以增强形变信号并再次进行滤波;分别将滤波后的各方向计算的相位梯度堆叠图进行合并,获得研究区域梯度堆叠结果;
第五模块,对获取的研究区域梯度结果映射到预设的范围得到最终的研究区域梯度堆叠结果。
或者,包括处理器和存储器,存储器用于存储程序指令,处理器用于调用存储器中的存储指令执行如上所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法。
或者,包括可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序执行时,实现如上所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法。
本发明的创新之处在于无需相位解缠,采用InSAR差分干涉相位梯度堆叠的方法识别研究区的形变信号,不仅有效抑制大气延迟噪声的影响,而且可以在大范围的研究区域快速的识别形变信号,从而可以及时的进行地质灾害的普查。
本发明提出的方案没有直接对差分干涉图进行相位解缠及其后续相位叠加或时间序列InSAR分析等过程,而是直接对缠绕的差分干涉图在时域上进行叠加以增强形变信号,有效削弱了大气噪声的影响和避免了在复杂区域进行相位解缠可能带来的误差影响。在大范围的地表形变探测中可以实现对地表形变的位置进行快速的识别,有效的降低了计算的复杂度。所以,可以高效可靠地探测大范围区域内局部形变信号,在滑坡等地质灾害领域具有极大的应用价值。
附图说明
图1为本发明实施例对InSAR差分干涉图进行相位梯度堆叠的技术流程图。
具体实施方式
下面结合实施例,对本发明作进一步描述。以下实施例仅用于更清楚的说明本发明,不能因此限制本发明的保护范围。
参见图1,本发明实施例提供一种基于InSAR相位梯度堆叠的广域地表形变探测方法,包含以下步骤:
步骤一、获取覆盖研究区域的N景SAR影像,选择合适的SAR影像作为主影像,然后与其它SAR影像进行配准并进行重采样,通过设置时空基线阈值,生成若干InSAR干涉图。
本例中,以贵州省西部区域为研究区,范围为东经104度至106度,北纬24度至27度,范围约为250km*250km。研究区属于中国西南部高原山地,境内地势西高东低,大部分属于山地,地势起伏明显,植被茂密,大气噪声较为严重。数据源为覆盖贵州省西部区域的欧洲空间局哨兵1号数据,共获取2017年1月至2020年12月间的100幅左右SAR卫星影像数据。
步骤二、根据SAR影像之间的时间基线和空间基线挑选干涉对,采用外部DEM模拟地形相位,并从干涉图中减去地形相位得到差分干涉图,进行空间自适应滤波处理获取滤波后的差分干涉图;
根据时间基线越长,相干性越差的原则出发,优选挑选相干性较好的InSAR差分干涉图作为下一步处理的数据源。针对哨兵数据,采用的干涉组合策略为时间基线小于60天和空间基线小于100米,实施例在数据处理过程中采用的多视比为10:2。利用SAR卫星轨道信息从InSAR干涉图中去除平地相位和利用外部数字高程模型(如SRTM)模拟地形相位以去除InSAR干涉相位中的地形相位,最终获得InSAR差分干涉图。为了平滑差分干涉图中的噪声信息,实施例采用自适应滤波的方法对差分干涉图进行滤波,在平滑噪声的同时也较好的保留了干涉相位的边缘信息。
步骤三、对步骤二挑选并处理后的差分干涉图,在像元级上按照预设的步长分别进行东、西、南、北、东南、东北、西南、西北向的梯度计算,获得差分干涉图对应的各方向梯度图;
一个像元周围有8个像元,每个像元代表一个方向,通过大量实验证明,8个方向结果合并在一起效果最好,因此实施例采用这种优选建议方案。
步骤四、对获取的各个方向梯度图分别进行堆叠以增强形变信号并再次进行滤波;分别将滤波后的各方向计算的相位梯度堆叠图进行合并,获得研究区域梯度堆叠结果。
实施例采用的优选方案是,对获取的差分干涉图对应的各个方向梯度图分别进行时间上的堆叠以增强形变信号;将梯度堆叠结果采用空间滤波的方法进行滤波;将滤波后的各方向计算的梯度堆叠图的结果进行合并,获得研究区域差分干涉相位梯度堆叠图。
对获取的差分干涉图对应的各个方向梯度图分别进行时间上的堆叠以增强形变信号时,实现方式为,
对于不同时间基线的梯度图上的沿某一方向d,间隔预设步长的两个像元,其干涉相位梯度堆叠公式如下:
然后,对获得的梯度堆叠结果φd采用空间滤波的方法进行滤波,获得滤波后的结果用Ψd表示。
例如,对于不同时间基线的梯度图上的沿东方向,间隔一定预设步长的两个像元,其干涉相位梯度堆叠公式如下:
然后,对获得的梯度堆叠结果φe采用空间滤波的方法进行滤波,获得滤波后的结果用Ψe表示,同理西、南、北、东南、东北、西南、西北七个方向的相位梯度堆叠的滤波结果分别用Ψw、Ψs、Ψn、Ψen、Ψes、Ψwn、Ψws表示。
最后,对进行空间滤波的各方向梯度堆叠图进行合并以获取完整的研究区域差分干涉相位梯度堆叠信息,其公式如下:
其中,Ψ为合并各个方向干涉相位梯度图的结果,8为总的方向个数。
需要说明的是,本发明将各个方向的梯度堆叠结果采用均方根的方法来进行各个方向梯度堆叠结果合并。
步骤五、对获取的研究区域梯度结果Ψ映射到预设范围得到最终的研究区域梯度堆叠结果。
考虑到实际实施时,可能涉及多个研究区域,对每个研究区域分别执行以下流程,即分别进行梯度堆叠处理最终获取的结果值范围可能存在差异,因此本发明提出可把区间结果采用映射的方式统一到同一个区间,比如[-5 5]区间上,便于后续的输出、展示等应用。映射采用的方法是线性变换,之前得到的梯度无量纲的,所以可以进行区间映射。
在进行了相位梯度堆叠和滤波处理后,大气信号和随机噪声被有效的抑制。由于采用大量的干涉图进行相位梯度堆叠,使得局部地表形变信号明显的增强,因此在获得的差分干涉相位梯度堆叠图上,明显的局部信号即为采用上述方法获取的地表形变探测信号,得到InSAR差分干涉相位梯度堆叠图后,通过局部放大图可以明显的看出形变信号。因此,对获取的研究区域差分干涉相位梯度的结果值映射到一定的范围得到最终的研究区域差分干涉相位梯度堆叠结果,在相位梯度堆叠图上出现聚集的与周边对比明显的大梯度值即为探测所得的地表形变信息。
至此,本发明基于InSAR差分干涉相位梯度堆叠进行大范围地表形变探测的方法被完成和实现。通过以上流程,无需现有技术中的常规后期处理,即相位解缠(一是计算耗时;二是可能由此引起一些误差),就可以快速准确的探测地表大范围的微小形变区域的位置,对于支持地质灾害的实时自动普查有一定的作用。
具体实施时,本发明技术方案提出的方法可由本领域技术人员采用计算机软件技术实现自动运行流程,实现方法的系统装置例如存储本发明技术方案相应计算机程序的计算机可读存储介质以及包括运行相应计算机程序的计算机设备,也应当在本发明的保护范围内。
在一些可能的实施例中,提供一种基于InSAR相位梯度堆叠的广域地表形变探测系统,包括以下模块,
第一模块,用于通过获取覆盖研究区域的多幅SAR影像,选取主影像并将其他影像与主影像配准,通过设置时空基线阈值,进一步处理获得干涉图;
第二模块,用于根据SAR影像之间的时间基线和空间基线挑选干涉对,采用外部DEM模拟地形相位,并从干涉图中减去地形相位得到差分干涉图,并进行空间自适应滤波处理获取滤波后的差分干涉图;
第三模块,用于对第二模块挑选并处理后的差分干涉图,在像元级上按照预设的步长分别进行像元周围多个方向的梯度计算,获得差分干涉图对应的各方向梯度图;
第四模块,用于对获取的各个方向梯度图分别进行堆叠以增强形变信号并再次进行滤波;分别将滤波后的各方向计算的相位梯度堆叠图进行合并,获得研究区域梯度堆叠结果;
第五模块,对获取的研究区域梯度结果映射到预设的范围得到最终的研究区域梯度堆叠结果。
在一些可能的实施例中,提供一种基于InSAR相位梯度堆叠的广域地表形变探测系统,包括处理器和存储器,存储器用于存储程序指令,处理器用于调用存储器中的存储指令执行如上所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法。
在一些可能的实施例中,提供一种基于InSAR相位梯度堆叠的广域地表形变探测系统,包括可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序执行时,实现如上所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法。
本文中所描述的具体实施例仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (9)
1.一种基于InSAR相位梯度堆叠的广域地表形变探测方法,其特征在于:基于InSAR差分干涉相位梯度堆叠支持大范围地表形变探测,实现过程包括以下步骤,
步骤一、通过获取覆盖研究区域的多幅SAR影像,选取主影像并将其他影像与主影像配准,通过设置时空基线阈值,进一步处理获得干涉图;
步骤二、根据SAR影像之间的时间基线和空间基线挑选干涉对,采用外部DEM模拟地形相位,并从干涉图中减去地形相位得到差分干涉图,并进行空间自适应滤波处理获取滤波后的差分干涉图;
步骤三、对步骤二挑选并处理后的差分干涉图,在像元级上按照预设的步长分别进行像元周围多个方向的梯度计算,获得差分干涉图对应的各方向梯度图;
步骤四、对获取的各个方向梯度图分别进行堆叠以增强形变信号并再次进行滤波;分别将滤波后的各方向计算的相位梯度堆叠图进行合并,获得研究区域梯度堆叠结果;
步骤五、对获取的研究区域梯度结果映射到预设的范围得到最终的研究区域梯度堆叠结果。
3.根据权利要求2所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法,其特征在于:将各方向梯度图进行堆叠以增强形变信号时,进行包括以下步骤,
对于不同时间基线的梯度图上的沿某一方向d,间隔预设步长的两个像元,其干涉相位梯度堆叠公式如下:
然后,对获得的梯度堆叠结果φd采用空间滤波方法进行滤波,获得滤波后的结果用Ψd表示,东、西、南、北、东南、东北、西南、西北方向的相位梯度堆叠的滤波结果分别用Ψe、Ψw、Ψs、Ψn、Ψen、Ψes、Ψwn、Ψws表示。
5.根据权利要求1或2或3或4所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法,其特征在于:对获取的研究区域干涉相位梯度的结果值映射到预设的范围后,在相位梯度堆叠图上出现聚集的与周边对比明显的大梯度值即为探测所得的地表形变信息。
6.一种基于InSAR相位梯度堆叠的广域地表形变探测系统,其特征在于:用于实现如权利要求1-5任一项所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法。
7.根据权利要求6所述基于InSAR相位梯度堆叠的广域地表形变探测系统,其特征在于:用于基于InSAR差分干涉相位梯度堆叠支持大范围地表形变探测,包括以下模块,
第一模块,用于获取覆盖研究区域的多幅SAR影像,选取主影像并将其他影像与主影像配准,通过设置时空基线阈值,进一步处理获得干涉图;
第二模块,用于根据SAR影像之间的时间基线和空间基线挑选干涉对,采用外部DEM模拟地形相位,并从干涉图中减去地形相位得到差分干涉图,并进行空间自适应滤波处理获取滤波后的差分干涉图;
第三模块,用于对第二模块挑选并处理后的差分干涉图,在像元级上按照预设的步长分别进行像元周围多个方向的梯度计算,获得差分干涉图对应的各方向梯度图;
第四模块,用于对获取的各个方向梯度图分别进行堆叠以增强形变信号并再次进行滤波;分别将滤波后的各方向计算的相位梯度堆叠图进行合并,获得研究区域梯度堆叠结果;
第五模块,对获取的研究区域梯度结果映射到预设的范围得到最终的研究区域梯度堆叠结果。
8.根据权利要求6所述基于InSAR相位梯度堆叠的广域地表形变探测系统,其特征在于:包括处理器和存储器,存储器用于存储程序指令,处理器用于调用存储器中的存储指令执行如权利要求1-5任一项所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法。
9.根据权利要求6所述基于InSAR相位梯度堆叠的广域地表形变探测系统,其特征在于:包括可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序执行时,实现如权利要求1-5任一项所述的一种基于InSAR相位梯度堆叠的广域地表形变探测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210286542.4A CN114814839B (zh) | 2022-03-22 | 2022-03-22 | 基于InSAR相位梯度堆叠的广域地表形变探测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210286542.4A CN114814839B (zh) | 2022-03-22 | 2022-03-22 | 基于InSAR相位梯度堆叠的广域地表形变探测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114814839A true CN114814839A (zh) | 2022-07-29 |
CN114814839B CN114814839B (zh) | 2024-05-03 |
Family
ID=82530581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210286542.4A Active CN114814839B (zh) | 2022-03-22 | 2022-03-22 | 基于InSAR相位梯度堆叠的广域地表形变探测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114814839B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116148855A (zh) * | 2023-04-04 | 2023-05-23 | 之江实验室 | 时序InSAR大气相位去除和形变解算的方法及系统 |
CN116224327A (zh) * | 2023-02-20 | 2023-06-06 | 中国矿业大学 | 一种基于学习网络的矿区大梯度形变区相位解缠方法 |
CN118294951A (zh) * | 2024-05-28 | 2024-07-05 | 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) | 一种基于雷达和光学影像的生态岸线判别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106772342A (zh) * | 2017-01-11 | 2017-05-31 | 西南石油大学 | 一种适用于大梯度地表沉降监测的时序差分雷达干涉方法 |
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 |
CN111398959A (zh) * | 2020-04-07 | 2020-07-10 | 中南大学 | 基于地表应力应变模型的InSAR时序地表形变监测方法 |
