CN116449370B - 一种应用于矿区大梯度变形InSAR监测数据处理的方法 - Google Patents
一种应用于矿区大梯度变形InSAR监测数据处理的方法 Download PDFInfo
- Publication number
- CN116449370B CN116449370B CN202310716407.3A CN202310716407A CN116449370B CN 116449370 B CN116449370 B CN 116449370B CN 202310716407 A CN202310716407 A CN 202310716407A CN 116449370 B CN116449370 B CN 116449370B
- Authority
- CN
- China
- Prior art keywords
- time
- deformation
- deformation stage
- monitoring
- insar
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000005065 mining Methods 0.000 title claims abstract description 57
- 238000012545 processing Methods 0.000 title claims abstract description 19
- 238000004062 sedimentation Methods 0.000 claims abstract description 62
- 238000005516 engineering process Methods 0.000 claims abstract description 32
- 230000000694 effects Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000007670 refining Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 101100341230 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) isn-1 gene Proteins 0.000 claims 1
- 230000008859 change Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- BULVZWIRKLYCBC-UHFFFAOYSA-N phorate Chemical compound CCOP(=S)(OCC)SCSCC BULVZWIRKLYCBC-UHFFFAOYSA-N 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- 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
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)
- Analysing Materials By The Use Of Radiation (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种应用于矿区大梯度变形InSAR监测数据处理的方法，属于矿区大梯度变形监测技术领域；解决了矿区地表形变在活跃期速率过大，超出了InSAR技术的最大监测梯度，出现严重失相干现象，导致监测精度严重降低，无法满足矿区形变监测的需求问题；包括如下步骤：分别获取矿区小梯度形变阶段Ⅰ与小梯度形变阶段Ⅱ在某一时间段的InSAR影像资料；利用InSAR数据处理技术，提取小梯度形变阶段Ⅰ与小梯度形变阶段Ⅱ的沉降信息；利用小梯度形变阶段Ⅰ的沉降值和小梯度形变阶段Ⅱ的沉降值，采用最小二乘差值比拟合法求取矿区大梯度形变阶段Ⅲ的沉降值；本发明应用于矿区大梯度变形监测。
Description
技术领域
本发明提供了一种应用于矿区大梯度变形InSAR监测数据处理的方法，属于矿区大梯度变形监测技术领域。
背景技术
InSAR技术具有全天候、全天时、高精度及连续空间覆盖的优点，在形变监测方面得到了广泛应用，随着影像分辨率的不断提高，该技术也逐渐应用于开采沉陷领域。近些年来，众多学者试图将InSAR技术融入矿区沉陷监测，且为了提高监测精度而不断努力，但对于监测矿区大梯度沉降依然存在一些问题。在大梯度沉降区域容易出现时空失相干现象。在大梯度沉降区域，影像干涉图中干涉条纹过于紧密，引起干涉相位混叠导致解缠效果不理想。矿区地表经受大梯度形变使得地形更为复杂，且部分区域存在高噪声，导致误差相位过大。综上所述，InSAR技术在矿区地表大梯度形变监测时的精度降低，某些监测结果根本无法作为矿区采空区维护和防治工作的参考依据。
