共查询到17条相似文献，搜索用时 609 毫秒
1.
针对北京地区地表沉降现象,本文采用时序InSAR方法获取了2018—2020年的沉降速率场与累计沉降量场,并选取特征区域及不同空间跨度的两条地铁线路进行具体沉降分析。结果表明:①北京地区不均匀沉降现象较为明显,总体呈现西部抬升、东部沉降的空间分布特征;②存在3个较明显的沉降漏斗,最大累计沉降量达-218.5 mm;③朝阳区存在金盏沉降漏斗及豆各庄沉降漏斗,且两个沉降漏斗在本文研究时间跨度内均呈扩大趋势;④地铁5、6号线均存在不同程度的沉降与抬升现象,沉降现象与地下水及地下空间的过度开采存在一定的关系,而地区抬升现象与南水北调工程对地下水的补充存在相关关系。 相似文献
2.
针对郑州市地铁网络缺少长时间序列的地面沉降研究,本文基于永久散射体合成孔径雷达干涉测量PS-InSAR（Persistent Scatterers Interferometric Synthetic Aperture Radar）技术生成的长周期地面沉降数据分析了郑州市地铁沿线地面沉降的时空特征,并通过反距离内插等距化处理,基于长短期记忆网络LSTM（Long Short-Term Memory）模型对典型地铁站点地面沉降进行了预测与分析。研究结果表明：空间上,沉降路段主要集中在1号线和5号线的东段,最大沉降速率超过20 mm/a,且1号线沿线不均匀形变较为突出;时间上,不同区域PS点在时间序列上的变化有较大不同,沉降槽中心处沉降呈逐年扩大趋势。实验表明LSTM模型具有较高的预测精度,预测发现1号线市体育中心站南边河南省档案馆新馆北侧未来两年里仍将以大约0.5 mm/月的速率继续沉降,有必要对该站及其附近继续监测。 相似文献
3.
《北京测绘》2019,(9)
地铁的建设与营运会产生沿线的长期持续形变,从而引发地面沉降。本文以南昌市运营中的1、2号线以及在建地铁沿线为研究对象,基于研究区内的26景Sentinel-1A数据和DEM数据,采用了小基线集(Small Baseline Subset,SBAS)时间序列技术,获取了研究区内地表的形变速率与累计形变量。实验结果表明,地铁沿线范围内整体呈现沉降趋势,沉降速率在-2 mm/year～-17mm/year之间,局部区域出现地面抬升情况,累计抬升65.53mm。通过分析时序结果变化以及沉降发生的地理空间分布,推断地铁高速运行产生的地面载荷是地面沉降发生的主要因素。 相似文献
4.
何初露 《测绘与空间地理信息》2020,(1):214-217
伴随着城市建设不断发展,尤其是地铁项目的建设,城市地区地表沉降、塌陷等地质灾害频繁发生,给经济建设和人民的生命财产安全带来了不可估量的损失,大范围的沉降监测成为目前一个亟待解决的问题。本文通过获取的厦门岛16个时间序列InSAR影像数据,分析厦门岛的地面沉降率,从而提出厦门岛的筼筜外湖,地铁1号线的中山公园—将军祠—文灶—湖滨东路路段以北地区,以及湖边水库周边可能会持续产生地面沉降,应及早做好地质灾害预防。 相似文献
5.
基于56景COSMO-SkyMed影像，本文采用PSP-InSAR技术对杭州地铁2号线沿线500 m范围进行地面沉降监测，并对形变区的位置、面积和数量进行了统计，在此基础上提取形变梯度大于0.1 mm/m的累计形变量点并开展比对分析。结果表明：①虽然地表形变集中区、形变严重区和形变梯度较大区域有着高度的重叠，但部分形变集中区内形变量和形变梯度并不大，也存在形变平稳区段形变梯度却较为显著现象，因此单从一个角度分析地铁沿线的形变，易增加漏检和错检的概率。②PSP-InSAR技术可从空间上完整表现地铁线上沉降的分布特征，对于地铁竣工运营期间的沉降监测具有显著意义，可为地铁的运营维护提供依据。 相似文献
6.
本文以地热资源丰富的雄安新区为研究对象,利用SBAS技术对2015年7月至2019年2月的42幅Sentinel-1区域卫星影像和2016年8月至2018年12月的10幅ALOS-2区域卫星影像进行处理,以此获取雄安新区的时间序列地表形变。研究结果表明,雄安新区整体地表沉降严重,且沉降区主要集中在雄县和容城县,其中雄县沉降最为严重,沉降中心累计沉降量超过330 mm,容城县沉降中心累计下沉量超过120 mm。结合地热井位置和地热开采历史,由时间序列分析表明,大量开采地热资源会引起地表沉降现象。 相似文献
7.
