基于时序InSAR技术的中巴走廊盖孜河谷段地表形变分析

doi:10.7523/j.ucas.2020.0046

中国科学院大学学报 ›› 2022, Vol. 39 ›› Issue (3): 343-351.DOI: 10.7523/j.ucas.2020.0046

• 电子信息与计算机科学 • 上一篇下一篇

基于时序InSAR技术的中巴走廊盖孜河谷段地表形变分析

汪钰晴^1,2, 唐伶俐¹, 王新鸿¹, 周增光¹, 李子扬¹, 李传荣¹

1 中国科学院空天信息创新研究院中国科学院定量遥感信息技术重点实验室, 北京 100094;
2 中国科学院大学电子电气与通信工程学院, 北京 100049

收稿日期:2020-06-12 修回日期:2020-07-06 发布日期:2021-05-31
通讯作者: 王新鸿
基金资助:
国家自然科学基金(41701512)和中国科学院对外合作重点项目(181811KYSB20160001)资助

Land surface deformation analysis based on time series InSAR technologies in the Gaizi valley section of China-Pakistan Corridor

WANG Yuqing^1,2, TANG Lingli¹, WANG Xinhong¹, ZHOU Zengguang¹, LI Ziyang¹, LI Chuanrong¹

1 Key Laboratory of Quantitative Remote Sensing Information Technology of CAS, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China;
2 School of Electronic, Electrical and Communication

Received:2020-06-12 Revised:2020-07-06 Published:2021-05-31

摘要/Abstract

摘要： 中巴走廊沿线地质灾害频发,通过监测地表微小形变有助于对研究区内地质灾害进行判别分析,对走廊建设及走廊沿线基础工程设施的防护有重要意义。利用2015年4月5日—2018年12月9日共30景Sentinel-1A干涉宽幅模式下的雷达影像,分别采用PS-InSAR技术及SBAS-InSAR技术,对中巴走廊盖孜河谷段进行地表形变时序信息提取。结果表明,采用两种方式获取的形变信息在形变速率的空间变化趋势上具有较好的一致性,其中SBAS-InSAR技术所获取的形变速率分布在空间上相对更为连续。SBAS-InSAR形变提取结果表明,在分析时间段内,研究区多处发生明显地表形变,较大的视线向形变量主要分布于中巴公路两侧斜坡及布伦口以北的冰川前缘区域。在提取时序形变信息基础上,结合光学影像对研究区内典型不稳定斜坡及冰川运动进行形变特征分析,结果表明不稳定斜坡上PS点在监测时段内累积形变量可达-30 mm,而在冰川运动前缘集中分布许多正负向形变值较大的PS点,其正负向累积形变量分别可达+60 mm和-80 mm。本研究为高寒山区地质灾害形变的探测和今后在中巴走廊的应用积累了基础。

关键词: PS-InSAR, SBAS-InSAR, 地表形变, 中巴走廊, 地质灾害

Abstract: Geological disasters occur frequently along the China-Pakistan Corridor, and the monitoring of small surface deformations can help discriminate and analyze the geological disasters in the study area, which is of great significance to the construction of the corridor and the protection of basic engineering facilities along the corridor. Based on a total of 30 Sentinel-1A radar images in the interference wide-range mode acquired from April 5, 2015 to December 9, 2018, the time-series surface deformation extraction of the Gaizi valley section of China-Pakistan Corridor was carried out using PS-InSAR and SBAS-InSAR technologies. The results show that the deformation information obtained by the two methods is rather consistent in the spatial variation trend of deformation rate, and the deformation rate map obtained by the SBAS-InSAR technology is relatively more continuous in spatial distribution. According to the SBAS-InSAR deformation results, during the analysis period, obvious surface deformation occurred in many places in the study area, and the relatively large line-of-sight deformation mainly distributed on the slopes on both sides of the China-Pakistan Highway and on the glacial front area northern to the Bulunkou. Using the extracted time series deformation information and with the help of optical images, the deformation characteristics of typical unstable slopes and glacial movements were analyzed. On unstable slope, the cumulative deformation of PS points on the upper part of the slope can reach -30mm during the monitoring period. In terms of glacier movement, many PS points with large positive and negative deformation values are concentrated on the front edge of the glacier, and the cumulative positive and negative deformations can reach +60 mm and -80 mm. The paper can accumulate preliminary experience for the detection of geological hazard related deformation in the alpine mountain area and benefit for its future applications to the China-Pakistan Corridor.

Key words: PS-InSAR, SBAS-InSAR, surface deformation, China-Pakistan Corridor, geological hazards

中图分类号:

P237

汪钰晴, 唐伶俐, 王新鸿, 周增光, 李子扬, 李传荣. 基于时序InSAR技术的中巴走廊盖孜河谷段地表形变分析[J]. 中国科学院大学学报, 2022, 39(3): 343-351.

WANG Yuqing, TANG Lingli, WANG Xinhong, ZHOU Zengguang, LI Ziyang, LI Chuanrong. Land surface deformation analysis based on time series InSAR technologies in the Gaizi valley section of China-Pakistan Corridor[J]. Journal of University of Chinese Academy of Sciences, 2022, 39(3): 343-351.

参考文献

[1] 李丹, 杨斌, 陈财. 基于Sentinel-1A数据反演九寨沟地震地表形变场[J]. 遥感技术与应用, 2018, 33(6): 1141-1148. DOI:10.11873/j.issn.1004-0323.2018.6.1141.
[2] Huang Q H, Wang Y A, Xu J, et al. Geo-hazard detection and monitoring using SAR and optical images in a snow-covered area: the Menyuan (China) test site[J]. ISPRS International Journal of Geo-Information, 2017, 6(10): 293. DOI:10.3390/ijgi6100293.
[3] Solaro G, Acocella V, Pepe S, et al. Anatomy of an unstable volcano from InSAR: multiple processes affecting flank instability at Mt. Etna, 1994-2008[J]. Journal of Geophysical Research: Solid Earth, 2010, 115(B10): B10405. DOI:10.1029/2009JB000820.
[4] Cheng X, Li X W, Shao Y, et al. DINSAR measurement of glacier motion in Antarctic Grove Mountain[J]. Chinese Science Bulletin, 2007, 52(3): 358-366. DOI:10.1007/s11434-007-0054-y.
[5] 张诗玉, 李陶, 夏耶. 基于InSAR技术的城市地面沉降灾害监测研究[J]. 武汉大学学报 ·信息科学版, 2008, 33(8): 850-853,858.
[6] Wang H, Wright T J, Yu Y P, et al. InSAR reveals coastal subsidence in the Pearl River Delta, China[J]. Geophysical Journal International, 2012, 191(3): 1119-1128. DOI:10.1111/j.1365-246X.2012.05687.x.
[7] Rizo V, Tesauro M. SAR interferometry and field data of Randazzo landslide (Eastern Sicily, Italy)[J]. Physics and Chemistry of the Earth Part B: Hydrology Oceans and Atmosphere, 2000, 25(9): 771-780. DOI:10.1016/S1464-1909(00)00100-3.
[8] 王志勇, 张金芝. 基于InSAR技术的滑坡灾害监测[J]. 大地测量与地球动力学, 2013, 33(3): 87-91. DOI:10.14075/j.jgg.2013.03.001.
[9] 秦晓琼, 杨梦诗, 王寒梅, 等. 高分辨率PS-InSAR在轨道交通形变特征探测中的应用[J]. 测绘学报, 2016, 45(6): 713-721. DOI:10.11947/j.AGCS.2016.20150440.
[10] Ferretti A, Prati C, Rocca F. Nonlinear subsidence rate estimation using permanent scatterers in differential SAR interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(5): 2202-2212. DOI:10.1109/36.868878.
[11] 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. DOI:10.1109/TGRS.2002.803792.
[12] Werner C, Wegmuller U, Strozzi T, et al. Interferometric point target analysis for deformation mapping[ C ] // 2003 IEEE International Geoscience and Remote Sensing Symposium-IGARSS 2003. July 21-25, 2003, Toulouse, France. IEEE, 2003: 4362-4364. DOI:10.1109/IGARSS.2003.1295516.
[13] Hooper A. A multi-temporal InSAR method incorporating both persistent scatterer and small baseline approaches[J]. Geophysical Research Letters, 2008, 35(16): L16302. DOI:10.1029/2008GL034654.
[14] 赵峰, 汪云甲, 闫世勇. 时序InSAR技术地表沉降监测结果可靠性及沉降梯度分析[J]. 遥感技术与应用, 2015, 30(5): 969-979. DOI:10.11873/j.issn.1004-0323.2015.5.0969.
[15] 殷宗敏. 基于时序InSAR技术与地形特征的黄土高原潜在滑坡识别研究:以绥德县城为例[D]. 兰州: 兰州大学, 2018.
[16] 张诗茄, 蒋建军, 缪亚敏, 等. 基于SBAS技术的岷江流域潜在滑坡识别[J]. 山地学报, 2018, 36(1): 91-97. DOI:10.16089/j.cnki.1008-2786.000304.
[17] 李凌婧, 姚鑫, 张永双, 等. 基于SBAS-InSAR技术的中巴公路(公格尔—墓士塔格段)地质体缓慢变形识别研究[J]. 工程地质学报, 2014, 22(5): 921-927. DOI:10.13544/j.cnki.jeg.2014.05.022.
[18] 谷志文. 中国标准在中巴经济走廊地质灾害多发区公路改建工程的应用[J]. 筑路机械与施工机械化, 2018, 35(6): 151-156. DOI:10.3969/j.issn.1000-033X.2018.06.026.
[19] 朱颖彦, 杨志全, 廖丽萍, 等. 中巴喀喇昆仑公路冰川地貌地质灾害[J]. 灾害学, 2014, 29(3): 81-90. DOI:10.3969/j.issn.1000-811X.2014.03.016.
[20] 杨志全, 朱颖彦, 廖丽萍, 等. 中巴公路沿线溜石坡[J]. 地质科技情报, 2013, 32(6): 175-180.
[21] 王宗盛. "中巴经济走廊"(中国段)冰川地质灾害调查与评价[D]. 北京: 中国地质大学(北京), 2016.
[22] 杨魁, 杨建兵, 江冰茹. Sentinel-1卫星综述[J]. 城市勘测, 2015(2): 24-27. DOI:10.3969/j.issn.1672-8262.2015.02.006.

