CN117310703A - InSAR山地丘陵区形变监测适宜性评价方法及系统 - Google Patents
InSAR山地丘陵区形变监测适宜性评价方法及系统 Download PDFInfo
- Publication number
- CN117310703A CN117310703A CN202311294331.6A CN202311294331A CN117310703A CN 117310703 A CN117310703 A CN 117310703A CN 202311294331 A CN202311294331 A CN 202311294331A CN 117310703 A CN117310703 A CN 117310703A
- Authority
- CN
- China
- Prior art keywords
- grid area
- grid
- mddg
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 35
- 238000012544 monitoring process Methods 0.000 title claims abstract description 35
- 230000003287 optical effect Effects 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000007620 mathematical function Methods 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 230000000873 masking effect Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000011439 discrete element method Methods 0.000 description 17
- 238000006073 displacement reaction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000005305 interferometry Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000000007 visual effect Effects 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
-
- 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
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)
- Image Processing (AREA)
Abstract
本发明公开InSAR山地丘陵区形变监测适宜性评价方法及系统,涉及地形监测领域;该方法包括:对目标区域进行网格划分,得到多个网格区域;基于SAR数据,收集参数信息;基于DEM数据,得到地形信息;将参数信息和地形信息输入至MDDG数学函数模型,得到MDDG特征;根据参数信息、地形信息和MDDG特征,获得几何畸变类型;基于Landsat8光学影像计算得到归一化植被指数;根据几何畸变类型、归一化植被指数和MDDG特征,得到目标区域的InSAR适宜性等级分布图。本发明使InSAR的评价更加客观和全面。
Description
技术领域
本发明涉及地形监测领域,特别是涉及InSAR山地丘陵区形变监测适宜性评价方法及系统。
背景技术
近年来,合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar,InSAR)技术以其大范围监测和低成本位移检测的明显优势而闻名。对于地质灾害(例如滑坡)的监测,在某些情况下,由于地形复杂、观测对象变形梯度大和植被覆盖密集,InSAR技术用于位移监测可能会失效。因此,事先评估InSAR技术在考虑地形和地表覆盖特征时的可行性是至关重要的,特别是在大范围InSAR形变监测中。
在评估InSAR技术的可行性方面,可以分为两类。一类主要关注合成孔径雷达(SAR)卫星的成像特性以及InSAR技术对沿视线方向的位移探测的敏感性,这些技术方案试图评估由于敏感性低而无法检测的区域,并确定由于SAR几何失真导致的不可观测区域,以避免对预期目标的无效观测。另一类关注不同土地覆盖类型和地面反射率与波长之间的关系,进一步评估不同土地利用类型上InSAR可测量点的数量。基于收集的SAR卫星参数和地面特征参数,通过上述方法可以判断InSAR的地形可视性和SAR数据的适用性。然而,对于准确监测斜坡的位移而言,位移的大小对于评估InSAR技术的可行性非常重要,特别是当斜坡的变形梯度超过InSAR的最大可检测变形梯度(MDDG)时。因此,MDDG可以被视为评估考虑SAR几何失真效应的InSAR可行性的关键指标。此外,地表覆盖特征也可以被视为影响InSAR的可检测性的重要因素,尤其在植被覆盖密度较高的区域。查阅领域内的相关技术资料可知,在考虑地形的情况下,很少有技术人员采用MDDG来评估InSAR技术的可行性,更不用提及大范围应用中InSAR的适宜性评价。此外,对于植被覆盖茂密的目标区域,联立归一化差异植被指数(NDVI)和MDDG作为评价指标的技术方法或者方案目前还未出现。
