Nothing Special   »   [go: up one dir, main page]

CN113269871A - 基于InSAR与多源数据融合的堆石坝变形场重构方法 - Google Patents

基于InSAR与多源数据融合的堆石坝变形场重构方法 Download PDF

Info

Publication number
CN113269871A
CN113269871A CN202110552949.2A CN202110552949A CN113269871A CN 113269871 A CN113269871 A CN 113269871A CN 202110552949 A CN202110552949 A CN 202110552949A CN 113269871 A CN113269871 A CN 113269871A
Authority
CN
China
Prior art keywords
deformation
rock
fill dam
data
insar
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110552949.2A
Other languages
English (en)
Other versions
CN113269871B (zh
Inventor
马刚
郭承乾
周伟
程翔
常晓林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan University WHU
Original Assignee
Wuhan University WHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan University WHU filed Critical Wuhan University WHU
Priority to CN202110552949.2A priority Critical patent/CN113269871B/zh
Publication of CN113269871A publication Critical patent/CN113269871A/zh
Application granted granted Critical
Publication of CN113269871B publication Critical patent/CN113269871B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9094—Theoretical aspects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/44—Morphing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2021—Shape modification

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Architecture (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开一种基于InSAR与多源数据融合的堆石坝变形场重构方法包括：获取第一堆石坝垂直变形数据、第二堆石坝垂直向变形数据、第二堆石坝水平向变形数据；基于第一堆石坝垂直变形数据、第二堆石坝垂直变形数据得到第三堆石坝垂直变形数据；获取第一堆石坝方位向变形数据，基于第一堆石坝方位向变形数据、第二堆石坝水平向变形数据通过联合解算模型得到堆石坝的东西向变形矢量、南北向变形矢量；基于第三堆石坝垂直变形数据、东西向变形矢量、南北向变形矢量构建堆石坝外观三维变形场。本发明将InSAR观测结果与传统监测技术监测结果融合，比单一监测方式质量更高，强调了数据间的互补性，解决了对实际变形漏判或误判的问题。

