img

官方微信

遥感技术与应用, 2021, 36(4): 838-846 doi: 10.11873/j.issn.1004-0323.2021.4.0838

遥感应用

基于SBAS-InSAR技术的西宁地表形变监测

安炳琪,1, 罗海滨,1, 丁海勇1, 张志山2, 王伟3, 史潇4, 柯福阳1, 王明明5

1.南京信息工程大学 遥感与测绘工程学院,江苏 南京 210044

2.西宁市测绘院,青海 西宁 810008

3.西宁市国土勘测规划研究院,青海 西宁 810008

4.江苏省气象服务中心,江苏 南京 210008

5.江苏科博空间信息科技有限公司,江苏 南京 210044

Monitoring of Surface Deformation in Xining based on SBAS-InSAR

An Bingqi,1, Luo Haibing,1, Ding Haiyong1, Zhang Zhishan2, Wang Wei3, Shi Xiao4, Ke Fuyang1, Wang Mingming5

1.School of Remote Sensing & Geomatics Engineering,NUIST,Nanjing 210044,China

2.Xining Surveying and Mapping Institute,Xining 810008,China

3.Xining Land Surveying and Planning Research Institute,Xining 810008,China

4.Jiangsu Meteorological Service Center,Nanjing 210008,China

5.Jiangsu Kebo Space Information Technology Co. ,Ltd. ,Nanjing 210044,China

通讯作者: 罗海滨(1979-),男,黑龙江鸡西人,副教授,主要从事InSAR/GPS技术集成理论与应用研究。E⁃mail:hbluo@nuist.edu.cn

收稿日期: 2020-06-12   修回日期: 2021-06-23   网络出版日期: 2021-09-26

基金资助: 国家自然科学基金项目.  41571350
西宁市科技计划项目.  2019⁃Y⁃12
江苏省自然资源厅科技项目.  KJXM2019035

Received: 2020-06-12   Revised: 2021-06-23   Online: 2021-09-26

作者简介 About authors

安炳琪(1996-),女,甘肃白银人,硕士研究生,主要从事InSAR技术理论与应用E⁃mail:1600602267@qq.com , E-mail:1600602267@qq.com

摘要

地表形变引发的地质灾害给自然环境和社会带来了巨大威胁,小基线集合成孔径雷达干涉测量(SBAS-InSAR)技术以其监测精度高、监测范围大和非接触等优势,成为地表形变监测的重要手段,为预防地质灾害发生、降低灾害损失,实现地表形变有效监测具有重要意义。利用SBAS-InSAR技术对青海省西宁市2018年1月7日至11月27日27景Sentinel-1A数据进行处理,得到西宁市地表平均形变速率分布图。与同期8个西宁南山GPS地面观测点比较,除一个点误差较大外,其余7个点均方根误差都在3 mm以内,证明了SBAS-InSAR监测结果的可靠性。SBAS-InSAR监测结果表明:山体滑坡是西宁市地表形变的主要形式,特别是沿互助北山和G6京藏高速公路一带滑坡运动尤为明显。实验首次获取了西宁市火车站东北滑坡灾害点定量形变数据,为分析该灾害点状况、保障西宁火车站安全运行提供有价值的参考。

关键词: SBAS-InSAR ; 地表形变 ; GPS ; 西宁市 ; 滑坡灾害预测

Abstract

Geological disasters caused by surface deformation pose a great threat to the natural environment and society.SBAS-InSAR technology has become an important means of surface deformation monitoring with its advantages of high monitoring accuracy, large monitoring range and non-contact,to prevent geological disaster and reducing disaster losses, achieve the surface deformation monitoring is importmant.In this paper, the SBAS-InSAR technology was used to process sentinel-1A data acquired during January 7, 2018 and November 27, 2018 in Xining city, Qinghai province. The average surface deformation velocity distribution map was obtained. The deformations obtained by SBAS-InSAR were compared with those obtained by 8 GPS observation stations which were installed to monitor the deformation of NanShan in Xining. Except for one GPS stations, the RMS errors on the other 7 GPS stations are within 3 mm, which proves the reliability of SBAS-InSAR. Based on the SBAS-InSAR monitoring results, it is pointed out that the landslide is the main form of ground deformation in Xining city, especially along the Mutual aid beishan and G6 highway. The quantitative deformation data on a landslide which is in northeast of Xining railway station were obtained for the first time. The quantitative deformation data are important to the deformation analysis of the landslide and the safe operation of Xining railway station.

