地球科学进展, 2021, 36(7): 694-711 DOI: 10.11867/j.issn.1001-8166.2021.055

综述与评述

InSAR技术多年冻土研究进展

贾诗超,1, 张廷军,1, 范成彦1, 刘琳2, 邵婉婉1

1.兰州大学 资源环境学院 西部环境教育部重点实验室,甘肃 兰州 730000

2.香港中文大学 理学院 地球系统科学课程,香港 999077

Research Progress of InSAR Technology in Permafrost

JIA Shichao,1, ZHANG Tingjun,1, FAN Chengyan1, LIU Lin2, SHAO Wanwan1

1.Key Laboratory of Western China's Environmental Systems (Ministry of Education),College of Earth and Environmental Sciences,Lanzhou University,Lanzhou 730000,China

2.Earth System Science Programme,Faculty of Science,The Chinese University of Hong Kong,Hong Kong 999077,China

通讯作者: 张廷军(1957-),男,甘肃庆阳人,教授,主要从事冰冻圈与气候变化研究. E-mail:tjzhang@lzu.edu.cn

收稿日期: 2021-02-20   修回日期: 2021-05-22   网络出版日期: 2021-08-20

基金资助: 中国科学院A类先导科技专项“祁连山区冻土变化及水文生态效应”.  XDA20100103
“第三极与泛第三极及其与南北极联动关系”.  XDA20100313

Corresponding authors: ZHANG Tingjun (1957-), male, Qingyang City, Gansu Province, Professor. Research areas include cryosphere and climate change. E-mail:tjzhang@lzu.edu.cn

Received: 2021-02-20   Revised: 2021-05-22   Online: 2021-08-20

作者简介 About authors

贾诗超(1993-),男,安徽马鞍山人,博士研究生,主要从事雷达遥感监测多年冻土研究.E-mail:jiashch19@lzu.edu.cn

JIAShichao(1993-),male,MaanshanCity,AnhuiProvince,Ph.Dstudent.ResearchareasincludeInSARtechnologytomonitorpermafrostchanges.E-mail:jiashch19@lzu.edu.cn

摘要

多年冻土随气候变暖逐渐发生退化,严重影响多年冻土区工程建设的稳定性,因此实时、准确地监测多年冻土变化迫在眉睫。合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar,InSAR)作为一种新型对地观测技术,可以全天时、全天候的对多年冻土区地表进行大范围监测,成为一种有效的监测手段。主要介绍InSAR技术在多年冻土区近20年的研究进展与未来发展趋势。首先介绍了InSAR技术的基本原理和常用的SAR系统,然后基于InSAR技术的发展,概述了D-InSAR和时序InSAR技术在多年冻土区的应用,并对目前发展的冻融模型进行总结,分析了多年冻土区地表形变影响因素,最后展望未来InSAR技术在多年冻土监测中的发展趋势与面临的主要问题,以期为科研人员提供系统的应用介绍。

关键词: 多年冻土 ; InSAR ; 地表形变 ; 冻融模型

Abstract

Permafrost is gradually degraded with climate warming, which seriously affects the stability of engineering construction in permafrost regions. Therefore, real-time and accurate monitoring of permafrost changes is urgent. Synthetic Aperture Radar Interferometry (InSAR), as a new type of earth observation technology, can monitor the surface of permafrost regions on a large scale at all times and in all weather, and become an effective monitoring method. This paper aims to introduce the research progress and future development trends of InSAR technology in permafrost regions in the past two decades. Firstly, the basic principle of InSAR technology and SAR system are introduced. Then, based on the development of InSAR technology, the application of D-InSAR and multi-temporal InSAR in permafrost regions is outlined. It also summarizes the currently developed freeze-thaw models and analyzes the influencing factors of surface deformation in permafrost regions. Finally, look forward to the future development trend and main problems of InSAR technology in permafrost monitoring, in order to provide scientific research personnel with a systematic application introduction.

Keywords: Permafrost ; InSAR ; Ground surface deformation ; Freeze-thaw model

PDF (2885KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

贾诗超, 张廷军, 范成彦, 刘琳, 邵婉婉. InSAR技术多年冻土研究进展. 地球科学进展[J], 2021, 36(7): 694-711 DOI:10.11867/j.issn.1001-8166.2021.055

JIA Shichao, ZHANG Tingjun, FAN Chengyan, LIU Lin, SHAO Wanwan. Research Progress of InSAR Technology in Permafrost. Advances in Earth Science[J], 2021, 36(7): 694-711 DOI:10.11867/j.issn.1001-8166.2021.055

1 引 言

冻土是指温度保持在0 ℃以下、含有冰的各种岩石和土壤,土壤温度持续2年或2年以上在0 ℃或以下的土层称为多年冻土。多年冻土上覆的夏季融化、冬季冻结的土层称为活动层12。目前多年冻土分布面积占北半球陆地面积的24%34,其中欧亚大陆(苏联、中国和蒙古国)占总面积的38.6%,北美大陆(加拿大、美国和格陵兰)占总面积的24.6%,季节冻土则遍布全球各地5。中国的多年冻土约占国土面积的22.3%,主要分布在青藏高原多年冻土区、大兴安岭多年冻土区以及西部高海拔地区6。多年冻土的广泛分布与温度密切相关,使得多年冻土成为气候变化的一个主要指标。据政府间气候变化评估委员会(IPCC)第五次评估报告显示,近100 a来,全球平均近地表气温上升了0.74 ℃7。而有关研究表明,多年冻土区近地表气温上升速率要比全球气温上升速率大2~3倍89。因此,导致多年冻土温度升高、活动层厚度增厚、多年冻土范围缩小、厚度减薄;这些变化无疑会影响多年冻土区地下冰和有机碳的形成、存储环境,对多年冻土区地表的水、土、气、生等要素间的相互作用关系产生影响,进而影响到区域水文、生态、碳循环乃至全球气候系统10

多年冻土区活动层随着季节更替发生水的相变,由于水和冰的体积相差9%,导致地表冻胀或融沉,以及气候变暖促使多年冻土区地下冰融化,地表下沉,都严重危害了多年冻土区的基础建设11。据统计1213第一和第二条西伯利亚铁路多年冻土路段的病害率分别为40.5%和27.5%,青藏公路的路基病害率约85%。Ciro等14利用数值模型分析了马尼托巴北部的公路沉降情况,结果显示气候变暖加剧路面沉降。Hong等15在分析阿拉斯加公路沉降灾害时,同样得出结论表明:气候变暖是沉降灾害的主要原因。国内学者对青藏高原的研究较多16~19,在考虑青藏高原未来50年平均气温升高2.6 ℃的情况下,气候变暖将改变公路、铁路的路基稳定性。通过不同的气候变化情景模式分析发现,气候变暖将加深青藏高原多年冻土区活动层厚度,也会改变多年冻土的空间分布范围20。除此之外,工程建设同样改变了多年冻土区土壤的水—热—力性质,加快多年冻土的退化。研究多年冻土环境与工程建设之间的相互影响具有重要意义,特别在全球气候变暖的背景下21~23,这关乎着多年冻土区人民生活和经济发展。

传统监测多年冻土地区地表冻胀、融沉的方法主要有水准测量、GPS观测和埋设沉降仪等方法24~27,这些方法在单点测量或小范围内监测上精度较高,但是无法适用于大面积监测,如环极活动层监测网(Circumpolar Active Layer Monitoring Network, CALM)(https://ipa.arcticportal.org/products/gtn-p/calm)监测了全球超过125个地点的活动层和近地表多年冻土,主要集中在北极和南极地区。中国在青藏高原上的观测点集中在青藏公路沿线,且观测点有限。另外,多年冻土区的环境普遍较恶劣,野外数据采集费时费力,效率较低2829。随着遥感技术的大力发展,为快速、大面积监测多年冻土区地表变形等提供了有效方法。合成孔径雷达干涉测量技术(Interferometric Synthetic Aperture Radar, InSAR)具有全天时、全天候、高精度和大范围等优点,且不受云雨等影响30,适合于青藏高原地区,这也是光学遥感所不能及的原因。InSAR是通过联合分析多幅SAR影像的相位信息,能够准确获取地表的DEM,备受研究人员的关注。合成孔径雷达差分干涉测量技术(Differential InSAR,D-InSAR)及在其基础上发展的时序InSAR技术(multi-temporal InSAR,MT-InSAR)被广泛应用于长时间序列的多年冻土区形变监测,探索活动层的变化规律31,成为多年冻土区工程设施稳定性监测的有效工具。

本文旨在介绍InSAR技术的理论基础和发展现状,详细介绍了现阶段该技术在多年冻土区应用的研究进展,分别阐述了MT-InSAR技术在多年冻土区发展的地表形变模型和活动层厚度反演模型,随后分析了多年冻土区地表形变影响因素,包括地球内部因子和外部因子,以及多年冻土区的参考点选择,最后展望了未来InSAR技术在多年冻土区的发展与挑战。

2 InSAR技术原理及现状

2.1 合成孔径雷达干涉测量原理

雷达指无线电探测与测距,其工作原理为:通过发射电磁信号和接受目标反射回波来测量目标的距离,目标的反射回波中包含地物的相位和幅度信息。InSAR就是利用SAR数据特有的相位信息,结合精确的SAR卫星成像几何参数、轨道参数来反演DEM数据3233。随后在InSAR基础上又发展了D-InSAR,该技术可以通过外部DEM数据或三轨、四轨差分监测地表微小形变,精度可达到毫米级,常用于地震活动,火山运动、冰川运动、滑坡等监测34

雷达干涉的模式分为:沿轨道干涉法、交叉轨道干涉法和重复轨道干涉法35。常用的干涉模式为重复轨道干涉法(图1)。当SAR系统对同一地物进行重复2次或者多次观测时,当地物的几何位置相对于传感器发生了变化,则获取的相位信息也将发生改变,因此,可以通过分析相位信息的变化得到地表形变情况。

图1

图1   InSAR技术原理图36

Fig. 1   Schematic diagram of InSAR technology36


InSAR干涉相位ψ主要由多个分量构成,包括参考椭球面相位φref、地形相位φtop、形变相位φdef、大气相位φatm、轨道偏移相位φorb和噪声相位φnoi

ψ=φref+φtop+φdef+φatm+φorb+φnoi

式中:φref是指参考椭球面(即大地高为0)本身所引起的干涉相位,主要与空间基线B和入射角θ相关。

φref=-4πλB//=-4πλBsin(θ-α)

