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

doi:10.13474/j.cnki.11-2246.2022.0092

测绘通报 ›› 2022, Vol. 0 ›› Issue (3): 138-142,156.doi: 10.13474/j.cnki.11-2246.2022.0092

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

逯中香, 樊彦国, 李国胜

中国石油大学(华东)海洋与空间信息学院, 山东青岛 266580

收稿日期:2021-04-12 修回日期:2021-07-07 出版日期:2022-03-25 发布日期:2022-04-01
通讯作者: 樊彦国。E-mail:ygfan@upc.edu.cn
作者简介:逯中香(1996-),女,硕士生,主要研究方向为遥感应用。E-mail:luomoabc123@163.com
基金资助:
山东省重点研发计划(2019GHY112017)

Monitoring of surface deformation along the Qinghai-Tibet Railway with the time series InSAR technology

LU Zhongxiang, FAN Yanguo, LI Guosheng

LU Zhongxiang, FAN Yanguo, LI Guosheng

Received:2021-04-12 Revised:2021-07-07 Online:2022-03-25 Published:2022-04-01

摘要/Abstract

摘要： 青藏铁路沿线地表受多年冻土的影响会产生抬升和沉降,形变监测对于其安全运行至关重要。本文采用41景C波段Sentinel-1A升轨数据,结合均匀网格划分子区域的方法,探测分布相对均匀的永久散射体,以作为SBAS InSAR技术的地面控制点,对青藏线羊八井站至乌玛塘站段铁路及其沿线地表进行形变监测。试验结果表明,该段铁路年形变速率范围为-8~2 mm/a,该区域形变受周围冻土的影响随季节呈周期性变化;SBAS InSAR技术和本文的PS-SBAS InSAR技术在同名点形变趋势与形变程度方面的对比结果保持一致性,进一步说明了本文方法的可靠性。

关键词: PS-SBAS InSAR;时序分析;形变监测;周期性变化

Abstract: The ground surface along the Qinghai-Tibet Railway is affected by permafrost,which will cause uplift and subsidence,so deformation monitoring is very important for its safe operation.The 41 scenes of C-band Sentinel-1A ascending data are used,combined with the relatively uniformly distributed permanent scatterers detected by the sub-region division method,as the ground control point of the SBAS InSAR technology to monitor the surface deformation of the railway from Yangbajing Station to Wumatang Station.The experimental results show that the annual deformation rate of this section of the railway is between-8 mm/a and 2 mm/a.The deformation of this area is affected by the surrounding frozen soil,which changes periodically with the seasons.The SBAS InSAR technology and the PS-SBAS InSAR technology used in this paper are compared in terms of the deformation trend and degree of deformation at the homologous point.The results are consistent,which shows the reliability of the method in this paper.

Key words: PS-SBAS InSAR;time series analysis;deformation monitoring;periodic change

中图分类号:

P237

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.

LU Zhongxiang, FAN Yanguo, LI Guosheng. Monitoring of surface deformation along the Qinghai-Tibet Railway with the time series InSAR technology[J]. Bulletin of Surveying and Mapping, 2022, 0(3): 138-142,156.

