一种地表形变监测与预测方法技术

本发明专利技术提供了一种地表形变监测与预测方法，包括：获取研究区域的InSAR时间序列地表形变数据集，并对其进行处理，获取研究区域的环境因素数据集，并对其进行处理，将处理后的环境因素数据集及处理后的InSAR时间序列地表形变数据集进行合并，得到模型数据集，搭建Autoformer模型，通过模型数据集对Autoformer模型进行训练，调整模型超参数，获取最佳模型，选取研究区域内地表形变变化最大的研究点集，输入最佳模型进行预测预警。本发明专利技术提供的地表形变监测与预测方法，无需地面及人工配合，能够充分发挥卫星监测的优点，可对研究区域的全范围进行地表形变监测，且能够实现预测，能够降低事故发生率及财产损失率。降低事故发生率及财产损失率。降低事故发生率及财产损失率。

【技术实现步骤摘要】
一种地表形变监测与预测方法


[0001]本专利技术涉及地表形变监测
，特别是涉及一种地表形变监测与预测方法。

技术介绍

[0002]在地表形变的监测手段中，传统的大地测量技术，例如GPS及人工水准仪等容易受到低空间分辨率以及高成本的限制，另外，在对地物的巡检中，传统技术往往需要大量的专业人员及重型器械，监测时间长且监测成本高。
[0003]现有技术中还使用多时相干涉合成孔径雷达(MT
‑
InSAR)技术实现大规模、高精度、低成本的监测，其中，典型的MT
‑
InSAR技术之一是永久散射雷达干扰合成孔径雷达(PS
‑
InSAR)，在该方法中，选择了建筑、裸露岩石等时间稳定点，这些点在多幅SAR图像中具有高度稳定性和反射性，但是现有技术中对PS
‑
InSAR进行使用时往往未将其与长期时间序列预测处理分析框架相配合使用，不能实现密集地物地表沉降的预测，而且并未考虑影响地表形变的环境因素。因此，设计一种基于Autoformer及PS
‑
Insar的地表形变监测与预测方法是十分有必要的。