公式(1)中φtop是地形起伏所引起相位,SAR观测的实际地表往往不位于参考椭球面上,是具有一定大地高h的地面点,如图1中的P点。

φtop=-4πBhλR1sinθ

大气相位φatm可利用ECMWF、MERRA和NARR等模型进行模拟37~39;轨道偏移相位φorb通常使用精轨产品来模拟消除,也有学者使用实际的GPS站点位置进行模拟消除。去除这些相位分量,即可获得形变相位φdef

ϕdef=4πλΔr

式中:Δr为雷达视线方向的斜距变化量,通过公式转化,最终得到雷达视线方向的地表形变量。

2.2 SAR系统的发展现状

星载SAR系统是现阶段应用最为广泛的SAR遥感平台,图2展示了目前常用于InSAR技术的SAR系统及其在空服务时间和状态,并列出了各个SAR系统的具体参数(表1),主要集中在微波波段的L、C和X波段。这是因为大气对X频段以上的电磁波有较强的吸收,并且雷达信号在穿透电离层和对流层时会产生相位失真和损耗等,从而导致图像出现误差、甚至难以成像的情况。频段越低,波长越长、穿透能力越强,但是图像分辨率降低。1 GHz以下的频率,虽然大气的吸收不明显,但是电磁波在穿透稠密作物或树木的情况下产生多路径反射,从而产生影响较大的极化旋转。综合来看,C波段是权衡分辨性能、穿透性以及其他因素后的最优选择,所以C波段的传感器设计最多。

图2

图2   InSAR技术中常用的民用SAR系统

Fig. 2   Civil SAR systems commonly used in InSAR technology


表1展示了目前主要的民用SAR系统及其设计参数,根据卫星隶属机构或国家可以划分为3个地区,分别为北美地区、欧洲地区和亚洲地区。1978年6月27日,美国发射了第一颗搭载L波段SAR传感器的海洋卫星SEASAT,标志着合成孔径雷达发展进入一个新的阶段,开始从太空对地进行观测。1981年和1983年,美国又先后发射了SIR-A和SIR-B卫星,为最初的InSAR技术发展提供了数据支持。随后国际上相继研发了不同波段和极化方式的SAR传感器。加拿大在1995年11月和2007年12月先后发射了搭载C波段的RADARSAT-1和RADARSAT-2卫星,在地形测绘、海洋监测和冰川观测等方面具有很高的应用价值。

表1   主要民用卫星SAR系统的设计参数

Table 1  Design parameters of major civil satellite SAR systems

SAR传感器运行起止时间重放周期/d宽幅/km波段分辨率/方位向×距离向极化方式入射角
SEASAT1978.06~1017100L25 m×25 mHH20°~26°
SIR-A1981.11—1981.1150L40 m×40 mHH47°
SIR-B1983.10—1984.1050L40 m×40 mHH15°~64°
ERS-11991.07—2000.0335、3、168100C30 m×30 mVV20°~26°
JERS-11992.02—1998.104475L18 m×18 mHH35°
ERS-21995.04—2011.0935、3100C30 m×30 mVV20°~26°
Radarsat-11995.11—2013.0324精细模式:50C9 m×8.9 mHH37°~47°
标准模式:10028 m×(21~27) m20°~49°
扫描模式:50028 m×(23,27,35) m20°~45°
Envisat2002.03—2012.0435、30极化模式:58~100C30 m×(30~150) mVV+HH、HH+HV、VV+VH15°~45°
图像模式:58~10030 m×(30~150) mVV、HH15°~45°
波模式:510 m×10 m15°~45°
带宽模式:405150 m×150 m17°~42°
ALOS-12006.01—2011.0546单极化/双极化模式:70L10 m×(7,14) mHH、VV、HH+HV、VV+VH8°~60°
全极化模式:3010 m×24 mHH+HV+VV+VH8°~30°
TerraSAR-X2007.06至今11高分辨率聚束模式:10X1 m×(1.5~3.5) mHH、VV、HH+VV20°~55°
聚束模式:102 m×(1.5~3.5) mHH、VV、HH+VV20°~55°
条带模式:303 m×(3~6) mHH、VV、HH+VV、HH+HV、VV+VH、HH+HV+VV+VH20°~45°
扫描模式:10026 m×16 mHH、VV20°~45°
COSMO-SkyMed2007.06至今24聚束模式:10X1 m×1 mHH、VV25°~50°
条带模式:30~403~15 mHH、HV、VV、VH、HH+VV、HH+HV、VV+VH25°~50°
扫描模式:100~20030~100 mHH、HV、VV、VH25°~50°
Radarsat-22007.12至今24聚束模式:20C0.8 m×(2.1~3.3) mHH、HV、VV、VH20°~49°
条带模式:20~150(3.0~25.6) m×(2.5~42.8) mHH,HH+HV+VV+VH20°~60°
扫描模式:300~500(46~113) m×(43~183) mHH、HV、VV、VH、HH+VV、VV+VH20°~49°
Sentinel-1A2014.04至今12条带模式:80C5 m×5 mHH、VV、HH+HV、VV+VH20°~45°
干涉宽带模式:2505 m×20 mHH、VV、HH+HV、VV+VH29°~46°
超幅宽模式:40020 m×40 mHH、VV、HH+HV、VV+VH19°~47°
波模式:205 m×5 mHH、VV

22°~35°

/35°~38°

ALOS-22014.05至今14聚束模式:25L1 m×3 mHH、HV、VV、VH8°~70°
条带模式:50/703 m、6 m、10 mHH、HV、VV、VH、HH+VV、VV+VH
扫描模式:350/490100 m、60 mHH、HV、VV、VH、HH+VV、VV+VH
Sentinel-1B2016.04至今12条带模式:80C5 m×5 mHH、VV、HH+HV、VV+VH20°~45°
干涉宽带模式:2505 m×20 mHH、VV、HH+HV、VV+VH29°~46°
超幅宽模式:40020 m×40 mHH、VV、HH+HV、VV+VH19°~47°
波模式:205 m×5 mHH、VV

22°~35°/

35°~38°

GF-32016.08至今2012种模式:10~650C1~500 m

VV、VH、VV+VH、

HH+HV+VV+VH

10°~60°

新窗口打开| 下载CSV


欧洲空间局(European Space Agency, ESA)于1991年7月和1995年4月先后发射了ERS-1和ERS-2姊妹卫星,搭载的是C波段传感器,采用VV极化方式,在轨期间提供了大量的SAR数据。继ERS卫星后,2002年3月ESA发射了Envisat环境遥感卫星,其搭载的C波段ASAR传感器继承了ERS卫星的大部分特征,增加了多极化和大宽幅等新特征。2014年4月和2016年4月,ESA先后发射了搭载C波段的Sentinel-1A和Sentinel-1B卫星,仍然拥有以前的成像特征,在某些1A和1B卫星影像同时覆盖的地区,其重访周期甚至可缩短至6天。值得一提的是,ESA的4颗卫星拍摄的数据免费供用户使用,极大地推广了InSAR技术的发展与应用。另外,意大利和德国在2007年7月分别发射了携带X波段传感器的COSMO-SkyMed卫星和TerraSAR-X卫星,这两颗卫星的重访周期短、分辨率高,在地形测量和形变监测等领域发挥了重要的作用。

1992年2月,日本发射了JERS-1卫星,该卫星搭载穿透力极强的L波段SAR系统,可穿透植被获取地表形变信息,且能够在植被覆盖区获得较高信噪比的干涉条纹。2006年1月,日本发射了ALOS卫星,其携带的PALSAR传感器提供全极化数据,具有干涉成像功能,PALSAR也是全球第一个真正意义上的星载全极化干涉SAR。继ALOS PALSAR后,日本于2014年5月又发射了ALOS-2卫星,提供了更多样化的成像模式,且最高分辨率能达到1 m,在地质灾害监测上发挥重要的作用。中国于2016年8月10日发射了C波段的高分3号卫星,最高分辨率达到1 m,具有12种成像模式,实现了中国SAR数据干涉测量零的突破。

自第一颗SAR卫星发射以来,其工作模式从低分辨率、单一极化方式、单一模式、入射角固定发展到高分辨率、多极化、多模式、可变入射角等。未来根据SAR传感器在不同领域的应用和规划,其发展趋势可能走向为:多参数SAR、高分辨率SAR、极化干涉SAR和分布式SAR。分布式SAR是指利用多颗轨道具有相互关联的卫星进行配合工作,如意大利的COSMO-SkyMed系统由4颗卫星组成星座卫星40

3 InSAR多年冻土中的应用

3.1 InSAR技术的发展

InSAR技术的发展离不开实际应用的推动,该技术从1969年首次用来测绘金星表面地形以来41,已经在多个领域起到无可代替的作用,特别是在地表形变监测方面。从最初的地震和火山等大范围地表形变监测逐步发展到局部形变监测,如矿区、滑坡、油气田以及城市地表形变。到目前为止,InSAR技术的基本理论、数据处理流程已经较为成熟。并在此基础上研发了多种先进的InSAR技术,特别在处理时序InSAR方面上获取了巨大的进步。

D-InSAR技术的缺点在于只能监测单次时间段的形变信息,且当时间基线、空间基线过长时,会引起时间和空间去相干,外加大气延迟的影响,使得监测的形变误差较大。因此,基于D-InSAR技术发展的MT-InSAR是现今InSAR技术监测地表形变的研究热点。2000年,Ferretti等42提出永久散射体合成孔径雷达干涉测量技术(Persistent Scatterer InSAR, PS-InSAR),该技术需要选取永久散射体点(PS点),且PS点必须满足3个条件:长时间内目标点的后向散射特性保持稳定;目标点足够小,能够在长空间基线下保持相干性;该目标点的后向散射系数远远高于其所在分辨单元内的其他散射体。然后针对这些PS点的相位时间序列进行建模和分析,从而分离出形变信息。PS-InSAR技术不用过分考虑时间基线和垂直基线过大带来的去相关问题,与传统的D-InSAR技术相比,PS-InSAR技术可监测毫米级的地表形变。2002年,Beradino等43又提出小基线集技术(Small Baseline Subset InSAR, SBAS-InSAR),该技术可以将所获影像自由组合,形成若干个小基线数据子集。首先计算时空基线,再根据确定的阈值来选取合适的干涉对,然后通过对各影像在方位向和距离向进行干涉滤波处理来提高相干性,并运用最小费流法进行相位解缠,最后对经过合并的小基线干涉图集采用奇异值分解法(Singular Value Decomposition, SVD)进行形变参数的估算。为了恢复因秩亏损而无法解算的像元形变序列,又提出了新小基线集技术(New Small Baseline Subset InSAR, NSBAS-InSAR)技术44。NSBAS在SBAS的基础上,通过构建一个随时间变化的地表形变函数,将影像间相位增量都包含在内,保证新的方程组是满秩的,然后通过最小二乘法解算出形变序列,且形变函数选用是否恰当,决定了解算出来的形变结果是否可靠,这需要根据具体的研究背景进行选用或改进。此外,SBAS-InSAR技术对外部DEM数据的精度要求也比较低,能够有效降低地形相位误差的影响。随后,又发展了DS-InSAR45、StaMPS46和QPS47等MT-InSAR技术。InSAR技术的发展已经在全球范围内得到推广,广泛应用于地形测绘和形变监测方面,成为不可替代的一种方法。