随着经济的快速发展,城市地区的浅层地表运动已成为当前研究热点与重点。本文采用小基线集干涉测量技术对广佛区域从2018年10月—2022年4月的36景哨兵1号数据进行处理,并引入GACOS产品辅助大气校正,获取研究区的时间序列形变。结果表明,研究区内年平均形变速率主要集中在-4.9～5.9 mm/a,沉降呈零星分布,主要位于禅城区的西部、顺德区的北部及研究区内的南沙区;研究区内的地铁沿线沉降主要在佛山2号线、广州2号线、3号线的局部区域。 相似文献
8.
西安市及其周边地区是中国地表沉降最为显著的区域之一.针对上述问题,本文采用9景降轨ENVISAT ASAR(advanced synthetic aperture radar)数据和短基线集技术提取了西安市主城区2011年2月至2011年11月的时序形变信息和沉降分布特征.研究结果表明:西安市主城区在监测期间的最大沉降速率约为-150 mm/a,最大累计沉降量约为-125 mm.在监测期间西安市主城区共形成4个显著的沉降中心,分别是鱼化寨沉降中心、电子城沉降中心、三爻村沉降中心以及西等驾坡村沉降中心,其中鱼化寨中心沉降最为严重.短基线集监测结果对比同期水准监测数据,两者结果一致性良好,两者最大残差值为5.51 mm,最小残差值为0.02 mm,均方根误差为3.22 mm,由此验证了本文短基线集形变监测结果的精度和可靠性. 相似文献
9.
由于传统测量手段对于地表沉降监测不足,PS-InSAR技术具有高空间分辨率和一定程度能克服时间、空间以及大气的影响等优势,因而逐渐成为一种大范围地表沉降监测的主要方法。本文利用PS-InSAR技术,通过SARscape软件对收集到的34幅覆盖日本千叶市地区的ENVISAT ASAR遥感影像进行沉降监测实验。实验结果表明:日本千叶市地区最大累计沉降量为58.965 mm,主要集中在城市地区,并且该地区的沉降和地下矿藏开发有关。 相似文献
10.
佛山作为中国珠三角地区经济和城市化高速发展的城市，由于其脆弱的地质水文条件，长期遭受地面沉降灾害的影响。同时，该区域地铁作为缓解城市交通压力的重要工具，其施工和运行所导致的地面沉降也影响了人们的生命财产安全。但目前针对佛山地区相关的系统研究不多，对地铁沿线的沉降规律认识不足。利用Sentinel-1数据监测了2015-06至2018-09间佛山市的形变信息，结果表明，佛山市地表形变呈零星分布，未出现大范围的沉降漏斗，形变速率为-20~5 mm/a，局部区域的沉降速率超过-30 mm/a。地面沉降主要与不稳定的地质结构、地下水抽取和局部区域工程施工有关。基于获得的形变结果，对佛山市地铁沿线的形变情况进行了研究，并对2018年佛山市地铁坍塌事故路段的沉降情况进行了详细分析，阐述了在空间分布上地铁沿线沉降差异的成因，并在时间上对地铁沿线的形变进行了模型参数反演。研究工作为今后当地政府开展地表形变普查、沉降灾害预警提供了参考，并为地铁正常运行与维护的安全监测提供了理论依据。 相似文献
11.
为了更好地监测和掌握深圳填海区地铁工程结束后地铁沿线的地面沉降情况,该文利用TS-InSAR技术和20景2017年8月15日—2019年3月14日的Sentinel-1A SAR数据,借助POD精密定轨星历和ASTER GDEM V2分别去除轨道误差和地形相位,反演了深圳填海区2017—2019年地表沉降时间序列,并在此基础上重点分析了填海区地铁沿线地面沉降的时空演变规律以及地面沉降成因。结果显示,填海区各地铁沿线的地面沉降特征较为明显,最大沉降速率为-17.52 mm/a。其中,宝安中心、前海湾、深圳湾区段地铁沿线的地面沉降趋势较为严重,其地面沉降呈现逐渐增强和扩散趋势。 相似文献
12.
Sentinel-1A TS-DInSAR京津冀地区沉降监测与分析 总被引：1，自引：1，他引：0
近年来,京津冀地区的不均匀地表沉降日趋严重,对公路、铁路等基础设施安全造成严重威胁,已引起国内外广泛关注。合成孔径雷达时序差分干涉TS-DIn SAR(Time Series Differential Interferometric Synthetic Aperture Radar)作为一种高效的广域形变测量手段,在地面沉降调查监测中已被广泛应用,但如何针对高现势性的影像数据高精准提取大范围区域地表形变是当前深化的热点。本文利用欧洲太空局发布的Sentinel-1A新型数据源,针对TOPS(Terrain Observation by Progressive Scans)模式影像间存在多普勒中心不一致问题,借助外部高精度POD(Precise Orbit Determination)轨道和DSM(Digital Surface Model)数据进行频移滤波迭代配准,并针对Sentinel-1A数据特征集成优化了基于点目标时序分析的大区域地表形变监测方法,以2015年—2016年期间的29景影像为实验数据开展了京津地区沉降监测研究,提取了北京东、廊坊及天津西等地区的沉降结果,并结合区域内典型区域人口密度、产业分布、地表覆盖和线路剖面等信息深入分析了沉降的时空分布特征和成因。结果表明,Sentinel-1A时序干涉结果在大范围地表沉降调查监测上具有可靠的应用精度。 相似文献
13.
