CN115096257A - 一种矿区开采沉陷监测方法及装置 - Google Patents

一种矿区开采沉陷监测方法及装置 Download PDF

Info

Publication number
CN115096257A
CN115096257A CN202210713313.6A CN202210713313A CN115096257A CN 115096257 A CN115096257 A CN 115096257A CN 202210713313 A CN202210713313 A CN 202210713313A CN 115096257 A CN115096257 A CN 115096257A
Authority
CN
China
Prior art keywords
deformation
point
time
knothe
mining
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
CN202210713313.6A
Other languages
English (en)
Other versions
CN115096257B (zh
Inventor
苗伟
高银贵
朱翔斌
尹宏昌
薛博
安士凯
陈永春
詹绍奇
李兵
赵得荣
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.)
Pingan Coal Mining Exploitation Engineering Technology Institute Co ltd
Huainan Mining Group Co Ltd
Original Assignee
Pingan Coal Mining Exploitation Engineering Technology Institute Co ltd
Huainan Mining Group Co Ltd
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 Pingan Coal Mining Exploitation Engineering Technology Institute Co ltd, Huainan Mining Group Co Ltd filed Critical Pingan Coal Mining Exploitation Engineering Technology Institute Co ltd
Priority to CN202210713313.6A priority Critical patent/CN115096257B/zh
Publication of CN115096257A publication Critical patent/CN115096257A/zh
Application granted granted Critical
Publication of CN115096257B publication Critical patent/CN115096257B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G01S13/904—SAR modes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/803—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of input or preprocessed data
    • 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
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Electromagnetism (AREA)
  • Multimedia (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种矿区开采沉陷监测方法及装置，所述方法包括：对研究区域的2景图像数据采用D‑InSAR技术进行监测，得到垂直方向带有“空洞”的形变量；利用Knothe时间函数获得与D‑InSAR技术所监测的相同时间间隔和相同区域的下沉盆地的变形场，并对2景合成孔径雷达图像数据对应的时间段进行作差，得到相应时间段内的任意点的形变量；对垂直方向带有“空洞”的形变量采用Knothe时间函数计算的形变值进行填充，其他公共区域的形变量采用D‑InSAR技术监测的形变量与Knothe时间函数预测的形变量的融合结果；本发明的优点在于：提高地表沉陷监测精度，符合实际的地表沉陷动态过程。

Description

一种矿区开采沉陷监测方法及装置
技术领域
本发明涉及矿区采煤沉陷监测领域，更具体涉及一种矿区开采沉陷监测方法及装置。
背景技术
开采沉陷是指煤矿地下采矿引起岩层移动和地表沉陷的现象和过程，又称“矿山岩层及地表移动”。矿产被采出以后，采区周围岩体内部原有的力学平衡状态受到了破坏，使岩层发生了移动、变形和破坏。当开采面积达到一定范围之后，移动和破坏将波及到地表。位于开采影响范围内的房屋建筑、铁路、河流和井巷等就要产生变形或损坏，威胁当地居民的生命财产安全。