3.2 D-InSAR在多年冻土区研究进展

D-InSAR作为先进的遥感技术,可以通过影像的相位信息获取地表发生的微小形变,相对传统监测方法,具有高精度(可达毫米级)、高空间分辨率(米级)和高地表覆盖率等优点。近几十年,研究学者做了诸多关于InSAR技术监测地表变形的研究,特别是在多年冻土区的地表变形研究。在1989年,Gabriel等48首次利用D-InSAR技术对美国东南部的英佩瑞尔河谷灌溉区进行形变监测,证明了该技术可以用于监测地表厘米级形变,并将该技术引入地表形变监测领域。1999年,Wang等49对阿拉斯加布鲁克斯山脉地区进行多年冻土地表变形监测,利用D-InSAR技术探测多年冻土区地表变形,并对形变进行分析,开创了InSAR技术在多年冻土区地表形变监测方面的先河。随后,国内外研究人员逐渐开展利用InSAR技术监测青藏高原多年冻土区地表形变的研究工作。在利用D-InSAR技术监测多年冻土地表形变时,主要用到的SAR数据波段为L、C和X。表2展示了利用不同波段的SAR数据应用情况,包括数据、研究区和形变结果。

表2   D-InSAR技术在多年冻土形变监测中的应用

Table 2  Application of D-InSAR technology in permafrost deformation monitoring

数据(波段)研究区形变结果参考文献
ERS-1(C)阿拉斯加布鲁克斯山脉地区检测到Imnavait分水岭和Toolik湖及其周围发生3 cm的抬升49
ERS-1/2(C)青藏高原青藏公路沿线垂直沉降量最大约10.1 mm50
Radarsat-1(C)加拿大西北部Thunder河雷达视线方向最大滑塌形变为20 mm51
ALOS PALSAR(L)青藏高原研究区最大沉降量达到15 cm,最大抬升量为8 cm52
ALOS PALSAR(L)青藏高原北麓河地区青藏铁路、青藏公路和输电塔上的沉降量为3~7 mm53
ALOS PALSAR(L)青藏高原研究区最大抬升量为16 cm,最大沉降量为28 cm54
Radarsat-2(C)加拿大巴芬岛Iqaluit机场2012年5月23日至9月20日的垂直形变量为1~12.5 cm55
ALOS PALSAR(L)东北多年冻土区研究区2010年累计形变量为4~16 cm56
TerraSAR-X(X)青藏高原北麓河地区沉降量为0~11.3 cm,抬升量为0~11.4 cm57
TerraSAR-X(X)东北多年冻土区长春至双辽高速公路段2017年的3月2~24日路基沿线形变为-1.29~3.66 mm;3月24日至4月26日为-0.74~-10.15 mm;4月26日至5月29日为-1.24~-8.56 mm29

新窗口打开| 下载CSV


表2中的研究结果都直接或间接地与实测数据进行对比,证明了InSAR技术可以较准确地监测不同研究区多年冻土地表形变变化。表2仅仅展示了不同波段SAR数据的应用情况。为了对比不同波段的优缺点,结合D-InSAR技术和TerraSAR-X、RADARSAT-2和ALOS PALSAR数据监测加拿大赫舍尔岛的多年冻土环境发现,X波段的TerraSAR-X数据具有高时间和高分辨率的特点,适合检测面积较小的热融滑塌运动,但是容易受到植被和对流层效应的影响,因此,很难检测长期、大面积的地面运动趋势;C波段的RADARSAT-2数据受到植被和对流层效应的噪声较小,可以很好地识别地表形变区域,对长期监测多年冻土环境变化具有重要的价值;L波段的ALOS PALSAR数据可提供最佳的相干性和最完整的结果,但是存在空间基线去相关、电离层效应和相位解缠等问题,建议在使用L波段数据时,应该严格控制空间基线和时间基线长度,以克服这些缺点,保证最佳的检测结果58。另外,也对比了L波段的ALOS PALSAR数据和C波段的Envisat ASAR数据,发现L波段的数据更适合于植被覆盖较好的多年冻土区53。因此,当研究区的植被覆盖较好时,应选择长波SAR数据,以减缓植被去相干的影响,但是要控制好时空基线的长度和电离层效应以及相位解缠问题;而研究区较小、植被覆盖较少的时候,可以选择时空分辨率高的短波SAR数据,有利于准确地监测多年冻土动态变化。

3.3 MT-InSAR在多年冻土区研究进展

D-InSAR技术缺点明显,只能监测地表单次时间段内的形变,诸如滑坡、冰川、城市沉降和多年冻土等都是长期变化过程,获取这些地表运动规律可以减少灾害的发生,为政策实施人员提供科学指导建议,具有重要的研究价值。另外,D-InSAR技术容易受到时空去相干的影响,造成较大的地表形变误差。基于这些考虑和限制,研究人员研发了多种MT-InSAR技术,不仅解决了时空去相干的问题,还可以获取长时间序列的地表形变信息,为研究多年冻土区的地表变化提供了有效的方法。

监测多年冻土环境变化常用的2种MT-InSAR技术为PS-InSAR和SBAS-InSAR。对比这2种MT-InSAR技术,PS-InSAR技术对数据需求量较大,运算占用内存高,且需要稳定的PS点,而多年冻土区受冻土融沉影响较严重,PS点相对较少,需要人为布设高相干点(如角反射器)59,因此PS-InSAR技术在多年冻土环境监测中的应用较少6061。而SBAS-InSAR技术是一种基于多主影像的时序InSAR方法,克服了PS-InSAR因选取一副影像作为公共影像引起的部分干涉图相干性较差的不足(图3)。同时降低了对SAR数据的需求量,运算效率较高,解决了冻土区PS点不足的问题。

图3

图3   PS技术和SBAS技术SAR影像组合特征62

Fig. 3   Combination characteristics of PS technology and SBAS technology SAR image62


多项研究利用MT-InSAR技术监测我国多年冻土变化情况,研究区主要位于青藏高原和东北多年冻土区。参考文献[63~65]分别利用ALOS PALSAR数据和Sentinel-1A数据监测了东北多年冻土区的北黑高速公路沿线。因为交通路线便于实地数据采集和考察,特别是在青藏高原。青藏高原研究区可以细分为3个区域:青藏高原腹地、南部和东北部。研究表明,随着全球气候变暖和人类活动的影响,青藏高原腹地多年冻土总体处于退化状态,退化速率为0~20 mm/a,地表季节振荡幅度为0~65 mm6066~75。另外,每个研究结果都有一定的差异,主要是因为研究区大小、具体位置的不同,使用的SAR数据和时间覆盖周期也不一致。如参考文献[6974]的研究区都为北麓河地区,但是使用的SAR数据分别为:ALOS PALSAR和TerraSAR-X,时间覆盖周期分别为2007—2010年和2014—2016年。在青藏高原南部76~80,季节振荡幅度为0~50 mm,退化速率为-30~0 mm/a。其中有研究表明青藏公路和青藏铁路的季节振荡幅度较小,为28~37 mm,形变速率也小于周边的多年冻土,主要是因为青藏公路和青藏铁路的路堤采用了降温措施,对多年冻土具有保护作用。青藏高原东北部的多年冻土多为多年冻土岛,研究区域面积较小。参考文献[81]利用SBAS-InSAR技术监测野牛沟多年冻土变化,研究区大部分处于稳定状态(-10~10 mm/a),最大形变速率可达-30 mm/a。

北半球多年冻土分布广泛,多年冻土区总面积约为22.79×106 km2[34。由于全球气候变暖的影响,导致大范围多年冻土呈现不同情况的退化。利用ERS数据和InSAR技术监测阿拉斯加北坡普拉德霍湾多年冻土区,验证了多年冻土退化情况,在1992—2000年退化速率为1~4 mm/a,地表沉降范围为1~4 cm82。在基于InSAR技术监测加拿大北部的多年冻土时,同样发现地表呈现明显的线性沉降趋势,处于退化状态8384。并且分别使用RADARSAT-2、TerraSAR-X和COSMO-SkyMed数据分析了加拿大北部魁北克省乌米乌杰克市附近的多年冻土区,3种数据的形变结果对比相似,证明了集合其他传感器数据实现大范围监测的可能性85。除此之外,基于InSAR技术也分析了火灾对多年冻土退化的影响。Liu等86采用InSAR技术监测了阿拉斯加北部阿纳克图沃克河大火导致的地面沉降,火灾后发现地面最大沉降增加了8 cm,这是由于活动层变厚和多年冻土融化沉降共同引起的。Molan等87绘制了由2009年巨溪野火引发的阿拉斯加北部森林广泛的多年冻土退化情况,分析发现:火灾引起的多年冻土退化导致地面沉降达20 cm,且由火灾引起的活动层厚度增加了80 cm。Michaelides等88在阿拉斯加南部通过遥感活动层厚度(ReSALT)反演算法证明了InSAR技术可以解决多年冻土区火灾后活动层的动力学问题。

在多年冻土区,当含冰量很高的多年冻土层发生融化时,会发生热喀斯特现象。由于热喀斯特现象大都伴随着强烈的地表沉陷,所以可以很轻松地被InSAR技术捕获。在环北极地区,许多热喀斯特现象的影响范围较大,使用InSAR可以很容易识别出来。Liu等8990尝试使用InSAR技术分别监测阿拉斯加北坡戴德霍斯的热融滑塌退化,以及普拉德霍湾的18个热融湖塘盆地的地表沉降情况,研究发现在2006—2010年,戴德霍斯局部热喀斯特沉降速率为2~8 cm/a,相当于冰量损失约1.2×104 m3/a;分析普拉德霍湾的监测结果,有14个热融湖塘盆地出现3~4 cm的季节性融化沉降,其中有4个融沉超过4 cm,最大的一个盆地沉降达到12 cm,证明了InSAR技术具有远程监测热融滑塌和热融湖塘盆地地表形变的能力。在青藏高原地区,存在着许多细长的小型热融滑塌。Chen等61利用PS-InSAR技术获取了俄博岭多年冻土和热融滑塌的退化情况,俄博岭地区共识别了18个热融滑塌,面积范围为长20~420 m,宽1~50 m,深2 m,监测结果显示位于热融滑塌沟及其周边的多年冻土以3~30 mm/a的速率发生退化。由于青藏高原上的热融滑塌普遍较小,导致目前主流的公开影像的分辨率无法满足需求,在此方面的应用受到了极大限制。

4 多年冻土区冻融模型研究进展

4.1 地表形变反演模型

由于冰和水的密度存在着差异,两者之间的相变会导致体积上的变化。在多年冻土区,这种体积的变化表现为地表的隆升或沉降。所以,我们可以通过获取地表形变量来反演冻土中水分相关的参数。多年冻土区地表形变可以大致分为2个尺度:季节尺度与年际尺度。这2个时间尺度所反映的水分相变来源有所差异。在季节尺度上,地表形变主要是由于活动层的周期性冻胀融沉导致的。在夏季,活动层中的冰发生融化,地表发生下沉。而在冬季,水分重新凝结成冰,地表发生隆升。在年际尺度上,夏季多年冻土区地表的差异,主要是由于多年冻土层上限的上下移动导致的。许多研究都表明,在目前全球变暖的背景下,多年冻土区地表大都有着逐年下沉的趋势。

除了土壤含水量的影响,土壤孔隙度、地表植被覆盖度、地温、降水等都会影响到形变幅度。遥感技术的发展为我们提供了有效的方法来监测多年冻土的变化,其中SBAS-InSAR技术常用于多年冻土区,该方法可以利用较少的数据量获取时间序列的地表变化。SBAS-InSAR技术内部提供了地表形变反演模型,默认的为线性回归模型,即:

d=vt

式中:d为形变值,v是形变速率,t为时间。Li等78利用该线性模型获取了羊八井附近的多年冻土退化速度,研究区的形变速率为-30~10 mm/a,并且得到了研究区内2个发电站附近的形变速率,分别为 -30~-20 mm/a和-10 mm/a。

但是多年冻土区地表变化并非简单的线性变化,常表现为周期起伏变化,利用线性模型会对产生的结果造成一定的误差。因此,研究学者在SBAS-InSAR的基础上发展了6种监测多年冻土区地表形变模型,分别为:三次方形变模型、周期形变模型、分段Stefan冻土形变模型、顾及环境因子的冻土形变模型、基于冻土融化过程的形变模型和分段高程形变模型。

(1) 三次方形变模型

2012年,Chen等69首次利用三次方模型来模拟多年冻土地表形变变化,三次函数有周期变化趋势,符合多年冻土地表变化。该模型相对较简单,缺点是没有考虑到多年冻土变化的物理意义,模型为:

d=i=13aiti

式中:d为地表形变值,t为时间,ai为系数。

(2) 周期形变模型

2014年,李珊珊等76提出了周期形变模型,将地表形变分成两部分:长期形变值和周期形变值,周期形变是利用三角函数来模拟,也缺少多年冻土的物理意义。模型为:

d=vt+a1sin(2πTt)+a2cos(2πTt)

式中:v为长期形变速率;t为时间;a1a2为系数;T为季节性形变周期,一般为1年。

(3) 分段Stefan冻土形变模型

2018年,Daout等71使用周期形变模型得到时序形变结果,然后提出分段Stefan冻土形变模型来验证结果,该模型为进一步发展新的地表形变模型提供了很好的参考性。模型将冻融过程分成了3个阶段:冻土完全冻结期,即活动层已经完全冻结,地表不再发生形变;融化期,冻土持续融化,地表发生下沉;冻结期,冻土持续冻结,地表发生隆升。模型表达式为:

m(tc<t<t1)=cm(t1<t<t2)=AtDDT(t)+cm(t2<t<tc)=-AfDDF(t)+AtDDT(t2)+c

式中:AtAf分别是融化和冻结系数;DDTt)和DDFt)分别是截止第t天前气温大于和小于0 ℃的累积温度和;t1t2tc分别定义融化期的开始,冻结期的开始和冻结期的结束;c是一个常数。

(4) 顾及环境因子的冻土形变模型

2014年,赵蓉等80提出了顾及环境因子的冻土形变模型,该模型主要考虑的环境因子有内部因子和外部因子,内部因子考虑的是地质作用,青藏高原上的板块运动造成的地表形变,使用三次函数模拟;外部因子主要考虑的是气温和降水,分别用一次函数模拟。模型表达式为:

d=i=13aiti+β1T(t)+β2P(t)

式中:d为地表形变值,t为时间,Tt)和Pt)分别为t时间的气温和降水,β1β2为系数,ai为系数。

(5) 基于冻土融化过程的形变模型

2010年,Liu等82提出了基于冻土融化过程的形变模型,该模型在季节形变中考虑了多年冻土累积融化天数,相对其他模型,该模型具有一定的物理意义。模型为:

D=R(t2-t1)+A(t2thaw-t1thaw)

式中:D为形变值,R为长期形变速率,A为季节形变的系数。在季节形变项中,t1thawt2thaw是相对于t1t2时间前的累积温度和,t1t2是SAR影像的获取时间。

(6) 分段高程形变模型

2018年,Chen等61引入了分段高程形变模型,通过引入完整的冻融循环,将长期和季节性形变包括在内。该模型是在Hu等91提出的复合季节高程形变模型的基础上增加了线性沉降趋势,以考虑融化季节发生的长期多年冻土沉降形变。Hu等91提出的复合模型的基本假设是融化或冻结锋从顶部向下移动,即从地表移动到活动层的下边界。

给定任意时间t的季节性高程变化d为(Hu等91,复合季节高程形变模型):

d(t)=SI(t)

式中:S是季节性高程变化的最大幅度(m),I是综合指数:

I(t)=AT(t)-KFnFKTnTAF(t)

式中:KFKT分别是冻结和融化季节的土壤导热系数,nFnT表示地面温度和空气温度之比的n因子,ATAF分别是融化和冻结的累积天数。因此,分段高程形变模型是将季节性高程变化和线性沉降趋势考虑在一起来建模:

D(t)=V(t-tT)+SI(t)iftTttFVT+SI(t)ift>tF

式中:D是自融化开始以来的任何一天t的地面总高程变化,V是沉降趋势的速率(m/a),tTtF分别是融化和冻结开始时间,T是连续多年冻土年数(a)。

4.2 活动层厚度反演模型

多年冻土区活动层是接近地表并根据季节性气候变化而发生冻融的土层,是多年冻土和大气圈进行水热交换的关键部分,对地表径流、作物生长和碳循环等都有重要的影响9293。活动层极易受到温度变化影响而发生冻胀融沉,导致一系列的工程地质灾害问题11。在冻土融化过程还会促使土壤中的碳水化合物发生一系列的化学反应,最后以CH4和CO2等形式散发到大气中,促进全球变暖94。活动层厚度变化可以看作是对全球温度变化的响应指示器,它是冻土环境中最活跃的因素,同时也影响着水文和植被生态多样性,在冻土研究中具有重要意义。

在活动层厚度研究上,目前常用的的方法有4种:实地测量、GPR探测、物理模型和结合InSAR技术反演模型。实地测量方法主要有土钻法和钢钎法等;GPR探测是根据电磁波在不同土壤介质中的传播速度与路径变化来获取活动层的厚度,目前GPR探测广泛应用于青藏高原多年冻土区95和环北极多年冻土区96~98;物理模型有Stefan模型、Nelson模型和Kudryavtsev模型99;结合InSAR形变结果反演活动层厚度的原理为冰水密度的差异。在含水率高、活动层厚的地区,水分的相变引起的地表形变量十分可观。如果忽略其他因素,将地表的形变全部归因为水的相变,并能够获取活动层的体积含水率,我们就可以通过完全冻结与完全融化时的地表形变量反演活动层厚度。目前结合InSAR结果活动层厚度反演模型主要为Liu模型100。除此之外,还有季节冻结深度反演模型:Zhao模型101和Li模型102,这2个模型建立在当雄—羊八井的季节冻土区,虽然不在多年冻土区,但是也为我们进一步建立多年冻土区活动层厚度反演模型提供新的思路方法,为我们监测青藏高原多年冻土区的工程建设的形变与反演活动层厚度提供了许多重要的研究方法。

(1) Liu模型

Liu模型假设在融化开始时,从地表到多年冻土上限都处于冻结状态(图4a)。随着温度升高,活动层处于融化状态,直到融化季结束,达到最大融化深度δ图4c)。

图4

图4   融化季节活动层状态的示意图

Fig. 4   Schematic diagram of the state of the active layer during the melting season


假设夏季研究区内多年冻土中的水处于饱和状态,且表面沉降完全是由于活动层中冰与水的相变引起的,所以由于活动层的持续融化(图4b)而引起的表面沉降,可表示为:

δ=0HALTPSρw-ρiρidh

式中:δ为地表形变量;HALT为活动层厚度;PS分别为土壤孔隙率和土壤含水量饱和数,ρwρi分别是水密度和冰密度,dh表示活动层融化深度增量。求积分后进一步得到活动层厚度反演模型:

H=ρiP×S(ρw-ρi)δ

该模型将InSAR获得的地表形变与活动层厚度相结合,即可反演得到研究区的活动层厚度。随后,Jia等70利用Liu模型并对土壤孔隙度和土壤饱和度进行了简化,反演了青藏高原北麓河附近的活动层厚度,研究区的ALT为0~3 m;并假设地表线性形变速率是与活动层增厚速率相关,因此,得到了活动层增厚速率表达式:

RALT=-ρiP×S(ρw-ρi)R

式中:R是地表形变速率;RALT是活动层增厚速率,最后反演获取了研究区的RALT为-15~15 cm/a。

(2) Zhao模型

2014年,赵蓉101利用SBAS-InSAR技术获取季节冻土区地表形变值,然后将形变值与冻土物理性质联系起来,得到反映冻土变化的物理参数:

S=S1+S2=A0h+α0Ph

式中:S为总下沉量,A0为冻土活动层融化下沉系数,h为冻土融化深度处的土层厚度(cm),α0为融化土层的融化压缩系数,P为融化土层的自重压力。模型反演了青藏铁路当雄—羊八井段2007年和2010年的季节冻结深度均值,分别为1.02~1.53 m和1.08~1.58 m。

