insar监测10篇insar监测 第３１卷ꎬ第２期国 土 资 源 遥 感Ｖｏｌ.３１ꎬＮｏ.２ ２０１９年６月ＲＥＭＯＴＥＳＥＮＳＩＮＧＦＯＲＬＡＮＤ＆ＲＥＳＯＵＲＣＥ下面是小编为大家整理的insar监测10篇,供大家参考。
篇一：insar监测
３１ 卷ꎬ第 ２ 期 国 土 资 源 遥 感 Ｖｏｌ. ３１ꎬＮｏ. ２ ２０１９ 年 ６ 月 ＲＥＭＯＴＥ ＳＥＮＳＩＮＧ ＦＯＲ ＬＡＮＤ ＆ ＲＥＳＯＵＲＣＥＳ Ｊｕｎ. ꎬ２０１９ ｄｏｉ: １０. ６０４６/ ｇｔｚｙｙｇ. ２０１９. ０２. ２７引用格式: 朱茂ꎬ沈体雁ꎬ黄松ꎬ等. ＩｎＳＡＲ 技术地铁沿线建筑物形变监测[Ｊ]. 国土资源遥感ꎬ２０１９ꎬ３１(２):１９６ －２０３. (Ｚｈｕ ＭꎬＳｈｅｎ Ｔ ＹꎬＨｕａｎｇ Ｓꎬｅｔ ａｌ. Ｒｅｓｅａｒｃｈ ｏｎ ａｐｐｌｉｃａｔｉｏｎｓ ｏｆ ＩｎＳＡＲ ｔｅｃｈｎｏｌｏｇｙ ｔｏ ｔｈｅ ｄｅｆｏｒｍａｔｉｏｎ ｍｏｎｉｔｏｒｉｎｇ ｏｆ ｂｕｉｌｄｉｎｇｓ ａｌｏｎｇ ｔｈｅ ｓｕｂｗａｙ[Ｊ]. Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｆｏｒ Ｌａｎｄ ａｎｄ Ｒｅｓｏｕｒｃｅｓꎬ２０１９ꎬ３１(２):１９６ －２０３. )ＩｎＳＡＲ 技术地铁沿线建筑物形变监测朱 茂 １ ꎬ 沈体雁 １ ꎬ 黄 松 ２ ꎬ 白书建 ３ ꎬ 葛春青 ３ ꎬ 胡 琼 ３(１. 北京大学政府管理学院ꎬ北京 １００８７１ꎻ ２. 深圳市城市公共安全技术研究院有限公司ꎬ深圳 ５１８０４８ꎻ ３. 北京东方至远科技股份有限公司ꎬ北京 １０００８１)摘要: 作为一种缓变的地质灾害ꎬ地面沉降会对建筑物的安全状况产生严重影响ꎮ 尤其是地铁施工给周边目标引入的沉降风险ꎬ已经成为政府管理部门和社会热点关注问题之一ꎮ 星载合成孔径雷达干涉测量(ｉｎｔｅｒｆｅｒｏｍｅｔｒｉｃ ｓｙｎ￣ｔｈｅｔｉｃ ａｐｅｒｔｕｒｅ ＲａｄａｒꎬＩｎＳＡＲ)技术能全天时、全天候、大范围获取地表高精度形变信息ꎬ为受地面沉降影响后城市建筑物的风险评估提供技术支持ꎮ 以深圳市某地铁站周边建筑群为研究对象ꎬ利用 ＰＳＰ － ＩｎＳＡＲ 技术ꎬ获取了深圳市２０１３ 年 ９ 月—２０１６ 年 ９ 月的形变数据ꎮ 在数据分析的过程中ꎬ首先结合地铁站施工方案、地质资料和建筑物自身属性ꎬ对不同时间段建筑物的形变趋势变化及其对建筑物的影响开展了相应研究ꎻ 然后ꎬ选取研究区域内某栋建筑物为研究对象ꎬ分析了不同部位 ＰＳ 点的差异形变和倾斜量ꎬ并结合相应标准ꎬ初步评估了该栋建筑物受沉降灾害影响的风险ꎻ 最后ꎬ通过与水准数据对比ꎬ验证了 