基于GB-InSAR技术的水电工程高边坡变形监测

为解决大型水电工程复杂边坡表面变形监测存在的监测范围受地形限制、设备安装运维成本高、点位布设易遗漏等问题,采用地基合成孔径雷达(SAR)干涉测量技术(GB-InSAR),开展水电工程地质条件复杂的百米级高边坡表面变形三维非接触实时监测。首先将合成孔径雷达架设于所需监测边坡对岸,设定监测数据采集频率和监测预警值;然后构建一种基于三维激光扫描技术的改进雷达数据降噪模型,智能化判断和筛查现场异常数据;最后采用数据解缠和变形分析获取变形监测结果,通过云端服务器和人工智能算法,实时查询监测区域的历史形变及位移数据。结果表明：较传统监测技术,采用非接触式监测技术具有分辨率高、自动化程度高、受地形等条件限制少、有效识别和穿透掩盖物等优点;可实现短时间内识别亚毫米级的变形;建立的雷达数据降噪模型可提升监测数据的可视性、有效性和可靠性。     

基于Sentinel-1A极化SAR数据与面向对象方法的山区地表覆被分类

地表覆被分类对国土资源调查评估及全球变化具有基础性和关键性意义,但山区由于地形和云雾等的影响,可利用光学遥感影像和其他资源十分稀缺。因此,论文以渝东南山区为研究区,基于Sentinel-1A极化合成孔径雷达（SAR）数据,通过系列预处理,得到后向散射系数值,同时对各类地物的VV/VH极化后向散射系数、纹理、高程和坡度等特征值统计分析,综合这些特征值运用面向对象分类方法对单时相与多时相SAR数据进行地表覆被分类,最后将这两种分类方法与Landsat 8 OLI数据分类作对比。研究表明：1）在同时运用面向对象分类方法的前提下,单时相SAR数据分类和Landsat 8 OLI数据分类精度相当,多时相SAR数据面向对象分类精度最高,总精度为85.65%,Kappa系数为0.829 9;2）与光学数据相比,SAR数据对阔叶林、人工建筑提取有优势,精度提高了10%以上,多时相特征有利于耕地和针阔混交林提取,分类精度比单时相提高了9%左右;3）研究区土地覆被类型以林地为主,占总面积的42.68%,耕地、草灌次之,人工建筑、草地与河流占地面积较少。