(3) Li模型

2015年,Li等102根据热传导法则,建立了季节冻土区地表形变量、温度传导时间差与季节冻结深度之间的关系。

Z=Δt2kw

式中:Z是季节冻结深度;Δt是InSAR结果获取的最大地表形变值日期与最高气温日期的差值,表示地表温度传到地下Z处的时间延迟;k是温度传导率;w=2/TT是周期1年。模型反演得到青藏铁路当雄—羊八井段的季节冻结深度为1.2~3.0 m。

4.3 多年冻土区地表形变影响因素

多年冻土是复杂地气系统的产物,通过对多年冻土地表形变模型和活动层厚度反演模型的分析可以发现,除了温度的变化引起的土壤冻融外,土壤岩性、含水量、降水、植被、土壤孔隙度、地下冰含量、地貌过程、自然灾害和人类活动等都会影响到多年冻土区地表变化。Chen等68和Zhao等80都将地球内部因子考虑到多年冻土形变模型中,进行了广泛的测试,推荐三次方模型来模拟内部因子的影响。Zhao等80将降水考虑到形变影响中,主要降水量的变化会导致土壤水分的改变,而Liu等100将土壤含水量加入活动层厚度反演模型中,因为多年冻土内水的相位变化即发生地表形变变化,所以降水和土壤含水量都是影响地表形变的重要因素。植被类型也会影响土壤含水量的变化,Zhang等103分别建立了高寒草甸和高寒荒漠的土壤含水量与地表形变之间的关系,结果表明高寒草甸区土壤含水量比高寒荒漠更易受到影响,且当植被退化或者人类活动影响较大地区,将加速多年冻土退化。另外,不同的土壤质地,其土壤孔隙率也会不同,而土壤孔隙率的大小决定着当土壤里面的冰融化为水、水结成冰时,地表沉降和抬升量的多少,这也是Liu等100将土壤孔隙考虑在模型之中的原因。赵韬等104还利用了简单相关和偏相关分析法,分析了地表形变与地下冰含量、地温和活动层厚度之间的关系,结果显示:地表形变与地下冰含量和地温呈强相关性,与活动层厚度相关性较弱。除此之外,地貌过程也会影响地表形变变化,Zhang等103建立了形变与坡度之间的关系,结果显示随坡度的增加地表形变减小,选取的2条剖面坡度和形变之间的相关系数分别为0.6和0.49;Chen等69也考虑了不同坡度下的地表形变变化,证明了坡度对多年冻土区地表的影响。Wang等63还联合分析了地表形变与坡度方向之间的关系,结果表明形变主要发生在太阳辐射少的阴影地区,包括北坡、西北坡和东北坡。另外,在分析北极野火导致的多年冻土退化时发现,自然灾害也是不可忽略的因素8687

多年冻土区的土壤性质具有固有属性,它们时刻影响着地表形变,而气候变暖、人类活动和自然灾害会加剧多年冻土退化,导致沉降严重、活动层增厚等一系列效应。除了这些因素影响多年冻土区形变之外,InSAR技术的应用也会影响形变结果,主要集中在SAR数据量的多少、波段、技术方法以及参考点的选择等。在多年冻土区应用InSAR技术时,参考点的选择至关重要,因为多年冻土区地表受温度变化发生冻胀和融沉,如果参考点选择在变化的多年冻土上,则形变结果也会发生变动,导致结果呈现相反的变化趋势,或者完全错误的结果。因此,在InSAR应用上参考点一般选择研究区内稳定的基岩点,以及河漫滩沉积物上82。Pullman等105发现,冲积和海洋沉积物中融化沉降的可能性很高,而在河漫滩沉积物的砂质土壤中融沉的可能性几乎为零或很小,由于砂土中没有水和冰,且粗沙砾在反复冻融循环中不易发生冻胀或融沉。稳定不变的参考点选择直接影响形变结果的好坏,所以在InSAR应用上应该注意参考点选择,保证后续在分析其他形变影响因素的准确性。

5 InSAR技术在多年冻土区的发展与挑战

5.1 长时间序列监测

InSAR技术的重要特点是可以长时间监测某一地区的地表变化,为灾害规避提供了有效的科学方法。特别是在多年冻土区中的应用,有效保护了基础设施、工程建设和人民生命财产安全。因为多年冻土受温度变化易发生周期性的抬升和沉降,地表的这种冻胀融沉会破坏区域内的工程设施,且在全球气候变暖的背景下,多年冻土发生退化,有的地区退化极其严重,所以亟需进行长时间序列的监测,以查出退化严重地区,对这些地区进行特殊保护和预防。如Zhang等106结合ERS-1、ENVISAT和Sentinel-1A数据获取了1997—2018年的五道梁—沱沱河青藏铁路沿线的形变速率分布图,详细分析了严重形变地区。青藏铁路和公路沿线也对影响较大的地区铺设了降温措施,以此进行保护。随着全球各国对SAR数据的应用及重视,将会有更多的SAR传感器升空,执行对地观测任务,也为冻土观测提供足够的数据进行长时间序列分析。主要面临的挑战为InSAR技术和计算机技术的发展如何快速处理巨大的SAR数据量,充分发挥SAR数据的功能性。

5.2 大尺度形变监测

多年冻土覆盖范围连续且广泛,如青藏高原、北极地区和南极地区等。而InSAR技术目前处于发展初期,应用范围通常较小,前人的研究常集中在青藏高原北麓河、五道梁、俄博岭等地区,以及阿拉斯加北部地区、加拿大北部地区等。但是InSAR技术大尺度形变监测也有尝试,且结果较成功。Daout等71利用多时相InSAR技术观测青藏高原高达60 000 m2区域内的地表形变,共使用4条不同轨道数据,生成了495个干涉图,长达8年的连续时间,同时分析了多年冻土活动层的空间变化与时间演化特征,结果有效证明了大尺度InSAR监测的可能性。未来在InSAR技术的发展下,以及可提供的SAR数据增多,大尺度多年冻土区形变监测将会成为发展趋势。另外,结合长时间序列监测,大尺度长时间序列监测更会成为主流研究方向。

5.3 地表形变监测仪发展

地表形变可以洞悉多年冻土中土壤冻融的热量传输过程,是气候变化下了解多年冻土景观变化的重要指标。目前地表形变监测包括传统监测方法24~27和InSAR技术,虽然传统的地表实测技术只能用于单点监测,但是必不可少。常应用验证InSAR技术的反演结果75,如果缺少验证部分,反演结果将有待考量。目前,地表形变监测仪的时间分辨率从每年几次或几年一次发展到可每小时监测一次107~109,如果仅关注年际尺度的地表形变变化,则在数据分析中可以忽略季节性或更高频率的形变信号。但是,如果只有短时间序列的形变数据可用,则季节性形变及其足够的采样频率就变得非常重要。Gruber109开发了一个可监测每小时形变的仪器,监测精度达到毫米级,并且在3个站点进行实测,结果可靠地推断出多年冻土区地表形变过程。目前该技术还未用于InSAR技术地表形变结果验证,未来可能会广泛推广在多年冻土区,且随着时间的推移,对多年冻土景观变化的描述会更加详细。据现有的InSAR技术在多年冻土区的应用可以发现,很多结果都是通过间接方法来验证形变结果的准确性。未来随着地表形变监测仪的不断研发与普及,将会解决地表实测形变数据不足的问题,同时也会促进InSAR技术的发展与改进。

5.4 冻融模型发展

多年冻土是历史气候变化的产物。结合现有发展的冻融模型可以发现,多年冻土冻融过程主要与地球内部因子和外部影响因素有关。地球内部因子特指地质构造运动引起的地面微小形变,外部影响因素主要与气候、土壤质地、地面覆盖、自然灾害等相关,如温度、土壤含水量、土壤孔隙度、地貌过程、植被、积雪和火灾等,简单的几个参数无法准确地描述冻融变化过程。目前发展的冻融模型可以有效抑制多余相位的影响,提高地表反演的形变和活动层厚度精度,并且冻融模型有利于观察多年冻土的变化过程,以及活动层厚度的时空分布变化。在今后的冻融模型研究上,将结合野外观测数据,以及冻融过程的影响因子,发展更加完善的地表形变模型和活动层厚度反演模型。除此之外,目前在多年冻土研究方向上,现有的基于InSAR形变结果来反演多年冻土其他物理参数的模型较少,处于发展阶段,未来将发展更多物理参数模型,如地下冰厚度,泥炭层厚度等。

6 结 语

InSAR技术在多年冻土区中的应用推动了学者对冻土变化过程的认识,同时也促进了InSAR技术的进一步发展。随着SAR数据的累积,以及时序InSAR技术的改进,使得多年冻土形变监测从单一时间段发展至长时间序列、大范围监测,并且在InSAR形变结果下发展了多种冻融模型,目前主要集中在地表形变模型和活动层厚度反演模型上。但是InSAR技术在多年冻土区的应用仍处于研究初期,还存在许多问题与挑战。未来随着SAR卫星的不断发射与InSAR算法的改进,将充分发掘SAR数据的潜力。特别在全球气候变暖下,充分利用累积的长时间序列SAR数据研究多年冻土变化过程与规律,对多年冻土环境和工程设施保护起到了重要的作用;且卫星星座的发展在不断缩短重访周期,为更“细致”的研究提供了保障;以及结合不同波段的SAR的数据,达到不同尺度、不同分辨率的多方位研究效果。InSAR技术在多年冻土区的应用也会变的多层次化,如环北极多年冻土区、青藏高原多年冻土区、青藏工程走廊、热融湖塘和热融喀斯特等研究将层出不穷。除此之外,多年冻土区野外实测资料的不断采集与扩展,将完善已有的冻融模型,同时会发展出不同的物理参数模型,补充该领域的空白,这是未来InSAR技术在多年冻土区发展的主要趋势。

参考文献

QIU GuoqingLIU JingrenLIU Hongxuet al. Permafrost dictionary[M]. LanzhouGansu Science and Technology Press1994.

[本文引用: 1]

邱国庆刘经仁刘鸿绪. 冻土学词典[M]. 兰州甘肃科学技术出版社1994.

[本文引用: 1]

Institute of Permafrost, Siberian Branch of the Soviet Academy of Sciences. General permafrost science [M]. BeijingScience Press1988.

[本文引用: 1]

苏联科学院西伯利亚分院冻土研究所. 普通冻土学[M]. 北京科学出版社1988.

[本文引用: 1]

ZHANG THEGINBOTTOM J ABARRY R Get al.

Further statistics on the distribution of permafrost and ground ice in the Northern Hemisphere

[J]. Polar Geography, 2000232):132-154.

[本文引用: 2]

ZHANG TBARRY R GKNOWLES Ket al.

Statistics and characteristics of permafrost and ground-ice distribution in the Northern Hemisphere

[J]. Polar Geography, 2008311/2):47-68.

[本文引用: 2]

ZHOU YouwuGUO DongxinQIU Guoqinget al. Permafrost in China [M]. BeijingScience Press2000.

[本文引用: 1]

周幼吾郭东信邱国庆. 中国冻土[M]. 北京科学出版社2000.

[本文引用: 1]

ZHOU YouwuGUO Dongxin.

Main characteristics of permafrost in China

[J]. Journal of Glaciology and Geocryology, 198241): 1-19.

[本文引用: 1]

周幼吾郭东信.

我国多年冻土的主要特征

[J]. 冰川冻土, 198241):1-19.

[本文引用: 1]

STOCKER T F.

The closing door of climate targets

[J]. Science,20133396 117): 280-282.

[本文引用: 1]

PENG XZHANG TFRAUENFELD O Wet al.

Evaluation and quantification of surface air temperature over Eurasia based on CMIP5 models

[J]. Climate Research, 201877167-180.

[本文引用: 1]

GUO DonglinLI DuoHUA Wei.

Quantifying air temperature evolution in the permafrost region from 1901 to 2014

[J]. International Journal of Climatology, 20173866-76.

[本文引用: 1]

CHENG GuodongZHAO LinLI Renet al.

Characteristic, changes and impacts of permafrost on Qinghai-Tibet Plateau

[J]. China Science Bulletin, 2019642 783-2 795.

[本文引用: 1]

程国栋赵林李韧.

青藏高原多年冻土特征、变化及影响

[J]. 科学通报, 2019642 783-2 795.

[本文引用: 1]

ZHAO LinCHENG Guodong.

Permafrost and ecological effects on the Qinghai Tibet Plateau

[C]//Summary of the advanced symposium on ecological protection and sustainable development on the Three-River Regions. 2005. [赵林, 程国栋. 青藏高原多年冻土及其生态效应[C]//三江源区生态保护与可持续发展高级学术研讨会论文摘要汇编. 2005.]

[本文引用: 2]

NIU DongxingLI YongHAN Longwu.

Analysis of engineering effect of heat safeguard in permafrost regions along Qinghai-Tibet Railway

[J]. Journal of Railway Engineering Society, 2012293): 26-29.

[本文引用: 1]

牛东兴李勇韩龙武.

青藏铁路多年冻土区路基热防护工程效果分析

[J]. 铁道工程学报, 2012293): 26-29.

[本文引用: 1]

WU QingbaiLIU YongzhiZHANG Jianminget al.

A review of recent frozen soil engineering in permafrost regions along Qinghai-Tibet Highway, China

[J]. Permafrost and Periglacial Processes, 2002133): 199-205.

[本文引用: 1]

CIRO G AALFARO M C.

Adaptation strategies for road embankments on permafrost affected by climate warming

[C]// EIC climate change technology. IEEE20071-10.

[本文引用: 1]

HONG EPERKINS RTRAINOR S.

Thaw settlement hazard of permafrost related to climate warming in Alaska

[J]. Arctic, 2014671):93.

[本文引用: 1]

GE Jianjun.

Influence of climate warming on subgrade in permafrost regions of Qinghai Tibet Railway

[J]. Subgrade Engineering, 20083): 6-8.

[本文引用: 1]

葛建军.

气候变暖对青藏铁路多年冻土区路基影响分析

[J].路基工程,20083):6-8.

[本文引用: 1]

LI ShuangyangLAI YuanmingZHANG Mingyiet al.

Study on long-term stability of Qinghai-Tibet Railway embankment

[J]. Cold Regions Science and Technology, 2009572/3):139-147.

LIU Xiaohui.

Study on reliability of permafrost roadbed in the Qinghai-Tibet Railway

[D]. LanzhouLanzhou Jiaotong University2015.

刘小慧.

青藏铁路多年冻土路基可靠度研究

[D].兰州兰州交通大学2015.

LIU Hui.

The rearch of the deformation rules of Qinghai-Tibet Railway frozen soil embankment

[D]. ChongqingSouthwest Jiaotong University2011.

[本文引用: 1]

刘慧.

青藏铁路冻土路基变形规律研究

[D].重庆西南交通大学2011.

[本文引用: 1]

ZHANG ZhongqiongWU Qingbai.

Predicting changes of active layer thickness on the Qinghai-Tibet Plateau as climate warming

[J]. Journal of Glaciology and Geocryology, 2012343): 505-511.

[本文引用: 1]

张中琼吴青柏.

气候变化情景下青藏高原多年冻土活动层厚度变化预测

[J]. 冰川冻土, 2012343):505-511.

[本文引用: 1]

LI XiangyingQIN DaheXIAO Cundeet al.

Progress regarding climate change during recent years

[J]. Chinese Science Bulletin, 20115636): 3 029-3 040.

[本文引用: 1]

李向应秦大河效存德.

近期气候变化研究的一些最新进展

[J]. 科学通报, 20115636): 3 029-3 040.

[本文引用: 1]

YAO TandongZHU Liping.

The response of environmental changes on Tibetan Plateau to global changes and adaptation strategy

[J]. Advances in Earth Science, 2006215): 459-464.

姚檀栋朱立平.

青藏高原环境变化对全球变化的响应及其适应对策

[J]. 地球科学进展, 2006215):459-464.

BOORMAN L.

Climate change 1995—impacts, adaptations and mitigation of climate change: scientific-technical analyses: contribution of working group II to the second assessment report of the intergovernmental panel on climate change: cambridge University Press, Camb

[J]. Biological Conservation, 1997813):187-189.

[本文引用: 1]

WANG ShuangjieLI Zhulong.

Research on highway construction technology in the permafrost region of China

[J]. Journal of Highway and Transportation Research and Development, 2008251): 1-9.

[本文引用: 2]

汪双杰李祝龙.

中国多年冻土地区公路修筑技术研究

[J]. 公路交通科技, 2008251):1-9.

[本文引用: 2]

LIU YongzhiWU QingbaiZHANG Jianminget al.

Deformation of highway roadbed in permafrost regions of the Tibetan Plateau

[J]. Journal of Glaciology and Geocryology, 2002241): 10-15.

刘永智吴青柏张建明.

青藏高原多年冻土地区公路路基变形

[J]. 冰川冻土, 2002241): 10-15.

MA WeiLIU DuanWU Qingbai.

Monitoring and analysis of embankment deformation in permafrost regions of Qinghai-Tibet Railway

[J]. Rock and Soil Mechanics, 2008293): 571-579.

马巍刘端吴青柏.

青藏铁路冻土路基变形监测与分析

[J]. 岩土力学, 2008293): 571-579.

MA FuxunXI RuijieXU Nan.

Analysis of railway subgrade frost heave deformation based on GPS

[J]. Geodesy and Geodynamics, 201672): 143-147.

[本文引用: 2]

LI Shanshan.

The study of using SBAS to monitor of frozen soil along Qinghai-Tibet Railway

[D]. ChangshaCentral South University2012.

[本文引用: 1]

李珊珊.

基于SBAS技术的青藏铁路区冻土形变监测研究

[D]. 长沙中南大学2012.

[本文引用: 1]

WANG ShujuanCHEN ZhiguoQIN Weijunet al.

Using DInSAR to monitor frost heaving and thaw settlement deformation of highway subgrade in seasonal frozen soil zone

[J]. Journal of Wuhan University of Technology (Transportation Science & Engineering), 2018421):58-62.

[本文引用: 2]

王书娟陈志国秦卫军.

利用DInSAR技术监测季冻区公路路基冻胀融沉变形

[J]. 武汉理工大学学报:交通科学与工程版, 2018421):58-62.

[本文引用: 2]

ZHAO RongLI ZhiweiHU Jun.

InSAR monitoring and modeling of thickness change of permafrost active layer on the Qinghai Tibet Plateau

[C]//Annual Meeting of Chinese Geoscience Union. Beijing2014. [

[本文引用: 1]

赵蓉李志伟胡俊.

青藏高原冻土活动层厚度变化的InSAR监测与建模

[C]//2014年中国地球科学联合学术年会.北京2014.]

[本文引用: 1]

TAN QulinWEI QingchaoYANG Songlin.

Discussion on monitoring the subsidence of subgrade in permafrost region with satellite D-InSAR technology

[J]. Journal of Railway Engineering Society, 2010271): 4-9.

[本文引用: 1]

谭衢霖魏庆朝杨松林.

卫星遥测高原冻土路基沉降变形研究初探

[J]. 铁道工程学报, 2010271):4-9.

[本文引用: 1]

ZEBKER H AGOLDSTEIN R M.

Topographic mapping from interferometric synthetic aperture radar observations

[J]. Journal of Geophysical Research, 198691B5):4 993.

[本文引用: 1]

GABRIEL A KGOLDSTEIN R MZEBKER H A.

Mapping small elevation changes over large areas: differential radar interferometry

[J]. Journal of Geophysical Research Atmospheres, 198994B7):9 183-9 191.

[本文引用: 1]

ZHU JianjunLI ZhiweiHU Jun.

Research progress and methods of InSAR for deformation monitoring

[J]. Acta Geodaetica et Cartographica Sinica, 201710): 519-535.

[本文引用: 1]

朱建军李志伟胡俊.

InSAR变形监测方法与研究进展

[J]. 测绘学报, 201710):519-535.

[本文引用: 1]

Yongyao MAI.

Principle and application of InSAR interferometry

[J]. The Science Education Article Collects, 200710): 219-220.

[本文引用: 1]

麦永耀.

合成孔径雷达干涉测量InSAR原理及其应用

[J]. 科教文汇, 200710):219-220.

[本文引用: 1]

LIU GuoxiangCHEN QiangLUO Xiaojunet al. Principle and application of InSAR [M]. BeijingScience Press2019.

[本文引用: 2]

刘国祥陈强罗小军. InSAR原理与应用[M]. 北京科学出版社2019.

[本文引用: 2]

GEISSLER KMASCIADRI E.

Meteorological parameter analysis above Dome C using data from the European Centre for medium‐range weather forecasts

[J]. Publications of the Astronomical Society of the Pacific, 2006118845):1 048-1 065.

