CN114755675A - 一种地质灾害核查用调查采集*** - Google Patents
一种地质灾害核查用调查采集*** Download PDFInfo
- Publication number
- CN114755675A CN114755675A CN202210304972.4A CN202210304972A CN114755675A CN 114755675 A CN114755675 A CN 114755675A CN 202210304972 A CN202210304972 A CN 202210304972A CN 114755675 A CN114755675 A CN 114755675A
- Authority
- CN
- China
- Prior art keywords
- deformation
- insar
- image
- data
- geological disaster
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/865—Combination of radar systems with lidar systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Image Processing (AREA)
- Geophysics And Detection Of Objects (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种地质灾害核查用调查采集***,包括InSAR模块、光学遥感解译模块和航拍模块,InSAR模块是利用InSAR解译确定变形区域,并提取变形区域的地表形变信息;光学遥感解译模块是利用高分辨率光学遥感卫星对变形区域进行筛查,去除虚假目标,并进行地面核查,圈定疑似点,形成实地调查与核查成果;航拍模块是利用无人机机载激光雷达测量技术对疑似点进行3D扫描,获取疑似点模型,确定隐患参数,识别隐藏的地质灾害隐患,本发明适用于地质灾害核查,本发明实现了对地质灾害隐患的核查,利于对地质灾害进行预测预防。
Description
技术领域
本发明属于地质灾害核查技术领域,具体是一种地质灾害核查用调查采集***。
背景技术
地质灾害是以地质动力活动或地质环境异常变化为主要成因的自然灾害。在地球内动力、外动力或人为地质动力作用下,地球发生异常能量释放、物质运动、岩土体变形位移以及环境异常变化等,危害人类生命财产、生活与经济活动或破坏人类赖以生存与发展的资源、环境的现象或过程。不良地质现象通常叫做地质灾害,是指自然地质作用和人类活动造成的恶化地质环境,降低了环境质量,直接或间接危害人类安全,并给社会和经济建设造成损失的地质事件。地质灾害是指,在自然或者人为因素的作用下形成的,对人类生命财产、环境造成破坏和损失的地质作用(现象)。如崩塌、滑坡、泥石流、地裂缝、地面沉降、地面塌陷、岩爆、坑道突水、突泥、突瓦斯、煤层自燃、黄土湿陷、岩土膨胀、砂土液化,土地冻融、水土流失、土地沙漠化及沼泽化、土壤盐碱化,以及地震、火山、地热害等;
在现有的技术缺少地质灾害核查的方法,因此在发现和预测重大地质灾害中缺少技术手段,不利于地质灾害的预测预防。
发明内容
本发明的目的在于克服现有技术的缺陷,提供一种地质灾害核查用调查采集***。
为实现上述目的,本发明采用了如下技术方案:
一种地质灾害核查用调查采集***,包括InSAR模块、光学遥感解译模块和航拍模块,其中:
InSAR模块是利用InSAR解译确定变形区域,并提取变形区域的地表形变信息;
光学遥感解译模块是利用高分辨率光学遥感卫星对变形区域进行筛查,去除虚假目标,并进行地面核查,圈定疑似点,形成实地调查与核查成果;
航拍模块是利用无人机机载激光雷达测量技术对疑似点进行3D扫描,获取疑似点模型,确定隐患参数,识别隐藏的地质灾害隐患。
优选的,InSAR模块中,确定变形区域的具体步骤如下:
(S1)、资料收集与整合
对星载雷达影像、基础地理信息数据及专题数据相关资料进行收集与整合;
(S2)、InSAR地表形变信息提取与整合
采用InSAR技术进行调查区的时间序列地表形变信息提取与整合,并结合水准数据,验证InSAR测量结果,形成地表形变监测数据集;
(S3)、疑似地质灾害隐患点解译
基于地表形变信息数据集,以形变量、形变趋势为依据,找出形变区域,圈定疑似地质灾害隐患点,形成隐伏灾害点数据集;
(S4)、解译成果制作
通过对调查区的地表形变信息进行综合统计分析,找出隐伏灾害点,形成调查区解译成果数据集,制作调查区的专题图,得到变形区域。
优选的,步骤(S1)中,资料收集与整合主要包括以下步骤:
(S1.1)、将收集到的光学遥感影像、DEM栅格数据进行融合、镶嵌、格式转化处理,对要素进行融合、裁切处理;
(S1.2)、将获取得到的SAR卫星影像进行解压、格式转换处理,对处理后的数据进行裁切、拼接处理;
(S1.3)、将收集到的已有水准测量成果数据转换为矢量数据,实现资料收集与整合。
优选的,光学遥感解译模块中,形成实地调查与核查成果的具体步骤如下
使用卫星数据,利用2-3期或更多期不同时相光学遥感影像的光谱和纹理差异,结合insar解译数据、地形地貌特征,识别出隐伏滑坡、地面塌陷、崩塌、泥石流变形迹象区域;
对InSAR解译和光学遥感解译圈定的疑似地质灾害点,进行实地调查,对每一个灾害点进行手动拍照、全景图拍照,形成实地调查与核查成果。
优选的,航拍模块中识别隐藏地质灾害隐患的具体步骤如下:
借助于机载LiDAR和无人机航拍,对通过InSAR和光学遥感解译确定出的10个疑似地质灾害高风险区、隐患集中分布区或重大地质灾害隐患点提供高分辨率、高精度的三维DSM地形地貌影像;
通过多次回波技术穿透地面植被,利用滤波算法有效去除地表植被,获取真实地面的高程数据信息,识别隐藏的地质灾害隐患。
优选的,InSAR模块中,变形区域的地表形变信息提取方法如下:
基于获取的DEM数据和SAR卫星影像;
根据工作区雷达影像质量和时间分布、地物相干性、形变量级、形变分布等实际情况,选用SBAS-InSAR,获取工作区域形变时间序列、年平均形变速率形变成果。
优选的,SBAS-InSAR具体处理流程如下:
(a)、数据预处理;
(b)、差分干涉计算;
(c)、时间/空间域形变估算;
(d)、形变量计算。
优选的,步骤(a)中,数据预处理步骤如下:
(a1)、主影像选择
根据SBAS-InSAR方法选择多个主影像,SAR主影像的选择和像对组合工作步骤如下:
(a1.1)、计算所有影像对间的时间和空间基线,生成时间和空间基线分布图;
(a1.2)、采用时间和空间基线均满足给定阈值的像对组合生成差分干涉图集;
(a2)、影像配准、裁剪和组合。
所有SAR影像对主影像进行配准、裁剪,并组合生成时间序列干涉图集,具体工作步骤如下:
(a2.1)、任意挑选一景影像作为配准参考影像,所有影像对其进行配准;
(a2.2)、将所有数据裁剪成一致的区域;
(a2.3)、DEM与配准参考影像配准和裁剪;
(a2.4)、将DEM与选好的主影像进行配准,并将DEM范围裁剪成与主影像范围一致,具体步骤如下:
(a2.5)、对DEM采样成与主影像一致的分辨率;
(a2.6)、将DEM与主影像进行配准;
(a2.7)、依据配准关系式,计算生成DEM坐标系到SAR影像坐标系的转换查找表;
(a2.8)、依据转换查找表,利用多项式拟合算法,将DEM转换到SAR影像坐标系,生成影像坐标系下的DEM。
优选的,步骤(b)中、差分干涉计算步骤如下:
(b1)、干涉图相位计算
将所有主、辅影像前置滤波,计算干涉相位,生成干涉图。
(b2)、平地和地形相位去除
对由相干目标点组成的干涉图,进行平地和地形相位的去除。
(b3)、差分干涉图滤波和相干系数计算。
(b4)、相位解缠,相位解缠相干性阈值不低于0.15。
优选的,步骤(C)中,时间/空间域形变估算步骤如下:
对干涉图的差分干涉相位应进行时间和空间域的线性形变相位估计,去除大气、噪声等残余相位,得到点目标的时间序列形变相位。
SBAS-InSAR的计算步骤为:
①相邻点间参数估计,依据点间连接关系求解相邻点差分相位之差;
②线性形变相位和残余高程计算
依据空间基线、时间基线关系建立起的目标函数使模型相关系数最大化,估算相邻点间的线性形变速率和高程差值;
③残余相位低通滤波
从差分干涉相位中减去步骤①中两项相位分量后得到残余相位,对残余相位进行空间域低通滤波得到滤波后的残余相位;
④奇异值分解处理
根据短基线像对组合关系,对步骤②得到的滤波后残余相位进行奇异值分解(SVD)处理,求解每个影像对应时刻的大气相位和非线性形变相位;
⑤大气相位和非线性形变相位计算
对奇异值分解得到的大气相位和非线性形变相位进行空间域高通滤波,得到大气相位,并对滤波后的相位序列进行时域低通滤波,得到非线性形变相位;
⑥时间序列形变相位计算
将步骤②中线性形变相位和⑤中非线性形变相位相加,结合时间基线参数,得到每个PS点目标的时间序列形变相位;
步骤(C)中,形变量计算过程如下:
依据雷达波长参数,将解缠相位换算为LOS形变量,地理编码;同时精度评估,依据雷达入射角,将LOS形变量转换为垂直向形变量,地理编码。
