Time-series monitoring of two-dimensional deformation of Tongwei loess landslide in Gansu Province
-
摘要: 时间序列合成孔径雷达干涉测量技术能有效反应滑坡形变过程。2019年9月14日,甘肃省通渭县发生山体滑坡,但该滑坡灾前是否已经发生缓慢形变以及滑坡原因值得追溯和探讨。文中基于欧洲航天局发布的哨兵一号升/降轨数据,利用SBAS-InSAR技术分析甘肃通渭滑坡灾前二维形变特征以及滑动的因素。结果表明,2018年9月—2019年9月此滑坡存在连续形变,且随时间推移形变量不断增大,因此该滑坡为非突发型事件。在滑坡发生前,垂直向与东西向上最大累计形变量分别达18.25 mm和32.85 mm。基于二维时间序列结果进行距离分析与降雨量对比分析,显示苦水河与降雨量是该滑坡发生的两大诱因。该InSAR追溯结果进一步验证了星载雷达干涉测量技术在滑坡探测方面的应用潜力,是滑坡灾前识别、预警、防灾等减灾工作的有力工具。Abstract: The time-series synthetic aperture radar interferometry can reflect the deformation process of landslides effectively. On September 14, 2019, a landslide occurred in Tongwei County, Gansu Province. However, whether the landslide had occurred slow deformation before the disaster and the cause of the landslide are worth tracing and discussing. In this paper, based on the Sentinel1-A ascent/descent data released by the European Space Agency (ESA), the two-dimensional deformation characteristics and sliding factors before the Tongwei landslide in Gansu Province were analyzed by SBAS-InSAR technique. The results show that there is continuous deformation of the landslide from September 2018 to September 2019, and the deformation variable increases with the passage of time, so the landslide is not a sudden event. Before the landslide occurred, the maximum cumulative shape variables in the vertical direction and east-west direction were 18.25 mm and 32.85 mm respectively. Based on the results of the two-dimensional time series, the distance analysis and the comparative analysis of rainfall show that the Kushui River and rainfall are the two main inducements of the landslide. The InSAR traceback results further verify the application potential of satellite-borne radar interferometry technology in landslide detection, which is a powerful tool for landslide identification and early warning, disaster prevention, and mitigation.
-
Keywords:
- InSAR /
- sentinel image /
- 2D deformation /
- precipitation /
- Tongwei County Gansu Province
-
0. 引言
城市地面沉降表现为自然与人类活动作用下,地表土层压缩变形、标高降低,是一种危害较大的缓变型环境地质灾害[1 − 2],威胁着低海拔城市运行安全与可持续发展。
一直以来,国内外对城市区域性地面沉降的关注度很高,在地面沉降调查与监测、地面沉降特征及分区、地面沉降发展趋势预测、地面沉降影响因素及控制机理研究、地面沉降缓解与治理措施、地面沉降对社会经济影响及法规制订等方面[3 − 6]开展了广泛研究。在地面沉降风险评价方面,赵团芝等[7 − 8]研究表明InSAR技术在监测区域沉降方面具有可靠性与准确性。工程建设活动及第一软土层压缩变形是宁波市工程性地面沉降的主要原因。选取累计沉降量、沉降速率、第一软土层厚度、建筑容积率作为地面沉降风险性评价指标,绘制宁波市地面沉降风险区划图并提出地面沉降防治对策。
