Ground Deformation in Yuxi Basin Based on Atmosphere-Corrected Time-Series InSAR Integrated with the Latest Meteorological Reanalysis Data
Notice bibliographique
Résumé
Time-series interferometric synthetic aperture radar (TS-InSAR) is often affected by tropospheric artifacts caused by temporal and spatial variability in the atmospheric refractive index. Conventional temporal and spatial filtering cannot effectively distinguish topography-related stratified delays, leading to biased estimates of the deformation phases. Here, we propose a TS-InSAR atmospheric delay correction method based on ERA-5; the robustness and accuracy of ERA-5 data under the influence of different atmospheric delays were explored. Notably, (1) wet delay was the main factor affecting tropospheric delay within the interferogram; the higher spatial and temporal resolution of ERA-5 can capture the wet delay signal better than MERRA-2. (2) The proposed method can mitigate the atmospheric delay component in the interferogram; the average standard deviation (STD) reduction for the Radarsat-2 and Sentinel-1A interferograms were 19.68 and 14.75%, respectively. (3) Compared to the empirical linear model, the correlation between the stratified delays estimated by the two methods reached 0.73. We applied this method for the first time to a ground subsidence study in the Yuxi Basin and successfully detected three subsidence centers. We analyzed and discussed ground deformation causes based on rainfall and fault zones. Finally, we verified the accuracy of the proposed method by using leveling monitoring data.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».