Description

基于InSAR与多源数据融合的堆石坝变形场重构方法
技术领域
本发明属于水利工程及岩土工程技术领域，尤其涉及一种基于InSAR与多源数据融合的堆石坝变形场重构方法。
背景技术
目前堆石坝安全监测技术滞后于坝工设计理论和施工技术的发展，难以满足高堆石坝变形多维度、面广、线长的特点，为了适应高堆石坝的变形监测需求，近年来通过改进现有技术、研发新技术或引进其它领域成熟的技术，在堆石坝变形监测领域出现了一些新的技术手段，比如已被广泛应用于地灾领域的InSAR技术。InSAR技术具有全天候、全天时、覆盖范围广、空间分辨率高、不受恶劣天气影响等优点，其高空间分辨率、连续实时监测的特点极大的弥补了传统监测技术(如水管式沉降仪、引张线式水平位移计、水准测量等)只能在重点部位布设分散、不连续的监测点，按照以点代面、以局部代整体的方法采集离散的变形数据的不足。然而，由于SAR传感器斜视成像的特点，InSAR技术观测的结果为地表真实三维形变在雷达视线向上的投影，难以反映地物的真实变形特征及其演化规律，而且InSAR技术易受到大气和失相关的影响，导致单点监测精度略低于传统监测技术。因此，可以看出新型和传统监测技术各具优势，且有良好的互补性，将两者进行优势互补，并利用多源数据重构堆石坝三维变形场是解决堆石坝变形监测难题的有效方案，但由于新型与传统监测技术的观测机制迥异，多源监测数据的时空分辨率、精度等差异较大，目前尚缺乏合理的三维变形场重构方法。
准确评估堆石坝工作状态的需要掌握坝体整体的变形分布，目前常用的方法是进行有限元数值模拟，其主要依赖先验的知识和经验。堆石坝的变形受多因素耦合制约，特别是高堆石坝，由于其建设周期长、填筑蓄水过程复杂、高应力导致的颗粒破碎等，使得堆石坝的应力变形特性复杂且高度非线性，其本构模型参数、实际力学特性等都与先验的认识存在出入，导致有限元数值模拟结果与实际情况存在差异。
发明内容
本发明要解决的技术问题是基于堆石坝新型与传统监测技术的观测机制迥异，多源监测数据的时空分辨率、精度等差异较大的问题，如何有效地利用变形监测信息重构堆石坝变形场以进行工作性态评估，提供一种基于InSAR与多源数据融合的堆石坝变形场重构方法，利用空-天-地多层次观测体系获得多视角、多时空尺度的堆石坝变形监测数据，在顾及多源数据空间代表性差异的条件下进行最优融合，消除数据之间可能存在的冗余性和互斥性，挖掘它们之间的关联性，使其优势互补以实现堆石坝外观变形场的重构，对全面掌握堆石坝的工作性态具有重要工程应用价值。
为实现上述目的，本发明采用如下的技术方案：
一种基于InSAR与多源数据融合的堆石坝变形场重构方法，包括以下步骤：基于传统方法获取第一堆石坝垂直变形数据，基于时间序列InSAR方法获取堆石坝视线向变形数据，所述堆石坝视线向变形数据包括第二堆石坝垂直向变形数据、第二堆石坝水平向变形数据，
所述第二堆石坝垂直变形数据为堆石坝视线向变形的垂直分解矢量，所述第二堆石坝水平向变形数据为堆石坝视线向变形水平分解矢量；
基于所述第一堆石坝垂直变形数据、所述第二堆石坝垂直变形数据通过多源数据融合方法得到第三堆石坝垂直变形数据；
基于改进的多孔径InSAR方法获取第一堆石坝方位向变形数据，
基于所述第一堆石坝方位向变形数据、所述第二堆石坝水平向变形数据通过联合解算模型得到堆石坝的东西向变形矢量、南北向变形矢量；
基于所述第三堆石坝垂直变形数据、所述东西向变形矢量、所述南北向变形矢量构建堆石坝外观三维变形场。
优选地，基于数据同化算法将所述第二堆石坝垂直变形数据与所述第一堆石坝垂直变形数据进行融合，得到所述第三堆石坝垂直变形数据。
优选地，获取第一堆石坝方位向变形数据的步骤为通过改进的多孔径InSAR方法得到时间序列的方位向变形，即得到第一堆石坝方位向变形数据。
优选地，获取所述堆石坝视线向变形数据的方法为：基于SAR影像的成像几何，对于地面任意一点的视线向变形矢量分解为垂直向投影的变形矢量和水平向投影的变形矢量，所述垂直向投影的变形矢量即为第二堆石坝垂直向变形数据，所述水平向投影的变形矢量即为第二堆石坝水平向变形数据。
优选地，基于所述南北向变形矢量和所述东西向变形矢量，建立有雷达视线向变形和地表三维变形的关系；
基于改进的多孔径InSAR技术获取的方位向变形DAZI，位于由东西向和南北向组成的二维平面中，根据集合关系建立方位向变形和地表三维变形的关系。
优选地，所述南北向变形矢量和所述东西向变形矢量为：
DLOS＝DU·cosθ+DH·sinθ
Figure BDA0003075975870000031
