留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

TPCA分析北京平原区地面沉降的时空演化特征

赵亚丽 王彦兵 王新雨 田秀秀 李小娟 余洁

赵亚丽, 王彦兵, 王新雨, 田秀秀, 李小娟, 余洁. TPCA分析北京平原区地面沉降的时空演化特征[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20200721
引用本文: 赵亚丽, 王彦兵, 王新雨, 田秀秀, 李小娟, 余洁. TPCA分析北京平原区地面沉降的时空演化特征[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20200721
ZHAO Yali, WANG Yanbing, WANG Xinyu, TIAN Xiuxiu, LI Xiaojuan, YU Jie. The Temporal and Spatial Analysis of Land Subsidence in Beijing Plain based on TPCA[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20200721
Citation: ZHAO Yali, WANG Yanbing, WANG Xinyu, TIAN Xiuxiu, LI Xiaojuan, YU Jie. The Temporal and Spatial Analysis of Land Subsidence in Beijing Plain based on TPCA[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20200721

TPCA分析北京平原区地面沉降的时空演化特征

doi: 10.13203/j.whugis20200721
基金项目: 

北京市自然科学基金(8202009);虚拟现实技术与系统国家重点实验室开放基金(01117220010020)。

详细信息
    作者简介:

    赵亚丽(1995-),硕士生,主要从事地理信息科学与InSAR地面沉降监测及分析研究。zhaoyali@cnu.edu.cn

The Temporal and Spatial Analysis of Land Subsidence in Beijing Plain based on TPCA

Funds: 

Beijing Natural Science Foundation (8202009)

  • 摘要: 时间主成分分析(Temporal Principal Component Analysis,TPCA)可用于地学领域中提取时空数据的时序特征和空间分布特征,北京平原区的地面沉降具有典型的时序和空间特征。本文在利用PS-InSAR技术获取的北京平原区2003年—2010年地面沉降数据的基础上,采用TPCA方法,分析了北京平原区地面沉降时空演化特征。经分析发现:(1) TPCA分析得到的第一主成分反应了地面沉降在该长时序阶段的空间分布特征。(2)第二主成分得分为正的空间点与可压缩层厚度在130m以上的区域在空间分布上有一致性和相关性。(3)在空间上,第一主成分为负值与第二主成分为正值的PS点,分布在年均沉降速率30mm/a以上的严重沉降区域。严重沉降区具有明显的南北沉降分类现象和季节性差异,具体表现为:北部沉降区在春夏季节的沉降量大于秋冬季节的;南部沉降区则与之相反。总之,基于时间主成分分析方法,可分析得到研究区的地面沉降时空演化规律,为城市安全监测提供数据支撑。
  • [1] (刘凯斯, 北京地铁M1/M6沿线区地面沉降演化特征及风险评价[D]. 北京:首都师范大学, 2018)

    Liu Kaisi. Evolution Characteristics and Risk Assessment of Land Subsidence in the Area along Beijing Subway M1/M6[D].Beijing:Capital Normal University, 2018
    [2] Guo L, Gong, H L, Zhu F, et al.Analysis of the Spatiotemporal Variation in Land Subsidence on the Beijing Plain, China[J].Remote Sensing, 2019, 11(10):1170-1189
    [3] Zhou C D, Lan H X, Gong H L, et al. Reduced Rate of Land Subsidence since 2016 in Beijing, China:Evidence from Tomo-PSInSAR using RadarSAT-2 and Sentinel-1 datasets[J].International Journal of Remote Sensing, 2019, 41(4):1-27
    [4] Zuo J J, Gong H L, Chen B B, et al. Time-series Evolution Patterns of Land Subsidence in the Eastern Beijing Plain, China[J].Remote Sensing, 2019, 11(5), 539-558
    [5] Richman M B. Rotation of principal components[J]. Journal of Climatology, 1986, 6(3):293-335
    [6] Lin Y N, Kositsky A P and Avouac J. PCAIM joint inversion of InSAR and Ground-based Geodetic Time Series:Application to Monitoring Magmatic Inflation beneath the Long Valley Caldera[J]. Geophysical Research Letters, 2010, 37(23):23301-23305
    [7] Ji K H and Herring T A. Transient Signal Detection Using GPS Measurements:Transient Inflation at AkutanVolcano, Alaska, during early 2008[J]. Geophysical Research Letters, 2011, 38(6):6307-6312
    [8] Zhang J P, Zhu T, Zhang Q H, et al.The Impact of Circulation Patterns on Regional Transport Pathways and Air Quality over Beijing and its Surroundings[J]. Atmos. Chem. Phys, 2012, 12(11):5031-5053
    [9] Neeti N and Ronald Eastman J.Novel Approaches in Extended Principal Component Analysis to Compare Spatio-Temporal Patterns among Multiple Image Time Series[J].Remote Sensing of Environment, 2014, 148(2014):84-96
    [10] Rudolph M L, Shirzaei, M, Manga, M et al.Evolution and future of the Lusi mud eruption inferred from ground deformation[J].Geophysical Research Letters, 2013, 40(6):1089-1092
    [11] Lipovsky B. Physical and Statistical Models in Deformation Geodesy[D].University of California, Riverside, 2011
    [12] ChaussardE, Bürgmann R, Shirzaei M, et al.Predictability of Hydraulic Head Changes and Characterization of Aquifer-system and Fault Properties from InSAR-derived Ground Deformation[J].Journal of Geophysical Research:Solid Earth, 2014, 119(8):6572-6590
    [13] Jiang L, Bai L, Zhao Y, et al. Combining InSAR and Hydraulic Head Measurements to Estimate Aquifer Parameters and Storage Variations of Confined Aquifer System in Cangzhou, North China Plain[J]. Water Resources Research, 2018, 54(10):8234-8252
  • [1] 谢萍, 张双喜, 周吕, 李庆隆, 肖家豪, 蔡剑锋.  武汉市中心城区地表形变与洪涝灾害防治新策略 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20190439
    [2] 许强, 蒲川豪, 赵宽耀, 何攀, 张含悦, 刘佳良.  延安新区地面沉降时空演化特征时序InSAR监测与分析 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20200146
    [3] 郭稳, 王国权, 鲍艳, 张明聚, 孙晓涵, 赵瑞斌, 甘卫军.  顾及季节性变形的GNSS高层建筑倾斜和沉降观测方法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20190015
    [4] 朱邦彦, 姚冯宇, 孙静雯, 王晓.  利用InSAR与地质数据综合分析南京河西地面沉降的演化特征和成因 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20190081
    [5] 蒲川豪, 许强, 蒋亚楠, 赵宽耀, 何攀, 张含悦, 李骅锦.  延安新区地面沉降分布及影响因素的时序InSAR监测分析 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20190372
    [6] 师芸, 李伟轩, 唐亚明, 席磊, 孟欣.  时序InSAR技术在地球环境监测及其资源管理中的应用:以交城-清徐地区为例 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20190068
    [7] 陈超, 邹蓉, 刘任莉.  联合GPS和GRACE研究青藏高原南部地区垂直形变的季节性波动 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20150684
    [8] 段光耀, 刘欢欢, 宫辉力, 陈蓓蓓.  京津城际铁路沿线不均匀地面沉降演化特征 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20150537
    [9] 杨梦诗, 廖明生, 秦晓琼, 史绪国.  C和L波段SAR数据在填海新区的应用及特性分析 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20150356
    [10] 袁鹏, 孙宏飞, 秦昌威, 张理想.  安徽CORS参考站三维速度场分析 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20140552
    [11] 张金芝, 黄海军, 毕海波, 王权.  SBAS时序分析技术监测现代黄河三角洲地面沉降 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20140067
    [12] 钱 闯, 刘 晖, 丁志刚, 郑洪艳.  顾及非构造形变的参考站长期稳定性分析 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j .whu g is20130715
    [13] 杨成生, 张勤, 赵超英, 季灵运.  短基线集InSAR技术用于大同盆地地面沉降、地裂缝及断裂活动监测 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20130656
    [14] 李永生, 张景发, 李振洪, 罗毅.  利用短基线集干涉测量时序分析方法监测北京市地面沉降 . 武汉大学学报 ● 信息科学版,
    [15] 李永生, 张景发, 罗毅, 姜文亮.  利用高分辨率聚束模式TerraSAR-X影像的PSInSAR监测地表变形 . 武汉大学学报 ● 信息科学版,
    [16] 何敏, 何秀凤.  利用时间序列干涉图叠加法监测江苏盐城地区地面沉降 . 武汉大学学报 ● 信息科学版,
    [17] 张诗玉, 李陶, 夏耶.  基于InSAR技术的城市地面沉降灾害监测研究 . 武汉大学学报 ● 信息科学版,
    [18] 董玉森, GeLinlin, ChangHsingchun, 张志.  基于差分雷达干涉测量的矿区地面沉降监测研究 . 武汉大学学报 ● 信息科学版,
    [19] 董国凤, 张蕾, 赵全, 赵新华.  天津市塘沽区地面沉降监测网络优化 . 武汉大学学报 ● 信息科学版,
    [20] 张扬, 刘艳芳, 刘莹, 刘耀林, 陈雨露, 王征禹.  2007-2019年武汉市地面沉降时空分异特征及地理探测机制 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20210143
  • 加载中
计量
  • 文章访问数:  51
  • HTML全文浏览量:  6
  • PDF下载量:  9
  • 被引次数: 0
出版历程

TPCA分析北京平原区地面沉降的时空演化特征

doi: 10.13203/j.whugis20200721
    基金项目:

    北京市自然科学基金(8202009);虚拟现实技术与系统国家重点实验室开放基金(01117220010020)。

    作者简介:

    赵亚丽(1995-),硕士生,主要从事地理信息科学与InSAR地面沉降监测及分析研究。zhaoyali@cnu.edu.cn

摘要: 时间主成分分析(Temporal Principal Component Analysis,TPCA)可用于地学领域中提取时空数据的时序特征和空间分布特征,北京平原区的地面沉降具有典型的时序和空间特征。本文在利用PS-InSAR技术获取的北京平原区2003年—2010年地面沉降数据的基础上,采用TPCA方法,分析了北京平原区地面沉降时空演化特征。经分析发现:(1) TPCA分析得到的第一主成分反应了地面沉降在该长时序阶段的空间分布特征。(2)第二主成分得分为正的空间点与可压缩层厚度在130m以上的区域在空间分布上有一致性和相关性。(3)在空间上,第一主成分为负值与第二主成分为正值的PS点,分布在年均沉降速率30mm/a以上的严重沉降区域。严重沉降区具有明显的南北沉降分类现象和季节性差异,具体表现为:北部沉降区在春夏季节的沉降量大于秋冬季节的;南部沉降区则与之相反。总之,基于时间主成分分析方法,可分析得到研究区的地面沉降时空演化规律,为城市安全监测提供数据支撑。

English Abstract

赵亚丽, 王彦兵, 王新雨, 田秀秀, 李小娟, 余洁. TPCA分析北京平原区地面沉降的时空演化特征[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20200721
引用本文: 赵亚丽, 王彦兵, 王新雨, 田秀秀, 李小娟, 余洁. TPCA分析北京平原区地面沉降的时空演化特征[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20200721
ZHAO Yali, WANG Yanbing, WANG Xinyu, TIAN Xiuxiu, LI Xiaojuan, YU Jie. The Temporal and Spatial Analysis of Land Subsidence in Beijing Plain based on TPCA[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20200721
Citation: ZHAO Yali, WANG Yanbing, WANG Xinyu, TIAN Xiuxiu, LI Xiaojuan, YU Jie. The Temporal and Spatial Analysis of Land Subsidence in Beijing Plain based on TPCA[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20200721
参考文献 (13)

目录

    /

    返回文章
    返回