本發(fā)明涉及邊坡監(jiān)測，具體涉及一種insar的流域邊坡位移監(jiān)測方法及裝置。

背景技術(shù)：

1、流域邊坡位移監(jiān)測是指對流域內(nèi)邊坡(通常是河流、湖泊等水體兩側(cè)的斜坡)的位移變化進(jìn)行實時監(jiān)測和評估的技術(shù)手段。這種監(jiān)測對于確保流域內(nèi)水利工程的安全、預(yù)防地質(zhì)災(zāi)害以及保護(hù)沿岸人民生命財產(chǎn)安全具有重要意義。

2、經(jīng)檢索，專利公告號為cn201910686984.6的專利公開了基于地面穩(wěn)定平臺的流域庫岸形變近景攝影測量監(jiān)測方法，雖然該裝置在使用時通過設(shè)置將近景攝影測量系統(tǒng)與gps技術(shù)相結(jié)合，通過近景攝影測量原理將普通數(shù)碼相機(jī)應(yīng)用到流域庫岸的變形監(jiān)測中，擴(kuò)展了攝影測量的應(yīng)用范圍，同時提高了邊坡監(jiān)測工作的效率和安全性，實現(xiàn)了流域庫岸監(jiān)測工作的自動化和信息化，但該裝置在進(jìn)行使用時受限于設(shè)備位置和拍攝角度，難以覆蓋大面積或復(fù)雜地形的流域庫岸，且在遠(yuǎn)距離或復(fù)雜條件下精度可能下降，尤其是在監(jiān)測地質(zhì)災(zāi)害的早期微小位移時效果不佳。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種insar的流域邊坡位移監(jiān)測方法及裝置，解決了背景技術(shù)中所提出的問題。

2、本發(fā)明解決上述技術(shù)問題的方案如下：

3、一種insar的流域邊坡位移監(jiān)測方法，包括以下步驟：

4、s1、通過sar數(shù)據(jù)采集模塊對目標(biāo)流域區(qū)域進(jìn)行多時相的sar影像采集，確保持續(xù)、定期的數(shù)據(jù)獲取，為后續(xù)的監(jiān)測提供時序信息；

5、s2、數(shù)據(jù)預(yù)處理模塊接收采集到的sar影像數(shù)據(jù)，利用insar技術(shù)生成初始干涉圖，并在圖像生成過程中識別噪聲和誤差；

6、s3、在數(shù)據(jù)預(yù)處理模塊內(nèi)，加入自適應(yīng)噪聲抑制算法，通過時頻域濾波有效去除干涉圖中的噪聲，大大減少了大氣延遲、軌道誤差及地形誤差對監(jiān)測精度的影響；

7、s4、數(shù)據(jù)預(yù)處理模塊進(jìn)一步利用高精度的數(shù)字高程模型對干涉相位進(jìn)行校正，消除因地形高差引起的相位誤差，確保相位信息的準(zhǔn)確性；

8、s5、相位解纏模塊接收到校正后的干涉相位數(shù)據(jù)，采用相位解纏算法將復(fù)雜相位值轉(zhuǎn)化為連續(xù)的位移信息，恢復(fù)實際的地表位移；

9、s6、相位解纏模塊結(jié)合地面參考點(diǎn)對解纏后的位移信息進(jìn)行校準(zhǔn)，確保計算結(jié)果的可靠性和精度；

10、s7、位移分析模塊利用分布式點(diǎn)目標(biāo)分析法對校準(zhǔn)后的位移數(shù)據(jù)進(jìn)行深入分析，生成監(jiān)測區(qū)域內(nèi)邊坡的時空位移分布情況，提供精確的位移演變信息；

11、s8、位移預(yù)測模塊結(jié)合歷史的邊坡位移數(shù)據(jù)，使用機(jī)器學(xué)習(xí)模型進(jìn)行預(yù)測；

12、s9、預(yù)警系統(tǒng)模塊接收來自位移分析和預(yù)測模塊的數(shù)據(jù)，生成邊坡位移的時空分布圖，并結(jié)合歷史位移數(shù)據(jù)形成位移風(fēng)險評估報告，用于監(jiān)測區(qū)域的安全評估；

