基于PS-InSAR技术的北京地面沉降特征及成因初探

地下水持续超量开采是导致北京地面沉降快速发展的主要原因。目前已形成南北两大沉降中心,在快速沉降区域,地表仍以每年30～60 mm的速度持续发展,对城市基础设施和人员安全造成危害。文中采用永久散射体干涉测量(PS-InSAR)技术获取北京平原区2003年—2009年地面沉降时间序列形变信息;综合气象数据、地下水监测网数据,SAR干涉测量数据和区域基底构造,建立地面沉降综合分析模型,阐明北京地面沉降空间分布特征,并对其成因机制进行初探。研究发现： (1)北京区域地面沉降不均匀性明显,多个沉降漏斗连成一片,沉降量受降雨入渗补给影响较大,表现出季节性波动变化特征;(2)沉降中心与地下水降落漏斗中心并非完全一致,第二承压含水层(底板埋深100～180 m)漏斗区与地面沉降中心在空间展布上较为吻合。(3)地面沉降多发生于粘性土层厚度50～70m地区。(4)地面沉降受区域基底构造控制作用明显,在断裂带两侧形变梯度较大。     

PS-InSAR技术与多光谱遥感建筑指数的载荷密度对地面沉降影响的研究

城市快速发展带来的载荷增加在一定程度上加剧着局部的地面沉降。选取覆盖北京平原区的TM多光谱遥感影像,反演基于指数的建筑用地指数,表征建筑用地(载荷)时空密度差异信息;进而基于永久散射体干涉测量监测技术和遥感建筑指数,结合GIS空间分析方法,从像元角度,分析典型区域载荷变化与地面沉降的相关性。结果表明：(1)载荷的密度与沉降的不均匀性存在正相关关系,尤其在高沉降速率地区体现的较为明显;(2)由于地质结构、土体结构的复杂性、滞后性等特点,使得在相对较短周期研究内,载荷的增加对地面沉降的影响并不十分凸显;(3)高密度建筑群使得局部地面荷载增加,各单体建筑的附加沉降互相叠加,对区域性地面沉降的贡献是不容忽视的问题。     

综合时序InSAR和GIS技术地面沉降时序演化规律研究

长期超量开采地下资源、动静载荷逐年增加均在一定程度上影响着区域地面沉降的发生与发展,选取覆盖北京平原地区29景Envisat ASAR数据,采用融合永久散射体(PS)和小基线合成孔径雷达干涉测量技术,获取区域地面沉降时序监测信息。结合GIS空间分析方法,在区域浅表层空间(地铁、城市密集建筑群(CBD)、立体交通网络设施)不同的利用模式下,选取5个典型地面沉降区域,结合土地利用分类信息、多光谱遥感影像、地质资料等,分析时间序列的不均匀沉降的演化规律。结果表明：浅地表空间利用的复杂情况在一定程度上影响着区域的不均匀沉降态势,空间利用情况越简单,沉降的梯度相对越小,不均匀沉降趋势越小。     

埋入式F-P光纤应变传感器在混凝土桥梁健康监测中的应用研究

对基于白光干涉的埋入式F_P光纤应变传感器的测试原理及主要结构参数进行了分析,介绍了该埋入式传感器的研制工艺特点。通过对传感器的性能考核试验,验证了该传感器具有优良的精度稳定性和耐久性,通过秦沈客运专线辽河特大桥施工过程监测试验,验证了该传感器满足桥梁施工现场复杂状况下混凝土结构应变监测的要求。由于该传感器的成本不及同类型进口产品的1/5,具有广阔的普及应用前景。     

