Más

¿Entendiendo la interferometría InSAR?

¿Entendiendo la interferometría InSAR?


Entiendo que el resultado de la interferometría InSAR produce una deformación de LoS y si se va a calcular la deformación en la vertical u horizontal, debería requerir observaciones de GPS adicionales en el sitio.

Mi primera pregunta es, ¿podría simplemente resolver los componentes (vertical y horizontal) usando geometría desde el ángulo de incidencia?

En segundo lugar, para los DEM generados por imágenes de SAR de paso repetido, entiendo que la altura obtenida es relativa. ¿Alguien puede explicarme qué significa relativo? ¿Se refiere al cambio de altura de la primera imagen al de la segunda imagen? Entonces, ¿cómo puedo obtener una altura absoluta?


De hecho, los resultados de un análisis InSAR de geometría única producen deformaciones en la línea de visión. Cuando se usa una geometría doble (ambas imágenes en dirección ascendente y descendente), se puede calcular el componente vertical.

La medición de la deformación horizontal es en ese caso sensible en la dirección Este-Oeste y mucho menos sensible en la dirección Norte-Sur (debido a la velocidad del satélite). Por supuesto, cualquier ruido de medición que cause diferencias en los resultados de la órbita ascendente y descendente se interpretará como una deformación horizontal.

Cuando se usa solo una geometría, la deformación vertical y / u horizontal solo se puede calcular cuando se hacen suposiciones más sólidas. En un área donde la deformación horizontal es muy poco probable, p. Ej. una carretera plana sobre suelo en hundimiento, se podría suponer que solo está presente la deformación vertical. Cuando se combina con vectores de deformación medidos por GPS, se pueden hacer otras suposiciones. Por supuesto, la validez de esos supuestos debe investigarse rigurosamente caso por caso, con un conocimiento profundo de los probables procesos de deformación estructural y no estructural que tienen lugar en el sitio.


Editores de números especiales

La sostenibilidad se ha convertido en un tema clave para las industrias a nivel mundial, incluida la minería. La excavación de minerales beneficia a las economías y al mismo tiempo impacta el medio ambiente circundante y la sociedad. Los problemas ambientales, sociales y de otro tipo relacionados con la minería deben ser estudiados y evaluados para proporcionar la información necesaria para facilitar las operaciones mineras sostenibles. Las tecnologías de información geográfica, incluidas las técnicas de adquisición de datos, los métodos de procesamiento de datos y las metodologías analíticas, desempeñan un papel cada vez más importante en el suministro de información confiable y modelos de predicción que facilitan la minimización de los efectos adversos de las operaciones mineras.

Este número especial comprenderá una selección de artículos que abordan los métodos y técnicas actuales y de vanguardia de la teledetección, así como el análisis espacial y la modelización aplicada a problemas asociados con el efecto de la minería en el medio ambiente.

El alcance y los temas potenciales cubren, pero no se limitan a:

  • la teledetección de áreas mineras y post-mineras como fuente de datos sobre cambios en áreas mineras,
  • interferometría de radar por satélite de la deformación del suelo (activa y secundaria),
  • Modelado de la deformación activa y secundaria del suelo con técnicas y métodos espaciales y numéricos.
  • estudios de las relaciones geoespaciales de la minería y el medio ambiente circundante y sus componentes,
  • Nuevos métodos y técnicas aplicadas en estudios de minería y rsquos influencia sobre el medio ambiente, especialmente movimientos de suelo,
  • estudios comparativos de enfoques y metodologías en estudios de influencia minera y rsquos en el medio ambiente,
  • estudios de casos de métodos y tecnologías innovadores,

El propósito de este Número Especial incluye la demostración de nuevos métodos y técnicas en el procesamiento e interpretación de datos de teledetección para la observación y monitoreo de terrenos mineros, incluyendo la integración de datos de diferentes fuentes y SIG la presentación de metodologías mejoradas y nuevas para análisis y evaluación del estado de las áreas bajo la influencia de la minería y el estado de los objetos de ingeniería en las áreas mineras.

Las preguntas clave de investigación son:

  • teledetección para análisis espacial y aplicaciones GIS,
  • peligros de la superficie del suelo y riesgo en áreas mineras,
  • vigilancia de la deformación de la infraestructura,
  • problemas de deformación del suelo como resultado de la sismicidad inducida en áreas mineras,
  • problemas de movimientos de tierra en áreas de inundación de minas,
  • Interferometría SAR.

Dr. Jan Blachowski
Prof. J & oumlrg Benndorf
Dr. Wojciech Milczarek
Editores invitados

Información de envío de manuscritos

Los manuscritos deben enviarse en línea en www.mdpi.com registrándose e iniciando sesión en este sitio web. Una vez que esté registrado, haga clic aquí para ir al formulario de envío. Los manuscritos se pueden enviar hasta la fecha límite. Todos los artículos serán revisados ​​por pares. Los artículos aceptados se publicarán continuamente en la revista (tan pronto como se acepten) y se enumerarán juntos en el sitio web del número especial. Se invita a artículos de investigación, artículos de revisión y comunicaciones breves. Para los trabajos planificados, se puede enviar un título y un breve resumen (alrededor de 100 palabras) a la Oficina Editorial para su publicación en este sitio web.

Los manuscritos enviados no deben haber sido publicados previamente, ni estar en consideración para su publicación en otro lugar (excepto los artículos de actas de congresos). Todos los manuscritos son revisados ​​minuciosamente a través de un proceso de revisión por pares simple ciego. Una guía para autores y otra información relevante para el envío de manuscritos está disponible en la página de Instrucciones para Autores. Sustentabilidad es una revista quincenal de acceso abierto revisada por pares y publicada por MDPI.

Visite la página de Instrucciones para los autores antes de enviar un manuscrito. El Cargo por procesamiento de artículos (APC) para la publicación en esta revista de acceso abierto es de 1900 CHF (francos suizos). Los trabajos enviados deben estar bien formateados y utilizar un buen inglés. Los autores pueden utilizar el servicio de edición en inglés de MDPI antes de la publicación o durante las revisiones de los autores.


INTRODUCCIÓN

Los Himalayas creados por la colisión indoasiática son un espectacular laboratorio natural para estudiar varios procesos geológicos relacionados con la construcción de montañas (Yin, 2006). Desde que comenzó la gran colisión en el último Cretácico-Terciario temprano (Wells, 1984 Yeats y Hussain, 1987 Smith et al., 1994 Beck et al., 1995 Jaswal et al., 1997), la subdestrucción hacia el norte de la placa india se ha construido una serie de estructuras de empuje al sur de la zona de sutura entre las placas india y asiática (Yin y Harrison, 2000). En el noroeste del Himalaya, el empuje y el plegado dominan la deformación. El movimiento de golpe-deslizamiento (McDougall y Khan, 1990 Khan y Glenn, 2006) complica las estructuras en esta área. A lo largo del sistema de empuje frontal del noroeste del Himalaya, la Cordillera de la Sal, la Cordillera Surghar y la Cordillera Trans-Indus se elevaron abruptamente sobre la cuenca del antepaís del Punjab por la deformación progresiva asociada con la colisión continente-continente (Fig.1). Los reentrantes estructurales pronunciados indican una variación lateral significativa de la deformación a lo largo de los rangos, que todavía están creciendo por plegamiento y empuje progresivos (Blisniuk et al., 1998). Estudios previos proporcionaron una comprensión detallada de la estratigrafía, estructura y evolución tectónica del sistema de empuje frontal (por ejemplo, Farah et al., 1977 Yeats et al., 1984 Lillie et al., 1987 Baker et al., 1988 McDougall y Khan , 1990 McDougall y Hussain, 1991 Blisniuk et al., 1998 Ahmad et al., 2005), pero se sabe poco sobre las fallas que compensan el sistema de empuje frontal. Yeats y col. (1984) informaron sobre la deformación cuaternaria en Ghundi. McDougall y Khan (1990) estimaron la tasa de deslizamiento promedio a lo largo de la falla de Kalabagh a partir del desplazamiento acumulativo de los puntos de perforación. Ahmad y col. (2005) estudiaron la estratigrafía y las estructuras de la falla de Kalabagh. Sin embargo, se desconoce la tasa de deslizamiento actual y la dirección a lo largo de la falla de Kalabagh, que son importantes para comprender el patrón de deformación y las actividades de la falla.

El radar interferométrico de apertura sintética (InSAR) es una poderosa herramienta geodésica para monitorear la deformación de la superficie y ha sido probado por numerosas aplicaciones exitosas (Gens y Van Genderen, 1996 Massonnet y Feigl, 1998). Aunque medir la fluencia en las fallas es difícil usando InSAR debido a la pequeña señal de desplazamiento, algunos estudios han demostrado que es posible observar la baja tasa de deslizamiento. Peltzer y col. (2001) estudiaron la acumulación de deformaciones transitorias y la interacción de fallas en la zona de corte del este de California utilizando la medición InSAR. Rosen y col. (1998) y Lyons y Sandwell (2003) midieron la fluencia a lo largo de la falla de San Andrés utilizando la técnica InSAR. Wright y col. (2004) observaron la tasa de deslizamiento en las principales fallas del Tíbet occidental por InSAR. Taylor y Peltzer (2006) estimaron la tasa de deslizamiento actual en fallas conjugadas activas en el Tíbet central. Sin embargo, todas las aplicaciones se centraron en fallas de deslizamiento muy activas a gran escala.

En este artículo se amplía la técnica InSAR para observar la tasa de deslizamiento en la falla de Kalabagh, una falla más pequeña que actúa como una importante zona de transferencia para adoptar las variaciones laterales de estructuras en el sistema de empuje frontal del noroeste del Himalaya. Aprovechando los estudios geológicos previos junto con las observaciones de InSAR, se mejora el modelo de evolución de las fallas de deslizamiento en el sistema de empuje frontal, y se reconoce y discute su importancia para el sistema de empuje.


1. INTRODUCCIÓN

Los grandes sistemas de transporte subterráneo reducen el tráfico, mejoran la calidad del aire y liberan espacio en las áreas urbanas. 1 El desarrollo de proyectos de construcción subterránea está respaldado por inversiones multimillonarias en todo el mundo. 2-5 Como ejemplo, el proyecto Crossrail en Londres, Reino Unido, costó más de £ 18 mil millones. 6

Una característica común de los proyectos de construcción subterránea es el riesgo de hundimiento como consecuencia de la excavación. Si bien las tecnologías actuales de construcción de túneles permiten minimizar el volumen de suelo perdido durante la excavación, 7 los movimientos del suelo no pueden evitarse por completo, lo que lleva a asentamientos diferenciales de superficie. 8 Estos asentamientos se transmiten a través de los cimientos a todo el edificio. Dependiendo del material de construcción, la rigidez del edificio y la tipología de los cimientos, los asentamientos inducidos por túneles pueden afectar las estructuras adyacentes con un nivel de severidad diferente. La evaluación del impacto del asentamiento en edificios y estructuras es una preocupación principal para la industria de la construcción, y por lo general se asignan grandes presupuestos para (i) monitorear las deformaciones del edificio y (ii) estimar el daño potencial del edificio. 7, 9

Las técnicas de monitoreo tradicionales utilizan instrumentos terrestres establecidos, como nivelaciones precisas, niveles eléctricos, extensómetros de cinta, medidores de desplazamiento y estaciones totales robóticas. 8, 10, 11 Estos instrumentos permiten la inspección de puntos dispersos en la estructura, proporcionando una medición directa de su desplazamiento en el tiempo. Debido al alto costo de instalación y mantenimiento de los sistemas de monitoreo basados ​​en tierra, generalmente solo se monitorea un número limitado de edificios. 12 Se suele dar prioridad a los edificios con mayor valor histórico y estructuras vulnerables. Como consecuencia, la evaluación preliminar de los daños inducidos por asentamientos se realiza típicamente a través de procedimientos simplificados y demasiado conservadores que descuidan algunos de los aspectos más complejos pero críticos del problema, como la interacción entre la estructura y el suelo. Una evaluación preliminar conservadora puede conducir a operaciones innecesarias, como evaluaciones más avanzadas para una gran cantidad de edificios, por ejemplo, análisis de elementos finitos que requieren mucho tiempo, y posibles medidas de mitigación, por ejemplo, inyección de compensación, con un aumento del proyecto final. costo. Además, sin la mayor disponibilidad de las deformaciones del edificio monitoreadas, no es posible avanzar en la comprensión de la respuesta real del edificio a la construcción de túneles, ni mejorar los procedimientos de evaluación de daños existentes.

Los sistemas de radar de apertura sintética interferométrica espacial (InSAR) funcionan de forma remota y, al obtener imágenes de grandes áreas de la superficie de la Tierra cada pocos días, pueden proporcionar un gran número de mediciones con actualizaciones semanales. 13, 14 En particular, las técnicas InSAR multitemporales (MT) recientes pueden utilizarse para extraer deformaciones de la superficie a lo largo del tiempo a partir de series temporales largas de imágenes InSAR 15 con precisión milimétrica. 16, 17 Esta precisión es comparable con las estaciones totales robóticas modernas, que permiten mediciones de movimientos verticales con una precisión de aproximadamente 1 mm. 18 Varios estudios analizaron el uso de técnicas MT-InSAR para investigar amenazas naturales y procesos inducidos por el hombre, como terremotos, 19 glaciares, 20 deslizamientos de tierra, 21, 22 hundimientos, 23, 24 movimientos tectónicos 25 y actividad volcánica. 26-28 Entre las técnicas MT-InSAR disponibles, la interferometría de dispersión persistente (PS) 29, 30 es capaz de extraer deformaciones en serie temporal para un gran número de puntos ubicados en edificios y estructuras. 31 La aplicación de la interferometría PS a edificios, 32-41 sitios arqueológicos, 42 puentes, 43-45 presas, 46-48 vías férreas 49 y carreteras 50 y la validación cruzada de mediciones basadas en PS-InSAR contra GPS, 51-54 tradicionales las nivelaciones 36, 38, 55-58 y otros instrumentos in situ 46, 59-62 demuestran la confiabilidad de este enfoque para el monitoreo de la salud estructural.