[本文引用: 1]

MESINGER FDIMEGO GKALNAY Eet al.

North American regional reanalysis

[J]. Bulletin of the American Meteorological Society, 2006873):343-360.

AGRAM P SJOLIVET RRIEL Bet al.

New radar interferometric time series analysis toolbox released

[J]. EOS, Transactions American Geophysical Union, 2013947):69-70.

[本文引用: 1]

LIAO MingshengWANG Teng. Time series InSAR technology and application [M]. BeijingScience Press2014.

[本文引用: 1]

廖明生王腾. 时间序列InSAR技术与应用[M]. 北京科学出版社2014.

[本文引用: 1]

ROGERS A E E.

Venus: mapping the surface reflectivity by radar interferometry

[J]. Science, 19691653 895):797-799.

[本文引用: 1]

FERRETTI APRATI CROCCA F.

Nonlinear subsidence rate estimation using permanent scatterers in differential SAR interferometry

[J]. IEEE Transactions on Geoscience & Remote Sensing,2000385):2 202-2 212.

[本文引用: 1]

BERARDINO PFORNARO GLANARI Ret al.

A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms

[J]. IEEE Transactions on Geoscience & Remote Sensing, 20034011):2 375-2 383.

[本文引用: 1]

QUIROZ P LDOIN M PTUPIN Fet al.

Time series analysis of Mexico City subsidence constrained by radar interferometry

[J]. Journal of Applied Geophysics, 2009691):1-15.

[本文引用: 1]

FERRETTI AFUMAGALLI ANOVALI Fet al.

A new algorithm for processing interferometric data-stacks: SqueeSAR

[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011499):3 460-3 470.

[本文引用: 1]

HOOPER ASEGALL PZEBKER H.

Persistent scatterer interferometric synthetic aperture radar for crustal deformation analysis, with application to Volcán Alcedo, Galápagos

[J]. Journal of Geophysical Research, 2007112B7):B07407.

[本文引用: 1]

PERISSIN DWANG T.

Repeat-pass SAR interferometry with partially coherent targets

[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012501):271-280.

[本文引用: 1]

GABRIEL A KGOLDSTEINR MZEBKER H A.

Mapping small elevation changes over large areas: differential radar interferometry

[J]. Journal of Geophysical Research Solid Earth,198994B7): 9 183-9 191.

[本文引用: 1]

WANG ZhijunLI Shusun.

Detection of winter frost heaving of the active layer of Arctic permafrost using SAR differential interferograms: geoscience and Remote Sensing Symposium, 1999

[C]// IGARSS '99 Proceedings. IEEE 1999 International1999.

[本文引用: 2]

LI ZhenLI XinwuLIU Yongzhiet al.

Detecting the displacement field of thaw settlement by means of SAR interferometry

[J].Journal of Glaciology and Geocryology, 2004264): 389-396.

[本文引用: 1]

李震李新武刘永智.

差分干涉SAR冻土形变检测方法研究

[J]. 冰川冻土, 2004264):389-396.

[本文引用: 1]

SINGHROY VCOUTURE RALASSET P Jet al.

InSAR monitoring of landslides on permafrost terrain in Canada

[C]// 2007 IEEE international geoscience and remote sensing symposium. IEEE2007.

[本文引用: 1]

WANG PingREN XiaochongYIN Hongjieet al.

The study of monitoring Qinghai-Tibet Plateau frozen ground motion from PALSAR data

[J]. Geotechnical Investigation & Surveying, 20101): 59-66.

[本文引用: 1]

王平任小冲尹宏杰.

基于PALSAR数据的青藏高原地区冻土形变监测

[J]. 工程勘察, 20101):59-66.

[本文引用: 1]

XIE ChouLI ZhenLI Xinwu.

A study of deformation in permafrost regions of Qinghai-Tibet Plateau based on ALOS/PALSAR D-InSAR interferometry

[J]. Remote Sensing for Land & Resources, 20083): 15-19.

[本文引用: 2]

谢酬李震李新武.

基于PALSAR数据的青藏高原冻土形变检测方法研究

[J].国土资源遥感, 20083):15-19.

[本文引用: 2]

HU BoWANG HanshengJIA Luluet al.

Using DInSAR to monitor deformation of frozen ground in Tibetan Plateau

[J]. Journal of Geodesy and Geodynamics, 20105): 57-60.

[本文引用: 1]

胡波汪汉胜贾路路.

DInSAR技术监测青藏高原冻土形变的试验研究

[J]. 大地测量与地球动力学, 20105):57-60.

[本文引用: 1]

SHORT NLEBLANC A MSLADEN Wet al.

RADARSAT-2 D-InSAR for ground displacement in permafrost terrain, validation from Iqaluit Airport, Baffin Island, Canada

[J]. Remote Sensing of Environment, 201414140-51.

[本文引用: 1]

WANG Chunjiao.

Land surface deformation research of permafrost degradation area in Northeast China based on D-InSAR

[D]. HarbinNortheast Forestry University2015.

[本文引用: 1]

王春娇.

基于D-InSAR的东北多年冻土退化区地表形变研究

[D]. 哈尔滨东北林业大学2015.

[本文引用: 1]

WANG ChaoZHANG HongTANG Yixianet al.

Fine permafrost deformation features observed using TerraSAR-X ST mode InSAR in Beiluhe of the Qinghai-Tibet Plateau, West China

[C]// 2015 IEEE 5th Asia-Pacific Conference on Synthetic Aperture Radar (APSAR). IEEE2015.

[本文引用: 1]

SHORT NBRISCO BCOUTURE Net al.

A comparison of TerraSAR-X, RADARSAT-2 and ALOS-PALSAR interferometry for monitoring permafrost environments, case study from Herschel Island, Canada

[J]. Remote Sensing of Environment, 201111512):3 491-3 506.

[本文引用: 1]

ZHOU Huayun.

Monitoring and analysis of ground deformation in permafrost region of Wudaoliang based on SBAS-InSAR technology

[D]. LanzhouLanzhou Jiaotong University2018.

[本文引用: 1]

周华云.

基于SBAS-InSAR技术对五道梁多年冻土区地面形变监测与分析

[D]. 兰州兰州交通大学2018.

[本文引用: 1]

XIE ChouLI ZhenXU Jiet al.

Analysis of deformation over permafrost regions of Qinghai-Tibet Plateau based on permanent scatterers

[J]. International Journal of Remote Sensing, 2010317/8):1 995-2 008.

[本文引用: 2]

CHEN JieLIU LinZHANG Tingjunet al.

Using persistent scatterer interferometry to map and quantify permafrost thaw subsidence: a case study of eboling mountain on the Qinghai-Tibet Plateau

[J]. Journal of Geophysical Research: Earth Surface, 201812310):2 663-2 676.

[本文引用: 3]

WANG Zhanwei.

Research on landslide identification method of datong county in qinghai based on SBAS-InSAR technology

[D]. ChengduChengduUniversity of Technology2019.

[本文引用: 2]

王战卫.

基于SBAS-InSAR技术的青海大通县滑坡识别方法研究

[D]. 成都成都理工大学2019.

[本文引用: 2]

WANG SaiXU BingSHAN Weiet al.

Monitoring the degradation of island permafrost using time-series InSAR technique: a case study of Heihe, China

[J]. Sensors, 2019196): 1 364.

[本文引用: 2]

ZENG Xujing.

Monitoring island permafrost deformation over Bei'an-Heihe expressway based on Sentinel-1A data

[D]. HarbinNortheast Forestry University2017.

曾旭婧.

基于Sentinel-1A 的北黑高速路段多年岛状冻土形变研究

[D]. 哈尔滨东北林业大学2017.

QU TXU QSHAN Wet al.

Deformation monitoring of high-latitude permafrost region of northeastern China with time series insar technique

[C]// The international archives of the photogrammetry, remote sensing and spatial information sciences, Volume XLII-2/W13. Enschede, The Netherlands, 2019.

[本文引用: 1]

XIE ChouLI ZhenLI Xinwu.

A improved permanent scatterers method for analysis of deformation over permafrost regions of the Qinghai-Tibetan Plateau

[J]. Geomatics and Information Science of Wuhan University, 200910): 69-73.

[本文引用: 1]

谢酬李震李新武.

青藏高原冻土形变监测的永久散射体方法研究

[J]. 武汉大学学报:信息科学版, 200910):69-73.

[本文引用: 1]

LI ZhenTANG PanpanZHOU Jianminet al.

Permafrost environment monitoring on the Qinghai-Tibet Plateau using time series ASAR images

[J]. International Journal of Digital Earth, 2015810):840-860.

CHEN FulongLIN HuiLI Zhenet al.

Interaction between permafrost and infrastructure along the Qinghai-Tibet Railway detected via jointly analysis of C- and L-band small baseline SAR interferometry

[J]. Remote Sensing of Environment, 2012123532-540.

[本文引用: 1]

CHEN FulongLIN HuiZHOU Weiet al.

Surface deformation detected by ALOS PALSAR small baseline SAR interferometry over permafrost environment of Beiluhe section, Tibet Plateau, China

[J]. Remote Sensing of Environment, 201313810-18.

[本文引用: 3]

JIA YuanyuanKIM J WSHUM C Ket al.

Characterization of active layer thickening rate over the northern Qinghai-Tibetan Plateau permafrost region using ALOS interferometric synthetic aperture radar data, 2007-2009

[J]. Remote Sensing, 201791): 84.

[本文引用: 1]

DAOUT SDOIN M PPELTZER Get al.

Large-scale InSAR monitoring of permafrost freeze-thaw cycles on the Tibetan Plateau

[J]. Geophysical Research Letters, 2017442):901-909.

[本文引用: 2]

WANG ChaoZHANG ZhengjiaZHANG Honget al.

Active layer thickness retrieval of Qinghai-Tibet permafrost using the TerraSAR-X InSAR technique

[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 20181111): 4 403-4 413.

ZHANG Zhengjia.

Research on Qinghai-Tibet permafrost environment and engineering using high resolution SAR image

[D]. BeijingUniversity of Chinese Academy of Sciences2017.

张正加.

高分辨率SAR数据青藏高原冻土环境与工程应用研究

[D]. 北京中国科学院大学2017.

ZHANG ZhengjiaWANG ChaoZHANG Honget al.

Analysis of permafrost region coherence variation in the Qinghai-Tibet Plateau with a high-resolution TerraSAR-X image

[J]. Remote Sensing, 2018102):298.