风险评价被认为是一种能够有效管控滑坡、地面沉降、泥石流等灾害的理论方法。天津[9 − 10]、江苏沿海地区(连云港、盐城、南通)[11]、南京[12]、沧州[13]、北京[14]和阜阳[15]等地,结合各自地质环境与经济发展特点,建立反映当地地面沉降特征的风险评价体系并进行区划分析,目的是减少地面沉降给社会、经济带来损失[16]。InSAR技术能够在较大的范围监测地面沉降[17],但精度低于水准监测点;水准监测点适用于局部埋设,地面沉降结果更加准确[18],但由于成本原因布设数量有限、覆盖范围较小。
本文利用宁波市2017—2020年已有InSAR监测、水准监测、基岩标等监测数据,从而在较大的区域范围内相对可靠地获取地面沉降监测数据,系统分析近年地面沉降分布特征和发展趋势,建立宁波市地面沉降风险评价体系,编制地面沉降风险区划图,从而为加强城市地质安全风险管控提供参考。
1. 宁波市地面监测情况及沉降特征
1.1 地面沉降监测情况
宁波市历来重视地下水监测和地面沉降监测。宁波市地面沉降监测中心始建于1983年,曾是国内第三处较为先进的地质环境监测中心;1999年宁波市启动了首期“宁波市区地面沉降水准监测”项目;2014年在原地面沉降分层标的基础上新建地面沉降监测中心,监测范围覆盖宁波绕城高速以内的中心城区;同年,宁波启动了基于InSAR的地面沉降监测工作。本文采用5 m分辨率Radarsat-2 C InSAR遥感数据,使用卫星定位校正图像数据,以提高雷达图像的准确性和精度;InSAR数据处理主要包括预处理、差分干涉计算、时间/空间域形变估算、形变量计算等几个步骤,最终获得平均沉降速率和累积沉降量。
1.2 地面沉降特征
对InSAR遥感监测数据与全市400余处沉降监测点数据统一分析,全市2020年平均沉降速率约为5.67 mm/a,年沉降量低于5 mm的区域面积为1 457.9 km2。宁波市形成的10余个地面沉降带,大多位于围垦区域、城市开发建设热点区域,地面沉降速率如图1所示,其中10余处沉降带分布见表1。
表 1 地面沉降风险区划影响因素数据来源Table 1. Data sources of influencing factors for land subsidence risk zoning序号 沉降带名称 沉降中心 1 杭州湾—泗门沉降带 前湾新区余姚泗门 2 龙山—澥浦—招宝山沉降带 镇海化工区 3 新碶—霞浦—大榭沉降带 新碶大榭沿海区域 4 瞻岐—春晓—梅山沉降带 大嵩新区、春晓梅山围填海区 5 余姚凤山—阳明—
河姆渡沉降带凤山、阳明街道 6 骆驼—庄桥—洪塘—
高桥—集士港沉降带骆驼、庄桥、洪塘街道、
高桥、集士港镇7 东部—鄞南—江口—
西坞沉降带高新区、东部新城、南部商务区、
江口、西坞街道8 环象山港沉降带 奉化莼湖、松岙、象山西周、贤庠 9 新桥—东陈—丹城—
大徐沉降带新桥、大目湾新城、大徐 10 长街—高塘—南田沉降带 南部滨海新区、象山高塘、南田 对宁波市2020年不同地面沉降速率范围的区域面积占比进行统计(图2)。
可以看到:除了水系、地面沉降不易发区和基岩山区以外,沉降速率低于10 mm/a的区域面积占比接近88%,全市大部分区域的地面沉降情况稳定、相对安全。沉降速率在10~20 mm/a的区域面积占比为8.63%,沉降速率在20~30 mm/a的区域面积占比为2.90%,沉降速率高于30 mm/a的区域面积占比为0.42%。鄞州中心区和东部新城的代表性监测点沉降量历年变化情况显示,随着城市开发建设的逐步完成,2个区域的沉降速率逐渐减缓,近3年沉降速率达到了历年的最低水平,但今年的沉降速率相较于全市平均沉降速率水平仍然偏高。
(1)滨海区域沉降速率相对较大。鄞州瞻岐、北仑梅山岛等多处滨海区域沉降中心的平均沉降速率大于10 mm/a,其中最大值出现在象山新桥镇围填海区域,沉降中心平均沉降速率大于30 mm/a。
(2)城市开发建设强度较大的区域沉降速率相对较大。南部商务区、东钱湖旅游度假区等区域沉降中心的平均沉降速率多在20~40 mm/a。
(3)中心城区沉降速率相对较大。海曙高桥、江北洪塘等主要沉降中心的沉降速率多在10~30 mm/a。
综上所述,工程建设引发的地面沉降在城市规划建设集聚区日益凸显,比如东部新城、鄞州中心区、奉化主城区和沿海产业带等开发强度大、地质环境条件脆弱的地区年度沉降速率较大;大规模工程建设活动是宁波市地面沉降发生发展的主要因素,在后续地面沉降风险评价体系构建中需加以考虑。
2. 地面沉降风险评价体系构建
2.1 评价体系说明
地面沉降风险评价属于对复杂系统的定量化分析过程。一般采用线性加权模型,而权系数的确定又可通过层次分析、专家打分或二者综合得出[19]。地面沉降的风险评价模型通常可表示为:I=I危险性·I易损性,分析灾害因子的危险性、承灾体的脆弱性,根据地面沉降危险性评价指标、易损性评价指标结合风险评价模型开展宁波市地面沉降风险评价研究。前人研究[3, 7, 19]表明地面沉降危险性评价指标中具有代表性的因子主要包括:地面累计沉降量、沉降速率、软土层厚度、填土厚度、地面建筑荷载、地下水位变化速率、地壳运动速率等;地面沉降易损性评价指标中具有代表性的因子主要包括:地面高程、沉降易发程度、交通线路分布、人口密度、单位面积GDP、建成区面积比重、重要水系密度等。
除了地面高程、地面累计沉降量、沉降速率等常规地面沉降风险因子,对于人口净流入为正、城市建设高速发展的宁波市,城市人口密度、建设用地比重也应被重点考虑。从宁波市不同区域的地面沉降历史数据来看,地面沉降速率较高的区域如市区、滨海围垦区域、城市开发热点区域等,与上述因子密切相关。
宁波市位于中国东南沿海的潮汐平原区,具有深厚软土层和广泛分布的松散层,含水层较多;地下水开采强度对地面沉降的影响已深入人心,且多年平均沉降速率预示着沉降易发程度,因此对于宁波市而言,除了地面沉降危险性评价因子、易损性评价因子,地面沉降易发程度作为1个综合性评价因子十分必要。
因此,本文构建的地面沉降风险评价体系如图3所示。首先考虑地质条件、水文地质条件、人为活动等的影响,对地面沉降易发程度进行分区,进而将地面沉降易发程度作为地面沉降风险评价体系中的1个综合性评价因子,并联合地面高程、地面累计沉降量、沉降速率、城市人口密度、建设用地比重等5个评价因子进行评价。
2.2 评价体系权重及分级
浙江省自然资源厅印发的《浙江省城市地质安全风险“一张图”编制技术指南》根据浙江省沿海平原地面沉降形成机理,结合长期地面沉降监测成果,通过“经验总结+专家打分”相结合的方法,采用如德尔菲法(delphi method)或层次分析法(analytic hierarchy process,AHP)来汇总专家的意见、通过多轮迭代和反馈,使专家意见逐渐收敛,综合确定了各评价指标权重。各项指标权重及等级划定见表2。
表 2 地面沉降风险区划影响因素权重及分级Table 2. Weight and classification of factors influencing land subsidence risk zoning影响因素 权重
(aj)影响因素分级及分值(bj) 3 2 1 地质条件 地面高程/m 0.2 <2 2~4 >4 易发程度 0.1 高易发 中易发 低易发 沉降特征 地面累计沉降量/mm 0.2 >1 000 500~1 000 <500 沉降速率/(mm·a−1) 0.3 >40 20~40 <20 社会经济
发展指标城市人口密度/(万人·km−2) 0.1 0.2 0.1~<0.2 <0.1 建设用地比重/% 0.1 >60 30~60 <30 通过逐一确定各评价因素的等级,再将各因素等级分值与其权重相乘得到单因素分值,最后将各因素分值累加,从而得到地面沉降综合风险指数(W),按表3划分风险区等级。轨道交通建设过程中地下盾构隧道开挖也容易引起地面沉降发生发展[20 − 22],根据浙江省自然资源厅印发的《浙江省城市地质安全风险“一张图”编制技术指南》,将高铁、轨道交通等重大工程保护区两侧200 m范围划为地面沉降风险防控带。
表 3 地面沉降风险区等级划分表Table 3. Classification table of land subsidence risk zone levels风险区等级 高风险区 中风险区 低风险区 地面沉降综合风险指数(W) >2.5~3.0 1.5~2.5 <1.5 综合风险指数(W)计算公式如下:
(1) 式中:W——地面沉降综合风险指数;
aj——j类影响因素的权重;
bj——j类影响因素的分值。
2.3 地面沉降易发程度分区
以区内第四纪松散层分布厚度、土层力学性质及空间分布、含水层发育层数及富水性、浅部主要压缩层发育等为主要因素,开展宁波市地面沉降易发程度评价;根据评价结果进行易发程度分区,分为高易发、中易发、低易发和不易发区等四个级别。根据《地质灾害危险性评估规范》(DB33/T 881—2012)[23],用于地面沉降易发程度等级划分的综合分值计算公式为:
(2) 式中:A——综合分值;
σi、τi——分别为地面沉降i项影响因素相应的量 化指标赋分及权重,参考《地质灾害危 险性评估规范》(DB33/T 881—2012)[23] 取值。
地面沉降易发程度分区结果表明:宁波市地面沉降无高易发区,中、低易发区主要与区内全新世软土层厚大、历史上大量开采地下水、局部高强度城市建设以及沿海围垦工程等因素有关。
3. 风险区划结果与管控建议
3.1 风险区划结果
风险区划采用的影响因素包括地面高程、易发程度、地面累积沉降量、沉降速率、城市人口密度和建设用地比重,各项数据的来源情况见表4。
表 4 地面沉降风险区划影响因素数据来源Table 4. Data sources of influencing factors for land subsidence risk zoning数据名称 单位 数据来源 地面高程 m 2019年宁波市各区县高程数字模型
(1∶10 000 DEM)易发程度 依据《地质灾害危险性评估规范》
(DB33/T 881—2012)的计算结果地面累计
沉降量mm InSAR遥感监测数据与沉降点监测数据 沉降速率 mm·a−1 InSAR遥感监测数据与沉降点监测数据 城市人口
密度万人·km−2 宁波市统计年鉴(2020) 建设用地
比重% 第三次全国国土调查成果(2020) 地面沉降风险等级计算和分析采用栅格计算方式进行。首先将表4中6类影响因素的源数据导入至GIS软件并进行整理;然后分别对各影响因素的数据结果进行栅格划分,即由矢量形式转为栅格形式(栅格像元大小40 m×40 m),以城市人口密度为例,可得如图4(a)所示结果;进一步根据表2中的分值标准对各影响因素的栅格数据进行重新赋值得到如图4(b)所示结果;接着利用GIS软件中的栅格计算工具将各影响因素的栅格分值数据乘以相应的权重并相加,获得结果后根据表3进行地面沉降风险区等级划分;最后对划分结果进行矢量化即可得到最终的地面沉降风险区划图。本文中地理底图采用国家最新版 CGCS 2000大地坐标系,成图的比例尺为 1∶50000,图中仅保留必要水系、交通、行政界线、地名等主要地理要素,以不同颜色代表不同风险区划结果。
宁波市地面沉降风险区划结果如图5所示,宁波市全域无高风险区;中风险区面积132.6 km2,占比3.2%;低风险区面积2 214.8 km2,占比53.0%;中风险区、低风险区、水系、基岩山区以外的区域,为不易发区,面积1827.9 km2,占比43.8%。相应地,本文1.2节也对宁波市2020年不同地面沉降速率区域的面积占比进行了统计,沉降速率>20 mm/a面积占比3.3%、5~20 mm/a面积占比34.5%、0~5 mm/a面积占比62.1%。地面沉降速率等监测结果作为地面沉降风险评价的关键指标之一,与地面沉降风险区划结果存在着较强的相关性。需要注意的是,地面沉降风险也受到软土层厚度、含水层数量、人口密度、建设用地比重等因素的影响,因此风险区划分结果与地面沉降监测结果又存在一定的差别。
3.2 管控建议
地面沉降会对建(构)筑物和各类基础设施带来影响,造成建筑物地基下沉、房屋开裂、道路沉降、地下管线受损,形成的地面沉降漏斗会降低防洪排涝工程效能,台风暴雨时会造成大面积积水、加剧洪涝灾害。大面积均匀/不均匀沉降也会影响城市建设和资源开发,不利于城市基础设施的运营维护;对于滨海城市,造成的高程损失会带来海水倒灌等风险。因此,针对宁波市不同的地面沉降风险区分别提出管控建议(表5)。
表 5 宁波市地面沉降风险区管控建议一览表Table 5. Summary of control recommendations for ground subsidence risk zones in Ningbo City风险区等级 面积/km2 管控建议 地面沉降
中风险区132.6 ①严格执行地下水禁、限采区管理要求;
②进一步完善“空天地一体化”监测网络,提高地下水位、地面沉降监测频率,提高围填海区域的监测点密度;
③加强重大工程建设项目地面沉降综合防治方案制定;
④加强地面沉降网络和数据库建设,形成与城市线状市政工程建设、运营单位的沉降监测数据共享,各方协同防治沉降的机制地面沉降
低风险区2 214.8 ①继续严格贯彻地下水禁、限采区管理要求;
②进一步完善和优化地面沉降和地下水监测网络,加强日常监管;
③合理布局城市建设规划,加强深基坑等工程建设活动引发的地面沉降监测与管理地面沉降
风险防控带①加强高铁、轨道交通沿线两侧的地下水开发利用及邻近工程降排水管理;
②推进沿线地面沉降监测及系统预警机制建设,加强建设与重大工程密切相关的浅部含水层地下水监测井,完善地面沉降监测网络。4. 结论
(1)结合2017—2020年宁波市InSAR遥感监测数据与水准监测点数据,利用InSAR技术在较大范围内监测地面沉降、利用水准监测点更为准确地在局部测量地面沉降,从而在较大区域范围内相对可靠地获取地面沉降数据。结果表明全市形成的十余个沉降带,大多位于围垦区域、城市开发建设热点区域。
(2)选取地面高程、沉降易发程度、地面累计沉降量、沉降速率、城市人口密度、建设用地比重等6个评价因子建立地面沉降风险评价体系;其中沉降易发程度为综合考虑地质条件、水文地质条件、人为活动影响后的综合性评价因子。从而根据宁波市沿海平原地面沉降形成机理,结合长期地面沉降监测成果,采取“经验总结+专家打分”相结合的方法综合确定各评价指标、权重、分级,形成评价体系。
(3)地面沉降风险区划结果表明,宁波市全域无高风险区,中风险区面积占比3.2%,低风险区面积占比53.0%,不易发区面积占比43.8%;设置高铁、轨道交通等重大工程保护区两侧200 m范围为地面沉降风险防控带。在此基础上,提出了相应的管控建议如严格执行地下水开采管理、优化地面沉降监测网络、针对重大工程开展监测及管理等。
-
表 1 Sentinel-1A卫星SAR数据主要参数
Table 1 Main parameters of Sentinel-1A satellite SAR data
主要参数 升轨 降轨 波段 C C 雷达波长/cm 5.6 5.6 空间分辨率/m 5×20 5×20 入射角/(°) 33.0 36.2 获取日期 2018年9月1日—
2019年9月8日2018年9月6日—
2019年9月13日 -
[1] 叶伟林,康丽娟,安亚鹏,等. 甘肃永靖焦家村上庄2·28滑坡特点及成因分析[J]. 兰州大学学报(自然科学版),2021,57(3):369 − 375. [YE Weilin,KANG Lijuan,AN Yapeng,et al. Analysis of the characteristics and causes of Jiaojia landslide on February 28,2019 in Yongjing County,Gansu Province[J]. Journal of Lanzhou University (Natural Sciences),2021,57(3):369 − 375. (in Chinese with English abstract) [2] 王志旺,李端有. 3S技术在滑坡监测中的应用[J]. 长江科学院院报,2005,22(5):33 − 36. [WANG Zhiwang,LI Duanyou. Application of 3S technology in landslide monitoring[J]. Journal of Yangtze River Scientific Research Institute,2005,22(5):33 − 36. (in Chinese with English abstract) DOI: 10.3969/j.issn.1001-5485.2005.05.010 [3] 周定义, 左小清, 喜文飞, 等. 基于SBAS-InSAR技术的深切割高山峡谷区滑坡灾害早期识别[J/OL]. 中国地质灾害与防治学报: 1 − 9 [2021-12-01] ZHOU Dingyi, ZUO Xiaoqing, XI Wenfei, et al. Early identification of landslide disaster in deep cut alpine valley based on Sbas-insAR technology[J/OL]. The Chinese Journal of Geological Hazard and Control: 1 − 9 [2021-12-01].(in Chinese with English abstract)
[4] 陈有东, 张立峰, 何毅, 等. 升降轨Sentinel-1A时序InSAR的中川国际机场地表形变监测与分析[J/OL]. 工程地质学报: 1 − 19 [2021-12-01] CHEN Youdong, ZHANG Lifeng, HE Yi, et al. Monitoring and Analysis of surface deformation in Zhongchuan International Airport based on Sentinel-1A Time-series InSAR[J/OL]. Journal of Engineering Geology: 1 − 19 [2021-12-01].(in Chinese with English abstract)
[5] DONG J,LIAO M S,XU Q,et al. Detection and displacement characterization of landslides using multi-temporal satellite SAR interferometry:A case study of Danba County in the Dadu River basin[J]. Engineering Geology,2018,240:95 − 109. DOI: 10.1016/j.enggeo.2018.04.015
[6] 戴可人,卓冠晨,许强,等. 雷达干涉测量对甘肃南峪乡滑坡灾前二维形变追溯[J]. 武汉大学学报(信息科学版),2019,44(12):1778 − 1786. [DAI Keren,ZHUO Guanchen,XU Qiang,et al. Tracing the pre-failure two-dimensional surface displacements of Nanyu landslide,Gansu Province with radar interferometry[J]. Geomatics and Information Science of Wuhan University,2019,44(12):1778 − 1786. (in Chinese with English abstract) DOI: 10.13203/j.whugis20190092 [7] 侯燕军,周小龙,石鹏卿,等. “空-天-地”一体化技术在滑坡隐患早期识别中的应用:以兰州普兰太公司滑坡为例[J]. 中国地质灾害与防治学报,2020,31(6):12 − 20. [HOU Yanjun,ZHOU Xiaolong,SHI Pengqing,et al. Application of “Air-Space-Ground” integrated technology in early identification of landslide hidden danger:Taking Lanzhou Pulantai Company Landslide as an example[J]. The Chinese Journal of Geological Hazard and Control,2020,31(6):12 − 20. (in Chinese with English abstract) [8] 吴正军, 丁保艳, 邵东桥. 甘肃省定西市通渭县常河镇滑坡灾害应急调查报告[R]. 兰州: 甘肃地质灾害防治工程勘查设计院, 2019 WU Zhengjun, DING Baoyan, SHAO Dongqiao. Emergency investigation report of landslide disaster in Changhe Town, Tongwei County, Dingxi City, Gansu Province[R]. Lanzhou: Gansu Geological Hazard Prevention Engineering Exploration and Design Institute, 2019. (in Chinese)
