基于时间序列InSAR技术的成都地区地表沉降研究

基于时间序列InSAR技术的成都地区地表沉降研究

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

  • 摘要
  • abstract
  • 第一章 绪论
  •   1.1 研究工作的背景与意义
  •   1.2 国内外研究现状
  •     1.2.1 星载SAR系统
  •     1.2.2 时间序列InSAR
  •   1.3 InSAR技术在城区地表形变监测中的研究应用现状
  •     1.3.1 近年国外现状
  •     1.3.2 近年国内现状
  •   1.4 研究内容及论文结构安排
  •     1.4.1 研究内容和创新点
  •     1.4.2 论文结构
  • 第二章 InSAR基本原理概述
  •   2.1 InSAR基本原理
  •   2.2 DInSAR基本原理
  •   2.3 时间序列InSAR基本原理
  •     2.3.1 永久散射体InSAR
  •     2.3.2 小基线集InSAR
  •   2.4 本章小结
  • 第三章 研究区域及数据
  •   3.1 研究区域概况
  •     3.1.1 成都地区介绍
  •     3.1.2 都江堰地区介绍
  •   3.2 数据介绍
  •     3.2.1 Sentinel-1 数据介绍
  •     3.2.2 Envisat ASAR数据介绍
  •     3.2.3 其他辅助数据
  •   3.3 本章小结
  • 第四章 时序InSAR监测成都市区地表沉降
  •   4.1 数据处理
  •   4.2 成都市区沉降结果
  •   4.3 沉降原因概述
  •     4.3.1 工程建筑活动
  •     4.3.2 地下水开采
  •     4.3.3 地质构造与地震
  •   4.4 本章小结
  • 第五章 时序InSAR监测都江堰地表沉降
  •   5.1 数据处理
  •   5.2 都江堰市区沉降
  •   5.3 紫坪铺大坝沉降
  •   5.4 本章小结
  • 第六章 总结与展望
  •   6.1 本文总结
  •   6.2 本文不足及工作展望
  • 致谢
  • 参考文献
  • 攻读硕士学位期间取得的成果
  • 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)

    标签:;  ;  ;  ;  ;  

    基于时间序列InSAR技术的成都地区地表沉降研究
    下载Doc文档

    猜你喜欢