基于SBAS-InSAR的成都平原地面沉降监测

doi:10.6046/gtzyyg.2016.03.20

摘要
参考文献
相关文章
Metrics

全文: PDF(9190 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

汶川地震后,余震活动频繁,加之成都平原内城市发展迅速,容易诱发地面沉降;对成都平原地面沉降进行监测,及时掌握沉降信息,可为相关决策提供科学依据。基于ENVISAT ASAR数据,采用小基线集(small baseline subset,SBAS)-InSAR技术,对成都平原2008-2010年地面沉降进行了监测。结果表明,各主要城市在监测时段内的地表累积形变量在-8~14 mm之间,总体形变量不大;成都平原西部区域受地震影响呈抬升趋势,沉降主要集中于成都市北侧和德阳市以南部分区域,最大沉降量为-22 mm,沉降范围随时间推移呈扩大趋势。通过实测数据验证了监测结果,精度达到2.9 mm。成都平原不存在区域性沉降的构造背景,且地下水资源丰富,沉降自然诱因不明显,城市建设活动可能为沉降的人为诱因。该成果可为今后成都平原主要城市更加精细的地面沉降监测工作提供参考。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	邓曾
	李丹
	柯樱海
	吴燕晨
	李小娟
	宫辉力

关键词 ：高分辨率遥感影像, 支持向量机(SVM), 主成分分析, 网格搜索法, 分类性能

Abstract：

After Wenchuan earthquake, the aftershocks happened frequently. Coupled with the rapid development of cities, they are likely to cause ground subsidence. So monitoring the surface of Chengdu Plain and obtaining the deformation information could provide scientific basis for the relevant decisions. In this paper, based on ENVISAT ASAR data, the authors monitored the ground subsidence of Chengdu Plain from 2008 to 2010 using SBAS-InSAR technology. The results show that the average surface deformations were between -8 to 14 mm in major cities in the Chengdu Plain during the monitoring period, the deformation is not prominent, and the western part of the plain showed a uplift trend caused by earthquake. The subsidence area in the north of the Chengdu City and south to the Deyang City was up to -22 mm with the expansion of the subsidence area. The monitoring results were validated by measured data and the accuracy is 2.9 mm. The Chengdu Plain has no regional tectonic setting of subsidence and has abundant groundwater resources, so the natural cause of subsidence is not obvious; the city building activity might be the major cause of subsidence.

Key words： remote sensing images of high spatial resolution support vector machine(SVM) principal component analysis grid search method classification performance

收稿日期: 2015-04-08 出版日期: 2016-07-01

TP79

基金资助:

四川省地理国情监测工程技术研究中心开放基金项目"基于时间序列InSAR技术的紫平铺水库坝体及消落带形变监测方法研究"(编号:GC201508)、2014年中央高校基本科研业务费专项基金项目"基于D-InSAR技术的汶川地震重点区域地表形变监测关键技术的研究"(编号:2014NZYQN28)和数字制图与国土信息应用重点实验室开放课题项目"基于开源环境的地理国情监测统计成果数据可视化展示方法研究与技术实现"(编号:DM2013SC09)共同资助。

作者简介: 孙晓鹏(1986-),男,硕士研究生,助理工程师,主要从事地理国情监测和相关科研工作。Email:sunxiaopeng05@163.com。

引用本文:

孙晓鹏, 鲁小丫, 文学虎, 甄艳, 王蕾. 基于SBAS-InSAR的成都平原地面沉降监测[J]. 国土资源遥感, 2016, 28(3): 123-129.
SUN Xiaopeng, LU Xiaoya, WEN Xuehu, ZHEN Yan, WANG Lei. Monitoring of ground subsidence in Chengdu Plain using SBAS-InSAR. REMOTE SENSING FOR LAND & RESOURCES, 2016, 28(3): 123-129.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2016.03.20 或 https://www.gtzyyg.com/CN/Y2016/V28/I3/123

