国土资源遥感杂志, 2020, 32(1): 209-215 doi: 10.6046/gtzyyg.2020.01.28

技术应用

基于InSAR形变的辽河油田曙光采油厂储层参数反演

杨崇1, 刘国祥,1,2, 于冰3, 张波1, 张瑞1,2, 王晓文1

1. 西南交通大学地球科学与环境工程学院,成都 610031

2. 高速铁路运营安全空间信息技术国家地方联合工程实验室,成都 610031

3. 西南石油大学土木工程与建筑学院,成都 610500

Inversion of reservoir parameters in Shuguang Oil Production Plant of the Liaohe Oilfield based on InSAR deformation

YANG Chong1, LIU Guoxiang,1,2, YU Bing3, ZHANG Bo1, ZHANG Rui1,2, WANG Xiaowen1

1. Faculty of Geosciences and Environmental Engineering, Southwest Jiaotong University, Chengdu 610031, China

2. State-Province Joint Engineering Laboratory of Spatial Information Technology of High-Speed Railway Safety, Chengdu 610031, China

3. School of Civil Engineering and Architecture, Southwest Petroleum University, Chengdu 610500, China

通讯作者: 刘国祥(1968-),男,博士,教授,主要从事InSAR及高分辨率卫星遥感研究。Email:rsgxliu@swjtu.edu.cn

责任编辑: 李 瑜

收稿日期: 2019-03-1   修回日期: 2019-04-25   网络出版日期: 2020-03-15

基金资助: 国家自然科学基金青年科学基金项目“基于卫星升降轨时序DInSAR的塔里木油田沉降监测及储层状态参数反演”.  编号: 41801399
测绘遥感信息工程国家重点实验室资助课题“基于星载SAR干涉的克拉玛依油田时序二维形变监测及储层参数反演”.  编号: 18E01
油气藏地质及开发工程国家重点实验室(西南石油大学)资助项目“多卫星平台MT-DInSAR克拉玛依油田沉降监测及储层地质力学参数动态反演”.  编号: PLN201815
国家重点研发计划项目“星载新体制SAR综合环境监测技术”.  编号: 2017YFB0502700
国家自然科学基金面上项目“基于卫星升降轨X/C/L波段SAR影像监测贡嘎山冰川分布及其动态演变”.  编号: 41771402
国家自然科学基金青年科学基金项目“基于GBInSAR与GNSS的特大型滑坡监测与反演方法”.  编号: 41601503
四川省科技支撑计划应用基础面上项目“基于卫星—地基SAR遥感的四川省山区滑坡隐患调查与高危滑坡监测预警”.  编号: 2018JY0564
“星载多平台升降轨时序差分雷达干涉滑坡三维形变监测及预测”.  编号: 2018JY0138

Received: 2019-03-1   Revised: 2019-04-25   Online: 2020-03-15

作者简介 About authors

杨崇(1993-),男,硕士,主要从事InSAR及油田储层参数反演研究。Email:swjtu_yc@163.com。 。

摘要

对油田储层参数及开采量进行反演,可以及时掌握油田的储层状态及开采量变化,有效监控储层的健康和安全。目前国内对于油田储层参数反演的研究较少。以辽河油田最大的采油厂——曙光采油厂为研究对象,采用2007年1月—2010年9月的21景L波段ALOS/PALSAR数据,使用StaMPS (stanford method for persistent scatterers)技术提取该区域的形变结果,并以此为观测量,分别使用Mogi模型和椭球模型对储层参数进行反演和分析,并与经典的Okada模型的反演结果进行对比。结果表明: ①曙光采油厂沉降显著,监测周期内最大沉降速率高达-189.6 mm/a,最大累积沉降量约为750 mm,沉降面积约为28 km 2; ②与Okada模型和Mogi模型相比,椭球模型反演的储层深度精度最高,且模拟的形变结果与观测形变结果最吻合,说明椭球模型的反演结果更可靠,更适用于该油田储层参数的反演。本研究可为InSAR油田沉降监测及储层参数反演提供科学参考。

