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
杜玉玲, 闫世勇, 张豪磊, 赵峰, 仇春平. 融合区域生长的DS-InSAR相位优化与应用[J]. 武汉大学学报 ( 信息科学版). doi: 10.13203/j.whugis20210365
引用本文: 杜玉玲, 闫世勇, 张豪磊, 赵峰, 仇春平. 融合区域生长的DS-InSAR相位优化与应用[J]. 武汉大学学报 ( 信息科学版). doi: 10.13203/j.whugis20210365
DU Yuling, YAN Shiyong, ZHANG Haolei, ZHAO Feng, QIU Chunping. Research and Application of DS-InSAR Phase Optimization based on Regional Growth[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210365
Citation: DU Yuling, YAN Shiyong, ZHANG Haolei, ZHAO Feng, QIU Chunping. Research and Application of DS-InSAR Phase Optimization based on Regional Growth[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210365

融合区域生长的DS-InSAR相位优化与应用

doi: 10.13203/j.whugis20210365
基金项目: 

国家自然科学基金项目(41876226,42004011);江苏省研究生科研与实践创新计划项目( KYCX21_2301);中国矿业大学“未来杰出人才助力计划”项目(2021WLJCRCZL141);国家重点研发计划“政府间国际科技创新合作”重点专项项目( 2022YFE0102600)

详细信息
    作者简介:

    杜玉玲,硕士研究生,主要从事时序InSAR技术与应用研究。duuling@126.com

    通讯作者: 闫世勇,博士,副教授。yanshiyong@cumt.edu.cn
  • 中图分类号: P237

Research and Application of DS-InSAR Phase Optimization based on Regional Growth

  • 摘要: 常规时序合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar,InSAR)技术应用于矿区地表形变监测时存在监测点少且分布不均等不足,难以全面反映采空区地表变形特征,而分布式目标受时空失相干等因素的影响相位稳定性较差,因此开展分布式目标相位优化是融合分布式目标时序InSAR形变监测的关键步骤。针对当前分布式目标相位优化中存在的空间连续性约束不足问题,本文提出了融合区域生长的分布式目标相位优化方法,开展时间和空间联合约束下的分布式目标相位优化,实现复杂地表环境下的精细化地表形变信息获取,并以潘安湖区域为例对分布式目标相位的优化效果进行了定性和定量分析。在此基础上,以本文方法和Sentinel-1数据开展了徐州市废弃矿区2018.5至2020.5的地表形变监测,并利用连续运行参考站(Continuously Operating ReferenceStations,CORS)和裸露基岩验证了本文方法的精度和可靠性。结果表明,本文分布式目标相位时空二维优化方法能够有效减小相位噪声影响,有助于城市废弃矿区地表形变监测。
  • [1] Tong Liyuan, Liu Songyu, Fang Lei. Engineering geological hazards of road construction in xuzhou mining subsidence area and their controlling measures[J]. Journal of Engineering Geology, 2005, 013(2):164-168(童立元,刘松玉,方磊.徐州矿区采空塌陷区公路工程地质灾害与防治对策分析[J].工程地质学报, 2005, 013(2):164-168)
    [2] Tang H. Stability evaluation of large ang gently-inclined goaf[J]. Geotechnical Engineering Technique, 2019, 33(4):202-207+217.
    [3] Alessandro F, Claudio P, Fabio R. Permanent Scatterers in SAR Interferometry[J]. IEEE Transactions on Geoscience Remote Sensing, 2001, 39(1):8-20.
    [4] Berardino P, Fornaro G, Lanari R, et al. A New Algorithm for Surface Deformation Monitoring Based on Small Baseline Differential SAR Interferograms[J]. IEEE Transactions on Geoscience Remote Sensing, 2002, 40(11):2375-2383.
    [5] Xu Qiang. Understanding and Consideration of Related Issues in Early Identification of Potential Geohazards[J]. Geomatics and Information Science of Wuhan University, 2020, 45(11):1651-1659(许强.对地质灾害隐患早期识别相关问题的认识与思考[J].武汉大学学报(信息科学版), 2020, 45(11):1651-1659)
    [6] Pu Chuanhao, Xu Qiang, Jiang Yanan, et al. Analysis of Land Subsidence Distribution and Influencing Factors in Yan'an New District Based on Time Series InSAR[J]. Geomatics and Information Science of Wuhan University, 2020, 45(11):1728-1738(蒲川豪,许强,蒋亚楠,等.延安新区地面沉降分布及影响因素的时序InSAR监测分析[J].武汉大学学报(信息科学版), 2020, 45(11):1728-1738)
    [7] Liu Bin, Ge Daqing, Wang Shanshan, et al. Combining Application of TOPS and ScanSAR InSAR in Large-Scale Geohazards Identification[J]. Geomatics and Information Science of Wuhan University, 2020, 45(11):1756-1762(刘斌,葛大庆,王珊珊,等. TOPS和ScanSAR模式InSAR在广域地灾隐患识别中的联合应用[J].武汉大学学报(信息科学版), 2020, 45(11):1756-1762)
    [8] Ferretti A, Fumagalli A, Novali F, et al. A New Algorithm for Processing Interferometric Data-Stacks:SqueeSAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(9):3460-3470.
    [9] Goel K, Adam N. An advanced algorithm for deformation estimation in non-urban areas[J]. Isprs Journal of Photogrammetry Remote Sensing, 2012, 73(SEP.):100-110.
    [10] Dwivedi R, Narayan A B, Tiwari A, et al. Optimal estimation of interferometric phase for measuring surface deformation[J]. International Journal of Remote Sensing, 2017, 38(5-6):1339-1349.
    [11] Guarnieri A M, Tebaldini S. On the Exploitation of Target Statistics for SAR Interferometry Applications[J]. IEEE Transactions on Geoscience and Remote Sensing, 2008, 46(11):3436-3443.
    [12] Gianfranco F, Simona V, Diego R, et al. CAESAR:An Approach Based on Covariance Matrix Decomposition to Improve Multibaseline-Multitemporal Interferometric SAR Processing[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, PP (4):1-16.
    [13] Levine M D,Nazif A M. Dynamic Measurement of Computer Generated Image Segmentations[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1985, 7(2):155-164.
    [14] Jiang M, Ding X L, Hanssen R F, et al. Fast Statistically Homogeneous Pixel Selection for Covariance Matrix Estimation for Multitemporal InSAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 53(3):1213-1224.
    [15] Jiang Mi, Ding Xiaoli, Li Zhiwei. Homogenous Pixel Selection Algorithm for Multiporal InSAR[J]. Chinese Journal of Geophysics, 2018, 061(12):4767-4776(蒋弥,丁晓利,李志伟.时序InSAR同质样本选取算法研究[J].地球物理学报, 2018, 061(12):4767-4776)
    [16] Li Peng, Li Qiang, Ma Weimin, et al. Pavement Crack Segmentation Based on K-means Clustering[J]. Computer Engineering and Design, 2020, 41(11):3143-3147(李鹏,李强,马味敏,等.基于K-means聚类的路面裂缝分割算法[J].计算机工程与设计, 2020, 41(11):3143-3147)
    [17] Goldstein R M, Werner C L. Radar interferogram filtering for geophysical applications[J]. Geophysical Research Letters, 1998, 25(21):4035-4038.
    [18] Wang Xinwang. The Filter Method of InSAR Phase[D]. Central South Univerdity, 2008(王兴旺.合成孔径雷达干涉图相位滤波方法的研究[D].中南大学, 2008)
    [19] Zhao Yi, Jiang Mi, Yang Chuan, et al. Comparision between filtering methods for InSAR interferogram[J]. Science of Surveying and Mapping, 2017, 42(6):149-154(赵诣,蒋弥,杨川,等. InSAR干涉图滤波方法对比[J].测绘科学, 2017, 42(6):149-154)
    [20] Feng Liyuan, Nie Xiangfei, Zhang Yue, et al.Phase filtering algorithm of InSAR interferogram[J]. Beijing Surveying and Mapping, 2020, 34(12):1804-1809(冯丽源,聂祥飞,张月,等.地基InSAR干涉图像相位滤波算法[J].北京测绘, 2020, 34(12):1804-1809)
    [21] Zhang Jie, Wang Bin, Bai Wenyong, et al. Stability Study of the Double-arch Structure Formed by Short-distance Discontinuous Mining in Shallow Strata[J]. Journal of China University of Mining&Technology, 2021,50(3):598-605(张杰,王斌,白文勇,等.浅埋近距间隔式采空区顶板"双拱桥"结构稳定性研究[J].中国矿业大学学报,2021,50(3):598-605).
  • [1] 韩炳权, 刘振江, 陈博, 李振洪, 余琛, 张勇, 彭建兵.  2022年泸定Mw 6.6地震InSAR同震形变与滑动分布 . 武汉大学学报 ( 信息科学版), doi: 10.13203/j.whugis20220636
    [2] 李振洪, 韩炳权, 刘振江, 张苗苗, 余琛, 陈博, 刘海辉, 杜静, 张双成, 朱武, 张勤, 彭建兵.  InSAR数据约束下2016年和2022年青海门源地震震源参数及其滑动分布 . 武汉大学学报 ( 信息科学版), doi: 10.13203/j.whugis20220037
    [3] 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
    [4] 王之栋, 文学虎, 唐伟, 刘晖, 王德富.  联合多种InSAR技术的龙门山-大渡河区域地灾隐患早期探测 . 武汉大学学报 ( 信息科学版), doi: 10.13203/j.whugis20190064
    [5] 吴文豪, 李陶, 龙四春, 周志伟.  实时轨道条件下Sentinel-1卫星影像干涉配准 . 武汉大学学报 ( 信息科学版), doi: 10.13203/j.whugis20170098
    [6] 杨杰, 常永雷, 李平湘, 赵伶俐, 史磊.  采用螺旋散射的SAR极化定标参考地物提取方法 . 武汉大学学报 ( 信息科学版), doi: 10.13203/j.whugis20180180
    [7] 熊新, 靳国旺, 张红敏, 王岩.  基于史赖伯规则的机载InSAR区域网平差 . 武汉大学学报 ( 信息科学版), doi: 10.13203/j.whugis20150803
    [8] 李媛, 胡翰, 谢金华, 朱庆, 张叶廷, 杜志强, 彭明军, 高山.  局部区域表面一致性约束的三维模型纹理映射方法 . 武汉大学学报 ( 信息科学版), doi: 10.13203/j.whugis20140537
    [9] 卢学良, 童晓冲, 张永生, 谢金华, 于英.  城市密集点云的区域生长表面构网改进算法 . 武汉大学学报 ( 信息科学版), doi: 10.13203/j.whugis20140443
    [10] 廖露, 李平湘, 杨杰, 常虹.  一种基于分布式目标互易性判断的SAR极化定标改进方法 . 武汉大学学报 ( 信息科学版), doi: 10.13203/j.whugis20140096
    [11] 余洁, 余峰, 张晶, 刘振宇.  结合区域生长与道路基元的高分辨率遥感影像道路提取 . 武汉大学学报 ( 信息科学版),
    [12] 周文斌, 许文斌, 李志伟, 汪长城.  考虑高程信息的MERIS水汽插值及其在ASAR干涉图大气改正中的应用 . 武汉大学学报 ( 信息科学版),
    [13] 张红敏, 靳国旺, 徐青, 秦志远.  利用差分滤波进行多基线InSAR相位解缠 . 武汉大学学报 ( 信息科学版),
    [14] 许才军, 何平, 温扬茂.  利用PSInSAR研究意大利Etna火山的地表形变 . 武汉大学学报 ( 信息科学版),
    [15] 张永军, 吴磊, 林立文, 赵家平.  基于LiDAR数据和航空影像的水体自动提取 . 武汉大学学报 ( 信息科学版),
    [16] 许才军, 林敦灵, 温扬茂.  利用InSAR数据的汶川地震形变场提取及分析 . 武汉大学学报 ( 信息科学版),
    [17] 张剑清, 朱丽娜, 潘励.  基于遥感影像和矢量数据的水系变化检测 . 武汉大学学报 ( 信息科学版),
    [18] 吴云孙, 李振洪, 刘经南, 许才军.  InSAR观测值大气改正方法的研究进展 . 武汉大学学报 ( 信息科学版),
    [19] 朱庆, 李逢春, 张叶廷.  一种改进的三维点集表面重建的区域生长算法 . 武汉大学学报 ( 信息科学版),
    [20] 陈楚江, 王丽园, 朱庆.  多源多时相数据空间分析及其在西藏墨脱地区的应用 . 武汉大学学报 ( 信息科学版),
  • 加载中
计量
  • 文章访问数:  147
  • HTML全文浏览量:  23
  • PDF下载量:  9
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-07-30
  • 网络出版日期:  2022-11-23

doi: 10.13203/j.whugis20210365
    基金项目:

    国家自然科学基金项目(41876226,42004011);江苏省研究生科研与实践创新计划项目( KYCX21_2301);中国矿业大学“未来杰出人才助力计划”项目(2021WLJCRCZL141);国家重点研发计划“政府间国际科技创新合作”重点专项项目( 2022YFE0102600)

    作者简介:

    杜玉玲,硕士研究生,主要从事时序InSAR技术与应用研究。duuling@126.com

  • 中图分类号: P237

摘要: 常规时序合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar,InSAR)技术应用于矿区地表形变监测时存在监测点少且分布不均等不足,难以全面反映采空区地表变形特征,而分布式目标受时空失相干等因素的影响相位稳定性较差,因此开展分布式目标相位优化是融合分布式目标时序InSAR形变监测的关键步骤。针对当前分布式目标相位优化中存在的空间连续性约束不足问题,本文提出了融合区域生长的分布式目标相位优化方法,开展时间和空间联合约束下的分布式目标相位优化,实现复杂地表环境下的精细化地表形变信息获取,并以潘安湖区域为例对分布式目标相位的优化效果进行了定性和定量分析。在此基础上,以本文方法和Sentinel-1数据开展了徐州市废弃矿区2018.5至2020.5的地表形变监测,并利用连续运行参考站(Continuously Operating ReferenceStations,CORS)和裸露基岩验证了本文方法的精度和可靠性。结果表明,本文分布式目标相位时空二维优化方法能够有效减小相位噪声影响,有助于城市废弃矿区地表形变监测。

English Abstract

杜玉玲, 闫世勇, 张豪磊, 赵峰, 仇春平. 融合区域生长的DS-InSAR相位优化与应用[J]. 武汉大学学报 ( 信息科学版). doi: 10.13203/j.whugis20210365
引用本文: 杜玉玲, 闫世勇, 张豪磊, 赵峰, 仇春平. 融合区域生长的DS-InSAR相位优化与应用[J]. 武汉大学学报 ( 信息科学版). doi: 10.13203/j.whugis20210365
DU Yuling, YAN Shiyong, ZHANG Haolei, ZHAO Feng, QIU Chunping. Research and Application of DS-InSAR Phase Optimization based on Regional Growth[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210365
Citation: DU Yuling, YAN Shiyong, ZHANG Haolei, ZHAO Feng, QIU Chunping. Research and Application of DS-InSAR Phase Optimization based on Regional Growth[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20210365
参考文献 (21)

目录

    /

    返回文章
    返回