[1] 郑铣鑫,武强,侯艳声,等.关于城市地面沉降研究的几个前沿问题[J].地球学报,2002,23(3):279-282. Zheng X X,Wu Q,Hou Y S,et al.Some frontier problems on land subsidence research[J].Acta Geoscientia Sinica,2002,23(3):279-282.
[2] 殷跃平,张作辰,张开军.我国地面沉降现状及防治对策研究[J].中国地质灾害与防治学报,2005,16(2):1-8. Yin Y P,Zhang Z C,Zhang K J.Land subsidence and countermeasures for its prevention in China[J].The Chinese Journal of Geological Hazard and Control,2005,16(2):1-8.
[3] 杨成生,刘媛媛,敖萌.基于SBAS时序分析的大同地面沉降与地下水活动研究[J].国土资源遥感,2015,27(1):127-132.doi:10.6046/gtzyyg.2015.01.20. Yang C S,Liu Y Y,Ao M.Study of land subsidence and groundwater activity using SBAS time-series analysis[J].Remote Sensing for Land and Resources,2015,27(1):127-132.doi:10.6046/gtzyyg.2015.01.20.
[4] 刘志敏,李永生,张景发,等.基于SBAS-InSAR的长治矿区地表形变监测[J].国土资源遥感,2014,26(3):37-42.doi:10.6046/gtzyyg.2014.03.06. Liu Z M,Li Y S,Zhang J F,et al.An analysis of surface deformation in the Changzhi mining area using small baseline InSAR[J].Remote Sensing for Land and Resources,2014,26(3):37-42.doi:10.6046/gtzyyg.2014.03.06.
[5] 尹宏杰,朱建军,李志伟,等.基于SBAS的矿区形变监测研究[J].测绘学报,2011,40(1):52-58. Yin H J,Zhu J J,Li Z W,et al.Ground subsidence monitoring in mining area using DInSAR SBAS algorithm[J].Acta Geodaetica et Cartographica Sinica,2011,40(1):52-58.
[6] 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):2375-2382.
[7] 廖明生,王腾.时间序列InSAR技术与应用[M].北京:科学出版社,2014:84-86. Liao M S,Wang T.Time Series InSAR Technology and Application[M].Beijing:Science Press,2014:84-86.
[8] 林向东.汶川地震以来龙门山断裂带地震矩张量时空演化特征[D].北京:中国地震局地球物理研究所,2014:84-86. Lin X D.Longmen Shan Fault Seismic Moment Tensor Characteristic Temporal Evolution Since the Earthquake[D].Beijing:Institute of Geophysics,China Eatrhquake Administration,2014:84-86.
[9] 钱洪,唐荣昌.成都平原的形成与演化[J].四川地震,1997(3):1-7. Qian H,Tang R C.On the formation and evolution of the Chengdu Plain[J].Earthquake Research in Sichuan,1997(3):1-7.
[10] 何银武.试论成都盆地(平原)的形成[J].中国区域地质,1987(2):169-175. He Y W.On the formation of the Chengdu Basin(Plain)[J].Regional Geology of China,1987(2):169-175.
[11] 李永昭,郭兵.成都平原的晚新生代构造[J].成都理工大学学报:自然科学版,2008,35(4):371-376. Li Y Z,Guo B.Cenozonic tectonics of Chengdu Plain, Sichuan,China[J].Journal of Chengdu University of Technology:Science & Technology Edition,2008,35(4):371-376.
[12] 欧洋铭,白若男,朱国宇.成都市水资源承载力动态变化及成因[J].南水北调与水利科技,2012,10(6):110-114. Ou Y M,Bai R N,Zhu G Y.Dynamic variation of water resources carrying capacity and its causes in Chengdu[J].South-to-North Water Transfers and Water Science and Technology,2012,10(6):110-114.
[13] 郑义加.成都平原地下水资源分布的初步分析[J].四川水利,2005,26(4):28-31. Zheng Y J.Tentative analysis of groundwater resources distribution in the Chengdu Plain[J].Sichuan Water Resources,2005,26(4):28-31.

[1]	秦大辉, 杨灵, 谌伦超, 段云飞, 贾宏亮, 李贞培, 马建琴. 基于多源数据的新疆干旱特征及干旱模型研究[J]. 自然资源遥感, 2022, 34(1): 151-157.
[2]	张秦瑞, 赵良军, 林国军, 万虹麟. 改进遥感生态指数的宜宾市三江汇合区生态环境评价[J]. 自然资源遥感, 2022, 34(1): 230-237.
[3]	薛白, 王懿哲, 刘书含, 岳明宇, 王艺颖, 赵世湖. 基于孪生注意力网络的高分辨率遥感影像变化检测[J]. 自然资源遥感, 2022, 34(1): 61-66.
[4]	魏英娟, 刘欢. 北衙金矿床遥感矿化蚀变信息提取及找矿预测[J]. 自然资源遥感, 2021, 33(3): 156-163.
[5]	陈震, 夏学齐, 陈建平. 土地生态质量遥感评价模型与主控因子研究——以广安市为例[J]. 国土资源遥感, 2021, 33(1): 191-198.
[6]	胡苏李扬, 李辉, 顾延生, 黄咸雨, 张志麒, 汪迎春. 基于高分辨率遥感影像的神农架大九湖湿地土地利用类型变化及其驱动力分析——来自长时间尺度多源遥感信息的约束[J]. 国土资源遥感, 2021, 33(1): 221-230.
[7]	木哈代思·艾日肯, 张飞, 刘康, 阿依努尔·玉山江. 基于天宫二号及Landsat8城镇生态环境现状评价[J]. 国土资源遥感, 2020, 32(4): 209-218.
[8]	卫虹宇, 赵银娣, 董霁红. 基于改进RetinaNet的冷却塔目标检测[J]. 国土资源遥感, 2020, 32(4): 68-73.
[9]	吴同, 彭玲, 胡媛. 基于SU-RetinaNet的高分辨率遥感影像非正规垃圾堆检测[J]. 国土资源遥感, 2020, 32(3): 90-97.
[10]	康晋洁, 戚浩平, 杨清华, 陈华. 道路通行障碍物遥感检测与通过性评价[J]. 国土资源遥感, 2020, 32(2): 94-102.
[11]	姚本佐, 何芳. 空谱特征分层融合的高光谱图像特征提取[J]. 国土资源遥感, 2019, 31(3): 59-64.
[12]	阿茹罕, 何芳, 王标标. 加权空-谱主成分分析的高光谱图像分类[J]. 国土资源遥感, 2019, 31(2): 17-23.
[13]	董立新. 三峡库区森林叶面积指数多模型遥感估算[J]. 国土资源遥感, 2019, 31(2): 73-81.
[14]	涂兵, 张晓飞, 张国云, 王锦萍, 周瑶. 递归滤波与KNN的高光谱遥感图像分类方法[J]. 国土资源遥感, 2019, 31(1): 22-32.
[15]	尹凌宇, 覃先林, 孙桂芬, 刘树超, 祖笑锋, 陈小中. 利用KPCA法检测高分一号影像中的森林覆盖变化[J]. 国土资源遥感, 2018, 30(1): 95-101.

Viewed

Full text

Abstract

Cited

Shared

Discussed