Surface deformation analysis of Hohhot urban area based on SAR data from Sentinel-1A
-
摘要: 为了实现对呼和浩特市城区形变监测,采用永久散射体合成孔径雷达干涉测量(PS-InSAR)技术,对2017年3月—2021年4月期间25景呼和浩特市城区Sentinel-1A数据进行时序干涉处理,提取了城区地表沉降信息,并分析了主要沉降中心沉降原因。结果表明:呼和浩特市城区地表存在5个明显的沉降中心,整体地表平均年沉降速率3.65 mm/a,平均累计沉降量为15.50 mm,其沉降主要原因是由于地下水过度开采。Sentinel-1A数据具有时间基线短、影像数量足、数据免费等优点,利于InSAR时序分析,可满足同类城区地表形变监测工作,服务城市安全。
-
关键词:
- 地表沉降 /
- Sentinel-1A /
- 时序分析 /
- 永久散射体干涉技术 /
- 呼和浩特
Abstract: In order to realize the monitoring of deformation in the urban area of Hohhot city, this paper uses the permanent scatterer synthetic aperture radar interferometry (PS-InSAR) technique to perform temporal interferometric processing on 25 scenes of Sentinel-1A data from March 2017 to April 2021 in the urban area of Hohhot city to extract the surface subsidence information in the urban area and analyze the causes of subsidence in the main subsidence centers. The results show that there are five obvious centres of subsidence in the urban area of Hohhot, and that the overall average annual surface subsidence rate is 3.65 mm/a, with an average cumulative subsidence of 15.50 mm. The subsidence is mainly due to over-exploitation of groundwater. Given that the free Sentinel-1A data has the advantages of short time baseline and sufficient number of images, it is conducive to InSAR time series analysis, which can meet similar urban surface deformation monitoring work and serve urban safety.-
Keywords:
- ground subsidence /
- Sentinel-1A /
- time series analysis /
- permanent scatterer interferometry /
- Hohhot
-
0. 引言
滑坡监测预警是有效减少人员伤亡和财产损失的重要防灾措施之一。近年来随着滑坡监测技术的不断发展,InSAR[1 − 2]、三维激光[3 − 4]、无人机摄影测量[5 − 6]等非接触型边坡监测技术应运而生,可以获取滑坡任意区域的变形数据,但受制于无法进行实时数据分析,一般用于滑坡隐患识别,而对于有实时监测预警需求的滑坡灾害,则主要依靠直接接触的变形监测技术,如裂缝计[7 − 8]、GNSS[9 − 10]等,通过直观可靠的地表变形监测,分析滑坡变形发展趋势进行预警[11 − 12],如近年来广泛应用的切线角预警模型构建的滑坡变形预警技术,成为了实现滑坡实时预警的可靠手段[13]。这类监测技术应用过程中,GNSS设备因其良好的全天候、多方向监测能力得到了广泛的应用,成为滑坡变形监测最主要的设备之一[14]。
GNSS设备应用于滑坡变形监测时,监测精度可达毫米级,常见误差在±5 mm左右[15],但在受天气或设备本身定位解算异常影响时GNSS变形数据也可能出现异常波动,导致根据变形量计算的滑坡变形速率产生明显震荡,引起边坡变形监测的误报。因此,针对监测数据误差问题,一些学者提出了各种方法对变形量监测数据进行过滤,以还原滑坡实际变形速率,包括采用Kalman滤波及其改进[16 − 18]、神经网络法[19 − 22]、小波降噪法及其改进[23 − 25]等,这些方法都能在事后较好地平滑变形数据,并且过滤后的数据趋势也与滑坡实际变形趋势基本相符,但这类方法需要大量的前期数据进行分析,无法真正应用到滑坡的实时预警中。由此,部分学者开始应用具有一定实时数据处理能力的解析式过滤方法,如各类最小二乘和回归拟合[26 − 27]、移动平均法[28]等,以实现变形数据的实时过滤。其中,最小二乘法由于同时考虑了时间序列的影响,相对于移动平均能更真实地还原出滑坡变形发展趋势,得到了更好的应用。
在基于GNSS监测的滑坡变形数据实时过滤过程中,由于GNSS偶然误差的影响,会导致常规最小二乘法过滤时无法有效剔除异常值,导致预警误报的发生,而目前单一的过滤方法都无法实现较好的过滤,因此,解决变形数据的实时过滤问题,并实现异常误差值的实时剔除,是还原真实滑坡变形数据的重要支撑,也是实现滑坡变形真正实时有效预警的关键。
1. GNSS变形数据误差特点
