基于LSTM模型的时序InSAR地表形变预测OA北大核心CSTPCD

为了解长江沿江区域的地表形变状况及发展趋势,维护长江防洪安全和河势稳定,利用2017年3月至2022年3月期间覆盖长江南京段沿江区域的61景Sentinel-1A影像,基于SBAS-InSAR技术获取了地面沉降监测结果,并基于LSTM长短期记忆神经网络模型对特征点未来变化趋势进行了预测。结果表明:①与水准监测结果相比,长江南京段沿江区域SBAS-InSAR监测结果具有一定的准确性;研究区域地面年均形变速率在-31~19 mm/a,并形成4个沉降漏斗。②LSTM模型对研究区域的形变预测值与SBAS-InSAR监测的期望值具有较高的一致性,两者最大绝对误差为3.28 mm;采用该方法对研究区域特征点的沉降趋势进行预测发现,未来2 a特征点总体表现为缓慢下沉并趋于稳定的趋势。研究成果可为相关部门制定沿江地区保护及规划方案提供技术参考。