文章信息
- 师芸, 李伟轩, 唐亚明, 席磊, 孟欣
- SHI Yun, LI Weixuan, TANG Yaming, XI Lei, MENG Xin
- 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
- Time Series InSAR Measurement for Earth Environmental Monitoring and Resource Management: A Case Study of Jiaocheng-Qingxu Area
- 武汉大学学报·信息科学版, 2019, 44(11): 1613-1621
- Geomatics and Information Science of Wuhan University, 2019, 44(11): 1613-1621
- http://dx.doi.org/10.13203/j.whugis20190068
-
文章历史
收稿日期: 2019-02-14
2. 国土资源部煤炭资源勘查与综合利用重点实验室, 陕西 西安, 710021;
3. 中国地质调查局西安地质调查中心, 陕西 西安, 710054;
4. 陕西天润科技股份有限公司, 陕西 西安, 710054
2. Key Laboratory of Coal Resources Exploration and Comprehensive Utilization, Ministry of Land and Resources, Xi'an 710021, China;
3. Xi'an Center of Geological Survey, China Geological Survey, Xi'an 710054, China;
4. Shaanxi Tirain Technology Co. Ltd, Xi'an 710054, China
地面沉降包括地陷和地面下沉,是指地面的下沉运动或者垂直变形,主要是由人类活动和自然因素引起,其特征表现为地下松散地层压缩固结。近年来,我国地面沉降呈现大面积区域性扩展,地面沉降能持续对人工设施造成影响及破坏,影响范围广、防治难度大,形成之后往往难以恢复。
差分合成孔径雷达干涉测量(differential interferometric synthetic aperture radar, D-InSAR)技术近年来已经成为有效的空间对地观测手段,监测精度高达厘米乃至毫米级[1-3]。但是常规的D-InSAR技术利用不同时间覆盖同一测区的两幅雷达影像进行缓慢形变监测时,由于两次数据获取时间不同,且平台在空间上无法完全重合以及目标的散射特性不同等因素导致失相干,造成后续的相位解缠及实际应用十分困难[4],因此其在监测长时间范围地表缓慢形变中的应用受到了限制。为极大限度地克服失相干、大气延迟相位对形变信息提取的影响,研究者发现以长时间序列地表幅度稳定性的点目标为研究对象,可有效削弱非稳定点对监测精度的干扰,InSAR时间序列分析技术应运而生[5-6]。时间序列InSAR技术的代表方法有单一主影像的永久散射体技术(persistent scatterer InSAR,PS-InSA)[7-8]和多主影像的小基线集技术(small baseline subset interferometry,SBAS-InSAR)[9-11]。
InSAR时间序列分析技术已经被广泛应用于火山、地震、滑坡等的监测及预警[12-14]。近年来,利用时序InSAR方法监测地质灾害已取得了丰富的成果,在西班牙的加泰罗尼亚地区和中国的太原、北京、苏州及黄河三角洲等地区得到与实测沉降趋势相符的高精度形变结果[15-22],证实了该方法在地面沉降监测的应用潜力。但是,采煤引起的地面开采沉陷的复杂性在InSAR处理中需要特别注意。
交城-清徐地区地处太原盆地西部,太行山与吕梁山之间,地质构造复杂,加上近年来地下水过度开采和多处煤矿开采,导致地质灾害频发[23]。本文采用改进的时间序列InSAR技术提取交城-清徐地区的形变信息,结合地质、气象和矿产资料详细分析了形变原因,并与同期地面GPS监测结果进行了可靠性验证。
1 研究区域及数据源研究区位于东经112°05′56″~112°22′59″、北纬37°32′17″~37°41′28″,包括太原市清徐县与吕梁市交城县,其西与离石区相通,东南与文水县、祁县、太谷县接壤。位于吕梁山东麓、太原盆地以西,恰好处于交城-清徐活动断裂带上,该区为多期活动断裂,走向NE 50°~56°,倾向南东,倾角45°~55°,最大断距3 500 m,长约100 km。南东盘为新生界,北西盘为奥陶系-二叠系,北部断距大于南部,为正断层。边山发育有一系列平行断层的压性断裂,属次级构造,山前基岩陡峭,并有三角断面。雷达影像覆盖范围及地质构造如图 1所示,其中蓝色框表示裁剪后的研究区域。