Pocos estudios también investigaron la posibilidad de usar PS-InSAR para monitorear deformaciones inducidas por túneles. 36, 38, 63-68 Milillo et al. 38 validó la buena calidad de las mediciones basadas en PS-InSAR para estimar asentamientos inducidos por túneles. Giardina y col. 36 propuso un enfoque basado en PS-InSAR para la evaluación de daños a edificios inducidos por asentamientos. La cantidad de edificios afectados por excavaciones de túneles, combinada con la disponibilidad actual de mediciones basadas en PS-InSAR, puede proporcionar grandes conjuntos de datos de observaciones de campo que antes no estaban disponibles. Estos conjuntos de datos se pueden utilizar para el monitoreo casi en tiempo real de la progresión de la excavación y para evaluar las tendencias en la respuesta estructural a los asentamientos en función de las características del edificio, con la posibilidad de complementar los sistemas de monitoreo basados ​​en el suelo. Además, los datos de PS-InSAR podrían usarse retrospectivamente para monitorear los edificios que no estaban equipados con instrumentos in situ, proporcionando las entradas para procedimientos de predicción más precisos. Sin embargo, sin la integración entre las técnicas InSAR y los modelos estructurales de la respuesta del edificio, no se podría aprovechar todo el potencial del monitoreo InSAR. 37

En este documento, presentamos una metodología semiautomatizada que integra datos de PS-InSAR y procedimientos de evaluación de daños para evaluar el daño del edificio inducido por asentamientos en escenarios de túneles. La metodología combina desplazamientos de edificios basados ​​en PS-InSAR y modelos semi-empíricos de la respuesta del edificio a la construcción de túneles para proporcionar una estimación más realista del perfil de asentamiento para cada edificio. Sobre la base de la deformación estimada del edificio, se asigna un nivel de daño a cada edificio y se crean mapas de daño que muestran la distribución de los niveles de daño para los edificios a lo largo de la excavación. Aplicamos la metodología propuesta a un área de prueba de 5 km × 5 km por encima de los túneles gemelos Crossrail en el centro de Londres, Reino Unido. Las obras de construcción del travesaño comenzaron en mayo de 2012 y llevaron a la realización de 10 estaciones y vías de túnel de 21 km. 69 Para minimizar la magnitud de los movimientos del suelo relacionados con la excavación, las actividades de construcción de túneles se ejecutaron mediante el uso de modernas máquinas tuneladoras con equilibrio de presión para suelos blandos. El área analizada se refiere a un tramo de 8,1 km de longitud de todo el recorrido del Crossrail, y se compone de mampostería tradicional y edificios enmarcados, construidos en diversos períodos históricos y caracterizados por diferentes tipos de cimentación. Utilizamos datos de COSMO-SkyMed PS-InSAR desde abril de 2011 hasta diciembre de 2015 para reconstruir el campo de desplazamiento de 858 edificios, obteniendo un gran conjunto de datos de información de campo sobre la respuesta de los edificios a la construcción de túneles. Usamos este conjunto de datos para inferir relaciones entre las características estructurales y las deformaciones del edificio.

El contenido del artículo está organizado de la siguiente manera. Los pasos tradicionales adoptados en los procedimientos actuales de evaluación de daños se revisan en la Sección 2.1. En la Sección 2.2 se proporciona una breve descripción de las técnicas MT-InSAR. La Sección 3 describe en detalle la metodología propuesta, presentando las entradas requeridas (Sección 3.1) y el flujo de trabajo en el que se basa el algoritmo semiautomático (Sección 3.2). En la Sección 4 se proporciona una descripción del caso de estudio de Crossrail y el área de estudio, mientras que en la Sección 5 se presentan los resultados que muestran una comparación entre los niveles de daños en los edificios obtenidos a través de la evaluación basada en PS-InSAR y la evaluación basada en nuevas instalaciones. En la Sección 5.1 se analiza el efecto de la posición del edificio en relación con los túneles sobre el asentamiento y el desplazamiento vertical. Finalmente, en la Sección 5.2 usamos parámetros de deformación basados ​​en PS-InSAR para investigar la respuesta del edificio al asentamiento para edificios caracterizados por diferentes sistemas estructurales y de cimentación.


Aplicación de InSAR para medir la deformación de la superficie de la Tierra causada por la extracción de agua subterránea y modelar su comportamiento utilizando análisis de series de tiempo por redes neuronales artificiales

La medición del desplazamiento del suelo es muy importante, considerando sus efectos destructivos físicos y financieros, y uno de los métodos más eficientes para este propósito es la interferometría diferencial que utiliza datos con alta resolución espacial que, en esta investigación, son 11 imágenes TerraSAR-X sobre 11 -período de meses. El área de estudio es la llanura en el suroeste de Teherán, y el hundimiento se mostró mediante interferogramas extraídos. El desplazamiento máximo de los pares de imágenes consecutivas en esta área fue de 18 cm y la tasa de desplazamiento fue de 13 cm / año (cm / año). Al analizar la serie de tiempo utilizando una red neuronal, se predijo el desplazamiento para el mes 12 en 32 cm. Los resultados obtenidos de esta investigación fueron evaluados y validados mediante el uso de datos de radar y GPS asociados con investigaciones similares. El resultado de la evaluación indica la conformidad de los resultados obtenidos en esta investigación con otras investigaciones en el campo.


3. Resultados y discusión

3.1 Deformación de la superficie en la cuenca del Pérmico

Las soluciones de deformación de LOS acumulados Sentinel-1 revelan numerosas características de deformación de la superficie sobre la región productora de petróleo en la Cuenca Pérmica (Figura 3). A partir de la geometría ascendente, no observamos una deformación sustancial en la Plataforma de la Cuenca Central, donde el petróleo y el gas se producen principalmente a partir de reservorios convencionales. En las cuencas de Midland y Delaware, observamos una tasa de deformación superficial acelerada entre noviembre de 2014 y enero de 2019, que coincide con el fuerte aumento de la producción de petróleo de reservorios no convencionales en 2017 y 2018. Por ejemplo, un área de 30 km 2 al noroeste de Pecos muestra aproximadamente 0,5 cm de deformación LOS acumulada entre noviembre de 2014 y enero de 2017, 1,5 cm entre noviembre de 2014 y enero de 2018, y más de 5,5 cm de noviembre de 2014 a enero de 2019. La mayor cantidad de señales observables está presente en 2018 cuando se produjo el pico de producción en la región. . De manera similar, a partir de la geometría descendente, no encontramos ninguna deformación sustancial en la Plataforma de la Cuenca Central y una tasa creciente de deformación de la superficie en la Cuenca de Delaware.

En la cuenca norte de Delaware, donde se produjeron grandes volúmenes de producción de petróleo y eliminación de aguas residuales, los patrones de deformación LOS ascendentes y descendentes son similares. Esto significa que la deformación observada en esta región es principalmente vertical (Figuras 4b y 4e). Las características de subsidencia o elevación observadas entre noviembre de 2014 y enero de 2019 son ∼ 1–4 cm. En la cuenca sur de Delaware, Deng et al. (2020) resolvió la deformación acumulada de la superficie LOS entre noviembre de 2014 y febrero de 2019 (∼ 100 km por 60 km) utilizando los datos ascendentes Sentinel-1 (Path 78 Frames 99 y 100). En este estudio, encontramos que las magnitudes observadas de la deformación LOS ascendente y descendente son diferentes (Figura 3), lo que sugiere que tanto la deformación horizontal como la vertical ocurrieron en esta región. Estudios previos cerca de Mesquite, Nevada, han demostrado que el bombeo de acuíferos confinados en presencia de fallas puede producir patrones de deformación asimétricos complejos con un componente horizontal no trivial (Burbey, 2008). En el área de Pecos, los patrones de hundimiento más grandes (∼ 13 cm en 4 años) ocurrieron ∼ 15 km al sur de Pecos, y el mayor movimiento hacia el este (∼ 3-4 cm en 4 años) ocurrió cerca de la ciudad de Pecos a lo largo de un transecto lineal. (Figuras 4c y 4f). Los patrones de deformación lineal observados son paralelos a la orientación favorable inferida del plano de falla (un ángulo de impacto ∼ 300 ° alineado con el SHmax dirección) propuesto por Lund Snee y Zoback (2018), y también se alinean con un grupo de terremotos superficiales recientes (& lt 3 km de profundidad) catalogado por TexNet.

3.2 Implicaciones para el modelado geomecánico

Basado en soluciones de plano de falla derivadas de actividad sísmica reciente y las interpretaciones del régimen de tensión de falla (Lund Snee & Zoback, 2018), el área de Pecos se encuentra en un régimen de falla normal. Empleamos un modelo de dislocación elástica (Okada, 1992) para demostrar que la presencia de fallas normales de buzamiento-deslizamiento puede producir los patrones de subsidencia lineal observados en esta área (Figura 5a). Resolvimos el ángulo de echado, la profundidad, el ancho a lo largo de la dirección de echado y la magnitud de deslizamiento de cuatro fallas normales ajustando mejor el modelo de avance a las observaciones de deformación vertical de InSAR, minimizando la suma de los residuos al cuadrado y maximizando la r-valores al cuadrado (Y. Du et al., 1992) (sección de información de apoyo S6). La solución óptima sugiere que la profundidad de las fallas varía de 0,9 a 1,5 km, que es menos profunda que la mayoría de los terremotos registrados por TexNet (2 a 6 km de profundidad). Las posibles explicaciones para esta discrepancia incluyen (1) la existencia de deslizamiento de falla asísmica que es responsable de la deformación superficial observada (McGarr & Barbour, 2018), (2) sesgo en la estimación de la profundidad del terremoto en el catálogo de TexNet (Lomax & Savvaidis, 2019), y (3) errores de modelado sistemático asociados con la representación de una tierra estratificada mecánicamente como un medio espacio homogéneo (Y. Du et al., 1992).

Después de eliminar la deformación de mejor ajuste asociada con fallas por buzamiento-deslizamiento (Figura 5b), todavía hay un hundimiento residual de ∼ 2 cm en el área de Pecos (por ejemplo, Figura 5f). Dado que la producción de agua subterránea poco profunda fue mínima en esta región durante el período de interés (Deng et al., 2020), introdujimos un modelo elástico de compactación de reservorios (Geertsma, 1973) a nuestro análisis geomecánico (información de apoyo, sección S7). Implementamos dos capas de múltiples reservorios cilíndricos correspondientes a las ubicaciones y profundidades reportadas de grupos de pozos en los reservorios de Delaware Mountain Group (DMG) y Wolfcamp, que representan la mayor parte de la producción reciente de petróleo y gas en la región. Discretizamos la capa DMG en función de un grupo de pozos de producción perforados predominantemente en un rango de profundidad de 1,5 a 1,8 km. Los pozos de Wolfcamp se completan en un rango de profundidad de 3 a 3,6 km. Empleamos un método de inversión de función objetiva para resolver el patrón de agotamiento de la presión del yacimiento que mejor se ajusta a la subsidencia observada por InSAR (Figura 5c) (J. Du & Olson, 2001).

Una conclusión importante de este estudio es que tanto el deslizamiento de fallas como el inflado o compactación del yacimiento pueden producir deformaciones superficiales observables en una región productora de petróleo de 80.000 km 2 de la cuenca del Pérmico. Los patrones de hundimiento observados por InSAR sobre el área de Pecos pueden modelarse como deslizamiento sobre múltiples fallas y compactación de reservorio cilíndrico discretizado (Figuras 5d-5f). Observamos que los datos de subsidencia de InSAR por sí solos pueden restringir todos los parámetros pertinentes de fallas y yacimientos en nuestros modelos normales de fallas y compactación de yacimientos. Los patrones de deformación superficial acumulada observados por InSAR, que muestran un componente horizontal mayor que la predicción del modelo, sugieren que otros factores, como fallas por deslizamiento y heterogeneidad en las propiedades del subsuelo, pueden jugar un papel. Se han realizado extensos estudios sobre cómo la compactación e inflación del yacimiento y el deslizamiento de fallas alteran los campos de tensión en el subsuelo y producen deformaciones de la superficie (Y. Du et al., 1992 Geertsma, 1973 Khakim et al., 2012 Okada, 1992 Segall, 1992 Vasco & Ferretti, 2005 Vasco et al., 2008). La deformación de la superficie de InSAR se puede combinar con este conocimiento para evaluar la eficiencia de recuperación de fluidos y monitorear los pozos de eliminación a bajo costo. Además, estas mediciones geodésicas de alta calidad están disponibles para complementar el catálogo sísmico de TexNet para evaluar la probabilidad de movimiento de fallas y riesgos de terremotos inducidos en Texas.


Ge L (2001) Desarrollo y prueba de ampliaciones de redes GPS en funcionamiento continuo para mejorar su resolución espacial y temporal. Universidad de Nueva Gales del Sur, Sydney, Australia Unisurv S-63

Hanssen RF, Weckwerth TM, Zebker HA, Klees R (1999) Mapeo de vapor de agua de alta resolución a partir de mediciones de radar interferométrico. Science 283: 1295–1297

Spilker JJ (1996) Efectos troposféricos en GPS. En: Parkinson BW, Spilker JJ (eds) Sistema de posicionamiento global: teoría y aplicaciones, vol. 1. Instituto Americano de Aeronáutica y Astronáutica, Washington, Prog Astronaut Aeronaut 163, págs. 517–546


6. Discusión

6.1. Variabilidad interanual de la deformación superficial

[44] Los resultados de la inversión que se muestran en la sección 4 ignoran la posibilidad de variaciones interanuales en la deformación de la superficie. El modelo simple (ecuación (2)) utilizado en la inversión no tiene en cuenta las posibles variaciones interanuales en la subsidencia promedio anual, en la fecha de inicio del deshielo o en la amplitud estacional. Se puede obtener una idea de esas variaciones utilizando la serie de tiempo de los desplazamientos verticales relativos que se muestran en la Figura 6, que indica un hundimiento estacional mayor en 1998 que en los otros años.

[45] Para probar los efectos de la aparente mayor subsidencia en 1998, usamos sólo 21 interferogramas que abarcan 1992-1997 para la misma inversión. Encontramos coeficientes de hundimiento estacional similares a los que se muestran en la Figura 5b, pero tasas a largo plazo generalmente más pequeñas de alrededor de 1-3 cm / década, en comparación con las que se muestran en la Figura 5a. Dado el breve lapso de tiempo (es decir, cinco años) y el menor número (es decir, 21) de interferogramas utilizados en esta prueba, así como el hecho de que todo nuestro conjunto de datos dura sólo dos años adicionales hasta el 2000, podemos concluir sólo que es posible que el mayor hundimiento del suelo en 1998 pueda estar provocando que nuestras tasas ajustadas de 1992-2000 sobrestimen la tasa secular durante un período más largo.