GNSS获取的滑坡变形量误差一般可分为两类,分别是精度误差和偶然误差(图1)。其中,由于设备定位精度影响导致获得的变形量在一定范围内反复波动的误差为精度误差,具有一定的规律和波动幅度;而偶然误差则是由于各类原因导致GNSS设备定位准确度产生的较大偏差,使变形量监测中出现偶发的异常大跳点。在这两类误差影响下,GNSS设备获得的滑坡变形量数据呈现明显的波动,而根据变形量直接计算的滑坡变形速率也呈显著的规律波动和异常抖动,难以进行可靠的变形预警。
2. 变形数据误差过滤方法
2.1 变形数据过滤尺度的确定
对于GNSS设备的变形误差过滤,都是选取一定数量的最新数据,采用各种过滤方法对获得的变形量数据进行实时过滤。而在滑坡变形监测过程中,影响数据过滤效果的最重要因素是数据的选取数量。不同的过滤方法在过滤数据数量不同时,过滤效果也不同。数据选取量越少,平滑后的偏差波动越大;数据选取量越多,平滑效果越好,但对于真正加速后产生的变形量增大则不容易及时识别。目前对于变形量数据的选取数量并没有统一的标准,主要根据经验选取一定数量的变形数据进行平滑,但两者之间应当有一个最佳平衡点,即在确保较好的数据偏差过滤效果的前提下,选取的数据数量最少以减小延迟。同时,还应当考虑不同GNSS设备或区域的差异,构建具有一定普适性的变形数据选取数量,以实现针对这类设备的通用变形数据量选用。
2.2 精度误差的过滤
对于GNSS的变形量精度误差的过滤,目前有很多方法都可以较好地实现数据过滤,如移动平均法、最小二乘法等,其中最小二乘过滤方法简单,拟合后直线斜率为滑坡变形速率,且拟合数据同时考虑了变形量时间序列,在监测频率变化时不会出现局部大幅度波动[29]。因此,本文以常见的最小二乘法过滤为基础,通过搜集国内不同区域、不同型号的GNSS设备获取的边坡不同监测频率的变形量数据进行分析(图2)。通过选取相同长度时间内边坡未产生明显变形的GNSS合位移监测数据,并比较不同数据量选用下的变形量过滤偏差大小的规律,具体方法为:采用不同数量的数据进行最小二乘拟合,获得拟合后的直线位移,并计算其与实际位移量之间的最大偏差值,然后按时间依次向前推进,继续进行最小二乘拟合,并不断计算拟合位移量与实际位移量之间的最大偏差值,最终获得整个时间段上的最大偏移量值。最小二乘拟合的数据量需大于3组,因此分别采用3组~80组数据作为数据选择总量各自进行拟合,最终建立不同数据总量与拟合后最大数据偏差量之间的关系(图3)。
通过对比了甘肃省黑方台陈家3#滑坡(监测频率30 min)、江西省弋阳县三县岭滑坡(监测频率1 h)、四川省理县薛城镇滑坡(监测频率1 h)和云南省丽江市华丽高速边坡(监测频率5 min)4个区域不同监测频率的GNSS监测数据过滤效果的偏差关系发现(图4),整体上GNSS监测数据随着拟合采用的数据总数量增多,拟合后的最大偏差值呈逐渐减小的趋势。不同类型的GNSS监测数据都具有大体相同的减小规律,即整体上随着拟合采用的数据总数量增多,GNSS的最大偏差降低程度可以分为三个阶段:快速降低(数据量3~15)、震荡降低(数据量16~40)、缓慢降低(数据量>40)。在快速降低阶段,随着拟合数据量的不断增多,拟合后的GNSS变形数据最大偏差值呈大幅度下降的特征,数据量越多,偏差降低越明显;在震荡降低阶段,拟合后的GNSS变形数据最大偏差值呈波动下降的特征,整体上随着数据量的增多偏差呈较大幅度降低,同时中间也出现明显的震荡区域,即随着数据量的增多,最大偏差值可能出现小幅度的增大,随后再继续降低;在缓慢降低阶段,随着拟合数据量的继续增多,拟合后的GNSS变形数据最大偏差值呈缓慢下降的特征,如拟合数据总数量增加一倍,从40组数据增加至80组数据时,所有GNSS的最大偏移量降低幅度仅约20%,偏差值的过滤效果并不好。
由此可见,对于常见的GNSS监测数据的过滤,可以以快速降低和震荡降低两阶段过滤效果为参考,选用缓慢降低阶段起点的40个数据量进行数据过滤。为了进一步明确该选取值是否有较好的适用性,通过现有甘肃省黑方台陈家3#滑坡和云南省丽江市华丽高速边坡的监测数据按照每小时1组提取进行修正,采用相同过滤方法对比不同监测频率下相同边坡的数据过滤规律(图5)。通过对比发现,GNSS变形监测数据表现出的过滤阶段与频率无显著关系,不同监测频率下仍然可以采用相同的三阶段进行划分,在大约40个数据量时也处于缓慢降低阶段的起点。而不同频率对GNSS变形监测数据的过滤效果差异主要在于偏差的降低幅度,这是由于监测频率过高使得数据量过于集中,在局部时段内GNSS误差呈整体偏大或偏小时,导致整个数据的偏差过滤都出现一定的偏差。而当监测频率大幅降低时,数据量间的持续时间变长,会克服局部时间段区域内数据整体偏大或偏小的问题,因此总体偏差降低幅度会增加,如图5中云南省丽江市华丽高速边坡GNSS监测频率从5 min降低至1 h时,同样的80组数据对应的时间段也从400 min变成80 h,对应了偏差降低幅度也从60%增加至85%。
根据分析发现,对于GNSS变形监测数据的过滤,可以以缓慢降低阶段起点对应的40个数据量作为过滤数据量尺度,对应变形数据的偏差降低幅度均超过50%,能达到在尽量少的数据量前提下取得较好的过滤效果。
2.3 偶然误差的过滤
由于GNSS变形监测数据通过卫星获取并解算定位信息,在极端恶劣环境或偶然故障情况下,可能出现变形量监测值的大幅度偏差,即偶然误差(图1)。这类误差呈偶发性,通过多个省份多个类型的GNSS数据进行统计分析发现,GNSS均有一定的偶然异常值,且异常数据总量均小于全部数据总量的10%,呈普遍性规律,这部分数据偏移量极大,可能是正偏移值(即出现极大的数据值),也可能是负偏移值(即出现极小的数据值),属于错误数据,本身没有意义。由于偶然误差的出现会导致计算出的变形速率出现显著的震荡,使基于变形速率的预警产生误报,同时常规的过滤方法难以直接过滤这类误差,因此,最好的处理方式是及时剔除偶然误差,但这一过程需要实时条件下进行才能保证滑坡监测预警的实时性。