总的来说，InSAR技术对形变监测的能力是有限的，超出其可探测的最大形变梯度时，监测结果的可信度大大降低。矿区因开采造成的地表形变时空过程并未全部超出其可探测的最大形变梯度。矿区地表沉陷的时空过程由初始期、活跃期及衰退期组成，经研究发现地表点在初始期与衰退期的变化具有形变值小、形变速率缓慢的特点，在活跃期具有形变值大、形变速率大的特点。
使用InSAR技术监测矿区形变时，对于初始期、衰退期以及活跃期的小变形阶段均可达到高精度的监测。矿区地表点的形变量与形变时间在很大程度满足时间函数模型的函数关系，在时间函数模型中不同开采情况和地质条件对地表移动变形规律的影像是通过时间函数中的时间参数控制的，这些时间参数可由离散的监测数据通过拟合方法确定。针对上述理论，本发明提出了一种应用于矿区大梯度变形InSAR监测数据处理的方法。
发明内容
本发明为了解决矿区地表形变在活跃期速率过大，超出了InSAR技术的最大监测梯度，出现严重失相干现象，导致监测精度严重降低，无法满足矿区形变监测的需求问题，提出了一种应用于矿区大梯度变形InSAR监测数据处理的方法。
为了解决上述技术问题，本发明采用的技术方案为：一种应用于矿区大梯度变形InSAR监测数据处理的方法，包括如下步骤：
S1：分别获取矿区小梯度形变阶段Ⅰ与小梯度形变阶段Ⅱ在和时间段的InSAR影像资料；
S2：利用InSAR数据处理技术，提取小梯度形变阶段Ⅰ与小梯度形变阶段Ⅱ的沉降信息，即：小梯度形变阶段Ⅰ的沉降值和小梯度形变阶段Ⅱ的沉降值/>；
S3：利用小梯度形变阶段Ⅰ的沉降值和小梯度形变阶段Ⅱ的沉降值，采用最小二乘差值比拟合法求取矿区大梯度形变阶段Ⅲ的沉降值；
分别计算小梯度形变阶段Ⅰ中m-1个沉降量对应的时间间隔为/>，小梯度形变阶段Ⅱ中n-1个沉降量/>对应的时间间隔为/>，其中/>，/>；
利用、/>求取时间函数F(t)的各时间段变化量、/>；
利用各相邻变化量比值进行最小二乘法的拟合，即：变化时间函数的参数c，求取最佳逼近结果，当最佳逼近结果满足如下公式：
时，再使用时间函数求取矿区大梯度形变阶段Ⅲ的变形数据。
所述步骤S1中矿区小梯度形变阶段Ⅰ的时间段为矿区地面变形前期阶段的监测时间，小梯度形变阶段Ⅱ的时间段为矿区地面变形后期阶段的监测时间；
所述小梯度形变阶段Ⅰ结束的监测时间和小梯度形变阶段Ⅱ开始监测的时间是通过InSAR技术最大沉降监测梯度确定，即每相邻两次监测成果差值小于InSAR技术最大沉降监测梯度认为小梯度形变阶段Ⅰ的监测时间还没结束，只要每相邻两次监测成果差值大于InSAR技术最大沉降监测梯度，即可认为小梯度形变阶段Ⅰ的监测时间已经结束。
所述步骤S2中利用InSAR数据处理得到小梯度形变阶段Ⅰ和小梯度形变阶段Ⅱ沉降值的过程如下：
分别对T Ⅰ 和T Ⅱ 两组InSAR影像进行相邻时间两两干涉处理，通过外部DEM和轨道参数去除地形相位与平底效应，然后进行滤波处理及相位解缠，再利用非形变阶段域的高相干控制点进行轨道精炼与优化，最后通过相位转形变及地理编码得到地理坐标系中的真实地表形变，最终获得形变时空过程两端的沉降值。
所述小梯度形变阶段Ⅰ中的m个时间点的InSAR影像与小梯度形变阶段Ⅱ中的n个时间点的InSAR影像中的第一个InSAR影像选取时间靠前的形变开始前的影像，最后一个InSAR影像选取时间靠后形变停止之后的影像。
所述大梯度形变阶段Ⅲ的沉降值的计算过程如下：
将最佳拟合参数c 0 代入时间函数模型，求取时间函数在t为t 1 、t m 、、/>时的函数值F(t 1 )、F(t m )、/>和/>，利用小梯度形变阶段Ⅰ的沉降值，通过等量关系，求取大梯度形变阶段Ⅲ的沉降值/>；其中/>为小梯度形变阶段Ⅰ在（t 1 ,t m ）期间的沉降值；
将最佳拟合参数c 0 代入时间函数模型，求取函数值F(t 1 )、F(t m )、和/>，利用小梯度形变阶段Ⅱ的沉降值，通过等量关系/>，求取大梯度形变阶段Ⅲ的沉降值/>；其中/>为小梯度形变阶段Ⅱ在（/>）期间的沉降值；
取和/>的平均值/>，大梯度形变阶段Ⅲ的沉降值=/>+/>。
本发明相对于现有技术具备的有益效果为：
1、首次提出了主动放弃对大梯度形变阶段的监测，着力于沉陷时空过程中开始及结束阶段的小梯度形变的监测，结合时间函数拟合参数，求取矿区大梯度形变的新思路。
2、针对分段监测造成两阶段数据中沉降值相互独立的技术难点，通过分析数据结构特点，结合时间函数是比例函数的本质，首次提出基于最小二乘差值比拟合法，构建理论误差模型，总结了InSAR技术在矿区监测应用中使用最小二乘差值比拟合法求取矿区大梯度形变的方法。