13、s10、預(yù)警系統(tǒng)模塊根據(jù)位移趨勢預(yù)測結(jié)果和風(fēng)險評估報告，自動向相關(guān)的防災(zāi)減災(zāi)機(jī)構(gòu)發(fā)出預(yù)警信號，實時聯(lián)動外部系統(tǒng)，確保及時采取防護(hù)措施。

14、在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明還可以做如下改進(jìn)。

15、進(jìn)一步，s3中采用的自適應(yīng)噪聲抑制算法為基于小波變換的時頻域濾波算法，用于有效降低噪聲干擾。

16、采用上述進(jìn)一步方案的有益效果是：

17、小波變換能夠同時在時域和頻域提供局部化的信息，這是傳統(tǒng)傅立葉變換所不具備的。它對于分析非平穩(wěn)信號(如含有噪聲的信號)特別有效，因為非平穩(wěn)信號的統(tǒng)計特性隨時間而變化。小波變換的這一特性使得它能夠在不同的時間和頻率分辨率下有效地分離信號和噪聲。小波變換通過逐步細(xì)分的方式，在不同尺度(或分辨率)上分析信號。這使得它能夠更靈活地匹配信號的特性，并根據(jù)信號在不同尺度上的表現(xiàn)來去除噪聲。例如，在高頻尺度上，噪聲可能更為明顯，而在低頻尺度上，信號的特征則更為突出。結(jié)合小波變換和自適應(yīng)濾波算法，可以實現(xiàn)對噪聲的自適應(yīng)抑制。這意味著濾波器的參數(shù)可以根據(jù)信號和噪聲的特性動態(tài)調(diào)整，以達(dá)到最佳的濾波效果。例如，在噪聲水平較高時，濾波器可以加強(qiáng)去噪強(qiáng)度；在信號質(zhì)量較好時，則可以適當(dāng)減弱去噪，以保留更多的信號細(xì)節(jié)?；谛〔ㄗ儞Q的時頻域濾波算法能夠更有效地去除噪聲，特別是那些與信號在時頻域上特征差異較大的噪聲。通過小波分解，信號和噪聲可以在不同的尺度上被分離，并通過閾值處理等方法去除噪聲。這種方法比傳統(tǒng)的全局濾波方法更加精細(xì)和有效。在去除噪聲的同時，基于小波變換的濾波算法能夠盡可能多地保留信號的細(xì)節(jié)信息。這是因為小波變換能夠在不同的尺度上分解信號，使得信號的各個成分在各自的尺度上得到更好的保留。小波變換提供了多種小波基函數(shù)可供選擇，這些基函數(shù)具有不同的性質(zhì)和特點(diǎn)。根據(jù)信號的具體情況和去噪需求，可以選擇最合適的小波基函數(shù)來進(jìn)行濾波處理。此外，還可以通過調(diào)整小波分解的層數(shù)和閾值等參數(shù)來優(yōu)化濾波效果。

18、進(jìn)一步，s6中使用的地面參考點(diǎn)為在流域內(nèi)布設(shè)的gps監(jiān)測點(diǎn)和已知穩(wěn)定建筑物，用于提高相位校準(zhǔn)精度。

19、采用上述進(jìn)一步方案的有益效果是：

20、gps監(jiān)測點(diǎn)能夠提供高精度的位置信息，這些位置信息作為已知的穩(wěn)定基準(zhǔn)，可以極大地提高相位解纏和位移預(yù)測的精度，通過定期或不定期地校準(zhǔn)相位信息，可以減少因長時間觀測或環(huán)境變化導(dǎo)致的誤差累積，確保監(jiān)測數(shù)據(jù)的準(zhǔn)確性和可靠性。已知穩(wěn)定的建筑物作為參考點(diǎn)，其位置在長時間內(nèi)保持相對穩(wěn)定，為相位校準(zhǔn)提供了可靠的基準(zhǔn)，與僅依賴衛(wèi)星信號進(jìn)行相位解纏相比，結(jié)合地面參考點(diǎn)可以減少大氣延遲、多路徑效應(yīng)等外部因素對相位信息的影響。

