EN中文

Journal of Geo-information Science >

2020 , Vol. 22 >Issue 12: 2425 - 2435

DOI: https://doi.org/10.12082/dqxxkx.2020.190741

Monitoring Ground Subsidence in High-intensity Mining Area by Integrating DInSAR and Offset-tracking Technology

  • XU Xiaobo , 1, * ,
  • MA Chao 2, 3 ,
  • SHAN Xinjian 4 ,
  • LIAN Dajun 1 ,
  • QU Chunyan 4 ,
  • BAI Junwu 1
Expand
  • 1. School of Environmental Science and Engineering, Suzhou University of Science and Technology, Suzhou 215009, China
  • 2. School of Surveying and Land Information Engineering, Henan Polytechnic University, Jiaozuo 454003, China
  • 3. Key Laboratory of Spatio-temporal Information and Ecological Restoration of Mines(MNR), Henan Polytechnic University, Jiaozuo 454003, China
  • 4. State Key Laboratory of Earthquake Dynamics, Institute of Geology, China Earthquake Administration, Beijing 100029, China
* XU Xiaobo, E-mail:

Received date: 2019-12-02

  Request revised date: 2020-04-13

  Online published: 2021-02-25

Supported by

National Natural Science Foundation of China(41701515)

National Natural Science Foundation of China and the Shenhua Coal Industry Group Company Limited(U1261106)

National Natural Science Foundation of China and the Shenhua Coal Industry Group Company Limited(U1261206)

State Key Laboratory of Earthquake Dynamics(LED2018B04)

National Natural Science Foundation of Jiangsu Province(BK20170379)

Copyright

Copyright reserved © 2020
Fold

Abstract

High-intensity underground mining leads to huge surface deformation, and excessive deformation phase gradients could lead to interference unwrapping errors. Currently, the characteristics of surface subsidence cannot be obtained well by conventional DInSAR and its derivative technologies. In this paper, we propose a new method, which combines DInSAR and Offset-tracking technology to extract large-scale deformation accurately, and further restore settlement field shape using the GAUSS function model. We take Bu'ertai Mine, and Cuncaota No.1 and No.2 Mine in Shendong Mining Area as research areas and use the high-resolution RADARSAT-2 data with 5 m fine beam model (MF5) on February 13, 2012 and November 27, 2012 to obtain the mine subsidence boundaries at sub-centimeter level using DInSAR technology and the mine subsidence center at meter level using Offset-tracking method. The boundary subsidence value is -0.01~ -0.02 m and the central subsidence value is -1.0~ -4.0 m. The whole subsidence field is then retrieved by integrating above two results. Finally, the GAUSS function model is used to fit the mining subsidence boundary and central, and to reconstruct the characteristic curve of mining subsidence. Our results demonstrate that the Offset-tracking method could compensate the deficiency of DInSAR in large deformation extraction, and the combination of these two techniques could effectively and accurately extract large-scale subsidence field in mining areas.

Key words： Bu'ertai mine; high-intensity mining; large scale subsidence; DInSAR; Offset-tracking; GAUSS_fitting; subsidence characteristics; Radarsat

Cite this article

XU Xiaobo , MA Chao , SHAN Xinjian , LIAN Dajun , QU Chunyan , BAI Junwu . Monitoring Ground Subsidence in High-intensity Mining Area by Integrating DInSAR and Offset-tracking Technology[J]. Journal of Geo-information Science, 2020 , 22(12) : 2425 -2435 . DOI: 10.12082/dqxxkx.2020.190741