CN111998766A (zh) * | 2020-08-31 | 2020-11-27 | 同济大学 | 一种基于时序InSAR技术的地表形变反演方法 |
CN112946647A (zh) * | 2021-02-02 | 2021-06-11 | 河海大学 | 大气误差改正InSAR干涉图堆叠地质灾害普查方法和装置 |
WO2021227423A1 (zh) * | 2020-05-13 | 2021-11-18 | 深圳大学 | 基于动态基线的InSAR数字高程模型构建方法及系统 |
-
2022
- 2022-03-22 CN CN202210286542.4A patent/CN114814839B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106772342A (zh) * | 2017-01-11 | 2017-05-31 | 西南石油大学 | 一种适用于大梯度地表沉降监测的时序差分雷达干涉方法 |
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 |
CN111398959A (zh) * | 2020-04-07 | 2020-07-10 | 中南大学 | 基于地表应力应变模型的InSAR时序地表形变监测方法 |
WO2021227423A1 (zh) * | 2020-05-13 | 2021-11-18 | 深圳大学 | 基于动态基线的InSAR数字高程模型构建方法及系统 |
CN111998766A (zh) * | 2020-08-31 | 2020-11-27 | 同济大学 | 一种基于时序InSAR技术的地表形变反演方法 |
CN112946647A (zh) * | 2021-02-02 | 2021-06-11 | 河海大学 | 大气误差改正InSAR干涉图堆叠地质灾害普查方法和装置 |
Non-Patent Citations (3)
Title |
---|
YIAN WANG 等: "Refined InSAR tropospheric delay correction for wide-area landslide identification and monitoring", REMOTE SENSING OF ENVIRONMENT 275, 1 April 2022 (2022-04-01) * |
李梦华 等: "四川茂县岷江河谷区段滑坡隐患雷达遥感识别与形变监测", 武汉大学学报-信息科学版, vol. 46, no. 1, 31 October 2021 (2021-10-31) * |
葛大庆;王艳;郭小方;刘圣伟;范景辉;: "基于相干点目标的多基线D-InSAR技术与地表形变监测", 遥感学报, no. 04, 15 July 2007 (2007-07-15) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116224327A (zh) * | 2023-02-20 | 2023-06-06 | 中国矿业大学 | 一种基于学习网络的矿区大梯度形变区相位解缠方法 |
CN116148855A (zh) * | 2023-04-04 | 2023-05-23 | 之江实验室 | 时序InSAR大气相位去除和形变解算的方法及系统 |
CN118294951A (zh) * | 2024-05-28 | 2024-07-05 | 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) | 一种基于雷达和光学影像的生态岸线判别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114814839B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114814839A (zh) | 基于InSAR相位梯度堆叠的广域地表形变探测方法及系统 | |
Braun | Retrieval of digital elevation models from Sentinel-1 radar data–open applications, techniques, and limitations | |
Casu et al. | A quantitative assessment of the SBAS algorithm performance for surface deformation retrieval from DInSAR data | |
Catalão et al. | Merging GPS and atmospherically corrected InSAR data to map 3-D terrain displacement velocity | |
Kandregula et al. | Estimation of regional surface deformation post the 2001 Bhuj earthquake in the Kachchh region, Western India using RADAR interferometry | |
