1 Introducción
El paisaje kárstico (kárstico) está ampliamente distribuido en áreas rocosas solubles del mundo, con una superficie total de más de 17,9 millones de kilómetros cuadrados, lo que representa aproximadamente el 12% de la superficie terrestre total de la tierra. La estructura geológica de la zona kárstica es compleja, la superficie y el sistema subterráneo están acoplados entre sí y son muy vulnerables a las perturbaciones naturales y humanas, lo que induce una variedad de desastres geológicos, de los cuales el colapso kárstico es el más típico.Yang等，2025). Con la aceleración del proceso de urbanización global y el aumento de la intensidad del desarrollo del espacio subterráneo, el colapso kárstico se ha convertido en un importante riesgo de Seguridad geológica que generalmente enfrentan las zonas kársticas de china, Estados unidos, españa, gran bretaña, Israel y otros países.Galve等，2015). Este tipo de desastres se caracterizan por una fuerte ocultación, una alta repentinedad y un mecanismo evolutivo complejo, que a menudo causan daños estructurales, interrupciones del tráfico, inestabilidad de la red de tuberías subterráneas y fugas de agua, lo que amenaza seriamente la seguridad de la vida y los bienes de las personas y el desarrollo sostenible regional.Brinkmann等，2008).
A nivel mundial, la costa del Mar Muerto es una de las zonas más afectadas por el colapso kárstico.Baer等，2002). Afectado por múltiples factores, como el bombeo a largo plazo, el aumento de la evaporación y el aumento del uso del agua aguas arriba y aguas abajo, el nivel del agua en el Mar Muerto ha seguido disminuyendo desde la década de 1970, con una disminución media anual de 1,1 m, lo que ha provocado un fuerte retroceso en la costa del lago y un cambio significativo en el patrón de las aguas subterráneas.Atzori等，2015). En este entorno, la sal poco profunda se encuentra con la disolución continua del agua dulce invasora, formando gradualmente agujeros subterráneos, lo que a su vez induce colapsos superficiales. Hasta la fecha, se han formado más de 6.000 pozos de colapso a lo largo de la costa del Mar muerto, ampliamente distribuidos en zonas turísticas, carreteras y tierras industriales y agrícolas, lo que representa una amenaza directa para la seguridad de la infraestructura y el desarrollo socioeconómico de la región.Nof等，2019). Por lo tanto, es de gran importancia para el monitoreo de colapso kárstico de alta precisión, a gran escala y a largo plazo en la zona del mar muerto.
Aunque los métodos tradicionales de monitoreo terrestre, como el GNSS y la nivelación, tienen una alta precisión de medición, es difícil lograr un monitoreo sistemático a gran escala, de alta frecuencia y alta densidad en áreas de colapso kárstico debido a defectos como baja resolución espacial, cobertura limitada y altos costos de implementación.朱珺 等，2023). En los últimos años, la tecnología de interferometría por radar de apertura sintética (insar), como medio de monitoreo de deformación sin contacto, 24 horas del día y a gran escala, puede proporcionar información de deformación con precisión de centímetros a milímetros.Hrysiewicz等，2023) proporciona una nueva forma de monitorear la evolución dinámica y analizar el mecanismo de los desastres de colapso kárstico..Gutiérrez等，2011). El desarrollo de la tecnología Insar de series temporales ha impulsado en gran medida su aplicación en la vigilancia de desastres geológicos.Berardino等，2002). Entre ellos, la tecnología ps - Insar se basa en puntos de dispersión estables de alta coherencia y es adecuada para superficies artificiales o duras como ciudades y rocas desnudas, pero su rendimiento en áreas de cobertura vegetal natural y áreas estructurales complejas es limitado.Ferretti等，2000). DS - Insar puede ampliar los puntos de detección a áreas de baja coherencia..李晓田 等，2024) proporciona una aplicación más amplia para el monitoreo de deformación en áreas geomorfológicas naturales. Sin embargo, en el sistema tecnológico DS - Insar existente, el reconocimiento de puntos homogéneos es un eslabón clave que afecta la precisión y estabilidad de la estimación de deformación. los métodos tradicionales de prueba KS se basan en la diferencia de la función de distribución acumulativa de la distribución de intensidad de los píxeles para seleccionar píxeles homogéneos, pero son sensibles a valores anormales en pequeñas muestras y la estabilidad es insuficiente.Hu等，2023); Aunque el método bws mejora la robustez mediante el reexamen, no puede construir con precisión un dominio de rechazo estadístico debido a la falta de expresiones analíticas para probar la distribución asintomática de las estadísticas.蒋弥 等，2018); Por su parte, el método htci propuesto en los últimos años se basa en la premisa Estadística de que "la Distribución exponencial aproximada de la intensidad y la media de la muestra obedece a la distribución gamma", de acuerdo con la cual los píxeles homogéneos se determinan estimando los parámetros por los píxeles de referencia y construyendo el intervalo de confianza de la media. Sin embargo, debido a que htci utiliza píxeles de referencia fijos y ventanilla única fija, su discriminación de homogeneidad es altamente sensible a los valores iniciales y las posiciones de referencia: cuando los píxeles de referencia se encuentran en la cola de la distribución de intensidad o el número de muestras vecinales es pequeño (muestras pequeñas), el límite del intervalo de confianza es propenso a desviarse, lo que resulta en la omisión / selección incorrecta de píxeles de la misma calidad..Hu等，2022). Estas deficiencias hacen que el DS - Insar tradicional muestre problemas sistémicos como mala continuidad espacial, baja relación señal - ruido y distorsión del análisis del mecanismo en la reconstrucción del campo de deformación de la zona petrolítica del mar muerto.
En vista de esto, este estudio propone un método mejorado de reconocimiento de píxeles homogéneos (d - htci) basado en el intervalo de confianza de actualización dinámica: en el marco de píxeles por píxeles, la media de referencia y el intervalo de confianza se actualizan dinámicamente y se cooperan con la ventana de expansión para lograr un cribado homogéneo sólido de áreas de baja coherencia; Al mismo tiempo, se combina la optimización de la fase secuencial para lograr la solución de Big data a largo plazo, mejorar la precisión de la reconstrucción temporal y construir aún más resultados de monitoreo de deformación Insar de alta densidad y continuos combinados con puntos ps. Sobre la base de datos de un total de 242 imágenes de ascenso de órbita del satélite Sentinel - 1A de 2016 a 2024, se verificó la efectividad del método en la zona de colapso kárstico a lo largo de la costa del Mar muerto, se obtuvo el proceso de evolución espacio - temporal de la deformación superficial de alta precisión a lo largo de la costa del Mar muerto, se analizó la relación de acoplamiento entre la deformación y los cambios en el nivel del agua del Mar muerto, y se discutió el mecanismo de conducción hidrogeológica del colapso kárstico. Este estudio no solo amplía la aplicabilidad de la tecnología Insar en áreas geomorfológicas naturales complejas, sino que también proporciona un importante soporte técnico y base de datos para una comprensión profunda del mecanismo de formación y la tendencia evolutiva de los desastres kársticos.
2 métodos o principios de investigación
Este estudio se basa en el marco tecnológico de Insar cronológico y construye un proceso de monitoreo de deformación superficial de alta precisión para las zonas kársticas a lo largo de la costa del mar muerto. su diseño general tiene en cuenta la eficiencia del procesamiento de datos cronológicos largos y la precisión de la solución de deformación en áreas geomorfológicas complejas.Fig. 1). El sistema metodológico incluye principalmente cuatro enlaces centrales: (1) preprocesamiento de datos: corrección topográfica y codificación geográfica utilizando srtmdem, y generación de secuencias de interferogramas diferenciales combinadas con imágenes de ascenso Sentinel - 1A para proporcionar datos básicos de Observación de interferencia para el análisis de Insar cronológico; (2) reconocimiento de píxeles homogéneos: romper las limitaciones de los métodos tradicionales de reconocimiento de puntos homogéneos, introducir un mecanismo de intervalo de confianza de actualización dinámica, combinar la actualización iterativa de la ventana de expansión externa 5 * 5 → 15 * 15 con el "intervalo de confianza medio de referencia" para mejorar efectivamente la precisión y estabilidad de la selección de píxeles homogéneos en áreas de baja coherencia, para los píxeles homogéneos locales ( n menores de 20, se seguirá el proceso ps para el tratamiento separado; (3) optimización de fase y solución de tiempo: construir un marco de estimación de máxima probabilidad utilizando la teoría de descomposición de valores propios, realizar una estimación óptima de las características estadísticas de fase de DS y comprimir gradualmente los datos de interferencia de alta dimensión de la secuencia temporal de 8 años en combinación con la estrategia de procesamiento secuencial, mejorando significativamente la eficiencia del cálculo manteniendo la integridad de la información de fase; (4) fusión de resultados y corrección de errores: el conjunto de puntos secos de alta fase ps y DS optimizado por fusión, a través del desenlace de fase tridimensional, los residuos topográficos y la corrección de fase atmosférica, finalmente se obtiene un campo de deformación temporal de la superficie a lo largo de la costa del Mar Muerto continuo y de alta densidad en El espacio alto. Este proceso tiene una buena escalabilidad al tiempo que garantiza la precisión del monitoreo, se adapta plenamente a las necesidades de procesamiento de datos Insar a largo plazo y a gran escala en condiciones kársticas complejas, y proporciona datos confiables y una base metodológica para el análisis posterior del mecanismo de deformación.
2.1 método de reconocimiento de puntos homogéneos Insar basado en un intervalo de confianza dinámico mejorado
Debido a que DS pertenece a los dispersores faciales, generalmente se distribuye en grupos espaciales, con las mismas características de dispersión y características estadísticas que los píxeles adyacentes..张子彦 等，2024). Por lo tanto, la selección de puntos DS está relacionada con el número de píxeles homogéneos en el vecindario. la base teórica actual del reconocimiento de píxeles homogéneos se basa en que los píxeles homogéneos tienen las mismas o similares características de dispersión en la distribución espacial, y todo tipo de esquemas de reconocimiento de píxeles homogéneos se basan principalmente en pruebas de hipótesis Para determinar píxeles homogéneos juzgando la similitud de las características de distribución entre las muestras de píxeles.Jiang等，2015). Entre ellos, la prueba de hipótesis de parámetros basada en la información de dispersión posterior (como la intensidad o amplitud) se utiliza ampliamente en el reconocimiento de píxeles homogéneos.Chen等，2023).
El método de prueba de hipótesis de parámetros se basa en la propiedad de que la intensidad de la imagen SAR del objetivo DS en la zona de colapso kárstico obedece a una distribución exponencial, y su función de densidad de probabilidad es..蒋弥 等，2018(...)
Las expectativas y desviaciones estándar de la distribución exponencial sonDe acuerdo con la acumulación de la distribución exponencial que obedece a la distribución gamma, entoncesLa media de la muestra múltiple también obedece a la distribución gamma:Entonces hay , ySe sustituye por la valoración del píxel de referencia, cuando el intervalo de confianza transformado es
En la fórmula,Es el cuantil de la distribución gamma estándar,Normalmente se establece en 0,05..Bao等，2021). Amplitud media de los píxeles a detectarEn comparación con el rango de valor del rango anterior, si se encuentra en este rango, significa que el píxel a detectar es un píxel homogéneo del píxel de referencia. Sin embargo, la construcción de un intervalo de confianza solo con la intensidad media del píxel de referencia es parcial, lo que dará lugar a una disminución del número de muestras de píxeles Uniformes seleccionadas y a una disminución de la fiabilidad de los píxeles Uniformes. Por lo tanto, el tamaño de la ventana de estimación no debe fijarse y el intervalo de confianza correspondiente debe actualizarse dinámicamente para obtener resultados confiables de selección de píxeles homogéneos.
Para cualquier píxel de referencia, hay una ventana de estimación de píxeles homogéneos iniciales.(normalmente se establece en 15 * 15), comoFig. 2Marco negro MedioSe muestra. El método propuesto en este estudio primero establece una ventana de estimación local para los píxeles de referencia.(establecido en 5 * 5), comoFig. 2Como se muestra en el cuadro amarillo medio, utilice式（2）Obtener píxeles de referenciaColección de píxeles homogéneos en ventanas localesLuego se obtiene la sustitución media de la intensidad de todos los píxeles homogéneos en el conjunto de píxeles homogéneos.式（2）Construir un nuevo intervalo de confianza entre Mu y REF / / subb > en el medio:
Ampliar la ventana de estimación local un píxel hacia afuera y obtener la ventana de estimación después de la primera expansión (por ejemploFig. 2Como se muestra en el cuadro azul), se utiliza un nuevo intervalo de confianza para distinguir todos los píxeles en la ventana de estimación extendida y obtener un nuevo conjunto de píxeles homogéneos., luego promedia la intensidad de todos los píxeles homogéneos en este conjunto, construye un nuevo intervalo de confianza y luego expande la ventana hacia afuera (por ejemploFig. 2Ventana morada), repite el ciclo para actualizar el valor de intensidad del píxel de referencia y su intervalo de confianza hasta que la ventana se amplíe al tamaño inicial de la ventana dado (15 * 15), en este momento se obtiene el píxel de referenciaColección final de píxeles homogéneosRepitiendo estos pasos a través de todos los píxeles de la imagen sar, se puede obtener una colección de píxeles homogéneos de todos los píxeles de la imagen.
2.2 optimización de fase de máxima probabilidad basada en la descomposición de valores propios
Para los objetivos distribuidos, para cumplir con las condiciones de consistencia de fase..Guarnieri和Tebaldini，2007) es necesario estimar conjuntamente un conjunto de valores de fase óptimos a partir de las fases de Observación de varios pares de interferencia. debido a que en muchos pares de interferencia, el grado de influencia del ruido de Decoherencia es diferente. para mejorar la calidad de la estimación de fase, al realizar la estimación de fase, es necesario dar diferentes pesos a las diferentes fases de interferencia en función de la coherencia entre las fases de interferencia u otras condiciones. su estimación de fase optimizada se puede expresar como maximizar la consistencia de fase en el marco de máxima probabilidad o minimizar equivalente el problema de optimización de la variación de fase residual, obteniendo así el siguiente modelo general de función de optimización de fase:沈鹏 等，2025):
En la fórmula,Representa el factor de peso correspondiente a la fase residual;Es la fase de Observación de un par de interferencia M - N < i ";yEs la "fase óptima" desconocida en los momentos m y n respectivamente. En la actualidad, la mayoría de los algoritmos de optimización de fase DS se basan en la descomposición de valores propios para manejar el mecanismo de dispersión múltiple.Fornaro等（2015）En el marco caesar, se propone extraer el Vector propio correspondiente a su valor propio máximo como estimación de fase óptima mediante la descomposición del valor propio de la matriz de covarianza de la muestra. La descomposición de los valores propios de la matriz de covarianza se puede expresar como
En la fórmula,Representa los valores propios y ordena los valores propios en orden descendente, es decir:V;Es el vector característico correspondiente al valor característico.síEn la matriz diagonal, los elementos de la matriz se componen de varios valores propios de números no reales.Se compone de los vectores propios ortonormales correspondientes a cada valor propio.Matriz. Por lo tanto, sobre la base del análisis de componentes principales, el primer componente principal contiene la mayor cantidad de información, por lo que la estimación de fase optimizada del propio vector correspondiente al valor propio máximo se puede deducir como el resultado del siguiente problema de maximización:
Combinando la relación entre la matriz de Covarianza y la matriz de coherencia compleja,式（6）El modelo de función de optimización de fase que también se puede convertir en una matriz coherente:
En la fórmula,Indica que corresponde a una matriz de coherencia complejaEl vector característico correspondiente al valor propio máximo de.
2.3 método de estimación secuencial DS - Insar
El algoritmo tradicional de DS adopta el modo de cálculo "pixel por pixel" y lleva mucho tiempo. en la actualidad, el SAR a bordo se caracteriza principalmente por ciclos de reexamen amplios y cortos para lograr un monitoreo de superficie de alta resolución espacial, proporcionando una cantidad sin precedentes de datos SAR ricos.Wang等，2020) Este es un desafío para la tecnología DS - Insar existente..Minh和Ngo，2022). Ansari propone un método de estimación secuencial basado en la tecnología squeesar, que realiza una estimación y análisis recurrentes de la matriz de covarianza de datos primero dividiendo los datos en pequeños lotes, y luego comprimiendo los datos en lotes, y formando un interferómetro a partir del procesamiento por lotes de cada dato comprimido para lograr una reducción de datos..Ansari等，2018).
Suponiendo que el conjunto de datos original sea compartidoImagen de escena, que divide el conjunto de datos enConjuntos de datos secundarios, cada uno de los cuales contieneImagen de escena, generalmente requerida por delanteEl número de imágenes dentro del subconjunto es el mismo, mientras que elEl número de imágenes dentro del subconjunto puede ser diferente..Wang等，2023). La compresión de datos es un método clásico para procesar grandes cantidades de datos, que puede hacer que los datos del espacio de datos de alta dimensión se mapeen a un subespacio de bajo rango y cambien la base.El mapeo lineal se puede expresar como
En la fórmula,Es la dimensión de los datos originales,Es la dimensión de los datos comprimidos, de los cuales se puede ver que los datos comprimidos son dimensiones temporales, mientras que las dimensiones espacialesEl tamaño no ha cambiado.
Después de la secuencia inicial, No.Secuencia individualSe puede expresar como
En la fórmula,Indica que contieneNúmero de datos de jingslcConjuntos de datos secundarios,Es el primerDatos comprimidos del conjunto de datos hijo. se utiliza para conectar conjuntos de datos existentes con nuevos conjuntos de datos, logrando así la reconstrucción de series temporales de fase. Entre ellos, en el artículoSubclase, la optimización de fase basada en la estimación de máxima probabilidad es
En la fórmula,Representa el producto hadama,ySon los siguientes:Individual y No.Estimaciones de la matriz de coherencia y la matriz de covarianza construidas por el conjunto de datos secundarios,ParaEl vector de fase complejo SLC real en el conjunto de datos secundarios, es decir, el vector de fase optimizado a estimar, recupera la fase de cada secuencia relativa a una nueva referencia arbitraria y única a través de la estimación de máxima probabilidad:
En la fórmula,Es un vector que contiene una fase de calibración que conecta un subconjunto independiente para lograr la conexión de datos entre las secuencias de cada subconjunto.