[46] Encontramos que los resultados de la inversión que se muestran en la sección 4 son insensibles a la elección de la fecha de inicio de la descongelación. Variamos la fecha de inicio de la descongelación del 15 de mayo al 16 de junio (es decir, ± 15 días en relación con el 1 de junio, la fecha de inicio de la descongelación asumida, consulte la sección 3) y realizamos la misma inversión utilizando los mismos 31 interferogramas. Luego calculamos el rango de tasas seculares ajustadas (o subsidencia estacional) en cada punto, que es la diferencia entre las tasas seculares ajustadas máxima y mínima (o subsidencia estacional) con diferentes fechas de inicio de la descongelación. Como se muestra en la Figura 7, estos rangos son al menos un orden de magnitud más pequeños que los que se muestran en la Figura 5, lo que indica que la inversión para la tasa secular y el hundimiento estacional es relativamente insensible a la supuesta fecha de inicio del deshielo.

6.2. Efectos secundarios en las estimaciones de hundimiento de la superficie

[47] Además de la deformación relacionada con el permafrost, otros procesos también podrían resultar en señales estacionales o seculares en nuestros interferogramas. Dado que InSAR solo puede detectar deformaciones relativas, ignoramos cualquier deformación casi espacialmente uniforme que pueda existir a escalas regionales (100 km de ancho), como el rebote post-glacial (alrededor de 2 mm / año de elevación en esta región, según el ICE- Modelo 5G de Peltier [2004]). En esta subsección, discutimos las contribuciones a las señales InSAR de procesos hidrológicos, geomorfológicos, cambios en la humedad del suelo y la capa de nieve.

[48] ​​Es posible que las cargas y descargas hidrológicas causen deformaciones en la superficie. Algunos de los datos de SAR se recopilaron hasta fines de septiembre, por lo que existe la posibilidad de que se produzcan cargas de nieve dentro y alrededor del área de estudio. Modelamos tales efectos de carga de nieve convolucionando los productos equivalentes de agua de nieve del Sistema Global de Asimilación de Datos Terrestres (GLDAS) [ Rodell y col., 2004] con las funciones de Green de Farrell para los desplazamientos superficiales [ Farrell, 1972]. Nuestro modelo predice que los desplazamientos estacionales debidos a la carga de nieve tienen amplitudes inferiores a 2 mm. La serie de tiempo de nuestra deformación inducida por carga modelada no muestra una tendencia secular significativa (menos de 1 mm / década). Además, los desplazamientos modelados debidos a la carga hidrológica son razonablemente uniformes en una imagen y, por lo tanto, serían eliminados en gran medida en cualquier caso por el proceso de refinamiento de la línea de base de InSAR que reduce los errores orbitales de InSAR.

[49] Durante el inicio de la temporada de deshielo, los efectos de la carga hidrológica podrían ser de signo opuesto en la llanura de inundación y en las áreas de tundra, debido al posible aumento de la carga de agua en la primera y la descarga de la nieve derretida en la última. Cualquier diferencia de este tipo no estaría presente en la salida del modelo GLDAS, porque ese modelo no incluye un esquema de ruta fluvial. El hundimiento inducido por esta diferencia en la carga tendría escalas cortas y, por lo tanto, no se reduciría mediante el proceso de refinamiento de la línea de base. Podría causar un desfase en la deformación de la superficie entre la llanura aluvial y las áreas de tundra. Sin embargo, debido a que nuestros resultados de inversión parecen ser insensibles al tiempo de inicio de la deformación (ver sección 6.1), concluimos que los efectos de esta posible diferencia en la carga hidrológica son pequeños.

[50] De manera similar, la superficie del suelo podría deformarse debido a una posible carga de sedimentación y descarga de erosión de los canales fluviales activos. Estas señales de deformación geomorfológica son pequeñas, debido a las siguientes razones: Primero, el hecho de que las áreas de llanuras aluviales muestren una alta coherencia en la mayoría de nuestros interferogramas indica que los procesos de sedimentación y erosión son débiles, ya que de lo contrario es probable que remodelen la superficie y cambien. las características dieléctricas de los dispersores de superficie y, por lo tanto, causan la descorrelación temporal de InSAR. Por ejemplo, varios estudios [por ejemplo, Wegmüller y col., 2000 Herrero, 2002, y sus referencias] utilizan patrones de descorrelación temporal para detectar áreas de deposición activa y erosión. En segundo lugar, dado que el ajuste isostático a la carga tiene una longitud de onda espacial mayor que la de la carga misma, este proceso no puede explicar el marcado contraste en la firma de deformación entre las áreas de la llanura aluvial y la tundra. Además, nuestros resultados de InSAR no muestran patrones de deformación obvios centrados en los deltas de los ríos, lo que indica un impacto no significativo de la sedimentación en la deformación de la superficie.

[51] Otro efecto menor en las mediciones de InSAR es la variabilidad temporal del contenido de agua líquido / sólido en la capa activa. Debido al impacto de las moléculas de agua en la permitividad del suelo, los cambios en la humedad del suelo pueden provocar cambios en la profundidad de penetración del radar y, por lo tanto, en los rangos de LOS de InSAR. Por ejemplo, según el estudio de Wegmüller [1990], un cambio de suelo congelado, que está completamente seco, a suelo descongelado podría causar una profundidad de penetración decreciente de unos 3 cm para las ondas de radar a una frecuencia de 4,6 GHz. De los registros de temperatura de la capa activa en Franklin Bluffs (ver Figura 2, la temperatura estaba ligeramente por encima de 0 ° C el 25 de septiembre de 1993 y septiembre de 1999) y los registros de humedad del suelo a 10 cm debajo de la superficie en Betty Pingo durante 1996-2000 (148 ° 53′36.5 ″ W, 70 ° 16′57.3 ″ N, Natural Resources Conservation Service, http://soils.usda.gov/survey/scan/alaska/BettyPingo/), es razonable suponer que los 5 cm superiores de la capa activa, la profundidad máxima de penetración de las ondas de radar de banda C en suelos secos, se descongelaron por completo en nuestras fechas de adquisición de SAR. Por lo tanto, solo nos preocupan los cambios estacionales y seculares en la humedad del suelo cuando la capa activa estaba húmeda. Modeling penetration depth variability is difficult due to limited quantitative knowledge of the surface media's dielectric properties and their temporal variations. Here we use the theoretical study of Nolan and Fatland [2003] , specifically the “C” and “CT” curves shown in their Figure 2. We discuss the artifacts in InSAR signals due to three types of temporal changes in soil moisture: (i) seasonal drying due to evaporation, (ii) abrupt surface wetting due to precipitation, and (iii) possible secular changes in soil moisture.

[52] First, the top 5 cm of soil becomes drier due to 24-hr evaporation during the thawing season. To assess the resulting change in radar penetration depth, we need soil moisture values at the beginning and the end of each thawing season. However, there were no systematic measurements of the moisture content in the top 5 cm of soil in our study area during 1992–2000. According to the soil moisture measurements in the Imnavait Creek watershed (149°17′W, 68°37′N, to the south of our study area) made in the late 1980s [ Hinzman et al., 1991 ], we assume (i) a soil moisture of about 40–60% of volumetric water content (VWC) on the top 5 cm in the active layer, at the beginning of June right after spring melt and shallow thawing of the active layer and (ii) a drying process that could induce a seasonal decrease in VWC to 20–30% at the end of September. This decrease in soil moisture could lead to a 3–8 mm increase in radar penetration depth (or apparent surface subsidence), according to Nolan and Fatland [2003]. Note that our study area is in general wetter than the Imnavait Creek watershed in the entire thawing season. It is possible that the actual soil moisture artifacts are smaller than the 3–8 mm increase in radar penetration depth given here [ Nolan and Fatland, 2003]. Several other factors neglected here, including the 23° incidence angle of the radar waves, the surface roughness, and different soil types in our study area from those used by Nolan and Fatland [2003] , could modify these values. Additionally, a decrease in VWC could possibly cause a real surface subsidence due to soil consolidation.

[53] Second, rain storms in the late thawing season on the North Slope of Alaska can rapidly and dramatically increase the soil moisture, causing an apparent ground uplift signal on an interferogram. For instance, measurements in the Imnavait Creek watershed [ Hinzman et al., 1991 ] showed an abrupt increase in soil moisture in the top 5 cm from ∼40% to ∼90% within a few days in the July of 1987. Meteorological measurements at Betty Pingo [ Kane and Hinzman, 1997 ] recorded 7 mm and 13 mm daily precipitation on 25 June 1996 and 14 July 1997 (one day prior to the SAR acquisition date), respectively, but no significant precipitation on the other SAR dates or on the day prior to those measurements. In the time series sampled by the acquisition dates of our ERS SAR images, soil moisture appears to vary non-monotonically in the thawing seasons. Because these soil moisture artifacts in InSAR results are not strongly systematic and do not obey the rule of square-root-of-thawing-days (equation (2)), we expect relatively smaller impacts on the fitted seasonal subsidence, compared with those on individual interferograms.

[54] Third, changes in soil moisture cannot explain our observed secular ground subsidence. A secular subsidence rate of even 1 cm/decade, which is on the low end of our results, would require an unrealistically high secular decrease in VWC of 20% over one decade.

[55] Since we use a floodplain point as our InSAR reference, our results are sensitive to differential penetration depth change due to soil moisture changes between a tundra point and the floodplain point. In general, sandy floodplain points are drier than silty tundra points. Even a small decrease in soil moisture can cause an increase of penetration depth of a few cm on the floodplain points if they are dry enough, and thus an apparent uplift signature over tundra areas. That is opposite to our observed subsidence. Therefore, it is possible that our InSAR measurements are underestimates of the actual seasonal thaw settlement of active layer.

[56] According to several remote-sensing products (including National Snow and Ice Data Center [2004] , Armstrong and Brodzik [2005] , and AVHRR imagery) in our study region on the SAR acquisition dates, the ground surface was snow covered only in one SAR image taken on 28 September 1999. Since this SAR image is only used once in interferometry as a slave scene, snow cover might cause a false subsidence signal due to the delay caused by a shallow snow layer. Nevertheless, it has little impact on our inversion results, which are made from 31 interferograms.


Journal Publications

T. Balz* and F. Rocca, “Reproducibility and Replicability in SAR Remote Sensing,” IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing Vol. 13, pp. 3834-3843, 2020.

M. Liao, T. Balz*, F. Rocca, and D. Li, “Paradigm Changes in Surface-Motion Estimation From SAR,” IEEE Geoscience and Remote Sensing Magazine, Vol. 8, 1, pp. 8–21, 2020.

H. Tanveer, T. Balz*, F. Cigna, D. Tapete, “Monitoring 2011–2020 Traffic Patterns in Wuhan (China) with COSMO-SkyMed SAR, Amidst the 7th CISM Military World Games and COVID-19 Outbreak,” Remote Sensing, Vol. 12, 1636, 2020.

B. Mohamadi, T. Balz*, A. Younes, “Towards a PS-InSAR Based Prediction Model for Building Collapse: Spatiotemporal Patterns of Vertical Surface Motion in Collapsed Building Areas—Case Study of Alexandria, Egypt.” Remote Sensing, Vol. 12, 3307, 2020.

G. Caspari, J. Blochin, T. Sadykov, and T. Balz*, “Deciphering Circular Anthropogenic Anomalies in PALSAR Data—Using L-Band SAR for Analyzing Archaeological Features on the Steppe,” Remote Sensing, Vol. 12, 1076, 2020.

P. Ji, G. Caspari, A. Betts, B. Mohamadi, T. Balz, D. Cong, H. Shen, Q. Meng, “Seasonal movements of Bronze Age transhumant pastoralists in western Xinjiang,” PLoS ONE, Vol. 15(11), e0240739.

Z. Wang, T. Balz*, L. Zhang, D. Perissin, M. Liao, “Using TSX/TDX Pursuit Monostatic SAR Stacks for PS-InSAR Analysis in Urban Areas,” Remote Sensing, Vol. 11, 26, 2019.

B. Mohamadi, T. Balz*, A. Younes, “A Model for Complex Subsidence Causality Interpretation Based on PS-InSAR Cross-Heading Orbits Analysis,” Remote Sensing, Vol. 11, 2014, 2019.

O. Beladam, T. Balz*, B. Mohamadi, M. Abdalhak, “Using PS-InSAR with Sentinel-1 Images for Deformation Monitoring in Northeast Algeria,” Geosciences, Vol. 9, 315, 2019.

B. Mohamadi, S.S. Chen, T. Balz, K. Gulshad, S.C. McClure, “Normalized Method for Land Surface Temperature Monitoring on Coastal Reclaimed Areas,” Sensors, Vol. 19 (22), 4836, 2019.

Y. Yu, T. Balz, H. Luo, M. Liao, L. Zhang, “GPU accelerated interferometric SAR processing for Sentinel-1 TOPS data,” Computers & Geosciences, Vol 129, pp. 12-25, 2019.

G. Caspari, T. Sadykov, J. Blochin, M.Buess, M. Nieberle, T. Balz, “Integrating Remote Sensing and Geophysics for Exploring Early Nomadic Funerary Architecture in the ‘Siberian Valley of the Kings’,” Sensors, Vol. 19, 3074, 2019.

H. Tanveer, T. Balz, N.S. Sumari, R. Shan, H. Tanweer, “Pattern analysis of substandard and inadequate distribution of educational resources in urban-rural areas of Abbottabad, Pakistan,” GeoJournal, doi: 10.1007/s10708-019-10029-x, 2019.

T. Balz*, U. Sörgel, M. Crespi, B. Osmanoglu, “Editorial for Special Issue ‘Advances in SAR: Sensors, Methodologies, and Applications’,” Remote Sensing, Vol. 10, 1233, 2018.

P. Washaya, T. Balz*, B. Mohamadi, “Coherence Change-Detection with Sentinel-1 for Natural and Anthropogenic Disaster Monitoring in Urban Areas,” Remote Sensing, Vol. 10 (7), 1026, 2018.

W. Tang, P. Yuan, M. Liao, T. Balz, “Investigation of Ground Deformation in Taiyuan Basin, China from 2003 to 2010, with Atmosphere-Corrected Time Series InSAR,” Remote Sensing, Vol. 10, 1499, 2018

Y.T. Dong, L. Zhang, T. Balz, H. Luo, M.S. Liao, “Radargrammetric DSM generation in mountainous areas through adaptive-window least squares matching constrained by enhanced epipolar geometry,” ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 137, pp. 61-72, 2018.

M. Jendryke, T. Balz*, S.C. McClure, and M.S. Liao, “Putting people in the picture: Combining big location-based social media data and remote sensing imagery for enhanced contextual urban information in Shanghai,” Computers, Environment and Urban Systems, Vol. 62, pp. 99-112, 2017.

D. Liang, T. Balz*, Z.Y. Wang, L.H. Wei, and M.S. Liao, “Dynamic online visualization of PS-InSAR surface motion estimation results using WebGL,” Remote Sensing Letters, Vol. 8 (2), pp.126-135, 2017.

M. Jendryke, T. Balz*, and M.S. Liao, “Big location-based social media messages from China’s Sina Weibo network: Collection, storage, visualization, and potential ways of analysis,” Transactions in GIS, Vol. 21 (4), pp. 825-834.

M. Jendryke, S. McClure, T. Balz*, and M.S. Liao, “Monitoring the built-up environment of Shanghai on the street- block level using SAR and volunteered geographic information,” International Journal of Digital Earth, Vol. 10 (7), pp. 675-686, 2017.

F.L. Chen, A.H. Jiang, P.P. Tang, R.X. Yang, W. Zhou, H.C. Wang, X. Lu, and T. Balz, “Multi-scale synthetic aperture radar remote sensing for archaeological prospection in Han Hangu Pass, Xin’an China”, Remote Sensing Letters, Vol. 8 (1), pp. 38-47, 2017.

G. Caspari, G. Plets, T. Balz, B.H. Fu, “Landscape archaeology in the Chinese Altai Mountains – Survey of the Heiliutan Basin,” Archaeological Research in Asia, Vol. 10, pp. 48-53, 2017

T. Balz, G. Caspari, B.H. Fu, and M.S. Liao, “Discernibility of Burial Mounds in High-Resolution X-Band SAR Images for Archaeological Prospections in the Altai Mountains,” Remote Sensing, Vol. 8(10), 817, 2016. doi:10.3390/rs8100817

J H. Wang, T. Balz*, and M.S. Liao, “Absolute geolocation accuracy of high-resolution spotlight TerraSAR-X imagery – validation in Wuhan,” Geo-Spatial Information Science, Vol 19 (4), pp. 267-272, 2016, http://dx.doi.org/10.1080/10095020.2016.1258183

F. Hong, R. Wang, Z.M. Zhang, P.P. Lu, and T. Balz, “Integrated time and phase synchronization strategy for a multichannel spaceborne-stationary bistatic SAR system,” Remote Sensing, Vol 8 (628), 2016.

X.G. Shi, M.S. Liao, L. Zhang, and T. Balz, “Landslide stability evaluation using high-resolution SAR data in the Three Gorges are,” Quarterly Journal of Engineering Geology and Hydrology, Vol. 49 (3), pp. 203-211, 2016.

Y.N. Jiang, M.S. Liao, H.N. Wang, L. Zhang, and T. Balz, “Deformation Monitoring and Analysis of the Geological Environment of Pudong International Airport with Persistent Scatterer SAR Interferometry,” Remote Sensing, Vol. 8, 1021, 2016.

Y.N. Jiang, M.S. Liao, Z.W. Zhou, X.G. Shi, L. Zhang, and T. Balz, “Landslide Deformation Analysis by Coupling Deformation Time Series from SAR Data with Hydrological Factors through Data Assimilation,” Remote Sensing, Vol. 8 (3), 179, 2016.

W. Wang, R. Wang, Y. Deng, T. Balz, F. Hong, W. Xu, “An Improved Processing Scheme of Digital Beam-Forming in Elevation for Reducing Resource Occupation,” IEEE Geoscience and Remote Sensing Letters, Vol. 13 (3), pp. 309-313, 2016.

T. Balz, H. Hammer, and S. Auer, “Potentials and Limitations of SAR Image Simulators – A Comparative Study of Three Simulation Approaches,” ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 101, pp. 102-109, 2015.

L. Wei, T. Balz, L. Zhang, and M. Liao, “A Novel Fast Approach for SAR Tomography: Two-step Iterative Shrinkage / Thresholding,” IEEE GRSL Remote Sensing Letters, Vol. 12 (6), 2015, pp. 1377-1381.

X.G. Shi, L. Zhang, T. Balz, M. Liao, “Landslide deformation monitoring using point-like target offset tracking with multi-mode high-resolution TerraSAR-X data,” ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 105, pp. 128-140.

H.Y. Li, H.J. Song, R. Wang, H. Wang, G. Liu, R.P. Chen, X.L. Li, Y.K. Deng, T. Balz, “A Modification to the Complex-Valued MRF Modeling Filter of Interferometric SAR Phase,” IEEE GRSL Remote Sensing Letters, Vol 12(3), pp, 681-685, 2015.

Z. Wu, Y.B. Liu, L. Zhang, N. Li, K.N. Du, T. Balz, “Highly efficient synthetic aperture radar processing system for airborne sensors using CPU+GPU architecture,” Journal of Applied Remote Sensing, Vol. 9(1), Article 097293, (doi:10.1117/1.JRS.9.097293), 2015.

M.S. Liao, L.H. Wei, Z.Y. Wang, T. Balz, L. Zhang, “Compressive Sensing in High-resolution 3D SAR Tomography of Urban Scenarios [in Chinese],” Journal of Radars (雷达学报), Vol. 4 (2), pp 123-129, 2015.

L. Wei, T. Balz, M. Liao, and L. Zhang, “TerraSAR-X StripMap Data Interpretation of Complex Urban Scenarios with 3D SAR Tomography,” in Journal of Sensors, Vol. 2014, Article ID 386753, 7 p., 2014 (doi:10.1155/2014/386753)

X. Shi, L. Zhang, M. Liao, and T. Balz. “Deformation monitoring of slow-moving landslides with L- and C-band SAR interferometry,” in Remote Sensing Letters, Vol. 5 (11), pp. 951-960, 2014.

P.P. Lu, K.N. Du, W.D. Yu, R. Wang, Y.K. Deng, and T. Balz, “A new region growing based Method for road network extraction and its application on different resolution SAR images,” IEEE Journal of Selected Topics in Applied Earth Observation and Remote Sensing, Vol. 7(12), pp. 4772-4783, 2014.

K. Du, P. Lu, R. Wang, Y. Deng, W. Yu, and T. Balz, “Crustal movement estimation based on an unchanged-feature points method using TerraSAR-X intensity images: application to the 2011 Tohoku earthquake,” International Journal of Remote Sensing, Vol. 35 (18), pp. 6674-6686, 2014.

N. Li, R. Wang, Y. Deng, Y. Liu, B. Li, C. Wang, and T. Balz, “Unsupervised polarimetric synthetic aperture radar classification of large-scale landslides caused by Wenchuan earthquake in hue-saturation-intensity color space,” Journal of Applied Remote Sensing, vol. 8 (1), Article 083595, 2014.

Y. F. Shao, R. Wang, Y. K. Deng, Y. Liu, R. Chen, G. Liu, T. Balz, and O. Loffeld, “Digital Elevation Model Reconstruction in Multichannel Spaceborne/Stationary SAR Interferometry,” IEEE Geoscience and Remote Sensing Letters, vol. 11 (12), pp. 2080–2084, 2014.

N. Li, R. Wang, Y. Deng, Y. Liu, C. Wang, T. Balz, and B. Li, “Polarimetric Response of Landslides at X-Band Following the Wenchuan Earthquake,” IEEE Geoscience and Remote Sensing Letters, Vol. 11(10), pp. 1722-1726, 2014.

L.H. Wei, M.S. Liao, T. Balz, and L. Zhang, “Layover Building Scatterers Extraction via High-Resolution Spaceborne SAR Tomography [高分辨率SAR层析成像建筑物叠掩散射体提取],” Geomatics and Information Science of Wuhan University, Vol. 39(5), pp. 536-541, 2014.

M.S. Liao, L.H. Wei, T. Balz, and L. Zhang, “TomoSAR技术在城市变形监测中的应用,” in 上海国土资源, Vol. 34(4), pp. 7-11, 2014.

T. Balz, L. Zhang, and M. Liao, “Direct Stereo Radargrammetric Processing Using Massively Parallel Processing,” ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 79, pp. 137-146, 2013

M. Jendryke, T. Balz, H. Jiang, M. Liao, and U. Stilla, “Using Open-Source Components to Process Interferometric TerraSAR-X Spotlight Data,” International Journal of Antennas and Propagation, Article ID 275635, 13 p., 2013.

P. Tantianuparp, X. Shi, L. Zhang, T. Balz, and M. Liao, “Characterization of Landslide Deformations in Three Gorges Area Using Multiple InSAR Data Stacks,” Remote Sensing, Vol. 5(6), pp. 2704-2719, 2013.

C. Gao, R. Wang, Y. Deng, J. Feng, H. Yan, and T. Balz, “Large-Scene Sliding Spotlight SAR Using Multiple Channels in Azimuth,” IEEE Geoscience and Remote Sensing Letters, Vol. 10(5), pp. 1006-1010, 2013.

Y. Shao, R. Wang, Y.K. Deng, Y. Liu, R. Chen, G. Liu, T. Balz, and O. Loffeld, “Error Analysis of Bistatic SAR imaging and Stereoscopy Bistatic SAR,” IEEE Transactions in Geoscience and Remote Sensing, Vol. 51(8), pp. 4518-4543, 2013.

X. He, L. Zhang, T. Balz, M. Liao, “Topographic Mapping in Mountainous Areas Using StereoSAR Assisted by External DEM [利用外部DEM辅助山区SAR立体像对匹配及地形制图]”, Acta Geodetica et Cartographica Sinica, Vol. 43 (3), pp. 425-432, 2013.

M. Liao, L. Wei, T. Balz, L. Zhang, “TomoSAR技术在城市形变监测中的应用”, 上海国土资源, Vol. 34 (4), pp. 7-11, 2013

T. Balz, L. Zhang, and M. Liao, “Fast geocoding of spaceborne synthetic-aperture radar images using graphics processing units,” Journal of Applied Remote Sensing, vol. 6, no. 1, pp. 063553-1 – 063553-13, 2012.

L. Zhang, T. Balz, and M. Liao, “Satellite SAR geocoding with refined RPC model,” ISPRS Journal of Photogrammetry and Remote Sensing, vol. 69, pp. 37-49, 2012.

M.S. Liao, J. Tang, T. Wang, T. Balz, and L. Zhang, “Landslide monitoring with high-resolution SAR data in the Three Gorges region,” Science China – Earth Sciences, vol. 42(2), pp. 217-229, 2012 (doi: 10.1007/s11430-011-4259-1)

K. Liu, T. Balz, and M. Liao, “Investigation on Building Height Extraction via Radar Backscattering Characteristics in High Resolution SAR Images [in Chinese],” Journal of Geomatics and Information Science of Wuhan University, vol. 37, no. 7, pp. 806-809, 2012.

X.G. Shi, L. Zhang, T. Balz, and M.S. Liao, “A modified 3D grid interpolation method for satellite SAR geocoding [in Chinese],” Journal of Geomatics and Information Science of Wuhan University, vol. 37, no. 11, pp. 1329-1332, 2012.

K. Liu, M. Liao, and T. Balz, “High Resolution 3D Tomographic SAR with Compressive Sensing [in Chinese],” Journal of Geomatics and Information Science of Wuhan University, vol. 37, no. 12, pp. 1456-1459, 2012.

L. Zhang, X.Y. He, T. Balz, X.H. Wei, and M.S. Liao, “Rational Function Modeling for Spaceborne SAR Datasets,” ISPRS Journal of Photogrammetry & Remote Sensing, vol. 66 (1), pp. 133-145, 2011.

S. Auer, T. Balz, S. Becker, and R. Bamler, “3D SAR Simulation of Urban Areas Based on Detailed Building Models,” Photogrammetric Engineering & Remote Sensing, vol.76 (12), pp. 1373-1384, 2010.

T. Balz and M.S. Liao, “Building damage detection using post-seismic high-resolution SAR satellite data,” International Journal of Remote Sensing, vol. 31 (13), pp. 3369-3391, 2010

T. Balz and U. Stilla, “Hybrid GPU based single- and double-bounce SAR simulation,” IEEE Transactions on Geoscience and Remote Sensing, vol. 47 (10), pp. 3519-3529, 2009.

T. Balz, S. Becker, N. Haala, and M. Kada, “Using real-time SAR simulation to assist pattern recognition applications in urban areas,” Pattern Recognition and Image Analysis, vol. 18 (3), pp. 412-416, 2008.

T. Balz, “Automated CAD model based geo-referencing for high-resolution SAR data in urban environments,” IEE Proceedings – Radar, Sonar and Navigation, vol. 153 (3), pp. 289-293, 2006.


Expresiones de gratitud

[31] This work is supported by an Overseas Research Students Award (ORS) and a UCL Graduate School Research Scholarship to Z. Li at University College London. This work is also associated with the NERC Earth Observation Centre of Excellence: Centre for the Observation and Modelling of Earthquakes and Tectonics (COMET). The work of E. Fielding was performed at the Jet Propulsion Laboratory, California Institute of Technology, under contract with NASA. We are grateful to T. J. Wright, M. Ziebart, and A. Sibthorpe for useful discussions and to H. Zebker, G. Wadge, and F. Sigmundsson for constructive reviews. We thank JPL/Caltech for the use of the ROI_PAC software to generate our interferograms [ Rosen et al., 2004]. The ERS data were supplied under ESA ENVISAT data grant AO (HAZARDMAP), and the GPS data were obtained from the Scripps Orbit and Permanent Array Centre (SOPAC, http://sopac.ucsd.edu).

Filename Descripción
jgrb14353-sup-0001-t01.txtplain text document, 769 B Tab-delimited Table 1.
jgrb14353-sup-0002-t02.txtplain text document, 801 B Tab-delimited Table 2.

Please note: The publisher is not responsible for the content or functionality of any supporting information supplied by the authors. Any queries (other than missing content) should be directed to the corresponding author for the article.


Ver el vídeo: RUS Webinar: Land Subsidence mapping with Sentinel-1 - HAZA03