ＩｎＳＡＲ 形变测量结果的精度ꎮ 实地调研也在形变量较大的建筑物上发现了相应危险征兆ꎮ 实际案例分析证实了 ＩｎＳＡＲ 技术有能力在未来城市建筑物风险评估及综合治理的过程中起到重要作用ꎮ关键词: 地面沉降监测ꎻ 建筑物形变分析ꎻ ＩｎＳＡＲ 技术ꎻ 地铁施工监测中图法分类号: ＴＰ ７９ 文献标志码: Ａ 文章编号: １００１ －０７０Ｘ(２０１９)０２ －０１９６ －０８收稿日期: ２０１８ －０２ －０７ꎻ 修订日期: ２０１８ －０５ －０４基金项目: 国家自然科学基金项目“基于双边匹配理论的企业区位配置模型与区位市场设计”(编号: ７１４７３００８)资助ꎮ第一作者: 朱 茂(１９８８ － )ꎬ男ꎬ博士ꎬ主要从事 ＩｎＳＡＲ 技术应用方面的研究ꎮ Ｅｍａｉｌ: ｚｈｕｍａｏｗｏｒｋ＠１２６. ｃｏｍꎮ通信作者: 沈体雁(１９７１ － )ꎬ男ꎬ教授ꎬ主要从事风险评估方面的研究ꎮ Ｅｍａｉｌ: ｔｙｓｈｅｎ＠ ｐｋｕ. ｅｄｕ. ｃｎꎮ０ 引言地面沉降是地铁隧道施工给周围环境带来的一个重大问题ꎬ可能导致管道破裂ꎬ建筑物和桥梁倒塌等灾难事件发生ꎬ故而备受关注ꎮ 它具体表现在 ３个方面: ①对建筑物基础的影响ꎻ ②地基的承载能力减弱ꎻ ③对房屋上部结构的伤害与影响ꎮ 因此ꎬ为了降低地面沉降的影响ꎬ在地铁建设全生命周期内ꎬ对沿线周边建筑物开展形变监测至关重要 [１] ꎮ相比于传统的接触式测量技术(水准仪测量和ＧＰＳ 测量等)ꎬ星载合成孔径雷达干涉测量(ｉｎｔｅｒｆｅｒｏ￣ｍｅｔｒｉｃ ｓｙｎｔｈｅｔｉｃ ａｐｅｒｔｕｒｅ ＲａｄａｒꎬＩｎＳＡＲ)技术属于非接触测量范畴ꎬ具有其他技术所不具备的优势 [２ －６] ꎮ 星载 ＩｎＳＡＲ 技术不受光照和天气条件的限制ꎬ能全天时、全天候获取地表信息ꎮ ＩｎＳＡＲ 技术的引入使得人们能在大空间范围内ꎬ针对每栋单体建筑物的形变监测成为可能 [７ －１２] ꎮ 在传统的 ＩｎＳＡＲ 大数据分析过程中ꎬ主要依据整个监测时间段内的平均形变速率来评估目标形变ꎮ 但是ꎬ考虑到地铁施工分不同阶段ꎬ其对周边建筑物的影响会随施工过程在空间维度和时间维度发生动态变化ꎬ仅仅依据平均形变速率来分析空间目标形变可能会损失较多信息ꎮ本文将以 ＣＯＳＭＯ － ＳｋｙＭｅｄ 数据为输入ꎬ利用ＰＳＰ － ＩｎＳＡＲ 技术获取了深圳全市 ２０１３ 年 ９ 月—２０１６ 年 ９ 月的形变数据库 [１３ －１４] ꎮ 在针对深圳地铁９ 号线某地铁站周边的形变分析过程中ꎬ首先结合地铁站施工方案ꎬ针对不同的时间区间ꎬ在空间维度与时间维度重点分析了地铁站周边建筑物形变演化规律的动态变化ꎻ 然后ꎬ选取研究区域内一栋建筑物为研究对象ꎬ计算其不同部位 ＰＳ 点的差异沉降和倾斜量ꎬ并结合相应的标准ꎬ初步评估了该栋建筑物的风险ꎻ 最后ꎬ将 ＩｎＳＡＲ 数据与水准数据进行对比ꎬ分析 ＩｎＳＡＲ 形变测量结果的精度ꎮ１ ＰＳＰ － ＩｎＳＡＲ 技术原理图 １ 显示了 ＩｎＳＡＲ 形变测量技术的几何模型ꎮ第 ２ 期 朱 茂ꎬ等: ＩｎＳＡＲ 技术地铁沿线建筑物形变监测Ｍ 和 Ｓ 分别为形变发生前后 ＳＡＲ 卫星的位置ꎮ 一般情况下ꎬ２ 颗卫星不完全重轨ꎬ存在空间基线 Ｂꎮ在形变发生前ꎬ目标点位于位置 Ａ ꎬ形变发生后ꎬ目标点移动到位置 Ａ′ ꎮ图 １ ＩｎＳＡＲ 形变测量技术的几何模型Ｆｉｇ. １ Ｇｅｏｍｅｔｒｉｃ ｍｏｄｅｌ ｏｆ ＩｎＳＡＲ 当从干涉相位中剔除模拟的地形相位后ꎬ目标点在视线(ｌｉｎｅ ｏｆ ｓｉｇｈｔꎬ ＬＯＳ)方向的形变量 Δｒ 与形变相位 φ ｄｅｆ 的关系可以表示为φ ｄｅｆ ＝ －４πλΔｒ ꎬ (１)式中 λ 表示雷达信号的波长ꎮ ＩｎＳＡＲ 技术的形变测量精度与雷达波长相关ꎮ在传统 ＩｎＳＡＲ 技术的基础上ꎬＦｅｒｒｅｔｔｉ 等 [１５ －１６]提出了永久散射体合成孔径雷达干涉测量(ｐｅｒｓｉｓ￣ｔｅｎｔ ｓｃａｔｔｅｒｅｒ ｉｎｔｅｒｆｅｒｏｍｅｔｒｉｃ ｓｙｎｔｈｅｔｉｃ ａｐｅｒｔｕｒｅ ＲａｄａｒꎬＰＳ ＩｎＳＡＲ)方法ꎮ ＰＳ ＩｎＳＡＲ 方法首先在 ＳＡＲ 图像中选出那些在长时间范围内能保持高相关性的目标点ꎬ并定义为 ＰＳ 点ꎻ 然后ꎬ依据相位和形变量的转换关系ꎬ获取 ＰＳ 点处的形变信息ꎮ 同时ꎬ对由外部数字高程模型(ｄｉｇｉｔａｌ ｅｌｅｖａｔｉｏｎ ｍｏｄｅｌꎬＤＥＭ)不精确引入的误差相位项 Δφ ｔｏｐｏ 进行估计ꎬ进而获取外部ＤＥＭ 的误差信息ꎮ永久散射体对(ｐｅｒｓｉｓｔｅｎｔ ｓｃａｔｔｅｒｅｒ ｐａｉｒꎬＰＳＰ)方法是传统 ＰＳ ＩｎＳＡＲ 算法的进一步升级ꎬ其核心思想是定义和分析 ＰＳ 点对ꎮ ＰＳ 点对的联合分析能够降低空间相关性误差(如大气相位误差)对形变反演结果的影响ꎮ 因此ꎬ这种方法也能够克服传统 ＰＳＩｎＳＡＲ 算 法 的 限 制ꎬ 并 且 获 取 密 度 更 高 的 ＰＳ点对 [１３ －１４] ꎮＰＳＰ 算法的核心步骤是迭代建立 ＰＳＰ 网格ꎬ并估计 ＰＳ 点对之间的相对形变速率和相对高程差ꎮ 由于形成 ＰＳ 点对的２ 个 ＰＳ 点距离较近ꎬ在干涉相位中的大气相位项 Δφ ａｔｍｏ 和轨道误差相位项 Δφ ｔｒａｃｋ 基本相同ꎬ那么这２ 个 ＰＳ 点的干涉相位差可以建模为δφ ａꎬｉ ＝４πλＴ ｉ δｖ ａ ＋Ｂ ｉ δｈ ａｒｓｉｎθæèçöø÷ ＋ ε ａꎬｉꎬ (２)式中: Ｔ ｉ 表示第 