1 引言

矿区开采沉陷引起了一系列的地质灾害,对矿区建设、水利交通及农田等带来巨大安全隐患。位于陕蒙交界的神东矿区煤炭资源埋藏浅、厚度大,煤炭开采引起的地表沉陷具有影响范围大、沉陷量巨大等高强度开采特征[1,2]。利用创新性的监测手段对矿区采空区沉陷准确监测,获取高强度开采区地表沉陷范围及量级,不仅有利于掌握高强度开采矿区地质灾害与生态环境演化规律,也将为西部脆弱生态区地表沉陷综合治理提供数据支持,对保护矿区生态平衡及可持续发展具有重要意义[3,4]。
合成孔径雷达差分干涉测量技术（Differential Interferometric Synthetic Aperture Radar, DInSAR）是一项快速发展逐渐成熟的空间对地观测技术,它能够克服传统地表形变观测方法的局限性,使得快速、大面积监测地表形变成为可能[5,6,7]。随着国内外许多学者将DInSAR技术应用于开采沉陷监测研究,该技术在矿区沉陷监测应用中已相对成熟[8,9,10]。但DInSAR易受时空失相干、形变梯度解缠错误等问题影响,对于监测大变形开采沉陷还是会遇到技术瓶颈[11,12]。虽然短基线集干涉技术（Small Baseline Subset InSAR, SBAS InSAR）[13,14,15,16,17]和永久散射体干涉技术（Permanent Scatter InSAR, PS InSAR）[18,19,20]监测矿区沉陷一定程度上提高了开采沉陷监测精度、缩短了观测周期,但对于变形量达到米级的矿区沉陷监测还是有所不足[21]。而基于SAR影像强度信息的偏移量追踪技术（Offset-tracking）可以作为DInSAR技术的有力补充,在监测矿区大变形沉陷中具有优势[22]。本文利用DInSAR与Offset-tracking技术联合监测提取神东矿高强度采区地面沉陷。为获取完整、准确的采空沉陷区,基于DInSAR技术提取采空区边界沉陷,偏移量追踪技术（Offset-tracking）获取沉陷中心区域沉陷,将二者监测结果融合分析、恢复采空区地表沉陷形态。

2 方法原理

2.1 DInSAR方法

DInSAR方法主要利用SAR影像相位信息提取地表形变[26]。其基本算法原理是采用雷达卫星2次不同时间过境获得2景不同时期覆盖同一地区的SAR影像逐个像素复共轭相乘,对相位干涉处理,得到复干涉纹图,采用外部DEM数据模拟地形、平地相位做差分干涉去除多余信息仅保留干涉图中形变相位信息,最终将相位信息转换为形变,即可获取影像时间间隔内地表所发生的形变Δr[23,24,25],如矿区沉陷形变。
对常规DInSAR技术而言,影响其形变监测有效性主要包括3个方面：① 干涉对时间失相干,SAR影像2次成像期间发生的地物特征变化（如不同季节的植被覆盖改变）;② 空间失相干,干涉相位在卫星两次过境构成的空间几何关系上解算得,当空间基线超过临界基线时就会产生失相干;③ 不同时期大气相位扰动。而利用DInSAR监测矿区大量级沉降,影响因素主要是沉降梯度过大,DInSAR形变监测存在超半波长解算缺陷,当相邻两个像素地表形变超过半波长Δr（Δr=λ/2,λ卫星搭载信号波长）时DInSAR则无法准确解缠解算。

2.2 偏移量追踪（Offset-tracking）方法

Offset-tracking方法主要是利用覆盖同一区域两幅SAR影像的强度信息进行亚像素级配准,得到大量同名像素点坐标的亚像素级偏移量,再将同名像素点偏移量分解为斜距向（沿卫星视线方向）和方位向（沿轨道飞行方向）分量值的技术（图1）。斜距向形变量（与DInSAR视线向一致）可通过式（1）转换到水平、垂直向形变。
图1 Offset-tracking亚像素级地表形变监测

Fig. 1 Principle of sub-pixel offset-tracking monitoring surface deformation

D l = D h sin α - D v cos α
式中：Dl为斜距向形变;Dh为水平向形变;Dv 为垂直向形变;α为卫星入射角。对动辄米级的矿区垂直沉降而言,水平位移较小可忽略不计,则式（1）简化为式（2）,即可将斜距向形变转换为垂直向。
D l = - D v cos α
该技术与DInSAR技术有相通之处亦是分析SAR影像对同名像点,但无需相位解缠。适用于具有大量级、大梯度形变特征的矿区沉降、滑坡及地震等高植被覆盖的山区复杂条件下,可有效监测。依据偏移量追踪技术原理[26],需对SAR影像进行过采样、内插采样,以获取亚像素级精确配准解算结果,所以该技术监测精度关键在亚像素级精确配准,通常可达SAR影像分辨率的1/30。Offset-tracking算法有2种实现方法,即强度跟踪算法与相干性跟踪算法,2种方法适用条件不同。相干性跟踪算法是利用干涉相位进行互相关计算,其有效性与DInSAR技术相近,即受时间、空间失相干、大气相位扰动等影响。而强度跟踪算法,主要利用SAR影像强度信息,故在前后影像地物变化、地物散射特征变化不大情况下即可有效监测,如应避开雨雪天气、采用同一季节影像等。由于矿区地表多农田、植被覆盖,导致矿区SAR影像相干性水平往往较低,所以基于强度跟踪算法的Offset-tracking技术更适用于矿区沉陷监测。强度跟踪Offset-tracking算法是将2幅SAR影像的强度信息进行归一化互相关（Normalized Cross-Correlation,NCC）[26]计算,在2幅SAR影像中寻找特征像元强度互相关系数的峰值,认为峰值的偏移量即为两SAR影像对同名像元的偏移量。当影像中特征像元的特征要素互相关性很强,则通过小搜索窗进行偏移量追踪可获得较高的监测精度。而如果像元特征要素在地表分布离散不具有连贯性,则需要通过对影像多视进行重采样,以降低影像分辨率为代价,保证地表特征具有连贯性来进行形变监测。