3、对InSAR技术未来高精度监测矿区形变提供一定的理论思路以及重要的参考价值，提高了监测精度，降低了监测成本。
附图说明
下面结合附图对本发明做进一步说明：
图1为本发明采用最小二乘差值比拟合法的原理示意图；
图2为本发明最小二乘差值比拟合程序设计界面图；
图3为采用本发明最小二乘差值比拟合法与D-InSAR技术、标准监测成果的对比图。
具体实施方式
本发明提供了一种应用于矿区大梯度变形InSAR监测数据处理的方法，其原理如图1所示，具体步骤如下：
1、分别获取小梯度形变阶段Ⅰ与小梯度形变阶段Ⅱ在与时间段的InSAR影像资料。小梯度形变阶段Ⅰ结束的监测时间和小梯度形变阶段Ⅱ开始监测的时间是通过InSAR技术最大沉降监测梯度确定，即每相邻两次监测成果差值小于InSAR技术最大沉降监测梯度则认为小梯度形变阶段Ⅰ的监测时间还没结束，只要每相邻两次监测成果差值大于InSAR技术最大沉降监测梯度，即可认为小梯度形变阶段Ⅰ的监测时间已经结束；同理判定小梯度形变阶段Ⅱ的开始时间。
2、利用InSAR数据处理技术，分别对T Ⅰ 和T Ⅱ 两组InSAR影像进行相邻时间两两干涉处理，通过外部DEM和轨道参数去除地形相位与平底效应，然后进行滤波处理及相位解缠，再利用非形变阶段域的高相干控制点进行轨道精炼与优化，最后通过相位转形变及地理编码得到地理坐标系中的真实地表形变，提取沉降信息，最终获得形变时空过程两端的沉降值，即：和/>。
3、由于获取的第一个时间点的影像无法准确对应地面点开始沉降的时期，为了沉降信息的完整性，故选取时间更靠前的影像，最后一个时间点的影响也是如此，选取的影像日期要在形变停止之后。所以并不能直接以影像日期求取时间函数的时间参数，需要根据实验经验进行调整，一般情况为增加延迟时间t p 与缩短持续时间t c 。将时间参数代入优化时间函数模型，形态参数c在区间[0,5]中变化，利用最小二乘差值比拟合法求取最佳逼近结果。将最佳拟合参数c 0 代入时间函数模型，求取时间函数在t为t 1 、t m 、、/>时的函数值F (t 1 )、F(t m )、/>和/>，利用小梯度形变阶段Ⅰ的沉降值，利用等量关系/>，求取大梯度形变阶段Ⅲ的沉降值/>；同理，利用小梯度形变阶段Ⅱ监测值、利用等量关系也可求出大梯度形变阶段Ⅲ的沉降值/>；取其平均值作为/>。小梯度形变阶段Ⅱ的沉降值加上/>即为其实际沉降值。其中/>为小梯度形变阶段Ⅰ在（t 1 ,t m ）期间的沉降值；/>与/>为分别使用T Ⅰ 和T Ⅱ 时间段数据求取的大梯度形变阶段Ⅲ的沉降值。
4、研究发现，时间函数为比例函数，使用时间函数求取地表点某一时刻的下沉值就是该点最大下沉值乘以该时刻的比例系数，又因最大下沉值为一常数，故沉降值本身对时间函数并没有必要的影响。对时间函数而言，各参数确定后，函数曲线的位置与形态也是随之确定的，各时间段函数值差值在整个时间函数中所占的比例也是固定的。基于这一理念本发明提出了最小二乘差值比拟合法，即使用各相邻监测段沉降值的比值与时间函数中相同时间段函数值变化量比值作为拟合因子。如图1所示，假设在小梯度形变阶段Ⅰ进行了m次监测，得到m-1个沉降量，对应的时间间隔为/>，小梯度形变阶段Ⅱ进行了n次监测，得到n-1个沉降量/>，对应的时间间隔为，其中/>，/>。利用/>、/>，求取时间函数F(t)的各时间段变化量为：/>、/>。利用各相邻变化量比值进行最小二乘法的拟合，即：变化时间函数的形态参数c，求取最佳逼近结果，满足公式/>，即可获取较为准确的矿区大梯度形变阶段的变形数据。
最小二乘差值比拟合法对拟合数据的个数是有要求的，最小某一阶段数据个数原则上不能少于3个，应为该方法需要求取两次的相邻数据差值，并求比值作为真正的拟合因子。如果单一阶段实际观测的数据量少与三次，该数据将无法使用该方法进行拟合。使用最小二乘差值比拟合法时的关键在于大梯度形变的界定，一般情况下可以以各种InSAR技术最大形变理论模型求取，如D-InSAR最大形变理论模型为：；最大形变梯度d x 是一个无量纲值，其中λ为波长，为η像元的边长。也可以根据矿区以往InSAR技术检测结果与实测资料对比求的，往往精度很差的阶段就是大梯度形变引起的空间失相干造成监测精度降低。
下面根据具体实施例对本发明的方法进行进一步说明。
实例工程：选取大同某矿A工作面作为工程应用对象，选取2017.11.14-2018.06.18期间的9景覆盖该矿区的C波段Sentinel-1A数据，按时间顺序编号1-9，采用本发明的方法流程进行数据处理。干涉对参数如表1所示（因2018.03.02影像与前后相邻时间的两幅影像处理均表现严重失相干，故舍弃该影像）。
表1干涉影像组合及日期细信息。
选取A工作面倾向观测线B19号点作为验证对象，因2017.11.14影像为该点已开始移动后影像，故不能以此时间为该点的启动时间，先假设2017.11.14为初始启动日期；因2018.06.18为该点已停止移动后影像，故不能以此时间为该点的停止时间，先假设2018.06.18为停止移动日期；初步设定该点对应的优化正态分布时间函数的模糊时间参数为：t p =0d，t c =216d，形态参数c在区间[0,5]中变化，使用最小二乘差值比拟合法，对时间参数进行推算，得出最佳拟合结果。其进行最小二乘差值比拟合法的界面如图2所示。
通过实验推算选取时间参数为：t p =-25d，t c =235d，最佳拟合结果为c=2.7，拟合中误差为0.53（因使用差值比拟合，故拟合中误差无单位）。
使用InSAR技术基于最小二乘差值比拟合法监测矿区大梯度形变的方法进行计算，得出，/>，/>，整体沉降值为179.21mm。
根据水准观测资料求得2018.01.20-2018.03.20期间沉降值为78.95mm，整体沉降值为172.6mm。表2为最小二乘差值比拟合法与传统D-InSAR技术监测矿区单点形变相对水准测量的精度对比，发现前者在大梯度形变阶段Ⅲ沉降值相对误差减小了48.9%（因水准观测与InSAR监测在阶段Ⅲ时间未完全吻合，故此精度仅作为参考），整体沉降值相对误差减小了24.1%。三种监测结果的对比如图3所示，相比于D-InSAR技术，使用最小二乘差值比拟合法的最佳拟合结果更加接近实测曲线，特别是对大梯度阶段的监测效果有明显的改善。
表2 最小二乘差值比拟合法与传统D-InSAR技术监测矿区单点形变相对水准测量的精度对比表。
实例验证结果表明，本发明提出的采用基于最小二乘差值比拟合法求取矿区大梯度形变的方法应用于InSAR技术监测矿区形变方面是有效的。虽然该研究成果目前只是基于矿区地表单点形变建立的，但为InSAR技术在矿区实现全盆地沉降时空高精度监测提供了一定的方法与理论指导。特别此方法为目前使用极易获取的Sentinel数据监测矿区大梯度形变成为可能，具有重要的研究意义与应用价值。
关于本发明具体结构需要说明的是，本发明采用的各部件模块相互之间的连接关系是确定的、可实现的，除实施例中特殊说明的以外，其特定的连接关系可以带来相应的技术效果，并基于不依赖相应软件程序执行的前提下，解决本发明提出的技术问题，本发明中出现的部件、模块、具体元器件的型号、相互间连接方式以及，由上述技术特征带来的常规使用方法、可预期技术效果，除具体说明的以外，均属于本领域技术人员在申请日前可以获取到的专利、期刊论文、技术手册、技术词典、教科书中已公开内容，或属于本领域常规技术、公知常识等现有技术，无需赘述，使得本案提供的技术方案是清楚、完整、可实现的，并能根据该技术手段重现或获得相应的实体产品。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。
Claims (3)
1.一种应用于矿区大梯度变形InSAR监测数据处理的方法，其特征在于：包括如下步骤：
S1：分别获取矿区小梯度形变阶段Ⅰ与小梯度形变阶段Ⅱ在和时间段的InSAR影像资料；
所述步骤S1中矿区小梯度形变阶段Ⅰ的时间段为矿区地面变形前期阶段的监测时间，小梯度形变阶段Ⅱ的时间段为矿区地面变形后期阶段的监测时间；
所述小梯度形变阶段Ⅰ结束的监测时间和小梯度形变阶段Ⅱ开始监测的时间是通过InSAR技术最大沉降监测梯度确定，即每相邻两次监测成果差值小于InSAR技术最大沉降监测梯度认为小梯度形变阶段Ⅰ的监测时间还没结束，只要每相邻两次监测成果差值大于InSAR技术最大沉降监测梯度，即可认为小梯度形变阶段Ⅰ的监测时间已经结束，同理判定小梯度形变阶段Ⅱ的开始时间；
S2：利用InSAR数据处理技术，提取小梯度形变阶段Ⅰ与小梯度形变阶段Ⅱ的沉降信息，即：小梯度形变阶段Ⅰ的沉降值和小梯度形变阶段Ⅱ的沉降值；
S3：利用小梯度形变阶段Ⅰ的沉降值和小梯度形变阶段Ⅱ的沉降值，采用最小二乘差值比拟合法求取矿区大梯度形变阶段Ⅲ的沉降值；
所述大梯度形变阶段Ⅲ的沉降值的计算过程如下：
将最佳拟合参数c 0 代入时间函数模型，求取时间函数在t为t 1 、t m 、、/>时的函数值F (t 1 )、F(t m )、/>和/>，利用小梯度形变阶段Ⅰ的沉降值，通过等量关系，求取大梯度形变阶段Ⅲ的沉降值/>；其中/>为小梯度形变阶段Ⅰ在（t 1 ,t m ）期间的沉降值；
将最佳拟合参数c 0 代入时间函数模型，求取函数值F(t 1 )、F(t m )、和/>，利用小梯度形变阶段Ⅱ的沉降值，通过等量关系/>，求取大梯度形变阶段Ⅲ的沉降值/>；其中/>为小梯度形变阶段Ⅱ在（/>）期间的沉降值；
取和/>的平均值/>，大梯度形变阶段Ⅲ的沉降值=/>+/>；
分别计算小梯度形变阶段Ⅰ中m-1个沉降量对应的时间间隔为，小梯度形变阶段Ⅱ中n-1个沉降量/>对应的时间间隔为/>，其中/>，/>；
利用、/>求取时间函数F(t)的各时间段变化量、/>；