Keywords: SBAS-InSAR ; Surface deformation ; GPS ; Xining city ; Landslide prediction

PDF (6104KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

安炳琪, 罗海滨, 丁海勇, 张志山, 王伟, 史潇, 柯福阳, 王明明. 基于SBAS-InSAR技术的西宁地表形变监测. 遥感技术与应用[J], 2021, 36(4): 838-846 doi:10.11873/j.issn.1004-0323.2021.4.0838

An Bingqi, Luo Haibing, Ding Haiyong, Zhang Zhishan, Wang Wei, Shi Xiao, Ke Fuyang, Wang Mingming. Monitoring of Surface Deformation in Xining based on SBAS-InSAR. Remote Sensing Technology and Application[J], 2021, 36(4): 838-846 doi:10.11873/j.issn.1004-0323.2021.4.0838

1 引 言

我国地形地貌复杂,山区面积占全国面积的近2/3,每年7、8月份由降雨导致的山区泥石流和滑坡等地质灾害频发。青海省西宁市地处湟水谷地,四面环山,属于山间河谷型城市1,是青海省重要的经济、交通和通讯中心,也是青海省人口最为密集的地区。该市地质以黄土为主,土质疏松,降水会使地表干湿差异变大,发生微小形变。对于高阶山地的不稳定体而言,这种地表形变可以转变为突然的运动,诱发山体滑坡、泥石流等地质灾害2-3,对道路交通、人身财产安全造成一定威胁。

地表形变监测是预防地质灾害发生和降低灾害损失的关键。常用的形变监测手段有精密水准测量和GPS测量,其共同优点是观测精度高,但二者都需实地勘察布点,对人员无法到达的灾害点难以实施观测,且二者是点观测,空间分辨率低、覆盖范围小,容易遗漏潜在的危险形变区4-5。近年来,合成孔径雷达干涉测量(InSAR)技术在地表变形监测领域展现出了巨大的应用潜能,该技术能全天候、全天时获取高空间分辨率、大范围地表形变信息,但在形变监测过程中易受地形起伏、时空基线去相干等因素影响6,制约了其监测精度。针对上述影响因素,学者们提出了永久散射体差分干涉测量(PS-InSAR)技术和小基线集合成孔径雷达干涉测量(SBAS-InSAR)技术78。SBAS-InSAR技术利用时空基线较短的干涉像对提取地表形变信息,提高了干涉图相干性的同时提高了数据利用率。更为重要的是,由于SBAS-InSAR技术不提取永久散射点,因此,SBAS-InSAR技术比PS-InSAR技术更适合植被稀疏地区地表形变监测,成为当今滑坡监测领域重要的手段9-12。李振洪等13利用SBAS-InSAR技术处理了三峡库区2003年至2010年间Envisat SAR图像,识别出巴东县两个山体滑坡,认为季节滑坡运动与水位变化之间存在明显的相关性。赵超英等14利用SBAS-InSAR技术对金沙江流域(乌东德库区)的潜在滑坡进行了探测,确认了22处较为活跃的滑坡体,并分析了滑坡体的时空形变特征。孟兴民等15将SBAS-InSAR技术应用于喀喇昆仑公路滑坡监测,优化了滑坡敏感性统计图测绘结果。戴可人等16利用SBAS-InSAR技术结合Sentinel-1升降轨数据获得甘肃省南峪乡滑坡的二维形变,追溯了该地滑坡灾前形变情况。赵宝强等17利用PS-InSAR和SBAS-InSAR技术对青海省的高家湾滑坡做了地表监测,分析了该地区2003~2010年间的地表形变情况。

西宁市地形破碎、坡陡沟深,GPS等接触式监测手段仅能在部分重点区域实施。为了全面了解西宁市地表形变状况,本研究利用SBAS-InSAR技术对2018年1月7日至11月27日的27景sentinel-1A数据进行处理,得到了西宁市地表平均形变速率分布图。与同期的西宁南山8个GPS地面观测点进行比较,验证了SBAS-InSAR监测结果的可靠性。基于SBAS-InSAR监测结果,分析了西宁市的地表形变状况,为西宁地质灾害治理提供参考。