[9] 王浩杰,孙萍,韩帅,等. 甘肃通渭“9·14”常河滑坡成因机理[J]. 现代地质,2021,35(3):732 − 743. [WANG Haojie,SUN Ping,HAN Shuai,et al. Failure mechanism of the changhe landslide on September 14,2019 in Tongwei,Gansu[J]. Geoscience,2021,35(3):732 − 743. (in Chinese with English abstract) [10] SUN P,LI R J,JIANG H,et al. Earthquake-triggered landslides by the 1718 Tongwei earthquake in Gansu Province,northwest China[J]. Bulletin of Engineering Geology and the Environment,2017,76(4):1281 − 1295. DOI: 10.1007/s10064-016-0949-4
[11] HE Y,WANG W H,YAN H W,et al. Characteristics of surface deformation in Lanzhou with sentinel-1A TOPS[J]. Geosciences,2020,10(3):99. DOI: 10.3390/geosciences10030099
[12] KOUHARTSIOUK D,PERDIKOU S. The application of DInSAR and Bayesian statistics for the assessment of landslide susceptibility[J]. Natural Hazards,2021,105(3):2957 − 2985. DOI: 10.1007/s11069-020-04433-7
[13] 张毅. 基于InSAR技术的地表变形监测与滑坡早期识别研究—以白龙江流域中游为例[D]. 兰州: 兰州大学, 2018 ZHANG Yi. Detecting ground deformation and investigating landslides using InSAR technique: Taking middle reach of Bailong River basin as an example[D]. Lanzhou: Lanzhou University, 2018. (in Chinese with English abstract)
[14] 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
[15] WANG W H,HE Y,ZHANG L F,et al. Analysis of surface deformation and driving forces in Lanzhou[J]. Open Geosciences,2020,12(1):1127 − 1145. DOI: 10.1515/geo-2020-0128
[16] HE Y,CHEN Y D,WANG W H,et al. TS-InSAR analysis for monitoring ground deformation in Lanzhou New District,the loess Plateau of China,from 2017 to 2019[J]. Advances in Space Research,2021,67(4):1267 − 1283. DOI: 10.1016/j.asr.2020.11.004
[17] 胡俊,李志伟,朱建军,等. 融合升降轨SAR干涉相位和幅度信息揭示地表三维形变场的研究[J]. 中国科学(地球科学),2010,40(3):307 − 318. [HU Jun,LI Zhiwei,ZHU Jianjun,et al. Inferring three-dimensional surface displacement field by combining SAR interferometric phase and amplitude information of ascending and descending orbits[J]. China Earth (Scientia Sinica),2010,40(3):307 − 318. (in Chinese with English abstract) DOI: 10.1360/zd2010-40-3-307 [18] 石固林, 陈强, 刘先文, 等. 联合升降轨Sentinel-1A数据监测桃坪乡古滑坡沿坡向的形变速度场[J/OL]. 工程地质学报: 1 − 12 [2021-01-24] SHI Gulin, CHEN Qiang, LIU Xianwen, et al. Deformation velocity field in the aspect direction of an ancient landslide in Taoping Village derived from ascending and descending Sentinel-1A data[J/OL]. Journal of Engineering Geology: 1 − 12 [2021-01-24].(in Chinese with English abstract)
[19] 程前,王华斌,汪韬阳,等. 基于RFM模型的叠掩区域定位方法[J]. 航天返回与遥感,2019,40(5):95 − 105. [CHENG Qian,WANG Huabin,WANG Taoyang,et al. Positioning method for layover area based on RFM model[J]. Spacecraft Recovery & Remote Sensing,2019,40(5):95 − 105. (in Chinese with English abstract) DOI: 10.3969/j.issn.1009-8518.2019.05.011 [20] 周吕,李佳豪,王成,等. 基于时序InSAR的上海地区2018—2020地铁沿线沉降监测分析[J]. 大地测量与地球动力学,2021,41(11):1177 − 1182. [ZHOU Lyu,LI Jiahao,WANG Cheng,et al. Analysis of time-series InSAR-based settlement monitoring along the 2018—2020 metro line in Shanghai area[J]. Journal of Geodesy and Geodynamics,2021,41(11):1177 − 1182. (in Chinese with English abstract) [21] 张卜平,朱兴华,成玉祥,等. 黄土潜蚀机理及其致灾效应研究综述[J]. 中国地质灾害与防治学报,2021,32(6):41 − 52. [ZHANG Buping,ZHU Xinghua,CHENG Yuxiang,et al. A review on loess subsurface-erosion mechanism and it's hazard effects[J]. The Chinese Journal of Geological Hazard and Control,2021,32(6):41 − 52. (in Chinese with English abstract) [22] 周飞,许强,巨袁臻,等. 黑方台黄土斜坡变形破坏机理研究[J]. 水文地质工程地质,2017,44(1):157 − 163. [ZHOU Fei,XU Qiang,JU Yuanzhen,et al. A study of the deformation and failure mechanism of the Heifangtai loess slope[J]. Hydrogeology & Engineering Geology,2017,44(1):157 − 163. (in Chinese with English abstract) [23] 徐辉,刘海知. 诱发滑坡的多尺度降雨特征[J]. 山地学报,2019,37(6):858 − 867. [XU Hui,LIU Haizhi. Multi-scale rainfall characteristics of rainfall-induced landslides[J]. Mountain Research,2019,37(6):858 − 867. (in Chinese with English abstract) [24] 李鹏程. 干旱山区水资源现状分析—以甘肃省通渭县为例[J]. 甘肃农业,2013(7):32 − 33. [LI Pengcheng. Analysis of water resources status in arid mountainous areas:A case study of Tongwei County in Gansu Province[J]. Gansu Nongye,2013(7):32 − 33. (in Chinese with English abstract) DOI: 10.3969/j.issn.1673-9019.2013.07.020 -
期刊类型引用(5)
1. 杨勇杰, 胡祥祥, 王鹏, 石亚亚, 宋宝, 吴成永, 于志远. 基于CNN-BiLSTM模型融合BKA优化算法的地面沉降预测. 全球定位系统. 2025(04)
百度学术
2. 薛紫萱, 曾敏, 赵信文, 张傲, 黎义勇, 何军, 王世昌, 江拓, 孙慧敏, 皮鹏程. 基于InSAR数据源的珠江三角洲平原区地面沉降风险评价与区划. 华南地质. 2025(02)
百度学术
3. 崔晓宇, 宋维静, 黄靖雯, 刘涛. 基于复杂网络的江汉区地表形变与影响因素分析. 测绘工程. 2025(04)
百度学术
4. 温浩,高峰,胡在凰,赵团芝,姚顺雨,王占博. 地面沉降InSAR监测数据融合方法——以宁波市为例. 测绘通报. 2024(S2): 12-16 .
百度学术
5. 李长山,迟帅. 基于时序InSAR遥感监测的中山市软土地面沉降特征及成因研究. 地质灾害与环境保护. 2024(04): 31-38 .
百度学术
其他类型引用(6)

下载:


邮件订阅
RSS