基于SBAS-InSAR与MA-PSO-BP的南京河西地区地表沉降监测及预测分析

作     者：毕凌宇 孙承志 乔申 BI Lingyu;SUN Chengzhi;QIAO Shen

作者机构：南京信息工程大学江苏南京210044 

出 版 物：《测绘通报》 (Bulletin of Surveying and Mapping)

年 卷 期：2024年第4期

页      面：48-53,82页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

基　　金：高分专项航空观测系统“高分航空载荷自然资源调查应用示范项目”(04-H30G01-9001-20122) 

主　　题：地表形变监测 预测模型 滑动平均插值 SBAS-InSAR PSO-BP 

摘      要：针对南京河西地区城市化进展的不断加快及对该地区的沉降预测研究较少的问题,本文提出一种基于小基线集合成孔径雷达干涉测量(SBAS-InSAR)与滑动平均-粒子群优化-反向传播神经网络算法(MA-PSO-BP)的城市地表形变监测及预测模型。利用2020年3月—2022年3月的22景Sentinel-1A升降轨数据对南京河西地区进行沉降监测,获取研究区升降轨形变量,分析河西地区的沉降趋势与成因,并对监测得到的沉降值进行滑动平均插值,将其作为PSO-BP网络模型的样本输入,构建网络预测模型。结果表明,SBAS-InSAR技术能够有效监测城市长时间的沉降,南京河西地区存在不同程度的沉降,沉降速率为-25.3~20.5 mm/a。对比历史沉降研究,沉降趋势由北部向南部扩张,结合SBAS-InSAR沉降监测数据,分别与BP神经网络和PSO-BP神经网络预测模型进行对比,样本数据经过插值后沉降预测模型的精度最高。