基于SBAS-InSAR技术的地表沉降时间序列分析与预测.pdfVIP

２０２５４ＳＢＡＳＩｎＳＡＲ５１

年第期邵亚璇，等：基于技术的地表沉降时间序列分析与预测

．ＳＢＡＳＩｎＳＡＲＪ．２０２５４５１５７．ＤＯＩ１０．１３４７４／ｊ．

引文格式：邵亚璇，马晶，韩莉莉，等基于技术的地表沉降时间序列分析与预测［］测绘通报，（）：：

ｃｎｋｉ．１１２２４６．２０２５．０４０９．

基于ＳＢＡＳＩｎＳＡＲ技术的地表沉降时间序列分析与预测

１１２１

邵亚璇，马晶，韩莉莉，姚冠宇

（１．长春工程学院勘查与测绘工程学院，吉林长春１３００２１；２．吉林省国源建设工程设计有限公司，

吉林长春１３００２１）

摘要：万柏林区被太原市列为地质灾害高易发区之一。为探究太原市万柏林区的地表沉降情况，针对传统测量方法难以获取

３６Ｓｅｎｔｉｎｅｌ１ＡＳＢＡＳＩｎＳＡＲ

长时序、大范围的地表形变信息的问题，本文以太原市万柏林区为研究区，基于景降轨影像数据，利用

２０１７７２０２０６ＬＳＴＭＧＭ１１

技术获取了研究区年月—年月的累计沉降量及变化速率等形变数据，并分别采用神经网络模型和（，）

模型对地表特征点的监测结果进行模拟预测。研究结果表明：太原市万柏林地区出现自东向西沉降愈加严重的不均匀现象，最

①

－６０ｍｍ／ａＧＭ１１

明显的区域位于西部磺厂村附近，最大沉降速率可达；（，）模型无法对沉降监测期间波动幅度大的地表特征点进

②

ＬＳＴＭ

行有效预测，神经网络模型能较好地实现城区沉降预测，且预测精度更高。

关键词：ＳＢＡＳＩｎＳＡＲ技术；时序分析；ＬＳＴＭ；ＧＭ（１，１）

中图分类号：文献标识码：文章编号：（）

Ｐ２３７Ａ０４９４０９１１２０２５０４００５１０７

Ｔｉｍｅｓｅｒｉｅｓａｎａｌｙｓｉｓａｎｄｐｒｅｄｉｃｔｉｏｎｏｆｓｕｒｆａｃｅｓｕｂｓｉｄｅｎｃｅ

ｂａｓｅｄｏｎＳＢＡＳＩｎＳＡＲｔｅｃｈｎｏｌｏｇｙ

１１２１

ＳＨＡＯＹａｘｕａｎ，ＭＡＪｉｎｇ，ＨＡＮＬｉｌｉ，ＹＡＯＧｕａｎｙｕ

１．ＳｃｈｏｏｌｏｆＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇＥｎｇｉｎｅｅｒｉｎｇＣｈａｎｇｃｈｕｎＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙＣｈａｎｇｃｈｕｎ１３００２１Ｃｈｉｎａ２．ＪｉｌｉｎＧｕｏｙｕａｎ

（，