
1.首都师范大学资源环境与旅游学院,北京 100048
2.首都师范大学城市环境过程与数字模拟国家重点实验室培育基地,北京 100048
3.首都师范大学水资源安全北京实验室,北京 100048
4.中国科学院空天信息创新研究院,北京 100094
摘 要:
地面沉降是京津冀地区常见的地质灾害之一,地面不均匀沉降对于明长城的保护存在着潜在威胁,从而造成不可逆转的损失。文章采用2016—2018年的53景Sentinel-1数据,基于永久散射体合成孔径雷达干涉测量(persistent scatterer interferometric synthetic aperture Radar,PS-InSAR)和小基线集(small baseline subsets,SBAS)技术获取秦皇岛段明长城地表形变信息。将合成孔径雷达(synthetic aperture Radar,SAR)数据基于不同的处理方法获取的形变结果进行交叉验证检验监测结果的精度,得到两者数据线性相关性R2达到0.81。结合地下水水位变化、地质构造、地层岩性数据、土地利用数据及高速公路铁路分布等辅助数据,对明长城沿线沉降进行成因分析。最后基于广义回归神经网络(generalized regression neural network,GRNN)对明长城沉降进行预测。结果表明: 秦皇岛段明长城沿线表现出不同程度的形变,形变严重的区域主要集中在东部及东北部区域,最大沉降速率超过-12 mm/a; 地面沉降与地下水开采关联不大; 明长城在与断裂带相遇前后沉降速率表现出微小差异; 沉降严重区主要发生在第四系全新统黏土层; 交通道路运营暂时未对明长城沿线沉降造成较大影响。GRNN预测结果表明未来明长城沿线沉降有逐渐增大的趋势,部分区域需要重点关注。研究对位于山地地貌明长城进行系统的监测和整体保护提供技术支持。

自然资源遥感
刘辉, 徐心月, 陈蜜, 陈富龙, 丁瑞力, 刘菲. 秦皇岛段明长城时序InSAR遥感动态监测[J]. 自然资源遥感, 2023, 35(2): 202-211.
LIU Hui, XU Xinyue, CHEN Mi, CHEN Fulong, DING Ruili, LIU Fei. Time-series InSAR-based dynamic remote sensing monitoring of the Great Wall of the Ming Dynasty in Qinhuangdao. Remote Sensing for Natural Resources, 2023, 35(2): 202-211.
国家重点研发计划项目“城市群地质环境演化多源遥感监测与预警”(2017YFB0503803)
Copyright © 2025 联合国科教文组织国际自然与文化遗产空间技术中心 京ICP备05002788号-3