2 SBAS-InSAR技术原理

设同一地区有N+1幅时间序列为t0,,ti,,tN的SAR影像,设定时间基线和空间基线阈值,将小于阈值的SAR影像归为一组,得到多个影像数据集合。对每个影像集合进行差分干涉处理,得到总干涉图数量M满足条件:

(N+1)/2MN(N+1)/2

其中:N为奇数18。以t0时刻为初始时刻,以任意时刻tii=1,,N)相对于初始时刻的相位ϕ(ti)为未知参数,以差分干涉相位δϕkk=1,,M)为观测量。假设所有干涉图已去除平地相位和地形相位,且已被正确解缠19,则第k幅干涉图上任意像元(x,r)的差分相位可以表示为:

δϕk(x,r)=ϕ(tB,x,r)-ϕ(tA,x,r)=4πλ[d(tB,x,r)-d(tA,x,r)]

其中:λ为雷达波长,d(tA,x,r)d(tB,x,r)分别为tAtB时刻像元(x,r)相对于初始时刻t0的雷达视线(LOS)方向地表形变,d(t0,x,r)=0。将干涉图主副影像按时间顺序排序,分别得到主、从影像序列IE=[IE1,,IEM]IS=[IS1,,ISM],且IEk>ISk,k=1,,M,则所有差分干涉图可以组成观测方程组:

δϕk=ϕ(tIEk)-ϕ(tISk),k=1,,M

式(3)是含有N个未知数的M个方程组,可表示为如下形式:

δϕ=Aϕ

其中:AM×N维矩阵。A每一行对应一张干涉图,每一列对应一景SAR影像。对于M个方程,N个未知量,如果MN,且A的秩是N,则利用最小二乘法得:

ϕ̂=(ATA)-1ATδϕ

而当矩阵A的秩小于N时,对应的法方程系数阵ATA秩亏,需要采用奇异值分解法来求解相位20。为了避免直接对相位求解得到不连续的形变结果,将相位根据相邻影像获取时间转换为LOS向的平均相位变化速率21,即:

vT=[v1=ϕ1t1-t0,,vN=ϕN-ϕN-1tN-tN-1]

式(4)可变为:

δϕk=j=ISk+1IEk(tj-tj-1)vj

可表示为如下矩阵形式:

δφ=Bv

其中:BM×N维矩阵。对B进行奇异值分解求得LOS向平均相位变化速率,进而可求得平均形变速率。最后对影像获取时间段内的形变速率进行积分,即可得到相应地表形变值22

3 研究区域及研究数据

3.1 研究区域

西宁市位于青海省东北部,地处青藏高原与陇西黄土高原的湟水谷地一带,地势东南高、西北低,四面环山,高阶地与丘陵沿西宁市城区两侧分布,其中北山和南山地貌属于黄土丘陵区,其地质构造运动活跃,黄土分布广泛,斜坡岩土体结构稳定性差23,容易发生滑坡、泥石流和山体塌陷等地质灾害24。如图1所示,研究区主要包括城北、城西、城中和城东4个城区,其中西宁火车站、G6京藏高速和西宁南绕城高速、西塔高速分别地处北山和南山山脚,道路通行易受滑坡影响。

图1

图1   研究区域

Fig.1   Study area


3.2 SAR数据

实验采用2018年1月7日至11月27日间27景由欧空局(ESA)发布的Sentinel-1A卫星降轨数据,极化方式为VV极化,影像覆盖范围如图2(a)黑色方框所示,图中箭头H所指方向为卫星飞行方向,箭头L所指方向为传感器入射方向,底图为由美国国家航空航天局(NASA)发布的SrtmV4DEM,空间分辨率为90 m。相邻影像时间间隔为12 d,影像入射角为33°39′,详细信息见表1

图2

图2   影像覆盖范围及GPS点分布

Fig.2   Figure of image coverage and GPS point distribution


表1   27景Sentinel-1A卫星观测数据信息表

Table 1  The information of 27 scenes sentinel-1A observation data

编号轨道号

成像时间

(年-月-日)