根据覆盖研究区的星载雷达影像的存档情况,本文分别选用ALOS-1和Sentinel-1A数据进行交城-清徐地区的地面沉降监测,具体数据的基本参数信息见表 1。
参数 | SAR传感器 | |
ALOS-1 | Sentinel-1A | |
幅宽/km | 70 | 250 |
雷达波长/cm | 23.6 | 5.6 |
空间分辨率/m 2 | 10×14 | 5×20 |
重访周期/d影像数量 | 46 14 | 12 27 |
时间覆盖范围 | 2007-02-01-2010-12-28 | 2017-11-02-2018-10-04 |
由于SAR影像数据有限,为了尽量保持干涉图的相干性,本文采用改进的SBAS-InSAR方法,依据预先设定的时间、空间基线阈值干涉组合多个小基线集,增加了时间采样密度,有助于在非城区保持一定的相干点密度。提取出高相干点后主要利用GAMMA软件,逐步分离非线性形变、大气相位和噪声。该方法综合了SBAS-InSAR和PS-InSAR的优点,保证了形变监测结果的精度和可靠性,具体流程如图 2所示。
首先,利用GAMMA软件完成源数据预处理,考虑到实验区时空特点并顾及主影像选取原则[24],分别选取20071220、20180302为ALOS-1和Sentinel-1A数据的主影像,将其余影像重采样配准到主影像雷达坐标系统。因影像数据大,后裁剪出交城-清徐地区为研究区域,设置时间和空间基线阈值干涉。为与研究数据在时间上更好地匹配,分别下载SRTM和AW3D30高程数据进行差分干涉,在原始干涉相位中去除地形相位。分析比较后再次选质量较好的19、35个差分结果,其时空基线连通网络见图 3。
差分干涉图的相位构成为:
$ \left\{ \begin{array}{*{35}{l}} \text{ }\!\!\Delta\!\!\text{ }{{\varphi }_{j}}={{\varphi }_{{{t}_{A}}}}-{{\varphi }_{{{t}_{B}}}} \\ \text{ }\!\!\Delta\!\!\text{ }{{\varphi }_{j}}\approx \frac{4\text{ }\!\!\pi\!\!\text{ }}{\lambda }\left( {{d}_{{{t}_{A}}}}-{{d}_{{{t}_{B}}}} \right)+\text{ }\!\!\Delta\!\!\text{ }\varphi _{j}^{\text{topo}}+\text{ }\!\!\Delta\!\!\text{ }\varphi _{j}^{\text{atm}}+\text{ }\!\!\Delta\!\!\text{ }\varphi _{j}^{n} \\ \end{array} \right. $ | (1) |
式中,φtA和φtB表示tA和tB时刻的干涉相位;λ为雷达的中心波长;dtA和dtB分别为tA和tB时刻相对t0时刻的累积形变量;Δφjtopo、Δφjatm、Δφjn分别表示干涉图j的地形相位误差、大气误差及噪声相位。
其次,选取交城县公安局段村派出所作为稳定参考点,对每一个干涉图相位解缠,提取稳定高相干点,对观测方程进行二元回归分析,回归分析的结果包括高程校正值、线性形变速率、残差相位及用于质量评估的相位标准差。第一次回归分析迭代处理时,兼顾数字高程模型(digital elevation model, DEM)精度和处理效率,设置高程改正值和线性形变速率的初始范围分别为[-30, 30] m、[-0.1, 0.01] m/a,可获得每一个高相干干涉点对的高程误差、形变速率及残余相位。可能受大气噪声等的影响,实际的观测相位与所选的相位模型之间不能很好地匹配,随着不断地迭代计算,相位模型也在不断地更新,解算的高程校正与线性形变速率值逐渐趋向于0,相位标准差也越来越小。当两次迭代的结果无明显变化时,说明解算结果较为可靠,此时便可停止迭代。同时,在每一次回归分析时,需要通过设置相位标准差不大于1.2 rad来剔除质量较低的点,从而保证获取可靠的参数估计值。此时的残余相位包括非线性形变相位、大气延迟相位和噪声相位,基于它们三者不同的时间、空间依赖性来分离不同的相位。非线性形变相位为时间域上的低频信号,即在时间域相关、空间域不相关,而大气延迟相位是空间域的低频信号,噪声相位则是在时间与空间域均不相关的成分。通过时间域上高通滤波和空间域低通滤波可以将上述三者逐步分离。
最后,假设两个相邻时间间隔内的形变速率为vk,在去除地形相位以及大气、噪声的影响后,第j景干涉图的形变相位信息为:
$ \text{ }\!\!\Delta\!\!\text{ }{{\varphi }_{j}}=\left( {{t}_{k}}-{{t}_{k-1}} \right){{v}_{k}} $ | (2) |
使用最小二乘方法解算出各个高相干点形变速率,并联合线性形变与非线性形变解算求得每景影像获取时刻的时间序列形变量,基于雷达波入射角关系将沿视线方向(line of sight,LOS)形变量转换为垂直方向上的地面沉降值[25]。
3 研究结果与分析应用改进的SBAS-InSAR方法提取交城-清徐地区的地面年平均沉降速率和时间序列累计沉降量,结果见图 4~7。数据处理结果表明交城-清徐地区在2007-2010年和2017-2018年间主要出现4个大的形变区域P1、P2、P3、P4 (见图 4)。其中P1、P2沉降区域为矿区,P3和P4沉降区域为平原区。
3.1 矿区沉降特征及其与侵蚀力降雨监测结果中的P1区域位于交城县东北部,马庄村、安泽村附近。2007—2010年最大年平均沉降速率位于马庄村,最大沉降速率为-349 mm/a,且2008-02后沉降中心不断向马庄村南部移动,到2010-12累积沉降量高达-1 370 mm。然而在2017-11至2018-10马庄村区域较为稳定,沉降速率小于-30 mm/a,未出现明显形变;此外,2009-09至2010-06时间段内,安泽村的西南方向开始出现形变,沉降面积不断扩大。到2017—2018年安泽村附近持续发生形变,形变面积扩大,年平均沉降速率增加至-462 mm/a,沉降中心没有明显变化。
P2区域为交城县的窑则头村及后火山村以南。2009-08,窑则头村西部开始出现形变,随着时间的变化,沉降范围逐渐向东南方向的后火山村扩大,2017-11至2018-10,沉降中心已经完全转移至后火山村。地面沉降速率在两个时间段内由-235 mm/a增加至约-350 mm/a,累积沉降分别约为-800 mm、-305 mm。
图 4和图 6中的紫色区域表示具体法定采矿区域,位于黄土高原交城县东部山区,朱家河南部,地处太原东西山矿区西北部,矿产资源丰富。野外实地调查资料证实,P1、P2沉降区域与采矿区域一致。
矿产资源开采规模的扩大、开采深度和范围的拓展,导致2007—2010年及2018-11至2018-10,该地区发生大量级地面沉降,随着开采工作的推进, P1区域沉降中心由马庄村向南逐渐移动到安泽村,P2区域沉降范围从窑则头村西部向西南方扩大。
采矿带来了复杂的地面沉降问题,而降雨可能导致地面沉降的加剧。降雨是引起土壤侵蚀的最主要因子,在所有降雨中,只有一次性雨量大于12.7 mm时才会导致土壤侵蚀,发生水土流失,这部分降雨称为侵蚀性降雨[26]。为此,选取采矿区域内点a(见图 6),提取该点各月累积沉降量,并由中国气象局气象数据中心资料得到同时段内的降雨量情况,剔除不发生侵蚀的降雨,对比点沉降量与侵蚀性降雨量月值之间的关系,如图 8所示,发现地面沉降量与侵蚀性降雨之间没有明显的影响关系。因此,该时段内安泽村区域沉降主要还是由于矿产开采所导致。
特别应该指出, 在采矿区域内,地面沉降与人类采矿活动具有明显的一致性, 具体见图 4和图 6中黑色虚线框部分。结果进一步证实了InSAR技术在地面沉降等环境监测中的重要性, 而且必将成为国家矿产资源管理的重要工具与执法的重要依据。
3.2 平原区域沉降特征及其机理分析P3主要分布在交城县坡底村、奈林村、覃村以及清徐县新民村一带,2007-06奈林村最先出现形变,到2007-08覃村以及清徐县新民村逐渐发生地面沉降,但沉降速率低于奈林村,2008-12起坡底村沉降速率开始增加。到2010年底P3区域沉降范围沿交城断裂带呈带状分布。在2007—2010年期间,最大沉降速率在-170 mm/a左右,2017-11到2018-10近1 a时间内, 奈林村、坡底村未发现明显形变,覃村以及清徐县新民村整体沉降速率减小至-110~-70 mm/a(见图 9)。
P4区域位于清徐县仁义村,2007年起从仁义村的东、西两侧开始形变,随着时间的推移,沉降范围不断向中部扩大。至2010-12出现两个沉降中心,东部沉降中心和沉降面积明显大于西部。而2017-11至2018-10, 仁义村沉降速率大大减小,地面保持稳定,形变量级由2007—2010年间的-200 mm/a降低为-30 mm/a以下。
