海岸带大坝稳定性监测与淹没脆弱性评估方法、系统技术方案

本发明专利技术属于海岸带大坝监测技术领域，公开了一种海岸带大坝稳定性监测与淹没脆弱性评估方法、系统，准备星载SAR单视复数影像、用于辅助InSAR时序分析的全球DEM数据、使用无人机激光雷达获取大坝点云数据、海平面上升数据、验潮数据；数据预处理，实现大坝DEM生成、大坝形变速率获取、大坝未来DEM模拟、大坝水位模拟；淹没分析，实现大坝淹没分析和大坝淹没情景展示。本发明专利技术实现了星载InSAR时序分析形变速率与无人机载激光雷达DEM的结合，保证了较高的观测精度与时空分辨率。本发明专利技术实现了淹没水位模拟使用三个分量(潮汐分量、风暴增水、海平面上升)合成，同时模拟了日常情况与极端情况，避免了过高的水位估计。

【技术实现步骤摘要】
海岸带大坝稳定性监测与淹没脆弱性评估方法、系统
本专利技术属于海岸带大坝监测
，尤其涉及一种海岸带大坝稳定性监测与淹没脆弱性评估方法、系统。
技术介绍
目前，海岸带大坝监测通常受到观测数据的时空分辨率影响，同时受限于人力与经济成本。一般而言，使用传统的地面水准测量或者卫星导航定位系统(GNSS)连续运行基准站开展大坝长期形变监测，可以达到相对很高的监测精度，但是通常受限于格网密度与经济适用性。目前的海岸带大坝淹没分析主要可分为两大类：第一类以稳定的地面为前提，叠加不同高度的水位进行淹没分析；第二类以形变的地面为前提，叠加不同高度的水位进行淹没分析。对于现实情况而言，很多沿海区域往往存在不同程度的地面沉降等影响因素，因此第一类方法局的限性较大。而第二类方法，虽然考虑了地表形变影响，但是对于形变量的获取、数字高程模型(DEM)精度、大坝高程与水位模拟等方面受到多重限制，具体表现为：(1)海岸带大坝的稳定性监测：主要技术方法有精密水准测量、三角高程测量、地下水井监测技术等，具有高时间分辨率、高精度特点，但是只能进行有限离散点观测，空间分辨率低且覆盖范围小，同时连续或定期监测所需的人力、物力成本较高。(2)海岸带大坝DEM的时空分辨率与精度：多数研究主要考虑较大区域的淹没范围，因此所采用的DEM数据往往空间分辨率和精度相对较低，并不适合用于精细结构的海岸带大坝淹没分析。(3)海岸带大坝淹没脆弱性分析：常见的淹没分析方法是在现有DEM基础上使用统一且恒定的形变速率推导未来的DEM，多数研究没有进行DEM模拟，而是将形变速率转化为相对海平面的升降，并假设地表形变速率在空间范围上保持一致，时间范围上保持均匀；水位模拟方面有两个比较明显的缺点，一是使用平均水位去进行淹没分析，削弱了极端天气事件下的破坏程度。二是过高的水位估计，扩大了淹没的影响。通过上述分析，现有技术存在的问题及缺陷为：(1)现有海岸带大坝的稳定性监测只能进行有限离散点观测，空间分辨率低且覆盖范围小，同时连续或定期监测所需的人力、物力成本较高。(2)现有海岸带大坝DEM的时空分辨率与精度相对较低，并不适合用于精细结构的海岸带大坝淹没分析。(3)现有海岸带大坝淹没脆弱性分析没有进行DEM模拟；使用平均水位去进行淹没分析或者过高的水位估计，扩大了淹没的影响。解决以上问题及缺陷的难度与意义为：针对问题(1)，传统大坝形变监测方法，例如GNSS与水准测量技术，其观测精度可以达到毫米级，但是在人力、物力等需要投入较多，而且无法做到高空间密度监测点布设；虽然近景摄影测量等技术可以提供高空间分辨率观测，但所需经济成本较高，不适合普通用户开展大范围重复监测。星载时序InSAR技术是一种能够用于海岸带大坝高空间分辨率、高精度、可重复观测的形变监测方案，而且免费和商业SAR数据源均非常丰富，可以保证在有限经济成本下开展常规的大范围形变监测任务和工作效率。针对问题(2)，海岸带大坝呈现较长的条带状，宽约100m，高度变化在5-10m以内，而水位变化(不考虑风浪)也仅仅在2.5m以内。