DLOS是视线向变形矢量，DU、DH分别为垂直向变形矢量和水平向变形矢量；DE、DN为东西向和南北向的变形矢量；θ为雷达入射角，入射角是入射光线与表面法向的夹角，α为卫星飞行方位角即正北方向和卫星飞行方向的顺时针夹角，
Figure BDA0003075975870000041
为正北方向与水平向的夹角。
优选地，所述雷达视线向变形和地表三维变形的关系：
Figure BDA0003075975870000042
优选地，所述方位向变形和地表三维变形的关系为：
Figure BDA0003075975870000043
其中，DAZI为方位向变形矢量。
优选地，所述改进的多孔径InSAR的方法具体为：结合多孔径InSAR方法和SBAS-InSAR方法，根据与SBAS方法相同的规则改进所述多孔径InSAR方法的数据处理流程，将SAR影像数据集划分为以较小的时间和空间基线为特征的干涉组合，利用多孔径InSAR方法生成MAI干涉图，并应用SBAS反演步骤得到方位向时间序列的变形信息。
本发明的技术效果为：本发明将InSAR观测结果与传统监测技术监测结果实现智能融合，获取比单一监测方式更高质量的结果(例如精度、分辨率等指标)，强调了数据间的互补性，并通过联合解算模型将多维度监测数据重构堆石坝外观三维变形场以全面地掌握堆石坝的变形性态，解决了单维度监测可能造成对实际变形漏判或误判的问题。
附图说明
图1为本发明的流程示意图；
图2为本发明改进的多孔径InSAR技术数据处理流程图；
图3为本发明基于数据同化算法的数据融合过程线对比图；
图4为本发明数据融合前后垂直向变形对比图，(a)数据融合前，(b)数据融合后。
图5为数据融合前后精度对比图；
图6为堆石坝外观三维变形场重构图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
参照图1-5，重构的水布垭面板堆石坝外观变形场直观的反映了坝体在2007年2月至2009年1月期间的整体变形状态，其中颜色和箭头分别表示垂直和水平年平均变化速率(图6)。此期间正值水布垭面板堆石坝初期集中蓄水阶段，坝体出现以沉降为主的明显变形，同一点处年沉降速率普遍大于年平均水平变形速率，其中沉降最大值出现在下游面板的顶部和中部，并呈现沿顺河向向下游和沿坝轴向向两岸逐渐减小的规律；水平位移沿顺河向与沉降有相似的分布规律，最大值同样出现在下游面板的顶部和中部，沿顺河向和向两岸逐渐减小，左右岸发生指向对岸的相互变形，且左岸大于右岸，这是由于右岸岸坡的较缓的原因。
准确评估堆石坝工作性态的需要掌握坝体整体的变形分布，目前常用的方法是进行有限元数值模拟，其主要依赖先验的知识和经验。堆石坝的变形受多因素耦合制约，特别是高堆石坝，由于其建设周期长、填筑蓄水过程复杂、高应力导致的颗粒破碎等，使得堆石坝的应力变形特性复杂且高度非线性，其本构模型参数、实际力学特性等都与先验的认识存在出入，导致有限元数值模拟结果与实际情况存在差异。如何有效地利用变形监测信息重构堆石坝变形场以进行工作性态评估，是堆石坝变形控制的关键环节之一，堆石坝多层次观测体系获取的大范围、时空连续的监测数据为此提供了可能。
传统监测技术，如水管式沉降仪、引张线式水平位移计、水准测量等，具有监测精度高、结果可靠、使用经验丰富等优点，但其只能在重点部位布设分散、不连续的监测点，按照以点代面、以局部代整体的方法采集离散的变形数据。而新型监测技术具有自动化程度高、覆盖面广、部署灵活等优点，其高空间分辨率、连续实时监测的特点极大的弥补了传统监测技术的不足，比如已被广泛应用于地灾领域的InSAR技术，但InSAR技术易受到大气和失相关的影响，导致单点监测精度略低于传统监测技术，其观测的结果为地表真实三维形变在雷达视线向上的投影，难以反映地物的真实变形特征及其演化规律，因此，将新型与传统监测技术进行优势互补，并利用多源监测数据重构堆石坝外观三维变形场，是解决堆石坝变形监测难题的有效方案。
如图1-6所示，本发明公开了一种基于InSAR与多源数据融合的堆石坝变形场重构方法，通过时间序列InSAR与多孔径InSAR技术获取了水布垭面板堆石坝高空间分辨率的面状变形，在监测结果提供的变形范围、趋势等先验信息的基础上，通过数据同化算法将InSAR监测与传统监测技术监测结果进行融合，通过多维度监测数据联合解算重构堆石坝外观三维变形场，能够全面地掌握堆石坝的变形性态，解决了单维度监测可能造成对实际变形漏判或误判的问题。
具体包括以下步骤：
基于传统方法获取第一堆石坝垂直变形数据，基于时间序列InSAR方法获取堆石坝视线向变形数据，所述堆石坝视线向变形数据包括第二堆石坝垂直向变形数据、第二堆石坝水平向变形数据，
所述第二堆石坝垂直变形数据为堆石坝视线向变形的垂直分解矢量，所述第二堆石坝水平向变形数据为堆石坝视线向变形水平分解矢量；
基于所述第一堆石坝垂直变形数据、所述第二堆石坝垂直变形数据通过多源数据融合方法得到第三堆石坝垂直变形数据；所述第三堆石坝垂直变形数据是基于传统与新型监测技术优势互补后的数据。
基于改进的多孔径InSAR方法获取第一堆石坝方位向变形数据，基于所述第一堆石坝方位向变形数据、所述第二堆石坝水平向变形数据通过联合解算模型得到堆石坝的东西向变形矢量、南北向变形矢量；
基于所述第三堆石坝垂直变形数据、所述东西向变形矢量、所述南北向变形矢量构建堆石坝外观三维变形场。
进一步优化方案，基于数据同化算法将所述第二堆石坝垂直变形数据与所述第一堆石坝垂直变形数据进行融合，得到所述第三堆石坝垂直变形数据。通过图4可以清楚地了解到融合前后的效果，融合传统监测的数据后弥补了InSAR技术由于各种噪声导致的观测误差，保证了变形数据的准确性和可靠性。InSAR技术由于各种噪声的影响，导致部分像元间变形出现了不连续性(融合前)，而数据融合后的结果，更加符合坝体变形的规律。
进一步优化方案，获取第一堆石坝方位向变形数据的步骤为通过改进的多孔径InSAR方法得到时间序列的方位向变形，即得到第一堆石坝方位向变形数据。
进一步优化方案，获取所述堆石坝视线向变形数据的方法为：基于SAR影像的成像几何，对于地面任意一点的视线向变形矢量分解为垂直向投影的变形矢量和水平向投影的变形矢量，所述垂直向投影的变形矢量即为第二堆石坝垂直向变形数据，所述水平向投影的变形矢量即为第二堆石坝水平向变形数据。
进一步优化方案，基于所述南北向变形矢量和所述东西向变形矢量，建立有雷达视线向变形和地表三维变形的关系；
基于改进的多孔径InSAR技术获取的方位向变形DAZI，位于由东西向和南北向组成的二维平面中，根据集合关系建立方位向变形和地表三维变形的关系。
进一步优化方案，所述南北向变形矢量和所述东西向变形矢量为：
DLOS＝DU·cosθ+DH·sinθ
Figure BDA0003075975870000081
DLOS是视线向变形矢量，DU、DH分别为垂直向变形矢量和水平向变形矢量；DE、DN为东西向和南北向的变形矢量；θ为雷达入射角，入射角是入射光线与表面法向的夹角，α为卫星飞行方位角即正北方向和卫星飞行方向的顺时针夹角，
Figure BDA0003075975870000082
为正北方向与水平向的夹角。
进一步优化方案，所述雷达视线向变形和地表三维变形的关系：
Figure BDA0003075975870000083
进一步优化方案，所述方位向变形和地表三维变形的关系为：
Figure BDA0003075975870000084
其中，DAZI为方位向变形矢量。
进一步优化方案，所述改进的多孔径InSAR的方法具体为：结合多孔径InSAR方法和SBAS-InSAR方法，根据与SBAS方法相同的规则改进所述多孔径InSAR方法的数据处理流程，根据SAR影像的空间垂直基线、时间基线、相干性等确定合理的时空基线阈值，将SAR影像数据集划分为以小基线集为特征的干涉组合，利用多孔径InSAR方法生成MAI干涉图，并应用SBAS反演步骤得到方位向时间序列的变形信息。
本发明通过改进的多孔径InSAR技术，可获取时间序列的方位向变形结果。为了获得时间序列的方位向形变，本发明结合多孔径InSAR和时间序列InSAR技术中的SBAS-InSAR技术，根据与SBAS方法相同的规则改进多孔径InSAR技术的数据处理流程。将SAR影像数据集划分为以较小的时间和空间基线为特征的干涉组合，利用多孔径InSAR方法生成MAI干涉图，并应用SBAS反演步骤得到方位向时间序列的变形信息，其获取的方位向大范围面状变形信息为重建堆石坝外观变形场提供了基础。
除此之外，基于多源数据融合与联合解算模型的堆石坝外观变形场重构方法。将时间序列InSAR技术的监测结果与传统监测技术监测结果进行融合，以提高坝体沉降监测的质量，获取比单一监测方式更高质量的结果(例如精度、分辨率等指标)，利用改进的多孔径InSAR数据获取的时间序列方位向变形与时间序列InSAR技术获取的视线向变形通过联合求解模型获取东西向与南北向的变形，以重构堆石坝外观三维变形场，实现对堆石坝变形性态的准确把握，解决单维度变形监测对实际变形错判或漏判的问题。
以上所述，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (9)