21、進(jìn)一步，s8中的機(jī)器學(xué)習(xí)模型為基于長短期記憶網(wǎng)絡(luò)的非線性位移預(yù)測模型。

22、采用上述進(jìn)一步方案的有益效果是：

23、lstm通過其特有的門控結(jié)構(gòu)(遺忘門、輸入門、輸出門)，能夠有效地保存長期記憶。這種能力使得lstm模型在處理具有長期依賴性的序列數(shù)據(jù)時表現(xiàn)出色，能夠捕捉到數(shù)據(jù)中跨度較大的相關(guān)信息，從而在非線性位移預(yù)測中更為準(zhǔn)確地預(yù)測未來的變化趨勢。傳統(tǒng)的遞歸神經(jīng)網(wǎng)絡(luò)(rnn)在處理長序列數(shù)據(jù)時，容易遇到梯度消失或梯度爆炸的問題，導(dǎo)致模型難以訓(xùn)練。而lstm通過其門控機(jī)制，有效地緩解了這一問題，使得模型在訓(xùn)練過程中更加穩(wěn)定，能夠?qū)W習(xí)到更加復(fù)雜的數(shù)據(jù)特征。lstm的網(wǎng)絡(luò)結(jié)構(gòu)允許信息在網(wǎng)絡(luò)中靈活流動，這提供了高度的靈活性。同時，lstm模型具有較強(qiáng)的泛化能力，能夠適用于不同領(lǐng)域的序列預(yù)測任務(wù)，包括但不限于非線性位移預(yù)測。相比于傳統(tǒng)的時間序列預(yù)測方法(如arima或指數(shù)平滑法)，lstm具備更強(qiáng)的建模能力。它能夠捕捉復(fù)雜的非線性關(guān)系，并且能夠適應(yīng)數(shù)據(jù)中的非線性變化，從而在非線性位移預(yù)測中提供更加準(zhǔn)確的預(yù)測結(jié)果。lstm的門控結(jié)構(gòu)使得其能夠適應(yīng)不同長度的序列數(shù)據(jù)。由于lstm能夠捕捉長期依賴關(guān)系并防止梯度問題，因此在訓(xùn)練充分的情況下，其預(yù)測精度通常較高。

24、進(jìn)一步，所述sar影像數(shù)據(jù)的獲取頻率為每月一次或更高，以實現(xiàn)高時效性位移監(jiān)測。

25、采用上述進(jìn)一步方案的有益效果是：

26、高頻次的sar影像數(shù)據(jù)獲取確保了監(jiān)測的實時性。在地質(zhì)災(zāi)害、邊坡穩(wěn)定性評估等場景中，能夠迅速捕捉到地表位移的變化，為決策者提供及時的信息支持。一旦發(fā)現(xiàn)異常位移或潛在風(fēng)險，高頻數(shù)據(jù)可以立即觸發(fā)預(yù)警機(jī)制，使相關(guān)部門能夠迅速采取行動，減少災(zāi)害損失。高頻數(shù)據(jù)獲取提供了連續(xù)的地表位移觀測記錄，有助于更準(zhǔn)確地分析位移趨勢和速率。通過多次觀測和數(shù)據(jù)分析，可以平均化隨機(jī)誤差，提高監(jiān)測結(jié)果的準(zhǔn)確性和可靠性。高頻數(shù)據(jù)構(gòu)成了完整的時間序列，便于進(jìn)行時間序列分析，如趨勢分析、周期性分析、突變點(diǎn)檢測等，從而更深入地了解地表位移的規(guī)律和特征。高頻數(shù)據(jù)支持在不同時間尺度上進(jìn)行監(jiān)測和分析，如日、周、月、年等，滿足不同研究和應(yīng)用需求。

27、一種insar的流域邊坡位移監(jiān)測裝置，包括車體，所述車體上通過轉(zhuǎn)動底座轉(zhuǎn)動安裝有sar數(shù)據(jù)采集模塊；