为了实现监测数据的实时过滤,同时及时判识并剔除偶然误差,可以采用设置一定缓冲过滤区的误差剔除方法(图6)。考虑到GNSS变形监测数据过滤量在40个时,可以较好地实现常见精度误差的过滤,对应缓冲过滤区的数据量也设置为40个,具体过滤方法为:当GNSS变形监测数据获取到最新的变形量数据后,取最新的40组变形量监测数据作为数据缓冲区,由时间正序去掉10%的最大变形量(即从过去到最新时间顺序选取4组最大值),由时间倒序去掉10%的最小变形量数据(即从最新时间到过去顺序选取4组最小值)。采用该方法处理后,数据中的偶然误差极大值和极小值都被剔除,还原出仅有精度波动的有效数据;而剩余32组数据作为有效变形量数据,再采用最小二乘过滤方法进行过滤以获得滑坡变形速率信息。随着GNSS不断获取新的变形量数据,对应更新缓冲过滤区实现偶然误差的实时剔除和精度误差的实时过滤。
该方法的应用中,缓冲过滤区需要40个监测数据作为基数,按照常规GNSS变形监测数据1 h/次的监测频率,对应缓冲过滤区的判断需要连续40个小时的监测数据。需要说明的是,对于具有突发性特点的滑坡该方法难以及时判断其变形发展趋势。对此可以引入具有监测频率动态调节的自适应GNSS监测设备,在滑坡加速变形时通过自适应变频实现监测频率的自动增加。具体为:通过设置GNSS变形监测设备阈值为S(S大于设备监测精度),采用5 min/次的动态监测对比方式进行判断,当实际监测数据和最新记录的GNSS数据之差大于阈值S时,认为变形可能存在加速情况,此时记录最新的监测数据;当实际监测数据和最新记录的GNSS数据之差小于阈值S时,认为变形尚不明显,仍然采用1 h/次的常规监测频率获取数据。以此不断进行比对和记录,实现滑坡变形在进入加速变形期间能自动将监测频率调整到最高5 min/次,对应40组变形监测数据的最小时间间隔仅为不足4小时,对于不具有强烈突发性的滑坡,可以及时有效地识别出加速且不会导致误报。
3. 过滤方法应用效果探讨
四村滑坡位于四川省茂县黑虎乡,为降雨诱发的堆积体变形滑坡,该区域近年来已实施了自动化监测,并布设了1套GNSS监测站。通过前几年的监测获取了一段时间的GNSS变形监测数据(图7a),该滑坡整体处于基本稳定状态。但在2018年4月12日到13日出现了一次较明显的加速过程(图7b),GNSS监测站全程获取了该次加速变形的位移变化数据。通过提取该加速变形区间的GNSS合位移,并分别采用最小二乘法和剔除误差后的最小二乘法拟合该区域的变形速率进行对比发现(图7c),变形速率的变化特征在剔除误差前后基本一致,能有效反应出GNSS合位移先增大后减缓时表现出的滑坡变形速率增大和减小,两者之间一致性较好,并未出现明显的延迟或显著差异。
同时,以最新的彭州市某矿山边坡GNSS变形监测数据为例,进一步验证该方法的过滤效果。该矿山边坡为矿山开采后形成的人工边坡,目前较为稳定,未产生明显变形。GNSS监测站获取了边坡2024年1月份的变形数据(图8a),可见虽然边坡无明显变形,但获取的GNSS原始累计合位移数据有明显的异常跳跃点(图8b),导致了根据累计位移计算的变形速率呈上下波动状态(图8c),最大变形速率达到283.81 mm/d,显然不符合实际情况。采用数据过滤方法处理,剔除10%最大数据和10%最小数据后采用最小二乘拟合,得到的变形速率较稳定地在0附近(图8c),实时反映出了边坡的真实变化状态。
可见,结合了数据过滤和偶然误差剔除的GNSS变形数据过滤方法,可以在实时监测的情况下去掉大偏差数据,且不影响监测数据的实际发展趋势判定,两者的结合为滑坡变形的及时预警提供可靠的数据过滤算法。
4. 结论
针对滑坡地表变形常用的GNSS监测技术在预警过程中出现的精度误差和偶然误差,本文分析了常见的GNSS设备监测获得的滑坡变形数据误差特征,提出了对应的数据过滤方法,以实现滑坡变形数据的实时过滤,为有效的提前预警提供了科学数据过滤方法。本文主要得到以下结论:
(1)滑坡GNSS变形数据存在精度误差和偶然误差,其中精度误差可以通过数据解析式过滤的方法实时过滤,偶然误差则应通过剔除的方式进行过滤。
(2)以最小二乘法进行解析式过滤时发现,随着参与过滤的数据总量增多,GNSS过滤后的变形量数据偏差大小呈快速降低、震荡降低、缓慢降低三个阶段,可以选取缓慢降低阶段起点对应的数据量值40组数据确定为过滤尺度,在确保过滤效果的前提下减少数据延迟。
(3)通过构建数据缓冲区剔除GNSS变形数据可能出现的偶然误差,同时采用自适应变频技术的方式,使构建数据缓冲区导致的数据分析滞后时间减小到最短不足4小时,为滑坡的实时预警预报提供及时可靠的数据支持,满足非突发性滑坡基于变形速率的预警需求。
(4)通过对典型滑坡GNSS变形数据的应用验证,该方法可以实现变形速率误差波动的有效过滤,同时偶然误差的剔除也对滑坡实际变形速率不产生明显延迟,可以较好地还原滑坡实际变形发展趋势,具有一定的普适性和适用性。
-
表 1 研究所采用的Sentinel-1A数据参数
Table 1 Summary of the Sentinel-1A data parameters used in the study
影像编号 成像日期 空间基线距/m 时间基线距/d 影像编号 成像日期 空间基线距/m 时间基线距/d 1 2017-03-19 −34.87 −564 14 2019-04-02 −28.33 180 2 2017-04-12 −37.39 −540 15 2019-06-01 −23.04 240 3 2017-06-11 26.72 −480 16 2019-08-12 −78.11 312 4 2017-07-29 −40.10 −432 17 2019-10-11 53.56 372 5 2017-10-09 −33.23 −360 18 2019-12-10 87.43 432 6 2017-12-08 45.08 −300 19 2020-02-08 62.98 492 7 2018-02-06 −31.88 −240 20 2020-04-08 63.07 552 8 2018-04-07 12.50 −180 21 2020-05-14 −30.41 588 9 2018-06-06 −22.68 −120 22 2020-08-06 29.23 672 10 2018-08-05 −18.48 −60 23 2020-10-05 −33.29 732 11 2018-10-04 0.00 0 24 2020-12-04 23.03 792 12 2018-12-03 48.10 60 25 2021-04-03 5.72 912 13 2019-02-01 45.28 120 -
