一种基于DS-InSAR技术监测复杂山区形变的方法与流程

本发明涉及地质灾害形变监测技术领域，特别涉及一种基于ds-insar技术监测复杂山区形变的方法。

背景技术：

地质灾害，包括自然因素或者人为活动引发的危害人民生命和财产安全的山体崩塌、滑坡、泥石流、地面塌陷、地裂缝、地面沉降等与地质作用有关的灾害。地质灾害常常伴随着地表位移，常用的地表形变监测手段中，传统的地质灾害形变监测的方法为水准测量存在费时费力成本高、周期长、数据分布稀疏等问题，而且许多偏远地区难以到达，gps测量虽然精度高，但是数据点稀疏，难以全面覆盖研究区域。

insar技术具有全天时、全天候、高精度的特点，能够快速获取面状、大范围、长时间序列的地表形变，为地质灾害体的判断和监测提供定量地表位移数据。现在常用的ps-insar技术可以对永久散射体(ps)进行监测，永久散射体指对雷达波的后向散射较强，在时序上较稳定的各种地物目标，如建筑物与构筑物的顶角、桥梁、栏杆、裸露的岩石以及人工布设的角反射器等目标。由于地质灾害多发生在植被茂密的山区，ps点较少，使用ps-insar技术难以获取大范围的形变数据。

技术实现要素：

本发明的目的是克服上述背景技术中不足，提供一种基于ds-insar技术监测复杂山区形变的方法，采用ds-insar技术对地质灾害形变进行监测，从而获得高密度的野外监测点时序形变信息，通过使用多个平台和多个轨道的sar影像数据可以获得更多维度的形变信息，使得形变信息更加全面，且减少野外工作量，降低监测成本，直接获取大范围、高密度、长时序的形变数据，最后根据监测点的形变曲线和形变变化趋势，对灾害体进行初步识别和判断，极大的弥补了ps-insar技术在复杂山区难以探测到ps点的问题。

为了达到上述的技术效果，本发明采取以下技术方案：

一种基于ds-insar技术监测复杂山区形变的方法，包括以下步骤：

a.选取覆盖研究区域的多卫星平台多轨道的sar影像数据，根据监测区域将数据裁剪到监测的研究区域范围，并使用squeesar算法获取研究区域范围内永久散射体ps点和分布式散射体ds点的形变速率以及每个监测时间之间的形变；

b.设置形变速率阈值，筛选出形变速率大于形变速率阈值的研究区域作为高形变速率区；其中，形变速率阈值的具体设定可以根据实际研究情况来设定；

c.在高形变速率区内选取典型监测点，根据典型监测点在每个监测时间点间的形变，绘制该监测点在整个监测时间段内的形变曲线；其中，典型监测点的选取具体是根据实际需要研究的点来确定，可直接选取需要研究的点作为典型监测点；

d.利用形变曲线计算研究区域的形变切线角；

e.结合形变速率大小和形变切线角大小对研究区域的风险等级进行评价，其中，形变速率越大，切线角越大，则研究区域地质风险性越高。

进一步地，所述步骤b中还包括将不同卫星平台和轨道监测到的高形变速率区作并集，获取到完整的高形变速率区分布情况。

进一步地，所述步骤d中所述形变切线角αi的计算公式如下：

其中，ti表示某一监测时刻，δt表示单位时间段，s(i)表示ti时刻的形变量，δs表示单位时间段内s(i)的形变量。

进一步地，所述一个单位时间段为一个监测周期，如1周、1月等。

进一步地，当研究区域的形变切线角小于15°时则判定研究区域的风险等级较低，当研究区域的形变切线角大于等于85°时，则判定研究区域的风险等级较高。

本发明与现有技术相比，具有以下的有益效果：

本发明的基于ds-insar技术监测复杂山区形变的方法，使用ds-insar技术识别分布式散射体，分布式散射体一般为自然地面目标，利用ds-insar技术来监测复杂山区地表形变，可以在山区获得高密度的监测点，使得可靠数据量增大，极大的弥补了ps-insar技术在复杂山区难以探测到ps点的问题，可以实现对复杂山区的灾害体进行初步识别和判断，从而有导向性的对风险性高的区域进行重点排查，提高排查效率。

附图说明

图1是本发明的一个实施例的基于ds-insar技术监测复杂山区形变的方法的流程示意图。

图2是本发明的一个实施例中绘制的形变曲线示意图。

具体实施方式

下面结合本发明的实施例对本发明作进一步的阐述和说明。

实施例：

实施例一：

如图1所示，一种基于ds-insar技术监测复杂山区形变的方法，包括以下步骤：

步骤1.选取覆盖研究区域的多卫星平台(如sentinel-1a、alos-2、terrasar-x等)多轨道(如包括升轨和降轨)的sar影像数据，根据监测区域将数据裁剪到监测的研究区域范围，并使用squeesar算法获取研究区域范围内永久散射体ps点和分布式散射体ds点的形变速率以及每个监测时间之间的形变。

具体的，squeesar算法为现有技术中的一种算法，是在ps-insar算法基础上发展而来，ps-insar算法仅解算ps点的形变，squeesar算法解算ps点和ds点的形变，squeesar算法使用ks检验判定ds点，将判断出的ds点与ps点一起放入ps-insar处理流程中进行解算，得到研究区域的形变。

在影像上，ds点对应于具有相同分布特征的多个像素，这些像素点属于同一地物，地物的相干性为中等大小。squeesar算法使用ks检验识别属于干涉数据堆栈的2个图像像素是否在统计上式均匀的，从而提取ds点。

具体的，ks检验判别像素p1、p2是否为统计均匀像素，基于2个数据集分布函数作差绝对值的最大值，分析ds点的随机变量在重新参数化下是稳定的。

其中，ks检验判别算式可表示为：上式中：和分别为p1、p2的分布函数。dn的概率分布函数可用经验ks分布近似，可表示为：ks检验通过判断dn是否大于设定阈值的概率来确定p1、p2是否符合同一分布。

步骤2.不同平台和不同轨道的数据监测到不同方向的形变和形变速率，设置形变速率阈值，筛选出形变速率大于形变速率阈值的研究区域作为高形变速率区；并将不同卫星平台和轨道监测到的高形变速率区作并集，获取到完整的高形变速率区分布情况。其中，形变速率阈值的具体设定可以根据实际研究情况来设定，本实施例中设定的形变速率阈值为20mm/year。

步骤3.在高形变速率区内选取典型监测点，根据典型监测点在每个监测时间点间的形变，绘制该监测点在整个监测时间段内的形变曲线；其中，典型监测点的选取具体是根据实际需要研究的点来确定，可直接选取需要研究的点作为典型监测点，如图2所示为本实施例中根据一个典型监测点在每个监测时间点间的形变，绘制的该监测点的形变曲线。

步骤4.利用形变曲线计算研究区域的形变切线角。

从图2中可看出，初始变形阶段，切线角总体表现为由大减小，逐渐平稳；当进入等速变形阶段，切线角基本稳定在45°；在加速变形阶段，切线角增长速率急剧扩大，直至90°。

具体的，图2中的形变曲线对应的形变切线角αi的计算公式如下：

其中，ti表示某一监测时刻，δt表示单位时间段，s(i)表示ti时刻的形变量，δs表示单位时间段内s(i)的形变量。

其中，一个单位时间段为一个监测周期，如1周、1月等。

步骤5.结合形变速率大小和形变切线角大小对研究区域的风险等级进行评价，其中，形变速率越大，切线角越大，则研究区域地质风险性越高，为实地地质灾害勘察提供连续时间序列的定量地表形变数据。

本实施例中设定的在相同形变速率下，不同形变切线角对应的风险等级如下表所示：

本实施例中仅示意出了一种划分规则，实际中，也可根据具体情况设定各等级对应的角度值。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。