2.3 联合DInSAR与Offset-tracking方法

因DInSAR在形变监测时存在超半波长解算缺陷,故单一利用DInSAR方法无法准确监测到矿区沉降中心大量级形变,只能解算得矿区沉降边界亚厘米级形变。而Offset-tracking方法可有效利用SAR影像强度信息进行大量级形变监测,利用Offset-tracking方法来监测矿区沉降中心米级形变,可有效补充DInSAR形变监测的不足。为充分利用DInSAR方法可监测小量级形变和Offset-tracking方法可监测大量级形变各自优势,联合2项技术分别监测矿区沉降边界与沉降中心,最后基于波段融合方法与GAUSS函数模型拟合,将2种方法监测到沉降结果融合,即可得到完整准确矿区沉降结果（图2）。
图2 联合DInSAR与Offset-tracking方法监测矿区沉降

Fig. 2 Monitor subsidence in mining areas by integrating DInSAR and Offset-tracking technology

3 实验区概况及SAR数据来源

3.1 实验区概况

神东矿区是陕西神府煤矿与内蒙东胜煤矿的总称,主体位于陕西省榆林地区的神木县北部、府谷县西部和内蒙古自治区伊金霍洛旗南部及准格尔旗的西南部,包括大柳塔、补连塔、布尔台等一批千万吨矿井,是我国最大的煤炭生产矿井群之一,也是世界八大煤矿区之一[27,28]。矿区主要分布在乌兰木伦河两岸,南北长38~90 km,东西宽35~55 km,总面积约为3481 km2,探明储量巨大。研究区位于神东矿区群（如图3红框SAR影像覆盖范围）中的布尔台矿、寸草塔一矿、二矿一带（蓝矩形框）,属典型的近水平浅埋藏煤层。布尔台矿22 201工作面煤层平均厚度2.5 m,采深265 m,是目前世界单井设计产量最大的井工煤矿[29],该矿采煤沉陷影响范围大,引起地表沉陷较为严重。
图3 神东矿区分布地理位置

Fig. 3 Geographical location of the Shendong mine

3.2 SAR数据来源

数据采用2012年2月13日和2012年11月27日2景RADARSAT-2 SAR影像,数据时间间隔为 289 d,影像空间分辨率5 m,覆盖范围50×50 km2,工作波段为C波段,极化方式为HH,成像模式Multi-look Fine。外部DEM数据采用SRTM DEM v3.0 90 m分辨率数据,通过对SAR影像裁剪获得覆盖布尔台矿、寸草塔一矿、二矿的部分影像（图3蓝矩形框）,覆盖范围在109°55′E—110°06′E、39°23′N—39°31′N之间。SAR影像对基本信息见表1,虽然干涉像对时间基线较长289 d,但垂直基线小27.98 m,多普勒质心频谱差较小58.668 Hz,主副影像入射角差值小0.002°,就参数而言影像对适宜做差分干涉。
表1 实验区RADARSAT-2数据基本信息

Tab.1 Imaging parameters and geometry of RADARSAT-2 data

编号 获取时间 像元大小/m
（距离×方位）		 时间基线
/d		 垂直基线
/m
1 2012-02-13 2.7×2.9 289 27.98
2 2012-11-27 2.7×2.9