[1] 侯保俭,翟家齐,侯红雨,等. 呼和浩特市平原区地下水数值模拟[J]. 水电能源科学,2019,37(2):27 − 30. [HOU Baojian,ZHAI Jiaqi,HOU Hongyu,et al. Numerical simulation of groundwater in plain area of Hohhot[J]. Water Resources and Power,2019,37(2):27 − 30. (in Chinese with English abstract) [2] 王超,董少刚,刘晓波,等. 城市化对呼和浩特市潜水补给影响研究[J]. 现代地质,2018,32(3):574 − 583. [WANG Chao,DONG Shaogang,LIU Xiaobo,et al. Influence of urbanization on unconfined groundwater recharge in Hohhot,Inner Mongolia[J]. Geoscience,2018,32(3):574 − 583. (in Chinese with English abstract) DOI: 10.19657/j.geoscience.1000-8527.2018.03.15 [3] 郭道强. 呼和浩特市地下水现状与发展浅析[J]. 内蒙古水利,2012(6):37 − 39. [GUO Daoqiang. Analysis on the present situation and development of groundwater in Hohhot[J]. Inner Mongolia Water Conservancy,2012(6):37 − 39. (in Chinese with English abstract) [4] 刘昱彤. PS-InSAR技术的地表沉降监测研究[D]. 唐山: 华北理工大学, 2020 LIU Yutong. Surface subsidence monitoring of PS-InSAR technique[D]. Tangshan: North China University of Science and Technology, 2020. (in Chinese with English abstract)
[5] 张剑. 基于Sentinel-1数据的兰州市中心城区地面沉降监测研究[D]. 兰州: 兰州交通大学, 2020 ZHANG Jian. Research on land subsidence monitoring in Lanzhou City center based on Sentinel-1 data[D]. Lanzhou: Lanzhou Jiaotong University, 2020. (in Chinese with English abstract)
[6] 廖明生,裴媛媛,王寒梅,等. 永久散射体雷达干涉技术监测上海地面沉降[J]. 上海国土资源,2012,33(3):5 − 10. [LIAO Mingsheng,PEI Yuanyuan,WANG Hanmei,et al. Subsidence monitoring in Shanghai using the PSInSAR technique[J]. Shanghai Land and Resources,2012,33(3):5 − 10. (in Chinese with English abstract) [7] 马秀露. 永久散射体雷达干涉测量技术研究及工程应用[D]. 西安: 西安电子科技大学, 2019 MA Xiulu. Study and engineering application on permanent scatterers interferometric synthetic aperture radar[D]. Xi’an: Xidian University, 2019. (in Chinese with English abstract)
[8] 郑佳兵,郑佳荣,张丽丽,等. 道路交通对北京平原区沉降的影响[J]. 交通运输研究,2020,6(6):62 − 72. [ZHENG Jiabing,ZHENG Jiarong,ZHANG Lili,et al. Influence of road traffic on subsidence of Beijing plain area[J]. Transport & Research,2020,6(6):62 − 72. (in Chinese with English abstract) DOI: 10.16503/j.cnki.2095-9931.2020.06.008 [9] 张勤,黄观文,杨成生. 地质灾害监测预警中的精密空间对地观测技术[J]. 测绘学报,2017,46(10):1300 − 1307. [ZHANG Qin,HUANG Guanwen,YANG Chengsheng. Precision space observation technique for geological hazard monitoring and early warning[J]. Acta Geodaetica et Cartographic Sinica,2017,46(10):1300 − 1307. (in Chinese with English abstract) [10] 王平豪. PS-InSAR在沉降监测中的应用研究: 以深圳福田区为例[D]. 北京: 中国地质大学(北京), 2017. WANG Pinghao. The application of PS-InSAR technology in Shenzhen Futian settlement monitoring[D]. Beijing: China University of Geosciences, 2017. (in Chinese with English abstract)