本文以京雄城际铁路河北段固安站至雄安站沿线作为研究区,利用2018—2020年共34景Sentinel-1B影像,基于小基线集雷达干涉测量技术(SBAS-InSAR)获取京雄城际铁路河北段沿线的地面沉降时空分布信息,结合空间自相关分析方法,揭示研究区地面沉降的空间分布格局,并对沉降原因进行初步分析。研究结果表明,京雄城际铁路河北段沿线地面沉降发展由北向南存在一定的差异。北部年均沉降速率小于10 mm/a,南部沉降较为严重,最大年均沉降速率达-105.6 mm/a,且沿线西部年均沉降速率高于东部区域。通过分析影响因素得知,地面沉降量与地下水埋深值存在相关性,地下水埋深高的地区地面沉降量较高。同时结合研究区土地利用变化结果发现,城市化建设所产生的静载荷对京雄城际铁路沿线的地面沉降产生一定的影响。 相似文献
14.
以昆明主城区为例,分别利用PS-InSAR和SBAS-InSAR技术对2014—2017年间29景升轨Sentinel-1A数据进行沉降监测,对比两种技术得到的沉降结果,进行剖面图分析与时序分析。结果表明,PS-InSAR和SBAS-InSAR技术监测结果具有一致性、相关性和可靠性。研究发现,昆明市沉降漏斗主要位于居民区、地铁、道路、高速公路以及滇池等区域,最大年沉降速率可达-39.580mm/a,累积沉降量达到85mm。研究表明,昆明主城区地面沉降主要由于近几年城市和轨道交通建设的飞跃发展,导致居民区和交通网络密集,地面载荷增加,地下隧道开挖与地下水开采等原因引起地面软土地层下沉。 相似文献
15.
The underground railway network of Beijing City, China, which is an important urban infrastructure, has burgeoned with the expansion of the city. However, the influence of subway construction and operation on local subsidence has received minimal attention. By analyzing the Radarsat-2 synthetic aperture radar satellite data, and using persistent scatterer interferometry, we revealed the land subsidence characteristics along the Beijing Subway Line 6. In the context of land subsidence, the expectation (Ex) reflects the overall level of local land subsidence while the entropy (En) reflects the degree of nonuniformity of local land subsidence in time and space. By comparing the changes in Ex and En, we estimated the spatial range of the influence of the subway on local land subsidence. The influenced area was mainly located between 60 m north of the subway line and 80 m south of the subway line. Land subsidence was most strongly altered during subway construction. During operation of the subway, the deformation rates along the subway increased slightly in the first two years and were then stabilized. 相似文献
16.
17.
ABSTRACTOver-exploitation of groundwater has caused severe land subsidence in Beijing during the past two decades. Since the middle route of South-to-North Water Diversion Project (SNWDP), the biggest water diversion project in China, started to deliver water to Beijing in December 2014, the groundwater shortage has been greatly alleviated. This study aims to analyze the impact of SNWDP on the spatiotemporal evolution of land subsidence in Beijing. Change in surface displacement in Beijing after SNWDP was retrieved and the spatiotemporal patterns of the change were analyzed based on long time-series Envisat Advanced Synthetic Aperture Radar (ASAR) (2004–2010), Radarsat-2 (2011–2014), and Sentinel-1 (2015–2017) satellite datasets using Permanent Scatterer Interferometric Synthetic Aperture Radar (PS-InSAR) techniques. Land subsidence unevenness index (LSUI) was proposed to represent the spatial unevenness of surface displacement. PS-Time approach was then adapted to examine the time series evolution of LSUI. The results showed that the InSAR measurements agree well with leveling measurements with R2 over 0.96. Although the maximum annual displacement rate reached ?159.7 mm/year by 2017, over 57% of the area within 25 mm/year contour line showed decreasing or unchanged displacement rate after the south-north water delivered to Beijing. The settlement rate in Chaoyang-Dongbalizhuang (CD) subsidence center has decreased for 26 mm/year from 2011–2014 to 2015–2017. Only around 15% of the area experienced continued accelerating settlement rate through the three time periods, which was mainly located in the area with the compressible layer thickness over 190 m, while the magnitude of velocity increment considerably decreased after SNWDP. Land subsidence unevenness, represented by LSUI, developed more slowly after SNWDP than that during 2011–2014. However, LSUI at the edge of settlement funnel has kept developing and reached 1.7‰ in 2017. Decreasing groundwater level decline after SNWDP and the positive relationship (R2 > 0.74) between land subsidence and groundwater level clearly showed impacts of SNWDP on the alleviating land subsidence. Other reasons include geological background, increasing precipitation, and strict water management policies implemented during these years. 相似文献