关键词: 油田沉降 ; StaMPS技术 ; Mogi模型 ; 椭球模型 ; 储层参数反演

Abstract

The inversion of reservoir parameters and production for the oil field can grasp reservoir status and production changes in time and effectively monitor reservoir health and safety. At present, the study of reservoir parameter inversion is very insufficient in China. The authors chose Shuguang Oil Production Plant, the largest oil production plant in the Liaohe Oilfield, as the research object. Using 21 L-band ALOS/PALSAR data obtained from January 2007 to September 2010, the authors employed StaMPS to extract deformation results. Based on these deformation results, the authors used Mogi model and Finite Prolate Spheroidal model to invert and analyze reservoir parameters respectively, with the inversion results compared with those of Okada model. The results are as follows: ① The subsidence of Shuguang Oil Production Plant is remarkable. The maximum subsidence rate is -189.6 mm/year, the maximum cumulative subsidence is about 750 mm, and the subsidence area is about 28 km 2. ② Compared with Okada model and Mogi model, Finite Prolate Spheroidal model has the highest accuracy of reservoir depth inversion, and the simulated deformation results are in the best agreement with the observed deformation results, which shows that the inversion results of Finite Prolate Spheroidal model are more reliable and more suitable for the inversion of reservoir parameters in this oilfield. This study can provide scientific reference for InSAR subsidence monitoring and reservoir parameter inversion in the oilfield.

Keywords: oilfield subsidence ; StaMPS ; Mogi model ; Finite Prolate Spheroidal model ; inversion of reservoir parameters

PDF (4352KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

杨崇, 刘国祥, 于冰, 张波, 张瑞, 王晓文. 基于InSAR形变的辽河油田曙光采油厂储层参数反演. 国土资源遥感杂志[J], 2020, 32(1): 209-215 doi:10.6046/gtzyyg.2020.01.28

YANG Chong, LIU Guoxiang, YU Bing, ZHANG Bo, ZHANG Rui, WANG Xiaowen. Inversion of reservoir parameters in Shuguang Oil Production Plant of the Liaohe Oilfield based on InSAR deformation. REMOTE SENSING FOR LAND & RESOURCES[J], 2020, 32(1): 209-215 doi:10.6046/gtzyyg.2020.01.28

0 引言

辽河油田是我国的第三大油田,年平均原油产量高达千万t以上,是我国最大的稠油、高凝油生产基地[1]。曙光采油厂作为辽河油田最大的采油厂[2],由于过度的石油开采,引起了厂区严重的地表沉降,已有研究表明,2009年以来,曙光采油厂的最大年平均沉降量约为200 mm[3]

油田地表沉降是石油储层孔隙压强变化、储层几何形状、位置及开采量等几何状态与物理状态参数在地表的直观体现,利用油田地面沉降信息可以快速反演得到油田的储层参数及开采量信息[4,5]。曙光采油厂是典型的因石油开采导致严重地表沉降的案例,因此,以曙光采油厂为研究对象进行沉降监测和储层参数反演,对于我国油田沉降监测和储层参数反演具有很好的借鉴意义。

目前,合成孔径雷达差分干涉测量技术(differential interferometry synthetic aperture Radar,DInSAR)在地表沉降监测中得到了广泛应用[6,7,8]。常规DInSAR技术易受到时空失相干、大气延迟和轨道误差等因素的影响[9,10,11,12]。2000年,Ferretti等[10]提出了永久散射体合成孔径雷达干涉测量技术(permanent scatterers InSAR,PSInSAR),从时序合成孔径雷达(synthetic aperture Radar,SAR)影像中选取在长时间和空间基线条件下保持较高相干性的永久散射点(permanent scatterers,PS),对这些高相干性点进行相位分析,提取可靠的形变结果; 2004年,Hooper等[13]提出了基于振幅离差指数和相位空间相关性分析的PS探测及形变提取方法; 2006年,Hooper[14]将该方法命名为StaMPS(stanford method for persistent scatterers),并详细阐述了其原理和技术流程。目前该方法已经广泛应用于时序合成孔径雷达干涉测量(interferometric synthetic aperture Radar,InSAR)处理,且能够得到较好的形变结果[12,13,14]。本文将使用StaMPS技术提取曙光采油厂的地表沉降信息。

