一种改进的PS探测方法及其在区域地表形变中的应用的中期报告.docxVIP

一种改进的PS探测方法及其在区域地表形变中的应用的中期报告 1. 研究背景和目的 随着人类活动的不断发展和城市化进程的加快，地表形变成为一个普遍存在的问题。了解地表形变的情况对于城市规划和自然灾害的预测与防范具有重要的实用价值。采用卫星遥感技术对地表形变进行监测具有时效性强、空间分辨率高、经济高效等优点，因此被广泛应用于地表形变研究中。 PS（Persistent Scatterer）技术是一种基于时间序列InSAR（Interferometric Synthetic Aperture Radar）观测数据的地表形变监测方法，其最大的优势是能够提供高空间分辨率下稳定的地物点，以及对地表形变的连续监测能力。但在实际应用中，PS技术也存在着一些问题，比如对于大规模城市区域，PS点分布数量较少，难以监测到更广泛的地表形变，同时在复杂地形区域，如山区、峡谷、河谷等地形复杂的地区，其精度和可信度会下降。 本研究旨在改进PS技术的应用范围和提升其精度和可信度，结合高分辨率遥感影像数据，采用一些新的数据处理方法，实现对区域地表形变的更全面、更准确的监测。 2. 研究方法 本研究基于高分辨率遥感影像数据和时间序列InSAR数据，采用以下方法对PS技术进行改进: （1）结合2D和3D卷积神经网络（Convolutional Neural Networks, CNNs）进行快速筛选PS点。通过对多时相InSAR图像和高分辨率遥感影像数据进行数据融合处理，生成高质量的监测点，并通过训练2D和3D CNNs模型对PS点进行筛选和分类，从而得到更稳定的PS点。 （2）引入多源遥感数据进行全面监测。融合卫星遥感数据、航空影像和地面观测数据，将其与InSAR数据相结合，实现对大范围地表形变的全面监测。 （3）利用水平位移和垂直位移的信息提取PS点信息。采用TopoPS模型，基于地形高程数据，利用水平位移和垂直位移的信息提取PS点的X、Y和Z坐标，以分析肉眼可见的地表形变。 3. 研究进展及成果 本研究目前已完成了数据的采集、预处理和分析处理等工作，初步取得了以下成果： （1） 对多种卷积神经网络模型进行测试，并运用其筛选出PS点，结果表明，CNNs模型处理速度更快，而3D CNNs模型对于提高PS点的正检率具有更好的效果。 （2）通过多源遥感数据融合的方法，有效提高了对大规模城市区域地表形变的监测能力。 （3）基于TopoPS模型，成功提取了PS点的三维坐标信息，进一步分析地表形变的情况。 4. 研究展望 本研究将继续深入探索利用卷积神经网络和多源遥感数据融合的方法，进一步优化PS点的提取方法，提高监测的精度和可信度。同时，将继续深入研究TopoPS模型，探索不同的地形条件下的PS点提取效果，并验证其可靠性和精度。最终，本研究的成果将为区域地表形变监测提供有力的技术支持和数据支撑。