Lanari et al. | The use of IFSAR and classical geodetic techniques for caldera unrest episodes: application to the Campi Flegrei uplift event of 2000 | |
CN102680972A (zh) | 地表形变的监测方法和装置及数据处理设备 | |
Kimata et al. | Understanding the 2007–2008 eruption of Anak Krakatau Volcano by combining remote sensing technique and seismic data | |
CN110174673A (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 | |
Samsonov et al. | Spatio-temporal analysis of ground deformation occurring near Rice Lake, Saskatchewan, and observed by Radarsat-2 DInSAR during 2008–2011 | |
Sam et al. | Estimation of dune celerity and sand flux in part of West Rajasthan, Gadra area of the Thar Desert using temporal remote sensing data | |
CN112946647A (zh) | 大气误差改正InSAR干涉图堆叠地质灾害普查方法和装置 | |
CN118191841A (zh) | 一种基于相关性分析的地表沉降形变测量校正方法、装置、设备及介质 | |
CN113900069A (zh) | 一种基于干涉成像高度计的垂线偏差计算方法及其系统 | |
Stumpf et al. | Monitoring of earth surface motion and geomorphologic processes by optical image correlation | |
Matsuoka et al. | Coseismic displacement measurement of the 2010 El Mayor, Mexico earthquake by subpixel correlation from optical satellite images | |
CN116609779A (zh) | 两阶段InSAR多观测处理方法,系统及相关设备 | |
Ulin et al. | Application of PS-InSAR method for the land subsidence analysis using StaMPS (case study: Gresik Regency) | |
CN111580101A (zh) | 一种基于外部DEM的InSAR基线误差无控改正方法及装置 | |
Makri et al. | Land movements estimation in Amathus archaeological site in Limassol district with In-SAR DIn-SAR methodologies | |
Wang et al. | Application of INSAR technology in geographical situation monitoring | |
Wang et al. | Detecting and assessing the land subsidence in coal mining area using PALSAR data based on D-InSAR technique | |
Sarti et al. | Assessing pre-and post-deformation in the southern Arava Valley segment of the Dead Sea Transform, Israel by differential interferometry | |
Lira et al. | Subsidence and morphologic variations in Mexico city generated by the earthquakes of September 2017 | |
Dimitrov et al. | Monitoring of the landslide processes at the" Dalgiya Yar" landslide |
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 |