InSAR数据处理、地形三维重建、形变信息提取、监测丨GMTSAR合成孔径雷达干涉测量丨GNSS、北斗高精度数据处理

目录

①合成孔径雷达干涉测量InSAR数据处理、地形三维重建、形变信息提取、监测等应用

②基于GMTSAR合成孔径雷达干涉测量InSAR数据处理、形变信息提取与分析

③GNSS、北斗高精度数据处理暨新版GAMITGLOBK软件应用

更多应用


①合成孔径雷达干涉测量InSAR数据处理、地形三维重建、形变信息提取、监测等应用

合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar, InSAR)技术作为一种新兴的主动式微波遥感技术,凭借其可以穿过大气层,全天时、全天候获取监测目标的形变信息等特性,已在地表形变监测、DEM生成、滑坡、火山活动、冰川运动、人工建筑物形变信息提取等多种领域展开了成功应用。InSAR作为一种新兴的空间大地测量技术,克服了传统大地测量技术需要人工野外布点、空间分辨率低、成本高等缺点。InSAR已成为测绘、遥感、地球物理、地质工程、环境工程、土木工程、灾害监测评估、资源勘探以及地理信息工程等相关领域科学研究与工程实践的重要技术手段之一。为深入了解InSAR技术的发展和进一步推广InSAR技术在地质灾害监测、大型工程建设中的应用,更便于工程技术骨干人员掌握技术难点。

【专家】:周老师(副教授),长期从事合成孔径雷达干涉测量、地面沉降、变形监测以及无人机倾斜摄影测量等技术研究,完成多项重点工程项目,以第一作者发表多篇SCI论文,编著出版InSAR地面沉降及变形监测分析方法书籍,具有资深的技术底蕴和专业背景。

【目标】:
1.掌握InSAR原理和技术方法及其应用;
2.以典型案例的讲课方式,熟练掌握InSAR数据处理(包括InSAR高程测量、DInSAR形变提取以及时序InSAR等)的流程与方法,为测绘、遥感、地球物理、地质工程、环境工程、土木工程、灾害监测评估、资源勘探以及地理信息工程等相关领域的科研与工程实践服务。

【项目合作】: 1.星载与地基InSAR高精度数据处理 2.InSAR技术不同领域的工程应用 3.论文发表与科研项目

第一部分 InSAR技术应用现状分析及其发展
星载与地基InSAR概述
SAR系统,星载SAR卫星与地基InSAR系统发展
InSAR技术的应用现状分析

第二部分 InSAR原理、技术方法讲解
InSAR成像原理
InSAR成像特性
InSAR技术
1)InSAR高程测量技术
2)DInSAR形变监测技术
3)时序InSAR技术
InSAR的基本误差源
1)大气效应误差
2)地形相位误差
3)去相干
4)轨道误差

第三部分 数据处理环境建立与软件熟悉
ENVI/SARscape安装
(硬件环境要求:内存 8G 及以上、硬盘空间 500G 及以上、处理器2GHz 及以上;操作系统要求:Windows 7/8/10/Server 操作系统)
掌握ENVI软件相关功能
掌握SARscape软件相关功能

第四部分 SAR影像数据获取、DEM数据获取 InSAR数据前处理技术
SAR影像数据获取
Sentinel-1卫星SAR影像数据下载
精密轨道星历参数下载
DEM数据获取
ENVI/SARscape系统设置
SARscape下数据导入,【示例】:以Envisat ASAR数据导入为例

第五部分 InSAR地形三维重建
InSAR生成DEM数据处理
1)数据读取及预处理
2)影像配准与重采样
3)干涉图生成
4)去除平地效应
5)相位解缠
6)地理编码
【示例】:展示采用意大利高分辨率COSMO SkyMed CSKS2 SLC数据(2011年)提取北京地区的DEM
【算例】:采用覆盖Bam地区的Envisat ASAR数据(2003年),基于InSAR技术获取该地区地震前的三维地形(DEM)
掌握采用SARscape生成DEM