Notti(Notti et al.,2014)等人使用山体阴影模型获取了研究区域的阴影和叠掩分布,并借助R指数得到了目标区域的透视收缩分布;进而利用目标区域的土地利用数据评估了PSInSAR技术的适用性和可行性。该技术方案需要额外收集目标区域的土地利用数据,并且需要单独处理分别得到阴影和叠掩,最后通过R指数得到透视收缩分布,相对繁琐和耗时;在评价InSAR适宜性的时候易受到处理算法和参数设置的影响,因此导致不同土地利用类型上的InSAR点目标可能与理论不符。
Bonì(Bonìet al.,2020)等人同样利用山体阴影模型获得了阴影和叠掩分布,并构建了InSAR地形可视性公式;此外,收集了目标区域的土地利用数据,评估了不同土地类型上的InSAR可检测性能。虽然该方法考虑了不同土地利用类型对InSAR监测效果的影响,但对于植被密集区,其效果没有NDVI直观;此外,对于滑坡监测而言,没有考虑InSAR的形变检测梯度,进而没有将MDDG引入到InSAR的适宜性评价当中。
发明内容
本发明的目的是提供InSAR山地丘陵区形变监测适宜性评价方法及系统,将MDDG和NDVI作为两个新的评价指标引入到InSAR的适宜性评估当中,使得对InSAR技术的评价更加客观和全面。
为实现上述目的,本发明提供了如下方案:
InSAR山地丘陵区形变监测适宜性评价方法,所述InSAR山地丘陵区形变监测适宜性评价方法包括:
获取目标区域,对目标区域进行网格划分,得到多个网格区域;
收集每个网格区域的SAR数据、DEM数据与Landsat8光学影像;
对每个网格区域的SAR数据进行加载处理,收集每个网格区域的参数信息;所述参数信息包括所使用SAR卫星数据的波长、斜距向分辨率、飞行方位角和入射角;
分析每个网格区域的DEM数据,得到每个网格区域的地形信息;所述地形信息包括坡度和坡向;
将每个网格区域的参数信息和地形信息输入至MDDG数学函数模型,得到每个网格区域的MDDG特征;
根据每个网格区域的参数信息、地形信息和MDDG特征,获得每个网格区域的几何畸变类型;所述几何畸变类型包括分辨率、阴影、叠掩和透视收缩;
基于每个网格区域的Landsat8光学影像计算得到每个网格区域的归一化植被指数;
根据每个网格区域的几何畸变类型、归一化植被指数和MDDG特征,得到每个网格区域的InSAR适宜性等级分布图;
根据每个网格区域的InSAR适宜性等级分布图得到目标区域的InSAR适宜性等级分布图。
可选地,分析每个网格区域的DEM数据,得到每个网格区域的地形信息,具体包括:
采用ArcGIS中的坡度和坡向分析工具分析每个网格区域的DEM数据,得到每个网格区域的地形信息。
可选地,基于每个网格区域的Landsat8光学影像计算得到每个网格区域的归一化植被指数,具体包括:
对每个网格区域的Landsat8光学影像进行预处理,得到每个网格区域的预处理后的Landsat8光学影像;所述预处理包括:拼接处理、大气校正和辐射校正;
基于每个网格区域的预处理后的Landsat8光学影像计算得到每个网格区域的归一化植被指数。
可选地,所述MDDG数学函数模型为:
MDDGslope=λ÷2η(cosβsinθsinαcosδ+sinβsinθcosαcosδ+cosθsinδ);
其中,MDDGslope表示MDDG特征;λ表示SAR卫星数据的波长;η表示SAR图像斜距向分辨率;β表示SAR卫星的飞行方位角;θ表示SAR卫星的入射角;α表示坡向;δ表示坡度。
可选地,根据每个网格区域的参数信息、地形信息和MDDG特征,获得每个网格区域的几何畸变类型,具体包括:
基于网格区域的参数信息和地形信息,判断所述网格区域是否满足阴影条件,得到第一判断结果;所述阴影条件为网格区域的坡向位于第一角度范围内且网格区域的坡度大于第二角度范围;所述第一角度范围为所述第二角度范围为B=[90…σ];
若所述第一判断结果为是,则确定所述网格区域的几何畸变类型为阴影;
若所述第一判断结果为否,则基于网格区域的参数信息和地形信息,判断所述网格区域是否满足叠掩条件,得到第二判断结果;所述叠掩条件为网格区域的坡向位于第三角度范围内且网格区域的坡度大于σ;所述第三角度范围为
若所述第二判断结果为是,则确定所述网格区域的几何畸变类型为叠掩;
若所述第二判断结果为否,则基于网格区域的MDDG特征,判断所述网格区域是否满足透视收缩条件,得到第三判断结果;所述透视收缩条件为所述网格区域的MDDG特征小于零值;
若所述第三判断结果为是,则确定所述网格区域的几何畸变类型为透视收缩;
若所述第三判断结果为否,则确定所述网格区域的几何畸变类型为分辨率;
其中,A表示第一角度范围;B表示第二角度范围;C表示第三角度范围;表示飞行方位角;σ表示入射角。
可选地,根据每个网格区域的几何畸变类型、归一化植被指数和MDDG特征,得到目标区域的InSAR适宜性等级分布图,具体包括:
根据每个网格区域的几何畸变类型、归一化植被指数和MDDG特征,确定每个网格区域的适宜性等级;
根据每个网格区域的适宜性等级,得到目标区域的InSAR适宜性等级分布图。
可选地,根据每个网格区域的几何畸变类型、归一化植被指数和MDDG特征,确定每个网格区域的适宜性等级,具体包括:
判断网格区域的几何畸变类型、归一化植被指数和MDDG特征是否满足优适应性等级条件,得到第四判断结果;所述优适应性等级条件为几何畸变类型为分辨率、归一化植被指数位于第一指数范围内且MDDG特征位于第一特征范围内;所述第一指数范围为0.1至0.3;所述第一特征范围为8至12;
若所述第四判断结果为是,则确定所述网格区域的适宜性等级为优;
若所述第四判断结果为否,则判断网格区域的几何畸变类型、归一化植被指数和MDDG特征是否满足良适应性等级条件,得到第五判断结果;所述良适应性等级条件为几何畸变类型为分辨率、归一化植被指数位于第二指数范围内且MDDG特征位于第二特征范围内;所述第二指数范围为0.3至0.5;所述第二特征范围为4至8;
若所述第五判断结果为是,则确定所述网格区域的适宜性等级为良;
若所述第五判断结果为否,则判断网格区域的几何畸变类型、归一化植被指数和MDDG特征是否满足中适应性等级条件,得到第六判断结果;所述中适应性等级条件为几何畸变类型为分辨率、归一化植被指数位于第三指数范围内且MDDG特征位于第三特征范围内;所述第三指数范围为0.5至0.7;所述第三特征范围为0至4;
若所述第六判断结果为是,则确定所述网格区域的适宜性等级为中;
若所述第六判断结果为否,则判断网格区域的几何畸变类型、归一化植被指数和MDDG特征是否满足差适应性等级的条件,得到第七判断结果;所述差适应性等级条件为几何畸变类型为透视收缩、归一化植被指数位于第四指数范围内且MDDG特征位于第四特征范围内;所述第四指数范围为0.7至1;所述第四特征范围为小于0;
若所述第七判断结果为是,则确定所述网格区域的适宜性等级为差;
若所述第七判断结果为否,则确定所述网格区域的适宜性等级为无。
一种InSAR山地丘陵区形变监测适宜性评价系统,所述InSAR山地丘陵区形变监测适宜性评价系统包括:
划分模块,用于获取目标区域,对目标区域进行网格划分,得到多个网格区域;
收集模块,用于收集每个网格区域的SAR数据、DEM数据与Landsat8光学影像;
处理模块,用于对每个网格区域的SAR数据进行加载处理,收集每个网格区域的参数信息;所述参数信息包括所使用SAR卫星数据的波长、斜距向分辨率、飞行方位角和入射角;
分析模块,用于分析每个网格区域的DEM数据,得到每个网格区域的地形信息;所述地形信息包括坡度和坡向;
MDDG数学函数模型模块,用于将每个网格区域的参数信息和地形信息输入至MDDG数学函数模型,得到每个网格区域的MDDG特征;
几何畸变分布模块,用于根据每个网格区域的参数信息、地形信息和MDDG特征,获得每个网格区域的几何畸变类型;所述几何畸变类型包括分辨率、阴影、叠掩和透视收缩;
归一化植被指数模块,用于基于每个网格区域的Landsat8光学影像计算得到每个网格区域的归一化植被指数;
网格区域的InSAR适宜性等级分布图确定模块,用于根据每个网格区域的几何畸变类型、归一化植被指数和MDDG特征,得到每个网格区域的InSAR适宜性等级分布图;
目标区域的InSAR适宜性等级分布图确定模块,用于根据每个网格区域的InSAR适宜性等级分布图得到目标区域的InSAR适宜性等级分布图。
一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述所述的InSAR山地丘陵区形变监测适宜性评价方法。
一种计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被执行时实现如上述所述的InSAR山地丘陵区形变监测适宜性评价方法。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明通过每个网格区域的SAR数据、DEM数据获得每个网格区域的MDDG特征和几何畸变类型;再基于每个网格区域的Landsat8光学影像计算得到每个网格区域的归一化植被指数,之后将多个网格区域进行组合得到目标区域的InSAR适宜性等级分布图。本发明将MDDG和NDVI作为两个新的评价指标引入到InSAR的适宜性评估当中,使得对InSAR技术的评价更加客观和全面。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中InSAR山地丘陵区形变监测适宜性评价方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,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,都属于本发明保护的范围。
本发明的目的是提供InSAR山地丘陵区形变监测适宜性评价方法及系统,将MDDG和NDVI作为两个新的评价指标引入到InSAR的适宜性评估当中,使得对InSAR技术的评价更加客观和全面。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明InSAR山地丘陵区形变监测适宜性评价方法,所述InSAR山地丘陵区形变监测适宜性评价方法包括:
步骤101:获取目标区域,对目标区域进行网格划分,得到多个网格区域。
借助ArcGIS中的渔网工具,对目标区域进行网格划分,得到多个网格区域。
步骤102:收集每个网格区域的SAR数据、DEM数据与Landsat8光学影像。
由于SAR和Landsat8的成像方式以及幅宽有所差别,需要检查获取的SAR影像和Landsat8影像完全覆盖网格区域;收集网格区域的DEM数据,由于免费开放的DEM的是以格网形式发布,因此必要时进行拼接处理。
作为一种实施例,获取了Sentinel-1卫星升轨SAR数据与30m空间分辨率的SRTM-DEM。
步骤103:对每个网格区域的SAR数据进行加载处理,收集每个网格区域的参数信息;所述参数信息包括所使用SAR卫星数据的波长、斜距向分辨率、飞行方位角和入射角。
借助SAR处理软件,对每个网格区域的SAR数据进行加载处理,收集每个网格区域的参数信息。
步骤104:分析每个网格区域的DEM数据,得到每个网格区域的地形信息;所述地形信息包括坡度和坡向。
步骤105:将每个网格区域的参数信息和地形信息输入至MDDG数学函数模型,得到每个网格区域的MDDG特征。
MDDG数学函数模型涉及的参数信息共有6项,分别是:SAR卫星波长、斜距向分辨率、入射角、飞行方位角、坡度以及坡向,因此借助考虑地形的MDDG模型,可以顺利获得每个网格区域的MDDG特征。
步骤106:根据每个网格区域的参数信息、地形信息和MDDG特征,获得每个网格区域的几何畸变类型;所述几何畸变类型包括分辨率、阴影、叠掩和透视收缩。
步骤107:基于每个网格区域的Landsat8光学影像计算得到每个网格区域的归一化植被指数。
由于本发明中只考虑植被对InSAR的信号干扰,因此在归一化植被指数取值时,只考虑[0.1,1],之后进一步进行分级。
步骤108:根据每个网格区域的几何畸变类型、归一化植被指数和MDDG特征,得到每个网格区域的InSAR适宜性等级分布图。
步骤109:根据每个网格区域的InSAR适宜性等级分布图得到目标区域的InSAR适宜性等级分布图。
作为一种具体实施例,分析每个网格区域的DEM数据,得到每个网格区域的地形信息,具体包括:
采用ArcGIS中的坡度和坡向分析工具分析每个网格区域的DEM数据,得到每个网格区域的地形信息。
作为一种具体实施例,基于每个网格区域的Landsat8光学影像计算得到每个网格区域的归一化植被指数,具体包括:
对每个网格区域的Landsat8光学影像进行预处理,得到每个网格区域的预处理后的Landsat8光学影像;所述预处理包括:拼接处理、大气校正和辐射校正。主要目的是为了获取高精度的NDVI数值及其分布。
基于每个网格区域的预处理后的Landsat8光学影像计算得到每个网格区域的归一化植被指数。
作为一种具体实施例,所述MDDG数学函数模型为:
MDDGslope=λ÷2η(cosβsinθsinαcosδ+sinβsinθcosαcosδ+cosθsinδ)。
其中,MDDGslope表示MDDG特征;λ表示SAR卫星数据的波长;η表示SAR图像斜距向分辨率;β表示SAR卫星的飞行方位角;θ表示SAR卫星的入射角;α表示坡向;δ表示坡度。
作为一种具体实施例,根据每个网格区域的参数信息、地形信息和MDDG特征,获得每个网格区域的几何畸变类型,具体包括:
基于网格区域的参数信息和地形信息,判断所述网格区域是否满足阴影条件,得到第一判断结果;所述阴影条件为网格区域的坡向位于第一角度范围内且网格区域的坡度大于第二角度范围;所述第一角度范围为所述第二角度范围为B=[90…σ]。
若所述第一判断结果为是,则确定所述网格区域的几何畸变类型为阴影;
若所述第一判断结果为否,则基于网格区域的参数信息和地形信息,判断所述网格区域是否满足叠掩条件,得到第二判断结果;所述叠掩条件为网格区域的坡向位于第三角度范围内且网格区域的坡度大于σ;所述第三角度范围为
若所述第二判断结果为是,则确定所述网格区域的几何畸变类型为叠掩。
若所述第二判断结果为否,则基于网格区域的MDDG特征,判断所述网格区域是否满足透视收缩条件,得到第三判断结果;所述透视收缩条件为所述网格区域的MDDG特征小于零值。
若所述第三判断结果为是,则确定所述网格区域的几何畸变类型为透视收缩。
若所述第三判断结果为否,则确定所述网格区域的几何畸变类型为分辨率。
其中,A表示第一角度范围;B表示第二角度范围;C表示第三角度范围;表示飞行方位角;σ表示入射角。
作为一种具体实施例,根据每个网格区域的几何畸变类型、归一化植被指数和MDDG特征,得到目标区域的InSAR适宜性等级分布图,具体包括:
根据每个网格区域的几何畸变类型、归一化植被指数和MDDG特征,确定每个网格区域的适宜性等级。
根据每个网格区域的适宜性等级,得到目标区域的InSAR适宜性等级分布图。
作为一种具体实施例,根据每个网格区域的几何畸变类型、归一化植被指数和MDDG特征,确定每个网格区域的适宜性等级,具体包括:
判断网格区域的几何畸变类型、归一化植被指数和MDDG特征是否满足优适应性等级条件,得到第四判断结果;所述优适应性等级条件为几何畸变类型为分辨率、归一化植被指数位于第一指数范围内且MDDG特征位于第一特征范围内;所述第一指数范围为0.1至0.3;所述第一特征范围为8至12。
若所述第四判断结果为是,则确定所述网格区域的适宜性等级为优。
若所述第四判断结果为否,则判断网格区域的几何畸变类型、归一化植被指数和MDDG特征是否满足良适应性等级条件,得到第五判断结果;所述良适应性等级条件为几何畸变类型为分辨率、归一化植被指数位于第二指数范围内且MDDG特征位于第二特征范围内;所述第二指数范围为0.3至0.5;所述第二特征范围为4至8。
若所述第五判断结果为是,则确定所述网格区域的适宜性等级为良。
若所述第五判断结果为否,则判断网格区域的几何畸变类型、归一化植被指数和MDDG特征是否满足中适应性等级条件,得到第六判断结果;所述中适应性等级条件为几何畸变类型为分辨率、归一化植被指数位于第三指数范围内且MDDG特征位于第三特征范围内;所述第三指数范围为0.5至0.7;所述第三特征范围为0至4。
若所述第六判断结果为是,则确定所述网格区域的适宜性等级为中。
若所述第六判断结果为否,则判断网格区域的几何畸变类型、归一化植被指数和MDDG特征是否满足差适应性等级的条件,得到第七判断结果;所述差适应性等级条件为几何畸变类型为透视收缩、归一化植被指数位于第四指数范围内且MDDG特征位于第四特征范围内;所述第四指数范围为0.7至1;所述第四特征范围为小于0。
若所述第七判断结果为是,则确定所述网格区域的适宜性等级为差。
若所述第七判断结果为否,则确定所述网格区域的适宜性等级为无。
本发明考虑了3个指标来评定InSAR适宜性,其中,适宜性可以分为5个等级分别为优适宜性、良适宜性、中适宜性、差适宜性以及无适宜性。其分类标准可以参考表1。
表1 InSAR适宜性程度表
注:HR表示高分辨率,FS代表透视收缩,SD表示阴影以及LO代表叠掩。
实施例2
一种InSAR山地丘陵区形变监测适宜性评价系统,所述InSAR山地丘陵区形变监测适宜性评价系统包括:
划分模块,用于获取目标区域,对目标区域进行网格划分,得到多个网格区域。
收集模块,用于收集每个网格区域的SAR数据、DEM数据与Landsat8光学影像。
处理模块,用于对每个网格区域的SAR数据进行加载处理,收集每个网格区域的参数信息;所述参数信息包括所使用SAR卫星数据的波长、斜距向分辨率、飞行方位角和入射角。
分析模块,用于分析每个网格区域的DEM数据,得到每个网格区域的地形信息;所述地形信息包括坡度和坡向。
MDDG数学函数模型模块,用于将每个网格区域的参数信息和地形信息输入至MDDG数学函数模型,得到每个网格区域的MDDG特征。
几何畸变分布模块,用于根据每个网格区域的参数信息、地形信息和MDDG特征,获得每个网格区域的几何畸变类型;所述几何畸变类型包括分辨率、阴影、叠掩和透视收缩。
归一化植被指数模块,用于基于每个网格区域的Landsat8光学影像计算得到每个网格区域的归一化植被指数。
网格区域的InSAR适宜性等级分布图确定模块,用于根据每个网格区域的几何畸变类型、归一化植被指数和MDDG特征,得到每个网格区域的InSAR适宜性等级分布图。
目标区域的InSAR适宜性等级分布图确定模块,用于根据每个网格区域的InSAR适宜性等级分布图得到目标区域的InSAR适宜性等级分布图。
一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如实施例1所述的InSAR山地丘陵区形变监测适宜性评价方法。
一种计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被执行时实现如实施例1所述的InSAR山地丘陵区形变监测适宜性评价方法。
本发明通过每个网格区域的抛物线指标(Stop and Reverse,SAR)数据、数字高程模型(Digital Elevation Model,DEM)数据获得每个网格区域的MDDG特征和几何畸变类型;再基于每个网格区域的Landsat8光学影像计算得到每个网格区域的归一化植被指数,之后将多个网格区域进行组合得到目标区域的InSAR适宜性等级分布图。本发明将最大可探测变形梯度(Maximum detectable deformation gradients,MDDG)和归一化植被指数(Normalized Difference Vegetation Index,NDVI)作为两个新的评价指标引入到InSAR的适宜性评估当中,使得对InSAR技术的评价更加客观和全面。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.InSAR山地丘陵区形变监测适宜性评价方法,其特征在于,所述InSAR山地丘陵区形变监测适宜性评价方法包括:
获取目标区域,对目标区域进行网格划分,得到多个网格区域;
收集每个网格区域的SAR数据、DEM数据与Landsat8光学影像;
对每个网格区域的SAR数据进行加载处理,收集每个网格区域的参数信息;所述参数信息包括所使用SAR卫星数据的波长、斜距向分辨率、飞行方位角和入射角;
分析每个网格区域的DEM数据,得到每个网格区域的地形信息;所述地形信息包括坡度和坡向;
将每个网格区域的参数信息和地形信息输入至MDDG数学函数模型,得到每个网格区域的MDDG特征;
根据每个网格区域的参数信息、地形信息和MDDG特征,获得每个网格区域的几何畸变类型;所述几何畸变类型包括分辨率、阴影、叠掩和透视收缩;
基于每个网格区域的Landsat8光学影像计算得到每个网格区域的归一化植被指数;
根据每个网格区域的几何畸变类型、归一化植被指数和MDDG特征,得到每个网格区域的InSAR适宜性等级分布图;
根据每个网格区域的InSAR适宜性等级分布图得到目标区域的InSAR适宜性等级分布图。
2.根据权利要求1所述的InSAR山地丘陵区形变监测适宜性评价方法,其特征在于,分析每个网格区域的DEM数据,得到每个网格区域的地形信息,具体包括:
采用ArcGIS中的坡度和坡向分析工具分析每个网格区域的DEM数据,得到每个网格区域的地形信息。
3.根据权利要求1所述的InSAR山地丘陵区形变监测适宜性评价方法,其特征在于,基于每个网格区域的Landsat8光学影像计算得到每个网格区域的归一化植被指数,具体包括:
对每个网格区域的Landsat8光学影像进行预处理,得到每个网格区域的预处理后的Landsat8光学影像;所述预处理包括:拼接处理、大气校正和辐射校正;
基于每个网格区域的预处理后的Landsat8光学影像计算得到每个网格区域的归一化植被指数。
4.根据权利要求1所述的InSAR山地丘陵区形变监测适宜性评价方法,其特征在于,所述MDDG数学函数模型为:
MDDGslope=λ÷2η(cosβsinθsinαcosδ+sinβsinθcosαcosδ+cosθsinδ);
其中,MDDGslope表示MDDG特征;λ表示SAR卫星数据的波长;η表示SAR图像斜距向分辨率;β表示SAR卫星的飞行方位角;θ表示SAR卫星的入射角;α表示坡向;δ表示坡度。
5.根据权利要求1所述的InSAR山地丘陵区形变监测适宜性评价方法,其特征在于,根据每个网格区域的参数信息、地形信息和MDDG特征,获得每个网格区域的几何畸变类型,具体包括:
基于网格区域的参数信息和地形信息,判断所述网格区域是否满足阴影条件,得到第一判断结果;所述阴影条件为网格区域的坡向位于第一角度范围内且网格区域的坡度大于第二角度范围;所述第一角度范围为所述第二角度范围为B=[90…σ];
若所述第一判断结果为是,则确定所述网格区域的几何畸变类型为阴影;
若所述第一判断结果为否,则基于网格区域的参数信息和地形信息,判断所述网格区域是否满足叠掩条件,得到第二判断结果;所述叠掩条件为网格区域的坡向位于第三角度范围内且网格区域的坡度大于σ;所述第三角度范围为
若所述第二判断结果为是,则确定所述网格区域的几何畸变类型为叠掩;
若所述第二判断结果为否,则基于网格区域的MDDG特征,判断所述网格区域是否满足透视收缩条件,得到第三判断结果;所述透视收缩条件为所述网格区域的MDDG特征小于零值;
若所述第三判断结果为是,则确定所述网格区域的几何畸变类型为透视收缩;
若所述第三判断结果为否,则确定所述网格区域的几何畸变类型为分辨率;
其中,A表示第一角度范围;B表示第二角度范围;C表示第三角度范围;表示飞行方位角;σ表示入射角。
6.根据权利要求1所述的InSAR山地丘陵区形变监测适宜性评价方法,其特征在于,根据每个网格区域的几何畸变类型、归一化植被指数和MDDG特征,得到目标区域的InSAR适宜性等级分布图,具体包括:
根据每个网格区域的几何畸变类型、归一化植被指数和MDDG特征,确定每个网格区域的适宜性等级;
根据每个网格区域的适宜性等级,得到目标区域的InSAR适宜性等级分布图。
7.根据权利要求6所述的InSAR山地丘陵区形变监测适宜性评价方法,其特征在于,根据每个网格区域的几何畸变类型、归一化植被指数和MDDG特征,确定每个网格区域的适宜性等级,具体包括:
判断网格区域的几何畸变类型、归一化植被指数和MDDG特征是否满足优适应性等级条件,得到第四判断结果;所述优适应性等级条件为几何畸变类型为分辨率、归一化植被指数位于第一指数范围内且MDDG特征位于第一特征范围内;所述第一指数范围为0.1至0.3;所述第一特征范围为8至12;
若所述第四判断结果为是,则确定所述网格区域的适宜性等级为优;
若所述第四判断结果为否,则判断网格区域的几何畸变类型、归一化植被指数和MDDG特征是否满足良适应性等级条件,得到第五判断结果;所述良适应性等级条件为几何畸变类型为分辨率、归一化植被指数位于第二指数范围内且MDDG特征位于第二特征范围内;所述第二指数范围为0.3至0.5;所述第二特征范围为4至8;
若所述第五判断结果为是,则确定所述网格区域的适宜性等级为良;
若所述第五判断结果为否,则判断网格区域的几何畸变类型、归一化植被指数和MDDG特征是否满足中适应性等级条件,得到第六判断结果;所述中适应性等级条件为几何畸变类型为分辨率、归一化植被指数位于第三指数范围内且MDDG特征位于第三特征范围内;所述第三指数范围为0.5至0.7;所述第三特征范围为0至4;
若所述第六判断结果为是,则确定所述网格区域的适宜性等级为中;
若所述第六判断结果为否,则判断网格区域的几何畸变类型、归一化植被指数和MDDG特征是否满足差适应性等级的条件,得到第七判断结果;所述差适应性等级条件为几何畸变类型为透视收缩、归一化植被指数位于第四指数范围内且MDDG特征位于第四特征范围内;所述第四指数范围为0.7至1;所述第四特征范围为小于0;
若所述第七判断结果为是,则确定所述网格区域的适宜性等级为差;
若所述第七判断结果为否,则确定所述网格区域的适宜性等级为无。
8.一种InSAR山地丘陵区形变监测适宜性评价系统,其特征在于,所述InSAR山地丘陵区形变监测适宜性评价系统包括:
划分模块,用于获取目标区域,对目标区域进行网格划分,得到多个网格区域;
收集模块,用于收集每个网格区域的SAR数据、DEM数据与Landsat8光学影像;
处理模块,用于对每个网格区域的SAR数据进行加载处理,收集每个网格区域的参数信息;所述参数信息包括所使用SAR卫星数据的波长、斜距向分辨率、飞行方位角和入射角;
分析模块,用于分析每个网格区域的DEM数据,得到每个网格区域的地形信息;所述地形信息包括坡度和坡向;
MDDG数学函数模型模块,用于将每个网格区域的参数信息和地形信息输入至MDDG数学函数模型,得到每个网格区域的MDDG特征;
几何畸变分布模块,用于根据每个网格区域的参数信息、地形信息和MDDG特征,获得每个网格区域的几何畸变类型;所述几何畸变类型包括分辨率、阴影、叠掩和透视收缩;
归一化植被指数模块,用于基于每个网格区域的Landsat8光学影像计算得到每个网格区域的归一化植被指数;
网格区域的InSAR适宜性等级分布图确定模块,用于根据每个网格区域的几何畸变类型、归一化植被指数和MDDG特征,得到每个网格区域的InSAR适宜性等级分布图;
目标区域的InSAR适宜性等级分布图确定模块,用于根据每个网格区域的InSAR适宜性等级分布图得到目标区域的InSAR适宜性等级分布图。
9.一种电子设备,其特征在于,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被执行时实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311294331.6A CN117310703A (zh) | 2023-10-08 | 2023-10-08 | InSAR山地丘陵区形变监测适宜性评价方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311294331.6A CN117310703A (zh) | 2023-10-08 | 2023-10-08 | InSAR山地丘陵区形变监测适宜性评价方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117310703A true CN117310703A (zh) | 2023-12-29 |
Family
ID=89296869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311294331.6A Pending CN117310703A (zh) | 2023-10-08 | 2023-10-08 | InSAR山地丘陵区形变监测适宜性评价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117310703A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118011398A (zh) * | 2024-04-09 | 2024-05-10 | 北京四象爱数科技有限公司 | 一种基于PSInSAR的滑坡泥石流范围分析方法、设备及介质 |
-
2023
- 2023-10-08 CN CN202311294331.6A patent/CN117310703A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118011398A (zh) * | 2024-04-09 | 2024-05-10 | 北京四象爱数科技有限公司 | 一种基于PSInSAR的滑坡泥石流范围分析方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Haack et al. | Integrating multisensor data and RADAR texture measures for land cover mapping | |
CN117310703A (zh) | InSAR山地丘陵区形变监测适宜性评价方法及系统 | |
Sheng et al. | Automated georeferencing and orthorectification of Amazon basin-wide SAR mosaics using SRTM DEM data | |
Uemoto et al. | Landslide detection based on height and amplitude differences using pre-and post-event airborne X-band SAR data | |
Geibel et al. | Segmentation of laser altimeter data for building reconstruction: different procedures and comparison | |
Bernard et al. | Beyond 2D landslide inventories and their rollover: synoptic 3D inventories and volume from repeat lidar data | |
CN111462073B (zh) | 机载激光雷达点云密度的质量检查方法和装置 | |
CN113505764B (zh) | 顾及局部入射角的高山峡谷区sar几何畸变识别方法 | |
Kraatz et al. | Performance evaluation of UAVSAR and simulated NISAR data for crop/noncrop classification over Stoneville, MS | |
Bertin et al. | Geomorphic change detection using cost-effective structure-from-motion photogrammetry: Evaluation of direct georeferencing from consumer-grade UAS at Orewa beach (New Zealand) | |
CN111368716B (zh) | 一种基于多源时空数据的地质灾害灾毁耕地提取方法 | |
CN112989940A (zh) | 基于高分三号卫星sar影像的筏式养殖区提取方法 | |
CN114255051B (zh) | 基于立体测绘卫星的正射产品的真实性检验方法 | |
Zhang et al. | Fusion of ascending and descending polarimetric SAR data for color orthophoto generation | |
CN114264660A (zh) | 基于绿光激光成像的输电线路杆塔表面缺陷检测方法装置 | |
CN113516059A (zh) | 固体废弃物的识别方法、装置、电子设备及存储介质 | |
Dal Poz et al. | RANSAC-based segmentation for building roof face detection in lidar point cloud | |
Latifovic et al. | Moderate Resolution Time Sereis Data Management and Analysis: Automated Large Area Mosaicking and Quality Control | |
Cheng et al. | Generation of pixel-level SAR image time series using a locally adaptive matching technique | |
Barbosa et al. | Land Use/Land Cover (LULC) classification based on SAR/Sentinel 1 image in Distrito Federal, Brazil | |
Duan et al. | Denoising and classification of urban ICESat-2 photon data fused with Sentinel-2 spectral images | |
Ye et al. | Gaussian mixture model of ground filtering based on hierarchical curvature constraints for airborne lidar point clouds | |
Ticehurst et al. | Integrating JERS-1 imaging radar and elevation models for mapping tropical vegetation communities in Far North Queensland, Australia | |
Wang et al. | Study of Large-Scale Block Adjustment with Laser Altimetry Data Glas of ZY3 Images Over Shandong | |
Craven | Assessment of Airborne Light Detection and Ranging (LiDAR) for use in common forest engineering geomatic applications |
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 |