交城-清徐一带的水资源主要为当地降水形成的地表水和地下水的产水量,降水越多,地表水资源越多,补充渗入到地下水资源的也相对较多。交城县月平均降水量均低于100 mm,较为干旱,地下水资源补充不足。而地下水又是交城-清徐地区工农业生产及城市生活的主要供水水源。研究表明, 随着城市化、工业化进程的加快,2008年研究区内的孔隙地下水开采井共有155眼,地下水的实际开采量达到589×104 m3/a,大大超过研究区地下水可开采量,交城-清徐地区已处于严重超采的状态[27]。地下水大幅度开采,致使地下水位持续下降,形成地下水降落漏斗,由于上更新统和中更新统含水地层的失水压缩,必然导致降落漏斗区域出现地面沉降[28]。从图 4和图 5可以看出, 从2007-09到2010-12, P3、P4地区两处最大沉降中心坡底村、仁义村,其沉降范围逐渐扩大,沉降量不断增大,累积形变量分别达到-700 mm、-800 mm。两处沉降中心从中心到边缘沉降速率依次减小,形成沉降漏斗,如图 10所示。
近年来,随着地下水资源的科学开发利用,关井压采、修建水库及其他治理措施的实施缓解了地下水过度开采的情况,有效控制了地面沉降灾害,到2017-11至2018-10,P3、P4区域趋于稳定,没有产生大量级的形变。
3.3 研究区外部检校与分析为了验证改进的SBAS-InSAR技术监测交城-清徐地区地面沉降的精度,将同期ALOS-1数据形变监测结果与GPS结果进行对比。在InSAR获得的2007—2010年平均形变速率图上提取与GPS相同点位的沉降速率(见图 4),并与表 2中的GPS结果比较。结果见图 11,可以看出,InSAR与GPS监测结果互差最大为8.2 mm/a,最小为1.8 mm/a,结果表明了改进方法在该区域施行的可行性与可靠性。
序号 | 点号 | InSAR年平均沉降速率/(mm∙a -1) | GPS年平均沉降速率/(mm∙a -1) | 互差/(mm∙a -1) |
1 | QX1 | -7.7 | -3.5 | -4.2 |
2 | QX2 | -2.3 | -4.1 | 1.8 |
3 | QX3 | -12.8 | -4.6 | -8.2 |
4 | QX4 | -10.5 | -15.8 | 5.3 |
5 | QX5 | -24.1 | -22.0 | -2.1 |
本文采用改进的时间序列InSAR技术对交城-清徐地区的ALOS-1及Sentinel-1A数据进行处理,得到了研究区的年平均形变速率及时间序列形变。研究结果表明,交城-清徐地区在各时间段内沉降范围及沉降量级均发生了巨大的变化,在2007—2010年、2017-11至2018-10两个研究时间内出现4个沉降区域。矿区的最大沉降速率分别达到-462 mm/a和-350 mm/a。平原地带的最大沉降速率分别为-170 mm/a、-200 mm/a,累积沉降分别达到-700 mm、-800 mm左右。采矿区域急剧形变主要由矿产资源的开采引起,可排除侵蚀性降雨对地面沉降的影响,随着开采工作面的推进,沉降中心发生滞后性移动,沉降范围逐步扩大。平原区域受交城断裂带以及地下水过度开采影响,形成跟断裂带走向一致的沉降带,近年来,各项地质灾害治理措施的推广实施有效缓解了该区域的地面沉降。经与同时期矿区和平原区域的GPS形变监测结果比较,两者具有较好的一致性,互差小于等于1 cm,表明改进的时间序列InSAR技术实验结果有效、可靠。
[1] |
Bamler R. Synthetic Aperture Radar Interferometry[J]. Inverse Problems, 1999, 14(4): 12-13. |
[2] |
Rosen P A, Hensley S, Joughin I R, et al. Synthetic Aperture Radar Interferometry[J]. Proceedings of the IEEE, 2000, 88(3): 333-382. DOI:10.1109/5.838084 |
[3] |
Berardino P, Fornaro G, Lanri R, et al. A New Algorithm for Surface Deformation Monitoring Based on Small Baseline Differential SAR Interferograms[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 40(11): 2375-2383. |
[4] |
Li Zhenhong, Liu Jingnan, Xu Caijun. Error Analysis in InSAR Data Processing[J]. Geomatics and Information Science of Wuhan University, 2004, 29(1): 72-76. (李振洪, 刘经南, 许才军. InSAR数据处理中的误差分析[J]. 武汉大学学报·信息科学版, 2004, 29(1): 72-76. ) |
[5] |