技术实现思路

[0004]本专利技术的目的是提供一种地表形变监测与预测方法，无需地面及人工配合，能够充分发挥卫星监测的优点，可对研究区域的全范围进行地表形变监测，且能够实现预测，能够降低事故发生率及财产损失率。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种地表形变监测与预测方法，包括如下步骤：
[0007]步骤1：获取研究区域的InSAR时间序列地表形变数据集；
[0008]步骤2：对获取的InSAR时间序列地表形变数据集进行处理；
[0009]步骤3：获取研究区域的环境因素数据集；
[0010]步骤4：对环境因素数据集进行处理，并将处理后的环境因素数据集及处理后的InSAR时间序列地表形变数据集进行合并，得到模型数据集；
[0011]步骤5：搭建Autoformer模型，通过模型数据集对Autoformer模型进行训练，调整模型超参数，获取最佳模型；
[0012]步骤6：选取研究区域内地表形变变化最大的研究点集，输入最佳模型进行预测预警。
[0013]可选的，步骤1中，获取研究区域的InSAR时间序列地表形变数据集，具体为：
[0014]获取覆盖研究区域的n幅Sentinel
‑
1A的SAR影像，根据时空基线参数及多普勒中心频率，选取其中一幅SAR影像作为主影像，其余作为辅影像，对主影像及辅影像进行精确配准及干涉处理，生成N
‑
1幅差分干涉图，获取外部DEM数据及卫星轨道数据，使用外部DEM数据与影像覆盖范围进行配准，通过卫星轨道数据进行轨道偏移矢量矫正去除平面效应，并将DEM数据采样到SAR影像的坐标系中，通过振幅离差法识别PS点，设定合理的振幅离差
阈值，提取研究区域PS候选点，构建像素点网络，其中，振幅离差法通过评估影像像元的信噪比来确认PS点，相位的信噪比可用振幅离差指数来衡量，即：
[0015][0016]式中，σ
A
及μ
A
分别为SAR影像的振幅标准差和振幅平均值，设定D
A
的阈值为x，当该位置振幅离差指数小于x时，则判断为PS点，反之，则判断不是PS点，建立形变反演模型，为：
[0017]ψ
x,i
＝W{φ
D,x,i
+φ
A,x,i
+Δφ
S,x,i
+Δφ
θ,x,i
+Δφ
N,x,i
}
[0018]式中，W为相位缠绕算子，φ
D,x,i
为由地面相位引起的相位，φ
A,x,i
为大气延迟误差相位，Δφ
S,x,i
为卫星轨道误差相位，Δφ
θ,x,i
为残余地形相位，Δφ
N,x,i
为配准误差，即热噪声失相关引起的噪声相位，建立形变反演模型，进行相邻PS点相位参数估计，解算残余高程和线性形变及大气相位参数，并测试模型解算的各参数与像素点干涉相位的拟合情况，证明模型解算值的准确性，进行大气相位移除后，重新选取PS候选点，再次进行形变分析，最后对残差进行分解，得到非线性形变信息，获取时间序列地表形变数据集，经过地理编码后得到InSAR时间序列地表形变数据集。
[0019]可选的，步骤2中，对获取的InSAR时间序列地表形变数据集进行处理，具体为：
[0020]将获取的InSAR时间序列地表形变数据集按照研究区域进行裁剪和平滑化处理，获取时间序列数据集长度，并进行文件格式转换，确认研究区域的关键点，即形变程度最大的点集合，得到处理后的InSAR时间序列地表形变数据集。
[0021]可选的，步骤3中，获取研究区域的环境因素数据集，具体为：
[0022]获取NetCDF格式数据的大气驱动数据集、地表温度分析数据集、土壤湿度数据集、土壤温度分析数据集及土壤相对湿度数据集，组成环境因素数据集。
[0023]可选的，步骤4中，对环境因素数据集进行处理，并将处理后的环境因素数据集及处理后的InSAR时间序列地表形变数据集进行合并，得到模型数据集，具体为：
[0024]通过基于Python语言的Pandas库及Numpy库将NetCDF格式数据的环境因素数据集转化为csv格式的环境因素数据集，并抽取环境因素数据集中的环境因素参数，将环境因素数据集按照研究区域经纬度网格划分，并对抽取的环境因素参数进行数据格式标准化，完成标准化后，对环境因素数据集进行数据格式审查，去除不符合常规格式的数据噪声，去除完毕后，对环境因素数据集进行异常值补充，使用各环境因素参数的平均值对环境因素数据集的空值进行补充，得到处理过的环境数据因素数据集，计算研究区域内的各研究点与采集环境因素参数的环境因素气象站的距离，每个研究点选取距其最近的环境因素气象站采集的环境因素参数作为参考，对各研究点进行聚类分簇处理，合并环境因素数据集及InSAR地表形变时间序列数据集，得到模型数据集。
[0025]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术提供的地表形变监测与预测方法，该方法包括获取研究区域的InSAR时间序列地表形变数据集，对获取的InSAR时间序列地表形变数据集进行处理，获取研究区域的环境因素数据集，对环境因素数据集进行处理，并将处理后的环境因素数据集及处理后的InSAR时间序列地表形变数据集进行合并，得到模型数据集，搭建Autoformer模型，通过模型数据集对Autoformer模型进行训练，调整模型超参数，获取最佳模型，选取研究区域内地表形变变化最大的研究点集，输入最佳模型进行预测预警；该方法将Autoformer及PS
‑
Insar相结合，并且充分考虑了影
响地表形变的环境因素，可以实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种地表形变监测与预测方法，其特征在于，包括如下步骤：步骤1：获取研究区域的InSAR时间序列地表形变数据集；步骤2：对获取的InSAR时间序列地表形变数据集进行处理；步骤3：获取研究区域的环境因素数据集；步骤4：对环境因素数据集进行处理，并将处理后的环境因素数据集及处理后的InSAR时间序列地表形变数据集进行合并，得到模型数据集；步骤5：搭建Autoformer模型，通过模型数据集对Autoformer模型进行训练，调整模型超参数，获取最佳模型；步骤6：选取研究区域内地表形变变化最大的研究点集，输入最佳模型进行预测预警。2.根据权利要求1所述的地表形变监测与预测方法，其特征在于，步骤1中，获取研究区域的InSAR时间序列地表形变数据集，具体为：获取覆盖研究区域的n幅Sentinel
‑
1A的SAR影像，根据时空基线参数及多普勒中心频率，选取其中一幅SAR影像作为主影像，其余作为辅影像，对主影像及辅影像进行精确配准及干涉处理，生成N
‑
1幅差分干涉图，获取外部DEM数据及卫星轨道数据，使用外部DEM数据与影像覆盖范围进行配准，通过卫星轨道数据进行轨道偏移矢量矫正去除平面效应，并将DEM数据采样到SAR影像的坐标系中，通过振幅离差法识别PS点，设定合理的振幅离差阈值，提取研究区域PS候选点，构建像素点网络，其中，振幅离差法通过评估影像像元的信噪比来确认PS点，相位的信噪比可用振幅离差指数来衡量，即：式中，σ
A
及μ
A
分别为SAR影像的振幅标准差和振幅平均值，设定D
A
的阈值为x，当该位置振幅离差指数小于x时，则判断为PS点，反之，则判断不是PS点，建立形变反演模型，为：ψ
x,i
＝W{φ
D,x,i
+φ
A,x,i
+Δφ
S,x,i
+Δφ
θ,x,i
+Δφ
N,x,i
}式中，W为相位缠绕算子，φ
D,x,i
为由地面相位引起的相位，φ
A,x,i
为大气延迟误差相位，Δφ
S,x,i
为卫星轨道误...

【专利技术属性】
技术研发人员：白翔宇，王昭然，任雅茹，张常兴，王浩然，
申请(专利权)人：内蒙古大学，
类型：发明
国别省市：