面向Web应用的海量InSAR点云高效可视化与查询方法

doi:10.13474/j.cnki.11-2246.2026.0121

测绘通报 ›› 2026, Vol. 0 ›› Issue (1): 135-139.doi: 10.13474/j.cnki.11-2246.2026.0121

面向Web应用的海量InSAR点云高效可视化与查询方法

骆晓亮¹, 刘凌佳^2,3,4,5, 罗津^2,3,4,5, 王绿春¹, 余伟¹, 罗赣^2,3,4,5, 高华^2,3,4,5

1. 中移(江西)虚拟现实科技有限公司, 江西南昌 330036;
2. 江西师范大学地理与环境学院, 江西南昌 330022;
3. 江西师范大学鄱阳湖湿地与流域研究教育部重点实验室, 江西南昌 330022;
4. 江西师范大学自然灾害监测预警与评估江西省重点实验室, 江西南昌 330022;
5. 江西师范大学流域生态智能监测与综合治理江西省重点实验室, 江西南昌 330022

收稿日期:2025-05-28 发布日期:2026-02-03
通讯作者: 罗津。E-mail:luojin@jxnu.edu.cn
作者简介:骆晓亮(1981—),男,高级工程师,研究方向为虚拟现实。E-mail:luoxiaoliang@jx.chinamobile.com
基金资助:
江西省重点研发计划(20232BBE50021);江西省自然科学基金(20243BCE51115;20242BAB25175);国家自然科学基金(42361069;42330108)

Efficient visualization and query analysis method for massive InSAR point cloud data for Web applications

LUO Xiaoliang¹, LIU Lingjia^2,3,4,5, LUO Jin^2,3,4,5, WANG Lüchun¹, YU Wei¹, LUO Gan^2,3,4,5, GAO Hua^2,3,4,5

1. ZhongYi (Jiangxi) Virtual Reality Technology Co., Ltd., Nanchang 330036, China;
2. School of Geography and Environment, Jiangxi Normal University, Nanchang 330022, China;
3. Key Laboratory of Poyang Lake Wetland and Watershed Research Ministry of Education, Nanchang 330022, China;
4. Jiangxi Provincial Key Laboratory of Natural Disaster Monitoring, Early Warning and Assessment, Nanchang 330022, China;
5. Jiangxi Provincial Key Laboratory of Intelligent Monitoring and Comprehensive Management of Watershed Ecology, Nanchang 330022, China

Received:2025-05-28 Published:2026-02-03

摘要/Abstract

摘要： 干涉合成孔径雷达(InSAR)作为一种可获取大范围、高精度地表形变数据的技术,被广泛应用于地质灾害监测和城市沉降分析。然而,现有WebGIS平台在千万级InSAR点云数据与形变时序数据的高效展示、查询与解译方面存在明显不足,制约了InSAR技术的推广与应用。因此,本文针对InSAR点云数据预处理、存储、浏览与查询等关键技术难题,提出了一套面向Web应用的海量InSAR点云高效可视化与查询方法,并基于Cesium开发了原型系统,最后在6类典型应用场景下测试了系统性能。结果显示,所研发的系统能够流畅实现千万级InSAR点云三维形变序列的展示,原型系统不仅实现了InSAR形变数据的便捷化分发和用户可在线查看,而且实现了形变速率剖面查询、多期形变剖面查询、单点时序查询及预警分析等实用功能,该技术为地表沉降分析提供了技术支撑。

关键词: InSAR, 地表沉降, 海量点云数据, 可视化, Cesium

Abstract: Interferometric synthetic aperture radar (InSAR) is widely used in geological hazard monitoring and urban subsidence analysis as a technology that can obtain large-scale and high-precision surface deformation data.However,the existing WebGIS platform has obvious deficiencies in the efficient display,query and interpretation of tens of millions of InSAR point cloud data and deformation time series data,which restricts the promotion and application of InSAR technology.Therefore,in order to solve the key technical problems such as data preprocessing,storage,browsing and query of InSAR point clouds,this paper proposes a set of efficient visualization and query methods for massive InSAR point clouds in the Web environment,and develops a prototype system based on Cesium.By testing the performance of the system in six typical application scenarios,the results show that the developed system can smoothly realize the display of 3D deformation sequences of tens of millions of InSAR point clouds.The prototype system not only realizes the convenient distribution of InSAR deformation data and users can view it online,but also realizes the practical functions of deformation rate profile query,multi-period deformation profile query,single-point time series query and early warning analysis,which provides technical support for surface settlement analysis.

Key words: InSAR, surface subsidence, massive point cloud data, visualization, Cesium

中图分类号:

P237

骆晓亮, 刘凌佳, 罗津, 王绿春, 余伟, 罗赣, 高华. 面向Web应用的海量InSAR点云高效可视化与查询方法[J]. 测绘通报, 2026, 0(1): 135-139.

LUO Xiaoliang, LIU Lingjia, LUO Jin, WANG Lüchun, YU Wei, LUO Gan, GAO Hua. Efficient visualization and query analysis method for massive InSAR point cloud data for Web applications[J]. Bulletin of Surveying and Mapping, 2026, 0(1): 135-139.

[1]	李景洮, 张双成, 盛磊, 张毅, 强菲, 聂腾, 刘宁, 闻繁. 时序InSAR与普适型GNSS用于西安地面沉降监测研究[J]. 测绘通报, 2026, 0(1): 18-24,46.
[2]	李朋朋, 李德伟, 李晓红, 翟雪君. 基于InSAR同震形变的地震灾害风险评估[J]. 测绘通报, 2026, 0(1): 39-46.
[3]	刘艺梁, 李永奕, 朱前, 左清军, 樊西丰, 宋琨, 申高伟, 汤罗圣. 基于时序InSAR与BiGRU的库岸滑坡形变分析与预测[J]. 测绘通报, 2026, 0(1): 51-56.
[4]	曹芮菡, 李新, 周定杰, 喜文飞, 黄广才, 王瑞亭, 郭蓁. 联合ALOS-2和Sentinel-1的复杂山区潜在滑坡识别[J]. 测绘通报, 2026, 0(1): 65-71.
[5]	苏卫江, 孙留存, 肖文星, 高永强, 贺文, 廖丹, 解明礼. 不同轨道InSAR滑坡隐患识别结果差异性分析[J]. 测绘通报, 2026, 0(1): 78-84.
[6]	韦宇辉, 刘先林, 邵羽, 董秀军, 黎浩良. 山区公路地质灾害早期识别与监测预警方法[J]. 测绘通报, 2026, 0(1): 91-99.
[7]	魏智威, 杨乃, 陈业滨, 郭仁忠. 泛地图时代的地图综合方法泛化应用[J]. 测绘通报, 2025, 0(9): 118-125,145.
[8]	莫丹丹, 火久元. 基于SBAS-InSAR技术的喀喇昆仑公路盖孜河谷段形变监测与影响因子分析[J]. 测绘通报, 2025, 0(8): 32-42.
[9]	魏智威, 杨乃, 丁愫, 陈业滨, 郭仁忠. 地理动画中点要素注记稳定更新的遗传算法[J]. 测绘通报, 2025, 0(8): 83-88,94.
[10]	熊春宝, 安贺雯, 苏广利. 大型引水工程地面沉降PS-InSAR监测与分析[J]. 测绘通报, 2025, 0(7): 19-25,72.
[11]	李若凡, 李勇发, 左小清, 黄成, 邢明泽, 李永宁, 张荐铭, 石超, 顾晓娜. 兰坪县InSAR形变监测与滑坡灾害早期识别[J]. 测绘通报, 2025, 0(7): 40-45.
[12]	王祥, 刘艳霞, 宗琴, 孙伟, 刘涛, 杨霞, 方金玲. 基于InSAR的广域地表及重要基础设施形变监测与预测[J]. 测绘通报, 2025, 0(7): 104-109.
[13]	李文东, 叶禹, 李霞, 魏伟, 辛存林. 融合SBAS-InSAR形变与机器学习模型的滑坡易发性评价[J]. 测绘通报, 2025, 0(7): 126-131,146.
[14]	汪晨煜, 彭军还, 薛跃明, 李旭, 张炎. 融合InSAR与信息量-逻辑回归耦合模型的滑坡动态危险性评价[J]. 测绘通报, 2025, 0(6): 43-48.
[15]	高浩亮, 李德伟, 李朋朋, 李晓红, 狄桂栓. 黄河三角洲海岸线变化与地面沉降监测分析[J]. 测绘通报, 2025, 0(6): 103-108,122.

面向Web应用的海量InSAR点云高效可视化与查询方法

Efficient visualization and query analysis method for massive InSAR point cloud data for Web applications

PDF

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