小数据集时间序列PS-InSAR技术及其地表沉降应用

论文摘要

D-InSAR技术从其诞生的二十几年间得到了迅猛的发展,但是随着D-InSAR理论研究的日益成熟和应用领域的不断拓宽,常规D-InSAR技术的缺点和不足问题也逐渐暴露出来,主要表现为长时间尺度上时间和空间的失相干,外部引入数字高程模型的精度,大气延迟效应的影响等。小数据集时间序列PS-InSAR技术通过选取影像中永久散射体对应的像素点,保证了这些像素点的高相干性,突破了常规D-InSAR技术在长时间尺度上所遇到的时间和空间的失相干,外部数字高程模型的精度,大气延迟效应等限制。本文通过差分干涉相位分析,揭示了InSAR测量高程、常规D-InSAR测量地表形变和永久散射体InSAR测量地表沉降是一个对差分相位分析不断深入的过程。本文使用小数据集时间序列PS-InSAR技术提取地表沉降速率,具体是使用相关系数的办法选取干涉像对,再利用相位稳定阈值法选取高相干的永久散射体像素点,从差分干涉相位中分离出DEM残留相位、大气延迟相位、轨道误差相位等误差之后,三维相位解缠,最终获取地表平均沉降速率信息。再结合实验,以天津塘沽地区的地表沉降为研究对象,选取了2007年10月到2009年10月的10景PALSAR的L波段数据进行实验,获取了天津塘沽地区20km×20km区域的地表沉降速率场,分析了地表沉降中心位置及沉降原因,并与塘沽历史沉降数据对比得到差值在5mm/yr以内,验证了基于小数据集时间序列PS-InSAR技术应用于天津塘沽地表沉降监测的可行性。

论文目录

致谢

摘要

Abstract

1. 绪论

1.1 论文研究的背景和意义

1.2 研究现状

1.3 论文内容和技术路线

1.3.1 论文内容

1.3.2 技术路线

2. InSAR 技术原理

2.1 SAR 的发展历程和成像几何特征

2.1.1 SAR 的发展历程

2.1.2 SAR 成像几何特性

2.2 InSAR 测高技术

2.3 差分InSAR 测形变技术

2.4 常规差分InSAR 技术的误差来源

3. 小数据集时间序列PS-InSAR 技术

3.1 小数据集时间序列PS-InSAR 技术原理

3.2 干涉像对的选取

3.3 复数影像的配准

3.4 PS 点的选取

4. PS-InSAR 技术应用于天津塘沽地表沉降

4.1 天津塘沽地区概况

4.2 实验数据描述

4.3 基于永久散射体InSAR 数据处理

4.3.1 生成SLC 和影像配准

4.3.2 确定干涉像对和生成干涉图

4.3.3 永久散射体像素点选择

4.3.4 沉降速率的提取

4.4 地表沉降结果与讨论

4.4.1 沉降分析

4.4.2 历史沉降数据

5. 结论与展望

5.1 结论

5.2 展望

参考文献

作者简历

学位论文数据集

相关论文文献

[1].基于非稳态时间序列的生理控制模型研究[J]. 系统工程理论与实践 2020(02)
[2].基于多样化top-k shapelets转换的时间序列分类方法[J]. 计算机应用 2017(02)
[3].时间序列趋势预测[J]. 现代计算机(专业版) 2017(02)
[4].基于分型转折点的证券时间序列分段表示法[J]. 商 2016(31)
[5].基于ARMA模型的股价预测及实证研究[J]. 智富时代 2017(02)
[6].《漫长的告别》(年度资助摄影图书)[J]. 中国摄影 2017(04)
[7].王嵬作品[J]. 当代油画 2017(07)
[8].基于模糊时间序列的计算机信息粒构建研究[J]. 粘接 2020(10)
[9].基于时间序列挖掘的合成旅装备维修保障能力预测[J]. 系统工程与电子技术 2020(04)
[10].风速时间序列混沌判定方法比较研究[J]. 热能动力工程 2018(07)
[11].土壤退化时间序列的构建及其在我国土壤退化研究中的意义[J]. 土壤 2015(06)
[12].基于信息颗粒和模糊聚类的时间序列分割[J]. 模糊系统与数学 2015(01)
[13].不确定时间序列的降维及相似性匹配[J]. 计算机科学与探索 2015(04)
[14].时间序列的异常点诊断方法[J]. 中国卫生统计 2011(04)
[15].基于独立成分分析的时间序列谱聚类方法[J]. 系统工程理论与实践 2011(10)
[16].面向不确定时间序列的分类方法[J]. 计算机研究与发展 2011(S3)
[17].一种基于频繁模式的时间序列分类框架[J]. 电子与信息学报 2010(02)
[18].超启发式组合时间序列预报模型[J]. 福建电脑 2020(08)
[19].基于深度学习的时间序列算法综述[J]. 信息技术与信息化 2019(01)
[20].基于时间序列符号化模式表征的有向加权复杂网络[J]. 物理学报 2017(21)
[21].基于互相关的二阶段时间序列聚类方法[J]. 计算机工程与应用 2016(19)
[22].基于期货市场行为的时间序列切分及表示方法研究[J]. 中国管理信息化 2015(19)
[23].基于形态特征的时间序列符号聚合近似方法[J]. 模式识别与人工智能 2011(05)
[24].基于模糊时间序列对我国对外贸易中的进口水平的预测[J]. 统计与决策 2010(23)
[25].模糊变量时间序列及其应用[J]. 辽宁工程技术大学学报(自然科学版) 2010(06)
[26].时间序列流的分层段模型[J]. 小型微型计算机系统 2009(04)
[27].发动机转速时间序列分形特征分析[J]. 机械科学与技术 2008(11)
[28].基于HDAD的异构航空数据异常检测的研究[J]. 计算机仿真 2020(03)
[29].重庆藕塘滑坡地下水位时间序列混沌性判别与预测[J]. 人民长江 2020(S1)
[30].基于能量过滤的不确定时间序列数据清洗方法[J]. 智能计算机与应用 2019(04)

标签：永久散射体论文; 合成孔径雷达差分干涉测量论文; 小数据集时间序列论文; 地面沉降论文;

小数据集时间序列PS-InSAR技术及其地表沉降应用

论文摘要

论文目录

相关论文文献

猜你喜欢