延安新区地面沉降分布及影响因素的时序InSAR监测分析

来源 :武汉大学学报(信息科学版) | 被引量 : 0次 | 上传用户:wst6681
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
陕西省延安新区的"平山造城"是目前世界上在湿陷性黄土沟壑地区规模最大的岩土工程。大规模的土地创造、工程建设及复杂的工程地质条件,引起了大量的不均匀地面沉降。首先利用合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)技术对2017-12—2018-12期间获取的升轨哨兵1号A星(Sentinel-1A)数据进行分析,获取了延安新区平山造城工程工后的地面沉降分布特征,并通过实地调查验证了InSAR技术探测结果的可靠性,然后讨论分析了影响地
其他文献
针对人工神经网络与克里格插值在PM_(2.5)浓度空间估算中精度随样本点数量与耦合因素不同差异较大的问题,基于相关分析与径向基函数(radical basis function, RBF)筛选PM_(2.5)空间变异关键影响因素,对比不同比例训练样本下普通克里格插值(ordinary Kriging, OK),仅考虑地理坐标RBF神经网络,耦合关键因素的协同克里格插值(CoKriging, CK)
为了在仿真的干涉图中较好地模拟合成孔径雷达(synthetic aperture radar,SAR)图像中存在的叠掩和阴影现象,为多通道干涉合成孔径雷达(interferometric synthetic aperture radar,InSAR)系统设计及相关算法的研究提供合适的数据源,提出了一种顾及叠掩与阴影情况的多通道InSAR干涉图仿真方法。首先,根据已知的数字高程模型(digital
区域性滑坡识别是滑坡灾害风险管理的基础,传统的识别工作主要依靠人力完成。在已有的滑坡自动识别研究中,方法上以机器学习为主,数据源上对谷歌地球影像应用较少,识别对象上多以与环境差异较大的新滑坡为主。结合深度学习方法和谷歌地球影像数据对中国典型黄土地区历史滑坡进行自动识别。首先,基于开源谷歌地球影像建立了历史黄土滑坡样本数据库,包含黄土滑坡2 498处;然后,利用掩膜区域卷积神经网络(mask reg
2017-08-08,中国四川省九寨沟县发生Ms 7.0级地震,此次地震震级大、震源浅、烈度高,造成了严重的人员伤亡与财产损失,并引发了大量山体崩塌、滑坡等次生灾害。利用合成孔径雷达干涉测量(synthetic aper-ture radar interferometry,InSAR)技术对九寨沟地区开展潜在滑坡隐患早期识别与探测研究。首先,通过常规差分干涉测量(differential InSA