联合InSAR与PCA的北京平原地面沉降时空分析

20世纪70年代以来,由于地下水超采、可压缩层厚度不均等引起的不均匀地面沉降已逐渐发展成为北京平原最严重的地质灾害之一。目前,北京平原最新时段的地面沉降时空分析的研究报道较少。根据主动微波获取的39景Sentinel-1A光谱影像,使用SBAS-InSAR技术,获取了北京平原2017年5月—2020年5月的地面形变数据;利用主成分分析法对北京平原的地面沉降时空特征进行了分析。在SBAS-InSAR技术处理中设置时间基线120天、空间基线的阈值设置为最大临界基线的45%,生成154个干涉对;对所有干涉对进行配准、干涉,对干涉后的结果进行去平、使用Goldstein算法进行滤波、生成相干系数图并使用最小费用流算法进行相位解缠,筛选73个优质的干涉对进行轨道精炼与重去平,以估算和去除残余相位;通过时间高通滤波、空间低通滤波去除大气相位;最后采用最小二乘法和奇异值分解获取北京平原2017年5月—2020年5月的地面形变数据。在监测时间段内平均沉降速率最大为114.9 mm·yr^-1,最大累积沉降量为345.9 mm·yr^-1,均位于朝阳金盏。2019...     

相干梯度敏感干涉测量技术及在静态断裂力学实验中的应用

介绍了相干梯度敏感(CGS)干涉测量技术的基本原理及其在静态Ⅰ型断裂实验中的应用,验证了该方法对裂纹尖端局部变形场和断裂特性进行定量研究的可行性。给出了代表静态Ⅰ型裂纹尖端奇异场光力学信息的CGS控制方程,模拟并分析了Ⅰ型裂纹尖端的CGS条纹模式,对静态Ⅰ型裂纹尖端变形场和断裂特性进行了三点弯曲的CGS试验,并提取了应力强度因子KⅠ。结果表明,试验结果与理论分析结果相吻合。     

激光全息技术及其在医学中的应用

 1948年英国科学家伽伯在研究电子显微镜的分辨本领时提出了全息理论并开始了全息照相的研究工作。但是由于缺少理想的相干光源,研究工作进展缓慢,直到1960年梅曼研制出世界上第一台红宝石激光器以后,激光的高度相干性和高强度为全息照相提供了理想的光源。在1962年利思和厄帕特尼克斯提出了离轴全息图以后,使全息技术的研究与应用进入了一个新阶段。由光的波动理论可知,从物体表面发出的光波可表示为:Ｙ=Ａｃｏｓ(ωｔ+φ-2πγλ),其中Ａ是振幅,表示光强的大小,(ωｔ+φ-2πγλ)是位相,表示光在传播过程中各点所在的位置和振动方向。     

CCD数据采集系统在常见干涉测量中的应用研究

本文介绍将CCD数据采集系统利用于几种常见干涉测量实验中，充分利用计算机系统，使测量速度和测量精度都有较大提高，并实现测量自动化。     

冲击动力学研究中实测波信息的解读分析

分析了多点测量技术在解读和分析实测冲击波信息时的重要性和难点,提出了将Lagrange多点测量反分析与Hopkinson压杆技术相结合的新方法,解决了在同一个Lagrange位置上难以同时测量应力和质点速度波形的难题,对试样上不同Lagrange位置处实测质点速度波形进行了解读分析,由n个实测质点速度波形信息得到了各Lagrange位置处的动态应力-应变关系。以有机玻璃和水泥砂浆两种粘弹性试样为例,进行了数值计算,验证了该方法的可行性和有效性。     

激光干涉技术在超声速气体喷嘴特性研究中的应用

在激光与物质相互作用的实验中,气体靶通常由超声速喷嘴在高背压下向真空中高速喷射气体产生。激光与气体靶相互作用时确定打靶条件对整个实验有着十分重要的意义。为了得到不同实验条件下气体靶密度的分布特性，采用马赫-曾德尔干涉法测量了气体靶密度分布，获取了干涉图样。使用基于傅里叶变换的条纹处理方法测得的干涉图样，得到不同实验条件下气体分子密度的全空间分布。实验表明：用M-Z干涉仪测量超声速气体喷嘴产生的气体靶密度分布十分有效。基于傅里叶变换的条纹处理方法具有精度高、实时性好的优点，为打靶时气体靶密度的实时测量提供了可能。     