En la fórmula,Indica el número de serie SLC y el número de serie del vector de calibración.Elementos individuales. Después de calibrar la referencia, se calcularán los resultados de la serie temporal de fase para obtener una sola referencia.
3 Áreas de investigación y fuentes de datos
3.1 panorama general del área de investigación
El Mar Muerto se encuentra dentro de la zona tectónica de conversión entre la placa Africana y la placa árabe y es el punto más bajo de la tierra global, con una altura lacustre actual de unos - 430 m (en relación con el nivel del mar) ()Baer等，2024). Su patrón geomorfológico se puede dividir en dos partes: la cuenca del Lago de aguas profundas en el norte y la piscina de evaporación de aguas poco profundas en el sur.Fig. 3). Entre ellos, la cuenca del Lago Norte es la principal zona de agua natural, con una profundidad máxima de más de 300 metros y una profundidad mínima del Fondo del Lago de unos 730 metros por debajo del nivel del mar; la parte sur ha sido transformada en un sistema de estanques de evaporación por empresas de sal de potasio de Israel y jordania, con una elevación del Fondo del Lago de unos - 410 metros, que depende principalmente del reabastecimiento del Lago Norte a través de un sistema de transporte artificial de agua (closson y Abou karaki, 2009).
Afectado conjuntamente por el cambio climático y la actividad humana, el nivel del Mar Muerto ha mostrado una tendencia a la baja continua desde la década de 1960, con una disminución media anual de más de 1 m y una disminución acumulada de más de 40 M. este proceso se debe principalmente a la disminución de las entradas de agua en el curso superior, El aumento de la evaporación y el equilibrio negativo de la cantidad de agua causado por la extracción industrial de agua. La caída del nivel del agua ha cambiado significativamente la estructura hidráulica del sistema de aguas subterráneas a lo largo de la costa e inducido una serie de procesos de desastres geológicos, especialmente el colapso kárstico es el más significativo.Fig. 3Zona roja). El colapso kárstico se concentra principalmente en las playas de barro junto al lago y las zonas de Abanico aluvial en el borde occidental de la cuenca del Lago norte, y es una de las zonas más densas y activas del colapso kárstico a nivel mundial: desde la década de 1980, la actividad del colapso ha aumentado gradualmente y ha mostrado una tendencia de desarrollo acelerado significativa después de 2000.Shalev等，2006). A partir de 2016, se han identificado más de 5.900 pozos de colapso en la región, con un diámetro típico de 1 a 40 metros y una profundidad máxima de 28 metros, a menudo acompañados de un desarrollo de zonas de hundimiento ancho y lento, con un rango de influencia de cientos a kilómetros.Shviro等，2017). El mecanismo de formación del colapso está controlado principalmente por la capa de sal de roca ampliamente distribuida en un rango de 5 - 65 metros bajo la superficie y un espesor de unos 5 - 20 metros.Fig. 3) (closson y Abou karaki, 2009). A medida que el nivel del agua del Mar Muerto continúa disminuyendo, la interfaz de agua salada ligera de las aguas subterráneas, que originalmente era estable, continúa disminuyendo, y el agua dulce a lo largo de la costa migra hacia las profundidades e invade la capa de sal a través de acuíferos, fallas y sistemas de fractura, induciendo una fuerte disolución y formando una cavidad subterránea. Cuando el volumen de la cavidad supera el umbral de soporte de la formación, la cubierta se derrumba repentinamente, formando un pozo de colapso.Sevil和Gutiérrez，2024). Este mecanismo dinámico de "invasión de agua dulce - disolución de capas Salinas - colapso estructural" ha sido verificado a través de pruebas de múltiples fuentes, como perforación y exploración geofísica.
Con el fin de presentar intuitivamente la forma real y las características de distribución del paisaje colapsado,Fig. 3Se muestran tres fotografías de zonas de colapso típicas tomadas sobre el terreno por el Servicio Geológico de israel, cuya ubicación correspondiente se encuentra enFig. 3Está marcado con una caja blanca (a1, a2, a3). Entre ellos, A1 es un grupo de colapso a gran escala en el borde del ventilador aluvial junto al lago cerca de mizpeshalem, que se manifiesta en paredes de colapso de varios niveles y grietas superficiales; A2 se encuentra en el lado sur de engedi, mostrando un paisaje lacustre multicolor formado por pozos colapsados llenos de agua dulce y agua de alta salinidad; A3, por su parte, se encuentra en la península de zelin, mostrando las características típicas de la distribución entrelazada de pequeños pozos de colapso densos y amplias zonas de hundimiento lento, lo que refleja la complejidad y diversidad de las actividades de colapso kárstico en el área de Investigación.
3.2 fuentes de datos
En este estudio se obtuvieron un total de 242 imágenes de ascenso de órbita del satélite Sentinel - 1a que cubren toda la zona de Investigación. el modo de imagen es el modo de ancho de interferencia de radar de Observación de superficie IW (interferómetro de ancho swath), con un período de tiempo del 2 de junio de 2016 al 20 de junio de 2024. El alcance del área de investigación es el siguiente:Fig. 3Se muestra un marco rectangular Azul. Para garantizar la precisión geométrica de la interferencia, todos los datos SAR se corrigen orbitalmente con productos orbitales de precisión proporcionados por la Agencia Espacial Europea esa (agencia espacial europea). Antes del procesamiento de interferencia, se utiliza el modelo digital de elevación de resolución de 30 m (dem) proporcionado por la Misión topográfica de radar espacial SRTM para la eliminación de fase topográfica y la codificación geográfica de imágenes, y los datos dem se filtran por Gauss para reducir la propagación de errores causada por el ruido de alta frecuencia..Zhao等，2016). Además, para analizar la relación entre la deformación superficial y la actividad del colapso kárstico y los procesos hidrológicos, este artículo también introduce los datos de monitoreo del colapso kárstico en la costa suroeste del Mar Muerto publicados públicamente por el Servicio Geológico de Israel y los registros de cambios en el nivel del agua durante el mismo período.
4 Resultados
4.1 verificación experimental simulada
Para comparar el rendimiento discriminatorio de cuatro algoritmos de selección de píxeles homogéneos, se utilizó un ensayo aleatorio de Monte Carlo para la verificación de simulación. Configuración 15Ventana de píxeles de 15 ( n 225), el píxel central [8] es el píxel de referencia, y los otros 224 píxeles se detectan como píxeles por estimar. Con referencia a las estadísticas de amplitud sar, la amplitud del píxel obedece a la distribución de rayleigh, en la ventana prescrita= 120 píxeles (incluidos los píxeles de referencia) como en la distribución de Rayleigh, el resto= 105 píxeles heterogéneos como en la distribución de Rayleigh. luego, con parámetros de contrasteControlar el grado de heterogeneidad..Cuanto más grande, más fuerte es la diferencia), en cadaBajo el valor de 10.000 pruebas repetidas de forma independiente, para el mismo lote de datos simulados, se aplican cuatro métodos ks, bws, htci (ventana fija) y D - htci (actualización dinámica + expansión externa) de este artículo para distinguir "si es homogéneo con el píxel de referencia", y el nivel de visibilidad se unifica en. El número de píxeles declarados "no homogéneos" para cada estadística de prueba y el cálculo de la tasa de rechazo finalmente obtienen la media y la desviación estándar del rechazo bajo cada relación para evaluar la precisión del método (si está cerca del valor teórico) y la estabilidad (tamaño de la variación). Bajo este escenario, la tasa de rechazo teórico puede ser rechazada correctamente por "todos los píxeles heterogéneos + píxeles homogéneos con probabilidadRechazado por error "obtenido:. Por lo tanto, conCon el aumento, la tasa de rechazo medida de los cuatro métodos debe acercarse gradualmente a este límite superior; Cuanto más sólido sea el método, más cercana será su tasa media de rechazo al 49,33% y menor será la volatilidad (desviación estándar).
Fig. 4Muestra la tasa de rechazo con la tasa de parámetrosCambios. Cada algoritmo converge a los valores teóricos a medida que aumenta la relación de parámetros. Los métodos de prueba de hipótesis de parámetros son significativamente mejores que los métodos de prueba de hipótesis no parámetros, y el algoritmo htci es superior al valor de la tasa de rechazo teórico debido a la inestabilidad de la estimación inicial causada por una sola ventana fija, lo que se manifiesta en un alto error de clase I. Por el contrario, al introducir un mecanismo de actualización dinámica, el algoritmo de este artículo no solo converge más rápido en las mismas condiciones, sino que también está más cerca de la tasa de rechazo teórico, lo que reduce efectivamente el error de clase I yFig. 4La desviación estándar media también es significativamente menor que la de otros métodos, lo que verifica aún más su estabilidad y ventajas. Su mejora central es que a medida que el tamaño de la ventana se expande gradualmente, el intervalo de confianza se puede ajustar dinámicamente, lo que hace que la determinación de píxeles homogéneos sea más estable y precisa; Especialmente en áreas de baja coherencia, el método evita el problema de desplazamiento causado por la caída de los píxeles de referencia en la cola de la distribución estadística actualizando constantemente el intervalo de confianza de los píxeles de referencia de acuerdo con la media de los píxeles locales, debilitando así efectivamente el impacto negativo de los valores anormales en la precisión de la decisión. Bajo la premisa de garantizar la naturaleza estadística anterior, los resultados de la evaluación de la eficiencia por píxeles y los beneficios de identificación muestran que en la misma cantidad de datos y entorno de implementación, D - htci ha logrado una aceleración por encima del orden de magnitud (aproximadamente 430 / 67 veces) en comparación con el algoritmo tradicional KS / bws, que consume solo aproximadamente 1,4 veces el tiempo de cálculo en comparación con el algoritmo htci y todavía está en el mismo orden de magnitud; Al mismo tiempo, sin ampliar el segundo tipo de error, D - htci puede mejorar de manera ligera y estable los indicadores relacionados con los píxeles homogéneos. En resumen, D - htci intercambia gastos adicionales aceptables por un juicio de vecindad homogénea más confiable y un mejor rendimiento integral, con racionalidad estadística y disponibilidad computacional.
Table 1 Comparison of rejection rates among different methods （Theoretical rejection rate： 0.4933）
| 方法 | 拒绝率估值 |
|---|
| KS | 0.4782 |
| BWS | 0.4945 |
| HTCI | 0.4974 |
| D-HTCI | 0.4938 |
4.2 Resultados del monitoreo de asentamiento
Sobre la base de las 242 imágenes Sentinel - 1a obtenidas entre junio de 2016 y junio de 2024, este trabajo utiliza el método ps - Insar de stamps, el método DS - Insar convencional (basado en el reconocimiento de puntos homogéneos htci) y el algoritmo mejorado de reconocimiento de puntos homogéneos (d - htci) propuesto en este trabajo para analizar cronológicamente la deformación de la superficie en las zonas costeras del Mar muerto, y obtiene la distribución espacial media anual correspondiente de la tasa de variación de forma.Fig. 5).Fig. 5Como resultado del procesamiento del método ps - insar, este método es altamente dependiente de los dispersores permanentes, mostrando puntos ciegos obvios de monitoreo en áreas de investigación dominadas por el paisaje natural y objetivos artificiales escasos, el número total de puntos de monitoreo es de solo 464.898, y la distribución espacial es escasa, especialmente en áreas de colapso kárstico frecuente, casi falla.Fig. 5Para los resultados convencionales de DS - Insar basados en htci, el número de puntos de monitoreo aumentó a 679.349 (aproximadamente un 46,1% más que el método ps), pero debido a que el reconocimiento de puntos homogéneos utiliza ventanas fijas, su distribución espacial de puntos de monitoreo es desigual y la continuidad de la banda de deformación es insuficiente. Ampliar parcialmente el mapa..Fig. 5) muestra que el Centro de deformación de la zona de asentamiento se manifiesta como masas dispersas, lo que dificulta la representación de límites continuos de actividad geológica. Por el contrario, los resultados del tratamiento conjunto de DS y ps del método de reconocimiento de puntos homogéneos mejorado de fusión (d - htci) propuesto en este estudio..Fig. 5) muestra ventajas significativas. Sobre la base de mantener la estabilidad de los puntos ps, el método, combinado con la tecnología mejorada de reconocimiento de píxeles homogéneos, mejora significativamente la capacidad de extracción de dispersores distribuidos (ds), y el número total de puntos de monitoreo aumenta a 832.453, un aumento de alrededor del 79,0% en comparación con el método tradicional stamps, un aumento de alrededor del 22,5% en comparación con el método convencional DS - insar, y la uniformidad de la distribución espacial de los puntos de monitoreo mejora significativamente. Especialmente en la zona costera del Lago (especialmente en la zona de hundimiento de colapso kárstico, donde los métodos tradicionales ps son difíciles de monitorear), este método llena efectivamente el vacío espacial del campo de deformación y proporciona un soporte de datos más completo para el monitoreo de deformación en el complejo contexto geológico de la costa del mar muerto.
Con el fin de revelar aún más las características de distribución espacial de las regiones de fuerte deformación,Fig. 5,Fig. 5yFig. 5Se dan por separado.Fig. 5,Fig. 5yFig. 5Resultados de amplificación local del área seleccionada del marco punteado medio. Esta zona es una de las zonas más activas de colapso kárstico a lo largo de la costa del Mar muerto, con una tasa máxima de asentamiento local de más de - 120 mm / A. Los resultados de la comparación muestran: resultados del ps tradicional..Fig. 5) se distribuye fragmentado y solo se pueden capturar puntos de alta deformación esporádicamente; Y los resultados convencionales de DS - insar..Fig. 5Aunque se puede identificar el Centro de asentamiento, la densidad de los puntos de monitoreo es baja y la distribución espacial es discontinua; Y el método mejorado DS - Insar propuesto en este estudio..Fig. 5La densidad de puntos en la zona de asentamiento significativo (tasa de asentamiento local & gt; - 60 mm / a) es aproximadamente tres veces mayor que la del ps tradicional y aproximadamente 1,6 veces mayor que la del DS convencional, lo que puede caracterizar claramente la estructura de la zona de asentamiento densa y continua, y representar completamente el límite espacial y las Características del gradiente de asentamiento de la zona de colapso potencial. Este resultado demuestra plenamente que el método mejorado de identificación de puntos homogéneos DS - Insar supera significativamente las limitaciones de los algoritmos tradicionales en áreas naturales de baja coherencia, frena efectivamente el efecto de Decoherencia causado por condiciones hidrogeológicas especiales a lo largo de la costa del Mar Muerto y proporciona una solución factible y eficiente para la extracción de alta precisión de dispersores distribuidos y el monitoreo de deformación de áreas naturales de baja coherencia.
4.3 análisis de zonas de asentamiento típicas
Basado enFig. 5El patrón de distribución espacial de la deformación y las áreas clave de asentamiento reveladas se seleccionan en este artículo.Fig. 5Las dos líneas de sección típicas marcadas en (a - a 'y B - b' cubren la zona de asentamiento kárstico típica a lo largo de la costa suroeste del Mar muerto, y analizan más sistemáticamente las características de la evolución de la deformación superficial a lo largo de la dirección de la sección, la distribución del Centro de asentamiento y su relación correspondiente con la estructura kárstica subterránea.
Fig. 6Muestra las características de deformación superficial de la región de la península de Lishan de junio de 2016 a junio de 2024, que se encuentra en una importante zona de asentamiento a lo largo de la costa del mar muerto.Fig. 6La distribución de la velocidad media anual de la forma de la línea de visión (los) obtenida por la tecnología DS - Insar basada en el reconocimiento mejorado de puntos homogéneos muestra que la velocidad máxima de asentamiento regional supera los - 100 mm / A. El norte de la península muestra un fuerte fenómeno de asentamiento a gran escala a lo largo de la costa del Mar muerto, y la tasa de asentamiento disminuye gradualmente de Norte a sur a lo largo de la costa muerta hacia la isla, lo que se especula que está estrechamente relacionado con la disolución de montículos de sal y la compactación diferencial de sedimentos salinos. Con el fin de analizar en profundidad la Ley de evolución espacio - temporal de la deformación, se extrajeron los resultados de la deformación acumulada temporal a lo largo del perfil a - a '(una longitud total de unos 3 km),Fig. 6Muestra que el asentamiento de 2000 m antes de la línea de perfil (costa adyacente) fue particularmente significativo durante el período de estudio, con picos de variables de forma acumulativa de más de - 800 mm, mientras que las variables de forma de la sección Sur cambiaron relativamente poco. Cabe destacar que cerca del punto característico P (situado en la zona del estanque de evaporación de sal construido en la década de 1990 por la empresa jordana Arab potash Fertilizer (apc), que se derrumbó en marzo de 2000 debido al asentamiento regional,Fig. 6La curva de deformación de la serie temporal de puntos P mostrada muestra una tendencia estable de hundimiento lineal, con una alta excelencia de ajuste y una tasa media anual de hundimiento de - 102,88 mm / A. El análisis exhaustivo muestra que el asentamiento continuo en esta área no solo se ve afectado por el proceso de disolución y compactación diferencial de la roca salina, sino que también se han observado fallas ocultas a lo largo del perfil a - a ', cuya actividad tectónica ha promovido la infiltración acelerada de aguas externas, lo que ha agravado la disolución y asentamiento de las formaciones rocosas subterráneas.Fiaschi等，2017).
Fig. 7Se muestran además las características de deformación superficial y las leyes de evolución cronológica de las zonas típicas de colapso kárstico a lo largo de la costa suroeste del Mar Muerto de junio de 2016 a junio de 2024. esta zona, como una de las áreas significativas de la tasa de hundimiento del Mar Muerto (la tasa máxima de hundimiento anual promedio supera los - 90 mm / a), es famosa por sus frecuentes actividades de disolución y colapso de montículos de sal.Fig. 7El mapa de distribución anual de la tasa de transmisión media (superpuesto a la imagen de alta resolución de Google earth) obtenido a partir de la tecnología DS - Insar mejorada muestra que las áreas de hundimiento significativo (amarillo a rojo oscuro) se concentran en las zonas costeras de salinas y las zonas kársticas de alto riesgo, que coinciden altamente con las áreas de colapso conocidas (polígonos rojos) publicadas por el Servicio Geológico de Israel (gsi), lo que verifica la aplicabilidad y fiabilidad del método DS - Insar mejorado en la costa del mar muerto. Este método mejora significativamente la densidad de los puntos de monitoreo y la capacidad de cobertura espacial mediante el procesamiento conjunto de dispersores permanentes (ps) y dispersores distribuidos (ds), superando las limitaciones de un solo método de cobertura insuficiente en áreas no urbanas. La Alta consistencia entre la zona de colapso GSI y la zona anormal de deformación confirma aún más la precisión de los resultados; Distribución de variables de forma acumulativa multitemporal a lo largo de la línea de perfil B - B 'con una longitud total de unos 12 kmFig. 7Presenta múltiples estructuras de Valle de olas, de las cuales las secciones 4000 - 6000 m y 8000 - 10000 m son las más significativas, lo que corresponde aFig. 7En la zona de desarrollo del colapso, la deformación acumulada alcanza los 500 mm, lo que indica la existencia de múltiples centros de asentamiento activos, y la deformación tiene expansión espacial y continuidad temporal. Puntos característicos seleccionados q y RFig. 7Las curvas de la serie temporal con 7 (d) muestran tasas medias anuales de asentamiento de - 55,55 mm / A y - 63,44 mm / a, respectivamente, mostrando una tendencia de hundimiento lineal estable con una bondad de ajuste cercana a 1, lo que indica que el proceso de asentamiento está dominado principalmente por el mecanismo de disolución subterránea y colapso por gravedad. En general, el hundimiento severo de la zona está estrechamente relacionado con las condiciones geológicas de las rocas Salinas únicas a lo largo de la costa del Mar muerto, y la infiltración a largo plazo de agua dulce y la perturbación de las aguas subterráneas conducen a la disolución de las capas Salinas subterráneas, lo que finalmente induce colapsos superficiales a gran escala.
4.4 análisis de los cambios en el nivel del agua de hundimiento y Mar Muerto
Con el fin de revelar cuantitativamente el mecanismo de influencia de la continua disminución del nivel del agua en el Mar Muerto en la deformación de la superficie costera, este estudio seleccionó tres puntos de observación típicos p, q y R de acuerdo con el doble criterio de representación geológica y solidez estadística dentro de la "zona de superposición espacial entre puntos calientes de hundimiento significativos y áreas de colapso conocidas anunciadas por gsi". La práctica específica es construir una zona de amortiguación de 500 m para cada punto para agregar un número suficiente de puntos de monitoreo ps + ds, utilizando la variable de forma acumulativa temporal promedio de la zona de amortiguación como secuencia representativa para inhibir el impacto del ruido local y los píxeles atípicos en el resultado. Posteriormente, la secuencia de variables de forma anterior se comparó con los cambios en el nivel del agua del Mar Muerto en el mismo período para explorar la relación de respuesta dinámica entre los dos.
Fig. 8Se muestran las características de cambio conjunto de la variable acumulativa media de la zona tampón de tres puntos p, q y R con el nivel del agua del Mar muerto, en el que el eje longitudinal izquierdo es la variable acumulativa de la superficie (unidad: mm), el eje longitudinal derecho es el nivel del agua del Mar Muerto (unidad: m) y el eje transversal es el tiempo de monitoreo. Los puntos dispersos rojos, verdes y azules representan las observaciones originales de deformación de los puntos p, q y r, respectivamente, y las líneas reales correspondientes son sus curvas de ajuste lineal, mientras que las líneas punteadas negras representan la tendencia de cambio del nivel del agua del Mar Muerto durante el período de estudio. Los resultados muestran que las tres zonas de amortiguación de puntos característicos muestran un asentamiento continuo significativo, y su proceso de evolución temporal es consistente con la altura de caída del nivel del agua en el mar muerto. Entre ellos, la variable de forma del punto P es la más grande y la tasa media anual de asentamiento es la más alta; R segundo; El punto q es relativamente lento. Esta diferencia puede estar relacionada con factores como el Fondo geológico de cada punto, la distancia y proximidad de la costa del lago y el grado de desarrollo de los estratos salinos.
Para caracterizar aún más la relación de acoplamiento lineal entre la deformación y el nivel del agua,Fig. 8Se calcula el grado de ajuste entre los resultados de ajuste lineal de la variable de forma y el nivel del agua del Mar Muerto en el período correspondiente ( r 2). Los resultados mostraron que la bondad de ajuste de las variables de forma de los puntos p, q y R con la variación del nivel del agua del Mar Muerto en el mismo período ( r m2) fue de 0984, 0982 y 0986, respectivamente, mostrando una alta correlación. Este resultado muestra que en el área de estudio, la disminución del nivel del agua del Mar Muerto tiene un efecto de control obvio en la deformación de la superficie costera, y la contracción continua del agua del lago puede acelerar el proceso de disolución y compactación de colinas de sal o formaciones salinas en la zona costera del lago, induciendo así el asentamiento Regional de la superficie.
Análisis del mecanismo de colapso kárstico a lo largo de la costa del Mar Muerto impulsado por la caída del nivel del agua
Para explicar la relación interna entre el hundimiento de la superficie a lo largo de la costa del Mar Muerto y los cambios en el nivel del agua,Fig. 9Comparación con 1980..Fig. 9) y 2010..Fig. 9Los cambios en el nivel del agua del Mar Muerto y su impacto en el proceso de desarrollo kárstico revelan intuitivamente el mecanismo impulsor clave y el camino evolutivo de la formación del colapso kárstico. En general, la disminución a largo plazo del nivel del agua en el Mar Muerto se ha convertido en la fuerza motriz central para el desarrollo del colapso kárstico a lo largo de la costa reconstruyendo el sistema de aguas subterráneas y promoviendo la disolución violenta de la capa de sal.Avni等，2016). En 1980, el nivel del agua del Mar Muerto era de unos - 400 metros (véase la regla de elevación en el lado derecho de la imagen), el nivel del agua subterránea regional estaba aproximadamente equilibrado con el nivel del Mar muerto, y la interfaz agua dulce - agua salada se encontraba por encima de la capa de sal, lo que hizo que la capa de sal estuviera envuelta en agua salada del Mar muerto, en un entorno relativamente estable y cerrado hidrodinámico, pero debido a que la capa de sal no estaba directamente expuesta al entorno de agua dulce, su disolución apenas ocurría, la estructura de la capa de sal se mantenía completa y el cráter aún no se había formado. Entre 1980 y 2010, el nivel del agua del Mar Muerto cayó unos 23 M (a - 423 m), lo que provocó que el nivel del agua subterránea regional se moviera hacia abajo y hacia el este en su conjunto, y la interfaz entre agua dulce y salada también se desplazó simultáneamente hacia el Centro de la capa de sal, lo que hizo que el oeste de la capa de sal comenzara a exponerse al medio ambiente de agua dulce o mixta ligera y salada. En este momento, las aguas superficiales y la escorrentía de infiltración (mostrada por la flecha amarilla sólida) de la zona de alta cabeza de agua en el lado oeste fluyen hacia el este a lo largo de la capa de conglomerado de alta permeabilidad y la zona de falla, formando un nuevo patrón de suministro de aguas subterráneas, que entra en contacto directo con La capa de sal insaturada, formando una fuerte zona de disolución.Fig. 9Muestra claramente la notable capacidad de penetración direccional mostrada por el acuífero confinado, el flujo de agua erosiona la capa superior de sal a lo largo del Canal dominante, forma un canal de disolución vertical y forma un "agujero de disolución" en el lavado local, que finalmente evoluciona a una estructura de cavidad subterránea. Con la formación y expansión continua de los agujeros de disolución, la capa de arcilla fina y el techo de conglomerado en la parte superior de la capa de sal se adelgazan gradualmente debido a la pérdida del soporte inferior, y la resistencia estructural disminuye significativamente. Cuando la inestabilidad de la estructura superior alcanza el punto crítico, se produce un colapso kárstico, se forma una cavidad subterránea e induce el hundimiento de la superficie y el colapso del cráter, lo que finalmente conduce a la formación del cráter superficial, cuya distribución a menudo presenta características lineales o en forma de perlas. Además, la disminución del nivel del agua ha provocado un aumento significativo del gradiente hidráulico regional; Al mismo tiempo, el reabastecimiento permeable de aguas superficiales (precipitaciones o escorrentía superficial mostradas por flechas naranjas en la imagen) aumenta la intensidad del reabastecimiento de aguas subterráneas en el oeste y agrava el lavado y disolución de las capas de sal. Este proceso acelera la migración espacial del desarrollo de tiankeng, formando así un mecanismo de retroalimentación positiva.
El proceso anterior se confirma mutuamente con nuestro análisis conjunto de Insar - nivel de agua cronológico: la tasa de variación de la forma de varios puntos típicos está altamente acoplada linealmente a la variación del nivel del agua en el mismo período ( r m2 & gt; 0,98), y el lado verifica la cadena de accionamiento hidrogeológico de "descenso del nivel del agua → disminución de la interfaz → disolución de la capa de sal y expansión del agujero → inestabilidad del techo → colapso de la superficie". La Alta coincidencia entre los dos en la posición espacial, la escala de tiempo y la tendencia evolutiva establece aún más los atributos del colapso kárstico en la zona del Mar Muerto como un fenómeno típico de deformación superficial impulsado por procesos hidrogeológicos.
6 Conclusiones
Este estudio propone y verifica un método de reconocimiento de píxeles homogéneos (d - htci) basado en la actualización del intervalo de confianza dinámico, que mejora significativamente la precisión y estabilidad de la extracción de puntos ds; A través de la integración colaborativa de dispersores permanentes y tecnología de optimización de fase secuencial, se construye un sistema de monitoreo de deformación de tiempo largo, alta densidad y alta precisión, que supera efectivamente las limitaciones del método tradicional DS - Insar en la aplicación de entornos kársticos no urbanos. Con la zona del Mar Muerto (junio de 2016 - junio de 2024) como objeto de investigación, los resultados de la verificación muestran que el método mejorado DS - Insar ha ampliado considerablemente la capacidad de monitoreo del entorno kárstico no urbano manteniendo la fiabilidad de los puntos de medición: el número total de puntos de monitoreo en la zona de investigación ha aumentado En aproximadamente un 79,0% en comparación con los métodos tradicionales ps, un aumento de aproximadamente un 22,5% en comparación con los métodos convencionales DS - Insar (basados en htci), y la continuidad de la cobertura espacial ha mejorado significativamente; Especialmente en las zonas de colapso típicas de la costa suroeste del Mar muerto, la densidad de puntos es aproximadamente tres veces mayor que la del método ps tradicional y aproximadamente 1,6 veces mayor que la del método DS - Insar convencional, que puede caracterizar la estructura densa y continua de la zona de hundimiento, definir con precisión los límites espaciales y las características del gradiente de hundimiento de la zona de colapso potencial, y proporcionar un sólido apoyo para la reconstrucción de alta precisión de procesos de hundimiento complejos. Los resultados del monitoreo de deformación revelan características significativas de asentamiento diferencial espacial en el área de investigación, y los puntos calientes de asentamiento muestran una clara concentración espacial y distribución de bandas, con una tasa máxima de asentamiento local de más de - 120 mm / A. Analizando conjuntamente los resultados de la deformación del INSAR con los datos registrados del nivel del agua medido, se confirmó cuantitativamente la relación de acoplamiento altamente lineal entre la tasa de asentamiento superficial y la disminución del nivel del agua en el Mar Muerto a escala regional (ajuste lineal de los puntos de monitoreo típicos r m2 & gt; 0,98), que proporciona un fuerte apoyo empírico para el mecanismo dinámico impulsado por la hidrogeología de "disminución del nivel del agua - invasión de agua dulce - disolución de la capa Salina - colapso kárstico", y profundiza los modelos teóricos relevantes. Este estudio ha logrado avances clave en la expansión de la tecnología DS - insar, la cognición del proceso evolutivo del colapso kárstico en el Mar Muerto y el análisis del mecanismo de respuesta del entorno geológico regional. el sistema técnico formado y los resultados de la investigación pueden proporcionar un importante apoyo técnico y referencia teórica para el monitoreo de alta precisión y El análisis mecánico de desastres de colapso en otras áreas kársticas.
