مقایسه میزان جابجایی عمودی زمین با استفاده از الگوریتم SBAS در باندهای راداری X وC (مطالعۀ موردی: اراضی تهران)

محورهای موضوعی : توسعه سیستم های مکانی

مجتبی زارع کمالی ¹ , سید علی الحسینی المدرسی ² , کریم نقدی ³

1 - دانشجوی کارشناسی ارشد سنجش از دور و GIS، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران
2 - دانشیار دانشکده فنی مهندسی، گروه سنجش از دور و سیستم اطلاعات جغرافیایی، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران
3 - مربی گروه نقشه برداری، واحد تفت، دانشگاه آزاد اسلامی، تفت، ایران

تاریخ دریافت : 1396/01/31 تاریخ پذیرش : 1396/07/16 تاریخ انتشار : 1396/08/20

کلید واژه: الگوریتم SBAS, جابه جایی عمودی زمین, تداخل سنجی تفاضلی,

چکیده مقاله :

پوسته جامد زمین طی تاریخ زمین‌شناسی ثابت نبوده، بلکه تحت تأثیر عوامل داخلی و خارجی به طور دائم در حال تغییر شکل است. بالاآمدگی یا فروریختگی نقطه‌ای از قشر جامد زمین بخصوص در مناطق سست پوسته جامد زمین باعث ایجاد تغییراتی در سطح زمین می شود که می تواند باعث تخریب پدیده های طبیعی و انسان‌ساخت روی سطح زمین شود. در این پژوهش میزان جابه‌جایی عمودی سطح زمین در اراضی تهران با استفاده از تحلیل سری زمانی بر مبنای الگوریتم طول خط مبنای مکانی کوتاه (SBAS) و تکنیک تداخل سنجی تفاضلی رادار با روزنه مصنوعی (DINSAR) مورد مطالعه قرار گرفت. برای این منظور از 19 تصویر باند C سنجنده ASAR و 11 تصویر باند X سنجنده (TERRA SAR) استفاده شد. بازۀ زمانی این تصاویر به ترتیب 1680 و 187 روز بود. پس از پردازش تصاویر، نقشه های جابجایی سطح زمین برای تمامی تاریخ ها نسبت به تصویر اولیه محاسبه شد و نقشه میزان جابجایی عمودی سطح زمین در روز برای هر سنجنده تهیه گردید. بررسی نتایج دو سنجنده نشان داد که میزان نشست برای سنجنده ASAR به طور میانگین 761/0 میلی‌متر در روز و برای سنجنده TERRA SAR به طور میانگین 777/0 میلی‌متر در روز است. همچنین نتایج نشان داد که برخی نقاط بالاآمدگی داشته اند که میزان بالاآمدگی برای سنجنده ASAR به طور میانگین 529/0 میلی‌متر در روز و برای سنجنده TERRA SAR به طور میانگین 476/0 میلی‌متر در روز است. بطور کلی با وجود یکسان نبوده تاریخ و طول موج تصاویر مورد استفاده، نتایج بدست آمده برای مناطق نشست و بالاآمدگی برای هر دو سنجنده نزدیک به هم است.

چکیده انگلیسی:

The earth’s crust has not been fixed during the geological history and reshaped continually under the influence of internal and external factors. Uplifting or subsidence in some areas of the earth’s crust, especially in thin ones has been led to some changes in its surface which cause to destroy natural phenomena and human-made structures. In the present research amount of the earth’ vertical displacement in the Tehran lands using a time series analysis based on short location baseline (SBAS) and the differential radar interferometry with synthetic aperture technique (DINSAR) has been assessed. Accordingly, 19 images of the ENVISAT ASAR satellite (C band) and 11 images of the TERRA SAR satellite (X band) have been used in which the time span was 1680 and 187 days, respectively. After the image processing, maps of the earth’s surface displacement for all dates were calculated than the primary image and the map of the earth’s surface vertical displacement per day was provided for each sensor. Assessing results of two sensors indicated that, subsidence was moderately 0.761 mm and 0.777 mm per day for ASAR and TERRA SAR sensors, respectively. Results also represented that, some areas showed uplifting, in which the amount of uplifting for ASAR and TERRA SAR sensors were 0.529 and 0.476 per day, respectively. Generally, considering that the date and wavelength were different, obtained results for uplifting and subsidence areas were closed for both sensors.

منابع و مأخذ:

1. حاتمی، ج. 1394. عمق­سنجی برف با تلفیق طول موج­های مختلف راداری و تکنیک DINSAR. پایان­نامه کارشناسی ارشد، سنجش از دور و سیستم اطلاعات جغرافیایی، دانشگاه آزاد اسلامی واحد یزد. 112 صفحه.


2. حقیقت­مهر، پ.، م. ج. ولدان­زوج، ر. تاجیک، س. جباری، م. ر. صاحبی، ر. اسلامی، م. گنجیان و م. دهقانی. 1391. تحلیل سری زمانی فرونشست هشتگرد با استفاده از روش تداخل­سنجی راداری و سامانه موقعیت­یابی جهانی. علوم زمین، 22(85): 105-114.


3. دهقانی، م. 1393. ارائه الگوریتمی جدید بر مبنای تکنیک تداخل­سنجی راداری به منظور پایش فرونشست سطح زمین ناشی از استخراج آب­های زیرزمینی. مهندسی فناوری اطلاعات مکانی، 2(2): 61-73.
   
   
   
   1. Abir IA, Khan SD, Ghulam A, Tariq S, Shah MT. 2015. Active tectonics of western Potwar Plateau–Salt Range, northern Pakistan from InSAR observations and seismic imaging. Remote Sensing of Environment, 168: 265-275.
   