在使用InSAR形变结果反演油田储层参数方面,国外研究起步相对较早。Vasco等[15,16]于2008年采用PSInSAR方法对油田沉降进行监测,反演了储层储量变化、压强变化和渗透率; 2010年,Klemm等[17]采用PSInSAR方法和升降轨SAR数据获取了中东地区某油田的垂直向和东西向年形变速率,并反演了储层压强的年平均变化; 2012年,Khakim等[18]基于时序DInSAR获取了年均沉降信息,采用Okada模型对储层几何状态参数进行反演,获取了储层长度、宽度、空间位置和走向等信息。在国内,相关的研究较少。2016年,Ji等[19]使用小基线集技术(small baseline subset,SBAS)对新疆克拉玛依油田进行沉降监测,并基于Okada模型反演了其储层几何参数; 同年,刘一霖[20]使用StaMPS方法获取了黄河三角洲某油田的沉降信息,并基于Mogi模型和椭球模型反演了储层位置、深度和体积变化等参数; 2017年,Sun等[21]使用StaMPS方法获取了辽河油田的沉降信息,并基于Okada模型反演了其储层几何参数,通过反演结果模拟沉降并与沉降监测结果对比,二者差异表明Okada模型反演结果存在较大偏差。但是目前的油田反演研究多注重对反演结果的分析,缺乏对不同反演模型的对比分析和最优模型选取的研究。

为了进一步拓展使用InSAR形变结果反演油田储层参数的研究,本文将以StaMPS技术提取曙光采油厂的形变结果,并以该形变结果作为观测量,分别使用Mogi模型和椭球模型对曙光采油厂的油田储层参数进行反演,采用公开的实测数据验证反演结果的可靠性,并与Sun等使用Okada模型得到的反演结果进行对比分析,为以后国内其他油田的InSAR沉降监测、储层参数建模与反演以及反演模型的选择和分析提供参考。

1 研究区域及数据源

辽河油田曙光采油厂厂区位于辽宁省盘锦市西北,构造上属辽河盆地西部凹陷西斜坡中段,辖区面积为200 km2 (图1)。目前曙光采油厂拥有油井2 804口,分布在双台子河段以西、绕阳河下游两岸的广大区域,年生产能力达230多万t,是辽河油田最大的采油厂[2]。本文采用2007年1月—2010年9月间覆盖盘锦市的21景L波段ALOS/PALSAR数据进行形变提取。数据覆盖范围如图1中蓝框所示,数据参数如表1所示。以辽河油田曙光采油厂为中心对原始影像进行裁剪,影像裁剪后的范围如图1中黄框所示。整个研究区域的地面海拔平均为4 m左右,最高为18.2 m,最低为0.3 m,地势平坦。

图1

图1   研究区域范围

Fig.1   Study area


表1   PALSAR影像参数

Tab.1  Parameter of PALSAR images

序号成像时间格式序号成像时间格式
12007-01-31FBS122009-02-05FBS
22007-06-18FBD132009-05-08FBS
32007-08-03FBD142009-08-08FBD
42007-09-18FBD152009-09-23FBD
52007-11-03FBS162009-12-24FBS
62007-12-19FBS172010-02-08FBS
72008-02-03FBS182010-03-26FBS
82008-03-20FBS192010-05-11FBD
92008-05-05FBD202010-06-26FBD
102008-06-20FBD212010-09-26FBD
112008-12-21FBS