煤炭矿区植被冠层光谱土地复垦敏感性分析

煤矿区土地复垦及复垦监测工作,对于我国土地利用和生态环境治理具有重要意义。微生物复垦技术能够促进植物吸收利用矿质养分和水分,增强土壤肥力,对矿区生态恢复具有显著作用。监测和评价土地复垦效应对植物生长影响的传统方法,通常采用野外采集植物和土壤样本并进行室内分析,但这些方法不仅破坏植物根系原状土壤,造成植株损伤,而且耗费人力、物力,时效性差。高光谱遥感技术具有数据获取速度快、信息量大、精度高且无须离体破坏植株等优点,对于土地复垦监测有非常大的潜力。目前,土地复垦效应遥感监测相关研究仍以观测盆栽大豆、玉米等作物的叶片光谱分析为主。实际上,卫星遥感数据观测到的是冠层光谱,并非叶片光谱,但目前还没有通过植被冠层光谱对矿区土地复垦进行监测的研究成果出现。植被冠层光谱不仅受到叶片光谱的影响,还受到植株长势、下垫面等其他因素的影响,光谱特征变化更为复杂。矿区植被冠层光谱特征对于土地复垦效应的敏感度分析,是对矿区植被理化参量进行定量反演的基础,也是限制高光谱技术应用于大面积土地复垦监测的主要瓶颈。于煤炭矿区土地复垦实验基地开展野外冠层光谱观测实验,获取了接菌组和对照组野外植株冠层光谱数据,并从光谱波形变化和光谱特征参量变化两方面综合分析了植被冠层光谱对土地复垦的敏感性。冠层光谱波形方面,分别采用标准差和光谱敏感度作为组内和组间光谱波形差异的有效指标;冠层光谱特征参量方面,选取了植被红边、黄边、蓝边、绿峰、红谷等典型光谱特征,计算获取其位置、斜率、面积等特征参量,并通过描述性统计和单因素方差分析研究了这些冠层光谱特征参量对土地复垦效应的敏感性,挑选出矿区土地复垦监测的有效特征参量。研究表明,接菌组和对照组冠层光谱的主要波形变化趋势一致,但接菌组植株的生长状况更稳定,不同植株之间差异较小,且绿峰和红谷两个特征更突出。这说明土地复垦能够减少植株间冠层光谱差异,增强植被典型光谱特征,而绿峰和红谷对土地复垦有较高的光谱敏感度。光谱特征参量方面,绿峰、红谷、红边波长在土地复垦作用下显著向长波方向移动,而此前叶片光谱研究中对土地复垦较敏感的红边、蓝边斜率变化并不显著。这说明,野外植被冠层光谱分析结果与实验室植被叶片光谱分析的结果并不完全一致,这可能和植被类型、生长周期、土壤背景光谱干扰等因素相关。在采用卫星或航拍遥感数据进行矿区植被环境监测时,所获取的都是植被冠层光谱,因此本研究所得到的结论具有更强的参考意义和实际应用价值。     

OLI与6SV的褐土带煤炭开采沉陷区土壤有机碳反演

遥感反演已广泛应用于区域土壤理化性质的动态监测,但是鲜有针对有机碳含量低、下垫面不均一等土壤光谱特性不显著区域的研究。黄土高原褐土带地形多样,丘陵广布,有机碳含量低。采煤活动引起大面积土壤退化,土壤光谱特性受到强烈干扰,制约了区域尺度土壤有机碳(soil organic carbon)含量遥感反演精度。以山西省褐土带典型采煤沉陷区为例,借助地表反射率和室外实地采集的样本数据对褐土带煤矿开采沉陷区土壤有机碳含量进行反演。采用结合高空间、时间分辨率辅助气象数据的6SV(second simulation of a satellite signalin the solar spectrum-vector)模型和FLAASH(fast line-of-sight atmospheric analysis of spectral hypercubes)模型对研究区Landsat8 OLI影像的大气校正方法进行对比实验,分析其对褐土带采煤沉陷区土壤光谱曲线及有机碳含量的影响,识别敏感波段。选择原始光谱反射率(R)和平方根()、倒数的对数log(1/R)、一阶微分(R′)等数学变换形式,利用多元线性回归(MLR)、BP神经网络(BP neural net)和偏最小二乘回归(PLSR)建立土壤有机碳反演模型。结果表明：6SV模型大气校正的效果要优于FLAASH模型,可以有效消除大气、地形对于反射率的干扰,可见光波段反射率降低而近红外波段明显上升,不同有机质含量等级土壤反射光谱特性分明;640～670,850～880,1 570～1 600和2 110～2 290 nm波段对土壤有机碳含量指示性强;相较于多元线性回归(决定系数R2为0.765)、BP神经网络(R2为0.767),偏最小二乘回归模型反演精度最高(R2为0.778);结合高空间、时间分辨率辅助气象数据的6SV大气校正模型与偏最小二乘回归建模能显著提高褐土带采煤沉陷区土壤有机碳的反演精度。在此基础上预测研究区2013年-2015年土壤有机碳含量,研究发现：研究区土壤有机碳含量中部高,两侧低,复垦使土壤有机碳含量得到恢复。研究结果可用于揭示黄土高原褐土带采煤沉陷区土壤有机碳含量的时空分布特征,为改进区域土壤光谱分析、土地复垦评价、建立褐土带采煤沉陷区碳通量观测网络和土壤碳库估算提供理论和技术支持,对研究区域甚至全球范围褐土带生态可持续发展提供依据。     