   
   2. Amelung F, Galloway DL, Bell JW, Zebker HA, Laczniak RJ. 1999. Sensing the ups and downs of Las Vegas: InSAR reveals structural control of land subsidence and aquifer-system deformation. Geology, 27(6): 483-486.
   
   
   3. Bateson L, Cigna F, Boon D, Sowter A. 2015. The application of the Intermittent SBAS (ISBAS) InSAR method to the South Wales Coalfield, UK. International Journal of Applied Earth Observation and Geoinformation, 34: 249-257.
   
   
   4. Berardino P, Fornaro G, Lanari R, Sansosti E. 2002. A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms. IEEE Transactions on Geoscience and Remote Sensing, 40(11): 2375-2383.
   
   
   5. Cascini L, Fornaro G, Peduto D. 2010. Advanced low-and full-resolution DInSAR map generation for slow-moving landslide analysis at different scales. Engineering Geology, 112(1): 29-42.
   
   
   6. Cigna Francesca, Alessandro Novellino, Colm J. Jordan, Andrew Sowter, Massimo Ramondini, Cigna F, Novellino A, Jordan CJ, Sowter A, Ramondini M, Calcaterra D. 2014. Intermittent SBAS (ISBAS) InSAR with COSMO-SkyMed X-band high resolution SAR data for landslide inventory mapping in Piana degli Albanesi (Italy). In: SPIE Proceedings: SAR Image Analysis, Modeling, and Techniques XIV (2014), Amsterdam, Netherlands, 22 Sep.
   
   
   7. Dong S, Samsonov S, Yin H, Ye S, Cao Y. 2014. Time-series analysis of subsidence associated with rapid urbanization in Shanghai, China measured with SBAS InSAR method. Environmental Earth Sciences, 72(3): 677-691.
   
   
   8. ElGharbawi T, Tamura M. 2015. Coseismic and postseismic deformation estimation of the 2011 Tohoku earthquake in Kanto Region, Japan, using InSAR time series analysis and GPS. Remote Sensing of Environment, 168: 374-387.
   
   
   9. Ferretti A, Monti-Guarnieri A, Prati C, Rocca F, Massonet D. 2007. InSAR principles-guidelines for SAR interferometry processing and interpretation, ESA Publications. 110 pp.
   
   
   10. Ferretti A, Prati C, Rocca F. 2001. Permanent scatterers in SAR interferometry. IEEE Transactions on Geoscience and Remote Sensing, 39(1): 8-20.
   
   
   11. Hanssen RF. 2001. Radar interferometry: data interpretation and error analysis. Springer Science & Business Media, 308 pp.
   
   
   12. Kim J-W, Lu Z, Jia Y, Shum C. 2015. Ground subsidence in Tucson, Arizona, monitored by time-series analysis using multi-sensor InSAR datasets from 1993 to 2011. ISPRS Journal of Photogrammetry and Remote Sensing, 107: 126-141.
   
   
   13. Li C, Tang X, Ma T. 2006. Land subsidence caused by groundwater exploitation in the Hangzhou-Jiaxing-Huzhou Plain, China. Hydrogeology Journal, 14(8): 1652-1665.
   
   
   14. Lundgren P, Usai S, Sansosti E, Lanari R, Tesauro M, Fornaro G, Berardino P. 2001. Modeling surface deformation observed with SAR interferometry at Campi Flegrei aldera. Journal of Geophysical Research, 106: 19355-19367.
   
   
   15. Massonnet D, Feigl KL. 1998. Radar interferometry and its application to changes in the Earth's surface. Reviews of Geophysics, 36(4): 441-500.
   
   
   16. Mather PM, Koch M. 2011. Computer processing of remotely-sensed images: an introduction. John Wiley & Sons, 460 pp.
   
   
   17. Qu F, Lu Z, Zhang Q, Bawden GW, Kim J-W, Zhao C, Qu W. 2015. Mapping ground deformation over Houston–Galveston, Texas using multi-temporal InSAR. Remote Sensing of Environment, 169: 290-306.
   
   
   18. Richards JA. 2009. Remote sensing with imaging radar. Springer Berlin Heidelberg, 361 pp.
   
   
   19. Richards MA. 2007. A Beginner's Guide to Interferometric SAR Concepts and Signal Processing [AESS Tutorial IV]. IEEE Aerospace and Electronic Systems Magazine, 22(9): 5-29.
   
   
   20. Shanker P, Casu F, Zebker HA, Lanari R. 2011. Comparison of persistent scatterers and small baseline time-series InSAR results: a case study of the San Francisco Bay Area. IEEE Geoscience and Remote Sensing Letters, 8(4): 592-596.
   
   
   21. Sowter A, Cigna F. 2015. On the Use of the ISBAS Acronym in InSAR Applications. Comment on Vajedian, S.; Motagh, M.; Nilfouroushan, F. StaMPS Improvement for Deformation Analysis in Mountainous Regions: Implications for the Damavand Volcano and Mosha Fault in Alborz. Remote Sensing, 7(9): 11322-11323.
   
   
   22. Zebker HA, Rosen PA, Goldstein RM, Gabriel A, Werner CL. 1994. On the derivation of coseismic displacement fields using differential radar interferometry: The Landers earthquake. Journal of Geophysical Research: Solid Earth, 99(B10): 19617-19634.
   
   
   23. Zhang Z, Wang C, Tang Y, Fu Q, Zhang H. 2015. Subsidence monitoring in coal area using time-series InSAR combining persistent scatterers and distributed scatterers. International Journal of Applied Earth Observation and Geoinformation, 39: 49-55.