[go: up one dir, main page]

CN115618301A - 一种天地一体监测数据融合方法和系统 - Google Patents

一种天地一体监测数据融合方法和系统 Download PDF

Info

Publication number
CN115618301A
CN115618301A CN202211294920.XA CN202211294920A CN115618301A CN 115618301 A CN115618301 A CN 115618301A CN 202211294920 A CN202211294920 A CN 202211294920A CN 115618301 A CN115618301 A CN 115618301A
Authority
CN
China
Prior art keywords
data
monitoring data
monitoring
satellite
interpolation processing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211294920.XA
Other languages
English (en)
Inventor
高建章
马剑林
郑宇恒
李章青
王维国
吴志锋
宋雪峰
曹文琛
连江桥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Oil and Gas Pipeline Network Corp
National Pipeline Network Southwest Pipeline Co Ltd
Original Assignee
China Oil and Gas Pipeline Network Corp
National Pipeline Network Southwest Pipeline Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Oil and Gas Pipeline Network Corp, National Pipeline Network Southwest Pipeline Co Ltd filed Critical China Oil and Gas Pipeline Network Corp
Priority to CN202211294920.XA priority Critical patent/CN115618301A/zh
Publication of CN115618301A publication Critical patent/CN115618301A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B7/00—Measuring arrangements characterised by the use of electric or magnetic techniques
    • G01B7/16—Measuring arrangements characterised by the use of electric or magnetic techniques for measuring the deformation in a solid, e.g. by resistance strain gauge
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明公开了一种天地一体监测数据融合方法和系统，涉及油气管道沿线地质灾害监测领域。该方法包括：获取管道沿线目标区域的多源卫星监测数据；对所述多源卫星监测数据进行插值处理，获得多个中间数据，将每个中间数据进行三维形变计算，获得融合后的天基数据；将所述融合后的天基数据与地基监测数据进行融合。通过本方案能够实现将单一传感器的多波段信息或不同类别传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，加以互补，改善遥感信息提取的及时性和可靠性，提高数据的使用效率。

