浏览全部资源
扫码关注微信
1. 云南大学国际河流与生态安全研究院
2. 云南省中老孟缅自然资源遥感监测国际联合实验室
3. 云南大学地球科学学院
4. 昆明理工大学国土资源工程学院
5. 云南省高原山区地质灾害预报预警与生态保护修复重点实验室
6. 云南省地质环境研究院
7. 云南省遥感中心
纸质出版:2025
移动端阅览
黄一鸣, 杨梦诗, 黄成, 等. 中老铁路沿线InSAR监测几何畸变判识与灵敏度建模[J]. 地理空间信息, 2025,23(6):8-12+60.
黄一鸣, 杨梦诗, 黄成, et al. 中老铁路沿线InSAR监测几何畸变判识与灵敏度建模[J]. 2025, 23(6): 8-12+60.
黄一鸣, 杨梦诗, 黄成, 等. 中老铁路沿线InSAR监测几何畸变判识与灵敏度建模[J]. 地理空间信息, 2025,23(6):8-12+60. DOI:
黄一鸣, 杨梦诗, 黄成, et al. 中老铁路沿线InSAR监测几何畸变判识与灵敏度建模[J]. 2025, 23(6): 8-12+60. DOI:
在高原山区,复杂地形会与InSAR技术固有的侧式成像相互作用产生几何畸变现象导致难以获得有效观测,且影响形变监测的灵敏度。本研究结合Sentinel-1卫星数据及地形数据,实现了顾及局部入射角变化率的判别法对中老铁路沿线的几何畸变定量分析,并以地面几何和成像几何构建了InSAR监测灵敏度模型。结果表明:中老铁路沿线主要几何畸变为透视收缩,在升降轨数据中面积占比分别为49.2%和49.5%,叠掩加阴影区域面积在升降轨数据中仅为1.6%和1.3%;在升降轨数据中灵敏度值大部分位于0.2~0.6之间,面积占比分别为43.8%和43.9%,灵敏度值小于0.2的面积占比分别为26.8%和26.4%。研究综合考虑了SAR几何畸变和灵敏度对长线性地物进行InSAR监测的影响,为后续地表形变监测和结果解译精确性提供了科学依据。
IGARSS 2014[J].IEEE Geoscience and Remote Sensing Magazine,2013.
Kropatsch W.G.,Strobl D..The generation of SAR layover and shadow maps from digital elevation models[J].IEEE Transactions on Geoscience and Remote Sensing,1990(1).
田鹏.把边江断裂带构造活动特征及流域盆地地貌响应[A].2022年中国地球科学联合学术年会,2022.
杨梦诗,廖明生,常玲,Ramon F.Hanssen.城市场景时序InSAR形变解译:问题分析与研究进展[J].武汉大学学报(信息科学版),2023(10).
郭绍琨,董杰,张路,廖明生.海量InSAR点云在线可视化与解译平台[J].遥感学报,2023(07).
杨迎冬,晏祥省,王宇,汤沛,魏蕾,赵鹏,黄成.云南省地质灾害特征及形成规律研究[J].灾害学,2021(03).
廖明生,董杰,李梦华,敖萌,张路,史绪国.雷达遥感滑坡隐患识别与形变监测[J].遥感学报,2021(01).
高瑜,张华,杨洋.云南省景洪市地质灾害分布规律及防治建议[J].云南地质,2020(04).
戴可人,铁永波,许强,冯也,卓冠晨,史先琳.高山峡谷区滑坡灾害隐患InSAR早期识别——以雅砻江中段为例[J].雷达学报,2020(03).
周桂华,吴惠标,谢亚萍.2018年云南省主要自然灾害综述与减灾对策探讨[J].防灾科技学院学报,2019(04).
李振洪,宋闯,余琛,肖儒雅,陈立福,罗慧,戴可人,葛大庆,丁一,张宇星,张勤.卫星雷达遥感在滑坡灾害探测和监测中的应用:挑战与对策[J].武汉大学学报(信息科学版),2019(07).
朱涯,黄玮,李蒙,张明达.云南省山洪地质灾害分布特征及致灾因子分析[J].灾害学,2018(03).
秦晓琼,杨梦诗,廖明生,王寒梅,杨天亮.应用PSInSAR技术分析上海道路网沉降时空特性[J].武汉大学学报(信息科学版),2017(02).
葛大庆,张玲,王艳,李曼,刘斌.上海地铁10号线建设与运营过程中地面沉降效应的高分辨率InSAR监测及分析[J].上海国土资源,2014(04).
解明恩,程建刚,范菠.云南气象灾害的时空分布规律[J].自然灾害学报,2004(05).
张培震,邓起东,张国民,马瑾,甘卫军,闵伟,毛凤英,王琪.中国大陆的强震活动与活动地块[J].中国科学(D辑:地球科学),2003(S1).
0
浏览量
164
下载量
CSCD
关联资源
相关文章
相关作者
相关机构