已公开的大坝地区的DEM空间分辨率与高程精度均大于大坝本身的高程变化区间，在地形精细程度与产品精度上无法适用于大型线状精细人工结构的淹没分析与安全性评估。基于无人机载LiDAR或高分辨率相机，可以提供高空间分辨率、高精度的海岸带大坝DEM产品。针对问题(3)，现有大坝淹没分析没有对未来大坝DEM进行预测，而是将大坝形变量换算为水位变化，忽视了形变本身对大坝结构的破坏性影响，尤其是假如存在非均匀垂向形变时，产生的剪应力对大坝的破坏往往更容易造成海水侵入与内部基础设施的淹没。另外，本专利技术方法中提供了两个模拟水位，有效避免了过高或者过低的水位估计，综合考虑了日常水位变化情况与偶有发生的极端天气情况。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种海岸带大坝稳定性监测与淹没脆弱性评估方法、系统。本专利技术是这样实现的，一种海岸带大坝稳定性监测与淹没脆弱性评估方法，所述海岸带大坝稳定性监测与淹没脆弱性评估方法包括：(1)准备星载SAR单视复数影像、用于辅助InSAR时序分析的全球DEM数据、使用无人机激光雷达获取大坝点云数据、海平面上升数据、验潮数据；(2)数据预处理，实现大坝DEM生成、大坝形变速率获取、大坝未来DEM模拟、大坝水位模拟；(3)淹没分析，实现大坝淹没分析和大坝淹没情景展示。进一步，所述海岸带大坝稳定性监测与淹没脆弱性评估方法的无人机载激光雷达观测与海岸带大坝DEM生成包括：(1)激光雷达点云采集与滤波处理，利用UAVLiDAR采集研究区域点云数据生成大坝DEM，数据中含有空间三维信息和反射强度信息，通过有选择性滤波处理，滤除随机噪点、植被、电线杆噪声，得到海岸带大坝的数字地形模型DTM；(2)点云数据转DEM，在滤波后的点云数据基础上进行转栅格操作生成DEM，并使用反距离加权IDW法进行插值，输出的DEM数据类型为浮点型；最后根据研究范围对生成的DEM进行裁剪，得到大坝的条带状DEM；(3)DEM高程质量评估，通过采集覆盖海岸带大坝的GNSS地面控制点作为大坝高程真值，采用高差标准差STD、均方根误差RMS、相关性CORR指标对大坝DEM精度进行估计；STD用来衡量高差离散程度，RMS衡量高程观测值与真值之间的偏差，CORR是反映变量之间相关关系密切程度的统计指标；其中xi为GNSS点高程，yi为DEM高程，ME代表高差均值，Δhi代表高差分量，N代表样本量。进一步，所述海岸带大坝稳定性监测与淹没脆弱性评估方法的星载雷达干涉测量与大坝垂向形变速率估计包括：(1)数据预处理，通过组合短时空基线SAR干涉对提高相干性和相位信噪比，用于开展InSAR小基线集SBAS时序分析；利用精密轨道与外部地形数据去除参考椭球相位和地形相位，根据自适应滤波后的干涉图相位剔除个别干涉效果较差的干涉对；选取控制点用于轨道精炼与重去平，在完成第一次轨道精炼与重去平之后检查控制点精度，去除误差较大的点，重新进行轨道精炼与重去平，多次迭代直到所有控制点精度都满足精度要求；(2)形变速率估计，在筛选完干涉对和控制点之后，使用SBAS算法开展InSAR时序分析以获取形变速率栅格图，得到的形变位移图在空间上较为连续；(3)形变监测精度评估，通过地面连续GNSS观测站评估InSAR时序分析得到的形变位移与速率，若没有地面实测数据，使用相同时间范围内不同卫星轨道数据对形变监测结果进行验证；采用升轨数据与降轨数据进行相互验证，分析标准差、均方根误差与相关性统计指标；(4)形变速率图的后处理，对InSAR时序分析得到的形变速率图进行裁剪，使其范围与DEM保持一致；进行重采样处理，使其空间分辨率与DEM保持一致；最后进行平滑处理，消除部分高频噪声。进一步，所述海岸带大坝稳定性监测与淹没脆弱性评估方法的淹没脆弱性本文档来自技高网...