第六部分 DInSAR形变信息提取 
DInSAR提取形变数据处理
1)DEM数据准备
2)轨道数据准备
3)SAR数据准备
4)二轨法差分处理
5)三轨法差分处理
6)结果输出与分析
【算例1】:利用覆盖广西玉林地区的哨兵-1A SAR数据(2019年),采用二轨法差DInSAR获取该地区地震前后的地表地形形变信息
【算例2】:利用Bam地区的Envisat ASAR数据(2003、2004年),采用三轨法差DInSAR获取Bam地震前后的地表形变信息
掌握采用SARscape提取地表形变信息

第七部分 时序InSAR技术形变速率与形变时间序列信息获取
PSInSAR数据处理方法
SBASInSAR数据处理方法
时序SAR影像数据准备
精密轨道数据准备
DEM数据准备
基于Sentinel-1A 的PSInSAR数据处理 1)系统参数设置 2)SAR影像导入 3)影像裁剪 4)主影像选取与配准 5)差分干涉处理 6)PS点选取 7)相关噪声相位估计与去除 8)形变速率与形变时序获取 9)结果展示与误差分析
【算例】:利用覆盖北京地区的Sentinel-1A  SAR影像(2018年-2020年),采用PSInSAR技术获取北京地区的地表沉降速率与沉降时间序列信息
【示例】:利用覆盖武汉地区的Sentinel-1A  SAR影像(2019年-2020年),采用SBASInSAR技术获取武汉地区的地表沉降时空特征信息
掌握采用PSInSAR/SBASInSAR提取形变时序信息

第八部分 星地InSAR技术监测案例分享与经验交流会
基于MTInSAR与GRACE的北京地区地表沉降监测分析
TSInSAR上海地区地表沉降反演分析
SBASInSAR天津地区地表沉降时空演变分析
PSInSAR深圳填海区地铁沿线监测
GB-InSAR滑坡稳定性监测与预警
地基InSAR技术高铁桥梁安全监测
GB-RAR超高层建筑物动态特性监测

关注【科研充电吧】公众号,获取海量教程和资源


②基于GMTSAR合成孔径雷达干涉测量InSAR数据处理、形变信息提取与分析

【提供的资料与数据】:
1、Ubuntu操作系统、虚拟机VirtualBox
2、GMTSAR数据处理软件及详细的教材、案例数据
3、多个城市的Sentinel-1A SAR影像数据以及对应的精密轨道数据
4、部分ALOS1/2、Envisat、TerraSAR-X、COSMO-SkyMed SAR卫星的影像数据

第一部分 InSAR技术应用现状分析及其发展
InSAR概述
1)星载InSAR 2)地基InSAR
星载SAR卫星系统发展
地基InSAR系统发展 星载与地基InSAR技术的应用现状分析

第二部分 InSAR原理、技术方法讲解
星载InSAR成像原理
地基InSAR成像原理
InSAR成像特性
InSAR高程测量技术
DInSAR形变监测技术
时序InSAR技术 1)PSInSAR技术 2)SBASInSAR技术 3)MTInSAR技术
InSAR的基本误差源 1)大气效应误差 2)地形相位误差 3)去相干 4)轨道误差
互动环节与答疑

第三部分 Ubuntu操作系统介绍、安装与基本使用 GMTSAR软件安装与环境配置
虚拟机(Oracle VM VirtualBox)的介绍、下载、安装与基本使用
Ubuntu操作系统的下载、安装
Linux常用命令(如cd、ls、ln、mv、gedit、chmod等命令与操作)
GMTSAR软件(开源软件)的下载、安装与环境配置
基于Oracle VM VirtualBox的Ubuntu操作系统的安装 1)新建虚拟机 2)配置虚拟机 3)安装Ubantu 4)必要设置(如更改分辨率、共享文件夹、共享粘贴板等)
硬件环境要求:内存8G及以上、硬盘空间500G及以上、处理器2GHz及以上;
操作系统要求:Ubuntu20.0

第四部分 SAR 影像数据获取 DEM 数据获取 InSAR数据预处理
SAR影像数据获取
Sentinel-1卫星SAR影像数据下载
精密轨道星历参数下载
DEM数据获取
GMTSAR下数据读取和裁剪
【示例】:以Sentinel-1A SAR影像数据为例

第五部分 DInSAR形变信息提取
DInSAR提取形变数据处理 1)DEM数据准备 2)轨道数据准备 3)SAR数据准备 4)二轨法差分处理 5)结果输出与分析
【算例1】:利用覆盖广西玉林地区的哨兵-1A SAR数据(2019年),采用二轨法DInSAR获取该地区地震前后的地表地形形变信息
【算例2】:利用墨西哥Baja加利福尼亚地区的ALOS数据(2009年、2010年),采用二轨法DInSAR获取Baja地震前后的地表形变信息
掌握利用GMTSAR软件,采用DInSAR技术获取地表形变信息

第六部分 时序InSAR技术形变速率与形变时间序列信息获取
SBASInSAR数据处理方法
时序SAR影像数据准备
精密轨道数据准备
DEM数据准备
基于Sentinel-1A 的SBASInSAR数据处理 1)SAR影像与精密轨道数据读取 2)影像裁剪 3)主影像选取与配准 4)差分干涉处理 5)相位解缠 6)地理编码 7)结果展示与误差分析
【算例1】:利用覆盖北京地区的Sentinel-1A  SAR影像(2018年1月-2018年5月),采用SBASInSAR技术获取北京地区的地表沉降速率与沉降时间序列信息
【算例2】:利用覆盖天津地区的Sentinel-1A  SAR影像(2021年1月-2021年10月),采用SBASInSAR技术获取天津地区的地表沉降时空特征信息
掌握基于GMTSAR软件,采用时序InSAR技术提取形变速率与形变时序信息

第七部分 星地InSAR技术监测案例分享与经验交流会
MTInSAR北京地区地表沉降时空反演
TSInSAR上海地区地表沉降反演分析
SBASInSAR城市地表形变识别与监测 1)武汉地区(2015-2021期间) 2)天津地区(2015-2020期间)
PSInSAR深圳填海区地铁沿线监测
GB-InSAR滑坡稳定性监测与预警
地基InSAR技术高铁桥梁安全监测
GB-RAR超高层建筑物动态特性监测

关注【科研充电吧】公众号,获取海量教程和资源


③GNSS、北斗高精度数据处理暨新版GAMITGLOBK软件应用

随着GNSS导航定位技术在不同领域的广泛应用和技术更新的飞速发展,在大型工程项目的设计、施工、运行和管理各个阶段对工程测量提出了更高的要求,许多测绘、勘测、规划、市政、交通、铁道、水利水电、建筑、矿山、道桥、国土资源、气象、地震等行业部门在大型工程建设过程中需应用到高精度卫星定位方面的技术和服务。以GPS为代表的全球导航卫星系统(Global Navigation Satellite System,简称GNSS)是20世纪90年代中期欧盟提出的一种综合星座系统,目前主要包括美国的全球定位系统(GPS)、俄罗斯的全球导航卫星系统(GLONASS)以及中国北斗二代全球卫星定位导航系统(BDS)和欧盟的GALILEO卫星定位系统等。随着GPS系统的不断完善,各项误差改正模型的不断精化,数据处理软件的不断更新,GPS接收机的不断改进,操作自动化的程度越来越高,趋于“科学傻瓜化”发展,这使得工程技术人员在野外使用GPS卫星定位技术进行工程测量变得轻松愉快,而内业高精度GPS数据处理与分析成为工程技术骨干人员亟待掌握的关键技术之一。为深入了解卫星定位技术的发展和进一步推广卫星定位技术在大型工程建设中的应用,更便于工程技术骨干人员掌握技术难点。

第一部分 UBUNTU操作系统介绍与基本使用
虚拟机(VMware Workstation)的介绍、下载、安装与基本使用方法
UBUNTU操作系统的下载、安装与基本使用(cd、ls、ln、gedit、chmod命令与操作)
基于VMware Workstation的UBUNTU操作系统的安装

第二部分 GAMIT/GLOBK软件讲解与安装
GAMIT/GLOBK软件讲解、下载方式、配置
UBUNTU操作系统下安装GAMIT/GLOBK软件的系统配置(update、csh、gfortran、libX11-dev)
“手把手”教会GAMIT/GLOBK软件的安装
GAMIT/GLOBK软件的路径配置(.bashrc)与测试(doy)

第三部分 数据获取与预处理
IGS站数据获取(测站数据采集)
数据格式转换
TEQC数据质量分析
国产接收机天线添加方式

第四部分 分步式“玩转”GAMIT软件
分步操作GAMIT软件(分步操作的命令使用)
标准RINEX文件准备(【算例】:某工程控制网GNSS数据4个观测时段、国标D级)
关键文件准备(sestbl.、station.info、sittbl.、lfile.、lfile.apr)与详细讲解
高精度GNSS基线处理(“手把手”教分步操作命令)
基线质量评估方法(“四看”、“重复性计算”)
[高精度GNSS控制网基线处理质量检核软件]

第五部分 应用GAMIT+网平差软件进行高精度北斗/GNSS工程控制网数据处理与精度评估
基于IGS站的框架网构建原则与优化设计
IGS站点数据(GNSS观测资料、三维框架坐标)获取途径
大地测量参考框架(ITRF系列框架与参考历元的基准统一及其转换)
[GNSS测量参考框架及角度坐标转换软件]
全球定位系统(GPS)测量规范(GB-T 18314-2009)解读
【算例】:某北斗/GNSS工程控制网高精度数据处理中框架网构建

第六部分 “玩转”TRACK软件
TRACK模块讲解
Track.cmd控制策略文件
TRACK模块操作过程(【算例】:track_example详细讲解)

第七部分 分步式/批处理“玩转”GLOBK软件
分步操作GLOBK软件(分步操作的基本命令与使用方法)
globk_com.cmd控制文件介绍
glorg_com.cmd控制文件介绍
应用GLOBK软件进行测站坐标时间序列分析
应用GLOBK软件进行测站速度场(水平和垂直)分析
批处理(glred/globk、glorg) 讲解
globk/glorg操作GLOBK软件的基本流程
【算例】:GLOBK软件自带算例详细讲解

第八部分 应用GAMIT/GLOBK软件进行某CORS站网数据分析(网平差、坐标时间序列、坐标平差求解、合并多日解等) 
【算例数据】:某CORS网year=2020~2022年doy =001~005 GNSS数据
分步/批处理(glred/globk、glorg)操作GLOBK软件,实现自由网平差与约束平差
应用GLOBK软件进行测站时间序列分析的探讨
应用GLOBK软件进行测站速度场(水平和垂直)分析的探讨
应用GLOBK软件进行合并多日解的讨论

第九部分 精度分析
基线解算精度指标分析
点位坐标精度指标分析
数据处理报告撰写内容研讨


更多应用

包含:SWAT模型、HSPF模型、AQUATOX、FVCOM模型、Delft3D模型、VIC模型、HYPE模型、HEC-RAS、防洪评价、HEC-HMS、SWMM、城市内涝、AHP、洪水危险性评价、山洪径流过程模拟、RUSLE水土流失、ADCIRC、入河排污口设置论证、RWEQ模型、HYDRUS模型、GMS、TOUGH系列、地下水环评、MODFLOW、Visual modflow Flex、PHREEQC、Surfer与Voxler、FEFLOW建模、GMTSAR、InSAR、ContextCapture Master、GNSS、GAMITGLOBK软件、GIS地质灾害危险性评、土壤普查、水土保持、水土流失、岩土工程渗流等...

★关 注【科研充电吧】公 众 号,获取海量教程和资源★

“Python+”集成技术高光谱遥感数据处理与机器学习深度应用丨高光谱数据预处理-机器学习-深度学习-图像分类-参数回归等12个专题-CSDN博客文章浏览阅读852次。深入探讨了高光谱遥感数据处理技术,涵盖了基本概念、成像原理、数据处理和分析方法,以及运用机器学习和深度学习模型提取和应用高光谱信息的技术。此外,通过Python实践练习,帮助学员巩固所学知识,使其得以深入理解与实践。https://blog.csdn.net/WangYan2022/article/details/133760366倾斜摄影测量实景三维建模ContextCapture Master-CSDN博客文章浏览阅读2次。使用ContextCapture Center,可以快速创建精细的三维真实感模型,而不需要昂贵的特殊设备。 在项目的整个生命周期中,这些模型还可以用于为设计、施工和运营决策提供准确的现实环境背景。https://blog.csdn.net/WangYan2022/article/details/134327299?spm=1001.2014.3001.5502带您了解ChatGPT强大功能!-CSDN博客文章浏览阅读203次。ChatGPT 在论文写作与编程方面也具备强大的能力。无论是进行代码生成、错误调试还是解决编程难题,ChatGPT都能为您提供实用且高质量的建议和指导,提高编程效率和准确性。此外,ChatGPT是一位出色的合作伙伴,可以为您提供论文写作的支持。它可以为您提供论文结构指导、段落重组建议,甚至是对论文内容的进一步拓展和丰富。利用ChatGPT的写作能力,您可以更好地组织思路、提升论文的逻辑性和质量。https://blog.csdn.net/WangYan2022/article/details/134031345?spm=1001.2014.3001.5502

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/127474.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

网络层+数据链路层+物理层

一)网络层协议: 一)IP协议报头介绍: 咱们的IP协议能够在两点之间规划处一条合适的路径,什么叫做合适?那就得看咱们的TOS是怎么进行选的,比如说选择最大吞吐量,咱们就需要进行选择一个最大的带宽路径; 16位总长度:IP数据…

json字符串转为开闭区间

1.需求背景 1.1 前端页面展示 1.2 前后端约定交互json 按照页面每一行的从左到右 * 示例 [{"leftSymbol":">","leftNum":100,"relation":"无","rightSymbol":null,"rightNum":0}, {"left…

用于强化学习的置换不变神经网络

一、介绍 如果强化学习代理提供的输入在训练中未明确定义,则通常表现不佳。一种新方法使 RL 代理能够正常运行,即使受到损坏、不完整或混乱的输入的影响也是如此。 “大脑能够使用来自皮肤的信息,就好像它来自眼睛一样。我们不是用眼睛看&…

笔记本电脑的麦克风没有声音

笔记本电脑的麦克风没有声音是一个常见的问题,可能是由于以下几个原因导致的: 第一,麦克风没有启用或者被禁用了。在Windows系统中,右键单击任务栏上的音量图标,选择“录音设备”,在弹出窗口中找到麦克风&a…

Webpack--动态 import 原理及源码分析

前言 在平时的开发中,我们经常使用 import()实现代码分割和懒加载。在低版本的浏览器中并不支持动态 import(),那 webpack 是如何实现 import() polyfill 的? 原理分析 我们先来看看下面的 demo function component() {const btn docume…

JavaScript_Node节点属性_nodeName

nodeName属性:返回节点的名称 节点的类型有七种 Document:整个文档树的顶层节点 DocumentType:doctype标签 Element:网页的各种HTML标签 Attribute:网页元素的属性 Text:标签之间或标签包含的文本 C…

box-shadow用法详解

1、box-shadow概述 用来实现对元素产生阴影效果 1.1、box-shadow常用属性 box-shadow: h-shading v-shading blur spread color inset; box-shadow: X轴偏移量 Y轴偏移量 阴影模糊半径 阴影扩展半径 阴影颜色 投影方式…

完蛋!我被LLM包围了!上个时代的开发者被干掉了;ChatGPT高质量科普视频;垂直领域大模型的思考;百度智能云黑客松 | ShowMeAI日报

👀日报&周刊合集 | 🎡生产力工具与行业应用大全 | 🧡 点赞关注评论拜托啦! 👀 百度智能云 | 千帆大模型平台黑客马拉松 https://segmentfault.com/e/1160000044353489 百度智能云携手 SegmentFault 思否&#xff0…

如何理解CDN?说说实现原理?

面试官:如何理解CDN?说说实现原理? 一、是什么 CDN (全称 Content Delivery Network),即内容分发网络 构建在现有网络基础之上的智能虚拟网络,依靠部署在各地的边缘服务器,通过中心平台的负载均衡、内容分…

数据结构与算法—冒泡排序快速排序

目录 一、交换排序 二、冒泡排序 时间复杂度 三、快速排序 1、三种一次划分操作 Hoare法 挖洞法 前后指针法 三种方法总结: 2、改进划分效率 3、递归实现快速排序 4、非递归实现快速排序 栈的函数: 非递归排序函数: 5、时…

MySQL常用时间函数

1.NOW():返回当前日期和时间。 SELECT NOW()2.CURDATE():返回当前日期。 SELECT CURDATE();3.CURTIME():返回当前时间。 SELECT CURTIME();4.DATE():提取日期或日期时间表达式的日期部分。 SELECT DATE(NOW());5.TIME()&#…

8 mysql中的索引2

一、索引的种类 1、 B树索引 1.**每个索引就是一颗B树**,二级索引不包含行记录的全部数据 2.叶子节点除了包含键值以外,每个叶子节点中的索引行中还包含了一个书签( bookmark) 3.B平衡树是一颗查找树,B树的叶子节点用来放数据的,并且所有叶…

开发知识点-golang

golang语言学习 环境搭建win10配置go环境 ubuntu20.04安装golang介绍下载 Go 压缩包调整环境变量验证 Go 安装过程 环境搭建 win10配置go环境 中文网进行下载 https://studygolang.com/dl 配置环境变量 增加GOROOT: 新建 -->变量名为: GOROOT(必须大写) 变量值: 你安装…

CSS3 用户界面、图片、按钮

一、CSS3用户界面&#xff1a; 在CSS3中&#xff0c;增加了一些新的用户界面特性来调整元素尺寸、框尺寸和外边框。CSS3用户界面属性&#xff1a;resize、box-sizing、outline-offset。 1、resize&#xff1a; resize属性指定一个元素是否应该由用户去调整大小。 <style…

C++类和对象(上)

目录 C入门知识补充auto关键字&#xff08;C11&#xff09;基于范围的for循环&#xff08;C11&#xff09;nullptr&#xff08;C11&#xff09; 类和对象面向过程 OR 面向对象初步认识类的引入类的定义类的访问限定符类的作用域类的实例化类对象模型计算类对象的大小 在这里插入…

虚幻C++基础 day4

虚幻中的UI 虚幻中的比较常用的UI&#xff1a;Widget Blueprint又称UMG虚幻中的两种布局&#xff1a; 网格布局锚布局 创建Widget Blueprint 网格布局 有点类似Qt中的网格布局&#xff0c;将UI面板进行行列切分Horizontal Box&#xff1a;水平分布Vertical Box&#xff1a;…

短剧出海火爆,Flat Ads独家流量助泛娱乐赛道App迅速获客增长

10月26日&#xff0c;由扬帆出海主办的GICC2023 | 第四届全球互联网产业CEO大会正式圆满落幕&#xff0c;Flat Ads等出海企业应邀参加。 据悉&#xff0c;本届GICC深圳站邀请200CXO行业领袖、300各路优质厂商、1200全球互联网产业代表共聚一堂&#xff0c;聚焦短剧、游戏、泛娱…

vim相关命令讲解!

本文旨在讲解vim 以及其相关的操作&#xff01; 希望读完本文&#xff0c;读者会有一定的收获&#xff01;好的&#xff0c;干货马上就来&#xff01; 初识vim 在讲解vim之前&#xff0c;我们首先要了解vim是什么&#xff0c;有什么作用&#xff1f;只有了解了vim才能更好的理…

腾讯云3年540,买其他服务器的都是韭菜!

你是否曾经为选择一款合适的云服务器而烦恼&#xff1f;市场上的云服务器品牌繁多&#xff0c;价格各异&#xff0c;如何才能找到一款性价比高&#xff0c;又适合自己的服务器呢&#xff1f;今天&#xff0c;我要给大家介绍一款腾讯云服务器&#xff0c;3年只需540元&#xff0…

Pow(x, n)

题目链接 Pow(x, n) 题目描述 注意点 n 是一个整数要么 x 不为零&#xff0c;要么 n > 0-100.0 < x < 100.0 解答思路 完成x的n次方的功能 代码 class Solution {public double myPow(double x, int n) {long N n;return N > 0 ? quickMul(x, N) : 1.0 / …