Description

一种天地一体监测数据融合方法和系统
技术领域
本发明涉及油气管道沿线地质灾害监测领域，尤其涉及一种天地一体监测数据融合方法和系统。
背景技术
我国西南区域的油气管道穿越区处于欧亚板块与印度板块强烈碰撞、挤压的地槽区，地质活动强烈，分布有一系列深大断裂和次生断裂。随着管道建设的不断发展，沿线地质灾害的危害也日益突显出来，地质灾害的发生严重制约了国民经济建设及社会发展。通过开展地质灾害研究，解释灾害发生机理、时空分布、活动规律及灾害间的相互关系，为科学预测预防地质灾害提供理论基础；通过实施应急监测，快速获取灾害信息，为抗灾救灾和应急救援提供预警和决策支持；通过灾害跟踪监测，及时掌握灾害发展动态和发展趋势，捕捉次生灾害等风险隐患，为灾害的发生提供预警预报。
目前，地基监测技术广泛用于管道沿线进行形变监测。而天基监测技术(InSAR)也可以用于监测油气管廊沿线地物变化。随着时间的累积，地基及天基会形成大量监测数据，并且监测数据种类繁多，不同环境指标的描述信息也有很大差别。同时监测数据又是每隔一段时间间隔不断增加的，这样就增加了数据的复杂性。
发明内容
本发明所要解决的技术问题是针对现有技术的不足，提供一种天地一体监测数据融合方法和系统。
本发明解决上述技术问题的技术方案如下：
一种天地一体监测数据融合方法，包括：
获取管道沿线目标区域的多源卫星监测数据；其中，所述多源卫星监测数包括每个卫星所监测的数据；
对所述多源卫星监测数据进行插值处理，获得多个中间数据；
将每个中间数据进行三维形变计算，获得融合后的天基数据；
将所述融合后的天基数据与地基监测数据进行融合。
本发明的有益效果是：通过本方案能够实现将单一传感器的多波段信息或不同类别传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，加以互补，改善遥感信息提取的及时性和可靠性，提高数据的使用效率。
本发明的数据融合方法对数据的分析处理至关重要的，有助于提高监测系统效率的，有助于更准确的发现地质变化，使监测系统发挥更大的作用。
进一步地，所述多源卫星监测数据包括：每个卫星的升轨数据和/或降轨数据。
进一步地，所述地基监测数据包括：管道监测点上GPS设备监测到的数据。
进一步地，所述融合后的天基数据包括：中间数据的正东的形变值、正北的形变值和垂直的形变值。
进一步地，所述插值处理包括：空间插值处理或时间插值处理。
采用上述进一步方案的有益效果是：本方案通过空间插值处理或时间插值处理实现LOS向转三维形变提供必需的数据基础。
本发明解决上述技术问题的另一种技术方案如下：
一种天地一体监测数据融合系统，包括：卫星数据获取模块、插值处理模块、三维形变计算模块和融合模块；
所述卫星数据获取模块用于获取管道沿线目标区域的多源卫星监测数据；其中，所述多源卫星监测数包括每个卫星所监测的数据；
所述插值处理模块用于对所述多源卫星监测数据进行插值处理，获得多个中间数据；
所述三维形变计算模块用于将每个中间数据进行三维形变计算，获得融合后的天基数据；
所述融合模块用于将所述融合后的天基数据与地基监测数据进行融合。
本发明的有益效果是：通过本方案能够实现将单一传感器的多波段信息或不同类别传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，加以互补，改善遥感信息提取的及时性和可靠性，提高数据的使用效率。
本发明的数据融合方法对数据的分析处理至关重要的，有助于提高监测系统效率的，有助于更准确的发现地质变化，使监测系统发挥更大的作用。
进一步地，所述多源卫星监测数据包括：每个卫星的升轨数据和/或降轨数据。
进一步地，所述融合后的地基监测数据包括：管道监测点上GPS设备监测到的数据。
进一步地，所述天基数据包括：中间数据的正东的形变值、正北的形变值和垂直的形变值。
进一步地，所述插值处理包括：空间插值处理或时间插值处理。
采用上述进一步方案的有益效果是：本方案通过空间插值处理或时间插值处理实现LOS向转三维形变提供必需的数据基础。
本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。
附图说明
图1为本发明的实施例提供的一种天地一体监测数据融合方法的流程示意图；
图2为本发明的实施例提供的一种天地一体监测数据融合系统的结构框图；
图3为本发明的其他实施例提供的管道沿线的目标区域的PS点示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实施例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，为本发明实施例提供的一种天地一体监测数据融合方法，包括：
主要针对地基及天基两个部分的数据。其中，可包括可先对多源卫星监测数据的融合，再将融合后的卫星监测数据与地基监测数据的融合。
S1，获取管道沿线目标区域的多源卫星监测数据；其中，所述多源卫星监测数包括每个卫星所监测的数据；
需要说明的是，在某一实施例中，利用至少两类卫星对管道沿线的目标区域进行监测，获得多源卫星监测数据，天基监测数据可包括每个卫星的升轨数据和/或降轨数据。
在另一实施例中，多源卫星可以包括Sentinel-1A和TerraSAR卫星，两类卫星的基本参数如表1Sentinel-1A卫星的基本参数信息和表2TerraSAR-X卫星的基本参数信息所示：
Figure BDA0003902300350000041
Figure BDA0003902300350000051
表1
参数项 基本参数
轨道类型 太阳同步轨道
轨道高度 514km
重访周期 11天
天线视向 左右视
波段 X波(3.1cm)
极化类型 单极化、双极化、全极化
成像模式 聚束条带宽幅
分辨率 2m×2m 3m×3m 16m×16m
带宽 10km×10km 30km×50km 100km×150km
数据产品 SSC MGD GEC EEC
表2
S2，对所述多源卫星监测数据进行插值处理，获得多个中间数据；在另一实施例中，插值处理过程还可以对融合后的天基数据进行处理。
S3，将每个中间数据进行三维形变计算，获得融合后的天基数据；
在某一实施例中，S3具体包括：将中间数据中的同一PS点进行三轨数据转三维形变计算，得到融合后的天基数据，该遥感数据包括正东、正北和垂直三个方向的形变值。进行三轨数据转三维形变计算的目的在于，将不同飞行方向、卫星入射角的InSAR监测数据，统一转换到正东、正北和垂直三个方向。其中，在某一实施例中，中间数据中的PS点，如图3所示，从中选取五个PS点的数据为例，P1-P5的坐标分别为(105.2065E，25.8594N)、(105.2063E,25.8596N)、(105.2062E,25.8589N)、(105.2069E，25.8594N)和(105.2061E，25.8591N)，使用Sentinel-1A升轨、Sentinel-1A降轨、TerraSAR-X升轨的LOS向形变数据计算一点的三维位移，利用三维形变转换模型将形变转换到东方向、北方向、高方向这三个方向上，得到该点的三维形变量。
在另一实施例中，三维形变转换过程可以包括：
根据卫星飞行方向的不同，可以将卫星飞行轨道分为升轨和降轨，由南往北飞为升轨，由北往南飞为降轨。约定形变远离雷达(沉降)时LOS向观测结果为负，反之为正。分别将LOS向、正东、正北和垂直向形变用dLOS、dE、dN、dU表示，则InSAR观测的地表形变可以表示为：
Figure BDA0003902300350000061
式中，θ为雷达观测方向(LOS向)与垂直向的夹角，即雷达入射角；α为卫星航向与正北方向沿顺时针方向的夹角，即卫星飞行方向角。
根据公式可知，用单一的维的LOS向形变信息是难以求解dE、dN、dU三个方向的形变的，为了得到三维的形变信息需要使用多维LOS向数据进行求解，本发明将以上公式转化为以下模型：
Figure BDA0003902300350000062
上式中，dLOS1、dLOS2、dLOS3已知，各卫星飞行方向α及入射角θ已知，求解方式即可得到dE、dN和dU。
S4，将所述融合后的天基数据与地基监测数据进行融合。
本方案通过上述通过三维方程进行计算，将多波段或不同类别传感器的数据带入计算公式，可以反算出具体点上的北、东、高方向上的形变(dE、dN、dU)，实现多传感器数据的融合。
通过本方案能够实现将单一传感器的多波段信息或不同类别传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，加以互补，改善遥感信息提取的及时性和可靠性，提高数据的使用效率。
本发明的数据融合方法对数据的分析处理至关重要的，有助于提高监测系统效率的，有助于更准确的发现地质变化，使监测系统发挥更大的作用。
可选地，在上述任意实施例中，所述多源卫星监测数据包括：每个卫星的升轨数据和/或降轨数据。
在某一实施例中，所述多源卫星监测数据可以包括Sentinel-1A升轨数据、Sentinel-1A降轨数据、TerraSAR升轨数据和TerraSAR降轨数据中的至少两类。例如：
包括Sentinel-1A升轨数据、Sentinel-1A降轨数据和TerraSAR升轨数据。本发明使用Sentinel-1A升降轨形变数据以及TerraSAR的升轨形变数据进行三维形变计算。在影像参数中可以获得卫星飞行方向角α和雷达观测入射角θ。对已有数据进行时序处理可以获得点位的LOS向形变，使用三轨数据即可获得三个方向的形变信息。对下式进行求解：
