InSAR 与数值模拟协同的排土场边坡稳定性分析及形变预测研究

为探明历史滑坡治理后排土场边坡的形变规律,以大孤山露天矿排土场为例,首先利用短基线子集干涉(SBAS-InSAR)技术进行地表沉降时序监测,分析排土场边坡的主要沉降区域及稳定性影响因素;然后采用COMSOL软件建立典型沉降区域内部位移、安全系数对降雨的响应关系,对研究区的时空变形特征进行协同分析;最后通过搭建集成多类别损失函数的粒子群(PSO)优化长短期记忆网络(LSTM)预测模型,开展区域沉降时序预测. 结果表明,中北部地区存在3处典型沉降区域,最大累积沉降量达295.8 mm,年平均沉降速率最高约为134.2 mm/a;有效降雨量是边坡形变的主要影响因素,且随着前期降雨过程的持续,边坡稳定系数的下降速率最高约为0.025％.多类别损失函数集成的PSO-LSTM 模型能反映排土场沉降波动趋势,且其预测精度综合评价指标(Ltotal)为2.48 mm.研究成果可为后续排土场滑坡灾害防治提供理论依据.     

基于SBAS-InSAR时序分析技术的兖州矿区沉降监测与分析

针对InSAR技术受空间和时间基线的限制,多数情况下难以获得连续沉降场的问题,基于SBAS-InSAR时序分析技术,以兖州矿区为实验区,对2008年1月20日至2010年9月26日C波段的ASAR数据进行处理,获取了兖州矿区的地表形变信息,生成了沉降图及其平均沉降速率图,直观地反映了矿区地面沉降过程,并对结果进行了分析。结果表明,SBAS-InSAR时序分析技术可以有效地解决时空失相干问题,为矿区地表监测提供了可靠的技术支持。     

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。     

融合 SBAS-InSAR 技术与 TSO-LSTM 模型的矿区地表沉降预测方法

矿区由于重工业器械的使用和采矿活动频繁,其岩层和地表容易发生沉陷和变形,快速、准确地分析、 预测地表沉降是实现高效防灾减灾、推进绿色矿山建设的重要手段。 针对现有预测模型监测点过少、多源数据难以 获取以及网络模型超参数难以确定等问题,提出了一种基于金枪鱼群(Tuna Swarm Optimization,TSO)优化长短时间记 忆(Long Short-Term Memory,LSTM)网络模型超参数的深度学习预测方法,利用多个高相干性点的沉降时序实现矿区 的精准预测。 利用 SBAS-InSAR 技术处理 50 景覆盖德兴铜矿区的 Sentinel-1 A 升轨 SAR 影像,获取了该区域 25 465 个高相干性点的沉降时间序列。 利用 TSO 算法优化 LSTM 网络模型超参数,寻找出最适合该矿区沉降时序预测的 LSTM 网络模型,并使用优化后的 LSTM 网络模型分区域对沉降区开展沉降时序预测并计算预测精度。 研究表明:使 用 TSO 算法优化 LSTM 网络模型超参数是有效的,优化后的模型均方根误差至少降低了 20%,平均绝对值误差至少 降低了 35%,预测均方根误差不超过 2 mm,预测平均绝对误差不超过 3 mm,模型平均预测精度超过 95%。 所提方法 为确保安矿区全安全生产,实现科学防灾、减灾提供了技术支持。     

相邻工作面开采下的矿区地表沉陷InSAR监测与分析

针对相邻工作面重复开采条件下地表形变复杂和常规D-InSAR方法易受时间去相关和大气延迟等因素影响的问题，以东滩煤矿为研究对象，采用SBAS-InSAR方法对40景Sentinel-1A数据进行时序处理，获取了研究区域的年均沉降速率和时序累计沉降量，并对形变特征进行了分析。结果表明：6303相邻工作面的采动对已采工作面影响效果显著，相邻工作面开采条件下地表沉陷速率快、范围广、沉陷盆地形状不规则，6303工作面在走向和倾向上的沉降量差异明显，表现出非对称性特征；InSAR技术能够效监测到矿区相邻工作面开采的地表沉陷现象，可为类似复杂开采条件下的矿区地表形变分析提供技术参考。     

基于SBAS-InSAR技术的矿区地表移动规律研究

及时获取矿区地表沉降信息对保护地表建筑物安全和矿区治理具有重要意义。传统的矿区地表沉降监测方法通常需要花费大量人力物力,且监测点难以长期保存,而作为新技术的SBAS-InSAR方法克服了上述传统方法的不足,可以快速获取大范围、高精度的地表形变信息,能够对矿区地表进行动态监测和时序分析。本文采用SBAS-InSAR技术对覆盖河北某矿的Sentinel_1A影像进行处理,得到了该矿区地表及周围的年平均沉降速率和累计沉降等成果,并通过和实测水准数据对比验证了SBAS-InSAR精度在矿区地表监测中的可靠性。然后基于SBAS-InSAR监测结果获取的矿区地面沉降位置、沉降量和工作面等信息,求取该矿地表移动参数,并依据地表沉降速率和沉降位置分布及发展变化进行地表移动规律探究,为矿区后续的合理开采和治理提供决策依据。     

基于SBAS-InSAR的大采深条带开采地表沉降监测与特征分析

矿区地下开采造成地表不同程度的沉降,引发安全隐患,InSAR技术是地表变形监测 的重要手段之一。项目利用31景Sentinel-1A影像,基于SBAS-InSAR技术,通过去除地形误差、轨 道误差及大气延迟误差等,获得下沉盆地年平均沉降速率达到61 mm/a,最大沉降127 mm,整体呈 现下沉趋势,不均匀沉降较为明显,局部区域沉降量持续增大。统计下沉盆地沉降面积发现,沉 降量大于100 mm的沉降面积达到0.32 km2,累计沉降面积达到4.33 km2,沉降面积呈现逐渐增加 的趋势;将SBAS-InSAR结果与水准数据对比分析,均误差为2.9 mm,两者结果基本吻合。从SBAS 结果提取研究区下沉盆地的剖面时序沉降信息并做高斯曲线拟合,曲线形态与开采沉陷概率积分 法特征一致。研究表明：基于SBAS-InSAR在大采深条带开采矿区地表变形监测中是可行的,受条 带工作面开采的影响,引发相邻老采空区持续发生沉降,地表变形较小,地表移动范围大, SBAS-InSAR可以有效得到全盆地、全要素地表变形信息,为类似矿区开采沉陷高精度监测提供参 考。     

基于SBAS-InSAR和偏移追踪技术的露天煤矿地面形变监测北大核心

利用基于StaMPS的SBAS-InSAR技术,以安太堡露天煤矿为研究区域,对覆盖露天煤矿的33景哨兵升降轨数据进行时序干涉处理,提取了露天煤矿区7个月的地面形变信息,根据SAR卫星成像几何对斜距向形变信息进行分解,获取了数据采集时间段内露天煤矿的二维方向的累积形变量,计算的露天煤矿形变速率为-258 mm/a,在排土场发现较大的沉降中心,累积沉降量为134 mm;采用偏移追踪技术计算了露天煤矿失相干区域的大梯度形变,2种技术相结合可以较好地对露天煤矿不同梯度的形变进行监测。     

融合SBAS-InSAR与GS-LSTM的尾矿库沉降监测与预测

尾矿库作为一种危险源,需对其进行长期监测及预警,但目前针对尾矿库的监测方法费时费力且预警模型较少,为此提出了一种基于小基线集(SBAS-InSAR)技术、长短期记忆(LSTM)神经网络以及网格搜索(GS)算法相结合的尾矿库沉降预测模型,实现了尾矿库沉降监测与预测的一体化。首先,以60景Sentinel-1A影像作为数据源,采用SBAS-InSAR技术监测鞍山市西果园尾矿库动态沉降过程,获取该尾矿库2018—2020年内时间序列沉降信息,将其与GPS技术获取的测量结果进行对比,发现时序In SAR监测精度较高。然后将降雨量与沉降量关联分析,得到尾矿库沉降的波动规律,构建LSTM神经网络沉降预测模型,再利用GS算法将模型中的超参数进行全局寻优。最后将监测数据划分为训练集与测试集,与传统预测模型进行对比。试验结果表明:GS-LSTM模型在西果园尾矿库沉降预测中呈现出了较好的预测精度,3个测试点中最大平均绝对误差(MAE)为2.51 mm,最大均方根误差(RMSE)为2.90 mm,可以较为精准地反映出具有尾矿库沉降特点的波动和趋势,为尾矿库灾害预警及治理提供了理论依据。     

灰色Verhulst模型在白象山铁矿地表沉降趋势预测中的应用

地表沉降曲线与灰色Verhulst预测模型为特征一致的"S"形曲线,利用灰色Verhulst预测模型理论,以矿山疏干过程中的地表沉降实测数据为样本,计算矿山的模型参数,构建了矿山的灰色Verhulst预测模型。经过模型预测矿山地面沉降高峰期发生在5～7 a,最大沉降速率为7.6 cm/a,且10 a之后基本趋于稳定。     

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。     

时序累积DInSAR与GIS结合的矿区沉降监测与分析

为获取长时间序列上矿区地表时空沉降过程并验证其精度,提出一种时序累积DInSAR和GIS分析相结合的矿区地表沉降监测及分析方法。该方法首先选取具有较短时空基线的SAR影像进行二轨DInSAR处理;然后将每组形变图中具有高相干性的点位的地表沉降进行累加;最后,将累计沉降量与GIS空间分析工具相结合,获取矿区地表形变和铁路形变动态发展过程。采用6景高分辨率的RADARSAT-2影像进行了实验,与水准测量数据对比验证的结果表明,该方法监测结果精度可靠,平均绝对误差为0.018 m,最大下沉误差为0.042 m。     

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DS-InSAR的西部矿区地表时序沉降监测与分析

针对常规时序合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar ,InSAR）技术在西部矿区受高原堆积型沙丘地貌的影响难以获取足够数量的监测点,无法完整提取矿区地表形变信息的问题,以西部矿区内蒙古石拉乌素煤矿为例,基于覆盖研究区域的52景Sentinel 1A数据,利用一种针对西部矿区高原堆积型沙丘地貌的基于分布式目标InSAR（Distributed Target InSAR ,DS InSAR）的时序地表形变监测方法,获取了2016—2018年研究区域采动引起的地表形变时空分布信息。研究结果表明：在监测时段内矿区地表出现了2处明显的下沉盆地,盆地内垂直方向最大累计沉降超过400 mm;与常规时序InSAR方法相比,该方法可在研究区域内获取更多数量空间分布均匀的监测点,从而更加准确地提取研究区域的面状地表形变信息。与水准实测数据对比结果显示,二者相关系数为0.97,二者间绝对误差较小且误差整体分布合理,表明该方法具有较高的可靠性,能够很好地应用于西部矿区高原堆积型沙丘地貌特征下非充分采动时的地表形变监测。     

利用时序SAR影像集监测开采沉陷的试验研究

研究了一种利用时序合成孔径雷达(SAR)影像集监测矿区开采沉陷的新方法。详细分析了参考影像的选取、差分干涉图的获取、相干点目标的选取、沉降模型的建立与解算及非线性形变率的分离等处理步骤。以江苏某矿的条带开采区域作为研究对象,对12景1995-1998年获取的ERS1/ERS2影像进行了处理,初步获取了该矿3 a年间的地表沉降平均速率。     

