融合InSAR、地貌形态与降雨数据的蠕变型滑坡运动学域识别与变形动力学研究
《Remote Sensing》:Activity and Rainfall Response of the Gimigliano Landslide (Southern Italy): Insights from SBAS-InSAR Data Analysis
【字体:
大
中
小
】
时间:2026年10月21日
来源:Remote Sensing 4.3
编辑推荐:
**摘要**
蠕变型滑坡是一种复杂的系统,其变形具有显著的空间和时间变异性,而这些变形特征可能难以通过滑坡整体的位移测量来捕捉。本研究对位于意大利南部卡拉布里亚的Gimigliano滑坡——一个大规模、长期活动且已城镇化的斜坡不稳定体——开展了综合研究,将多时相Sentin
**摘要**蠕变型滑坡是一种复杂的系统,其变形具有显著的空间和时间变异性,而这些变形特征可能难以通过滑坡整体的位移测量来捕捉。本研究对位于意大利南部卡拉布里亚的Gimigliano滑坡——一个大规模、长期活动且已城镇化的斜坡不稳定体——开展了综合研究,将多时相Sentinel-1 SBAS-InSAR观测数据、数据驱动的运运动学分段、地貌形态分析及降雨–变形关系相结合。通过InSAR时序聚类识别了空间上连贯的运运动学域,并将其与独立测绘的地貌分区进行比较。随后采用连续分析和事件分析两种方法,探讨了降雨与滑坡变形之间的时间关系。研究识别出四个运运动学域,其中垂直分量域平均变形速率最高约为?12.8毫米/年,东西向分量约为?4.8毫米/年。所识别的运运动学域与滑坡的地貌单元呈现出明确的空间对应关系。降雨–变形关系显示,60–120天降雨累积窗口的相关性幅度最大,其中垂直分量的最大相关出现在滞后约30–35天时,东西向分量的最大相关出现在滞后约60–75天时。事件分析进一步揭示了各域之间响应幅度的差异以及数周内的滞后响应。结果表明,变形与前序水文条件相关,同时仍保留着显著的空间非均匀性,凸显了将InSAR、地貌形态及降雨信息相结合对于解读蠕变型滑坡动力学的价值。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号