[本文引用: 1]

ZHOU HuayunZHAO LinTIAN Liminget al.

Monitoring and analysis of surface deformation in the permafrost area of Wudaoliang on the Tibetan Plateau based on Sentinel-1 data

[J]. Journal of Glaciology and Geocryology, 20193):525-536.

[本文引用: 2]

周华云赵林田黎明.

基于Sentinel-1数据对青藏高原五道梁多年冻土区地面形变的监测与分析

[J]. 冰川冻土, 20193):525-536.

[本文引用: 2]

LI ShanshanLI ZhiweiHU Junet al.

Investigation of the seasonal oscillation of the permafrost over Qinghai-Tibet Plateau with SBAS-InSAR algorithm

[J]. Chinese Journal of Geophysics, 20135): 58-68.

[本文引用: 2]

李珊珊李志伟胡俊.

SBAS-InSAR技术监测青藏高原季节性冻土形变

[J]. 地球物理学报, 20135):58-68.

[本文引用: 2]

KU Ou.

Monitoring seasonal permafrost deformation based on SBAS InSAR

[J]. Mine Surveying, 20143): 90-95.

库欧.

基于SBAS-InSAR的冻土季节性形变监测

[J]. 矿山测量, 20143):90-95.

LI YongshengZHANG JingfaLI Zhenhonget al.

Measurement of subsidence in the Yangbajing geothermal fields, Tibet, from TerraSAR-X InSAR time series analysis

[J]. International Journal of Digital Earth, 201597):697-709.

[本文引用: 1]

CHANG LHANSSEN R F.

Detection of permafrost sensitivity of the Qinghai-Tibet railway using satellite radar interferometry

[J]. International Journal of Remote Sensing, 2015363): 691-700.

ZHAO RongLI ZhiweiFENG Guangcaiet al.

Monitoring surface deformation over permafrost with an improved SBAS-InSAR algorithm: with emphasis on climatic factors modeling

[J]. Remote Sensing of Environment, 2016184276-287.

[本文引用: 4]

CHEN YuxingJIANG LimingLIANG Linlinet al.

Monitoring permafrost deformation in the upstream Heihe River, Qilian Mountain by using multi-temporal Sentinel-1 InSAR dataset

[J]. Chinese Journal of Geophysics, 2019627): 2 441-2 454.

[本文引用: 1]

陈玉兴江利明梁林林.

基于Sentinel-1 SAR数据的黑河上游冻土形变时序InSAR监测

[J]. 地球物理学报, 2019627): 2 441-2 454.

[本文引用: 1]

LIU LinZHANG TingjunWAHR J.

InSAR measurements of surface deformation over permafrost on the North Slope of Alaska

[J]. Journal of Geophysical Research, 2010115F3):F03023.

[本文引用: 3]

EPPLER JKUBANSKI MSHARMA Jet al.

High temporal resolution permafrost monitoring using a multiple stack InSAR technique

[J]. International Archives of the Photogrammetrys Remote Sensing and Spatial Information Sciences, 2015,XL-7/W31 171-1 176.

[本文引用: 1]

RUDY A C ALAMOUREUX S FTREITZ Pet al.

Seasonal and multi-year surface displacements measured by DInSAR in a High Arctic permafrost environment

[J]. International Journal of Applied Earth Observation and Geoinformation, 20186451-61.

[本文引用: 1]

EPPLER JKUBANSKI MSHARMA Jet al.

High temporal resolution permafrost monitoring using a multiple stack InSAR technique

[C]//The international archives of the photogrammetry, remote sensing and spatial information sciences, volume XL-7/W3, 2015 36th International Symposium on Remote Sensing of Environment. Berlin, Germany2015.

[本文引用: 1]

LIU LinJAFAROV E ESCHAEFER K Met al.

InSAR detects increase in surface subsidence caused by an Arctic tundra fire

[J]. Geophysical Research Letters, 20144111):3 906-3 913.

[本文引用: 2]

MOLAN Y EKIM J WLU Zet al.

Modeling wildfire-induced permafrost deformation in an Alaskan Boreal Forest using InSAR observations

[J]. Remote Sens-Basel, 2018103): 405.

[本文引用: 2]

MICHAELIDES R JSCHAEFER KZEBKER H Aet al.

Inference of the impact of wildfire on permafrost and active layer thickness in a discontinuous permafrost region using the Remotely Sensed Active Layer Thickness (ReSALT) algorithm

[J]. Environmental Research Letters, 2018143): 035007.

[本文引用: 1]

LIU LinSCHAEFER KGUSMEROLI Aet al.

Seasonal thaw settlement at drained thermokarst lake basins, Arctic Alaska

[J]. The Cryosphere, 201483):815-826.

[本文引用: 1]

LIU LinSCHAEFER KCHEN Aet al.

Remote sensing measurements of thermokarst subsidence using InSAR

[J]. Journal of Geophysical Research Earth Surface, 20151209):1 935-1 948.

[本文引用: 1]

HU YufengLIU LinLARSON K Met al.

GPS Interferometric reflectometry reveals cyclic elevation changes in thaw and freezing seasons in a permafrost area (Barrow, Alaska)

[J]. Geophysical Research Letters, 20184511): 5 581-5 589.

[本文引用: 3]

PANG QiangqiangLI ShuxunWU Tonghuaet al.

Simulated distribution of active layer depths in the frozen ground regions of Tibetan Plateau

[J]. Journal of Glaciology and Geocryology, 2006283): 390-395.

[本文引用: 1]

庞强强李述训吴通华.

青藏高原冻土区活动层厚度分布模拟

[J]. 冰川冻土, 2006283):390-395.

[本文引用: 1]

ZHANG TingjunARMSTRONG R L.

Soil freeze/thaw cycles over snow-free land detected by passive microwave remote sensing

[J]. Geophysical Research Letters, 2001285):763-766.

[本文引用: 1]

ZHAO Lin.

freeze thaw process of permafrost active layer and seasonal change of permafrost in Qinghai Tibet Plateau

[D]. BeijingChinese Academy of Sciences2004.

[本文引用: 1]

赵林.

青藏高原多年冻土活动层的冻融过程以及季节冻土的变化

[D].北京中国科学院2004.

[本文引用: 1]

CAO BinGRUBER SZHANG Tingjunet al.

Spatial variability of active layer thickness detected by ground-penetrating radar in the Qilian Mountains, Western China

[J]. Journal of Geophysical Research: Earth Surface,20171223): 574-591.

[本文引用: 1]

JAFAROV EPARSEKIAN A DSCHAEFER Ket al.

Estimating active layer thickness and volumetric water content from ground penetrating radar measurements in Barrow

[J]. Alaska, Geoscience Data Journal, 2018472-79.

[本文引用: 1]

GUSMEROLI ALIU LZHANG Tet al.

Active layer stratigraphy and organic layer thickness at a thermokarst site in Arctic Alaska identified using ground penetrating radar

[J]. Arctic Antarctic and Alpine Research, 2015472): 195-202.

CHEN APARSEKIAN ASCHAEFER Ket al.

Ground-penetrating radar-derived measurements of active-layer thickness on the landscape scale with sparse calibration at Toolik and Happy Valley, Alaska

[J]. Geophysics, 2016812): H1-H11.

[本文引用: 1]

KONG Ying.

The change and carbon emission of permafrost over the Northern Hemisphere under 1

.5 ℃ and2.0 ℃ warming[D]. Lanzhou: Lanzhou University, 2018.

[本文引用: 1]

孔莹. 1.

5

℃和2.0 ℃温升条件下北半球多年冻土的变化及其碳释放[D]. 兰州:兰州大学2018.

[本文引用: 1]

LIU LinSCHAEFER KZHANG Tingjunet al.

Estimating 1992-2000 average active layer thickness on the Alaskan North Slope from remotely sensed surface subsidence

[J]. Journal of Geophysical Research: Earth Surface, 2012117F1). DOI: 10.1029/2011JF002041.

[本文引用: 3]

ZHAO Rong.

Permafrost deformation model establishment and active layer thickness inversion based on SBAS-InSAR

[D]. ChangshaCentral South University2014.

[本文引用: 2]

赵蓉.

基于SBAS-InSAR的冻土形变建模及活动层厚度反演研究

[D]. 长沙中南大学2014.

[本文引用: 2]

LI ZhiweiZHAO RongHU Junet al.

InSAR analysis of surface deformation over permafrost to estimate active layer thickness based on one-dimensional heat transfer model of soils

[J]. Scientific Reports, 2015515542.

[本文引用: 2]

ZHANG XuefeiZHANG HongWANG Chaoet al.

Time-series InSAR monitoring of permafrost freeze-thaw seasonal displacement over Qinghai-Tibetan Plateau using Sentinel-1 data

[J]. Remote Sensing, 2019111000.

[本文引用: 2]

ZHAO TaoZHANG MingyiLU Jianguoet al.

Correlation between the ground surface deformation and influential factors in permafrost regions

[J/OL]. Journal of Harbin Institute of Technology,2020. [2021-06-22]..

[本文引用: 1]

赵韬张明义路建国.

多年冻土区地表变形与影响因素相关性分析

[J/OL]. 哈尔滨工业大学学报,2020. [2021-06-22]. .

[本文引用: 1]

PULLMAN E RSHUR J Y.

Thaw settlement in soils of the Arctic Coastal Plain, Alaska

[J]. Arctic, Antarctic, and Alpine Research, 2007393):468-476.

[本文引用: 1]

ZHANG ZhengjiaWANG MengmengWU Zhijieet al.

Permafrost deformation monitoring along the Qinghai-Tibet Plateau engineering corridor using InSAR observations with Multi-Sensor SAR datasets from 1997-2018

[J]. Sensors, 2019195306.

[本文引用: 1]

O'NEILL H BSMITH S LDUCHESNE C.

Long-term permafrost degradation and thermokarst subsidence in the Mackenzie Delta Area indicated by thaw tube measurements

[C]// International conference on cold regions engineeringCanadian permafrost conference2019.

[本文引用: 1]

STRELETSKIY D ASHIKLOMANOV N ILITTLE J Det al.

Thaw subsidence in undisturbed tundra landscapes, Barrow, Alaska, 1962-2015

[J]. Permafrost & Periglacial Processes, 2017283):566-572.

GRUBER S.

Ground subsidence and heave over permafrost: hourly time series reveal inter-annual, seasonal and shorter-term movement caused by freezing, thawing and water movement

[Z]. 2019. DOI:10.5194/tc-2019-227.

[本文引用: 2]

/