Hooper A, Zebker H, Segall P, et al. A New Method for Measuring Deformation on Volcanoes and Other Natural Terrains Using InSAR Persistent Scatterers[J]. Geophysical Research Letters, 2004, 31(23): 1-5. |
[6] |
Ding Xiaoli, Li Zhiwei, Zhu Jianjun, et al. Atmospheric Effects on InSAR Measurements and Their Mitigation[J]. Sensors, 2008, 8(9): 5426-5448. DOI:10.3390/s8095426 |
[7] |
Ferretti A, Prati C, Rocca F. Permanent Scatterers in SAR Interferometry[C]. IGARSS, Hamburg, Germany, 1999
|
[8] |
Colesanti C, Ferretti A, Novali F, et al. SAR Monitoring of Progressive and Seasonal Ground Deformation Using the Permanent Scatterers Technique[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(7): 1685-1701. DOI:10.1109/TGRS.2003.813278 |
[9] |
Lanari R, Casu F, Manzo M, et al. An Overview of the Small Baseline Subset Algorithm: A DInSAR Technique for Surface Deformation Analysis[J]. Pure an Applied Geophysics, 2007, 164(4): 637-661. DOI:10.1007/s00024-007-0192-9 |
[10] |
Hooper A, Bekaert D, Spaans K, et al. Recent Advances in SAR Interferometry Time Series Analysis for Measuring Crustal Deformation[J]. Tectonophysics, 1951, 514(1): 1-13. |
[11] |
Zhang Yonghong, Wu Hongan, Kang Yonghui. Ground Subsidence over Beijing-Tianjin-Hebei Region During Three Periods of 1992 to 2014 Monitored by Interferometric SAR[J]. Acta Geodaetica et Cartographica Sinica, 2016, 45(9): 1050-1058. (张永红, 吴宏安, 康永辉. 京津冀地区1992—2014年三阶段地面沉降InSAR监测[J]. 测绘学报, 2016, 45(9): 1050-1058. ) |
[12] |
Ji Lingyun, Xu Jiandong, Zhao Bo, et al. Present-Day Acivity of Ashikule Volcanic Group from InSAR[J]. Seismology and Geology, 2013, 35(3): 532-541. (季灵运, 许建东, 赵波, 等. 利用InSAR技术研究新疆阿什库勒火山群现今活动性[J]. 地震地质, 2013, 35(3): 532-541. DOI:10.3969/j.issn.0253-4967.2013.03.007 ) |
[13] |
Yang Zhen, Zhang Yongzhi, Zhang Wenjun, et al. Deformation Characteristics of the Northwest Section of Xianshuihe Fault Zone After Wenchuan Earthquake with Utilization of SBAS-InSAR[J]. Journal of Lanzhou University(Natural Science), 2018, 54(1): 51-58. (杨珍, 张永志, 张文军, 等. 利用SBAS-InSAR研究汶川地震后鲜水河断裂西北段的形变特征[J]. 兰州大学学报(自然科学版), 2018, 54(1): 51-58. ) |
[14] |