1.一种基于InSAR与多源数据融合的堆石坝变形场重构方法，其特征在于，包括以下步骤：
基于传统监测方法获取第一堆石坝垂直变形数据，基于时间序列InSAR方法获取堆石坝视线向变形数据，所述堆石坝视线向变形数据包括第二堆石坝垂直向变形数据、第二堆石坝水平向变形数据，
所述第二堆石坝垂直变形数据为堆石坝视线向变形的垂直分解矢量，所述第二堆石坝水平向变形数据为堆石坝视线向变形的水平分解矢量；
基于所述第一堆石坝垂直变形数据、所述第二堆石坝垂直变形数据通过多源数据融合方法得到第三堆石坝垂直变形数据；
基于改进的多孔径InSAR方法获取第一堆石坝方位向变形数据，
基于所述第一堆石坝方位向变形数据、所述第二堆石坝水平向变形数据通过联合解算模型得到堆石坝的东西向变形矢量、南北向变形矢量；
基于所述第三堆石坝垂直变形数据、所述东西向变形矢量、所述南北向变形矢量构建堆石坝外观三维变形场。
2.如权利要求1所述的基于InSAR与多源数据融合的堆石坝变形场重构方法，其特征在于，
基于数据同化算法将所述第二堆石坝垂直变形数据与所述第一堆石坝垂直变形数据进行融合，得到所述第三堆石坝垂直变形数据。
3.如权利要求1所述的基于InSAR与多源数据融合的堆石坝变形场重构方法，其特征在于，
获取第一堆石坝方位向变形数据的步骤为通过改进的多孔径InSAR方法得到时间序列的方位向变形，即得到第一堆石坝方位向变形数据。
4.如权利要求3所述的基于InSAR与多源数据融合的堆石坝变形场重构方法，其特征在于，获取所述堆石坝视线向变形数据的方法为：基于SAR影像的成像几何，对于地面任意一点的视线向变形矢量分解为垂直向投影的变形矢量和水平向投影的变形矢量，所述垂直向投影的变形矢量即为第二堆石坝垂直向变形数据，所述水平向投影的变形矢量即为第二堆石坝水平向变形数据。
5.如权利要求4所述的基于InSAR与多源数据融合的堆石坝变形场重构方法，其特征在于，
基于所述南北向变形矢量和所述东西向变形矢量，建立有雷达视线向变形和地表三维变形的关系；
基于改进的多孔径InSAR技术获取的方位向变形DAZI，位于由东西向和南北向组成的二维平面中，根据集合关系建立方位向变形和地表三维变形的关系。
6.如权利要求5所述的基于InSAR与多源数据融合的堆石坝变形场重构方法，其特征在于，
所述南北向变形矢量和所述东西向变形矢量为：
DLOS＝DU·cosθ+DH·sinθ
Figure FDA0003075975860000021
DLOS是视线向变形矢量，DU、DH分别为垂直向变形矢量和水平向变形矢量；DE、DN为东西向和南北向的变形矢量；θ为雷达入射角，入射角是入射光线与表面法向的夹角，α为卫星飞行方位角即正北方向和卫星飞行方向的顺时针夹角，
Figure FDA0003075975860000022
为正北方向与水平向的夹角。
7.如权利要求6所述的基于InSAR与多源数据融合的堆石坝变形场重构方法，其特征在于，
所述雷达视线向变形和地表三维变形的关系：
Figure FDA0003075975860000031
8.如权利要求7所述的基于InSAR与多源数据融合的堆石坝变形场重构方法，其特征在于，
所述方位向变形和地表三维变形的关系为：
Figure FDA0003075975860000032
其中，DAZI为方位向变形矢量。
9.如权利要求3所述的基于InSAR与多源数据融合的堆石坝变形场重构方法，其特征在于，所述改进的多孔径InSAR的方法具体为：结合多孔径InSAR方法和SBAS-InSAR方法，根据与SBAS方法相同的规则改进所述多孔径InSAR方法的数据处理流程，将SAR影像数据集划分为以较小的时间和空间基线为特征的干涉组合，利用多孔径InSAR方法生成MAI干涉图，并应用SBAS反演步骤得到方位向时间序列的变形信息。
CN202110552949.2A 2021-05-20 2021-05-20 基于InSAR与多源数据融合的堆石坝变形场重构方法 Active CN113269871B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110552949.2A CN113269871B (zh) 2021-05-20 2021-05-20 基于InSAR与多源数据融合的堆石坝变形场重构方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110552949.2A CN113269871B (zh) 2021-05-20 2021-05-20 基于InSAR与多源数据融合的堆石坝变形场重构方法

