由于短的影像获取时间间隔(9分钟),因此,可以忽略坡体介电常数和大气延迟的影响,但是对于突变的天气变化,大气延迟的影响是不能忽视的。得到的差分相位可以依据式(13.2)直接转换为视线方向的形变量:
图13-11为一个时间序列的8幅差分后形变图像,时间范围为37小时。形变方向对应着坡度在视线方向的移动,负值表示距离减小,即朝着观测者运动。从图13-11可以看出,观测20小时之前,整个坡体保持稳定,没有明显的形变区域,20小时后,坡体左上角有一个区域出现明显形变,形变区域由中心向外围扩展。图中其他区域也存在零散的形变比较大的点,这是由于SAR影像受到斑点噪声的影响造成,因此,仅考虑影像间的相干性选择高质量点是不完整的。
图13-11 2010年09月12日15:33至2010年09月14日06:26获得的形变
为更详细地了解形变区域的运动过程,对形变区域做了时间序列分析,选择区域如图13-10所示,对形变区域内所有点的形变量取均值作为区域形变值,可以看出形变量和形变速度都表现出明显的线性趋势,依据形变值得到区域性形变和形变速度图像,如图13-12所示,从图可以看出此区域在40小时的监测中,总体形变值为5.08mm,基本保持-0.026mm/h的形变速度。同时采用前30小时内的形变值做拟合值进行线性回归分析,求出形变方程,后10小时的形变值检验拟合精度,拟合中误差为0.081mm,小于地基合成孔径雷达干涉测量的精度(0.1mm),因此,拟合的线性形变方程是可靠的,可以预测形变值。采用相同的方法拟合了线性形变速度方程。
图13-12 主要形变区域的位移和位移速度时间序列图(www.daowen.com)
对形变区域安置棱镜的3个点也做了时间序列分析,图13-13~图13-15为各点的形变和形变速度图像,从图中可以看出,点1、点2、点3三点都表现出线性的形变趋势,但是与区域形变趋势相比,个别时刻存在异常形变值,因此不能采用普通的线性回归分析,再用两种措施拟合线性形变趋势,分别为抗差线性回归分析和时间维低通滤波后线性回归分析,通过比较分析,两种方式都能去除粗差点的影响。地基合成孔径雷达干涉测量的是视线方向的形变值,而全站仪观测得到的是垂直方向的形变值,依据雷达成像的几何关系,虽然可以把视线方向的形变量分解为垂直方向的形变量,但是由于坡体地形的复杂性,得到的垂直方向的形变量存在不确定性,因此,二者得到的结果不可能完全吻合,从图形可以看出,此案例得到的结果基本保持吻合,最大的差值为0.5mm。从3个点分布的位置可以看出,点1位于形变区域中心,在40小时监测时间段中,形变值较大,达到6.95mm,其次为点2和点3,分别为6mm和4.79mm;3个点的形变速度依次为-0.029mm/h、-0.022mm/h和-0.016mm/h。测量结果也可以评定地基合成孔径雷达干涉测量监测边坡的精度,对于区域形变监测精度约为1.5mm,单点精度为1.7mm。由于区域形变值是由形变区域形变值平均得到的,故形变监测精度略高于单点精度。
图13-13 点1的位移和位移速度时间序列图
图13-14 点2的位移和位移速度时间序列图
图13-15 点3的位移和位移速度时间序列图
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。