[11] 张荐铭,甘淑,袁希平,等. PS-InSAR技术的昆明地表沉降特征提取与分析[J]. 测绘科学,2019,44(1):53 − 59. [ZHANG Jianming,GAN Shu,YUAN Xiping,et al. The extraction and analysis of Kunming ground deformation characteristics based on PS-InSAR[J]. Science of Surveying and Mapping,2019,44(1):53 − 59. (in Chinese with English abstract) DOI: 10.16251/j.cnki.1009-2307.2019.01.011 [12] 林凯. 卡尔曼滤波-BP神经网络组合模型在地铁变形监测中的应用[D]. 西安: 西安科技大学, 2019 LIN Kai. Application of kalman filter-BP neural network combintion model in metro deformation monitoring[D]. Xi’an: Xi’an University of Science and Technology, 2019. (in Chinese with English abstract)
[13] 胡勇平. 基于CEEMDAN-PSO-LSSVM模型的基坑变形预测研究[D]. 呼和浩特: 内蒙古农业大学, 2018 HU Yongping. Study on deformation prediction of foundation pit based on CEEMDAN-PSO-LSSVM model[D]. Hohhot: Inner Mongolia Agricultural University, 2018. (in Chinese with English abstract)
[14] 张凯,相福斌. 呼和浩特轨道交通2号线某车站基坑开挖沉降监测分析[J]. 现代隧道技术,2020,57(增刊 1):884 − 889. [ZHANG Kai,XIANG Fubin. Monitoring and analysis of settlements induced by foundation pit excavation in metro station of Hohhot area[J]. Modern Tunnelling Technology,2020,57(Sup 1):884 − 889. (in Chinese with English abstract) DOI: 10.13807/j.cnki.mtt.2020.S1.118 [15] 杨红樱,熊峰. 降雨对呼和浩特地震台形变观测的影响[J]. 地震地磁观测与研究,2019,40(5):101 − 108. [YANG Hongying,XIONG Feng. Influence of rainfall in deformation at Hohhot seismic station[J]. Seismological and Geomagnetic Observation and Research,2019,40(5):101 − 108. (in Chinese with English abstract) [16] 石鸿蕾,郝奇琛,邵景力,等. 基于多源数据的弱透水层水文地质参数反演研究[J]. 水文地质工程地质,2021,42(2):1 − 7. [SHI Honglei,HAO Qichen,SHAO Jingli,et al. Research on hydrogeological parameter inversion of an aquitard based on multi-source data:A case study of a silt layer in the Hohhot Basin[J]. Hydrogeology & Engineering Geology,2021,42(2):1 − 7. (in Chinese with English abstract) [17] 徐杰,龚萍,金良. 基于生态绿当量的呼和浩特市土地利用结构优化评价与分析[J]. 生态经济,2019,35(1):196 − 201. [XU Jie,GONG Ping,JIN Liang. Optimization evaluation and analysis on land use structure city based on ecological green equivalent in Hohhot[J]. Ecological Economy,2019,35(1):196 − 201. (in Chinese with English abstract) [18] 查娜. 呼和浩特市水资源利用管理研究[D]. 呼和浩特: 内蒙古师范大学, 2019 Zhana. Research on the management of water resources utilization in Hohhot City[D]. Hohhot: Inner Mongolia Normal University, 2019. (in Chinese with English abstract)
[19] 畅利毛. 呼和浩特地区地下水动态变化特征及影响因素分析[J]. 地下水,2016,38(6):62 − 64. [CHANG Limao. Analysis on dynamic changes characteristics of groundwater level and influencing factors in Hohhot[J]. Ground Water,2016,38(6):62 − 64. (in Chinese with English abstract) DOI: 10.3969/j.issn.1004-1184.2016.06.021 [20] 张恒星. 呼和浩特盆地浅层地下水水化学特征及其富砷机制研究[D]. 北京: 中国地质科学院, 2018 ZHANG Hengxing. Study on the hydrochemical characteristics and arcsenic enrichment mechanism of shallow groundwater in Hohhot Basin[D]. Beijing: Chinese Academy of Geological Sciences, 2018. (in Chinese with English abstract)
[21] 李潇瀚,张翼龙,王瑞,等. 呼和浩特盆地地下水化学特征及成因[J]. 南水北调与水利科技,2018,16(4):136 − 145. [LI Xiaohan,ZHANG Yilong,WANG Rui,et al. Hydrochemical characteristics and formation mechanism of groundwater in Hohhot Basin[J]. South-to-North Water Transfers and Water Science & Technology,2018,16(4):136 − 145. (in Chinese with English abstract) DOI: 10.13476/j.cnki.nsbdqk.2018.0107 [22] 张泽鹏,朱玉晨,郝奇琛,等. 呼和浩特盆地地下水流系统变异机制及其资源效应[J]. 水文地质工程地质,2017,44(2):63 − 68. [ZHANG Zepeng,ZHU Yuchen,HAO Qichen,et al. A study on variation mechanism of groundwater flow system in the Hohhot basin and its resources effect analysis[J]. Hydrogeology & Engineering Geology,2017,44(2):63 − 68. (in Chinese with English abstract) DOI: 10.16030/j.cnki.issn.1000-3665.2017.02.10 [23] 赵瑞科,曹文庚,杨会峰,等. 呼和浩特盆地地下水演化特征研究[J]. 人民黄河,2018,40(5):78 − 82. [ZHAO Ruike,CAO Wengeng,YANG Huifeng,et al. Study on evolution characteristics of groundwater in Hohhot Basin[J]. Yellow River,2018,40(5):78 − 82. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-1379.2018.05.017 [24] 石鸿蕾,郝奇琛,邵景力,等. 基于多源数据的弱透水层水文地质参数反演研究—以呼和浩特盆地某淤泥层为例[J]. 水文地质工程地质,2021,48(2):1 − 7. [SHI Honglei,HAO Qichen,SHAO Jingli,et al. Research on hydrogeological parameter inversion of an aquitard based on multi-source data:A case study of a silt layer in the Hohhot Basin[J]. Hydrogeology & Engineering Geology,2021,48(2):1 − 7. (in Chinese with English abstract) DOI: 10.16030/j.cnki.issn.1000-3665.202010013 [25] 张翼龙. 呼和浩特盆地开采胁迫下的地下水系统响应及适应性对策研究[D]. 北京: 中国地质科学院, 2012 ZHANG Yilong. Aquifer system response and its adaptability countermeasures to exploitation in the Hohhot Basin[D]. Beijing: Chinese Academy of Geological Sciences, 2012. (in Chinese with English abstract)
[26] 吴龙飞,陈凌伟,彭卫平. PSInSAR技术在广州市南沙区地面沉降监测中的应用研究[J]. 城市勘测,2019(3):127 − 130. [WU Longfei,CHEN Lingwei,PENG Weiping. Research of PSInSAR technology in land subsidence monitoring in Nansha of Guangzhou[J]. Urban Geotechnical Investigation & Surveying,2019(3):127 − 130. (in Chinese with English abstract) DOI: 10.3969/j.issn.1672-8262.2019.03.029 [27] 姚佳明,姚鑫,陈剑,等. 基于InSAR技术的缓倾煤层开采诱发顺层岩体地表变形模式研究[J]. 水文地质工程地质,2020,47(3):135 − 146. [YAO Jiaming,YAO Xin,CHEN Jian,et al. A study of deformation mode and formation mechanism of a bedding landslide induced by mining of gently inclined coal seam based on InSAR technology[J]. Hydrogeology & Engineering Geology,2020,47(3):135 − 146. (in Chinese with English abstract) DOI: 10.16030/j.cnki.issn.1000-3665.201903072 [28] 姜珊珊. PSInSAR技术在公路沉降监测中的应用研究[D]. 南昌: 华东交通大学, 2018. JIANG Shanshan. Application of PSInSAR technology in monitoring highway subsidence[D]. Nanchang: East China Jiaotong University, 2018. (in Chinese with English abstract)
[29] 洪江法. D-InSAR技术在地面沉降调查中的应用研究[D]. 马鲁木齐: 新疆大学, 2019 HONG Jiangfa. Application of D-InSAR technology in land subsidence investigation: A case study of Yongjing County, Gansu Province[D]. Urumqi: Xinjiang University, 2019. (in Chinese with English abstract)
[30] 程霞,张永红,邓敏,等. Sentinel-1A卫星的黄河三角洲近期地表形变分析[J]. 测绘科学,2020,45(2):43 − 51. [CHENG Xia,ZHANG Yonghong,DENG Min,et al. Analysis of recent surface deformation in the Yellow River delta based on Sentinel-1A satellite[J]. Science of Surveying and Mapping,2020,45(2):43 − 51. (in Chinese with English abstract) DOI: 10.16251/j.cnki.1009-2307.2020.02.007 [31] 徐东卓,朱传宝,孟宪纲,等. 山西中北部地区地壳垂直形变时空演化特征及与强震的关系[J]. 地震研究,2018,41(3):446 − 450. [XU Dongzhuo,ZHU Chuanbao,MENG Xiangang,et al. Temporal and spatial evolution characteristics of crust vertical deformation and its relationship with strong earthquakes in central and northern Shanxi[J]. Journal of Seismological Research,2018,41(3):446 − 450. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-0666.2018.03.014 [32] 徐凯,赵鹏. 利用水准数据分析晋冀蒙地区垂直形变演化特征[J]. 山西地震,2020(4):29 − 32. [XU Kai,ZHAO Peng. An analysis of the evolution characteristics of vertical deformation in Jin-JI-Meng region based on leveling data[J]. Earthquake Research in Shanxi,2020(4):29 − 32. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-6265.2020.04.006 [33] 任超,施显健,周吕,等. 基于哨兵-1A时间序列合成孔经雷达的地铁沿线地面沉降监测与分析[J]. 科学技术与工程,2020,20(2):803 − 808. [REN Chao,SHI Xianjian,ZHOU Lyu,et al. Land subsidence detection and analysis along Subway based on Sentinel-1A time series synthetic aperture radar[J]. Science Technology and Engineering,2020,20(2):803 − 808. (in Chinese with English abstract) DOI: 10.3969/j.issn.1671-1815.2020.02.055 [34] 王姝琼. 呼和浩特市承压地下水超采现状[J]. 科技视界,2020,20(2):1 − 3. [WANG Shuqiong. Overexploitation of confined groundwater in Hohhot[J]. Science & Technology Vision,2020,20(2):1 − 3. (in Chinese with English abstract) DOI: 10.19694/j.cnki.issn2095-2457.2020.02.001 [35] 内蒙古自治区人民政府.内政发[2015]-3 号内蒙古自治区人民政府关于公布自治区地下水超采及禁采区和限采范围的通知[A]. 内蒙古自治区人民政府公报 . (2015-01-12)[2021-12-20] Inner Mongolia Autonomous Region People's Government . Internal affairs [2015]-3 notice of the people's government of Inner Mongolia Autonomous Region on the announcement of the overexploitation of groundwater in the autonomous region, the forbidden areas and the limits on the exploitation scope [A]. Bulletin of the People's Government of Inner Mongolia Autonomous Region . (2015-01-12)[2021-12-20].(in Chinese)
[36] 卢旺,王承安,常帅. 基于哨兵1号的呼和浩特市沉降及成因分析[J]. 内蒙古师范大学学报(自然科学汉文版),2022,51(3):236 − 242. [LU Wang,WANG Chengan,CHANG Shuai. Analysis of surface deformation of Hohhot based on Sentinel-1[J]. Journal of Inner Mongolia Normal University(Natural Science Edition),2022,51(3):236 − 242. (in Chinese with English abstract) DOI: 10.3969/j.issn.1001-8735.2022.03.003 [37] 卢旺. 呼和浩特市区地面沉降空间分布及趋势预测[D]. 呼和浩特: 内蒙古师范大学, 2022 LU Wang. Spatial distribution and trend prediction of land subsidence in Hohhot[D]. Hohhot:Inner Mongolia Normal University, 2022. (in Chinese with English abstract)
[38] 王天祥. 基于时序InSAR技术的地表形变监测研究——以兰州地区为例[D]. 兰州: 兰州大学, 2015 WANG Tianxiang. Surface deformation monitoring research based on time-series InSAR technology: A case study of Lanzhou[D]. Lanzhou: Lanzhou University, 2015. (in Chinese with English abstract)
[39] 陈国浒,刘云华. 单新建. PS-InSAR技术在北京采空塌陷区地表形变测量中的应用探析[J]. 中国地质灾害与防治学报,2010,21(2):59 − 63. [CHEN Guohu,LIU Yunhua,SHAN Xinjian. Application of PS-InSAR technique in the deformation monitoring in mining collapse areas in Beijing[J]. The Chinese Journal of Geological Hazard and Control,2010,21(2):59 − 63. (in Chinese with English abstract) DOI: 10.3969/j.issn.1003-8035.2010.02.012 [40] 程蕊,朱琳,周佳慧,等. 北京潮白河冲洪积扇地面沉降时空异质性特征及驱动因素分析[J]. 吉林大学学报(地球科学版),2021,51(4):1182 − 1192. [CHENG Rui,ZHU Lin,ZHOU Jiahui,et al. Spatio-temporal heterogeneity and driving factors of land subsidence in middle-lower part of chaobai river alluvial fan[J]. Journal of Jilin University (Earth Science Edition),2021,51(4):1182 − 1192. (in Chinese with English abstract) [41] 秦胜伍, 张延庆, 张领帅, 等. 基于Stacking模型融合的深基坑地面沉降预测[J]. 吉林大学学报(地球科学版),2021,51(5):1316 − 1323. [QIN Shengwu, ZHANG Yanqing, ZHANG Lingshuai, et al. Prediction of ground settlement around deep foundation pit based on stacking model fusion[J]. Journal of Jilin University (Earth Science Edition),2021,51(5):1316 − 1323. (in Chinese with English abstract)