利用时序InSAR进行毕节市潜在滑坡识别与形变监测

doi:10.13474/j.cnki.11-2246.2022.0183.

测绘通报 ›› 2022, Vol. 0 ›› Issue (6): 121-124.doi: 10.13474/j.cnki.11-2246.2022.0183.

利用时序InSAR进行毕节市潜在滑坡识别与形变监测

张家勇¹, 邹银先¹, 刘黔云¹, 张楠¹, 龚伟¹, 李康伦²

1. 贵州省地质环境监测院, 贵州贵阳 550001;
2. 武汉工程大学, 湖北武汉 430205

收稿日期:2021-08-16 发布日期:2022-06-30
通讯作者: 邹银先。E-mail:812526840@qq.com
作者简介:张家勇(1981-),男,硕士,教授级高级工程师,研究方向为地质灾害防治、地质环境大数据分析应用与可视化。E-mail:75766880@qq.com
基金资助:
贵州省提升地质灾害监测预警科技能力行动方案(GZMC-ZG201910003)

Potential landslides deformation monitoring in Bijie city with InSAR time series

ZHANG Jiayong¹, ZOU Yinxian¹, LIU Qianyun¹, ZHANG Nan¹, GONG Wei¹, LI Kanglun²

1. Guizhou Geological Environment Monitoring Institute, Guiyang 550001, China;
2. Wuhan Institute of Technology, Wuhan 430205, China

Received:2021-08-16 Published:2022-06-30

摘要/Abstract

摘要： 贵州省是全国地质灾害多发、频发最为严重的省份之一,还具有很强的隐蔽性、突发性和不可预见性。为加强贵州纳雍、黔西两县级区域内潜在滑坡的监测与评估,本文利用2017年3月—2020年7月Sentinel-1 SAR数据基于SBAS-InSAR技术获取了纳雍、黔西两县级区域内的时序形变结果。结果表明,在研究区域内共发现60处疑似滑坡点,在监测时段内,滑坡最大累积形变量达23 cm。最终通过区域内的滑坡点进行实际踏勘,表明本文方法可为贵州省地质灾害防治和管理等工作提供参考。

关键词: 滑坡形变, 形变监测, InSAR, SBAS-InSAR, 贵州省

Abstract: Guizhou province is one of the provinces with frequent and most serious geological disasters in China, featured with strong concealment, abruptness and unpredictability. In order to strengthen the monitoring and evaluation of potential landslides in Nayong and Qianxi county, the surface deformation of Nayong and Qianxi county are obtained using Sentinel-1 SAR data from March 2017 to July 2020 and SBAS-InSAR technology. The results show that a total of 60 suspected landslide locations are found in the study area, and the maximum cumulative deformation variable of landslide is up to 23 cm in the monitoring time. Through the field survey of landslide locations in the study region, it shows that this method can provide reference for the prevention and management of geological disasters in Guizhou province.

Key words: landslide deformation, deformation monitoring, InSAR, SBAS-InSAR, Guizhou province

中图分类号:

P237

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.

ZHANG Jiayong, ZOU Yinxian, LIU Qianyun, ZHANG Nan, GONG Wei, LI Kanglun. Potential landslides deformation monitoring in Bijie city with InSAR time series[J]. Bulletin of Surveying and Mapping, 2022, 0(6): 121-124.

参考文献

[1] 李晓恩,周亮,苏奋振,等.InSAR技术在滑坡灾害中的应用研究进展[J].遥感学报,2021,25(2):614-629.
[2] 廖明生,董杰,李梦华,等.雷达遥感滑坡隐患识别与形变监测[J].遥感学报, 2021, 25(1):332-341.
[3] 李媛茜,张毅,苏晓军,等.白龙江流域潜在滑坡InSAR识别与发育特征研究[J].遥感学报, 2021, 25(2):677-690.
[4] 殷跃平,吴树仁.滑坡监测预警与应急防治技术研究[M].北京:科学出版社, 2012.
[5] 郭华东.雷达对地观测理论与应用[M].北京:科学出版社, 2000.
[6] 郭华东,张露.雷达遥感六十年:四个阶段的发展[J].遥感学报, 2019, 23(6):1023-1035.
[7] WASOWSKI J, BOVENGA F. Investigating landslides and unstable slopes with satellite multi temporal interferometry:current issues and future perspectives[J]. Engineering Geology, 2014, 174:103-138.
[8] 廖明生,张路,史绪国.滑坡变形雷达遥感监测方法与实践[M].北京:科学出版社, 2017.
[9] 朱同同,史绪国,周超,等.利用2016-2020年Sentinel-1数据监测与分析三峡库区树坪滑坡稳定性[J].武汉大学学报(信息科学版), 2021(10):1560-1568.
[10] CARLÀ T, INTRIERI E, RASPINI F, et al. Perspectives on the prediction of catastrophic slope failures from satellite InSAR[J]. Scientific Reports, 2019, 9:14137.
[11] HU X, BVRGMANN R, SCHULZ W H, et al. Four-dimensional surface motions of the Slumgullion landslide and quantification of hydrometeorological forcing[J]. Nature Communications, 2020, 11:2792.
[12] 窦超,赵利江,张生鹏,等.利用InSAR数据的格尔木市地表沉降监测[J].测绘通报, 2020(10):123-126.
[13] 曹发伟,廖维谷. SBAS技术在矿区地面沉降监测中的应用[J].测绘通报, 2021(3):156-158.
[14] 刘朋俊,张璐,陈元申,等.南水北调中线湿陷性黄土区InSAR时序分析[J].人民长江, 2020,51(6):125-128.

[1]	周志伟, 程翔, 周伟, 郝卫峰, 肖海斌, 陈鸿杰, 杨魁. 地基SAR在滑坡形变监测中的应用[J]. 测绘通报, 2022, 0(7): 60-63.
[2]	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.
[3]	史健存, 杨泽发, 吴立新. 优化先验模型参数的矿区多轨InSAR三维形变监测[J]. 测绘通报, 2022, 0(7): 71-77.
[4]	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.
[5]	朱邦彦, 唐超, 任志忠, 马状, 张琪, 李云. 基于PS-InSAR技术的珠海市地表形变监测与驱动力分析[J]. 测绘通报, 2022, 0(6): 108-113.
[6]	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.
[7]	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.
[8]	李佳豪, 周吕, 马俊, 杨飞, 咸凌霄. 利用PS-InSAR技术进行城市地铁沿线形变监测与机理分析[J]. 测绘通报, 2022, 0(4): 20-25.
[9]	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.
[10]	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.
[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.

利用时序InSAR进行毕节市潜在滑坡识别与形变监测

Potential landslides deformation monitoring in Bijie city with InSAR time series

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