论文摘要
地表沉降是城市发展的主要灾害之一,是制约城市发展和威胁城市安全的重要因素之一。随着城市化进程加快,现在的城市比以往任何时候都更拥挤。城市的飞速发展往往伴随着地下水的大量开采,高楼的建设以及地下轨道交通的增加等,城市的地表沉降速度正在加快。干涉合成孔径雷达(InSAR)是一种用于分析地面形变的独特工具,与精密水准和GPS测量技术相比,InSAR具有测量覆盖面广,结果精度高,数据获取周期短成本低等优点。经过几十年的发展,InSAR技术从传统的DInSAR发展为时间序列InSAR,在测量精度和准确性上都有所改善。论文使用永久散射体(PS)InSAR(PS-InSAR)和小基线集(SBAS)InSAR(SBAS-InSAR)技术结合多时相星载SAR影像评估成都市的地表形变。使用了覆盖成都市区的90景Sentinel-1影像以及20景Envisat ASAR影像,其中Sentinel-1影像的时间跨度为2014年10月至2018年11月,Envisat ASAR影像的时间跨度为2008年5月至2010年7月。根据两种数据的特点,分别使用PS-InSAR和SBAS-InSAR技术处理,得到成都市市区的形变结果。两者的结果基本一致,研究区域内西北方向出现抬升,东南方向出现沉降,市中心的区域保持稳定,除部分人流量大的区域沉降较大。对形变结果进行分析得出以下结论:成都平原所在的四川盆地受到青藏板块的挤压,所以在西北方向出现了抬升;位于成都东南方向的龙泉驿区近几年频繁建造高楼,可能会导致该地区的沉降;成都市市内地下水水位下降比较缓慢,市内没有出现过量开采的情况,所以研究区域内没有出现大的沉降漏斗。成都平原基底坚硬,上覆土质松散,成都市市区受地震影响较小。但是位于成都市西北的县级市都江堰由于山区面积广大,距离2008年汶川地震震中近,受灾严重,地震后全市进行灾后重建,研究重建后的城市地表形变具有重要的意义。都江堰市区在2014年10月至2018年11月期间地表形变非常微小,较大的沉降出现在北边的山区和市内繁华地区。此外研究了紫坪铺大坝的形变,结果显示在2008年6月至2010年7月大坝由于大坝自身的沉降出现了较大的沉降速率;2014年10月至2018年11月大坝呈现周期性形变,这主要是由于水库水压随时间变化,以及四季温度的变化导致的热胀冷缩,但大坝的年沉降速率基本在5毫米以内。
论文目录
文章来源
类型: 硕士论文
作者: 肖宁宁
导师: 王勇
关键词: 成都,永久散射体,小基线集,地表沉降,紫坪铺大坝
来源: 电子科技大学
年度: 2019
分类: 基础科学,工程科技Ⅱ辑
专业: 地质学,地质学,工业通用技术及设备
单位: 电子科技大学
分类号: P642.26
总页数: 71
文件大小: 4535K
下载量: 343
相关论文文献
- [1].基于非稳态时间序列的生理控制模型研究[J]. 系统工程理论与实践 2020(02)
- [2].基于多样化top-k shapelets转换的时间序列分类方法[J]. 计算机应用 2017(02)
- [3].时间序列趋势预测[J]. 现代计算机(专业版) 2017(02)
- [4].基于分型转折点的证券时间序列分段表示法[J]. 商 2016(31)
- [5].基于ARMA模型的股价预测及实证研究[J]. 智富时代 2017(02)
- [6].《漫长的告别》(年度资助摄影图书)[J]. 中国摄影 2017(04)
- [7].王嵬作品[J]. 当代油画 2017(07)
- [8].基于模糊时间序列的计算机信息粒构建研究[J]. 粘接 2020(10)
- [9].基于时间序列挖掘的合成旅装备维修保障能力预测[J]. 系统工程与电子技术 2020(04)
- [10].风速时间序列混沌判定方法比较研究[J]. 热能动力工程 2018(07)
- [11].土壤退化时间序列的构建及其在我国土壤退化研究中的意义[J]. 土壤 2015(06)
- [12].基于信息颗粒和模糊聚类的时间序列分割[J]. 模糊系统与数学 2015(01)
- [13].不确定时间序列的降维及相似性匹配[J]. 计算机科学与探索 2015(04)
- [14].时间序列的异常点诊断方法[J]. 中国卫生统计 2011(04)
- [15].基于独立成分分析的时间序列谱聚类方法[J]. 系统工程理论与实践 2011(10)
- [16].面向不确定时间序列的分类方法[J]. 计算机研究与发展 2011(S3)
- [17].一种基于频繁模式的时间序列分类框架[J]. 电子与信息学报 2010(02)
- [18].超启发式组合时间序列预报模型[J]. 福建电脑 2020(08)
- [19].基于深度学习的时间序列算法综述[J]. 信息技术与信息化 2019(01)
- [20].基于时间序列符号化模式表征的有向加权复杂网络[J]. 物理学报 2017(21)
- [21].基于互相关的二阶段时间序列聚类方法[J]. 计算机工程与应用 2016(19)
- [22].基于期货市场行为的时间序列切分及表示方法研究[J]. 中国管理信息化 2015(19)
- [23].基于形态特征的时间序列符号聚合近似方法[J]. 模式识别与人工智能 2011(05)
- [24].基于模糊时间序列对我国对外贸易中的进口水平的预测[J]. 统计与决策 2010(23)
- [25].模糊变量时间序列及其应用[J]. 辽宁工程技术大学学报(自然科学版) 2010(06)
- [26].时间序列流的分层段模型[J]. 小型微型计算机系统 2009(04)
- [27].发动机转速时间序列分形特征分析[J]. 机械科学与技术 2008(11)
- [28].基于HDAD的异构航空数据异常检测的研究[J]. 计算机仿真 2020(03)
- [29].重庆藕塘滑坡地下水位时间序列混沌性判别与预测[J]. 人民长江 2020(S1)
- [30].基于能量过滤的不确定时间序列数据清洗方法[J]. 智能计算机与应用 2019(04)