基于时序InSAR技术的中巴走廊盖孜河谷段地表形变分析

Land surface deformation analysis based on time series InSAR technologies in the Gaizi valley section of China-Pakistan Corridor

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 13

编辑推荐

Metrics

本文评价

访问统计

联系我们

[1]	郑佳怡, 方俊永, 王潇, 张晓红, 刘学. 镀膜双镜头多光谱相机的波段配准方法[J]. 中国科学院大学学报, 2022, 39(3): 377-385.
[2]	李昊, 马友青, 张烁, 刘少创. “祝融号”火星车驶离着陆平台决策支持几何参数计算方法研究^*[J]. 中国科学院大学学报, 0, (): 24-24.
[3]	陈忠媛, 高永年. 长江水系湖泊型流域生态用地长时间序列时空变化分析[J]. 中国科学院大学学报, 2022, 39(2): 172-184.
[4]	于春瑶, 方俊永, 王潇, 张晓红, 刘学. 线性渐进滤光成像高光谱数据的波段配准方法研究^*[J]. 中国科学院大学学报, 2021, (): 87-87.
[5]	陈若男, 彭玲, 刘玉菲, 卫志超, 吕蓓茹, 陈德跃. 引入空间距离信息的城郊山区道路提取与应用^*[J]. 中国科学院大学学报, 0, (): 534-534.
[6]	方韩康, 张波, 陈卫荣, 吴樊, 王超. 高分三号SAR影像L1A级产品精处理方法研究^*[J]. 中国科学院大学学报, 0, (): 535-535.
[7]	张晓平, 高珊珊, 陈明星, 赵艳艳. 夜间灯光数据在城市化及其资源环境效应研究中的热点主题追踪^*[J]. 中国科学院大学学报, 0, (): 540-540.
[8]	刘杉, 张风丽, 韦诗莹, 刘娜, 邵芸. 基于极化分解组合的SAR图像视觉优化和建筑物损毁评估[J]. 中国科学院大学学报, 2020, 37(6): 750-759.
[9]	王帅, 覃驭楚, 杨富坤. 大面积建成区建筑密度遥感制图产品的精度验证[J]. 中国科学院大学学报, 2020, 37(1): 83-92.
[10]	顾鹏程, 王世新, 周艺, 刘文亮, 尚明. 基于时间序列DMSP/OLS夜间灯光数据的GDP预测模型[J]. 中国科学院大学学报, 2019, 36(2): 188-195.
[11]	杨渊, 陈凤翔, 虢韬, 时磊, 王成, 罗鑫. 基于LiDAR点云特征和模型拟合的高压线提取[J]. 中国科学院大学学报, 2018, 35(5): 612-616.
[12]	罗开盛, 李仁东. 长沙市近10年土地利用变化过程与未来趋势分析[J]. 中国科学院大学学报, 2014, 31(5): 632-639.
[13]	宋开山, 赵云升, 张柏. 偏振反射与二向性反射的关系——以不同物候期杨树单叶的室内光谱测量为例[J]. 中国科学院大学学报, 2005, 22(2): 164-169.