28、所述車體上位于sar數(shù)據(jù)采集模塊的一側(cè)安裝有數(shù)據(jù)預(yù)處理模塊和相位解纏模塊，所述車體上位于數(shù)據(jù)預(yù)處理模塊和相位解纏模塊的一側(cè)安裝有位移分析模塊和位移預(yù)測模塊，所述sar數(shù)據(jù)采集模塊位于車體的中心線上，且數(shù)據(jù)預(yù)處理模塊和相位解纏模塊為一組，位移預(yù)測模塊和轉(zhuǎn)動底座為一組在車體的中心線的兩側(cè)對稱分布；

29、sar數(shù)據(jù)采集模塊：包含高分辨率雷達(dá)成像裝置，支持不同極化模式的sar影像數(shù)據(jù)獲取，確保數(shù)據(jù)源的多樣性和豐富性，采集到的sar影像數(shù)據(jù)會被傳遞到數(shù)據(jù)預(yù)處理模塊進(jìn)行進(jìn)一步處理；

30、數(shù)據(jù)預(yù)處理模塊：包括噪聲抑制單元和地形校正單元，分別用于對sar數(shù)據(jù)進(jìn)行初步的去噪和校正，減少干涉圖中的噪聲和地形誤差，提高數(shù)據(jù)質(zhì)量，預(yù)處理后的數(shù)據(jù)輸出到相位解纏模塊，用于生成位移信息；

31、相位解纏模塊：對預(yù)處理后的干涉相位進(jìn)行解纏處理，提取出真實的邊坡位移信息，以恢復(fù)原始的地表位移信息，解纏后的位移信息會傳遞給位移分析模塊，用于后續(xù)的時空位移分析；

32、位移分析模塊：基于分布式點(diǎn)目標(biāo)分析法對解纏后的位移信息進(jìn)行時空位移分析，生成監(jiān)測區(qū)域內(nèi)邊坡的時空位移分布圖，實現(xiàn)邊坡位移的連續(xù)監(jiān)測，分析得到的時空位移數(shù)據(jù)會被傳送到位移預(yù)測模塊，用于預(yù)測未來位移趨勢；

33、位移預(yù)測模塊：基于長短期記憶網(wǎng)絡(luò)模型，對邊坡位移數(shù)據(jù)進(jìn)行非線性預(yù)測，評估未來位移趨勢，并通過不斷迭代訓(xùn)練提升預(yù)測準(zhǔn)確性，預(yù)測結(jié)果會傳送至外置的預(yù)警系統(tǒng)模塊，生成預(yù)警報告；

34、預(yù)警系統(tǒng)模塊：預(yù)警系統(tǒng)模塊綜合來自位移預(yù)測模塊的數(shù)據(jù)，生成詳細(xì)的位移風(fēng)險評估報告，并根據(jù)預(yù)測的風(fēng)險等級發(fā)出預(yù)警信號。該模塊與外部防災(zāi)減災(zāi)機(jī)構(gòu)聯(lián)動，確保預(yù)警信息實時傳遞，預(yù)警系統(tǒng)模塊不僅生成報告，還將實時的位移監(jiān)測數(shù)據(jù)傳回至外部系統(tǒng)的數(shù)據(jù)存儲系統(tǒng)，供后續(xù)的進(jìn)一步分析或模型更新。

35、進(jìn)一步，所述sar數(shù)據(jù)采集模塊包括高分辨率sar數(shù)據(jù)采集模塊成像裝置，支持不同極化模式的sar影像數(shù)據(jù)獲取。

36、采用上述進(jìn)一步方案的有益效果是：

37、高分辨率sar數(shù)據(jù)采集模塊能夠生成更為精細(xì)的sar影像，精細(xì)刻畫地表的各種特征，包括地形起伏、地物細(xì)節(jié)等，為后續(xù)的圖像解譯和地物分類提供更為準(zhǔn)確的數(shù)據(jù)基礎(chǔ)。支持hh、vv、hv、vh等多種極化模式的sar數(shù)據(jù)采集，能夠獲取不同極化方式下的地物散射信息。這些極化信息反映了地物的不同物理屬性和散射特性，為地物分類、目標(biāo)識別和場景解譯提供了更為豐富的數(shù)據(jù)源。通過多極化數(shù)據(jù)的聯(lián)合分析，可以更有效地區(qū)分不同類型的地物，提高地物分類和目標(biāo)識別的精度。例如，hh極化對二面角散射更為敏感，適用于檢測高大植被和人造地物；vv極化對粗糙表面散射更為敏感，適用于檢測裸地等；hv和vh極化則對植被和土壤的含水量、濕度等參數(shù)更為敏感。

38、進(jìn)一步，所述數(shù)據(jù)預(yù)處理模塊包括噪聲抑制單元和地形校正單元，分別用于減少干涉圖中的噪聲和地形誤差。

39、采用上述進(jìn)一步方案的有益效果是：

40、噪聲抑制單元通過去除或減小干涉圖中的噪聲，能夠顯著提升數(shù)據(jù)的質(zhì)量。噪聲是數(shù)據(jù)中的隨機(jī)波動或誤差，它可能掩蓋了真實的信號和特征，通過噪聲抑制，可以還原數(shù)據(jù)中的真實信息。在后續(xù)的數(shù)據(jù)分析、處理或建模過程中，高質(zhì)量的數(shù)據(jù)能夠減少模型的過擬合風(fēng)險，提高模型的準(zhǔn)確性和泛化能力。噪聲抑制有助于模型更專注于真實的數(shù)據(jù)特征，從而做出更準(zhǔn)確的預(yù)測或分類。噪聲抑制還能改善干涉圖的清晰度，使圖像中的地物特征更加鮮明，有利于后續(xù)的圖像解譯和目標(biāo)識別工作。

41、地形起伏會對sar影像產(chǎn)生幾何畸變和相位誤差，影響數(shù)據(jù)的準(zhǔn)確性和可靠性。地形校正單元通過計算并去除這些地形影響，能夠恢復(fù)數(shù)據(jù)中的真實信息，提高數(shù)據(jù)的精度。在大范圍的sar影像監(jiān)測中，地形起伏的復(fù)雜性可能導(dǎo)致不同區(qū)域的數(shù)據(jù)存在不一致性。地形校正能夠統(tǒng)一校正這些不一致性，使得整個監(jiān)測區(qū)域的數(shù)據(jù)具有更好的一致性和可比性。校正后的數(shù)據(jù)更加接近真實地表情況，能夠支持更精確的地理空間分析和應(yīng)用。例如，在災(zāi)害監(jiān)測、地形測繪、城市規(guī)劃等領(lǐng)域中，地形校正后的數(shù)據(jù)能夠提供更加準(zhǔn)確的地表信息支持。

42、進(jìn)一步，所述位移預(yù)測模塊內(nèi)置的機(jī)器學(xué)習(xí)算法具有自動更新功能，通過不斷迭代訓(xùn)練，提升預(yù)測準(zhǔn)確性。

43、采用上述進(jìn)一步方案的有益效果是：

44、機(jī)器學(xué)習(xí)算法能夠?qū)崟r接收新的數(shù)據(jù)輸入，并根據(jù)這些數(shù)據(jù)自動調(diào)整和優(yōu)化模型參數(shù)。這種動態(tài)調(diào)整的能力使得算法能夠?qū)崟r適應(yīng)環(huán)境變化和新的數(shù)據(jù)特征，從而提高預(yù)測的準(zhǔn)確性和可靠性。隨著迭代次數(shù)的增加，算法能夠?qū)W習(xí)到更多的數(shù)據(jù)特征和規(guī)律，從而不斷提升預(yù)測的準(zhǔn)確性。這種持續(xù)優(yōu)化的過程確保了預(yù)測結(jié)果能夠更加接近真實情況。自動更新功能使得機(jī)器學(xué)習(xí)算法的迭代訓(xùn)練過程實現(xiàn)了自動化，減少了人工干預(yù)的需求。這不僅提高了工作效率，還降低了人為錯誤的風(fēng)險。通過自動化更新，算法能夠持續(xù)保持其預(yù)測性能，減少了因模型過時或性能下降而需要頻繁重新訓(xùn)練和維護(hù)的成本。

45、進(jìn)一步，所述預(yù)警系統(tǒng)模塊與流域防災(zāi)減災(zāi)平臺聯(lián)網(wǎng)，能夠?qū)崟r傳輸監(jiān)測數(shù)據(jù)和預(yù)警信息。

46、采用上述進(jìn)一步方案的有益效果是：

47、聯(lián)網(wǎng)后，預(yù)警系統(tǒng)能夠即時將監(jiān)測到的數(shù)據(jù)傳輸?shù)搅饔蚍罏?zāi)減災(zāi)平臺，實現(xiàn)數(shù)據(jù)的實時共享。這有助于相關(guān)部門迅速掌握流域內(nèi)的實時情況，為及時決策提供依據(jù)。實時數(shù)據(jù)的傳輸使得預(yù)警信息能夠迅速生成并傳播，有助于在災(zāi)害發(fā)生前或發(fā)生時立即采取措施，減少災(zāi)害損失。通過聯(lián)網(wǎng)，流域防災(zāi)減災(zāi)平臺可以對來自多個預(yù)警系統(tǒng)的數(shù)據(jù)進(jìn)行整合和分析，提高預(yù)警的準(zhǔn)確性和效率。這有助于識別潛在的災(zāi)害風(fēng)險，并提前采取預(yù)防措施。聯(lián)網(wǎng)后的預(yù)警系統(tǒng)能夠利用流域防災(zāi)減災(zāi)平臺的廣泛傳播渠道，快速、準(zhǔn)確地將預(yù)警信息發(fā)布給相關(guān)部門和公眾，提高預(yù)警信息的覆蓋率和接收率。

48、本發(fā)明提供了一種insar的流域邊坡位移監(jiān)測方法及裝置。具備以下有益效果：

49、1、通過引入基于小波變換的時頻域濾波算法，創(chuàng)新性地解決了insar技術(shù)中常見的噪聲問題，特別是大氣延遲、軌道誤差和地形效應(yīng)對監(jiān)測精度的影響。此方法通過自適應(yīng)地調(diào)整濾波參數(shù)，增強(qiáng)了噪聲抑制效果，提高了位移監(jiān)測的準(zhǔn)確性。

50、2、該發(fā)明創(chuàng)造性地結(jié)合了長短期記憶網(wǎng)絡(luò)(lstm)，用于預(yù)測邊坡的未來位移趨勢。這種基于歷史位移數(shù)據(jù)的預(yù)測模型，能夠有效處理邊坡位移的非線性變化，為防災(zāi)減災(zāi)提供早期預(yù)警支持，是傳統(tǒng)insar技術(shù)未曾結(jié)合的創(chuàng)新應(yīng)用。

51、3、通過創(chuàng)新性地將分布式點(diǎn)目標(biāo)分析法(dps)應(yīng)用于邊坡的時空位移監(jiān)測，有效克服了傳統(tǒng)insar技術(shù)在點(diǎn)狀目標(biāo)監(jiān)測時的局限性，使其能夠?qū)φ麄€區(qū)域內(nèi)的邊坡進(jìn)行大范圍、精細(xì)的連續(xù)監(jiān)測。

52、4、裝置中引入了實時預(yù)警系統(tǒng)，能夠根據(jù)實時監(jiān)測數(shù)據(jù)和機(jī)器學(xué)習(xí)預(yù)測結(jié)果，向相關(guān)防災(zāi)減災(zāi)機(jī)構(gòu)發(fā)出預(yù)警信息。這一創(chuàng)新設(shè)計使得該系統(tǒng)不僅具備監(jiān)測功能，還能夠主動預(yù)警，提升了監(jiān)測系統(tǒng)的應(yīng)用價值。

53、5、位移預(yù)測模塊中的機(jī)器學(xué)習(xí)模型具有自動更新功能，能夠在運(yùn)行過程中根據(jù)新監(jiān)測數(shù)據(jù)持續(xù)進(jìn)行模型迭代訓(xùn)練。這一設(shè)計使得預(yù)測精度隨時間的推移逐步提高，增強(qiáng)了系統(tǒng)的智能化與適應(yīng)性。

54、6、創(chuàng)新性地利用gps監(jiān)測點(diǎn)和已知穩(wěn)定建筑物作為參考點(diǎn)，結(jié)合insar技術(shù)進(jìn)行相位校準(zhǔn)，確保了大范圍邊坡監(jiān)測中的相位準(zhǔn)確性，減少了誤差累積的風(fēng)險。