【技术保护点】
1.一种海岸带大坝稳定性监测与淹没脆弱性评估方法，其特征在于，所述海岸带大坝稳定性监测与淹没脆弱性评估方法包括：/n准备星载SAR单视复数影像、用于辅助InSAR时序分析的全球DEM数据、使用无人机激光雷达获取大坝点云数据、海平面上升数据、验潮数据；/n数据预处理，实现大坝DEM生成、大坝形变速率获取、大坝未来DEM模拟、大坝水位模拟；/n淹没分析，实现大坝淹没分析和大坝淹没情景展示。/n

【技术特征摘要】
1.一种海岸带大坝稳定性监测与淹没脆弱性评估方法，其特征在于，所述海岸带大坝稳定性监测与淹没脆弱性评估方法包括：
准备星载SAR单视复数影像、用于辅助InSAR时序分析的全球DEM数据、使用无人机激光雷达获取大坝点云数据、海平面上升数据、验潮数据；
数据预处理，实现大坝DEM生成、大坝形变速率获取、大坝未来DEM模拟、大坝水位模拟；
淹没分析，实现大坝淹没分析和大坝淹没情景展示。


2.如权利要求1所述的海岸带大坝稳定性监测与淹没脆弱性评估方法，其特征在于，所述海岸带大坝稳定性监测与淹没脆弱性评估方法的无人机载激光雷达观测与海岸带大坝DEM生成包括：
(1)激光雷达点云采集与滤波处理，利用UAVLiDAR采集研究区域点云数据生成大坝DEM，数据中含有空间三维信息和反射强度信息，通过有选择性滤波处理，滤除随机噪点、植被、电线杆噪声，得到海岸带大坝的数字地形模型DTM；
(2)点云数据转DEM，在滤波后的点云数据基础上进行转栅格操作生成DEM，并使用反距离加权IDW法进行插值，输出的DEM数据类型为浮点型；最后根据研究范围对生成的DEM进行裁剪，得到大坝的条带状DEM；
(3)DEM高程质量评估，通过采集覆盖海岸带大坝的GNSS地面控制点作为大坝高程真值，采用高差标准差STD、均方根误差RMS、皮尔森相关性CORR指标对大坝DEM精度进行估计；STD用来衡量高差离散程度，RMS衡量高程观测值与真值之间的偏差，CORR是反映变量之间相关关系密切程度的统计指标；









其中xi为GNSS点高程，yi为DEM高程，ME代表高差均值，Δhi代表高差分量，N代表样本量。


3.如权利要求1所述的海岸带大坝稳定性监测与淹没脆弱性评估方法，其特征在于，所述海岸带大坝稳定性监测与淹没脆弱性评估方法的星载雷达干涉测量与大坝垂向形变速率估计包括：
(1)数据预处理，通过组合短时空基线SAR干涉对提高相干性和相位信噪比，用于开展InSAR小基线集SBAS时序分析；利用精密轨道与外部地形数据去除参考椭球相位和地形相位，根据自适应滤波后的干涉图相位剔除个别干涉效果较差的干涉对；选取控制点用于轨道精炼与重去平，在完成第一次轨道精炼与重去平之后检查控制点精度，去除误差较大的点，重新进行轨道精炼与重去平，多次迭代直到所有控制点精度都满足精度要求；
(2)形变速率估计，在筛选完干涉对和控制点之后，使用SBAS算法开展InSAR时序分析以获取形变速率栅格图，得到的形变位移图在空间上较为连续；
(3)形变监测精度评估，通过地面连续GNSS观测站评估InSAR时序分析得到的形变位移与速率，若没有地面实测数据，使用相同时间范围内不同卫星轨道数据对形变监测结果进行验证；采用升轨数据与降轨数据进行相互验证，分析标准差、均方根误差与相关性统计指标；
(4)形变速率图的后处理，对InSAR时序分析得到的形变速率图进行裁剪，使其范围与DEM保持一致；进行重采样处理，使其空间分辨率与DEM保持一致；最后进行平滑处理，消除部分高频噪声。


4.如权利要求1所述的海岸带大坝稳定性监测与淹没脆弱性评...

【专利技术属性】
技术研发人员：李鹏，王国阳，李振洪，王厚杰，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：山东;37