新窗口打开| 下载CSV


2 形变场的测量及分析

本文采用时序InSAR技术中的StaMPS技术对研究区域进行沉降监测。StaMPS技术由斯坦福大学的Hooper[14]提出,其主要思想是依据干涉相位稳定性和空间相关性分析提取PS点目标,并且通过时空三维相位解缠探测出相位整周模糊度,然后依次去除数字高程模型(digital elevation model,DEM)误差、大气延迟、轨道误差和噪声等干扰相位,最终获得可靠的形变信息。具体的数据处理流程如图2所示。假设有N+1景影像,首先选取整体相干性最优的影像作为公共主影像,将其他影像配准到该主影像的格网空间内,并且分别与主影像形成干涉对; 然后进行干涉、去平和去地形处理; 同时,基于振幅信息通过Ferretti等[10]提出的振幅离差指数阈值方法提取出PS候选点,对这些PS候选点进行相位分析和噪声计算,得到PS点集; 针对PS点上的相位,对空间不相关误差进行估计和剔除,再对更新后的PS点相位进行时空三维解缠; 最后,根据大气延迟、轨道误差和噪声在时间域和空间域的不同特征,通过时空滤波对解缠相位进行分解,获得最终的形变结果。

图2

图2   StaMPS数据处理流程

Fig.2   Data processing of StaMPS


本文在实际的数据处理中,综合考虑时空基线及多普勒效应的影响,选取2009年12月24日获取的影像作为公共主影像,其他的20景影像分别与该主影像配准,进行差分干涉得到20个干涉图,时空基线分布如图3所示。其中,红色三角形表示主影像,黑色三角形表示从影像。从图3中可以看出大部分干涉对的空间基线分布在2 000 m以内,说明主影像的选取是可靠的。

图3

图3   干涉时空基线分布

Fig.3   Distribution of spatial-temporal baseline for interference pairs


基于斯坦福大学开发的StaMPS软件,提取研究区域的形变速率结果如图4所示,其中形变速率区间为[-189.6,23.0] mm/a,与孙赫等[3]的研究结果高度一致。在722.63 km2的研究区域内,总共探测出105 174个PS点,PS点密度约为146点/km2。由图4可知,整个研究区域内存在2个沉降漏斗,分别为图4中A和B区域。其中,A区域为曙光采油厂,B区域为欢喜岭采油厂。除此之外,其他区域无明显沉降现象,这表明该区域整体较为稳定,沉降主要由油田石油开采所致。

图4

图4   研究区沉降速率

Fig.4   Subsidence velocity in the study area


在监测范围内,曙光采油厂的沉降现象最为严重,其最大沉降速率达到了-189.6 mm/a,沉降面积约为28 km2,沉降漏斗呈近似椭圆形; 欢喜岭采油厂的沉降速率则相对较小,最大沉降速率约为-60 mm/a,沉降面积约为19 km2,沉降漏斗同样呈近似椭圆形。由此可看出因石油开采引起的地表沉降范围之大,沉降程度之严重。

为了更详细地了解2个沉降漏斗的沉降过程,在A和B区域分别选择特征点P1和P2(图4),在每个特征点附近分别选取3个点,刻画出其沉降时间序列,结果如图5所示,红色实线代表曙光采油厂区域内特征点P1的沉降时间序列,蓝色虚线代表欢喜岭采油厂区域内特征点P2的沉降时间序列。

图5

图5   时间序列累积沉降

Fig.5   Time series accumulative subsidence


图5可以看出,从2007年1月—2010年9月的近4 a间,A区域的P1点的沉降速度较快,其最大累积沉降量达到了约750 mm; B区域的P2点的最大累积沉降量约为200 mm。这个结果与孙赫等[3]的研究结果基本一致。从P1点的沉降时间序列可以发现,曙光采油厂因石油开采导致的地表沉降梯度非常大,这不仅威胁到采油厂区内油井及附属设施的安全,同时给采油厂周围居民的生活也带来了巨大的安全隐患。

3 油田储层参数反演

3.1 反演模型

在基于油田地面沉降反演储层参数时,Mogi模型是最简单有效的反演模型[22,23]。该模型最早由Mogi[24]提出,并成功应用于Sakurazima火山的形变测量。Mogi模型又称点源模型,其主要参数包括点源中心位置的三维坐标和地下流体的体积变化。