合成孔径雷达差分干涉(D-InSAR)通过处理覆盖同一地区不同时刻获取的两幅SAR影像的相位信息，能够测量地表厘米级的形变。目前，D-InSAR已经成为监测地表形变的一种重要技术手段，并已被广泛应用于城市地表沉降、地震及地壳活动、火山岩浆活动、冰川运动和滑坡位移监测等领域，例如中国专利公开号CN111859786A公开的一种改进动态预计模型约束的全尺度梯度开采沉陷D-InSAR三维预测方法。特别地，随着欧洲空间局的Sentinel-1AB、日本宇航局的ALOS-2PALSAR2，以及美国NASA的NISAR等新一代雷达卫星的陆续发射升空，同时具有高空间、时间分辨率的SAR数据越来越丰富，这为D-InSAR技术的进一步推广提供了重要的数据保障。但是D-InSAR技术在监测大尺度变形区域时会存在像元区域被填充假值的现象，这造成监测精度的降低，不利于工程应用。
1952年波兰学者Knothe假设地表某一点在某一时刻的下沉速度正比于该点的最终下沉量与该时刻的下沉量之差，在此假设基础上提出了地表某一点下沉量与时间关系的时间函数模型。但大量的实测资料表明Knothe时间函数与实际的地表沉陷的动态过程不完全符合，因为由这个模型计算出的地表下沉的加速度是负值，表明地表从一开始以某一最大速度做减速下沉。事实上地表的沉陷过程应该是下沉速度由零到最大再到零的过程v:0→vmax→0；下沉的加速度由零到正的最大到零，然后由零到负的最大再到零的过程a:0→amax→0→-amax→0。基于Knothe时间函数存在的不足，2003年，常占强在《岩石力学与工程学报》第22卷第9期上发表了名为《关于地表点下沉时间函数的研究——改进的克诺特时间函数》论文，提出了分段Knothe时间函数模型，模型如下：
Figure BDA0003708795110000021
但分段Knothe时间函数存在默认地表沉陷无启动时间、预计值在τ时刻(速度最大时对应的时间)不等于最大下沉值的1/2，以及最终预计值不等于地表最大下沉值三个问题。因此，现有Knothe时间函数与实际的地表沉陷的动态过程不完全符合，不能客观的描述地表沉陷过程。
发明内容
本发明所要解决的技术问题在于现有技术单独使用D-InSAR技术和Knothe时间函数进行沉陷监测，存在监测精度较低，与实际的地表沉陷的动态过程不完全符合，不能客观的描述地表沉陷过程的问题。
本发明通过以下技术手段实现解决上述技术问题的：一种矿区开采沉陷监测方法，所述方法包括以下步骤：
步骤一：获取研究区域的2景合成孔径雷达图像数据，并对这2景图像数据采用D-InSAR技术进行监测，对原本需要填充假值的位置进行掩膜处理得到垂直方向带有“空洞”的形变量；
步骤二：利用Knothe时间函数获得与D-InSAR技术所监测的相同时间间隔和相同区域的下沉盆地的变形场，并对2景合成孔径雷达图像数据对应的时间段进行作差，得到相应时间段内的任意点的形变量；所述Knothe时间函数公式为
Figure BDA0003708795110000031
其中，W(t)为地表点在t时刻的瞬间形变量；c为时间影响系数；τ为分段依据的时间点，t0为地下煤层从开采到地表开始发生形变这一过程需要的时间，W0为地表点的最大下沉值，T为地表沉陷总持续时间；
步骤三：对垂直方向带有“空洞”的形变量采用Knothe时间函数计算的形变值进行填充，其他公共区域的形变量采用D-InSAR技术监测的形变量与Knothe时间函数预测的形变量的融合结果。
本发明融合D-InSAR技术与Knothe时间函数，使用Knothe时间函数的预计值填充D-InSAR像元区域的假值，提高地表沉陷监测精度，并且对分段Knothe时间函数模型进行改进，当时间t小于地表沉陷启动时间t0时，地表形变量为0，因此默认时间函数模型值在此区间内也为0，解决分段Knothe时间函数模型无法描述地表沉陷启动时间的问题，设置分段函数的公式使得Knothe时间函数预计值在τ时刻(速度最大时对应的时间)等于最大下沉值的1/2，以及最终预计值等于地表最大下沉值，使之更加符合实际的地表沉陷动态过程，整个方案沉陷监测精度高。
进一步地，所述D-InSAR技术包括：
1)使用SARscape软件对输入的2景合成孔径雷达图像数据生成干涉图及去平；
2)获得的去平后的干涉图进行滤波处理及相干性计算，相干性计算时设置一个阈值，将小于阈值的干涉相位进行掩膜处理，形成带有“空洞”的的形变场。
更进一步地，所述阈值取0.35。
进一步地，所述步骤三中采用Knothe时间函数计算的形变值填充“空洞”主要通过反距离加权法实现。
更进一步地，所述反距离加权法的过程包括：
假设带有“空洞”的形变场中任一假值像元中心点P的平面坐标为(X,Y)，确定反距离权重搜索窗口的大小，在当前搜索窗口内，获取任意点i的平面坐标，通过公式
Figure BDA0003708795110000041
获取填补假值像元中心点的形变值，其中，N为搜索窗口内的像元点个数，(Xi，Yi)为任意点i的坐标，Z(Xi，Yi)为任意点i的形变量，Wi为任意点i的权重，且
Figure BDA0003708795110000042
其中，β为权值下降指数指标，d(X,Y,i)为点P的平面坐标(X,Y)与任意点i的坐标(Xi，Yi)之间的欧式距离。
更进一步地，所述步骤三中其他公共区域的形变量采用D-InSAR技术监测的形变量与Knothe时间函数预测的形变量的融合结果，包括：
通过公式
Figure BDA0003708795110000051
融合D-InSAR技术监测的形变量与Knothe时间函数预测的形变量得到点(x,y)的形变量f(x,y)；其中，Z'(x,y)表示点(x,y)采用D-InSAR技术监测得到的形变量，Z(x,y)表示点(x,y)采用Knothe时间函数预测的形变量。
