利用多传感器SAR数据集监测城市地面沉降

doi:10.13474/j.cnki.11-2246.2021.0179

测绘通报 ›› 2021, Vol. 0 ›› Issue (6): 71-75.doi: 10.13474/j.cnki.11-2246.2021.0179

利用多传感器SAR数据集监测城市地面沉降

祝昕刚, 李更尔

广东省地质测绘院, 广东广州 510800

收稿日期:2021-04-16 修回日期:2021-04-22 发布日期:2021-06-28
作者简介:祝昕刚(1971—),男,高级工程师,从事工程测量、地理信息系统工程、不动产测绘、生产技术管理、测绘产品质检等工作。E-mail:327692975@qq.com

Urban land subsidence monitoring using multi-sensor SAR datasets

ZHU Xingang, LI Geng’er

Geology Surveying and Mapping Institute of Guangdong, Guangzhou 510800, China

Received:2021-04-16 Revised:2021-04-22 Published:2021-06-28

摘要/Abstract

摘要： 在过去的几十年中，洛杉矶由于自然灾害、城市建设、地下水开采和石油开采等人为因素而发生了严重的地表变形。本文的目的是绘制洛杉矶地表形变速率分布图，并使用改进的小基线集（SBAS）技术和多传感器SAR数据集，分析该地区2003年10月至2017年10月的形变原因。同时，将SBAS反演的变形结果、GPS测量结果和多传感器SAR数据集的变形结果进行了比较，结果高度一致。结果显示，2003—2017年，洛杉矶多个地区发生沉降抬升，最大累计沉降量为-266.8 mm，年平均沉降速度为-19 mm/a，主要是由地下水过度开采造成的。最大累计抬升量为104.8 mm，年平均抬升速度可达7.5 mm/a。该研究结果具有良好的实际应用价值，可为当地政府的防灾减灾提供重要依据。

关键词: SBAS, 多传感器SAR数据, 地表变形, 地面沉降

Abstract: In the past few decades, Los Angeles has occurred severe surface deformation due to human factors such as natural disasters, urban construction, groundwater extraction and oil extraction. The purpose of this study is to map the distribution of surface deformation rates in Los Angeles, and use improved SBAS (small baseline set) technology and multi-sensor SAR data sets to analyze the causes of deformation in the area from October 2003 to October 2017. At the same time, the deformation results of SBAS inversion, GPS measurement results and the deformation results of the multi-sensor SAR data set are compared, and the results are highly consistent. The results show that between 2003 and 2017, settlement and uplift occurred in many areas of Los Angeles. The maximum cumulative settlement was -266.8 mm, and the annual average settlement rate was -19 mm/a, which was mainly caused by the excessive exploitation of groundwater. The maximum cumulative up lift was 104.8 mm, and the annual average uplift speed could reach 7.5 mm/a. The research results have good practical application value and can provide an important basis for the local government’s disaster prevention and mitigation.

Key words: SBAS, multi-sensor SAR data, ground deformation, land subsidence

中图分类号:

P258

祝昕刚, 李更尔. 利用多传感器SAR数据集监测城市地面沉降[J]. 测绘通报, 2021, 0(6): 71-75.

ZHU Xingang, LI Geng’er. Urban land subsidence monitoring using multi-sensor SAR datasets[J]. Bulletin of Surveying and Mapping, 2021, 0(6): 71-75.

参考文献

[1] 杨主恩, 黄建发. 洛杉矶北岭地震考察及地质构造背景[C]//中国地震学会第五次学术大会论文摘要集. 北京:[s.n.],1994.
[2] 雷坤超, 罗勇, 陈蓓蓓,等. 北京平原区地面沉降分布特征及影响因素[J]. 中国地质, 2016, 43(6):2216-2228.
[3] 乔书波,李金岭,孙付平,等. InSAR技术现状与应用[J]. 天文学进展,2003(1):11-25.
[4] MANZO M, FIALKO Y, CASU F, et al. A quantitative assessment of DInSAR measurements of interseismic deformation: the southern San Andreas Fault case study[J]. Pure and Applied Geophysics, 2012, 169(8):1463-1482.
[5] 王霞迎, 赵超英, 尹慧芳. 地表形变时间序列InSAR监测法综述[J]. 地球物理学进展, 2018, 33(4):1430-1437.
[6] 侯安业, 张景发, 刘斌,等. PS-InSAR与SBAS-InSAR监测地表沉降的比较研究[J]. 大地测量与地球动力学, 2012, 32(4):125-128.
[7] 胡乐银. 应用InSAR时序分析方法监测断层活动性研究[D]. 青岛:山东科技大学, 2010.
[8] 刘亚岚, 王世新, 魏成阶,等. 利用星载SAR快速监测评估我国的洪涝灾害[J]. 遥感信息, 2000(1):32-35.
[9] 许文斌, 李志伟, 丁晓利,等. 利用InSAR短基线技术估计洛杉矶地区的地表时序形变和含水层参数[J]. 地球物理学报, 2012, 55(2):452-461.
[10] 左荣虎, 屈春燕, 张国宏,等. 基于Sentinel-1A数据获取美国纳帕M_W6.1地震同震形变场及断层滑动反演[J]. 地震地质, 2016, 38(2):278-289.
[11] HU J, DING X L, LI Z W, et al. Vertical and horizontal displacements of Los Angeles from InSAR and GPS time series analysis: resolving tectonic and anthropogenic motions[J]. Journal of Geodynamics, 2016, 99:27-38.
[12] BERARDINO P, FORNARO G, LANARI R, et al. A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms[J]. IEEE Transactions on Geoscience & Remote Sensing, 2002, 40(11):2375-2383.
[13] LANARI R, CASU F, MANZO M, et al. Application of the SBAS-DInSAR technique to fault creep: a case study of the Hayward fault, California[J]. Remote Sensing of Environment, 2007, 109(1):20-28.
[14] 向源君, 崔兴洁, 王冰,等. 时序DInSAR技术发展综述[J]. 地矿测绘, 2019(2):70-71.
[15] 高鑫. InSAR误差分析与图像配准、相位解缠关键技术研究[D]. 北京:中国科学院遥感应用研究所, 2003.
[16] 廖明生, 林珲, 张祖勋,等. INSAR干涉条纹图的复数空间自适应滤波[J]. 遥感学报, 2003, 7(2):98-105.

利用多传感器SAR数据集监测城市地面沉降

Urban land subsidence monitoring using multi-sensor SAR datasets

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	葛鹏飞, 刘辉, 陈蜜, 李昱, 丁瑞力, 刘菲. 时序InSAR监测京雄城际铁路河北段地面沉降[J]. 测绘通报, 2022, 0(7): 64-70.
[2]	兰进京, 曲逸穹, 都伟冰, 高鑫, 马丹丹, 郑岩超. 典型矿业城市地表形变遥感监测及沉降特征分析[J]. 测绘通报, 2022, 0(6): 98-103.
[3]	周定义, 左小清, 喜文飞, 肖波, 刘馨雨. 顾及大气误差和相位解缠误差的LiCSBAS方法对高山峡谷地区地质灾害的探测[J]. 测绘通报, 2022, 0(6): 114-120147.
[4]	张家勇, 邹银先, 刘黔云, 张楠, 龚伟, 李康伦. 利用时序InSAR进行毕节市潜在滑坡识别与形变监测[J]. 测绘通报, 2022, 0(6): 121-124.
[5]	曾学宏, 赵义花. 利用SBAS-InSAR技术分析西宁市地面沉降监测及驱动因素[J]. 测绘通报, 2022, 0(6): 137-142.
[6]	张玉鹏, 张永红, 刘青豪. 利用GRACE数据进行京津冀地区地面沉降与地下水耦合分析[J]. 测绘通报, 2022, 0(5): 89-94,125.
[7]	逯中香, 樊彦国, 李国胜. 利用稀少卫星影像控制点生产1:10 000 DOM——以阿拉善盟测区为例[J]. 测绘通报, 2022, 0(3): 138-142,156.
[8]	李冰峰, 李更尔, 那静, 涂梨平, 范军林, 吴洋. 利用SBAS时序技术识别地热资源开采引起的地表形变[J]. 测绘通报, 2022, 0(2): 43-49.
[9]	黄佳宾, 郭云开, 罗伟茂. 利用Sentinel-1监测武汉市地面沉降[J]. 测绘通报, 2021, 0(9): 53-58.
[10]	章诗芳, 张锦. 卡尔曼滤波在山西省西山煤田地面沉降GNSS监测中的应用[J]. 测绘通报, 2021, 0(9): 103-107.
[11]	王建业, 梁小龙, 金喜, 白泽朝, 齐二恒. 黄土填方区地表沉降时序InSAR监测分析[J]. 测绘通报, 2021, 0(8): 158-161.
[12]	翁昌凯, 肖添. SBAS技术支持下的临沧市地表时序形变分析[J]. 测绘通报, 2021, 0(7): 81-85.
[13]	祝昕刚, 明生. 时序InSAR技术应用于高压输电线路附近的地表形变灾害防控[J]. 测绘通报, 2021, 0(7): 92-97.
[14]	吴绿川, 王剑辉, 符彦. 基于InSAR技术和光学遥感的贵州省滑坡早期识别与监测[J]. 测绘通报, 2021, 0(7): 98-102.
[15]	黄俊松, 张春有, 王剑辉. 利用时序InSAR技术监测嵩明县地表形变[J]. 测绘通报, 2021, 0(7): 103-106,116.