本发明中,通过高分辨率的光学影像和InSAR识别历史上曾经发生过明显变形破坏和正在变形的区域,实现对重大地质灾害隐患区域性、扫面性的普查;随后,借助于机载LiDAR和无人机航拍,对地质灾害高风险区、隐患集中分布区或地质灾害隐患点的地形地貌、地表变形破坏迹象乃至岩体结构等进行详细调查,实现对重大地质灾害隐患的详查;最后,通过地面调查复核以及地表和斜坡内部的观测,甄别并确认或排除普查和详查结果,实现了对地质灾害隐患的核查,利于地质灾害的预测预防。
附图说明
图1是本发明的流程框图;
图2是本发明中SBAS-InSAR处理流程图。
具体实施方式
以下结合附图1-2,进一步说明本发明一种地质灾害核查用调查采集***的具体实施方式。本发明一种地质灾害核查用调查采集***不限于以下实施例的描述。
实施例1:
本实施例给出一种地质灾害核查用调查采集***,如图1所示,包括InSAR模块、光学遥感解译模块和航拍模块,InSAR为合成孔径雷达干涉测量,其中:
InSAR模块是利用InSAR解译确定变形区域,并提取变形区域的地表形变信息;
光学遥感解译模块是利用高分辨率光学遥感卫星对变形区域进行筛查,去除虚假目标,并进行地面核查,圈定疑似点,形成实地调查与核查成果;
航拍模块是利用无人机机载激光雷达测量技术对疑似点进行3D扫描,获取疑似点模型,确定隐患参数,识别隐藏的地质灾害隐患。
优选的,InSAR模块中,确定变形区域的具体步骤如下:
(S1)、资料收集与整合
对星载雷达影像、基础地理信息数据及专题数据相关资料进行收集与整合;
(S2)、InSAR地表形变信息提取与整合
采用InSAR技术进行调查区的时间序列地表形变信息提取与整合,并结合水准数据,验证InSAR测量结果,形成地表形变监测数据集;
(S3)、疑似地质灾害隐患点解译
基于地表形变信息数据集,以形变量、形变趋势为依据,找出形变区域,圈定疑似地质灾害隐患点,形成隐伏灾害点数据集;
(S4)、解译成果制作
通过对调查区的地表形变信息进行综合统计分析,找出隐伏灾害点,形成调查区解译成果数据集,制作调查区的专题图,得到变形区域。
优选的,步骤(S1)中,资料收集与整合主要包括以下步骤:
(S1.1)、将收集到的光学遥感影像、DEM栅格数据进行融合、镶嵌、格式转化处理,对要素进行融合、裁切处理;
(S1.2)、将获取得到的SAR卫星影像进行解压、格式转换处理,对处理后的数据进行裁切、拼接处理;
(S1.3)、将收集到的已有水准测量成果数据转换为矢量数据,实现资料收集与整合。
优选的,光学遥感解译模块中,形成实地调查与核查成果的具体步骤如下
使用卫星数据,利用2-3期或更多期不同时相光学遥感影像的光谱和纹理差异,结合insar解译数据、地形地貌特征,识别出隐伏滑坡、地面塌陷、崩塌、泥石流变形迹象区域;
对InSAR解译和光学遥感解译圈定的疑似地质灾害点,进行实地调查,对每一个灾害点进行手动拍照、全景图拍照,形成实地调查与核查成果。
优选的,航拍模块中识别隐藏地质灾害隐患的具体步骤如下:
借助于机载LiDAR和无人机航拍,对通过InSAR和光学遥感解译确定出的10个疑似地质灾害高风险区、隐患集中分布区或重大地质灾害隐患点提供高分辨率、高精度的三维DSM地形地貌影像;
通过多次回波技术穿透地面植被,利用滤波算法有效去除地表植被,获取真实地面的高程数据信息,识别隐藏的地质灾害隐患。
优选的,InSAR模块中,变形区域的地表形变信息提取方法如下:
基于获取的DEM数据和SAR卫星影像;
根据工作区雷达影像质量和时间分布、地物相干性、形变量级、形变分布等实际情况,选用SBAS-InSAR,获取工作区域形变时间序列、年平均形变速率形变成果。
SBAS-InSAR是小基线集InSAR方法,SBAS-InSAR是近年提出来的一种新的InSAR时间序列分析方法,它克服了传统D-InSAR中存在的时间、空间相关和大气效应的限制性因素。相较于PS-InSAR方法,它利用具有较短时-空基线的影像,来提高干涉图的相干性,获取到的形变序列在时空上更为连续,从而可以应用于监测地壳长时间缓慢形变。SBAS-InSAR方法利用解缠后的相位,估计出平均形变速度之后,可以通过时间域的高通滤波和空间域的低通滤波(大气带来的相位信息是空间上相关,时间上随机的)去除大气的影响
优选的,SBAS-InSAR具体处理流程如下:
(a)、数据预处理;
(b)、差分干涉计算;
(c)、时间/空间域形变估算;
(d)、形变量计算。
优选的,步骤(a)中,数据预处理步骤如下:
(a1)、主影像选择
根据SBAS-InSAR方法选择多个主影像,SAR主影像的选择和像对组合工作步骤如下:
(a1.1)、计算所有影像对间的时间和空间基线,生成时间和空间基线分布图;
(a1.2)、采用时间和空间基线均满足给定阈值的像对组合生成差分干涉图集;
(a2)、影像配准、裁剪和组合。
所有SAR影像对主影像进行配准、裁剪,并组合生成时间序列干涉图集,具体工作步骤如下:
(a2.1)、任意挑选一景影像作为配准参考影像,所有影像对其进行配准;
(a2.2)、将所有数据裁剪成一致的区域;
(a2.3)、DEM与配准参考影像配准和裁剪;
(a2.4)、将DEM与选好的主影像进行配准,并将DEM范围裁剪成与主影像范围一致,具体步骤如下:
(a2.5)、对DEM采样成与主影像一致的分辨率;
(a2.6)、将DEM与主影像进行配准;
(a2.7)、依据配准关系式,计算生成DEM坐标系到SAR影像坐标系的转换查找表;
(a2.8)、依据转换查找表,利用多项式拟合算法,将DEM转换到SAR影像坐标系,生成影像坐标系下的DEM。
优选的,步骤(b)中、差分干涉计算步骤如下:
(b1)、干涉图相位计算
将所有主、辅影像前置滤波,计算干涉相位,生成干涉图。
(b2)、平地和地形相位去除
对由相干目标点组成的干涉图,进行平地和地形相位的去除。
(b3)、差分干涉图滤波和相干系数计算。
(b4)、相位解缠,相位解缠相干性阈值不低于0.15。
优选的,步骤(C)中,时间/空间域形变估算步骤如下:
对干涉图的差分干涉相位应进行时间和空间域的线性形变相位估计,去除大气、噪声等残余相位,得到点目标的时间序列形变相位。
SBAS-InSAR的计算步骤为:
①相邻点间参数估计,依据点间连接关系求解相邻点差分相位之差;
②线性形变相位和残余高程计算
依据空间基线、时间基线关系建立起的目标函数使模型相关系数最大化,估算相邻点间的线性形变速率和高程差值;
③残余相位低通滤波
从差分干涉相位中减去步骤①中两项相位分量后得到残余相位,对残余相位进行空间域低通滤波得到滤波后的残余相位;
④奇异值分解处理
根据短基线像对组合关系,对步骤②得到的滤波后残余相位进行奇异值分解(SVD)处理,求解每个影像对应时刻的大气相位和非线性形变相位;
⑤大气相位和非线性形变相位计算
对奇异值分解得到的大气相位和非线性形变相位进行空间域高通滤波,得到大气相位,并对滤波后的相位序列进行时域低通滤波,得到非线性形变相位;
⑥时间序列形变相位计算
将步骤②中线性形变相位和⑤中非线性形变相位相加,结合时间基线参数,得到每个PS点目标的时间序列形变相位;
步骤(C)中,形变量计算过程如下:
依据雷达波长参数,将解缠相位换算为LOS形变量,地理编码;同时精度评估,依据雷达入射角,将LOS形变量转换为垂直向形变量,地理编码。
本发明借助于高分辨率的光学影像和InSAR识别历史上曾经发生过明显变形破坏和正在变形的区域,实现对重大地质灾害隐患区域性、扫面性的普查;随后,借助于机载LiDAR和无人机航拍,对地质灾害高风险区、隐患集中分布区或地质灾害隐患点的地形地貌、地表变形破坏迹象乃至岩体结构等进行详细调查,实现对重大地质灾害隐患的详查;最后,通过地面调查复核以及地表和斜坡内部的观测,甄别并确认或排除普查和详查结果,实现了对地质灾害隐患的核查。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种地质灾害核查用调查采集***,其特征在于:包括InSAR模块、光学遥感解译模块和航拍模块,其中:
所述InSAR模块是利用InSAR解译确定变形区域,并提取变形区域的地表形变信息;
所述光学遥感解译模块是利用高分辨率光学遥感卫星对变形区域进行筛查,去除虚假目标,并进行地面核查,圈定疑似点,形成实地调查与核查成果;
所述航拍模块是利用无人机机载激光雷达测量技术对疑似点进行3D扫描,获取疑似点模型,确定隐患参数,识别隐藏的地质灾害隐患。
2.如权利要求1所述的一种地质灾害核查用调查采集***,其特征在于:所述InSAR模块中,确定变形区域的具体步骤如下:
(S1)、资料收集与整合
对星载雷达影像、基础地理信息数据及专题数据相关资料进行收集与整合;
(S2)、InSAR地表形变信息提取与整合
采用InSAR技术进行调查区的时间序列地表形变信息提取与整合,并结合水准数据,验证InSAR测量结果,形成地表形变监测数据集;
(S3)、疑似地质灾害隐患点解译
基于地表形变信息数据集,以形变量、形变趋势为依据,找出形变区域,圈定疑似地质灾害隐患点,形成隐伏灾害点数据集;
(S4)、解译成果制作
通过对调查区的地表形变信息进行综合统计分析,找出隐伏灾害点,形成调查区解译成果数据集,制作调查区的专题图,得到变形区域。
3.如权利要求1所述的一种地质灾害核查用调查采集***,其特征在于:所述步骤(S1)中,资料收集与整合主要包括以下步骤:
(S1.1)、将收集到的光学遥感影像、DEM栅格数据进行融合、镶嵌、格式转化处理,对要素进行融合、裁切处理;
(S1.2)、将获取得到的SAR卫星影像进行解压、格式转换处理,对处理后的数据进行裁切、拼接处理;
(S1.3)、将收集到的已有水准测量成果数据转换为矢量数据,实现资料收集与整合。
4.如权利要求1所述的一种地质灾害核查用调查采集***,其特征在于:所述光学遥感解译模块中,形成实地调查与核查成果的具体步骤如下
使用卫星数据,利用2-3期或更多期不同时相光学遥感影像的光谱和纹理差异,结合insar解译数据、地形地貌特征,识别出隐伏滑坡、地面塌陷、崩塌、泥石流变形迹象区域;
对InSAR解译和光学遥感解译圈定的疑似地质灾害点,进行实地调查,对每一个灾害点进行手动拍照、全景图拍照,形成实地调查与核查成果。
5.如权利要求1所述的一种地质灾害核查用调查采集***,其特征在于:所述航拍模块中识别隐藏地质灾害隐患的具体步骤如下:
借助于机载LiDAR和无人机航拍,对通过InSAR和光学遥感解译确定出的10个疑似地质灾害高风险区、隐患集中分布区或重大地质灾害隐患点提供高分辨率、高精度的三维DSM地形地貌影像;
通过多次回波技术穿透地面植被,利用滤波算法有效去除地表植被,获取真实地面的高程数据信息,识别隐藏的地质灾害隐患。
6.如权利要求1所述的一种地质灾害核查用调查采集***,其特征在于:所述InSAR模块中,变形区域的地表形变信息提取方法如下:
基于获取的DEM数据和SAR卫星影像;
根据工作区雷达影像质量和时间分布、地物相干性、形变量级、形变分布等实际情况,选用SBAS-InSAR,获取工作区域形变时间序列、年平均形变速率形变成果。
7.如权利要求6所述的一种地质灾害核查用调查采集***,其特征在于:所述SBAS-InSAR具体处理流程如下:
(a)、数据预处理;
(b)、差分干涉计算;
(c)、时间/空间域形变估算;
(d)、形变量计算。
8.如权利要求7所述的一种地质灾害核查用调查采集***,其特征在于:所述步骤(a)中,数据预处理步骤如下:
(a1)、主影像选择
根据SBAS-InSAR方法选择多个主影像,SAR主影像的选择和像对组合工作步骤如下:
(a1.1)、计算所有影像对间的时间和空间基线,生成时间和空间基线分布图;
(a1.2)、采用时间和空间基线均满足给定阈值的像对组合生成差分干涉图集;
(a2)、影像配准、裁剪和组合。
所有SAR影像对主影像进行配准、裁剪,并组合生成时间序列干涉图集,具体工作步骤如下:
(a2.1)、任意挑选一景影像作为配准参考影像,所有影像对其进行配准;
(a2.2)、将所有数据裁剪成一致的区域;
(a2.3)、DEM与配准参考影像配准和裁剪;
(a2.4)、将DEM与选好的主影像进行配准,并将DEM范围裁剪成与主影像范围一致,具体步骤如下:
(a2.5)、对DEM采样成与主影像一致的分辨率;
(a2.6)、将DEM与主影像进行配准;
(a2.7)、依据配准关系式,计算生成DEM坐标系到SAR影像坐标系的转换查找表;
(a2.8)、依据转换查找表,利用多项式拟合算法,将DEM转换到SAR影像坐标系,生成影像坐标系下的DEM。
9.如权利要求8所述的一种地质灾害核查用调查采集***,其特征在于:所述步骤(b)中、差分干涉计算步骤如下:
(b1)、干涉图相位计算
将所有主、辅影像前置滤波,计算干涉相位,生成干涉图。
(b2)、平地和地形相位去除
对由相干目标点组成的干涉图,进行平地和地形相位的去除。
(b3)、差分干涉图滤波和相干系数计算。
(b4)、相位解缠,相位解缠相干性阈值不低于0.15。
10.如权利要求9所述的一种地质灾害核查用调查采集***,其特征在于:所述步骤(C)中,时间/空间域形变估算步骤如下:
对干涉图的差分干涉相位应进行时间和空间域的线性形变相位估计,去除大气、噪声等残余相位,得到点目标的时间序列形变相位;
所述步骤(C)中,形变量计算过程如下:
依据雷达波长参数,将解缠相位换算为LOS形变量,地理编码;同时精度评估,依据雷达入射角,将LOS形变量转换为垂直向形变量,地理编码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210304972.4A CN114755675A (zh) | 2022-03-25 | 2022-03-25 | 一种地质灾害核查用调查采集*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210304972.4A CN114755675A (zh) | 2022-03-25 | 2022-03-25 | 一种地质灾害核查用调查采集*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114755675A true CN114755675A (zh) | 2022-07-15 |
Family
ID=82326702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210304972.4A Pending CN114755675A (zh) | 2022-03-25 | 2022-03-25 | 一种地质灾害核查用调查采集*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114755675A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116222411A (zh) * | 2023-04-06 | 2023-06-06 | 山东环宇地理信息工程有限公司 | 一种地表形变监测***、监测方法及应用 |
CN116994156A (zh) * | 2023-09-27 | 2023-11-03 | 自然资源部第三地理信息制图院 | 一种滑坡隐患综合遥感识别方法、***、设备及介质 |
CN117968631A (zh) * | 2024-03-29 | 2024-05-03 | 北华航天工业学院 | 基于无人机dom和星载sar影像的路面沉陷检测方法 |
-
2022
- 2022-03-25 CN CN202210304972.4A patent/CN114755675A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116222411A (zh) * | 2023-04-06 | 2023-06-06 | 山东环宇地理信息工程有限公司 | 一种地表形变监测***、监测方法及应用 |
CN116222411B (zh) * | 2023-04-06 | 2023-10-20 | 山东环宇地理信息工程有限公司 | 一种地表形变监测***、监测方法及应用 |
CN116994156A (zh) * | 2023-09-27 | 2023-11-03 | 自然资源部第三地理信息制图院 | 一种滑坡隐患综合遥感识别方法、***、设备及介质 |
CN116994156B (zh) * | 2023-09-27 | 2023-12-08 | 自然资源部第三地理信息制图院 | 一种滑坡隐患综合遥感识别方法、***、设备及介质 |
CN117968631A (zh) * | 2024-03-29 | 2024-05-03 | 北华航天工业学院 | 基于无人机dom和星载sar影像的路面沉陷检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114755675A (zh) | 一种地质灾害核查用调查采集*** | |
Crosetto et al. | Persistent scatterer interferometry | |
Li et al. | Integration of InSAR time-series analysis and water-vapor correction for mapping postseismic motion after the 2003 Bam (Iran) earthquake | |
Bovenga et al. | Application of multi-temporal differential interferometry to slope instability detection in urban/peri-urban areas | |
Baldi et al. | Monitoring the morphological evolution of the Sciara del Fuoco during the 2002–2003 Stromboli eruption using multi-temporal photogrammetry | |
Antoine et al. | Geoscientists in the sky: Unmanned aerial vehicles responding to geohazards | |
Avtar et al. | Evaluation of DEM generation based on Interferometric SAR using TanDEM-X data in Tokyo | |
Bignami et al. | Pyroclastic density current volume estimation after the 2010 Merapi volcano eruption using X-band SAR | |
CN112444188B (zh) | 一种多视角InSAR海堤高精度三维形变测量方法 | |
CN110174673B (zh) | 一种利用时序接力干涉图叠加高效减弱大气相位影响的方法 | |
CN117437508B (zh) | 一种基于InSAR的建筑群体震后损伤评估方法及*** | |
Borghero | Feasibility study of dam deformation monitoring in Northern Sweden using Sentinel1 SAR interferometry | |
Yamazaki et al. | Detection of damage to building side-walls in the 2011 Tohoku, Japan earthquake using high-resolution TerraSAR-X images | |
Zhong et al. | Comprehensive study of landslides through the integration of multi remote sensing techniques: framework and latest advances | |
Karathanassi et al. | Monitoring the change in volume of waste in landfill using SAR interferometry | |
CN114239379A (zh) | 一种基于形变检测的输电线路地质灾害分析方法及*** | |
Ahmad et al. | Disaster monitoring in urban and remote areas using satellite stereo images: A depth estimation approach | |
Oniga et al. | Overview on remote sensing methods and data sources for floods and landslides management | |
Pawluszek-Filipiak et al. | Comparison of PSI and DInSAR approach for the subsidence monitoring caused by coal mining exploitation | |
Tiongson et al. | Mapping of ground surface deformations and its associated damage using SAR interferometry: a case study of the 2020 Masbate earthquake | |
Andaru et al. | Post-eruption lava dome emplacement measured by UAV photogrammetry: An investigation one year after the 2017–2019 Mt. Agung eruptions | |
Kumar et al. | Surface displacement monitoring at Joshimath region, Uttarakhand using SBAS-InSAR | |
Wang et al. | Deformation monitoring and evaluation of mountain slope stability combined with ground-based radar and spaceborne InSAR methods | |
Liu et al. | Detection of Landslides Induced by the 2018 Hokkaido Eastern Iburi Earthquake Using Multi-Temporal ALOS-2 imagery | |
Caliò et al. | Aerial photogrammetry used as a quick procedure for rock mass stability analysis in a nature reserve |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |