作者中心
专家审稿
责编办公
编辑办公
Techniques and Applications of Spaceborne Time-series InSAR in Urban Dynamic Monitoring
-
摘要: 城市地表和人工建筑的稳定性监测一直是城市安全的重要监测内容之一。星载合成孔径雷达干涉测量(InSAR)技术以其大范围、高精度、高空间密度的形变获取能力，被广泛用于大范围地表形变监测。近年来，随着星载SAR系统分辨率的不断提高，时序InSAR技术越来越多地应用于重要基础设施的监测。该文结合作者团队长期基于时序InSAR技术在城市地区监测研究经历，总结和回顾了团队关于时序InSAR方法在城市动态监测中的一些典型应用，包括城市机场、高架路网、桥梁、铁路和地铁沿线等，根据多年获取的高分辨率TerraSAR-X影像、Cosmo-SkyMed影像以及后续免费获取的Sentinel-1影像等多种数据以及监测研究中发现的研究问题及相应解决方法，在应用中取得了良好的效果，展现了时序InSAR技术在城区目标精细监测中的潜力。Abstract: The dynamic monitoring of the geological environment in urban areas, including the monitoring of the urban surface stability and detailed monitoring of man-made objects on the surface, is very important for ensuring effective and safe urban development. Spaceborne time-series InSAR technology is widely used to monitor urban deformation due to its large scale, high accuracy, and ability to acquire high-density spatial deformations. In recent years, with the operation of high-resolution satellite missions, time-series InSAR has also been widely used to monitor infrastructures. In this paper based on our long-term monitoring research experience in urban areas using the time-series InSAR technique, we review the application of some typical time-series-InSAR cases to the urban environment, including the monitoring of urban surface displacement and typical large infrastructures, including the airports, elevated road networks, bridges, railways, and subways. Based on various datasets including high-resolution TerraSAR-X images, Cosmo-SkyMed images, and recent Sentinel-1 images obtained at no cost, and the research problems and corresponding solutions identified in published monitoring research, we found good results to have been achieved using this application. With the implementation of more and more satellite missions, this technology will provide more possibilities for urban monitoring.
-
1. 引言
合成孔径雷达（Synthetic Aperture Radar, SAR）具备全天候、全天时、远距离、高分辨率对地成像能力，已经成为现代微波遥感领域的重要技术手段之一[1]。获取陆海环境更高的分辨能力和更大的测绘范围一直是各种遥感手段不断突破的方向。方位向多通道体制以空间维度采样的增加消除分辨率和幅宽对时间维度采样率的矛盾制约[2]，目前已经成为高分辨率宽幅SAR成像的主流技术手段之一，并成功应用于国内外多颗在轨SAR卫星，包括高分三号[3]、TerraSAR-X[4], RADARSAT-2[5]和ALOS-2[6]。
通道失配校正和多通道信号重建是方位多通道SAR信号处理的两个关键技术环节。多通道信号重建旨在对空间上非均匀分布的多个通道采样信号进行联合处理，得到等效于单通道SAR系统的空间维均匀采样信号[7]。在进行非均匀采样数据重建处理之前，多个通道接收回波的幅度、相位、延时等特性需要校正一致，以避免重建图像中出现干扰图像判读的“鬼影”虚假目标[8]。针对方位多通道SAR系统失配校正问题，德国宇航中心、西安电子科技大学、上海交通大学、中国科学院电子学研究所等国内外研究机构相继进行了大量研究，提出了多种处理方案[9–11]。
通道相位失配校正主要分为基于内定标系统的标定方法和基于回波数据的估计方法[12]。由于实际SAR系统中通道失配来源复杂，完全依靠内定标系统不仅代价高昂而且系统十分庞大[13]。基于回波数据的通道失配估计方法受到国内外学者的广泛研究[14]。通常来讲，通道间特性失配源于系统特性不理想，与成像场景无关，目前已经发展的通道失配校正方法也是基于此假设。但是，虽然失配特性不一致源于SAR系统特性，其造成的影响与场景特性却是紧密相关的，特别是起伏地形高程。目前发展的通道失配校正方法均未考虑地形起伏的影响，基于平地假设的校正方法在地形起伏明显的场景中，失配校正性能将受到很大影响。当前，高精度数字高程模型(Digital Elevation Model, DEM)重建技术经过国内外学者多年研究，已经逐渐成熟并得到广泛应用[15]。本文详细分析了方位向多通道SAR系统存在偏航、俯仰和地形起伏条件下的通道失配特点，给出运用辅助DEM信息进行补偿的解析表达式，针对仿真实验数据和机载4通道SAR实验数据开展处理工作，验证所提方法的有效性。
2. 基于辅助DEM的方位多通道SAR相位失配补偿方法
方位多通道SAR信号无模糊重建的基础是各天线子孔径沿航迹方向均匀排布。但是，在实际工作过程中，受高空气流和侧风的影响，天线基线常常偏离平台的飞行轨迹，平台姿态往往存在偏航、俯仰和横滚[16]，如图1所示。在星载SAR系统中，地球自转等效于系统中存在一个固定偏航角。
其中，平台横滚角带来的影响主要是回波的接收增益发生变化，场景目标到多个通道天线相位中心的斜距变化是相同的，因此不会导致通道间的相位误差。天线偏航和俯仰不仅会导致波束在方位向指向发生改变，成像区域改变，而且会导致子孔径天线相位中心位置发生偏移[16]。天线相位中心偏移导致的相位差异在不同通道中是不同的，由此导致通道间的相位误差。
图2中，Y 轴指向平台前进方向，Z轴垂直地面向上，X轴形成右手直角坐标系，平台飞行高度H,
Ln 表示天线子孔径n到参考通道的顺轨间隔，场景目标T坐标为(x, y, h)。以方位向两通道SAR系统为例进行分析，方位向前端通道称为主通道，后端通道称为辅通道，偏移前相位中心表示为P ，偏移后相位中心表示为¯P 。这里以主通道为参考通道，分析平台偏航和俯仰给辅通道带来的影响，结论同样适用于任意通道数目的多通道SAR系统。窄波束条件下SAR系统符合波束中心近似假设，图3给出平台姿态变化在斜距方向导致相位中心变化示意图。假设
θyaw 表示偏航角，θpitch 表示俯仰角，如图3所示，则偏航和俯仰导致的相位中心在3维空间的变化量可以表示为Δx=LnsinθyawΔz=Lnsinθpitch} (1) 目标T和校正前后辅通道的天线相位中心位置
T:(x,h)P:(0,H)¯P:(Δx,H+Δz)} (2) 其中，
x 和h 分别表示目标T 的地距向和高度向的位置坐标，H 表示平台飞行高度。由成像几何关系，天线相位中心偏移导致的相位失配可以表示为φ=2πλ(√(x−Δx)2+(H+Δz−h)2−√x2+(H−h)2) (3) 其中，
λ 表示载波波长。在星载SAR和机载SAR系统中，条件Δx≪x 和Δz≪H−h 均有效成立，可以得到近似不等式如式(4)x2+(H−h)2≫2xΔx+2(H−h)Δz≫Δx2+Δz2 (4) 在上述假设条件下，将式(3)中的双曲形式泰勒级数展开至2次项可以得到
φ≈2πλ(−xΔx+(H−h)Δz√x2+(H−h)2) (5) 基于成像几何关系，可以得到下视角
θlook 的三角函数关系如式(6)cosθlook=(H−h)√x2+(H−h)2sinθlook=x√x2+(H−h)2} (6) 综上，将式(6)代入式(5)可以得到偏航角和俯仰角导致的通道间相位偏差
φ=2πLnλ(−sinθlooksinθyaw+cosθlooksinθpitch) (7) 在机载SAR系统工作过程中，偏航和俯仰不断发生变化，通道间相位失配具有方位时变特性。同时，从式(7)可以看出，相位失配随场景地物对应的下视角变化，呈现距离向空变特点，因此式(7)可以重写为
φ(t,h)=2πLnλ(−sin(θlook(h))sin(θyaw(t))+cos(θlook(h))sin(θpitch(t))) (8) 在地形起伏明显的区域，场景地物对应的下视角与平地假设下不同。如果采用简单的平地假设，针对存在高程起伏的地物，通道间相位失配补偿将出现错误，导致最终的重建图像中出现虚假目标。如图4所示，假设平台飞行高度为3000 m，场景中高程地物高出参考水平面300 m，建筑物顶端视角
θ1 为50°。如果不考虑场景地形起伏，建筑物顶端斜距对应的视角θ2 约为44.42°。在子孔径间隔0.5 m的C波段机载SAR中，假设机载系统存在5°偏航角和3°俯仰角，采用平地假设进行相位失配校正，造成的偏差约为6.5°，在背景环境较弱的条件下会出现干扰虚假目标。如果在校正相位失配时考虑地形起伏影响，可以准确校正姿态导致的通道间相位失配，有效抑制重建后图像中的虚假目标。基于辅助DEM的方位多通道SAR通道失配补偿流程如图5所示，具体处理步骤如下：
图 5 基于DEM辅助的方位多通道SAR通道失配补偿方法流程图Figure 5. The flowchart of the proposed channel phase mismatch calibration method based on the aided DEM(1) 根据惯性测量单元(IMU)记录的3维速度信息，针对多通道回波数据进行1阶运动补偿，补偿之后认为参考通道处于理想直线航迹上；
(2) 在距离频域和方位时域进行2维自适应校正幅度误差，校正表达式如式(9)所示，其中
n 表示对通道2进行校正的次数，fr 表示距离频率，t 表示方位时间；Sn+12(fr,t)=Sn2(fr,t)∫|S1(fr,t)|dt∫|Sn2(fr,t)|dtSn+22(fr,t)=Sn+12(fr,t)∫|S1(fr,t)|dfr∫|Sn+12(fr,t)|dfr} (9) (3) 进行距离压缩；
(4) 采用方位互相关方法[11]进行通道间延时误差校正；
(5) 在机载系统中，飞行姿态具有方位向时变特点，场景高程起伏也具有方位空变特点，采用方位向子孔径处理方式，假设子孔径内方位向高程不变，利用辅助DEM信息计算场景地物对应的下视角，并结合IMU记录的平台姿态数据校正距离空变、方位时变相位误差；
(6) 采用子空间投影方法[13]校正残余的非空变、非时变相位误差；
(7) 采用滤波器组方法[7]进行多通道信号重建，得到无模糊的单通道信号；
(8) 最后采用调频变标(CS)算法进行单通道数据成像处理，得到无模糊SAR图像。
3. 仿真与机载SAR数据处理结果
为了验证本文算法有效性，分别开展仿真数据处理和机载多通道SAR试验数据处理。首先，参照实际飞行试验中采用的方位多通道机载SAR系统设置仿真实验，实验参数由表1给出。
表 1 仿真机载实验参数Table 1. System parameters of the simulated airborne experiment系统参数 数值 通道数目 4 飞行高度(m) 3000 平台速度(m/s) 120 载频(GHz) 5.4 发射信号带宽(MHz) 210 脉冲重复频率(Hz) 150 多普勒带宽(Hz) 384 假设平台存在5°偏航角和3°俯仰角。在场景中设置5个点目标，等间距分布，位于中间位置的点目标高程为0，其他4个点目标分别设置不同的高度，如图6所示。
图7展示了仿真实验数据处理结果。图7(a)给出的是未进行通道失配校正的多通道信号重建结果。由于通道失配的影响，场景中5个点目标均存在明显的虚假目标，分别分布在真实目标方位向前后位置。由于虚假目标的位置与目标的最近斜距有关，对比A, B和C点不难发现位于距离向不同位置点目标的虚假目标与真实目标的间距不同。同时，对比B点和E点可以发现，由于高程的影响，位于相同地距位置的点目标在斜距图像中出现在不同距离门中。
图7(b)中给出平地假设条件下通道失配校正结果。可以发现，没有高程的B点虚假目标得到有效抑制。由于未考虑地形起伏影响，场景中A, C, D, E 4个点目标仍然存在可见的虚假目标。同时，高程较高的C点和E点，虚假目标强度明显高于高程较低的A点和D点。图7(c)中给出考虑地形起伏条件下通道失配校正结果。可以发现，场景中A, B, C, D, E 5个点目标对应的虚假目标均得到有效抑制。仿真实验中虚假目标抑制的定量评估结果在表2中给出。
表 2 仿真实验定量评估结果(dB)Table 2. Quantitative assessment result of the simulation (dB)目标 未校正 未考虑高程起伏 考虑高程起伏 A –5 –34 –53 B –7 –50 –50 C –5 –28 –53 D –6 –37 –51 E –5 –27 –52 中国科学院电子学研究所自主研制C波段方位4通道机载SAR系统，于2017年7月在舟山开展飞行试验，主要系统参数在表3中给出。系统采用1发4收的工作方式，整个天线阵面发射信号，方位向均匀分成4个通道接收回波。图8给出飞行过程中偏航和俯仰角度。
表 3 C波段方位向4通道机载SAR实验参数Table 3. Experimental parameters of the C-band azimuth four channel airborne SAR system系统参数 数值 通道数目 4 平台高度(m) 3000 平台速度(m/s) 129.64 载频(GHz) 5.4 发射信号带宽(MHz) 210 方位向天线尺寸(m) 0.624 脉冲重复频率(Hz) 137.19 图9展示了方位4通道机载SAR试验数据处理结果。图9(a)给出的是未进行通道失配校正的多通道信号重建结果。由于通道失配的影响，场景中存在明显的虚假目标，干扰图像的正常判读。特别是左岸煤炭码头停靠的干散货船，散射强度较大，对应的虚假目标非常明显。所选区域在方位向临海，虚假目标在平静的海面上尤其明显。图9(b)中给出平地假设条件下通道失配校正结果。可以发现，虚假目标的影响大大减弱。但是由于存在高程的山地影响，图像中强散射的目标仍然存在可见的虚假目标。图9(c)中给出考虑地形起伏条件下通道失配校正结果。可以发现，场景中虚假目标均得到有效抑制。
4. 结论
方位向多通道星载SAR是实现高分辨率宽幅成像的重要技术手段之一，机载方位多通道SAR是验证系统和算法有效性的必要手段。基于外部DEM辅助信息，本文提出一种适用于高程起伏条件下，方位多通道条带SAR系统的通道相位失配校正方法。仿真实验表明算法能够精确补偿平台姿态导致的通道相位失配。将本文算法应用于机载多通道SAR实验数据处理，在高程起伏区域获取了良好的通道一致性校正和重建处理结果，验证了本文算法的有效性。
-
图 1 星载雷达遥感与城市动态监测应用的研究进展
Figure 1. Research progress of spaceborne time-series InSAR technique in urban dynamic monitoring
图 2 上海地区及浦东机场2013.4—2019.3沉降速率分布图
Figure 2. Deformation velocity map in Shanghai and Pudong Airport from April 2013 to March 2019
图 3 相干点沉降时间序列图
Figure 3. Deformation time-series of coherent points by time series InSAR
图 4 水准点和时间序列InSAR相干点沉降速率对比图
Figure 4. Comparison of deformation velocity between leveling points and coherent points by time series InSAR
图 5 武汉市2015.4—2017.7地表形变速率场
Figure 5. Deformation velocity map in Wuhan from April 2015 to July 2017
图 6 城市环境下人工地物与微波信号之间的几种交互作用类型示意图
Figure 6. Sketch of several types of interaction between man-made objects and microwave signals in urban areas
图 7 上海浦东国际机场历年年度沉降速率分布图
Figure 7. Annual settlement rate of Shanghai Pudong International Airport
图 11 不同数据集卢浦大桥沉降剖面的交叉验证
Figure 11. Cross-validation of the settlement profile of Lupu Bridge from different datasets
图 12 京津城际高铁2008.2—2009.12期间形变图
Figure 12. Deformation of the Beijing-Tianjin railway from February 2008 to December 2009
图 13 京津城际高铁沿线缓冲区200.2—2009.12期间形变图
Figure 13. Subsidence rate of the buffer zone along the Beijing-Tianjin railway from February 2008 to December 2009
图 15 2015.4—2017.7武汉市地铁线路和区域沉降对比示意图
Figure 15. Comparison of subway lines and regional deformation in Wuhan from April 2015 to July 2017
图 16 武汉市地铁沿线2015.4—2017.7沉降速率梯度图
Figure 16. Deformation velocity gradient along the subway in Wuhan from April 2015 to July 2017
表 1 2013.9—2018.9高架道路沉降情况对比
Table 1. Comparison of the deformation of elevated roads during from September 2013 to September 2018
年份 沉降速率范围(mm/yr) 沉降相干点百分比(%) 沉降点平均速率(mm/yr) 回弹点平均速率(mm/yr) 2013.9—2014.10 –14～8 55.46 –2.651 1.028 2014.9—2015.10 –15～11 46.31 –2.433 0.928 2015.9—2016.10 –14～10 39.54 –1.953 1.039 2016.10—2017.10 –10～10 49.97 –2.932 2.602 2017.9—2018.9 –10～10 29.00 –2.164 2.548 
下载: 导出CSV
-
[1] MONTGOMERY M R. The urban transformation of the developing world[J]. Science, 2008, 319(5864): 761–764. doi: 10.1126/science.1153012 [2] HANSSEN R F. Satellite radar interferometry for deformation monitoring: a priori assessment of feasibility and accuracy[J]. International Journal of Applied Earth Observation and Geoinformation, 2005, 6(3/4): 253–260. doi: 10.1016/j.jag.2004.10.004 [3] 廖明生, 林珲. 雷达干涉测量: 原理与信号处理基础[M]. 北京: 测绘出版社, 2003: 1–12.LIAO Mingsheng and LIN Hui. Synthetic Aperture Radar Interferometry: Principle and Singnal Processing[M]. Beijing: Surveying and Mapping Press, 2003: 1–12. [4] FERRETTI A, PRATI C, and ROCCA F. Permanent scatterers in SAR interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(1): 8–20. doi: 10.1109/36.898661 [5] 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 and Remote Sensing, 2002, 40(11): 2375–2383. doi: 10.1109/tgrs.2002.803792 [6] FERRETTI A, SAVIO G, BARZAGHI R, et al. Submillimeter accuracy of InSAR time series: Experimental validation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(5): 1142–1153. doi: 10.1109/tgrs.2007.894440 [7] HOOPER A. A multi-temporal InSAR method incorporating both persistent scatterer and small baseline approaches[J]. Geophysical Research Letters, 2008, 35(16): L16302. doi: 10.1029/2008gl034654 [8] KAMPES B M. Radar Interferometry: Persistent Scatterer Technique[M]. Dordrecht, The Netherlands: Springer, 2006: 21–60. doi: 10.1007/978-1-4020-4723-7. [9] 云烨, 吕孝雷, 付希凯, 等. 星载InSAR技术在地质灾害监测领域的应用[J]. 雷达学报, 2020, 9(1): 73–85. doi: 10.12000/JR20007YUN Ye, LÜ Xiaolei, FU Xikai, et al. Application of spaceborne Interferometric Synthetic Aperture Radar to geohazard monitoring[J]. Journal of Radars, 2020, 9(1): 73–85. doi: 10.12000/JR20007 [10] 廖明生, 王腾. 时间序列InSAR技术与应用[M]. 北京: 科学出版社, 2014: 5–26.LIAO Mingsheng and WANG Teng. Time Series InSAR Technology and Application[M]. Beijing: Science Press, 2014: 5–26. [11] 吴立新, 高均海, 葛大庆, 等. 工矿区地表沉陷D-InSAR监测试验研究[J]. 东北大学学报: 自然科学版, 2005, 26(8): 778–782. doi: 10.3321/j.issn:1005-3026.2005.08.018WU Lixin, GAO Junhai, GE Daqing, et al. Experimental study on surface subsidence monitoring with D-InSAR in mining area[J]. Journal of Northeastern University:Natural Science, 2005, 26(8): 778–782. doi: 10.3321/j.issn:1005-3026.2005.08.018 [12] 汤益先, 张红, 王超. 基于永久散射体雷达干涉测量的苏州地区沉降研究[J]. 自然科学进展, 2006, 16(8): 1015–1020. doi: 10.3321/j.issn:1002-008x.2006.08.015TANG Yixian, ZHANG Hong, and WANG Chao. Research on Suzhou subsidence based on permanent scatterer radar interferometry[J]. Progress in Natural Science, 2006, 16(8): 1015–1020. doi: 10.3321/j.issn:1002-008x.2006.08.015 [13] 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:0001-5733.2007.02.034WANG Yan, LIAO Mingsheng, LI Deren, et al. Subsidence velocity retrieval from long-term coherent targets in radar interferometric stacks[J]. Chinese Journal of Geophysics, 2007, 50(2): 598–604. doi: 10.3321/j.issn:0001-5733.2007.02.034 [14] 罗小军, 黄丁发, 刘国祥. 基于永久散射体雷达差分干涉测量的城市地面沉降研究—以上海地面沉降监测为例[J]. 测绘通报, 2009, (4): 4–8.LUO Xiaojun, HUANG Dingfa, and LIU Guoxiang. On urban ground subsidence detection based on PS-DInSAR—A case study for Shanghai[J]. Bulletin of Surveying and Mapping, 2009(4): 4–8. [15] PERISSIN D and WANG Teng. Time-Series InSAR applications over urban areas in China[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2011, 4(1): 92–100. doi: 10.1109/jstars.2010.2046883 [16] 廖明生, 裴媛媛, 王寒梅, 等. 永久散射体雷达干涉技术监测上海地面沉降[J]. 上海国土资源, 2012, 33(3): 5–10. doi: 10.3969/j.issn.2095-1329.2012.03.006LIAO Mingsheng, PEI Yuanyuan, WANG Hanmei, et al. Subsidence monitoring in Shanghai using the PSInSAR technique[J]. Shanghai Land &Resources, 2012, 33(3): 5–10. doi: 10.3969/j.issn.2095-1329.2012.03.006 [17] 裴媛媛, 廖明生, 王寒梅. 利用时序DInSAR监测填海造陆地区地表沉降[J]. 武汉大学学报: 信息科学版, 2012, 37(9): 1092–1095.PEI Yuanyuan, LIAO Mingsheng, and WANG Hanmei. Monitoring subsidence in reclamation area with time series DInSAR images[J]. Geomatics and Information Science of Wuhan University, 2012, 37(9): 1092–1095. [18] 杨梦诗, 廖明生, 史绪国, 等. 联合多平台InSAR数据集精确估计地表沉降速率场[J]. 武汉大学学报: 信息科学版, 2017, 42(6): 797–802. doi: 10.13203/j.whugis20140924YANG Mengshi, LIAO Mingsheng, SHI Xuguo, et al. Land subsidence monitoring by joint estimation of multi-platform time series InSAR observations[J]. Geomatics and Information Science of Wuhan University, 2017, 42(6): 797–802. doi: 10.13203/j.whugis20140924 [19] 范景辉, 李梅, 郭小方, 等. 基于PSInSAR方法和ASAR数据监测天津地面沉降的试验研究[J]. 国土资源遥感, 2007, 19(4): 23–27. doi: 10.3969/j.issn.1001-070x.2007.04.005FAN Jinghui, LI Mei, GUO Xiaofang, et al. A preliminary study of the subsidence in Tianjin area using ASAR images based on PSInSAR technique[J]. Remote Sensing for Land & Resources, 2007, 19(4): 23–27. doi: 10.3969/j.issn.1001-070x.2007.04.005 [20] LUO Qingli, PERISSIN D, ZHANG Yuanzhi, et al. L- and X-band multi-temporal InSAR analysis of tianjin subsidence[J]. Remote Sensing, 2014, 6(9): 7933–7951. doi: 10.3390/rs6097933 [21] 张勤, 赵超英, 丁晓利, 等. 利用GPS与InSAR研究西安现今地面沉降与地裂缝时空演化特征[J]. 地球物理学报, 2009, 52(5): 1214–1222. doi: 10.3969/j.issn.0001-5733.2009.05.010ZHANG Qin, ZHAO Chaoying, DING Xiaoli, et al. Research on recent characteristics of spatio-temporal evolution and mechanism of Xi’an land subsidence and ground fissure by using GPS and InSAR techniques[J]. Chinese Journal of Geophysics, 2009, 52(5): 1214–1222. doi: 10.3969/j.issn.0001-5733.2009.05.010 [22] 陈国浒, 刘云华, 单新建. PS-InSAR技术在北京采空塌陷区地表形变测量中的应用探析[J]. 中国地质灾害与防治学报, 2010, 21(2): 59–63. doi: 10.3969/j.issn.1003-8035.2010.02.012CHEN Guohu, LIU Yunhua, and SHAN Xinjian. Application of PS-InSAR technique in the deformation monitoring in mining collapse areas in Beijing[J]. The Chinese Journal of Geological Hazard and Control, 2010, 21(2): 59–63. doi: 10.3969/j.issn.1003-8035.2010.02.012 [23] CHEN Mi, TOMÁS R, LI Zhenhong, et al. Imaging land subsidence induced by groundwater extraction in Beijing (China) using satellite radar interferometry[J]. Remote Sensing, 2016, 8(6): 468. doi: 10.3390/rs8060468 [24] 尹宏杰, 朱建军, 李志伟, 等. 基于SBAS的矿区形变监测研究[J]. 测绘学报, 2011, 40(1): 52–58.YIN Hongjie, ZHU Jianjun, LI Zhiwei, et al. Ground subsidence monitoring in mining area using DInSAR SBAS algorithm[J]. Acta Geodaetica et Cartographica Sinica, 2011, 40(1): 52–58. [25] 何秀凤, 仲海蓓, 何敏. 基于PS-InSAR和GIS空间分析的南通市区地面沉降监测[J]. 同济大学学报: 自然科学版, 2011, 39(1): 129–134. doi: 10.3969/j.issn.0253-374x.2011.01.025HE Xiufeng, ZHONG Haibei, and HE Min. Ground subsidence detection of Nantong city based on PS-InSAR and GIS spatial analysis[J]. Journal of Tongji University:Natural Science, 2011, 39(1): 129–134. doi: 10.3969/j.issn.0253-374x.2011.01.025 [26] 李永生, 张景发, 罗毅, 等. 利用高分辨率聚束模式TerraSAR-X影像的PSInSAR监测地表变形[J]. 武汉大学学报: 信息科学版, 2012, 37(12): 1452–1455.LI Yongsheng, ZHANG Jingfa, LUO Yi, et al. Monitoring land deformation using PSInSAR with TerraSAR-X high resolution spotlight SAR images[J]. Geomatics and Information Science of Wuhan University, 2012, 37(12): 1452–1455. [27] NG A H M, GE Linlin, LI Xiaojing, et al. Monitoring ground deformation in Beijing, China with persistent scatterer SAR interferometry[J]. Journal of Geodesy, 2012, 86(6): 375–392. doi: 10.1007/s00190-011-0525-4 [28] WANG Huiqiang, FENG Guangcai, XU Bing, et al. Deriving spatio-temporal development of ground subsidence due to subway construction and operation in delta regions with PS-InSAR data: A case study in Guangzhou, China[J]. Remote Sensing, 2017, 9(10): 1004. doi: 10.3390/rs9101004 [29] WANG Ziyun, BALZ T, ZHANG Lu, et al. Using TSX/TDX pursuit monostatic SAR stacks for PS-InSAR analysis in urban areas[J]. Remote Sensing, 2019, 11(1): 26. doi: 10.3390/rs11010026 [30] BAI Lin, JIANG Liming, WANG Hansheng, et al. Spatiotemporal characterization of land subsidence and uplift (2009–2010) over Wuhan in Central China revealed by TerraSAR-X InSAR analysis[J]. Remote Sensing, 2016, 8(4): 350. doi: 10.3390/rs8040350 [31] TANG Wei and LIAO Mingsheng. Taiyuan city subsidence observed with Persistent Scatterer InSAR[J]. Wuhan University Journal of Natural Sciences, 2014, 19(6): 526–534. doi: 10.1007/s11859-014-1048-7 [32] CHEN Fulong, WU Yuhua, ZHANG Yimeng, et al. Surface motion and structural instability monitoring of ming Dynasty City walls by two-step tomo-PSInSAR approach in Nanjing City, China[J]. Remote Sensing, 2017, 9(4): 371. doi: 10.3390/rs9040371 [33] 林珲, 陈富龙, 江利明, 等. 多基线差分雷达干涉测量的大型人工线状地物形变监测[J]. 地球信息科学学报, 2010, 12(5): 718–725.LIN Hui, CHEN Fulong, JIANG Liming, et al. Preliminary research on large-scale man-made linear features deformation monitoring using multi-baseline Differential SAR Interferometry[J]. Geo-Information Science, 2010, 12(5): 718–725. [34] 廖明生, 田馨, 赵卿. TerraSAR-X/TanDEM-X雷达遥感计划及其应用[J]. 测绘信息与工程, 2007, 32(2): 44–46. doi: 10.3969/j.issn.1007-3817.2007.02.019LIAO Mingsheng, TIAN Xin, and ZHAO Qing. Missions and applications of TerraSAR-X/TanDEM-X[J]. Journal of Geomatics, 2007, 32(2): 44–46. doi: 10.3969/j.issn.1007-3817.2007.02.019 [35] 邢孟道, 林浩, 陈溅来, 等. 多平台合成孔径雷达成像算法综述[J]. 雷达学报, 2019, 8(6): 732–757. doi: 10.12000/JR19102XING Mengdao, LIN Hao, CHEN Jianlai, et al. A review of imaging algorithms in multi-platform-borne synthetic aperture radar[J]. Journal of Radars, 2019, 8(6): 732–757. doi: 10.12000/JR19102 [36] 裴媛媛, 廖明生, 王寒梅. 时间序列SAR影像监测堤坝形变研究[J]. 武汉大学学报: 信息科学版, 2013, 38(3): 266–269.PEI Yuanyuan, LIAO Mingsheng, and WANG Hanmei. Monitoring levee deformation with repeat-track space-borne SAR images[J]. Geomatics and Information Science of Wuhan University, 2013, 38(3): 266–269. [37] PERISSIN D, WANG Zhiying, and LIN Hui. Shanghai subway tunnels and highways monitoring through Cosmo-SkyMed Persistent Scatterers[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2012, 73: 58–67. doi: 10.1016/j.isprsjprs.2012.07.002 [38] 秦晓琼, 杨梦诗, 王寒梅, 等. 高分辨率PS-InSAR在轨道交通形变特征探测中的应用[J]. 测绘学报, 2016, 45(6): 713–721. doi: 10.11947/j.agcs.2016.20150440QIN Xiaoqiong, YANG Mengshi, WANG Hanmei, et al. Application of high-resolution PS-InSAR in deformation characteristics probe of urban rail transit[J]. Acta Geodaetica et Cartographica Sinica, 2016, 45(6): 713–721. doi: 10.11947/j.agcs.2016.20150440 [39] QIN Xiaoqiong, LIAO Mingsheng, ZHANG Lu, et al. Structural health and stability assessment of high-speed railways via thermal dilation mapping with Time-Series InSAR analysis[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2017, 10(6): 2999–3010. doi: 10.1109/JSTARS.2017.2719025 [40] QIN Xiaoqiong, YANG Mengshi, ZHANG Lu, et al. Health diagnosis of major transportation infrastructures in Shanghai metropolis using high-resolution Persistent Scatterer Interferometry[J]. Sensors, 2017, 17(12): 2770. doi: 10.3390/s17122770 [41] WANG Ru, YANG Tianliang, YANG Mengshi, et al. A safety analysis of elevated highways in Shanghai linked to dynamic load using long-term time-series of InSAR stacks[J]. Remote Sensing Letters, 2019, 10(12): 1133–1142. doi: 10.1080/2150704x.2019.1648903 [42] CHANG Ling, DOLLEVOET R P B J, and HANSSEN R F. Nationwide railway monitoring using satellite SAR Interferometry[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2017, 10(2): 596–604. doi: 10.1109/jstars.2016.2584783 [43] 秦晓琼, 廖明生, 杨梦诗, 等. 应用高分辨率PS-InSAR技术监测上海动迁房歪斜形变[J]. 测绘通报, 2016, (6): 18–21, 86. doi: 10.13474/j.cnki.11-2246.2016.0181QIN Xiaoqiong, LIAO Mingsheng, YANG Mengshi, et al. Monitoring Shanghai relocation housing skew deformation using high resolution PS-InSAR technology[J]. Bulletin of Surveying and Mapping, 2016(6): 18–21, 86. doi: 10.13474/j.cnki.11-2246.2016.0181 [44] QIN Xiaoqiong, ZHANG Lu, DING Xiaoli, et al. Mapping and characterizing thermal dilation of civil infrastructures with multi-temporal X-band Synthetic Aperture Radar Interferometry[J]. Remote Sensing, 2018, 10(6): 941. doi: 10.3390/rs10060941 [45] QIN Xiaoqiong, ZHANG Lu, YANG Mengshi, et al. Mapping surface deformation and thermal dilation of arch bridges by structure-driven multi-temporal DInSAR analysis[J]. Remote Sensing of Environment, 2018, 216: 71–90. doi: 10.1016/j.rse.2018.06.032 [46] JIANG Yanan, LIAO Mingsheng, WANG Hanmei, et al. Deformation monitoring and analysis of the geological environment of Pudong International Airport with persistent scatterer SAR interferometry[J]. Remote Sensing, 2016, 8(12): 1021. doi: 10.3390/rs8121021 [47] 廖明生, 魏恋欢, 汪紫芸, 等. 压缩感知在城区高分辨率SAR层析成像中的应用[J]. 雷达学报, 2015, 4(2): 123–129. doi: 10.12000/JR15031LIAO Mingsheng, WEI Lianhuan, WANG Ziyun, et al. Compressive sensing in high-resolution 3D SAR tomography of urban scenarios[J]. Journal of Radars, 2015, 4(2): 123–129. doi: 10.12000/JR15031 [48] YANG Mengshi, LÓPEZ-DEKKER P, DHEENATHAYALAN P, et al. Linking persistent scatterers to the built environment using Ray tracing on urban models[J]. IEEE Transactions on Geoscience and Remote Sensing, 2019, 57(8): 5764–5776. doi: 10.1109/TGRS.2019.2901904 [49] YANG Mengshi, YANG Tianliang, ZHANG Lu, et al. Spatio-temporal characterization of a reclamation settlement in the Shanghai coastal area with time series analyses of X-, C-, and L-Band SAR datasets[J]. Remote Sensing, 2018, 10(2): 329. doi: 10.3390/rs10020329 [50] 王飞, 柴波, 徐贵来, 等. 武汉市岩溶塌陷的演化机理研究[J]. 工程地质学报, 2017, 25(3): 824–832. doi: 10.13544/j.cnki.jeg.2017.03.030WANG Fei, CHAI Bo, XU Guilai, et al. Evolution mechanism of karst sinkholes in Wuhan city[J]. Journal of Engineering Geology, 2017, 25(3): 824–832. doi: 10.13544/j.cnki.jeg.2017.03.030 期刊类型引用(1)
1. 孙宇，黄亮，赵俊三，常军，陈朋弟，成飞飞. 结合随机擦除和YOLOv4的高空间分辨率遥感影像桥梁自动检测. 自然资源遥感. 2022(02): 97-104 . 
百度学术其他类型引用(7)
-
下载:
百度学术
计量
- 文章访问数: 3824
- HTML全文浏览量: 2451
- PDF下载量: 535
- 被引次数: 8