垂直

基线/m

时间

基线/d

编号轨道号

成像时间

(年-月-日)

垂直

基线/m

时间

基线/d

1200552018-01-070015226802018-07-06-77180
2202302018-01-19861216228552018-07-18-30192
3204052018-01-31432417230302018-07-30-54204
4205802018-02-12723618232052018-08-1133216
5207552018-02-24-454819233802018-08-23-25228
6209302018-03-08-1006020235552018-09-0437240
7211052018-03-20-627221237302018-09-16-2252
8212802018-04-01208422239052018-09-288264
9214552018-04-13259623240802018-10-1059276
10218052018-05-07-1912024242552018-10-2237288
11219802018-05-19-2413225244302018-11-0333300
12221552018-05-31-4414426246052018-11-1512312
13223302018-06-12-6615627247802018-11-27-8324
14225052018-06-2435168-----

新窗口打开| 下载CSV


3.3 GPS数据

用于验证SBAS-InSAR测量精度的GPS数据来自于西宁市南山滑坡体自动化监测项目。为了缓解城区交通压力,西宁市规划设计了凤凰山快速路,快速路穿越南山山体。为保证南山隧道周边建筑和人民生命财产安全,在南山西坡布置了GPS监测站,对南山滑坡体进行自动化变形监测。南山滑坡体位置如图2(a)中黄色方框所示,GPS站点分布如图2(b)所示。

4 数据处理与分析

4.1 SBAS-InSAR数据处理

设置时间基线阈值为50 d,空间垂直基线不大于临界基线的45%,经SARScape软件处理,共获得94幅差分干涉图,干涉图时空基线分布如图3所示,黄色点代表参考主影像,绿色点代表从影像,最小时间基线12 d,最大时间基线48 d,平均时间基线29.4 d。最小绝对垂直基线5.4 m,最大绝对垂直基线191.2 m,平均绝对垂直基线59.6 m。在干涉处理过程中,采用90 m分辨率SrtmV4 DEM去除地形相位。采用欧空局(ESA)精确轨道数据提高影像配准、平地相位去除以及地形相位去除精度。利用Goldstein滤波消除时空失相干噪声。利用最小费用流法对滤波干涉图进行相位解缠。在非形变区选择多个地面参考点对解缠干涉图进行轨道精炼及重去平,消除坡道相位。考虑到处理的稳定性,采用线性形变速率模型估计平均形变速率和高程残余。最终获得2018年1月7日至11月27日间西宁市SAR LOS向地表平均形变速率图,并以相干系数0.35为阈值对形变速率图做掩膜处理,结果如图4所示。图中地面点远离SAR传感器时符号为负,反之为正。

图3

图3   时空基线分布图

Fig.3   Time-spatial baseline distribution


图4

图4   2018年1月7日至11月27日西宁市地表平均形变速率图

Fig.4   The average surface deformation velocity distribution map during January 7,2018 and November 27,2018 of Xining city


4.2 SBAS-InSAR与GPS监测结果比较

为了比较SBAS-InSAR和GPS监测结果,将GPS测得的东向、北向和垂直向位移利用式(9)投影到LOS方向:

dlos=-sinθcos(αh-32π)   -sinθsin(αh-32π)   cosθ·dNdEdUT

其中:dlos为两次SAR成像期间LOS向地表形变,θ为雷达入射角,αh为卫星航向方位角,dN为北向形变,dE为东向形变,dU为垂直形变。如图5所示,黑色方块表示相对于2018年1月7日的SBAS-InSAR累积形变值,红色圆点表示投影到LOS方向、相对于2018年1月7日的GPS累积形变值。表2给出了各点绝对误差和均方根误差统计结果。

图5

图5   2018年1月7日至11月27日监测点LOS向位移变化曲线

Fig.5   Curve graph of radar line of sight of observation point during January 7, 2018 and November 27, 2018


表2   SBAS-InSAR监测结果精度统计

Table 2  The precision statistics of SBAS-InSAR monitoring results (mm)

点号

最大绝对

误差

最小绝对

误差

平均绝对

误差

均方根

误差

D14.070.021.632.03
D23.240.031.051.44
D34.330.622.072.38
D41.610.141.231.52
D53.450.211.141.46
D65.740.441.932.54
D75.050.232.252.63
D880.20.9326.239.01

新窗口打开| 下载CSV


图5表2可以看出,除D8点外,其余7个点上SBAS-InSAR监测结果与同期GPS监测结果基本一致,最大绝对误差不超过6 mm,最小绝对误差不超过0.7 mm,平均绝对误差和均方根误差不超过3 mm,表明SBAS-InSAR技术监测结果精度较高。由于D8点在监测期间发生了快速位移,使得SBAS-InSAR解缠发生错误,所以该点监测精度较低,对于此类发生快速位移的滑坡点,认为其监测精度可以采用如距离向分频辅助相位解缠等方法加以改进25

4.3 西宁地表形变状况分析

图4西宁市地表平均形变速率图可以看出,2018年1月7日至11月27日间,西宁市主城区(图4所示A区)地表平均形变速率集中在-6~4 mm/a之间,形变速率小,无明显形变漏斗,表明该区域地面较为稳定。西宁市主城区周边、沿山一带,如图4中B、C、D、E区,均有不同程度的地表形变发生,且形成5个主要形变区,如图4中Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ。

B形变区位于城北区西北部,该区形变沿G6京藏高速公路分布。其主要形变区Ⅰ位于崖沟内,如图6(a)所示,最大形变速率达-76 mm/a,最大累积形变量达-68 mm。Ⅰ形变区上建有停车场,其下有G6京藏高速和马坊镇密集住宅区,一旦发生滑坡可能导致重大人员伤亡。

图6

图6   主要形变区(Ⅰ、Ⅱ、Ⅲ、Ⅳ)与光学影像叠加结果

Fig.6   The corresponding results of the main deformation region (Ⅰ、Ⅱ、Ⅲ、Ⅳ) with the optical image


C形变区位于城东区南山东侧,该形变区主要沿西宁南绕城高速公路分布。其主要形变区Ⅱ位于曹家沟附近,如图6(b)所示,最大形变速率达 -67 mm/a,最大累积形变量达-59 mm。

D形变区位于城西区和湟中县东部,该形变区沿西塔高速、西宁南绕城高速和宁贵高速公路分布。其主要形变区Ⅲ和Ⅳ分别位于沈家沟和谢家寨村附近,如图6(c)和6(d)所示,最大形变速率分别达-69 mm/a和-76 mm/a,最大累积形变量分别达-61 mm和-67 mm。Ⅲ和Ⅳ区所处位置分别有西宁南绕城高速公路、西塔高速穿过,如果发生滑坡,极易对车辆通行安全造成威胁。

E形变区位于城东区北山西侧,该形变区沿互助北山、G6京藏高速分布。其主要形变区Ⅴ位于西宁火车站附近,如图7所示,最大形变速率达-86 mm/a,最大累积形变量达-78 mm。Ⅴ区所处位置山体陡峭,相对高差接近1 000 m,监测人员难以到达,之前无定量监测数据。本次SBAS-InSAR监测结果估计该滑坡体面积约0.92 km2,一旦发生滑坡将对G6京藏高速和西宁火车站运行安全产生影响。

图7

图7   主要形变区V与光学影像叠加结果

Fig.7   The corresponding results of the main deformation region V with the optical image


图4所示,东北角互助土族自治地区等部分区域形变速率为正,考虑到该地区为高山地区,且形变信号与地形存在明显的相关性,因此分析其可能是地形残余或大气影响导致的误差。

5 结 论

实验采用27景sentinel-1A影像,采用SBAS-InSAR技术,提取了青海省西宁市2018年1月7日至11月27日间地表形变信息。通过与同期GPS实测数据比较,表明SBAS-InSAR精度可达3mm。SBAS-InSAR技术的监测结果表明,西宁市主城区地表形变不明显,沿山滑坡是西宁形变主要形式。其中,西塔高速、西宁南绕城高速、G6京藏高速和西宁火车站路段的地表形变情况值得关注,尤其是西宁火车站附近滑坡灾害点。该点在2018年1月7日至11月27日期间LOS向地表平均形变速率最大可达-86 mm/a,面积约为0.92 km2。由于该点坡度较陡,观测人员难以到达,一直以来缺少定量观测结果。本研究首次获取了该灾害点的定量监测数据,为分析灾害点状况和后续治理提供了有价值的参考。

6 讨论和展望

西宁地区高山多、高差大,地形残余误差和大气延迟误差是影响SBAS-InSAR技术观测精度的重要因素,在后续研究中可以考虑采用更高精度的DEM,并利用外部气象数据,如采用经过DLCM模型校正后的MODIS红外水汽产品26、GACOS(Generic Atmospheric Correction Online Service for InSAR)数据27等对大气延迟误差进行校正,从而提高观测精度。与GPS监测数据对比认为,利用SBAS-InSAR技术能够获取高精度的时间序列上地表形变位移信息,但是其结果属于雷达视线(LOS)向的一维形变,而实际上地表形变是发生在三维空间框架下的,属于三维形变,仅监测一个方向的形变难以完全反映监测区域的真实地表形变情况。因此,在后续研究中考虑使用多源、多平台的数据和形变监测手段28-30,结合方差分量估计等方法构建三维地表形变解算模型31-33,获取研究区三维地表形变信息,达到更加准确地反演其地表三维形变特征的效果。

参考文献

Sun Yi.

The development characteristics and stability analysis of xining loess landslide——taking the Xiaoyoushan landslide as example

[D].Xi’anChang’an University2013.

[本文引用: 1]

孙毅.

西宁市黄土滑坡发育特征及稳定性分析——以小酉山滑坡为例

[D].西安长安大学2013.

[本文引用: 1]

Wei GangYin ZhiqiangShi Liqunet al.

The development charact-eristics and stability analysis of Lin Jiara landslides in Beishan region,Xining

[J].Geology and Resources,2015242):146-151.

[本文引用: 1]

魏刚殷志强史立群.

西宁市北山地区林家崖滑坡发育特征及稳定性分析

[J].地质与资源,2015242):146-151.

[本文引用: 1]

Xin PengWang TaoWu Shuren.

A study of the formation mech-anism of caizigou large-scale translational gliding landslide in neogene mudstone basin of Xining-Minhe,Qinghai Province

[J].Journal of Earth,2018393):342-350.

[本文引用: 1]

辛鹏王涛吴树仁.

青海西宁—民和新近纪泥岩盆地菜子沟大型平推式滑坡形成机制研究

[J].地球学报,2018393):342-350.

[本文引用: 1]

Wang Aiguo.

Data fusing method of land subsidence monitoring based on leveling and InSAR

[J].Science of Surveying and Map-ping,2015404):121-125.

[本文引用: 1]

王爱国.

运用水准和InSAR的地面沉降监测数据融合方法

[J].测绘科学,2015404):121-125.

[本文引用: 1]

Zhang XinqingXie RonganDai Wujiaoet al.

Research and realiz-ation of high spatiotemporal resolution ground subsidence monitoring system

[J].Bulletin of Surveying and Mapping,20157):68-71.

[本文引用: 1]

张杏清谢荣安戴吾蛟.

高时空分辨率地面沉降监测体系研究与实现

[J].测绘通报,20157):68-71.

[本文引用: 1]

Zhu JianjunLi ZhiweiHu Jun.

Research progress and methods of in SAR for deformation monitoring

[J]. Acta Geodaeti-ca et Carto-graphica Sinica,20174610):1717-1733.

[本文引用: 1]

朱建军李志伟胡俊.

InSAR变形监测方法与研究进展

[J].测绘学报,20174610):519-535.

[本文引用: 1]

Colesanti CFerretti APrati Cet al.

Monitoring landslides and tectonic motions with the permanent scatterers technique

[J].Engineering Geology,2003681):3-14.DOI:10.1016/S0013-7952(02)00195-3.

[本文引用: 1]

Berardino PFornaro GLanari Ret al.

A new algorithm for surfa-ce deformation monitoring based on small baseline differential SAR interferograms

[J].IEEE Transactions on Geoscience & Remote Sensing,20034011):2375-2383.DOI:10.1109/TGRS.2002.803792.

[本文引用: 1]

Xu W BLi Z WDing X Let al.

Application of small baseline subsets D-InSAR technology to estimate the time series land deformation and aquifer storage coefficients of los Angeles Area

[J].Chinese Journal of Geophysics-Chinese Edition2012552):452-461.DOI:10.6038/j.issn.0001-5733.2012.02.009.

[本文引用: 1]

Nikolaos LPrashanth R MKosmas Pet al.

Ground subsidence monitoring with SAR interferometry techniques in the rural area of Al Wagan,UAE

[J].Remote Sensing of Environment,2018216276-288.DOI:10.1016/j.rse.2018.07.001.

Ge DaqingDai KerenGuo Zhaochenget al.

Early identification of serious geological hazards with integrated remote sensing technologies: thoughts and recommendations

[J].Geomatics and Information Science of Wuhan University,2019447):949-956.

葛大庆戴可人郭兆成.

重大地质灾害隐患早期识别中综合遥感应用的思考与建议

[J].武汉大学学报(信息科学版),2019447):949-956.

Shi GulinXu LangZhang Xuanyuet al.

Monitoring time series deformation of Xi Shancun landslide with SBAS-InSAR

[J].Science of Surveying and Mapping,2021462):93-98105.

[本文引用: 1]

石固林徐浪张璇钰.

西山村滑坡时序形变的SBAS-InSAR监测

[J].测绘科学,2021462):93-98105.

[本文引用: 1]

Liu PLi Z HHoey Tet al.

Using advanced in SAR time series techniques to monitor landslide movements in ba dong of the Three Gorges region,China

[J].International Journal of Applied Earth Observations and Geoinformation,201321253-264.DOI:10.1016/j.jag.2011.10.010.

[本文引用: 1]

Zhao C YKang YZhang Qet al.

Landslide identification and monitoring along the Jinsha river catchment (Wudongde reservoir area),China,using the InSAR method

[J].Remote Sensing,2018107):993.DOI:10.3390/rs10070993.

[本文引用: 1]

Zhao F MMeng X MZhang Yet al.

Landslide suseptibility mapping of Karakorum highway combined with the application of SBAS-InSAR technology

[J].Sensors,201912):2685.DOI:10.3390/s19122685.

[本文引用: 1]

Dai KerenZhuo GuanchenXuqianget al.

Tracing the pre-failure two-dimensional surface displacements of Nanyu landslide,Gansu province with Radar interferometry

[J].Geomatics and Information Science of Wuhan University,20194412):1778-17861796.

[本文引用: 1]

戴可人卓冠晨许强.

雷达干涉测量对甘肃南峪乡滑坡灾前二维形变追溯

[J].武汉大学学报(信息科学版),20194412):1778-17861796.

[本文引用: 1]

Zhao BaoqiangHan ShoufuBai Yanpinget al.

Application of time-series InSAR technique in large scale landslide monitoring

[J].Technology Innovation and Application,20191):21-24.

[本文引用: 1]

赵宝强韩守富白艳萍.

时序InSAR技术在大型滑坡监测中的应用

[J].科技创新与应用,20191):21-24.

[本文引用: 1]

Zhang YanmeiWang PingLuo Xianget al.

Monitoring Xi'an land subsidence using Sentinel-1 images and SBAS-InSAR technology

[J].Bulletin of Surveying and Mapping,20174):93-97

[本文引用: 1]

张艳梅王萍罗想.

用Sentinel-1数据和SBAS-InSAR技术监测西安地表沉降

[J].测绘通报,20174):93-97.

[本文引用: 1]

Xiufeng HenHe Min.InSAR technology of earth observation data progressing and comprehensive measurement[M].BeijingScience Press2012180-183.

[本文引用: 1]

何秀凤何敏.InSAR对地观测数据处理方法与综合测量[M].北京科学出版社2012180-183.

[本文引用: 1]

Wu limeiJin LihuaJi Wandong.

Monitoring ground subsidence in southwestern Shandong based on SBAS technology

[J].Bulletin of Surveying and Mapping,20191):108-113.

[本文引用: 1]

武丽梅金丽华季碗栎.

结合SBAS技术的鲁西南地区地面沉降监测

[J].测绘通报,20191):108-113.

[本文引用: 1]

Yang ZhenXu Jia.

Monitoring the land subsidence in Hexi area of Nanjing by using Sentinel-

1A[J]. Bulletin of Surveying and Mapping,20201):61-6575.

[本文引用: 1]

杨振徐佳.

利用Sentinel-1A数据监测南京河西地区地面沉降

[J].测绘通报,20201):61-6575.

[本文引用: 1]

Lan QinlongZou Jingui.

Application of SBAS technology in ground settlement monitoring——taking Wuhan city as an example

[J].Bulletin of Surveying and Mapping,2018S1):278-282.

[本文引用: 1]

蓝秦隆邹进贵.

SBAS技术在地面沉降监测中的应用——以武汉市为例

[J].测绘通报,2018():278-282.

[本文引用: 1]

Fu YanWang JianhuiYang Bing.

Monitoring the surface subsidence in the urban region with SBAS-InSAR technique

[J].Geomatics World,2019262):110-115.

[本文引用: 1]

符彦王剑辉杨斌.

基于升降轨SBAS-InSAR技术的城市地区地表沉降监测

[J].地理信息世界,2019262):110-115.

[本文引用: 1]

Jiang ChenHuo AidiZhu Xinghuaet al.

Research status of loess hydraulic Erosion-Landslide-Mudflow Chain

[J].Journal of Natural Disasters,2019281):38-43.

[本文引用: 1]

姜程霍艾迪朱兴华.

黄土水力侵蚀—滑坡—泥流灾害链的研究现状

[J].自然灾害学报,2019281):38-43.

[本文引用: 1]

Luo H BLi Z HChen J Jet al.

Integration of range split spectrum interferometry and conventional InSAR to monitor large gradient surface displacements

[J].International Journal of Applied Earth Observations and Geoinformation,201974130-137.DOI:/10.1016/j.jag.2018. 09.004.

[本文引用: 1]

Chang LiangGuo LixinFeng Guiping.

Calibration of MODIS water vapor product at infrared band and its application to InSAR atmospheric correction

[J].Journal of Geodesy and Geodynamics,2016361):47-51.

[本文引用: 1]

常亮郭立新冯贵平.

MODIS红外水汽校正及其在InSAR大气改正中的应用

[J].大地测量与地球动力学,2016361):47-51.

[本文引用: 1]

Li Z WCao Y MWei J Cet al.

Time-series InSAR ground deformation monitoring: atmospheric delay modeling and estimating

[J].Earth-Science Reviews,2019192258-284.DOI:10.1016/j.earscirev.2019.03.008.

[本文引用: 1]

Wang Z WYu S WTao Q Xet al.

A method of monitoring three-dimensional ground displacement in mining areas by integrating multiple InSAR methods

[J].International Journal of Remote Sensing.2018394):1199-1219.DOI:10.1080/01431161.2017.1399473.

[本文引用: 1]

Ao MengZhang LuLiao Mingshenget al.

Deformation monitoringwith adaptive integration of multi-source InSAR data based on variance component estimation

[J]. Chinese Journ-al of Geophysics,2020638):2901-2911.

敖萌张路廖明生

基于方差分量估计的多源InSAR数据自适应融合形变测量

[J].地球物理学报,2020638):2901-2911.

Ma Yange.

Establishment of three-dimensional surface deformation field by GPS-InSAR data fusion

[D].Xi’anChang’ an Univers-ity2019.马艳鸽.基于GPS-InSAR数据融合的地表三维形变场获取方法研究[D].西安:长安大学,2019.

[本文引用: 1]

Hu JLi Z WSun Qal et

Three-dimensional surface displ-acements from InSAR and GPS measurements with variance component estimation

[J].IEEE Geoscience and Remote Sensing Letters,201294):754-758.DOI:10.1109/LGRS. 2011.2181154.

[本文引用: 1]

Cao HaikunZhao LihuaZhang Qinet al.

Ascending and descending orbits InSAR-GPS data fusion method with additional systematic parameters for Three-dimensional deformation field

[J].Geo-matics and Information Science of Wuhan University,2018439):1362-1368.

曹海坤赵丽华张勤.

利用附加系统误差参数的升降轨InSAR-GPS数据融合方法建立三维形变场

[J].武汉大学学报信息科学版,2018439):1362-1368.

Samsonov S.

Three-dimensional deformation time series of glacier motion from multiple-aperture DInSAR observation

[J].Journal of Geodesy,2019932651-2660.DOI:10.1007/s00190-019-01325-y.

[本文引用: 1]

/