基于 SBAS-InSAR 技术的关闭矿井地表多维形变时空监测与分析方法

矿井关闭后,煤岩体在应力、地下水等多种因素的作用下发生风化劣化、强度降低,将改变废弃采空区 内破裂岩体的应力和承载能力,可能导致采空区地表发生二次形变或多次形变。 为探明矿井关闭后的地表形变规 律,以徐州东部矿区为例,基于 SBAS-InSAR 技术,提出了关闭矿井地表形变时空监测与分析方法。 利用 2015 年 7 月 6 日—2021 年 11 月 19 日的 171 景 Sentinel-1A SAR 数据,监测并分析了徐州东部矿区闭矿后 6 a 内的地表多维变形时 空演化规律。 研究表明:关闭矿区内地表最大沉降速率为-33 mm / a,累计最大沉降量为-219 mm;最大抬升速率为 36 mm / a,累计最大抬升量为 233 mm。 同时发现地表最大倾斜与曲率值分别达到 3. 6 mm / m 和-0. 19 mm / m2,已经超过 了建筑物允许变形值,需要对其进行加固和保持持续监测;此外还发现权台矿地表以抬升为主,抬升面积 6 a 内增加 了 9. 81 km2,旗山矿在闭矿后出现先下沉后抬升的过程,整体表现为抬升,面积由 8. 44 km2 上升至 15. 27 km2,其余 4 个矿区以沉降为主。     

免像控无人机摄影测量开采沉陷监测方法研究

针对常规全站仪等传统监测方法在矿区沉陷监测中存在的监测周期长、劳动强度大等问题,以山西 某矿区为例,利用免像控无人机摄影测量技术在短期内采集研究区 5 期影像数据,通过对内业数据处理成果密集 匹配点云进行滤波和插值处理得到每期的 DEM 数据,将两时段的 DEM 相减得到矿区地表沉陷盆地,并利用实测数 据对其进行验证。首先分析了监测期间动态沉陷盆地的发展过程,将全站仪实测与无人机沉陷 DEM 提取的下沉 曲线进行对比,计算均方根误差;其次分析了无人机监测的误差来源以及减小误差的方法;最后提取工作面主断面 数据进行多项式拟合,验证拟合后曲线最大下沉值的精度,讨论了开采工作面主断面方向的累计沉降特征,总结了 工作面开采沉陷规律。研究表明：时序无人机摄影测量沉陷数据与同时期的全站仪实测数据对比,平均均方根误 差为 150 mm,拟合曲线的最大下沉监测精度最优值与实测值相差仅 20 mm;随着工作面的推进,地表累计沉降值增 加,矿区沉降总体趋势体现出下沉盆地特征,并且沉陷盆地的发展过程符合开采沉陷规律;免像控无人机摄影测量 技术可以有效监测矿区开采地表沉陷,为无人机摄影测量在矿区开采沉陷监测中的推广应用提供了技术支撑。     

五龙沟矿区时序InSAR地表形变监测

矿区资源开采引发的环境地质问题日益突出,地表形变监测可对矿业开采沉降进行有效预估,最大限度地降低地表沉降带来的损失。五龙沟矿区作为青海省重要的矿产地之一,对其进行形变监测具有重要意义。传统D-InSAR技术易受时空去相干和大气相位延迟限制,导致形变监测失效,而SBAS-InSAR技术则能突破上述限制条件,获得毫米级的地表形变特征。因此,本文选取覆盖该区域的2017—2019年30期Sentinel-1A降轨数据,采用时序InSAR技术对该矿区进行地表形变监测,最后从整体形变、形变速率、形变量等方面进行时序分析。实验结果表明:矿区的整体形变不大,其平均沉降速率为-1.40mm/a,最大年平均沉降速率为-11.8mm/a,最大形变量为-21.7mm。矿区范围内存在两个主沉降区,其中沉降区A呈漏斗状,沉降区B呈条带状,随着时间的推移均有明显向外扩张趋势。监测结果可为矿区后期防护治理与安全生产提供参考资料。     

基于SBAS-InSAR的矿区村庄地面沉降监测与分析

矿区地下开采会造成周边地区不同程度的地面沉降,引发安全隐患,InSAR技术是地面沉降监测的重要手段之一。基于31景Sentinel-1A影像,利用SBAS-In SAR技术,去除了地形误差、轨道误差及大气延迟误差,获取了研究区2016—2017年的地面沉降变形场。研究表明:研究区整体沉降速率在20 mm/a以上,最大沉降速率达到50 mm/a;区域整体沉降量在30 mm以上,最大沉降量达到60 mm。在研究区内沉降量依次从小到大分布的一条观测线上选取了6个观测点进行时序分析,发现沉降值和时间(观测间隔)呈线性变化关系,且随着沉降值逐渐增大,对应的沉降值与时间越符合线性关系.将SBAS监测值与实测数据进行对比分析,发现SBAS监测值与实测数据之间的误差均在20 mm以下,大部分监测点之间的误差均小于10 mm。上述研究进一步表明:采用SBAS-InSAR技术进行由矿区地下开采活动造成的地表沉降监测是可靠的,具有较好的应用前景。     

基于SBAS技术的采动区形变对建筑物的影响监测

针对DIn SAR技术易受时空失相关、大气相位延迟等影响的问题,应用小基线集(SBAS)技术对9景ALOS PALSAR数据进行处理,获取了采动区中村庄区域在2007-2011年的累计沉降量。结果表明,在影像获取的时间段内该区域最大下沉值超过800 mm,SBAS监测结果小于600 mm沉降值与水准测量值具有较高的相关性0.98,最大相差19.8 mm;根据测量点的时序沉降分析,应用SBAS技术监测矿区移动盆地边界及建筑物区域地表移动临界倾斜值所在区域是可靠的。     

琅琊山铜矿地下采矿对复杂地表环境安全影响研究

为分析琅琊山铜矿地下采矿对矿区地表复杂的建(构)筑物造成的影响,建立了地表地形和地下开采模型,采用数值模拟方法对矿山地下采矿造成的地表沉降变形进行模拟,得出地表最大沉降值为48.4 mm,且各个沉降区域分布扩展较为均匀,倾斜变形、曲率及水平变形最大值均小于允许指标。采取模拟监测的方法,通过布置主监测线和辅助监测线来获得监测数据,对沉降变形进行修正。主监测线最大沉降值为45.99 mm,辅助监测线监测结果与主监测线监测结果相近。研究结果表明,沉降最大区域附近属于均匀变形,开采对地表建(构)筑物安全影响较小,同时也为矿山开展地质灾害防治工作提供了理论依据。     

拟准检定法在矿区地表沉降预测中的应用

对矿区地表的沉降预测过程中,沉降点观测值存在粗差的情况经常发生,由于传统最小二乘拟合法因不具有抗差性~([1]),使得监测点的沉降预测值与实际变形值存在偏离。文中引入拟准检定法解决观测值存在粗差时矿区地表的沉降预测。算例研究表明,当沉降观测值有粗差时,最小二乘拟合预测值与实际沉降严重偏离,而拟准检定法削弱了粗差影响,其预测结果与实际沉降值较吻合,能很好的反映矿区地表监测点的沉降情况。     

琅琊山铜矿地下采矿对复杂地表环境安全影响研究#br#

为分析琅琊山铜矿地下采矿对矿区地表复杂的建（构）筑物造成的影响，建立了地表地形和地下开采模型，采用数值模拟方法对矿山地下采矿造成的地表沉降变形进行模拟，得出地表最大沉降值为48.4 mm，且各个沉降区域分布扩展较为均匀，倾斜变形、曲率及水平变形最大值均小于允许指标。采取模拟监测的方法，通过布置主监测线和辅助监测线来获得监测数据，对沉降变形进行修正。主监测线最大沉降值为45.99 mm，辅助监测线监测结果与主监测线监测结果相近。研究结果表明，沉降最大区域附近属于均匀变形，开采对地表建(构)筑物安全影响较小，同时也为矿山开展地质灾害防治工作提供了理论依据。     

基于融合多视和全分辨率的矿区沉降监测

针对矿山开采沉降幅度大、范围小的特点,提出融合多视和全分辨率监测矿区沉降的方法。以济宁矿区为研究区,选取2景高分辨率的TerraSAR-X影像,分别采用多视和全分辨率方法获取研究区内2017年2月17日—3月11日的沉降情况;将两者得到的结果进行融合,即采用多视方法监测下沉盆地边缘较小的沉降,采用全分辨率方法监测下沉盆地中心的大梯度沉降。结果表明:在这期间济宁矿区最大沉降出现在新驿煤矿,最大沉降量达到-74 mm,最大沉降速率达到-3.36 mm/d。     

基于D-InSAR技术和灰色Verhulst模型的矿区沉降监测与预计

针对在地形复杂的矿区沉降观测资料不易获取的问题,将合成孔径雷达差分干涉技术（D-InSAR）与灰色Verhulst模型相结合,提出了一种矿山开采沉陷监测和预计方法。该方法首先对覆盖大柳塔煤矿某工作面的12景TerraSAR-X雷达数据进行D-InSAR处理,获取观测站沉降值;然后根据沉降量与时间的关系建立了基于灰色Verhulst模型的预测函数,对开采沉陷发展规律进行分析。试验结果表明：3个测试点D-InSAR监测数据的绝对和相对误差分别为2.8~15 mm,0.9%~6%;结合灰色Verhulst模型预测的绝对和相对误差分别为3.4~18.8 mm,1.2%~5.7%。上述研究结果进一步表明,所提出的方法可有效弥补矿区沉降实测数据的不足,为实现矿区开采沉陷监测和预计的一体化软件设计提供参考。     

基于InSAR技术和SA-SVR算法的矿区沉降预测模型

为了解决矿区沉降预测模型精度低、预测模型与实际开采情形不符的问题，提出了一种基于合成孔径雷达干涉测量（Synthetic Aperture Radar Interferometry，InSAR）技术、支持向量回归算法 （Support Vector Regression，SVR）以及模拟退火算法（Simulated Annealing，SA）相结合的新型矿区沉降预测模型。首先，以InSAR技术获取矿区沉降监测数据，对数据进行处理得到测试点的累计沉降量，并将 其与GPS实际测量结果进行比较，发现二者吻合性较好。然后，进行矿区沉降预测模型构建，通过SVR算法得到静态沉降预计模型，再利用SA算法得到模型中的参数最优取值。为了使预测数据符合矿区开采实际情况， 引入嵌入维数公式，得到矿区沉降预测动态模型及精度评价指标。最后，将构建的沉降动态模型应用于陕西省大柳塔矿区，得到预测值和实际监测值之间绝对误差的最大值为9 mm，相对误差的最大值为3%；模型评价 指标通过计算得到试验区平均绝对误差的最大值为2.5%，最小的相关性指数为0.8，表明该模型预测精度较高。     

基于DS-InSAR的矿区铁路线沉陷监测与规律分析

为了克服传统测量方法在获得矿区地表变形时成本较高等缺陷,实现矿区开采沉陷高效监测,采用DS-InSAR技术处理覆盖研究区域2018年11月至2019年11月间的30景Sentinel-1A卫星影像,通过最大似然估计迭代优化原始干涉图,并联合图像中的永久散射体和分布式散射体两类目标,获得矿区地表及铁路沿线的形变规律。结果表明:采用最大似然估计的DS-InSAR技术能有效优化原始干涉图的相位,克服失相干影响,从而显著提升高相干性像元数量数目与形变解算质量;监测结果显示,矿区铁路在工作面采动期间持续发生形变,最大沉降值为271mm,最大倾斜值为0.82mm/m;根据铁路沿线沉降结果,求得最优概率积分预计参数:q=0.79,tanβ=1.63,s=0,θ_0=79°。     

大降深疏水对建筑物稳定性的影响研究

针对松散冲积层大规模水体疏放易引起地表沉降变形与建筑物破坏的问题,根据朱仙庄矿邻近矿区兴隆庄矿的长期实测资料,建立了分土层的地层压缩量及地面倾斜值计算模型,并对朱仙庄矿疏水影响区域的井筒及典型建筑物的沉降量及倾斜值进行了预计和损害评价。结果表明:朱仙庄矿松散土层砂砾、粗砂的压缩率最大,为0.174 8 mm/m~2,黏土的压缩率最小,为0.051 7 mm/m~2;该区域典型建(构)筑物地表下沉量最大为532.75 mm,最小为237.04 mm;地面倾斜值最大为0.120 mm/m,未达到建(构)筑物Ⅰ级损坏等级;考虑地表建(构)筑物的稳定性和地表积水问题,提出了控制疏水降深和速度、建(构)筑物搬迁或排水、公路增高回填、调查井壁与井塔与其装备的相互位置关系等预防建(构)筑物破坏的技术防治措施。     

基于多阈值目标提取的时序InSAR矿区地表沉降监测研究

传统SBAS-InSAR方法进行地表沉降监测时需人工选取目标点的方法进行轨道精炼与沉降反演。但在环境复杂的矿区,很难通过人工选取到稳定的目标点,使得其应用存在诸多局限性。因此提出一种基于多阈值目标提取的SBAS-InSAR矿区地表沉降监测方法,在SBAS-InSAR技术的基础上,设定离差阈值参数,区域窗口阈值参数与相干性阈值参数来提取地面较为稳定的目标点。将该方法与传统SBAS-InSAR方法应用到实际案例中,获取研究区地表沉降监测结果进行时序分析并对比验证。研究结果表明：①矿区内存在三处开采沉陷区,且开采沉陷区位置与该煤矿开采工作区一致,最大年平均沉降速率为-156 mm/a,最大沉降量为-376 mm。②两种方法矿区沉降绝对平均差值不超过12 mm,说明多阈值目标提取的SBAS方法可有效克服传统SBAS-InSAR存在的局限性,同时还能保证较高的精度,在矿区地表沉降监测中更具有优势。     

紫金山金铜矿北口排土场边坡雷达监测预警系统的应用实践

将边坡雷达监测预警系统用于紫金山金铜矿北口排土场边坡变形监测中,并利用监测数据定性分析了排土场边坡的变形与稳定情况。研究表明:排土场北部变形以向临空面发展为主,坡面变形呈现了上部外倾的趋势,对坡体稳定性会产生不利影响,易发生局部滑坡现象,临滑前最大变形量达到40.34 mm/d,将该值作为预警值;中部固结沉降区域的最小固结沉陷值为-66.30 mm,最大沉陷值为-667.70 mm,基本以匀速固结沉降为主,无明显的异常变形;排土场整个南侧区域基本保持了较好的变形特征,最大变形值为335.73 mm,最小值为102.68 mm,上部变形明显大于下部变形。     

采动期间高等级公路DInSAR监测及损害治理

为了评定采动期间地表沉降对采空区上方高等级公路的破坏程度,采用合成孔径差分干涉测量(DInSAR)的技术,利用南屯矿区10景TerraSAR-X卫星数据,对位于老采空区上方的高等级公路在重复采动条件下的沉降情况进行监测。获取了监测期间的开采沉陷时序关系图,这是传统测量方法难以达到的。通过提取出高等级公路时间序列上的下沉值,并基于此值对邹济高等级公路进行损害程度评定,研究表明:公路在监测期间内最大下沉值达到210 mm,最大水平变形为3.1 mm/m,最大曲率为0.046 mm/m2,最大倾斜为3.175 mm/m,使公路产生裂缝、隆起,属于轻微损害,针对损害特征给出了相应措施。     

大冶铁矿开采沉陷GPS高程拟合CQPSO-LSSVM模型

传统最小二乘支持向量机拟合模型(Least squares support vector machine model,LSSVM)在进行矿区地表沉降GPS高程拟合时精度较低,为进一步提升矿区地表沉降监测精度,采用协同量子粒子群算法(Cooperative quantum-behaved particle swarm optimization,CQPSO)对LSSVM模型进行了优化。该算法的协同搜索策略是在解空间中使用多个子群取代整个种群,可有效解决由于单个种群、单个搜索策略导致的迭代后期种群多样性下降的早熟问题。以大冶铁矿为例,采用实地获取的矿区地表GPS监测数据对改进最小二乘支持向量机拟合模型(CQPSO-LSSVM)进行试验,并与BP神经网络拟合模型以及量子粒子群算法(Quantum-behaved particle swarm optimization,QPSO)优化的最小二乘支持向量机拟合模型(QPSO-LSSVM)进行比较,结果表明,CQPSO-LSSVM模型的内、外符合精度分别为±2.5 mm、±3.1 mm,BP神经网络拟合模型的内、外符合精度分别为±2.9 mm、±4.6 mm,QPSO-LSSVM模型的内、外符合精度分别为±2.8 mm、±3.5 mm,可见CQPSO-LSSVM模型的拟合精度稍优于其余两者,采用该模型对矿区地表沉降GPS数据进行拟合处理,可获得较高的监测精度。     

滨州市地面沉降监测与成果分析

通过对滨州市地面沉降进行监测,对沉降区域、沉降量及沉降特点进行了分析,初步查明了该地区地面沉降的范围和规模,即监测区形成了以滨城城区、博兴县城为中心的两个沉降漏斗区,年最大沉降量分别为39mm和57mm。针对此情况,建议设一组土层分层观测标,对中心区域进行重点观测,以便为地方预防和治理地面沉降及城市规划提供依据。     

基于SBAS技术的概率积分法矿区沉降量提取模型

基于矿区开采沉陷具有沉降速度快、量值大的特点,针对使用合成孔径雷达干涉测量(InSAR)技术难以正确获取煤炭开采引起的地表下沉的全盆地信息的问题,提出了基于小基线集(SBAS)技术的概率积分法(PIM)获取矿区沉降量的方法。试验以陕西某矿52304工作面为例,首先采用SBAS技术得到下沉盆地边界,然后结合少量SBAS获取的边界点和RTK监测点(沉降量≥300mm)反演概率积分法参数及下沉盆地,最后将反演的盆地中心与SBAS获取的边界融合,完成了地表沉降的全盆地信息的提取。结果表明:52304工作面走向、倾向最大沉降量相对误差分别为0.2%、6.0%,该方法可以有效地解决In SAR技术无法监测矿区大梯度沉降问题,为In SAR技术在矿区开采沉陷监测提供了新的用途。     

无人机监测矿区铁路变形的像控点布设方法

为高效获取矿区铁路变形、监测地下采煤对地表铁路的影响,研究了不同像控点布设方法对无人机近地摄影测量矿区铁路监测精度的影响。采用模拟试验与实测验证的方法,分析了利用无人机近地摄影测量方式所能达到的平面坐标和高程的最高精度。试验通过设计10个不同长度的模型,最终得到的平面坐标误差最小为2mm,高程误差最小为7.5 mm。以安徽淮北某矿专用铁路作为实测对象验证模拟试验结果,得到的平面坐标误差平均为2.3 mm,高程误差平均为6.3 mm。研究结果可为无人机在矿区铁路等线状地物监测方面的应用提供参考。