1986年,Davis等[25]进一步拓展了Mogi模型的适用性,发现垂直延长的椭球体可以更好地模拟流体变化引起的形变。1988年,Yang等[26]对半弹性空间有限维数内任意向的长球形腔体模型的解析计算式进行了推演计算,提出了有限长椭球模型,该模型具有相对更多的参数自由度,主要由8个参数组成: 椭球中心的三维坐标、长半轴、短半轴、压力变化以及长半轴的走向与倾向。这些参数可以更好地表达不同几何状态的储层模型。为了便于叙述,文中将有限长椭球模型简称为椭球模型。

3.2 反演结果分析

本文以StaMPS形变结果作为观测量,分别选取Mogi模型和椭球模型作为反演模型,结合弹性半空间理论,对油田的储层参数及开采量进行反演。采用下行单纯形法(downhill simplex method,DSM)和蒙特卡罗统计模拟方法(Monte Carlo simulations,MCS)[27]来估计最优参数,以观测形变和模拟形变之间的均方根误差(root mean square error,RMSE)作为最优参数的选择指标。在参数搜索过程中,均方根误差最小的一组参数即为最优参数。在反演过程中使用独立坐标系,参考基准设在地表形变中心,对应的地理坐标为(E121.78°,N41.13°),泊松系数均设为常用的0.25。

在Mogi模型反演过程中,对StaMPS形变监测结果建立独立坐标系,坐标原点为(E121.78°,N41.13°),点源投影到地面的XY平面坐标为(E767.091 m,N29.758 m)。Mogi模型反演得到的油层深度为1.845 km。由于输入的观测量是形变速率,所以获得的体积变化对应的是年平均变化量,即年平均体积变化量为3.063×106m3

相较于Mogi模型,椭球模型具有更多的参数,可以获得更详细的储层信息。与Mogi模型相同的是需要对StaMPS形变监测结果建立独立坐标系,设坐标原点仍为(E121.78°,N41.13°),椭球中心投影到地面的XY平面坐标为(E939.327 m,N-748.463 m)。椭球模型反演得到的油层深度为1.701 km,椭球长半轴为211.615 m,短半轴为12.551 m,走向为173.386 rad,倾角为-66.792 rad。

通过模型反演的油层参数与实际油层参数进行对比,评价不同反演模型的反演精度。Okada,Mogi和椭球模型的共有参数为油层中心位置和深度,而油层中心位置信息无法获取,因此以深度值作为精度评价指标。本文对曙光采油厂的沉降监测周期为2007年1月—2010年9月。2009年沈阳地质矿产研究所公布的曙光采油厂的油层深度为1.6 km[28],所以本文以该深度值作为实测数据。Sun等[21]使用Okada模型反演的油层深度为1.212 km,本文使用Mogi模型反演的油层深度为1.845 km,椭球模型反演的油层深度为1.701 km。3个模型反演结果中,Okada模型反演深度的绝对误差为-0.388 km,Mogi模型反演深度的绝对误差为0.245 km,而椭球模型反演深度的绝对误差为0.101 km,说明椭球模型反演的深度值精度最高。

根据Mogi模型和椭球模型反演得到的储层参数,通过格林函数对地表形变进行正演,模拟地表形变结果,分析模拟得到的地表形变和观测地表形变之间的误差,评价不同反演模型的反演精度。观测形变、模拟形变以及二者之间的残差对比如图6所示。图6(a)表示的是观测形变结果,图6(b)和(d)分别为Mogi模型和椭球模型的正演模拟形变结果,图6(c)和(e)分别为Mogi模型和椭球模型的正演模拟形变结果与观测形变结果之间的残差。从图6(b)可以看出,Mogi模型模拟的地表形变结果近似圆形,对于沉降漏斗中心区域有较好的模拟效果,但是对于沉降漏斗中心以外的区域模拟效果较差。通过图6(c)的残差结果图可以明显看出在整个沉降漏斗区域存在着较大的误差。从图6(d)可以看出,椭球模型模拟的地表形变结果呈近似椭圆形,与观测形变结果极为相似,整个沉降漏斗区域的沉降分布与观测形变结果基本一致。通过图6(e)的残差结果图可以明显看出,整个反演区域的误差较小,说明椭球模型的模拟效果较好。另外,与Sun等[21]使用Okada模型模拟得到的形变结果对比,同样发现椭球模型模拟得到的形变结果更好。

图6

图6   观测形变、模拟形变和残差结果对比

Fig.6   Comparisons of observed deformation, modelled deformation and residual results


分别对Mogi模型和椭球模型的残差结果进行统计,统计结果如图7所示。从图7可以看出,整个反演区域中,Mogi模型模拟的形变结果与观测形变结果之间的残差分布区间约为[-80,60] mm/a,90%的残差分布在[-60,60] mm/a,其中残差均值为-1.67 mm/a,标准差为21.89 mm/a,整体误差较大; 椭球模型模拟的形变结果与观测形变结果之间的残差分布区间约为[-60,40] mm/a,90%的残差分布在[-45,25] mm/a,且大部分误差值分布在0值附近,其中残差均值为-1.54 mm/a,标准差为12.53 mm/a,充分证明了椭球模型模拟的形变效果较好。

图7

图7   残差分布直方图

Fig.7   Residual distribution histograms


4 结论

本文以2007年1月—2010年9月间的21景L波段ALOS/PALSAR影像为数据源,使用StaMPS技术对以辽河油田曙光采油厂为中心的整个研究区域进行沉降监测,然后以StaMPS形变监测结果作为反演的观测量,分别使用Mogi模型和椭球模型对曙光采油厂的油田储层参数进行反演,最后使用格林函数基于反演参数对地表形变进行正演模拟,并与Sun等使用Okada模型反演的结果进行对比。本文主要的研究结论如下:

1)整个研究区域中,主要分布了2个沉降漏斗,分别位于曙光采油厂和欢喜岭采油厂,其他区域无明显沉降现象。沉降漏斗区域完全对应于采油厂的位置,说明该区域的地表沉降主要是由地下石油开采引起。

2)曙光采油厂的沉降现象非常严重,近4 a间,最大沉降速率达到了-189.6 mm/a,最大累积沉降量约为750 mm,沉降面积约为28 km2

3)与Okada模型和Mogi模型相比,该区域内采用椭球模型反演的储层深度精度最高。

4)Mogi模型模拟的地表形变结果呈近似圆形,对于沉降漏斗中心区域有较好的模拟效果,但是对于沉降漏斗中心以外的区域模拟效果较差。椭球模型模拟的地表形变结果呈近似椭圆形,整个沉降漏斗区域的沉降分布与观测形变结果基本一致,模拟效果非常好。另外,与使用Okada模型模拟得到的形变结果对比,同样椭球模型模拟得到的形变结果更好。

总体来说,使用长波段ALOS/PALSAR数据可有效提取油田开采导致的显著沉降。在使用InSAR形变结果反演油田储层参数时,反演模型的选择具有关键作用,比如在本研究中,椭球模型的反演结果更为可靠。本文研究可为以后国内其他油田的储层参数反演提供参考。

油田储层变化与地表形变存在复杂的对应关系,本文仅通过单一反演模型对油田储层参数进行反演,反演精度将在很大程度上受到模型本身的精度限制。在以后进行油田储层参数反演研究时,可以考虑联合多种反演模型对油田储层参数进行反演,以获取更好的反演结果。

志谢:

感谢日本遥感数据中心提供的ALOS/PALSAR影像以及日本宇宙航空研究开发机构地球观测研究中心提供的30 m空间分辨率数字表面模型,感谢斯坦福大学提供的StaMPS软件支持,在此一并表示感谢。

参考文献

许德禹 .

储层和裂缝预测技术及在辽河油田开发的应用

[D]. 大庆:东北石油大学, 2014.

[本文引用: 1]

Xu D Y .

Reservoir and Fracture Prediction Technology and Its Application in Liaohe Oilfield

[D]. Daqing:Northeast Petroleum University, 2014.

[本文引用: 1]

鞠飞 .

辽河油田曙光采油厂高程引测的必要性

[J]. 地下水, 2014,36(4):201-202.

[本文引用: 2]

Ju F .

Necessity of height guidance in Shuguang Oil Production of Liaohe Oilfield

[J]. Ground Water, 2014,36(4):201-202.

[本文引用: 2]

孙赫, 张勤, 杨成生 , .

PS-InSAR技术监测分析辽宁盘锦地区地面沉降

[J]. 上海国土资源, 2014(4):68-71.

[本文引用: 3]

Sun H, Zhang Q, Yang C S , et al.

PS-InSAR monitoring of land subsidence in the Panjin region of Liaoning Province

[J]. Shanghai Land and Resources, 2014(4):68-71.

[本文引用: 3]

Kooij M .

Land subsidence measurements at the Belridge Oil Fields from ERS InSAR data

[C]// Proceedings of the Third ERS Symposium,Florence: 1997, 1853-1858.

[本文引用: 1]

Fielding E J, Blom R G, Goldstein R M .

Rapid subsidence over oil fields measured by SAR interferometry

[J]. Geophysical Research Letters, 1998,25(17):3215-3218.

[本文引用: 1]

李德仁 .

InSAR技术进步与地面沉降监测应用

[J]. 上海国土资源, 2013,34(4):1-6.

[本文引用: 1]

Li D R .

InSAR Technological progress and its application to land subsidence monitoring

[J]. Shanghai Land and Resources, 2013,34(4):1-6.

[本文引用: 1]

母景琴, 姚国清 .

干涉雷达时间序列分析方法在地面沉降监测中的应用

[J]. 国土资源遥感, 2007,19(3):28-30.doi: 10.6046/gtzyyg.2007.03.06.

[本文引用: 1]

Mu J Q, Yao G Q .

Time series Radar interferometry method for surface deformation monitoring

[J]. Remote Sensing for Land and Resources, 2007,19(3):28-30.doi: 10.6046/gtzyyg.2007.03.06.

[本文引用: 1]

葛大庆, 王艳, 范景辉 , .

地表形变D-InSAR监测方法及关键问题分析

[J]. 国土资源遥感, 2007,19(4):14-22.doi: 10.6046/gtzyyg.2007.04.04.

[本文引用: 1]

Ge D Q, Wang Y, Fan J H , et al.

A study of surface deformation monitoring using differential SAR interferometry technique and an analysis of its key problems

[J]. Remote Sensing for Land and Resources, 2007,19(4):14-22.doi: 10.6046/gtzyyg.2007.04.04.

[本文引用: 1]

Zebker H A, Rosen P A, Hensley S .

Atmospheric effects in interferometric synthetic aperture Radar surface deformation and topographic maps

[J]. Journal of Geophysical Research, 1997,102(B4):7547-7563.

[本文引用: 1]

Ferretti A, Prati C, Rocca F .

Non-linear subsidence rate estimation using permanent scatterers in differential SAR interferometry

[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000,38(5):2202-2212

[本文引用: 3]

刘国祥, 张瑞, 李陶 , .

基于多卫星平台永久散射体雷达干涉提取三维地表形变速度场

[J]. 地球物理学报, 2012,55(8):2598-2610.

[本文引用: 1]

Liu G X, Zhang R, Li T , et al.

Extracting 3D ground deformation velocity field by multi-platform persistent scatter SAR interferometry

[J]. Chinese Journal of Geophysics, 2012,55(8):2598-2610.

[本文引用: 1]

唐嘉, 刘国祥, 宋云帆 , .

PALSAR和ASAR PSI显著地表沉降探测与分析

[J]. 遥感学报, 2015,19(6):1019-1029.

[本文引用: 2]

Tang J, Liu G X, Song Y F , et al.

Significant subsidence detection and analysis by PALSAR and ASAR PSI

[J]. Journal of Remote Sensing, 2015,19(6):1019-1029.

[本文引用: 2]

Hooper A, Zebker H, Segall P , et al.

A new method for measuring deformation on volcanoes and other natural terrains using InSAR persistent scatterers

[J]. Geophysical Research Letters. 2004,31(23):L23611.

[本文引用: 2]

Hooper A .

Persistent Scatterer Radar Interferometry for Crustal Deformation Studies and Modeling of Volcanic Deformation

[D]. San Francisco:Stanford University, 2006.

[本文引用: 3]

Vasco D W, Ferretti A, Novali F .

Estimating permeability from quasi-static deformation:Temporal variations and arrival-time inversion

[J]. Geophysics, 2008,73(6):O37-O52.

[本文引用: 1]

Vasco D W, Ferretti A, Novali F .

Reservoir monitoring and characterization using satellite geodetic data:Interferometric synthetic aperture Radar observations from the Krechba field,Algeria

[J]. Geophysics, 2008, 76(6:WA113-WA122.

[本文引用: 1]

Klemm H, Quseimi I, Novali F , et al.

Monitoring horizontal and vertical surface deformation over a hydrocarbon reservoir by PSInSAR

[J]. First Break, 2010,28(5):29-37.

[本文引用: 1]

Khakim M Y N, Tsuji T, Matsuoka T .

Geomechanical modeling for InSAR-derived surface deformation at steam-injection oil sand fields

[J]. Journal of Petroleum Science and Engineering, 2012, 96-97:152-161.

[本文引用: 1]

Ji L Y, Zhang Y, Wang Q L , et al.

Detecting land uplift associated with enhanced oil recovery using InSAR in the Karamay oil field,Xinjiang,China

[J]. International Journal of Remote Sensing, 2016,37(7):1527-1540.

[本文引用: 1]

刘一霖 .

黄河三角洲地面沉降时序InSAR技术监测与地下流体开采相关性分析

[D]. 青岛:中国科学院海洋研究所, 2016.

[本文引用: 1]

Liu Y L .

Land Subsidence Monitoring and Correlation Analysis with Ground Fluid Exploitation Using Time Series InSAR Technique over the Yellow River Delta (China)

[D]. Qingdao:Institute of Oceanography,Chinese Academy of Sciences, 2016.

[本文引用: 1]

Sun H, Zhang Q, Zhao C Y , et al.

Monitoring land subsidence in the southern part of the lower Liaohe plain,China with a multi-track PS-InSAR technique

[J]. Remote Sensing of Environment, 2017,188:73-84.

[本文引用: 3]

Carnec C, Fabriol H .

Monitoring and modeling land subsidence at the Cerro Prieto Geothermal Field,Baja California, Mexico,using SAR interferometry

[J]. Geophysical Research Letters, 1999,26(9):1211-1214.

[本文引用: 1]

Zhong L, Timothy M .

Interferometric synthetic aperture Radar study of Okmok volcano,Alaska,1992—2003:Magma supply dynamics and postemplacement lava flow deformation

[J]. Journal of Geophysical Research, 2005,110(B2):B02403.

[本文引用: 1]

Mogi K .

Relations between the eruptions of various volcanoes and the deformations of the ground surfaces around them

[J]. Bulletin of the Earthquake Research Institute,University of Tokyo, 1958,36:99-134.

[本文引用: 1]

Davis P M .

Surface deformation due to inflation of an arbitrarily oriented triaxial ellipsoidal cavity in an elastic half-space,with reference to Kilauea volcano,Hawaii

[J]. Journal of Geophysical Research:Solid Earth, 1986,91(B7):7429-7438.

[本文引用: 1]

Yang X M, Davis P M, Dieterich J H .

Deformation from inflation of a dipping finite prolate spheroid in an elastic half-space as a model for volcanic stressing

[J]. Journal of Geophysical Research:Solid Earth, 1988,93(B5):4249-4257.

[本文引用: 1]

Press W H, Flannery B P, Teukolsky S A , et al. Numerical Recipes in C:the Art of Scientific Computing[M]. Cambridge: Cambridge University Press 1992: 176-177.

[本文引用: 1]

沈阳地质矿产研究所.

东北平原地面沉降调查

[R]. 沈阳:沈阳地质矿产研究所, 2009.

[本文引用: 1]

Shenyang Institute of Geology and Mineral Resources.

The Land Subsidence Investigation of Northeast Plain

[R]. Shenyang:Shenyang Institute of Geology and Mineral Resources, 2009.

[本文引用: 1]

/

京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发