ｉ 幅 ＳＡＲ 图像相对于参考 ＳＡＲ 图像的时间ꎻ δｖ ａ 表示第 ａ 个 ＰＳ 点对中２ 个 ＰＳ 点的相对形变速率ꎻ Ｂ ｉ 表示第 ｉ 幅干涉图的有效基线ꎻ δｈ ａ 表示第 ａ 个 ＰＳ 点对中 ２ 个 ＰＳ 点的相对高程差ꎻ ｒ 表示目标点的斜距ꎻ θ 表示下视角ꎻ ε ａꎬｉ 表示噪声和未建模的误差ꎮ 一般来说ꎬ如果 ε ａꎬｉ 较小ꎬ那么这个像素点对就可以被认为是 ＰＳ 点对ꎬ并称之为 ＰＳＰꎮ为了从数学模型上判断 ＰＳＰꎬ可以先定义第 ａ个 ＰＳＰ 的时间相关系数ꎬ即γ ａ ＝ ｍａｘδｖ ａ ꎬδｈ ａ∑ｉω ａꎬｉ ｅｘｐ(ｊε ａꎬｉ )＝ ｍａｘδｖ ａ ꎬδｈ ａ∑ｉω ａꎬｉ ｅｘｐ ｊ δφ ａꎬｉ －４πλＴ ｉ δｖ ａ ＋Ｂ ｉ δｈ ａｒｓｉｎθæèçöø÷[ ] { } ꎬ (３)式中: ω ａꎬｉ 表示第 ａ 个像素点在第 ｉ 幅干涉图像中所对应的权重值ꎬ简单情况下可全设置为 １ꎻ ｊ 表示虚数符号ꎮ 在处理过程中ꎬ先对未知参数 δｖ ａ 和 δｈ ａ 进行最佳估计ꎬ然后计算 γ ａ ꎮ 同时ꎬ设定时间相关系数阈值 γ Ｔｈｒｅｓｈｏｌｄ ꎬ当 γ ａ > γ Ｔｈｒｅｓｈｏｌｄ 时ꎬ这个像素点对可以被判定为 ＰＳ 点对ꎮ２ 研究区地铁建设概况及数据源深圳市是中国大陆地区第五个拥有地铁系统的城市ꎮ 截至 ２０１７ 年 １ 月 １ 日ꎬ深圳地铁共有 ８ 条线路、１９９ 座车站、运营线路总长 ２８５ ｋｍꎬ居全国第四ꎮ根据深圳市轨道交通线网规划(２０１６—２０３０)规划方案ꎬ深圳市共规划城市轨道线路 ３２ 条ꎬ总规模约１ １４２ ｋｍ(含弹性发展线路约 ５３ ｋｍ)ꎬ由市域快线和普速线路 ２ 个层次构成ꎮ 其中ꎬ市域快线 ８ 条ꎬ总规模约 ４１２ ｋｍꎬ普速线路 ２４ 条ꎬ总规模约 ７３０ ｋｍꎮ高速密集的地铁施工势必会对沿线周边建筑物造成安全隐患ꎮ为了对研究区开展形变监测ꎬ基于意大利 ＣＯＳ￣ＭＯ － ＳｋｙＭｅｄ 系统获取的深圳西部 ５１ 景 ３ ｍ 空间分辨率条带模式下的 ＳＡＲ 干涉图像序列ꎬ本文利用ＰＳＰ － ＩｎＳＡＲ 技术 [１３ －１４] ꎬ获取了 ２０１３ 年 ９ 月—２０１６年 ９ 月 ３ ａ 内研究区所有 ＰＳ 点的三维位置信息ꎬ形变速率信息和形变历史信息ꎮ 一般来说ꎬＣＯＳＭＯ －ＳｋｙＭｅｄ 系统每次观测的覆盖范围可达上千 ｋｍ ２ ꎮ空间分辨率最高可以达到 １ ｍꎬ形变测量精度可达ｍｍ 量级 [７] ꎮ 同时ꎬ由于该星座系统包含 ４ 颗同轨运行的 ＳＡＲ 卫星ꎬ形变测量的时间分辨率最高可达１６ ｄ 重访４ 次 [１７] ꎮ 因此ꎬ基于该系统的 ＩｎＳＡＲ 数据