Figure BDA0003902300350000071
即可求得得到dE、dN和dU，即该点位北方向、东方向、高方向的形变信息，实现由单一LOS向的形变信息到三维形变信息的转换。
可选地，在上述任意实施例中，所述地基监测数据包括：管道监测点上GPS设备监测到的数据。
可选地，在上述任意实施例中，所述融合后的天基数据包括：中间数据的正东的形变值、正北的形变值和垂直的形变值。
可选地，在上述任意实施例中，所述插值处理包括：空间插值处理或时间插值处理。
在某一实施例中，插值处理可以包括：利用时间和空间差值算法先对多源卫星监测数据进行处理，例如对哨兵升、降轨，TerraSAR升轨数据进行插值运算。由于不同卫星的运行周期不一致，例如哨兵数据为6天一个周期、TerraSAR的时间周期最短为5.5天。将不同时间间隔的监测成果插值到每一天中，有利于更加细化监测结果，为实现LOS向转三维形变提供必需的数据基础。
本方案通过空间插值处理或时间插值处理实现LOS向转三维形变提供必需的数据基础。
在另一实施例中，LOS向转三维形变过程可以包括：
根据卫星飞行方向的不同，可以将卫星飞行轨道分为升轨和降轨，由南往北飞为升轨，由北往南飞为降轨。约定形变远离雷达(沉降)时LOS向观测结果为负，反之为正。分别将LOS向、正东、正北和垂直向形变用dLOS、dE、dN、dU表示，则InSAR观测的地表形变可以表示为：
Figure BDA0003902300350000081
式中，θ为雷达观测方向(LOS向)与垂直向的夹角，即雷达入射角；α为卫星航向与正北方向沿顺时针方向的夹角，即卫星飞行方向角。
根据公式可知，用单一的维的LOS向形变信息是难以求解dE、dN、dU三个方向的形变的，为了得到三维的形变信息需要使用多维LOS向数据进行求解，本发明将以上公式转化为以下模型：
Figure BDA0003902300350000082
上式中，dLOS1、dLOS2、dLOS3已知，Sentinel-1A升轨、降轨飞行方向α及θ已知，求解方式即可得到dE、dN和dU。
根据雷达侧视观测几何可知，InSAR观测到的是地表在正东、正北和垂直向形变量在雷达视线方向的投影的和(即矢量和)。单一LOS向的形变只对沿着这一方向的形变敏感，对垂直于LOS方向的形变难以监测到，无法反应监测点全方向的三维形变。此外，管道监测点上GPS设备监测到的是三维形变。为了更加全面的反应地表的三维形变，同时也为了将InSAR形变信息与GPS监测到的形变信息更好的统一和融合，需要获得地表点的三维InSAR形变信息。
在另一实施例中，为了更好地理解本发明的上述示例性实施例中的三轨数据转三维形变计算过程，下面结合具体示例对其进行进一步说明。
在某一实施例中，管道沿线的目标区域的PS点示意图，如图3所示，从图3中选取五个PS点的数据为例，P1-P5的坐标分别为(105.2065E，25.8594N)、(105.2063E,25.8596N)、(105.2062E,25.8589N)、(105.2069E，25.8594N)和(105.2061E，25.8591N)，使用Sentinel-1A升轨、Sentinel-1A降轨、TerraSAR-X升轨的LOS向形变数据数据计算一点的三维位移，三轨数据的飞行方向角、入射角和形变如表3所示，利用三维形变转换模型将形变转换到东方向、北方向、高方向这三个方向上，得到该点的三维形变量，转换后的三维形变量如表4所示。
数据类型 飞行方向角(°) 雷达入射角(°)
Sentinel-1A升轨 -12.87 39.56
Sentinel-1A降轨 -167.13 39.6
TerraSAR-X升轨 -21.32 37.31
表3
Figure BDA0003902300350000091
Figure BDA0003902300350000101
表4
该示例证明该方法能够将LOS向形变转换到三维方向，形变信息更加直观，也便于与其他数据进行融合和比较验证。
在某一实施例中，如图2所示，一种天地一体监测数据融合系统，包括：卫星数据获取模块1101、插值处理模块1102、三维形变计算模块1103和融合模块1104；
所述卫星数据获取模块1101用于获取管道沿线目标区域的多源卫星监测数据；其中，所述多源卫星监测数包括每个卫星所监测的数据；
所述插值处理模块1102用于对所述多源卫星监测数据进行插值处理，获得多个中间数据；
所述三维形变计算模块1103用于将每个中间数据进行三维形变计算，获得融合后的天基数据；
所述融合模块1104用于将所述融合后的天基数据与地基监测数据进行融合。
通过本方案能够实现将单一传感器的多波段信息或不同类别传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，加以互补，改善遥感信息提取的及时性和可靠性，提高数据的使用效率。
本发明的数据融合方法对数据的分析处理至关重要的，有助于提高监测系统效率的，有助于更准确的发现地质变化，使监测系统发挥更大的作用。
可选地，在上述任意实施例中，所述多源卫星监测数据包括：每个卫星的升轨数据和/或降轨数据。
可选地，在上述任意实施例中，所述地基监测数据包括：管道监测点上GPS设备监测到的数据。
可选地，在上述任意实施例中，所述融合后的天基数据包括：中间数据的正东的形变值、正北的形变值和垂直的形变值。
可选地，在上述任意实施例中，所述插值处理包括：空间插值处理或时间插值处理。
本方案通过空间插值处理或时间插值处理实现LOS向转三维形变提供必需的数据基础。
可以理解，在一些实施例中，可以包含如上述各实施例中的部分或全部可选实施方式。
需要说明的是，上述各实施例是与在先方法实施例对应的产品实施例，对于产品实施例中各可选实施方式的说明可以参考上述各方法实施例中的对应说明，在此不再赘述。
读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的方法实施例仅仅是示意性的，例如，步骤的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个步骤可以结合或者可以集成到另一个步骤，或一些特征可以忽略，或不执行。
上述方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种天地一体监测数据融合方法，其特征在于，包括：
获取管道沿线目标区域的多源卫星监测数据；其中，所述多源卫星监测数包括每个卫星所监测的数据；
对所述多源卫星监测数据进行插值处理，获得多个中间数据；
将每个中间数据进行三维形变计算，获得融合后的天基数据；
将所述融合后的天基数据与地基监测数据进行融合。
2.根据权利要求1所述的一种天地一体监测数据融合方法，其特征在于，所述多源卫星监测数据包括：每个卫星的升轨数据和/或降轨数据。
3.根据权利要求1或2所述的一种天地一体监测数据融合方法，其特征在于，所述地基监测数据包括：管道监测点上GPS设备监测到的数据。
4.根据权利要求1所述的一种天地一体监测数据融合方法，其特征在于，所述融合后的天基数据包括：中间数据的正东的形变值、正北的形变值和垂直的形变值。
5.根据权利要求1、2或4所述的一种天地一体监测数据融合方法，其特征在于，所述插值处理包括：空间插值处理或时间插值处理。
6.一种天地一体监测数据融合系统，其特征在于，包括：卫星数据获取模块、插值处理模块、三维形变计算模块和融合模块；
所述卫星数据获取模块用于获取管道沿线目标区域的多源卫星监测数据；其中，所述多源卫星监测数包括每个卫星所监测的数据；
所述插值处理模块用于对所述多源卫星监测数据进行插值处理，获得多个中间数据；
所述三维形变计算模块用于将每个中间数据进行三维形变计算，获得融合后的天基数据；
所述融合模块用于将所述融合后的天基数据与地基监测数据进行融合。
7.根据权利要求6所述的一种天地一体监测数据融合系统，其特征在于，所述多源卫星监测数据包括：每个卫星的升轨数据和/或降轨数据。
8.根据权利要求6或7所述的一种天地一体监测数据融合系统，其特征在于，所述地基监测数据包括：管道监测点上GPS设备监测到的数据。
9.根据权利要求6所述的一种天地一体监测数据融合系统，其特征在于，所述融合后的天基数据包括：中间数据的正东的形变值、正北的形变值和垂直的形变值。
10.根据权利要求6、7或9所述的一种天地一体监测数据融合系统，其特征在于，所述插值处理包括：空间插值处理或时间插值处理。
CN202211294920.XA 2022-10-21 2022-10-21 一种天地一体监测数据融合方法和系统 Pending CN115618301A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211294920.XA CN115618301A (zh) 2022-10-21 2022-10-21 一种天地一体监测数据融合方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211294920.XA CN115618301A (zh) 2022-10-21 2022-10-21 一种天地一体监测数据融合方法和系统

Publications (1)

Publication Number Publication Date
CN115618301A true CN115618301A (zh) 2023-01-17

Family

ID=84864426

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211294920.XA Pending CN115618301A (zh) 2022-10-21 2022-10-21 一种天地一体监测数据融合方法和系统

Country Status (1)

Country Link
CN (1) CN115618301A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115563582A (zh) * 2022-10-21 2023-01-03 国家石油天然气管网集团有限公司 油气管道沿线地质风险多尺度评估方法、装置及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101770027A (zh) * 2010-02-05 2010-07-07 河海大学 基于InSAR与GPS数据融合的地表三维形变监测方法
CN112050725A (zh) * 2020-09-14 2020-12-08 广东省核工业地质局测绘院 一种融合InSAR和GPS的地表形变监测方法
WO2022213673A1 (zh) * 2021-04-06 2022-10-13 中国矿业大学 融合无人机dom和星载sar影像的地表三维形变提取方法
CN115563582A (zh) * 2022-10-21 2023-01-03 国家石油天然气管网集团有限公司 油气管道沿线地质风险多尺度评估方法、装置及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101770027A (zh) * 2010-02-05 2010-07-07 河海大学 基于InSAR与GPS数据融合的地表三维形变监测方法
CN112050725A (zh) * 2020-09-14 2020-12-08 广东省核工业地质局测绘院 一种融合InSAR和GPS的地表形变监测方法
WO2022213673A1 (zh) * 2021-04-06 2022-10-13 中国矿业大学 融合无人机dom和星载sar影像的地表三维形变提取方法
CN115563582A (zh) * 2022-10-21 2023-01-03 国家石油天然气管网集团有限公司 油气管道沿线地质风险多尺度评估方法、装置及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CANDIDE LISSAK 等: "Remote Sensing for Assessing Landslides and Associated Hazards", 《 SURVEYS IN GEOPHYSICS》, vol. 41, 3 September 2020 (2020-09-03), pages 1391 *
李更尔 等: "InSAR、水准及GPS数据融合处理方法", 《测绘通报》, no. 2017, 1 November 2017 (2017-11-01), pages 78 - 82 *
范洪冬 等: "基于多轨道SAR的老采空区地表三维形变监测", 《采矿与安全工程学报》, vol. 34, no. 2017, 15 November 2017 (2017-11-15), pages 1156 - 1161 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115563582A (zh) * 2022-10-21 2023-01-03 国家石油天然气管网集团有限公司 油气管道沿线地质风险多尺度评估方法、装置及系统

Similar Documents

Publication Publication Date Title
Anbarasan et al. Detection of flood disaster system based on IoT, big data and convolutional deep neural network
Nie et al. Research on temporal and spatial resolution and the driving forces of ecological environment quality in coal mining areas considering topographic correction
Liu et al. Monitoring and stability analysis of the deformation in the Woda landslide area in Tibet, China by the DS-InSAR method
CN115563582A (zh) 油气管道沿线地质风险多尺度评估方法、装置及系统
Zhu et al. Preliminary identification of geological hazards from Songpinggou to Feihong in Mao County along the Minjiang River using SBAS-InSAR technique integrated multiple spatial analysis methods
Zhou et al. A comprehensive survey for deep-learning-based abnormality detection in smart grids with multimodal image data
Du et al. Deformation time series and driving-force analysis of glaciers in the Eastern Tienshan Mountains using the SBAS InSAR method
Zhang et al. Landslide hazard analysis based on SBAS-InSAR and MCE-CNN model: A case study of Kongtong, Pingliang
CN115618301A (zh) 一种天地一体监测数据融合方法和系统
Wang et al. Landslide inventory in the downstream of the Niulanjiang River with ALOS PALSAR and Sentinel-1 datasets
Wang et al. Integrated assessment of coastal subsidence in Nansha District, Guangzhou City, China: Insights from SBAS-InSAR monitoring and risk evaluation
Duan et al. Fast InSAR time-series analysis method in a full-resolution SAR coordinate system: A case study of the Yellow River Delta
Chen et al. A novel surface deformation prediction method based on AWC-LSTM model
Wang et al. Overview and analysis of ground subsidence along China’s urban subway network based on synthetic aperture radar interferometry
Yang et al. Large-scale building damage assessment based on recurrent neural networks using SAR coherence time series: A case study of 2023 Turkey–Syria earthquake
Zhang et al. A new method for continuous track monitoring in regions of differential land subsidence rate using the integration of PS-InSAR and SBAS-InSAR
Tong et al. ConvGRU-MHM: a CNN GRU-enhanced MHM for mitigating GNSS multipath
Chong et al. Long-term ground deformation monitoring and quantitative interpretation in Shanghai using multi-platform TS-InSAR, PCA, and K-means clustering
Wang et al. Analysis of land surface deformation in Chagan Lake Region using TCPInSAR
Zhang et al. Identification and Analysis on Surface Deformation in the Urban Area of Nanchang Based on PS-InSAR Method
Zhang et al. Ground deformation monitoring over Xinjiang coal fire area by an adaptive ERA5-corrected stacking-InSAR method
Yang et al. Improved mining subsidence prediction model for high water level area using machine learning and chaos theory
Guo et al. A monitoring method based on vegetation abnormal information applied to the case of Jizong shed-tunnel landslide
Wang et al. Integrating SAR and Geographic Information Data Revealing Land Subsidence and Geological Risks of Shanghai City
He et al. Surface Deformation of Xiamen, China Measured by Time-Series InSAR

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination