基于多源遥感数据的三峡库区地表沉降监测方法、系统及装置

本发明属于遥感技术和环境监测领域，具体涉及一种基于多源遥感数据的三峡库区地表沉降监测方法、系统及装置。

背景技术：

1、在地表沉降监测与评估领域，尤其是针对复杂地质环境下的沉降检测与预测，多源数据融合技术和机器学习模型的应用越来越广泛。针对三峡库区等地区的沉降监测，近年来的研究主要依赖遥感技术，特别是合成孔径雷达干涉技术(sbas-insar)与其他遥感数据源的结合，以期更精确地监测地表沉降动态。然而，单一的遥感数据源在地表沉降监测中的应用仍面临精度不足、时空分辨率差异和数据可靠性问题。

2、在多源数据融合技术方面，将不同类型的遥感数据，如光学影像与合成孔径雷达影像，与环境变量如降雨、地表水位等)结合，增强监测结果的精度和可靠性。特别是通过多源数据融合，能够克服单一数据源所带来的局限性，提高对复杂地质环境中沉降行为的感知能力。针对三峡库区这一特定区域，研究表明，结合sbas-insar数据与环境数据，如水位变化、降水量能够有效揭示库区蓄水对地表沉降的影响。然而，由于不同遥感数据源的分辨率、获取频率和数据质量差异，数据融合面临挑战。融合技术需要对异质性的数据源进行统一处理，解决时间尺度和空间分辨率不一致的问题，这在现有技术中仍未得到完全解决。

3、在机器学习方面，采用多种机器学习方法以改进地表沉降的预测精度，包括支持向量回归(svr)、决策树、随机森林(rf)、梯度提升决策树(gbdt)、极端随机树(ert)等传统算法，以及长短期记忆网络(lstm)等深度学习模型。特别是在预测精度要求较高的三峡库区，lstm模型与gbdt模型由于其对时间序列数据的良好适应性和在长时序数据中捕捉模式的优势，表现出较好的预测能力。研究表明，在应用lstm模型时，能够较为准确地捕捉水库周围地表沉降的时间动态变化，尤其在水位变化与降水等环境因素影响下，lstm模型比传统统计方法和其他机器学习模型更能揭示地表沉降的复杂演化规律。

4、然而，尽管机器学习技术在地表沉降预测中取得了显著成果，但仍存在一些问题和挑战。首先，机器学习模型的性能对数据的质量、数量及处理方式有较高要求。数据噪声较大或者数据量不足时，模型的训练效果和预测精度都会大打折扣。其次，现有的机器学习模型通常是针对特定区域和数据集进行训练，缺乏足够的普适性，在不同地质环境下的推广应用受到限制。此外，深度学习模型(如lstm)虽然具有较强的时间序列预测能力，但其模型训练过程较为复杂，并且对计算资源的要求较高，可能导致大规模数据处理时效率较低。

5、总的来说，当前地表沉降监测和预测技术虽然取得了部分进展，但依然存在数据源单一、数据融合技术不成熟以及机器学习模型泛化能力不足等问题。这些问题在三峡库区等特殊区域的应用中表现得尤为突出，因此，亟需一种更加高效和精确的技术手段来解决这些局限性，从而提升沉降监测与评估的整体能力。

技术实现思路

1、为解决以上现有技术存在的问题，本发明提出了一种基于多源遥感数据的三峡库区地表沉降监测方法，该方法包括：获取一段时间内多个单视复合体图像以及对应的图像表面覆盖数据，对图像数据进行预处理；对经过预处理后的图像数据进行sbas-insar处理，包括对图像进行干涉、反演以及地理编码处理；采用多源遥感数据融合技术对经过编码处理的数据进行融合；将融合后的图像输入到预训练后的机器学习模型中，得到三峡库区地表沉降监测结果。

2、一种基于多源遥感数据的三峡库区地表沉降监测系统，该系统包括：数据采集模块、预处理模块、编码模块、融合模块以及监测模块；

3、所述数据采集模块用于采集一段时间内多个单视复合体图像以及对应的图像表面覆盖数据；

4、所述预处理模块用于对图像数据进行预处理；

5、所述编码模块用于对预处理后的图像进行干涉、反演以及地理编码处理；

6、所述融合模块用于对经过编码处理的数据进行融合，得到融合图像；

7、所述监测模块用于对融合图像进行地表沉降监测，得到监测结果。

8、为实现上述目的，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现任一上述基于多源遥感数据的三峡库区地表沉降监测方法。

9、为实现上述目的，本发明还提供一种基于多源遥感数据的三峡库区地表沉降监测装置，包括处理器和存储器；所述存储器用于存储计算机程序；所述处理器与所述存储器相连，用于执行所述存储器存储的计算机程序，以使所述一种基于多源遥感数据的三峡库区地表沉降监测置执行任一上述基于多源遥感数据的三峡库区地表沉降监测方法。

10、本发明的有益效果：

11、本发明通过引入多源遥感数据融合与先进的机器学习模型，克服了现有技术中数据源单一、时空分辨率差异、模型适应性差等问题，显著提升了地表沉降监测与评估的精度、稳定性和鲁棒性。该技术方案不仅能够提供更精确的沉降监测结果，还能够为其他复杂环境下的沉降预测和评估提供可靠的技术支持，具有广泛的应用前景和实际价值。

技术特征：

1.一种基于多源遥感数据的三峡库区地表沉降监测方法，其特征在于，包括：获取一段时间内多个单视复合体图像以及对应的图像表面覆盖数据，对图像数据进行预处理；对经过预处理后的图像数据进行sbas-insar处理，包括对图像进行干涉、反演以及地理编码处理；采用多源遥感数据融合技术对经过编码处理的数据进行融合；将融合后的图像输入到预训练后的机器学习模型中，得到三峡库区地表沉降监测结果。

2.根据权利要求1所述的一种基于多源遥感数据的三峡库区地表沉降监测方法，其特征在于，对图像数据进行预处理包括对图像进行合并、裁剪、提取、去噪以及滤波处理。

3.根据权利要求1所述的一种基于多源遥感数据的三峡库区地表沉降监测方法，其特征在于，对图像进行干涉处理包括：将不同图像在空间对齐；对对齐后的图像进行相干运算，得到干涉图；对干涉图进行滤波以及相位解缠处理；

4.根据权利要求1所述的一种基于多源遥感数据的三峡库区地表沉降监测方法，其特征在于，采用多源遥感数据融合技术对图像进行融合包括：采用空间配准的方法将合成孔径雷达数据和光学遥感影像进行对齐，生成沉降点图；根据水库水位、降水量生成相关联的折线图，根据折线图对沉降点图进行优化，提高沉降监测的准确性与时效性。

5.根据权利要求1所述的一种基于多源遥感数据的三峡库区地表沉降监测方法，其特征在于，机器学习模型由长短期记忆网络和梯度提升决策树组成。

6.根据权利要求1所述的一种基于多源遥感数据的三峡库区地表沉降监测方法，其特征在于，对机器学习模型进行训练包括：获取一段时间内的原始图像数据，对图像数据进行预处理，对预处理后的图像进行sbas-insar处理，并将sbas-insar处理后的数据作为训练集；将训练集中的对应数据进行融合，将融合后的数据；将融合后的数据输入到长短期记忆网络中进行深层次特征提取；将提取的特征输入到梯度提升决策树进行监测，得到监测结果；采用评估结果对监测结果进行评估，根据评估结果对模型参数进行调整，当评估结果最优时，完成模型的训练。

7.一种基于多源遥感数据的三峡库区地表沉降监测系统，该系统用于执行权利要求1～6任一所述的一种基于多源遥感数据的三峡库区地表沉降监测方法，其特征在于，包括：数据采集模块、预处理模块、编码模块、融合模块以及监测模块；

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行，以实现如权利要求1至6中任一项所述的基于多源遥感数据的三峡库区地表沉降监测方法。

9.一种基于多源遥感数据的三峡库区地表沉降监测装置，其特征在于，包括处理器和存储器；所述存储器用于存储计算机程序；所述处理器与所述存储器相连，用于执行所述存储器存储的计算机程序，以使所述一种基于多源遥感数据的三峡库区地表沉降监测装置执行如权利要求1至6中任一项所述的基于多源遥感数据的三峡库区地表沉降监测方法。

技术总结
本发明属于遥感技术和环境监测领域，具体涉及一种基于多源遥感数据的三峡库区地表沉降监测方法、系统及装置，包括：获取一段时间内多个单视复合体图像以及对应的图像表面覆盖数据，对图像数据进行预处理；对经过预处理后的图像数据进行SBAS‑InSAR处理，包括对图像进行干涉、反演以及地理编码处理；采用多源遥感数据融合技术对经过编码处理的数据进行融合；将融合后的图像输入到预训练后的机器学习模型中，得到三峡库区地表沉降监测结果；本发明通过引入多源遥感数据融合与先进的机器学习模型，克服了现有技术中数据源单一、时空分辨率差异、模型适应性差等问题，显著提升了地表沉降监测与评估的精度、稳定性和鲁棒性。

技术研发人员：杨佳洱,寇平浪
受保护的技术使用者：重庆邮电大学
技术研发日：
技术公布日：2025/4/17