论文部分内容阅读
煤炭是我国能源结构的重要组成部分,由于煤炭资源的大量开采,我国地表塌陷面积逐年增加,矿区生态环境遭到破坏,耕地质量逐步降低,水土流失现象日益严重,危害到人民的生命和财产安全。因此,建立矿区地表形变预警系统具有重要的研究价值和实际意义。合成孔径雷达(SAR)卫星搭载的微波传感器具有全天时、全天候的工作能力,提供了不同分辨率的SAR影像,促进了合成孔径雷达干涉测量(InSAR)方法的发展。目前,时序InSAR方法已成为地表形变监测的研究前沿。然而,由于矿区地表具有植被覆盖率高、沉降量级大等特点,矿区干涉图受失相干影响较为严重,导致时序InSAR方法监测矿区地表形变时存在点目标密度低的问题,无法有效分析地表形变时空演变特征。针对上述问题,本文深入研究分布式目标InSAR(DS-InSAR)形变监测方法,结合矿区地表形变特征,提出了基于自适应窗口的同质点识别、融合概率积分模型(PIM)和DS-InSAR的矿区地表时序大梯度形变监测等方法,丰富了矿区地表形变监测途径,提高了形变监测精度。主要研究工作与成果如下:(1)阐述了DS-InSAR方法的主要工作原理,采用2018年11月至2019年11月时间段内覆盖张双楼煤矿94101工作面的Sentinel-1影像为数据源,分别利用PS-InSAR、DS-InSAR方法获取了矿区时序地表形变。实验结果表明:(1)DSInSAR方法显著提高了矿区地表形变区域的点密度,获取了完整的地表形变范围,可为矿区地表形变的时空演变特征分析提供基础;(2)实验通过对比分析DSInSAR与PS-InSAR监测结果间的相关性,证实DS-InSAR方法监测矿区地表形变是可行的;(3)实验利用水准数据验证地表形变监测结果,证实基于SBAS数据处理流程的DS-InSAR方法受空间失相干影响更小,其形变监测结果的精度比基于PS-InSAR数据处理流程的DS-InSAR方法更高。(2)针对DS-InSAR方法中同质点识别窗口为固定值,过大或过小窗口会影响相位优化后干涉图质量的问题,提出了一种基于自适应窗口的同质点识别方法。该方法基于干涉对的平均差分干涉相位图,设定相位差阈值,计算每个像元的最优同质点识别窗口,然后依据最优窗口完成同质点的识别。采用2011年12月至2012年4月内覆盖南屯煤矿的TerraSAR影像为数据源,分别基于自适应和固定窗口进行了同质点识别和相位优化。结果表明,前者得到差分干涉图质量和形变区域内的点位密度整体高于后者,说明了本文方法的有效性。(3)针对矿区地表形变量级超出时序InSAR监测能力的问题,引入开采沉陷概率积分法预测模型(PIM),提出融合PIM和DS-InSAR的矿区地表时序大梯度形变监测方法。其核心思想是:基于地质采矿条件和工作面开采参数,预计研究时间段内矿区地表累积沉降,获取干涉对对应时间段的模拟形变相位,将干涉对的真实相位与模拟相位进行差分,从而达到降低相位解缠难度的目的。以覆盖南屯煤矿的TerraSAR影像为数据源,基于本文所提出的方法进行实验。结果表明:本文方法比DS-InSAR获取的地表形变量级更大,通过与地面水准测量数据对比发现,本文方法提取的地表形变精度为厘米级,优于DS-InSAR监测结果。该论文有图50幅,表11个,参考文献88篇。