利用各相邻变化量比值进行最小二乘法的拟合，即：变化时间函数的形态参数c，求取最佳逼近结果，当最佳逼近结果满足如下公式：
时，再使用时间函数求取矿区大梯度形变阶段Ⅲ的变形数据。
2.根据权利要求1所述的一种应用于矿区大梯度变形InSAR监测数据处理的方法，其特征在于：所述步骤S2中利用InSAR数据处理得到小梯度形变阶段Ⅰ和小梯度形变阶段Ⅱ沉降值的过程如下：
分别对T Ⅰ 和T Ⅱ 两组InSAR影像进行相邻时间两两干涉处理，通过外部DEM和轨道参数去除地形相位与平底效应，然后进行滤波处理及相位解缠，再利用非形变阶段域的高相干控制点进行轨道精炼与优化，最后通过相位转形变及地理编码得到地理坐标系中的真实地表形变，最终获得形变时空过程两端的沉降值。
3.根据权利要求1所述的一种应用于矿区大梯度变形InSAR监测数据处理的方法，其特征在于：所述小梯度形变阶段Ⅰ中的m个时间点的InSAR影像与小梯度形变阶段Ⅱ中的n个时间点的InSAR影像中的第一个InSAR影像选取时间靠前的形变开始前的影像，最后一个InSAR影像选取时间靠后形变停止之后的影像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310716407.3A CN116449370B (zh) | 2023-06-16 | 2023-06-16 | 一种应用于矿区大梯度变形InSAR监测数据处理的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310716407.3A CN116449370B (zh) | 2023-06-16 | 2023-06-16 | 一种应用于矿区大梯度变形InSAR监测数据处理的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116449370A CN116449370A (zh) | 2023-07-18 |
| CN116449370B true CN116449370B (zh) | 2023-08-15 |
Family
ID=87130584
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310716407.3A Active CN116449370B (zh) | 2023-06-16 | 2023-06-16 | 一种应用于矿区大梯度变形InSAR监测数据处理的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116449370B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117331078B (zh) * | 2023-10-26 | 2024-10-01 | 内蒙古至远创新科技有限公司 | 一种基于InSAR数据计算差异性形变速率的方法及系统 |
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 |
| JP6179911B1 (ja) * | 2016-06-01 | 2017-08-16 | 国立研究開発法人宇宙航空研究開発機構 | 変状度判定方法及び変状度判定システム |
| 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 |
| CN113281748A (zh) * | 2021-05-24 | 2021-08-20 | 西南石油大学 | 一种地表形变监测方法 |
| CN116026283A (zh) * | 2023-01-05 | 2023-04-28 | 中国矿业大学 | 一种煤矿充填开采地表减沉效果监测与评价方法 |
| CN116045903A (zh) * | 2023-02-10 | 2023-05-02 | 西安交通大学 | 一种采煤区地面形变识别与评价方法 |
-
2023
- 2023-06-16 CN CN202310716407.3A patent/CN116449370B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6179911B1 (ja) * | 2016-06-01 | 2017-08-16 | 国立研究開発法人宇宙航空研究開発機構 | 変状度判定方法及び変状度判定システム |
| 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 |
| CN113281748A (zh) * | 2021-05-24 | 2021-08-20 | 西南石油大学 | 一种地表形变监测方法 |
| CN116026283A (zh) * | 2023-01-05 | 2023-04-28 | 中国矿业大学 | 一种煤矿充填开采地表减沉效果监测与评价方法 |
| CN116045903A (zh) * | 2023-02-10 | 2023-05-02 | 西安交通大学 | 一种采煤区地面形变识别与评价方法 |
Non-Patent Citations (1)
| Title |
|---|
| 联合干涉测量和偏移量追踪提取大梯度地表形变;蔡宣宣;《中国优秀硕士学位论文全文数据库 基础科学辑》;第2018卷(第10期);A008-26 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116449370A (zh) | 2023-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116449370B (zh) | 一种应用于矿区大梯度变形InSAR监测数据处理的方法 | |
| CN110174044B (zh) | 一种基于psi技术的桥梁纵向位移形变监测的方法 | |
| CN109029344B (zh) | 一种基于高分影像和升降轨InSAR的堤坝沉降监测方法 | |
| Giordan et al. | Morphological and kinematic evolution of a large earthflow: The Montaguto landslide, southern Italy | |
| 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 | |
| CN111323776A (zh) | 一种矿区形变的监测方法 | |
| CN115096257A (zh) | 一种矿区开采沉陷监测方法及装置 | |
| 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 | |
| CN112882032B (zh) | 一种燃气管道重点区域地质灾害sar动态监测方法及装置 | |
| CN109826174A (zh) | 一种边坡加固深部区域范围确定方法 | |
| CN112269192B (zh) | 一种快速自适应的动态北斗监测实时解算去噪方法 | |
| Rizo et al. | SAR interferometry and field data of Randazzo landslide (Eastern Sicily, Italy) | |
| CN117008128A (zh) | 蠕变型滑坡时序InSAR技术多维形变监测与预测方法 | |
| CN113281744A (zh) | 基于假设检验和自适应形变模型的时序InSAR方法 | |
| CN109118520A (zh) | 一种采动区电网杆塔位移监测方法及系统 | |
| Zheng et al. | Analysis of pre-and post-mine closure surface deformations in western Xuzhou coalfield from 2006 to 2018 | |
| Bozzano et al. | Mechanism of the Montescaglioso landslide (Southern Italy) inferred by geological survey and remote sensing | |
| CN114675269B (zh) | 基于时间域差分的PS-InSAR相位解缠方法及其系统与应用 | |
| CN115236667B (zh) | 一种融合多源sar数据的潜在滑坡体积估算方法 | |
| CN110146885A (zh) | 基于多卫星平台MT-InSAR融合的新成陆区超长形变时序提取方法 | |
| CN113281748B (zh) | 一种地表形变监测方法 | |
| CN115421146A (zh) | 一种基于同源sar数据的时序结果拼接方法 | |
| CN116052009A (zh) | 基于InSAR形变的GNSS测站布局方法及其应用 | |
| Lu et al. | DACLnet: A Dual-Attention-Mechanism CNN-LSTM Network for the Accurate Prediction of Nonlinear InSAR Deformation. | |
| CN114924268A (zh) | 一种大量级形变的三维位移反演方法 |
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 |