参考文献

[1] 冉有华,李新,程国栋,等. 2005-2015年青藏高原多年冻土稳定性制图[J].中国科学:地球科学, 2021, 51(2):183-200.
[2] 王亚锋.青藏铁路地质灾害分布特征研究[D].成都:西南交通大学, 2016.
[3] 王栋,张广泽,徐正宣,等.基于时间序列InSAR技术的铁路地质灾害识别研究[J].地质灾害与环境保护, 2019, 30(3):85-91.
[4] 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.
[5] 云烨,吕孝雷,付希凯,等.星载InSAR技术在地质灾害监测领域的应用[J].雷达学报, 2020, 9(1):73-85.
[6] GALVE J P, CASTAÑEDA C, GUTIÉRREZ F. Railway deformation detected by DInSAR over active sinkholes in the Ebro Valley evaporite Karst, Spain[J]. Natural Hazards and Earth System Sciences, 2015, 15(11):2439-2448.
[7] 高文峰,甘俊,王长进. DInSAR沉降监测技术在铁路勘察设计中的应用[J].遥感信息, 2015, 30(5):83-87.
[8] SHI Wei, CHEN Guan, MENG Xingmin, et al. Spatialtemporal evolution of land subsidence and rebound over Xi'an in Western China revealed by SBAS-InSAR analysis[J]. Remote Sensing, 2020, 12(22):3756.
[9] 张兆旭.基于PS-InSAR技术的高速铁路沉降监测研究[D].北京:中国地质大学(北京), 2016.
[10] 张佳佳,高波,刘建康,等.基于SBAS-InSAR技术的川藏铁路澜沧江段滑坡隐患早期识别[J].现代地质, 2021, 35(1):64-73.
[11] 周华云.基于SBAS-InSAR技术对五道梁多年冻土区地面形变监测与分析[D].兰州:兰州交通大学, 2018.
[12] 刘学武.利用小基线集技术监测青藏高原多年冻土形变[J].测绘工程, 2020, 29(6):61-66, 80.
[13] ZHANG Zhengjia, WANG Mengmeng, WU Zhijie, et al. Permafrost deformation monitoring along the Qinghai-Tibet plateau engineering corridor using InSAR observations with multi-sensor SAR datasets from 1997-2018[J]. Sensors, 2019, 19(23):5306.
[14] YANG Ying, SUN Yifang, WU Shihong, et al. Surface deformation monitoring of a section of Gongyu expressway based on SBAS-InSAR technology[J]. E3S Web of Conferences, 2021, 233:01149.
[15] 李珊珊.基于SBAS技术的青藏铁路区冻土形变监测研究[D].长沙:中南大学, 2012.
[16] 周华云,赵林,田黎明,等.基于Sentinel-1数据对青藏高原五道梁多年冻土区地面形变的监测与分析[J].冰川冻土, 2019, 41(3):525-536.
[17] KARAMVASIS K, KARATHANASSI V. Performance analysis of open source time series InSAR methods for deformation monitoring over a broader mining region[J]. Remote Sensing, 2020, 12(9):1380.
[18] 张剑,柯宝贵,刘同木,等.利用时序InSAR监测兰州市中心城区地面沉降[J].测绘科学, 2021, 46(1):99-107.
[19] 李路.改进的SBAS-InSAR技术在矿区地表沉降监测中的应用[D].北京:中国地质大学(北京), 2020.
[20] 丛充.基于Sentinel-1A卫星干涉数据的高原冻土交通走廊地表形变研究[D].北京:北京交通大学, 2018.

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

Monitoring of surface deformation along the Qinghai-Tibet Railway with the time series 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]	王艳军, 林云浩, 王书涵, 李少春, 王孟杰. OSM辅助车载LiDAR点云三维道路边界精细提取[J]. 测绘通报, 2022, 0(7): 18-25.
[2]	柳林, 孙毅, 李万武. 基于CNN海上钻井平台检测模型的构建及训练算法分析[J]. 测绘通报, 2022, 0(7): 26-32,99.
[3]	孔瑞瑶, 谢涛, 马明, 孔瑞林. CatBoost模型在水深反演中的应用[J]. 测绘通报, 2022, 0(7): 33-37.
[4]	温雨笑, 吕杰, 马庆勋, 张鹏, 徐汝岭. 高光谱和LiDAR联合反演森林生物量研究[J]. 测绘通报, 2022, 0(7): 38-42.
[5]	江泽霖, 邓健, 栾海军, 李兰晖. 基于逐日夜间灯光遥感的新冠肺炎疫情变化信息快速提取——以北京市为例[J]. 测绘通报, 2022, 0(7): 43-48.
[6]	郑艳, 何欢, 卜丽静, 金鑫. 自相似性和边缘保持分解的超分辨率重建算法[J]. 测绘通报, 2022, 0(7): 54-59.
[7]	冉崇宪, 李森磊. 利用无人机多光谱影像提取树冠信息[J]. 测绘通报, 2022, 0(7): 112-117.
[8]	刘立, 董先敏, 刘娟, 文学虎. 人机融合智能的遥感解译生产新方法[J]. 测绘通报, 2022, 0(7): 118-123,137.
[9]	艾敏, 景慧, 田禹东, 郭兰勤, 裴渊杰. 近20年哈尔滨市呼兰区土地利用覆盖变化及驱动分析[J]. 测绘通报, 2022, 0(7): 124-128.
[10]	刘玉贤, 阮明浩, 闫臻. 一种基于机载激光点云的门型电塔精确提取方法[J]. 测绘通报, 2022, 0(7): 129-133.
[11]	刘国超, 彭卫平, 杨水华, 胡周文. 地质雷达+三维测量内窥镜的城市道路病害检测与应用[J]. 测绘通报, 2022, 0(7): 134-137.
[12]	刘小玉, 刘扬, 杜明义, 张敏, 贾竞珏, 杨恒. 基于DeeplabV3+的建筑垃圾堆放点识别[J]. 测绘通报, 2022, 0(4): 16-19,43.
[13]	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.
[14]	师芸, 石龙龙, 牛敏杰, 赵侃. 基于单阶段实例分割网络的黄土滑坡多任务自动识别[J]. 测绘通报, 2022, 0(4): 26-31.
[15]	窦世卿, 陈治宇, 徐勇, 郑贺刚, 苗林林, 宋莹莹. 基于多特征融合与典型降维方法的高光谱影像分类[J]. 测绘通报, 2022, 0(4): 32-36,50.