更进一步地，所述点(x,y)为其他公共区域中的一点，其他公共区域是指搜索窗口内除了所有假值像元中心点的点围成的区域。
本发明还提供一种矿区开采沉陷监测装置，所述装置包括：
D-InSAR沉陷监测模块，用于获取研究区域的2景合成孔径雷达图像数据，并对这2景图像数据采用D-InSAR技术进行监测，对原本需要填充假值的位置进行掩膜处理得到垂直方向带有“空洞”的形变量；
Knothe时间函数预计模块，用于利用Knothe时间函数获得与D-InSAR技术所监测的相同时间间隔和相同区域的下沉盆地的变形场，并对2景合成孔径雷达图像数据对应的时间段进行作差，得到相应时间段内的任意点的形变量；所述Knothe时间函数公式为
Figure BDA0003708795110000052
其中，W(t)为地表点在t时刻的瞬间形变量；c为时间影响系数；τ为分段依据的时间点，t0为地下煤层从开采到地表开始发生形变这一过程需要的时间，W0为地表点的最大下沉值，T为地表沉陷总持续时间；
数据融合模块，用于对垂直方向带有“空洞”的形变量采用Knothe时间函数计算的形变值进行填充，其他公共区域的形变量采用D-InSAR技术监测的形变量与Knothe时间函数预测的形变量的融合结果。
进一步地，所述D-InSAR技术包括：
1)使用SARscape软件对输入的2景合成孔径雷达图像数据生成干涉图及去平；
2)获得的去平后的干涉图进行滤波处理及相干性计算，相干性计算时设置一个阈值，将小于阈值的干涉相位进行掩膜处理，形成带有“空洞”的的形变场。
更进一步地，所述阈值取0.35。
进一步地，所述数据融合模块中采用Knothe时间函数计算的形变值填充“空洞”主要通过反距离加权法实现。
更进一步地，所述反距离加权法的过程包括：
假设带有“空洞”的形变场中任一假值像元中心点P的平面坐标为(X,Y)，确定反距离权重搜索窗口的大小，在当前搜索窗口内，获取任意点i的平面坐标，通过公式
Figure BDA0003708795110000061
获取填补假值像元中心点的形变值，其中，N为搜索窗口内的像元点个数，(Xi，Yi)为任意点i的坐标，Z(Xi，Yi)为任意点i的形变量，Wi为任意点i的权重，且
Figure BDA0003708795110000062
其中，β为权值下降指数指标，d(X,Y,i)为点P的平面坐标(X,Y)与任意点i的坐标(Xi，Yi)之间的欧式距离。
更进一步地，所述数据融合模块中其他公共区域的形变量采用D-InSAR技术监测的形变量与Knothe时间函数预测的形变量的融合结果，包括：
通过公式
Figure BDA0003708795110000071
融合D-InSAR技术监测的形变量与Knothe时间函数预测的形变量得到点(x,y)的形变量f(x,y)；其中，Z'(x,y)表示点(x,y)采用D-InSAR技术监测得到的形变量，Z(x,y)表示点(x,y)采用Knothe时间函数预测的形变量。
更进一步地，所述点(x,y)为其他公共区域中的一点，其他公共区域是指搜索窗口内除了所有假值像元中心点的点围成的区域。
本发明的优点在于：
(1)本发明融合D-InSAR技术与Knothe时间函数，使用Knothe时间函数的预计值填充D-InSAR像元区域的假值，提高地表沉陷监测精度，并且对分段Knothe时间函数模型进行改进，当时间t小于地表沉陷启动时间t0时，地表形变量为0，因此默认时间函数模型值在此区间内也为0，解决分段Knothe时间函数模型无法描述地表沉陷启动时间的问题，设置分段函数的公式使得Knothe时间函数预计值在τ时刻(速度最大时对应的时间)等于最大下沉值的1/2，以及最终预计值等于地表最大下沉值，使之更加符合实际的地表沉陷动态过程，整个方案沉陷监测精度高。
(2)本发明具有D-InSAR技术和Knothe时间函数的共同优点，与D-InSAR技术相比增加了大尺度变形区域变形监测的可靠度，与Knothe时间函数相比增加了其描述地表沉陷动态过程的准确度，基本未增加额外的成本和工作量投入，施工方法与D-InSAR、Knothe时间函数一致，操作简单。
附图说明
图1为本发明实施例所公开的一种矿区开采沉陷监测方法的流程图；
图2为本发明实施例所公开的一种矿区开采沉陷监测方法中垂直方向带有“空洞”的形变量的示意图；
图3为本发明实施例所公开的一种矿区开采沉陷监测方法中融合后的形变图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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在没有作出创造性劳动前提下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
如图1所示，本发明提供一种矿区开采沉陷监测方法，所述方法包括以下过程：
收集矿区开采资料，获取矿区各工作面开采信息，本次实施案例选取淮南顾桥煤矿南三采区1613(3)工作面。根据工作面开采信息，获取包括研究区域的2景合成孔径雷达(SAR)图像数据，所述图像数据为雷达对同一个地表观测场景进行成像并完成了图像配准的数据，最终选取的为2021年11月7日和2021年12月13日两景影像。将上述两景影像进行D-InSAR沉陷监测，获得垂直方向带有“空洞”的形变量；利用Knothe时间函数获得与D-InSAR沉陷监测的两景图像相同时间间隔和相同区域的下沉盆地的变形场，并依据SAR数据获取的时间段进行作差，得到相应时间段内的任意点的下沉值也即形变值；基于D-InSAR沉陷监测中SAR图像的分辨率大小设置Knothe时间函数搜索窗口大小，本实例中搜索窗口设置为20*20，将D-InSAR沉陷监测的形变量与Knothe时间函数预计形变量结合搜索窗口的大小采用反距离加权法进行数据融合。以下详细介绍开采沉陷监测方法步骤。
步骤1：获取研究区域的2景合成孔径雷达图像数据，并对这2景图像数据采用D-InSAR技术进行监测，对原本需要填充假值的位置进行掩膜处理得到垂直方向带有“空洞”的形变量。
本发明中所述D-InSAR沉陷监测的过程为现有技术，可以参考河北省遥感中心张振生发表的文献《D-InSAR技术在矿山塌陷和地面沉降监测中的应用》以及《ENVI SARscape入门教程201811精选讲义》中相关描述，其大致过程如下：
101)生成干涉图及去平
使用SARscape软件对输入的数据进行处理生成包含平地相位信息、地形相位信息、形变相位信息、大气相位信息以及噪声的干涉图，再利用相关的轨道参数及参考DEM数据去除平地效应与地形相位信息，得到相对纯粹的形变相位。
102)滤波处理及相干性计算
使用SARscape软件对上一步获得的去平后干涉图进行滤波处理及相干性计算，提高干涉条纹的清晰度，减少由空间基线或时间基线引起的失相干噪声；相干性计算时设置一个阈值(0.35)，将小于这个阈值(0.35)的干涉相位进行掩膜处理，形成有洞的形变场，避免D-InSAR使用假值进行填充。
103)相位解缠
使用SARscape软件对去平和滤波后的相位进行解缠处理，使之与线性变化的地形信息对应，解决2π模糊的问题。
104)轨道精炼和重去平
使用SARscape软件进行轨道精炼和相位偏移的计算，消除可能的斜坡相位，对卫星轨道和相位偏移进行纠正。
105)相位转形变以及地理编码
将经过绝对校准和解缠的相位，结合合成相位，转换为形变数据以及地理编码到制图坐标系统，并从LOS方向的形变信息提取出垂直方向带有“空洞”的形变量，如图2所示。
步骤2：改进了Knothe时间函数，利用改进的Knothe时间函数获得与D-InSAR沉陷监测模块1相同时间间隔和相同区域的下沉盆地的变形场。Knothe时间函数的具体优化过程如下：
201)分段Knothe时间函数描述的地表沉陷不存在启动时间的解决方法
假设地下煤层从开采到地表开始发生形变这一过程需要的时间为t0，t0称为地表沉陷启动时间，当时间t<t0时，地表形变量为0，因此默认时间函数模型值在此区间内也为0，即可解决分段Knothe时间函数模型无法描述地表沉陷启动时间的问题。
202)函数值在τ时刻不等于地表最大下沉值一半的解决思路
背景技术中记载的分段Knothe时间函数值在τ时刻的函数值为0.5W0[1-e-cτ]，由于在t0时刻，函数值应为0，因此对函数值进行修正，以满足地表实际沉陷规律，得到第二段函数
Figure BDA0003708795110000101
当t0时刻，函数值为0，当τ时刻，函数值为
Figure BDA0003708795110000111
即等于地表最大下沉值一半。
203)函数最终预计值不等于地表最大下沉值的解决思路
分段Knothe时间函数最终预计值为W0(1-e-cτ)，采用与修正τ时刻函数值相同的思路，对函数最终收敛值进行修正，最终修正结果如下式所示：
Figure BDA0003708795110000112
模型中，W(t)为地表点在t时刻的瞬间下沉值；c为时间影响系数；τ为下沉速度达到最大值时对应的时间；W0为地表点的最大下沉值。实际应用中，T取值在300～500天之间，τ为
Figure BDA0003708795110000113
取值在150～250天之间，c取值接近于0.1，可以取0.089，不同地质条件取值不同，对于第三段时间函数，当t取T且值为500，τ为250，c取0.089时，e-c(t-τ)趋近于0，则第三段函数值也即最终预计值无限接近于W0。
改进后的分段Knothe时间函数解决了无法描述地表沉陷启动时间、预计值在τ时刻不等于最大下沉值的1/2，以及最终预计值不等于地表最大下沉值三个问题，可更精确的描述地表沉陷过程。
204)Knothe函数预计数据预处理
利用改进的Knothe函数获得相同时间间隔和相同区域的下沉盆地的变形场，并依据SAR数据获取的时间段进行作差，得到相应时间段内的任意点的下沉值。
步骤3：对垂直方向带有“空洞”的形变量采用Knothe时间函数计算的形变值进行填充，其他公共区域的形变量采用D-InSAR技术监测的形变量与Knothe时间函数预测的形变量的融合结果。具体过程为：
301)“空洞”的填充
假设D-InSAR技术经掩膜处理后的任一假值像元中心点P的平面坐标为(X，Y)，P(X，Y)代表假值像元中心点的形变值。(Xi，Yi)是Knothe函数预计场内任意点i的平面坐标，用Z(Xi，Yi)表示该点的形变量。利用|X-Xi|<m，|Y-Yi|<n确定反距离权重搜索窗口的大小，基于雷达卫星中SAR图像的分辨率大小和Knothe函数预计的点密度综合考虑m与n的大小。根据点(X，Y)与点(Xi，Yi)之间的距离d(X，Y，i)＝((X-Xi)2+(Y-Yi)2)1/2确定相应权重：
Figure BDA0003708795110000121
N为Knothe函数预计数据在加权窗口内的个数，β为权值下降指数指标。采用反距离加权法填补不合要求的缺失点：
Figure BDA0003708795110000122
302)公共区域的数据融合