Liao Mingsheng, Tang Jing, Wang Teng, et al. Landslide Monitoring with High-Resolution SAR Data in the Three Gorges Region[J]. Sci China(Earth Sci), 2012, 42(2): 217-229. (廖明生, 唐婧, 王腾, 等. 高分辨率SAR数据在三峡库区滑坡监测中的应用[J]. 中国科学(地球科学), 2012, 42(2): 217-229. ) |
[15] |
Devanthéry N, Crosetto M, Cuevas-González M, et al. Deformation Monitoring Using Persistent Scatterer Interferometry and Sentinel-1 SAR Data[J]. Procedia Computer Science, 2016, 100: 1121-1126. DOI:10.1016/j.procs.2016.09.263 |
[16] |
Zhu Wu, Zhang Qin, Ding Xiaoli, et al. Recent Ground Deformation of Taiyuan Basin (China) Investigated with C-, L-, and X-bands SAR Images[J]. Journal of Geodynamics, 2013, 70: 28-35. DOI:10.1016/j.jog.2013.06.003 |
[17] |
Wu Hongan, Zhang Yonghong, Chen Xiaoyong, et al. Ground Deformation Monitoring Using Small Baseline DInSAR Technique: A Case Study in Taiyuan City from 2003 to 2009[J]. Chinese Journal of Geophysics, 2011, 54(3): 673-680. (吴宏安, 张永红, 陈晓勇, 等. 基于小基线DInSAR技术监测太原市2003—2009年地表形变场[J]. 地球物理学报, 2011, 54(3): 673-680. DOI:10.3969/j.issn.0001-5733.2011.03.006 ) |
[18] |
Zhou Xu, Xu Caijun, Wen Yangmao. Land Subsidence Monitoring of Beijing and Langfang of Hebei Province by Time Series InSAR[J]. Science of Surveying and Mapping, 2017, 42(7): 89-93. (周旭, 许才军, 温扬茂. 利用时序InSAR技术分析北京及河北廊坊地面沉降[J]. 测绘科学, 2017, 42(7): 89-93. ) |
[19] |
Zhang Yonghong, Zhang Jixian, Wu Hongan, et al. Monitoring of Urban Subsidence with SAR Interferometric Point Target Analysis: A Case Study in Suzhou, China[J]. International Journal of Applied Earth Observation and Geoinformation, 2011, 13(5): 812-818. DOI:10.1016/j.jag.2011.05.003 |
[20] |
Yang Chengsheng, Liu Yuanyuan, Ao Meng. Study of Land Subsidence and Groundwater Activity Using SBAS Time-Series Analysis[J]. Remote Sensing for Land and Resources, 2015, 27(1): 127-132. (杨成生, 刘媛媛, 敖萌. 基于SBAS时序分析的大同地面沉降与地下水活动研究[J]. 国土资源遥感, 2015, 27(1): 127-132. ) |
[21] |
Zhang Jinzhi, Huang Haijun, Bi Haibo, et al. Monitoring Ground Subsidence in the Modern Yellow River Delta Based on SBAS Time-Series Analysis[J]. Geomatics and Information Science of Wuhan University, 2016, 41(2): 242-248. (张金芝, 黄海军, 毕海波, 等. SBAS时序分析技术监测现代黄河三角洲地面沉降[J]. 武汉大学学报∙信息科学版, 2016, 41(2): 242-248. ) |
[22] |
Zhu Chuanguang, Fan Hongdong, Deng Kazhong, et al. Inversion of Subsidence Based on Temporal InSAR Method in Tanggu Area[J]. Geomatics and Information Science of Wuhan University, 2014, 39(2): 248-252. (祝传广, 范洪冬, 邓喀中, 等. 利用时序InSAR技术反演塘沽地区沉降历史[J]. 武汉大学学报∙信息科学版, 2014, 39(2): 248-252. ) |
[23] |
Liu Yuanyuan. Research on the Monitoring and Inversion of Different-Scale Complex Surface Deformation with Multi-temporal InSAR[D]. Xian: Chang'an University, 2018 (刘媛媛.不同尺度综合地表形变InSAR时序监测与机理分析[D].西安: 长安大学, 2018)
|
[24] |
Hooper A, Segall P, Zebker H. Persistent Scatterer Interferometric Synthetic Aperture Radar for Crustal Deformation Analysis, with Application to Volcã¡n Alcedo, Galã Pagos[J]. Journal of Geophysical Research Solid Earth, 2007, 112. |
[25] |
Wang Yan, Liao Mingsheng, Li Deren, et al. Subsidence Velocity Retrieval from Long-Term Coherent Targets in Radar Interferometric Stacks[J]. Chinese J Geophys, 2007, 50(2): 598-604. (王艳, 廖明生, 李德仁, 等. 利用长时间序列相干目标获取地面沉降场[J]. 地球物理学报, 2007, 50(2): 598-604. DOI:10.3321/j.issn:0001-5733.2007.02.034 ) |
[26] |
Xie Yun, Liu Baoyuan, Zhang Wenbo. Study on Standard of Erosive Rainfall[J]. Journal of Soil and Water Conservation, 2000, 14(4): 6-11. (谢云, 刘宝元, 章文波. 侵蚀性降雨标准研究[J]. 水土保持学报, 2000, 14(4): 6-11. DOI:10.3321/j.issn:1009-2242.2000.04.002 ) |
[27] |
Zhao Chaoying, Zhang Qin, Zhang Jing. Deformation Monitoring of Ground Fissure with SAR Interferometry in Qingxu, Shanxi Province[J]. Journal of Engineering Geology, 2011, 19(1): 70-75. (赵超英, 张勤, 张静. 山西清徐地裂缝形变的InSAR监测分析[J]. 工程地质学报, 2011, 19(1): 70-75. DOI:10.3969/j.issn.1004-9665.2011.01.011 ) |
[28] |
Sun Xiaohan, Peng Jianbing. The Relation Between Earth Fissures and Ground Water in Qingxu[J]. Journal of Catastrophology, 2015, 30(4): 107-112. (孙晓涵, 彭建兵. 清徐县地裂缝活动与地下水开采定量关系[J]. 灾害学, 2015, 30(4): 107-112. DOI:10.3969/j.issn.1000-811X.2015.04.021 ) |