使用MT-InSAR和VMD-SSA-LSTM时间序列预测模型,揭示了金城矿山集群的大规模地表沉降情况
Fan Yang1,2, Menghui Zhi3, Yan An4
1School of Surveying, Mapping and Geoscience, Liaoning University of Engineering and Technology, Fuxin, 123000, China.
Scientific reports
|February 17, 2025
概括
在金城市的地表沉降.
科学领域:
- 地质科学 地质科学
- 遥感 遥感 遥感 遥感
- 机器学习 机器学习
背景情况:
- 金城市的采矿区面临着严重的地表沉降,威胁到安全和稳定.
- 有效监测沉降驱动因素对于可持续的采矿区发展和防灾至关重要.
研究的目的:
- 为了揭示金城矿山集群中大规模的地表沉降.
- 为了确定主要的驱动力,并预测未来的沉降趋势.
- 为地质灾害预防和土地管理提供科学证据.
主要方法:
- 多时间干扰测量合成孔径雷达 (MT-InSAR) 与PS-InSAR和SBAS-InSAR用于沉降确认.
- 开发用于高精度时间序列预测的VMD-SSA-LSTM模型.
- 集成遥感和机器学习用于地面变形分析.
主要成果:
- 从2018年到2021年,地表沉降率在每年-34毫米至34毫米之间.
- 高平市的沉降率最高 (每年-34至5毫米);城县出现明显变化.
- 沉降变化与采矿活动,土地利用和地质条件有关.
结论:
- 这项研究提供了对金城矿区土壤变形的全面分析.
- 一种新的高精度沉降预测模型为与采矿相关的地质灾害提供了新的见解.
- 这些发现支持有效的防灾战略和土地管理政策.