对于D-InSAR技术可监测范围内的数据，此时一个窗口内包含两种数据，为计算简便以及使融合算法尽量简单，采用等精度和等权重对待，即取两者的数值平均值作为最终数据融合结果：
Figure BDA0003708795110000123
其中，Z'(x,y)表示点(x,y)采用D-InSAR技术监测得到的形变量，Z(x,y)表示点(x,y)采用Knothe时间函数预测的形变量。
303)形成形变场
按照搜索窗口的顺序依次定位下一个缺失点，重复“空洞”的填充与公共区域的数据融合步骤，当填补所有的缺失点，则“无缝”形变场形成，如图3所示，为了更清晰的展示其填补效果，与图2相比将背景去除了，对比图2与图3，明显看出融合后的形变图在形变量上有了显著提高，并且与融合前相比，有了明显的下沉盆地，效果显著。
通过以上技术方案，本发明对分段Knothe时间函数模型进行改进，使之更加符合实际的地表沉陷动态过程，融合D-InSAR技术与Knothe时间函数，使用Knothe时间函数的预计值填充D-InSAR像元区域的假值，提高地表沉陷监测精度。具有D-InSAR技术和Knothe时间函数的共同优点，既具有D-InSAR技术全天候实时监测，不受天气与地形因素影响的优点，又具有Knothe时间函数可客观描述地表沉陷动态过程，可获得地表任意时刻的形变量的优点，能够充分发挥两种技术的优点，适应大尺度沉陷变形监测，提高监测的精度。
实施例2
基于实施例1，本发明实施例2还提供一种矿区开采沉陷监测装置，如图1所示，所述装置包括：
D-InSAR沉陷监测模块1，用于获取研究区域的2景合成孔径雷达图像数据，并对这2景图像数据采用D-InSAR技术进行监测，对原本需要填充假值的位置进行掩膜处理得到垂直方向带有“空洞”的形变量；
Knothe时间函数预计模块2，用于利用Knothe时间函数获得与D-InSAR技术所监测的相同时间间隔和相同区域的下沉盆地的变形场，并对2景合成孔径雷达图像数据对应的时间段进行作差，得到相应时间段内的任意点的形变量；所述Knothe时间函数公式为
Figure BDA0003708795110000141
其中，W(t)为地表点在t时刻的瞬间形变量；c为时间影响系数；τ为分段依据的时间点，t0为地下煤层从开采到地表开始发生形变这一过程需要的时间，W0为地表点的最大下沉值，T为地表沉陷总持续时间；
数据融合模块2，用于对垂直方向带有“空洞”的形变量采用Knothe时间函数计算的形变值进行填充，其他公共区域的形变量采用D-InSAR技术监测的形变量与Knothe时间函数预测的形变量的融合结果。
具体的，所述D-InSAR技术包括：
1)使用SARscape软件对输入的2景合成孔径雷达图像数据生成干涉图及去平；
2)获得的去平后的干涉图进行滤波处理及相干性计算，相干性计算时设置一个阈值，将小于阈值的干涉相位进行掩膜处理，形成带有“空洞”的的形变场。
更具体的，所述阈值取0.35。
具体的，所述数据融合模块2中采用Knothe时间函数计算的形变值填充“空洞”主要通过反距离加权法实现。
更具体的，所述反距离加权法的过程包括：
假设带有“空洞”的形变场中任一假值像元中心点P的平面坐标为(X,Y)，确定反距离权重搜索窗口的大小，在当前搜索窗口内，获取任意点i的平面坐标，通过公式
Figure BDA0003708795110000142
获取填补假值像元中心点的形变值，其中，N为搜索窗口内的像元点个数，(Xi，Yi)为任意点i的坐标，Z(Xi，Yi)为任意点i的形变量，Wi为任意点i的权重，且
Figure BDA0003708795110000151
其中，β为权值下降指数指标，d(X,Y,i)为点P的平面坐标(X,Y)与任意点i的坐标(Xi，Yi)之间的欧式距离。
更具体的，所述数据融合模块2中其他公共区域的形变量采用D-InSAR技术监测的形变量与Knothe时间函数预测的形变量的融合结果，包括：
通过公式
Figure BDA0003708795110000152
融合D-InSAR技术监测的形变量与Knothe时间函数预测的形变量得到点(x,y)的形变量f(x,y)；其中，Z'(x,y)表示点(x,y)采用D-InSAR技术监测得到的形变量，Z(x,y)表示点(x,y)采用Knothe时间函数预测的形变量。
更具体的，所述点(x,y)为其他公共区域中的一点，其他公共区域是指搜索窗口内除了所有假值像元中心点的点围成的区域。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种矿区开采沉陷监测方法，其特征在于，所述方法包括以下步骤：
步骤一：获取研究区域的2景合成孔径雷达图像数据，并对这2景图像数据采用D-InSAR技术进行监测，对原本需要填充假值的位置进行掩膜处理得到垂直方向带有“空洞”的形变量；
步骤二：利用Knothe时间函数获得与D-InSAR技术所监测的相同时间间隔和相同区域的下沉盆地的变形场，并对2景合成孔径雷达图像数据对应的时间段进行作差，得到相应时间段内的任意点的形变量；所述Knothe时间函数公式为
Figure FDA0003708795100000011
其中，W(t)为地表点在t时刻的瞬间形变量；c为时间影响系数；τ为分段依据的时间点，t0为地下煤层从开采到地表开始发生形变这一过程需要的时间，W0为地表点的最大下沉值，T为地表沉陷总持续时间；
步骤三：对垂直方向带有“空洞”的形变量采用Knothe时间函数计算的形变值进行填充，其他公共区域的形变量采用D-InSAR技术监测的形变量与Knothe时间函数预测的形变量的融合结果。
2.根据权利要求1所述的一种矿区开采沉陷监测方法，其特征在于，所述D-InSAR技术包括：
1)使用SARscape软件对输入的2景合成孔径雷达图像数据生成干涉图及去平；
2)获得的去平后的干涉图进行滤波处理及相干性计算，相干性计算时设置一个阈值，将小于阈值的干涉相位进行掩膜处理，形成带有“空洞”的的形变场。
3.根据权利要求2所述的一种矿区开采沉陷监测方法，其特征在于，所述阈值取0.35。
4.根据权利要求1所述的一种矿区开采沉陷监测方法，其特征在于，所述步骤三中采用Knothe时间函数计算的形变值填充“空洞”主要通过反距离加权法实现。
5.根据权利要求4所述的一种矿区开采沉陷监测方法，其特征在于，所述反距离加权法的过程包括：
假设带有“空洞”的形变场中任一假值像元中心点P的平面坐标为(X,Y)，确定反距离权重搜索窗口的大小，在当前搜索窗口内，获取任意点i的平面坐标，通过公式
Figure FDA0003708795100000021
Wi获取填补假值像元中心点的形变值，其中，N为搜索窗口内的像元点个数，(Xi，Yi)为任意点i的坐标，Z(Xi，Yi)为任意点i的形变量，Wi为任意点i的权重，且
Figure FDA0003708795100000022
其中，β为权值下降指数指标，d(X,Y,i)为点P的平面坐标(X,Y)与任意点i的坐标(Xi，Yi)之间的欧式距离。
6.根据权利要求5所述的一种矿区开采沉陷监测方法，其特征在于，所述步骤三中其他公共区域的形变量采用D-InSAR技术监测的形变量与Knothe时间函数预测的形变量的融合结果，包括：
通过公式
Figure FDA0003708795100000023
融合D-InSAR技术监测的形变量与Knothe时间函数预测的形变量得到点(x,y)的形变量f(x,y)；其中，Z'(x,y)表示点(x,y)采用D-InSAR技术监测得到的形变量，Z(x,y)表示点(x,y)采用Knothe时间函数预测的形变量。
7.根据权利要求6所述的一种矿区开采沉陷监测方法，其特征在于，所述点(x,y)为其他公共区域中的一点，其他公共区域是指搜索窗口内除了所有假值像元中心点的点围成的区域。
8.一种矿区开采沉陷监测装置，其特征在于，所述装置包括：
D-InSAR沉陷监测模块，用于获取研究区域的2景合成孔径雷达图像数据，并对这2景图像数据采用D-InSAR技术进行监测，对原本需要填充假值的位置进行掩膜处理得到垂直方向带有“空洞”的形变量；
Knothe时间函数预计模块，用于利用Knothe时间函数获得与D-InSAR技术所监测的相同时间间隔和相同区域的下沉盆地的变形场，并对2景合成孔径雷达图像数据对应的时间段进行作差，得到相应时间段内的任意点的形变量；所述Knothe时间函数公式为
Figure FDA0003708795100000031
其中，W(t)为地表点在t时刻的瞬间形变量；c为时间影响系数；τ为分段依据的时间点，t0为地下煤层从开采到地表开始发生形变这一过程需要的时间，W0为地表点的最大下沉值，T为地表沉陷总持续时间；
数据融合模块，用于对垂直方向带有“空洞”的形变量采用Knothe时间函数计算的形变值进行填充，其他公共区域的形变量采用D-InSAR技术监测的形变量与Knothe时间函数预测的形变量的融合结果。
9.根据权利要求8所述的一种矿区开采沉陷监测装置，其特征在于，所述D-InSAR技术包括：
1)使用SARscape软件对输入的2景合成孔径雷达图像数据生成干涉图及去平；
2)获得的去平后的干涉图进行滤波处理及相干性计算，相干性计算时设置一个阈值，将小于阈值的干涉相位进行掩膜处理，形成带有“空洞”的的形变场。
10.根据权利要求9所述的一种矿区开采沉陷监测装置，其特征在于，所述阈值取0.35。
CN202210713313.6A 2022-06-22 2022-06-22 一种矿区开采沉陷监测方法及装置 Active CN115096257B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210713313.6A CN115096257B (zh) 2022-06-22 2022-06-22 一种矿区开采沉陷监测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210713313.6A CN115096257B (zh) 2022-06-22 2022-06-22 一种矿区开采沉陷监测方法及装置

Publications (2)

Publication Number Publication Date
CN115096257A true CN115096257A (zh) 2022-09-23
CN115096257B CN115096257B (zh) 2023-07-25

Family

ID=83292636

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210713313.6A Active CN115096257B (zh) 2022-06-22 2022-06-22 一种矿区开采沉陷监测方法及装置

Country Status (1)

Country Link
CN (1) CN115096257B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116485218A (zh) * 2022-12-23 2023-07-25 中煤科工开采研究院有限公司 沉陷区稳定性区域划分方法及治理时间规划方法
CN116977162A (zh) * 2023-09-25 2023-10-31 福建自贸试验区厦门片区Manteia数据科技有限公司 图像配准方法、装置、存储介质以及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011112391A1 (en) * 2010-03-09 2011-09-15 Conocophillips Company-Ip Services Group Subterranean formation deformation monitoring systems
US20120274505A1 (en) * 2011-04-27 2012-11-01 Lockheed Martin Corporation Automated registration of synthetic aperture radar imagery with high resolution digital elevation models
CN204132024U (zh) * 2014-01-08 2015-02-04 淮南矿业(集团)有限责任公司 煤矿沉陷区复垦系统
CN111562557A (zh) * 2020-05-12 2020-08-21 太原理工大学 一种黄土高原轩岗矿区地面沉降遥感预测方法
JPWO2020240720A1 (zh) * 2019-05-29 2020-12-03
CN112577470A (zh) * 2020-10-27 2021-03-30 中国矿业大学 一种UAV与InSAR融合监测矿区动态沉陷盆地的方法和系统
CN114167414A (zh) * 2021-11-25 2022-03-11 中煤航测遥感集团有限公司 一种无人机DEM与InSAR相位融合获得高精度地表沉陷盆地的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011112391A1 (en) * 2010-03-09 2011-09-15 Conocophillips Company-Ip Services Group Subterranean formation deformation monitoring systems
US20120274505A1 (en) * 2011-04-27 2012-11-01 Lockheed Martin Corporation Automated registration of synthetic aperture radar imagery with high resolution digital elevation models
CN204132024U (zh) * 2014-01-08 2015-02-04 淮南矿业(集团)有限责任公司 煤矿沉陷区复垦系统
JPWO2020240720A1 (zh) * 2019-05-29 2020-12-03
CN111562557A (zh) * 2020-05-12 2020-08-21 太原理工大学 一种黄土高原轩岗矿区地面沉降遥感预测方法
CN112577470A (zh) * 2020-10-27 2021-03-30 中国矿业大学 一种UAV与InSAR融合监测矿区动态沉陷盆地的方法和系统
CN114167414A (zh) * 2021-11-25 2022-03-11 中煤航测遥感集团有限公司 一种无人机DEM与InSAR相位融合获得高精度地表沉陷盆地的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张子月;邹友峰;陈俊杰;王云广;: "采煤塌陷区土地动态沉降预测模型", 农业工程学报, no. 21 *
高超;徐乃忠;孙万明;邓伟男;韩科明;: "基于Bertalanffy时间函数的地表动态沉陷预测模型", 煤炭学报, no. 08 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116485218A (zh) * 2022-12-23 2023-07-25 中煤科工开采研究院有限公司 沉陷区稳定性区域划分方法及治理时间规划方法
CN116977162A (zh) * 2023-09-25 2023-10-31 福建自贸试验区厦门片区Manteia数据科技有限公司 图像配准方法、装置、存储介质以及电子设备
CN116977162B (zh) * 2023-09-25 2024-01-19 福建自贸试验区厦门片区Manteia数据科技有限公司 图像配准方法、装置、存储介质以及电子设备

Also Published As

Publication number Publication date
CN115096257B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CN115096257A (zh) 一种矿区开采沉陷监测方法及装置
Wang et al. Research on ground deformation monitoring method in mining areas using the probability integral model fusion D-InSAR, sub-band InSAR and offset-tracking
CN104515988B (zh) 一种基于地基合成孔径雷达的边坡安全监测预警方法
Liao et al. Landslide monitoring with high-resolution SAR data in the Three Gorges region
CN102938095B (zh) 一种基于多源数据的矿山沉陷监测预警方法
Guéguen et al. Monitoring residual mining subsidence of Nord/Pas-de-Calais coal basin from differential and Persistent Scatterer Interferometry (Northern France)
CN113091599A (zh) 融合无人机dom和星载sar影像的地表三维形变提取方法
Zhao et al. A DInSAR investigation of the ground settlement time evolution of ocean-reclaimed lands in Shanghai
CN104133996A (zh) 一种基于云模型和数据场的地面沉降风险等级评估方法
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
Ma et al. Toward Fine Surveillance: A review of multitemporal interferometric synthetic aperture radar for infrastructure health monitoring
CN113251914A (zh) InSAR技术与长短时记忆神经网络结合的地表形变预测方法
Dong et al. Tri-decadal evolution of land subsidence in the Beijing Plain revealed by multi-epoch satellite InSAR observations
CN116026283A (zh) 一种煤矿充填开采地表减沉效果监测与评价方法
Wu et al. Detecting the deformation anomalies induced by underground construction using multiplatform MT-InSAR: A case study in to Kwa Wan Station, Hong Kong
Zhu et al. An advanced time-series InSAR approach based on poisson curve for soft clay highway deformation monitoring
Williams et al. Assessment of the available historic RADARSAT-2 synthetic aperture radar data prior to the manefay slide at the bingham canyon mine using modern InSAR techniques
Zheng et al. Analysis of pre-and post-mine closure surface deformations in western Xuzhou coalfield from 2006 to 2018
Yang et al. A PSI targets characterization approach to interpreting surface displacement signals: A case study of the Shanghai metro tunnels
Luo et al. Dynamic analysis of urban ground subsidence in Beijing based on the permanent scattering InSAR technology
Li et al. Evolution of spatiotemporal ground deformation over 30 years in Xi’an, China, with multi-sensor SAR interferometry
Shankar et al. Landslide deformation and temporal prediction of slope failure in Himalayan terrain using PSInSAR and Sentinel-1 data
Li et al. Effectiveness evaluation of DS-InSAR method fused PS points in surface deformation monitoring: a case study of Hongta District, Yuxi City, China
Liu et al. Re-evaluation of Surface Ruptures Produced by the 1609 M 7.3 Hongyazi Earthquake in the Northern Qilian Shan, China
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