Publications (2)

Publication Number Publication Date
CN113269871A true CN113269871A (zh) 2021-08-17
CN113269871B CN113269871B (zh) 2022-04-26

Family

ID=77232177

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110552949.2A Active CN113269871B (zh) 2021-05-20 2021-05-20 基于InSAR与多源数据融合的堆石坝变形场重构方法

Country Status (1)

Country Link
CN (1) CN113269871B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104988884A (zh) * 2015-05-19 2015-10-21 中国电建集团贵阳勘测设计研究院有限公司 一种用于面板堆石坝的脱空变形监测装置及安装方法
CN105091803A (zh) * 2015-07-29 2015-11-25 武汉大学 一种基于GBSAR外观监测的300m级高堆石坝材料参数反演方法
CN110363855A (zh) * 2019-07-22 2019-10-22 四川大学 堆石坝透明化建模方法
CN110806192A (zh) * 2019-11-20 2020-02-18 武汉大学 一种高堆石坝内部变形的监测方法
CN111947562A (zh) * 2020-06-30 2020-11-17 深圳大学 一种堆石坝内、外变形一体化监测方法
US20210041398A1 (en) * 2019-08-05 2021-02-11 Transportation Ip Holdings, Llc Infrastructure detection and monitoring system

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104988884A (zh) * 2015-05-19 2015-10-21 中国电建集团贵阳勘测设计研究院有限公司 一种用于面板堆石坝的脱空变形监测装置及安装方法
CN105091803A (zh) * 2015-07-29 2015-11-25 武汉大学 一种基于GBSAR外观监测的300m级高堆石坝材料参数反演方法
CN110363855A (zh) * 2019-07-22 2019-10-22 四川大学 堆石坝透明化建模方法
US20210041398A1 (en) * 2019-08-05 2021-02-11 Transportation Ip Holdings, Llc Infrastructure detection and monitoring system
CN110806192A (zh) * 2019-11-20 2020-02-18 武汉大学 一种高堆石坝内部变形的监测方法
CN111947562A (zh) * 2020-06-30 2020-11-17 深圳大学 一种堆石坝内、外变形一体化监测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄其欢等: "基于GBInSAR技术的微变形监测系统及其在大坝变形监测中的应用", 《水利水电科技进展》 *

Also Published As

Publication number Publication date
CN113269871B (zh) 2022-04-26

Similar Documents

Publication Publication Date Title
CN106772342A (zh) 一种适用于大梯度地表沉降监测的时序差分雷达干涉方法
CN111458709B (zh) 一种星载雷达广域地表二维形变场监测方法及装置
CN103454636B (zh) 基于多像素协方差矩阵的差分干涉相位估计方法
CN111650579A (zh) 一种岩移参数自适应获取的InSAR矿区三维形变估计方法、装置及介质
CN112698328B (zh) 一种用于大坝及滑坡变形gb-sar监测的相位解缠方法及系统
CN106646609B (zh) 多次扫描的微地震多参数联合快速反演方法
CN109061641A (zh) 一种基于序贯平差的InSAR时序地表形变监测方法
Zheng et al. Monitoring and analysis of mining 3D deformation by multi-platform SAR images with the probability integral method
CN112051572A (zh) 一种融合多源sar数据三维地表形变监测方法
CN115980745A (zh) 地下开采沉陷区智能识别方法、装置、电子设备及存储介质
CN113064170A (zh) 一种基于时序InSAR技术的膨胀土区域地表形变监测方法
CN112444188B (zh) 一种多视角InSAR海堤高精度三维形变测量方法
CN115201825A (zh) 一种InSAR震间形变监测中的大气延迟校正方法
Han et al. The monitoring and analysis of the coastal lowland subsidence in the southern Hangzhou Bay with an advanced time-series InSAR method
CN113269871B (zh) 基于InSAR与多源数据融合的堆石坝变形场重构方法
CN118191841A (zh) 一种基于相关性分析的地表沉降形变测量校正方法、装置、设备及介质
Zhou et al. InSAR time series analysis of natural and anthropogenic coastal plain subsidence: A case of Hangjiahu plain
CN113281748B (zh) 一种地表形变监测方法
CN116029162A (zh) 利用星载gnss-r数据的洪涝灾害淹没范围监测方法和系统
CN115201823A (zh) 一种利用BDS-InSAR数据融合的地表形变监测方法
Zhanying et al. Surface deformation monitoring and identification of potential geological hazards in Funing pumped storage power station based on Time Series InSAR
CN114494906B (zh) 一种基于显著性检验阈值的滑坡形变背景噪声去除方法
Qin et al. 3D Deofmrtion Monitoring and Analysis of Coastal Seawall Combined with Multi-View InSAR Measurements
Wang et al. Research and Application of a Smart Monitoring System to Monitor the Deformation of a Dam and a Slope
Nissen et al. Three‐dimesnional coastal deformation in the Mw 7.8 Kaikōura earthquake from differntial airborne lidar

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant