基于SBAS-InSAR技术的广州市白云区长时序地表形变监测与成因分析

doi:10.13474/j.cnki.11-2246.2023.0124

测绘通报 ›› 2023, Vol. 0 ›› Issue (4): 167-171.doi: 10.13474/j.cnki.11-2246.2023.0124

基于SBAS-InSAR技术的广州市白云区长时序地表形变监测与成因分析

丁伟¹, 陈展鹏¹, 许兵², 冯志雄¹

1. 广州市城市规划勘测设计研究院, 广东广州 510000;
2. 中南大学地球科学与信息物理学院, 湖南长沙 410000

收稿日期:2022-09-06 发布日期:2023-04-25
作者简介:丁伟(1984—),男,硕士,高级工程师,研究方向为InSAR技术及应用。E-mail:278861708@qq.com
基金资助:
SAR技术在城市建筑监测和地表形变监测中的应用(2020科研(测)01)

Long time-series of surface deformation monitoring and cause analysis in Baiyun district,Guangzhou base on SBAS-InSAR technology

DING Wei¹, CHEN Zhanpeng¹, XU Bing², FENG Zhixiong¹

1. Guangzhu Urban Planning & Design Survey Research Institute, Guangzhou 510000, China;
2. School of Geosciences and Info-physics, Central South University, Changsha 410000, China

Received:2022-09-06 Published:2023-04-25

摘要/Abstract

摘要： 随着我国城市化进程的推进,城市区域人类活动越来越密集,如地下水开采和地下工程等,导致地表发生沉降,影响人们的生活。为了确保城市健康稳定发展,开展城区大范围地面沉降监测具有重要意义。本文利用SBAS-InSAR技术对广州市白云区2016年2月—2022年3月获取的176景Sentinel-1 SAR影像进行处理,得到了该区域的平均形变速率和时序形变。同时,结合历史光学影像和现场调查对研究区域内的形变原因进行了分析。结果表明,形变主要与当地的地质条件、垃圾生化降解和人类活动(如建构筑物施工等)有关,最大形变速率超过40 mm/a,最大累计形变量超过350 mm。本文研究可为城市区域的地面沉降监测和成因分析提供参考。

关键词: SBAS-InSAR, 地表形变, 白云区, Sentinel-1

Abstract: With the advancement urbanization, the human activities, such as ground water extraction and underground project, become increasingly intensive in cities, resulting in surface subsidence, which influences people's life. To ensure the healthy and stable development of the city, it is of great significance to carry out large-scale land subsidence monitoring in urban areas. This paper uses SBAS-InSAR technology to process 176 Sentinel-1 SAR images of Baiyun district, Guangzhou, acquired from February 2016 to March 2022, and obtains the annual average deformation rate and time-series of deformation. We analyzes the causes of deformation in the study area by combining historical optical images and field investigations. The results show that the deformation is mainly related to local geological conditions, biological and chemical degradation of garbage and human activities. The maximum deformation rate exceeds 40 mm/a, and the maximum cumulative deformation exceeds 350 mm. The research provides a reference for land subsidence monitoring and cause analysis in urban areas.

Key words: SBAS-InSAR, land deformation, Baiyun district, Sentinel-1

中图分类号:

P258

丁伟, 陈展鹏, 许兵, 冯志雄. 基于SBAS-InSAR技术的广州市白云区长时序地表形变监测与成因分析[J]. 测绘通报, 2023, 0(4): 167-171.

DING Wei, CHEN Zhanpeng, XU Bing, FENG Zhixiong. Long time-series of surface deformation monitoring and cause analysis in Baiyun district,Guangzhou base on SBAS-InSAR technology[J]. Bulletin of Surveying and Mapping, 2023, 0(4): 167-171.

