利用Sentinel卫星数据探测6.24茂县新磨村滑坡前时序地表运动特征

《利用Sentinel卫星数据探测6.24茂县新磨村滑坡前时序地表运动特征》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、图书分类号：P236密级：公开国际图书分类号：西南交通大学研究生学位论文利用Sentinel卫星数据探测6.24茂县新磨村滑坡前时序地表运动特征年级2015级1姓名徐亚会1申请学位级别工程硕士1专业测绘工程1指导老师陈强教授1二零一八年五月ClassifiedIndex:P236U.D.C:SouthwestJiaotongUniversityMasterDegreeThesisTimeSeriesGroundMotionMonitoringbefore6.24MaoxianXinmoLandsli

2、dewithSentinelSARdataGrade:2015Candidate:XuYahuiAcademicDegreeAppliedfor:MasterSpeciality:SurveyingandMappingEngineeringSupervisor:ProfessorChenQiangMay,2018西南交通大学硕士研究生学位论文第I页摘要2017年6月24日5时38分55秒，四川省茂县叠溪镇新磨村新村组后山山体突然崩塌，造成持续时间约120s的山体滑坡，滑坡中心位置位于东经103.65

3、°，北纬32.091°。新磨村滑坡是2008年“5·12”汶川地震后发生的最大规模的滑坡，破坏性极大，瞬间摧毁坡脚的新磨村，造成100余人死亡，并堵塞山体下方的公路及松坪沟河道。本文以新磨村滑坡为研究对象，利用时序雷达差分干涉测量技术来探测滑坡前山体形变信息并研究山体的时序运动特征。考虑到茂县新磨村滑坡山体处于特殊的地理位置，本文首先分析了滑坡的几何特征和成因。本次滑坡具有高位、岩质、巨型、高速的特点，滑坡产生的原因主要包括活动断裂、历史地震、岩层岩性、地形地貌、降雨条件等因素。其中松坪沟断裂和岷江

4、断裂对滑坡山体的不断挤压，以及频繁且剧烈的历史地震对岩体结构的破坏，是造成新磨村滑坡的根本因素；滑坡山体地势高陡且岩质较软，滑坡发生前的持续降雨这些因素加速了滑坡的产生。为探测该滑坡山体在滑坡发生前的时序形变信息，本文获取了滑坡发生前覆盖研究区的804天SAR影像数据，利用PSInSAR技术得到研究区的时序形变信息。结果表明，坡脚下的新磨村在滑坡发生前地表形变不明显，年平均形变速率在-5mm~5mm左右，山体上方的滑源区表现出较明显的形变，沿LOS向的最大形变速率可达-35mm/yr，且形变区域的朝

5、向与本次滑坡的滑动方向一致。另外本文还采用SBAS技术对研究区进行时序形变监测，并从沉降范围、速率等方面对比两种时序监测结果，结果表明两种方法获取的形变信息具有较高的一致性，且山体滑源区在滑坡发生前已经出现了明显的形变。为研究滑坡前时序地表运动特征，本文提取了山体不同位置特征点的时序信息及滑源区剖面线上的形变速率信息。坡脚下的新磨村附近在滑坡发生前一直没有明显的地表形变。在山体上方的滑源区，沿山体倾向越靠近山脊的区域沉降速率越大，远离山脊的区域沉降速率逐渐减小。其中沉降显著区域的速率呈现逐渐加快的趋

6、势，滑坡发生前2个月的月平均形变速率可达-6mm；稍微远离山脊的位置，形变区域整体呈现匀速下沉的趋势；滑源区中距离山脊较远的区域在整个监测时间内形变量不大，仅在滑坡前两个月左右有形变信号出现。关键词：新磨村滑坡；形变监测；PSInSAR；SBAS；滑动特征西南交通大学硕士研究生学位论文第II页AbstractAtabout5:38:55amlocaltimeon24June2017,amassivelandslideoccurredinthebackmountainoftheXinmovillage

7、,MaoCounty,SichuanProvince.Thislangslidecontinues120sandthecenteroflandslideislocatedat103.65°E,32.091°N.TheXinmolandslideisthelargestlandslideafter“5·12”WenchuanEarthquake,whichwasextremelydestructive.ItdestroyedtheXinmovillagerapidlyandcausedmorethan

8、100peopletobeburied,andblockedmanymotorwaysandtheSongpingRiveratthefootofthehill.Inthispaper,withlandslideofXinmovillageastheresearchobject,weusetheTimeSeriesDInSARtodetectthedeformationinformationofthemountainbeforethelandslideandstudy