盐碱地利用障碍因子高光谱遥感反演研究

选取陕北拌沙改良盐碱地为研究对象,对盐碱地利用障碍因子进行高光谱遥感反演研究。通过实测研究区域的作物长势,采集土壤样品和土壤高光谱数据,并实验测定土壤理化性质分析盐碱地利用的障碍因子,研究盐碱地利用障碍因子的高光谱特征,建立其遥感定量反演模型,并进行精度检验。研究结果表明：土壤盐分含量是制约改良盐碱地利用的主要障碍因子,毛管孔隙度与土壤盐分含量具有良好相关性,也可以作为障碍因子之一;利用土壤的高光谱数据对土壤全盐含量及毛管孔隙度进行遥感定量反演具有良好的精度(回归分析决定系数R2分别为0.938和0.973);检验样点精度检验结果表明,盐分含量及毛管孔隙度的实测值与预测值均具有良好的相关性(k均接近于1,R2分别为0.840 4和0.796 5),反演精度较高。通过高光谱数据对盐碱地改良利用的障碍因子进行遥感定量反演,对于指导盐碱地的整治改良和利用具有重要的推动作用。     

基于紫外光谱分析的水质监测技术研究进展

基于紫外光谱分析的水质监测技术具有实时在线、无试剂、无需样品预处理、无二次污染、体积小、成本低等特点,在对饮用水、地表水、工业废水等水体的在线监测中具有显著优势,已成为现代水质监测技术的一个重要发展方向。本文介绍了基于紫外光谱分析的现代水质监测技术的原理、特点、现状及发展的新趋势,并提出亟待解决的关键技术问题。     

大数据分析技术在装备监测系统中应用研究

针对装备状态监测系统中长期积累的大量数据缺乏有效分析手段、利用率低等问题,对装备监测系统中存储的在线监测数据和积累的历史数据,建立可分析挖掘的大数据集;运用数据分析和机理分析的方法建立比较模型,采用异步信息融合的算法对数据进行处理,利用大数据的多尺度特性研究装备生命周期的分析预测、优化运行、预知维修等目标,提高了装备运用知识的获取速度,有利于构建完整的装备生命周期预测诊断体系。     

基于光谱分析技术的作物中杂草识别研究

除草剂的精确喷施、物理方法精确除草皆依赖于杂草的自动识别.光合色素和结构差异导致作物、杂草的光谱反射率不同,因此不同植物可以利用光谱特性来区分.利用ASD光谱仪在室内分别测量了棉花、刺儿菜、水稻、稗草等四种植物在350～2 500nm波段范围内的光谱反射率.运用SAS统计软件的STEPDISC过程筛选能够区分作物和杂草的波长;判别模型中加入筛选所得特征波长,利用Discrim蚰过程进行判别分析.实验结果表明,利用3个特征波长385,415和435 nm有效地从双子叶植物棉花中识别出双子叶杂草刺儿菜,其识别率为100%,波长415和435nm的组合对识别模型的贡献最大;利用5个特征波长375,465,585,705和1 035 nm可有效地从单子叶植物水稻中识别出单子叶杂草稗草,其识别率也为100%,黄色到橙色的过渡波长585nm和"红边"内的波长705nm的组合对识别模型的贡献最大.