参考文献

[1] 付垚. 基于Sentinel-1A数据的成都市中心城区地表形变研究[D]. 成都:电子科技大学, 2018.
[2] 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(6):137-142.
[3] 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,2017,46(10):1717-1733.
[4] FERRETTI A,PRATI C,ROCCA F. Permanent scatterers in SAR interferometry[C]//Proceedings of 1999 IEEE International Geoscience and Remote Sensing Symposium. Hamburg:IEEE,2002.
[5] 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 and Remote Sensing,2002,40(11):2375-2383.
[6] 李珊珊,李志伟,胡俊,等. SBAS-InSAR技术监测青藏高原季节性冻土形变[J]. 地球物理学报,2013,56(5):1476-1486.
[7] 龚翔,许强,蒲川豪,等.兰州新区平山造城工后地表形变InSAR时序监测与分析[J/OL].武汉大学学报(信息科学版):1-16[2022-07-20].DOI:10.13203/j.whugis20210553.
[8] 杨帆,巩世彬,陈梓萌. 时序InSAR技术对大连主城区沉降分析[J]. 测绘工程,2022,31(3):61-67.
[9] 张双成,张雅斐,司锦钊,等.南水进京后升降轨InSAR解译北京地面沉降发展态势[J/OL].武汉大学学报(信息科学版):1-15[2022-08-30].DOI:10.13203/j.whugis20210554.
[10] 向淇文,郭金城,汪娟,等.时序InSAR在贵州区域地质灾害隐患识别的应用[J/OL].测绘科学:1-9[2022-08-30]. http://kns.cnki.net/kcms/detail/11.4415.P.20220718.1146.002.html.
[11] 葛伟丽,李元杰,张春明,等. 基于InSAR技术的内蒙古巴彦淖尔市地面沉降演化特征及成因分析[J]. 水文地质工程地质,2022,49(4):198-206.
[12] WANG H Q,FENG G C,XU B,et al. Deriving spatio-temporal development of ground subsidence due to subway construction and operation in delta regions with PS-InSAR data:a case study in Guangzhou,China[J]. Remote Sensing,2017,9(10):1004.
[13] 麦凤霞. 广州市白云区土地利用优化对策研究[D].兰州:兰州大学,2021.
[14] 王会强,冯光财,喻永平,等.基于C波段和L波段的SBAS-InSAR技术监测广州地面沉降[J].测绘工程,2016,25(11):60-64.
[15] NG A H M,WANG H,DAI Y,et al. InSAR reveals land deformation at Guangzhou and Foshan,China between 2011 and 2017 with COSMO-SkyMed data[J]. Remote Sensing,2018,10(6):813.
[16] TORRES R,SNOEIJ P,GEUDTNER D,et al. GMES Sentinel-1 mission[J]. Remote Sensing of Environment,2012,120:9-24.
[17] 刘疆鹰,徐迪民,赵由才,等. 城市垃圾填埋场的沉降研究[J]. 土壤与环境,2002,11(2):111-115.
[18] 袁丁,徐桂林,王敬华,等.李坑垃圾场变身大草场[N]. 南方日报,2006-03-21(B03).

基于SBAS-InSAR技术的广州市白云区长时序地表形变监测与成因分析

Long time-series of surface deformation monitoring and cause analysis in Baiyun district,Guangzhou base on SBAS-InSAR technology

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]	潘建平, 蔡卓言, 赵瑞淇, 付占宝, 袁雨馨. 基于InSAR和GRU神经网络的不稳定斜坡地表形变预测[J]. 测绘通报, 2023, 0(3): 33-38.
[2]	王润泽, 费敏, 梁世川, 薛豪威, 楼晓. 基于SBAS-InSAR技术监测西安市地表形变特征[J]. 测绘通报, 2023, 0(1): 173-178.
[3]	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.
[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]	许广河, 何小锋, 王国瑞, 扈志勇, 程霞, 李小琼. 黄河流域宁夏(西吉县)段滑坡灾害的InSAR识别及成因分析[J]. 测绘通报, 2022, 0(6): 104-107.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	朱智富, 甘淑, 张荐铭, 袁希平, 王睿博, 张晓伦. 结合SBAS-InSAR技术及信息熵的苍山地质滑坡隐患识别[J]. 测绘通报, 2022, 0(11): 13-19.
[11]	喜文飞, 赵子龙, 李国柱, 周定义, 杨正荣. SBAS-InSAR技术与无人机影像融合的滑坡变形监测[J]. 测绘通报, 2022, 0(10): 1-6.
[12]	黄龙, 孙倩, 胡俊. 基于InSAR与随机森林的滑坡敏感性评价与误差改正[J]. 测绘通报, 2022, 0(10): 13-20.
[13]	严夏青, 金双根, 黄敏敏. 基于Sentinel-1的长江干流水域面积动态变化遥感监测[J]. 测绘通报, 2022, 0(1): 33-38.
[14]	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.
[15]	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.