4 结果及分析

4.1 DInSAR干涉结果

基于2012年2月13日、2012年11月27日的RADARSAT-2数据和SRTM DEM v3.0 90 m分辨率数据,在专业雷达干涉测量软件GAMMA下提取矿区在影像时间间隔内发生的地表沉陷。将主、副影像进行配准、干涉、去平、滤波及相位解缠等[30]处理后得到形变相位,将形变相位转换为垂直形变即 可得到采空区地表沉陷。DInSAR监测结果如图4、图5所示,在研究区范围内存在7处沉陷场（图4（a）A—G）,每个沉陷区地表分布都表现为近似椭圆形。由于高强度开采致使沉陷存在空间影响范围大、突发性强等特点,导致SAR影像对在沉陷区内部出现大面积、严重时空失相干现象。从图5（b）可知,在沉陷区B、C内有小部分绿色植被覆盖,植被覆盖在小范围内加重了失相干。如图4（a）中A—G所示在各沉陷区内形变条纹杂乱无章,只在沉陷边界上条纹相对清晰。同时,从4（b）中A—G干涉像对相干系数图可知,由于矿区地表形变梯度过大,沉陷区内出现大面积失相干现象,在4（b）中A—G椭圆内灰黑色部分即为失相干区域,对应图4（a）A—G沉陷区内形变条纹杂乱无章区,该灰黑色区域相干系数低主要处于0.1~0.5之间。加之所用SAR影像时间间隔较长,进一步加剧了影像的失相干。DInSAR技术需要高相干性才能保证形变监测的准确性,因此将相干性阈值设置为0.4,将相干性低于0.4的部分进行了掩膜,如图5（a）中A—G红色椭圆内中心黑色区域即被掩膜去除,不参与最后形变解算,得到图5（a）DInSAR监测矿区沉陷边缘。就监测结果而言,DInSAR技术不能有效获取沉陷中心区域形变信息,仅可监测到沉陷区边缘形变,监测到边缘沉陷量处于-0.01~ -0.09 m之间,可监测到最大沉陷量为-0.091 m,在沉陷区D处。采用Landsat-8影像分析了矿区实际地理位置。Landsat-8卫星携带2个传感器,分别是OLI陆地成像仪（Operational Land Imager）和TIRS热红外传感器（Thermal Infrared Sensor）。其中OLI陆地成像仪有9个波段,全色波段空间分辨率15 m,多光谱波段空间分辨率30 m。为获取分辨率15 m的自然真彩色影像更为清晰地分析矿区地表覆盖情况,将陆地成像仪中的4、3、2波段组合形成30 m分辨率真彩色影像,再将该真彩色影像与第8波段15 m分辨率影像融合得到15 m分辨率真彩色影像,影像处理结果如图5（b）。图5（b）中黄线为各矿区边界,可得沉降场B、D、E位于布尔台矿内,该区域沉降场分布在山区为主,刘家渠、张家粱等村落在该沉降区周边;沉降场C位于寸草塔二矿内,该沉降区位于平原地区;沉降场A、F、G位于3个矿区周边。纵观沉降场分布,沉降主要分布在山区为主。
图4 矿区沉陷干涉条纹与相干系数图

Fig. 4 The rewrapped interferogram and coherence of subsidence field of the mining area from DInSAR

图5 DInSAR监测矿区沉陷边缘形变与光学影像解译

Fig. 5 Deformation map at the edge of subsidence field of the mining area from DInSAR and optical image interpretation

利用DInSAR技术可监测到沉陷区边缘形变量,但由于该矿区地表沉陷梯度大、塌陷突发性强,沉陷梯度过大导致边缘形变解算值存在部分解缠误差甚至错误,所以为确保沉陷监测结果准确,本文以干涉对相干系数大于0.7且形变量大于0.01 m为双阈值进一步掩膜提取DInSAR获得的-0.01~ -0.09 m沉降边缘形变量,得如图6所示形变量在 -0.01~ -0.02 m之间的矿区沉陷边界,认为该部分结果解算可靠准确。并依据何国清[31]以-0.01 m形变位置作为沉陷区边界,划定了如图6中A—G红色椭圆内的浅蓝色部分视为各沉陷区边界。
图6 DInSAR确定矿区沉陷边界

Fig. 6 DInSAR determination of subsidence field boundary of the mining area

4.2 偏移量追踪（Offset-tracking）结果

DInSAR监测结果表明,在沉陷区中心位置存在监测盲区,大形变量级的沉陷主值无法获取。所以从SAR影像强度信息入手,利用偏移量追踪方法对中心区域的大形变沉陷主值进行提取,获取采空区中心区域沉陷,以补充利用SAR影像相位信息进行形变监测的不足。通过调研[32]分析,得出研究矿区以水平煤层开采为主。由矿区地表开采沉陷规律[23]可知,水平煤层开采导致的地表沉降主要以垂直形变为主,水平位移形变相对较小,且较小的水平位移形变主要位于开采巷道的边缘地表,在沉降盆地中心水平形变几乎可忽略不计。而偏移量方法以获取沉降中心大量级形变为主。偏移量方法获得斜距向（Slant Range）形变与方位向（Azimuth Range）形变,依据上述本文研究矿区形变以垂直沉陷为主,故通过式（1）[33]可将斜距向形变转换为矿区垂直向形变。
D v = D l cos α
式中：Dv为垂直向形变;Dl为斜距向形变;α为卫星入射角。
偏移量追踪处理过程中,对SAR影像做1:2多视降低了影像分辨率,增加了特征像元的相关性以提高监测精度,偏移量方法监测结果表现为沉陷盆地中心长条形沉陷带（图7红色椭圆内的蓝色条状形变）。对研究区内各条形沉陷带（图7中A—G）的形变值进行了提取,得各沉陷带沉降直方图（图8）,其中图8中的A、B、C、D、E、F、G对应图7中A、B、C、D、E、F、G沉陷中心。由图8可得,各沉陷带形变量主要集中在-1.0 ~ -4.0 m之间,绝大部分沉陷值在-2.0 m附近,最大沉陷达-4.0 ~ -5.0 m与实地调研该矿区开采沉陷最大下沉达到-4 ~ -5 m量级相近。
图7 偏移量追踪监测沉陷中心形变

Fig. 7 Deformation map at the centre of subsidence field of the mining area from offset-tracking

图8 偏移量追踪监测各条带沉陷值分析

注：纵横坐标分别表示像素行列号。

Fig. 8 Subsidence analysis of the mine from offset-tracking

4.3 DInSAR与Offset-tracking联合分析

融合DInSAR与Offset-tracking监测结果进行分析。由于DInSAR可获取采空区边界-0.01~ -0.02 m之间形变,而Offset-tracking能获取采空区中心的m级大沉陷量。为充分利用DInSAR与偏移量追踪两种技术优势,基于波段融合手段将DInSAR和偏移量追踪监测结果融合,合成一幅沉陷结果图进行分析。即将DInSAR获取到-0.01 ~ -0.02 m之间的沉陷区边界形变（图6）与偏移量追踪获取到的m级中心沉陷形变（图7）进行融合,结果如图9所示。从图9可得DInSAR与偏移量追踪2种方法监测到的矿区沉陷地理位置、空间分布具有很好的一致性,图9黑色椭圆内红色部分为DInSAR结果,椭圆内蓝色部分为偏移量结果,DInSAR方法获取的红色沉陷边界刚好包围着偏移量方法获取的蓝色长条形中心沉陷,采空区沉陷边界包围沉陷中心特征表现明显,在各沉陷区中都表现出该特征。为清晰表现两种监测方法获得形变场位置关系,将沉陷区B、D、G局部放大显示沉陷分布细节,图9（b）、（c）、（d）中浅绿色虚线勾画出了DInSAR监测到的沉陷区边界,黑色矩形虚线框勾勒出了偏移量追踪获取的沉陷中心大形变值,黑色虚线框刚好位于浅绿色椭圆中心,符合矿区沉陷特征。2种技术监测到矿区沉陷位置、范围也与采矿区工作面资料相一致,也相互印证了2种监测结果。
图9 DInSAR与偏移量结果融合分析沉陷特征

Fig. 9 Analysis of subsidence field characteristics by fusion of DInSAR and Offset-tracking results

为恢复采空区沉陷剖面完整形态,基于DInSAR与偏移量监测结果采用GAUSS函数进行沉陷剖面拟合。在采空区B、D沿着沉陷倾向做2个剖面1、2（剖面位置如图9中黑色虚线）,剖面包含了DInSAR的cm级边界形变与偏移量方法的m级中心形变,采用与开采沉陷概率积分函数中负指数函数（ y = α e - bx c 2 ）同族的GAUSS函数（ y = α e - ( x - b c ) 2 ）对沉陷区边界、中心进行非线性拟合。得剖面1、2两条沉陷曲线拟合GAUSS函数如： y = - 1.734 e - ( x - 41.17 10.9 ) 2 ; y = - 1.609 e - ( x - 51.9 18.98 ) 2 。将GAUSS函数拟合剖面1、2两沉陷曲线绘制如图10（a）、图10（b）所示。图10（a）对应剖面1,图10（b）对应剖面2,红点为DInSAR与偏移量监测结果,蓝虚线为GAUSS函数拟合曲线。从图10得GAUSS函数模型拟合沉陷形变边界与中心,获得了较高的拟合度,拟合优度R2分别为0.947、0.983。得采用GAUSS函数模型对采空区断面下沉值模拟具有较高的拟合度,利用GAUSS函数模型可以评估采空区下沉状况,也可恢复出沉陷剖面上任意点下沉值。
图10 沉陷区边界与中心拟合沉陷剖面曲线

Fig. 10 Fitting subsidence profile curve between boundary and center of subsidence area

5 结论

本文针对具有形变量级大、形变梯度大等特征的高强度采矿区沉陷,基于DInSAR与偏移量追踪方法各自的技术优势,利用DInSAR技术可提取亚厘米级边界形变,偏移量技术可监测米级中心形变,将二者技术联合充分利用了SAR影像相位与强度信息以监测矿区沉陷形变场。采用GAUSS函数模型拟合、恢复采空区沉陷剖面。主要结论如下：
（1）利用DInSAR技术提取了采空区开采沉陷盆地边界,以-0.01 m沉陷值划定了沉陷形变场边界,得到了采空区289 d时间内地表沉陷范围与亚厘米级形变量。
（2）采用Offset-tracking方法获取了沉陷中心形变值,各沉陷中心形变值主要集中在-1~ -4 m,最大沉陷达~4 m,与野外实地调研最大沉陷量达 -4~ -5 m相近,弥补了DInSAR无法监测采空区中心大梯度、大形变的不足。
（3）基于DInSAR提取的边界沉陷数据与Offset-tracking技术得到的中心沉陷数据,采用GAUSS函数模型拟合、重建了采空区沉陷剖面,建立了采空区下沉特征曲线数学模型。
（4）联合DInSAR与Offset-tracking技术可以监测、恢复高强度煤炭开采区地表沉陷,尤其对沉陷量级大、形变梯度大的矿区具有优势,联合技术可以有效的提取到采空区影响范围（边界）又可获得沉陷区中心最大下沉值。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
郭文兵, 王云广. 基于绿色开采的高强度开采定义及其指标体系研究[J]. 采矿与安全工程学报, 2017,34(4):616-623.

[ Guo W B, Wang Y G. The definition of high-intensity mining based on green coal mining and its index system[J]. Journal of Mining & Safety Engineering, 2017,34(4):616-623. ]

[2]
郭文兵, 白二虎, 杨达明. 煤矿厚煤层高强度开采技术特征及指标研究[J]. 煤炭学报, 2018,43(8):2117-2125.

[ Guo W B, Bai E H, Yang D M. Study on the technical characteristics and index of thick coal seam high-intensity mining in coalmine[J]. Journal of China Coal Society, 2018,43(8):2117-2125. ]

[3]
马雯思, 马超, 刘玮. 陕西彬长矿区NDVI3g(1982-2013)变化趋势及气候响应[J]. 煤炭学报, 2019,44(4):1197-1206.

[ Ma W S, Ma C, Liu W W. Variation and climate response of NDVI3g(1982-2013) in Binchang mining area of Shaanxi Province[J]. Journal of China Coal Society, 2019,44(4):1197-1206. ]

[4]
马超, 徐小波, 刘春国, 等. 高分辨率星载SAR矿区灾害监测的应用潜力[J]. 河南理工大学学报(自然科学版), 2011,30(6):684-689.

[ Ma C, Xu X B, Liu C G, et al. Applications of high-resolution space-borne SAR in mining disaster monitoring[J]. Journal of Henan Polytechnic University(Natural Science), 2011,30(6):684-689. ]

[5]
Tomas R, Romero R, Mulas J, et al. Radar interferometry techniques for the study of ground subsidence phenomena: a review of practical issues through case in Spain[J]. Environment Earth Science, 2014,71:163-181.

[6]
Liu P, Li Q Q, Li Z, et al. Anatomy of subsidence in Tianjin from time series InSAR[J]. Remote Sensing, 2016,8(3):266-287.

[7]
屈春燕, 左荣虎, 单新建, 等. 尼泊尔Mw 7.8地震InSAR同震形变场及断层滑动分布[J]. 地球物理学报, 2017,60(1):151-162.

[ Qu C Y, Zuo R H, Shan X J, et al. Coseismic deformation field of the Nepal Ms 8.1 earthquake from Sentinel-1A InSAR data and fault slip inversion[J]. Chinese Journal of Geophysics, 2017,60(1):151-162. ]

[8]
朱建军, 邢学敏, 胡俊, 等. 利用InSAR技术监测矿区地表形变[J]. 中国有色金属学报, 2011,21(10):2564-2576.

[ Zhu J J, Xing X M, Hu J, et al. Monitoring of ground surface deformation in mining area with InSAR technique[J]. The Chinese Journal of Nonferrous Metals, 2011,21(10):2564-2576. ]

[9]
邓喀中, 姚宁, 卢正, 等. D-InSAR监测开采沉陷的实验研究[J]. 金属矿山, 2009,39(12):25-27.

[ Deng K Z, Yao N, Lu Z, et al. Expermiental research on monitoring mining subsidence by D-InSAR technique[J]. Metal Mine, 2009,39(12):25-27. ]

[10]
吴立新, 高均海, 葛大庆, 等. 基于D-InSAR的煤矿区开采沉陷遥感监测技术分析[J]. 地理与地理信息科学, 2004,20(3):22-25.

[ Wu L X, Gao J H, Ge D Q, et al. Technical analysis of the remote sensing monitoring for coal-mining subsidence based on D-InSAR[J]. Geography and Geo-Information Science, 2004,20(3):22-25. ]

[11]
黄继磊. 面向矿区大梯度形变监测的SAR影像Pixel-tracking关键问题研究[D]. 徐州:中国矿业大学, 2017.

[ Huang J L. Study on key problems of pixel-tracking of SAR images for monitoring large gradient deformation in mining area[D]. Xuzhou: China University of Mining and Technology, 2017. ]

[12]
Fan H D, Gu W, Qin Y, et al. A model for extracting large deformation mining subsidence using DInSAR technique and probability integral method[J]. Transcation of Nonferrous Metals Society of China, 2014,24(4):1242-1247.

[13]
Luke B, Francesca C, David B, et al. The application of the Intermittent SBAS (ISBAS) InSAR method to the South Wales Coalfield, UK[J]. International Journal of Applied Earth Observation and Geoinformation, 2015,34:249-257.

DOI

[14]
刘志敏, 李永生, 张景发, 等. 基于SBAS_InSAR的长治矿区地表形变监测[J]. 国土资源遥感, 2014,26(3):37-42.

DOI

[ Liu Z M, Li Y S, Zhang J F, et al. An analysis of surface deformation in the Changzhi mining area using small baseline InSAR[J]. Remote Sensing for Land & Resources, 2014,26(3):37-42. ]

[15]
李国华, 薛继群. 基于短基线集技术的矿区开采沉陷监测研究[J]. 测绘与空间地理信息, 2013,36(3):191-196.

[ Li G H, Xue J Q. Monitoring the surface subsidence of mining areas based on SBAS method[J]. Geomatics & Spatial information technology, 2013,36(3):191-196. ]

[16]
尹洪杰, 朱建军, 李志伟, 等. 基于SBAS的矿区形变监测研究[J]. 测绘学报, 2011,40(1):52-58.

[ Yin H J, Zhu J J, Li Z W, et al. Ground subsidence monitoring in mining area using DInSAR SBAS algorithm[J]. Acta Geodaetica et Cartographica Sinica, 2011,40(1):52-58. ]

[17]
葛大庆, 王艳, 郭小方, 等. 利用短基线差分干涉纹图集监测地表形变场[J]. 大地测量与地球动力学, 2008,28(2):61-66.

[ Ge D Q, Wang Y, Guo X F, et al. Surface deformation field monitoring by use of small-baseline differential interferograms stack[J]. Journal of Geodesy and Geodynamics, 2008,28(2):61-66. ]

[18]
Sergey S, Nicolas D, Benoit S. Ground deformation associated with post-mining activity at the French-German border revealed by novel InSAR time series method[J]. International Journal of Applied Earth Observation and Geoinformation, 2013,23:142-154.

DOI

[19]
刘国祥, 陈强, 罗小军. 永久散射体雷达干涉理论与应用[M]. 北京: 科学出版社, 2012.

[ Liu G X, Chen Q, Luo X J. Theory and methodology of permanent scatter SAR interferometry[M]. Beijing: Beijing: Science Press, 2012. ]

[20]
范洪冬, 邓喀中, 薛继群, 等. 利用时序SAR影像集监测开采沉陷的试验研究[J]. 煤矿安全, 2011,42(2):15-18.

[ Fan H D, Deng K Z, Xue J Q, et al. An experimental research on using time series SAR images to monitor mining subsidence[J]. Safety in Coal Mines, 2011,42(2):15-18. ]

[21]
Ma C, Cheng X Q, Yang Y L, et al. Investigation on mining subsidence based on multitemporal InSAR and time-series analysis of the small baseline subset:Case study of working faces 22201-1/2 in Bu'ertai Mine, Shendong Coalfield, China[J]. Remote Sensing, 2016,11(8):951-976.

DOI

[22]
Zhao C Y, Liu C J, Zhang Q, et al. Deformation of Linfen-Yuncheng Basin (China) and its mechanisms revealed by π-rate InSAR Technique[J]. Remote Sensing of Environment, 2018,218:221-230.

DOI

[23]
Chen B Q, Deng K Z, Fan H D, et al. Large-scale deformation monitoring in mining area by DInSAR and 3D laser scanning technology integration[J]. International Journal of Mining Science and Technology, 2013,23:555-561.

DOI

[24]
成晓倩, 马超, 康建荣, 等. 联合DInSAR和PIM技术的沉陷特征模拟和时序分析[J]. 中国矿业大学学报, 2018,47(5):1141-1148.

[ Cheng X Q, Ma C, Kang J R, et al. Simulation and time series analysis of mining subsidence by integrating DInSAR and PIM technology[J]. Journal of China University of Mining & Technology, 2018,47(5):1141-1148. ]

[25]
徐小波, 屈春燕, 单新建, 等. CR-InSAR与PS-InSAR联合解算方法及在西秦岭断裂中段缓慢变形研究中的应用[J]. 地球物理学报, 2016,59(8):2796-2805.

[ Xu X B, Qu C Y, Shan X J, et al. Mapping slow deformation of the middle segment of the West Qinling fault using the combined algorithm of CR-InSAR and PS-InSAR[J]. Chinese Journal of Geophysics, 2016,59(8):2796-2805. ]

[26]
Drury M. Sub-pixel precision image matching for measuring surface displacements on mass movements using normalized cross-correlation[J]. Remote Sensing of Environment, 2011,115:130-142.

DOI

[27]
陈俊杰, 南华, 闫伟涛, 等. 浅埋深高强度开采地表动态移动变形特征[J]. 煤炭科学技术, 2016,44(3):158-162.

[ Chen J J, Nan H, Yan W T, et al. Features of surface dynamic movement and deformation caused by high intensity mining with shallow depth[J]. Coal Science and Technology, 2016,44(3):158-162. ]

[28]
伊茂森. 神东矿区浅埋煤层关键层理论及其应用研究[D]. 徐州:中国矿业大学, 2008.

[ Yi M S. Study and application of key strata theory in shallow seam of shengdong mining area[D]. Xu Zhou: China University of Mining and Technology, 2008.

[29]
周秀隆, 吴嘉林, 辛德林. 世界第一矿——布尔台煤矿设计综述[J]. 煤炭工程, 2011(3):4-6.

[ Zhou X L, Wu J L, Xin D L. Integrated innovation to design world No.one coal mine-Buertai mine[J]. Coal Engineering, 2011(3):4-6. ]

[30]
马超, 孟秀军, 潘进波, 等. D_InSAR时序开采沉陷观测的干涉策略选优[J]. 河南理工大学学报(自然科学版), 2012,31(3):311-316.

[ Ma C, Meng X J, Pan J B, et al. Optimizing D-InSAR processing strategies for time series mining subsidence observation data[J]. Journal of Henan Polytechnic University (Natural Science), 2012,31(3):311-316. ]

[31]
何国清. 矿山开采沉陷学[M]. 徐州: 中国矿业大学出版社, 1999.

[ He G Q. Mining subsidence science[M]. Xuzhou: China University of Mining and Technology Press, 1999. ]

[32]
王军, 赵欢欢, 杨小敏, 等. 鄂尔多斯神东矿区开采地表沉陷预测模型研究[J]. 内蒙古农业大学学报(自然科学版), 2015,36(4):61-65.

[ Wang J, Zhao H H, Yang X M, et al. Research about predictional model of surface subsidence in Shendong mining area of Erdos[J]. Journal of Inner Mongolia Agricultural University (Natural Science Edition), 2015,36(4):61-65. ]

[33]
Giles A B, Massom R A, Warner R C. A method for sub-pixel scale feature-tracking using Radarsat images applied to the Mertz Glacier Tongue, East Antarctica[J]. Remote Sensing of Environment, 2009,113:1691-1699.

DOI

Options
Outlines

/

〈 〉