基于SBAS-InSAR技术的采空区残余变形规律分析

针对传统测量技术存在观测周期长、人力成本高等问题,以及雷达差分干涉测量技术易受时空失相关、大气相位延迟等影响,本文采用小基线集技术(SBAS-InSAR)对24景Sentinel-1A影像进行时序处理,探讨了SBAS-InSAR技术的可行性,并分析了采空区残余变形的规律。将SBAS处理得到的结果与水准测量获得的累计沉降值进行对比发现,两种方法得到的结果在趋势上完全一致,所有点的平均均方根误差和标准差分别为11.05 mm和20.22 mm。分析研究区域的沉降情况发现,90209工作面沉降最为明显,累计沉降值最大达到32 mm, 90208工作面和90207工作面累计沉降值最大达到13 mm, 90105工作面累计沉降值最大达到8 mm, 9101工作面沉降值接近于0。90209工作面的下沉速率最大达到88 mm/a, 90208工作面的下沉速率最大达到59 mm/a。提取6个沉降较为明显的点进行时序分析,发现90209工作面内点的下沉符合二次相关关系,而90208工作面内点的下沉符合线性关系。研究表明,采空区残余变形的沉降速率在逐渐减小,在开采结束后5 a以上,残余变形接近于0,且发生...     

基于多源遥感监测的煤矿开采沉降及矿区环境变化分析

煤矿的开采会导致地面下沉、塌陷，从而对植被、农作物等矿区环境造成影响。采用多源遥感手段，对矿区地表变化及矿区环境及时监测具有重要的作用。由此，以平顶山煤矿为例，采用InSAR技术，使用43景Sentinel-1A影像获取煤矿开采区的形变情况；针对因煤矿开采而导致的地表环境变化，采用Landsat 8光学影像使用支持向量机和随机森林方法提取地表覆盖情况。研究结果表明：D-InSAR技术可以快速判断沉陷区域的大致范围，而Stacking-InSAR和SBAS-InSAR技术则可以反演出研究区的形变速率和时序形变数值，在研究内区形成量级、范围大小不一的沉降漏斗，耕地面积的变化与煤矿的开采力度呈负相关、植被的面积从减少到增多。此结果对煤矿开采区的沉降范围、形变数值及生态环境修复具有一定的参考意义。     

基于PS-InSAR的曹妃甸填海区域形变监测

文中利用20景Sentinel_1A影像,采用PS-InSAR技术对唐山市曹妃甸区填海区域进行地表形变监测,得到了该研究区域的年平均沉降速率及累积沉降量等地表形变结果。结果显示:该区域最大的年平均沉降速率达到了-26.55 876 mm/a,最大的总累积沉降量为-379.439 358 mm,主要是靠近海域位置的地表沉降。     

郓城矿区地表形变时空演变DS-InSAR监测

郓城地区煤炭储量丰富,地下煤矿的大量开采导致地面出现不同程度的沉降,为了更好地掌握郓城矿区地表形变的时空演变特征,利用融合分布式目标的时序差分干涉测量(DSInSAR)技术和2018年1月至2019年11月期间获取55景Sentinel-1A雷达影像对郓城矿区进行了地表形变监测。结果表明:DS-InSAR技术能有效地提取到分布在裸地和稀疏低矮植被区的分布式目标,可显著提升矿区监测点数量且其分布更加均匀,能够更加全面地反映了郓城矿区地表形变空间分布;形变分布图显示郓城矿区内李楼、郭屯煤矿形变量级较大,年最大沉降量可达100 mm,彭庄、赵楼煤矿地表形变较小,且不同年份沉降中心差异主要与郓城矿区地下开采活动变化密切相关。     

基于DInSAR技术的阳泉矿区形变监测与分析

合成孔径雷达差分干涉测量(DInSAR)是近年来发展起来的一种监测地表形变的技术手段,在矿区地表沉降监测方面取得了较好的应用。针对DInSAR技术中存在的轨道误差和与地形相关的大气延迟,利用双二次模型和线性模型对其进行联合模拟并进行去除。为了有效监测山西省阳泉矿区地表形变,使用7幅Sentinel-1A影像采用DInSAR方法获取了该地区在2016年11月26日至2017年2月6日期间的地表沉降。结果显示,研究区内整体表现为沉降趋势,沉降漏斗位置分布与矿区位置较为一致;新景矿内2个区域在72 d内的最大累积沉降分别达到-18.82、-22.33 cm。