本发明涉及地面沉降监测，具体为一种多源遥感数据融合的城市地面沉降监测系统。
背景技术：
1、城市地面沉降，也称为地面下沉或地陷，是一个全球性的环境挑战，尤其在城市化快速发展的地区更为显著，城市地面沉降是指城市区域地面因各种原因导致的高度下降现象。它通常表现为区域性下沉和局部下沉两种形式，可引起建筑物倾斜、破坏地基的稳定性，甚至对滨海城市造成海水倒灌等严重影响，的主要目的是为了了解地面沉降的发展过程，分析其原因，预测其趋势，并制定相应的防治策略，需要对地面沉降监测，通过监测，可以及时发现地面沉降问题，评估其对建筑物、基础设施和人类活动的影响，从而采取必要的措施减轻或消除其危害。
2、传统的地面沉降监测方法，如水准测量和gps测量，虽然具有较高的精度，但存在监测范围有限、工作效率低、成本高昂等缺陷。随着遥感技术的不断发展，其在地面沉降监测中得到了广泛应用，然而，单一的遥感数据源往往难以全面、准确地反映地面沉降的真实情况，多源遥感数据融合技术虽能一定程度上弥补这一不足，但现有的融合方法在空间分辨率上仍有待提高，难以捕捉到细微的沉降变化，这对于早期预警和精准防治地面沉降问题构成了挑战。因此，有必要提出一种多源遥感数据融合的城市地面沉降监测系统，以解决现有技术中的问题。
技术实现思路
1、本发明的目的就是为了弥补现有技术的不足，提供了一种多源遥感数据融合的城市地面沉降监测系统，它可以运用独特的超分辨率重建方法，将多源遥感数据进行融合处理后，显著提升城市地面沉降监测的空间分辨率，从而能够敏锐地捕捉到更为细微的沉降变化。
2、本发明为解决上述技术问题，提供如下技术方案：一种多源遥感数据融合的城市地面沉降监测系统，该系统包括：
3、数据采集模块，用于收集不同传感器和平台的多种遥感数据源；
4、数据预处理模块，用于对采集到的多源遥感数据进行预处理操作，用于消除和减少数据中的误差和不一致性；
5、数据融合模块，用于将预处理后的多源遥感数据进行有机融合；
6、超分辨率重建模块，运用超分辨率重建方法，用于对融合后的数据进行超分辨率重建，提高数据的空间分辨率，超分辨率重建方法的具体执行步骤包括：特征提取阶段、深度学习模型构建阶段、模型训练阶段以及图像重建阶段；
7、沉降监测分析模块，用于基于超分辨率重建后的数据，分析地面沉降的时空特征和发展趋势；
8、结果输出模块，用于将监测分析结果以可视化的形式输出。
9、进一步地，所述数据采集模块的具体执行步骤包括：
10、广泛涵盖多种类型的遥感数据源，包括但不限于高分辨率光学遥感卫星、合成孔径雷达遥感卫星以及机载lidar；
11、根据监测需求和数据源特点，设定采集的时间间隔、空间范围以及波段选择参数；
12、按照设定的参数，通过传感器和平台进行数据收集；
13、对采集到的数据进行初步筛选，去除明显存在质量问题和不符合预设要求的数据；
14、将采集到的有效数据进行安全存储，并传输至数据处理中心。
15、更进一步地，所述数据预处理模块的具体执行步骤包括：
16、首先，使用传感器提供的定标参数将原始的数字计数dn转换为辐射亮度值和反射率，l＝dn×g+o其中，l是辐射亮度，dn是原始的数字计数值，g表示增益，o表示偏移量；
17、接着，利用大气辐射传输模型和地面观测数据来估计和去除大气对辐射的影响，其中，ρ是地表反射率，l是传感器接收到的辐射亮度，la是大气向下辐射亮度，e0是太阳辐照度，θs是太阳天顶角，τ是大气透过率；
18、在遥感图像和参考地图上选择多个对应的控制点；
19、利用多项式模型对控制点进行最小二乘拟合，建立图像坐标与地理坐标之间的转换关系，x′＝a0+a1x+a2y+a3xy，y′＝b0+b1x+b2y+b3xy，其中，(x′,y′)是地理坐标，(x,y)是图像坐标，ai和bi是多项式系数；
20、根据建立的几何模型，对原始图像进行重采样，生成校正后的图像；
21、采用中值滤波方法，对于图像中的每个像素，以其邻域像素的中值作为新的值，从而去除噪声，假设邻域像素值为p1,p2,…,pn，则中值滤波后的像素值pfiltered为：pfiltered＝median(p1,p2,…,pn)。
22、更进一步地，所述数据融合模块的具体执行步骤包括：
23、将预处理后的多源遥感数据作为输入，多源遥感数据包括光学遥感数据和sar遥感数据；
24、对于光学遥感数据和sar遥感数据，分别提取其特征，包括光学遥感数据的光谱特征fopt和sar遥感数据的纹理特征fsar，设光学遥感数据为iopt，通过某种特征提取函数fopt提取光谱特征：fopt＝fopt(iopt)，对于sar遥感数据，fsar＝fsar(isar)；
25、计算提取出的特征之间的相似度和相关性，使用余弦相似度来衡量，对于两个特征向量f1和f2，其余弦相似度s的计算公式为：
26、根据相似度和相关性，对特征进行加权融合，得到融合后的特征ffusion：ffusion＝w1f1+w2f2，其中w1和w2为根据相似度计算得到的权重；
27、对于不同时相的同类遥感数据，基于统计分析和决策规则进行融合，计算多个时相数据的均值统计量，设有时相数据d1,d2,…,dn，均值融合的结果dmean为：
28、更进一步地，所述的超分辨率重建模块中特征提取阶段的具体执行步骤包括：
29、利用多层卷积神经网络cnn对输入的低分辨率图像ilr进行初步特征提取，获取浅层的基本特征，包括边缘、颜色，假设第层卷积操作的输出特征图为fl，其计算公式为：fl＝σ(wl*fl-1+bl)，其中，wl是第l层的卷积核权重，bl是偏置项，σ是激活函数，*表示卷积操作；
30、引入残差网络结构，对初步特征进行深度挖掘，提取更抽象、更具代表性的深层特征，这些特征能够捕捉到图像中的细微结构和纹理信息，残差块的输出rl可表示为：rl＝fl+h(fl)，其中，h(fl)是经过一些卷积层处理后的特征；
31、采用注意力机制，自动聚焦于图像中的重要区域和特征，增强对关键信息的提取能力，提高特征的有效性和针对性，注意力权重a通过以下公式计算：a＝σ(wa*f+ba)，其中，wa和ba是注意力机制的参数。
32、更进一步地，所述的超分辨率重建模块中深度学习模型阶段的具体执行步骤包括：
33、设计基于生成对抗网络gan的超分辨率重建模型，其中生成器g负责生成高分辨率图像ihr，判别器d用于判断生成的图像是否真实，生成器的输出可以表示为：ihr＝g(ilr)，判别器的输出是一个概率值，表示输入图像为真实高分辨率图像的可能性，可表示为：p＝d(ihr)；
34、在生成器中，采用密集连接的卷积层和反卷积层，加强特征的传播和复用，提高模型的学习效率和重建性能；
35、判别器采用多层卷积结构，结合批量归一化和leaky relu激活函数，增强对真假高分辨率图像的鉴别能力，从而引导生成器生成更逼真的高分辨率图像，leaky relu函数可表示为：其中，α是一个小于1的常数。
36、更进一步地，所述的超分辨率重建模块中模型训练阶段的具体执行步骤包括：
37、准备大规模的高分辨率遥感图像及其对应的下采样低分辨率图像ilr作为训练数据集，并进行数据增强操作；
38、定义损失函数，包括内容损失和对抗损失，均方误差可表示为：结构相似性指数的计算较为复杂，通常涉及图像的均值、方差和协方差统计量，对抗损失通常基于判别器的输出概率来计算；
39、采用自适应矩估计adam优化算法对模型进行训练，通过动态调整学习率，加速模型的收敛速度，同时避免陷入局部最优解。
40、更进一步地，所述的超分辨率重建模块中图像重建阶段的具体执行步骤包括：
41、将经过预处理和融合后的低分辨率遥感数据ilr输入训练好的超分辨率重建模型；
42、模型通过生成器生成高分辨率的预测图像并经过判别器的反馈调整，不断优化输出结果，最终得到高质量的高分辨率重建图像。
43、更进一步地，所述沉降监测分析模块的具体执行步骤包括：
44、将超分辨率重建模块输出的高分辨率图像数据作为输入；
45、采用小基线集insar技术，计算干涉相位，假设两景sar影像的复数值分别为s1和s2，干涉相位可表示为：其中*表示复共轭；
46、通过最小费用流的相位解缠算法获取真实形变信息d；
47、运用arima模型，假设时间序列数据为yt，模型可表示为：其中c为常数，φi和θj为模型参数， t为白噪声；
48、考虑城市地质结构、地下水位变化以及工程建设因素，建立综合的地面沉降预测模型，基于多元线性回归，假设沉降量y与因素x1,x2,…,xn的关系为：其中β0为截距，βi为回归系数；
49、分析沉降对城市基础设施、建筑物的影响程度。
50、更进一步地，所述结果输出模块的具体执行步骤包括：
51、将沉降监测分析模块得到的结果数据进行整理和分类；
52、绘制地面沉降速率图，假设某区域的沉降速率数据为vi，通过插值算法将离散的数据点连接成连续的曲线和曲面；
53、绘制沉降量等值线图，对于沉降量数据di，使用等值线生成算法，根据设定的等值线间隔，生成等值线来表示相同沉降量的区域；
54、汇总分析结果，包括统计数据，以文字形式进行描述。
55、与现有技术相比，该多源遥感数据融合的城市地面沉降监测系统具备如下
56、有益效果：
57、本发明通过采用超分辨率重建技术，在不增加数据采集成本的前提下，极大地提高了数据的空间分辨率，为精细化的城市地面沉降监测和分析提供了可能，显著提高了城市地面沉降监测的精度和灵敏度，能够敏锐地捕捉到更为细微的沉降变化，为城市基础设施的安全评估和早期预警提供了关键数据支持，有效地融合了多源遥感数据，充分发挥了不同遥感技术的优势，克服了单一数据源的局限性和不确定性，从而提高了监测结果的可靠性和全面性。
58、本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。
1.一种多源遥感数据融合的城市地面沉降监测系统，其特征在于，该系统包括：
2.根据权利要求1所述的一种多源遥感数据融合的城市地面沉降监测系统，其特征在于，所述数据采集模块的具体执行步骤包括：
3.根据权利要求1所述的一种多源遥感数据融合的城市地面沉降监测系统，其特征在于，所述数据预处理模块的具体执行步骤包括：
4.根据权利要求1所述的一种多源遥感数据融合的城市地面沉降监测系统，其特征在于，所述数据融合模块的具体执行步骤包括：
5.根据权利要求1所述的一种多源遥感数据融合的城市地面沉降监测系统，其特征在于，所述的超分辨率重建模块中特征提取阶段的具体执行步骤包括：
6.根据权利要求1所述的一种多源遥感数据融合的城市地面沉降监测系统，其特征在于，所述的超分辨率重建模块中深度学习模型阶段的具体执行步骤包括：
7.根据权利要求1所述的一种多源遥感数据融合的城市地面沉降监测系统，其特征在于，所述的超分辨率重建模块中模型训练阶段的具体执行步骤包括：
8.根据权利要求1所述的一种多源遥感数据融合的城市地面沉降监测系统，其特征在于，所述的超分辨率重建模块中图像重建阶段的具体执行步骤包括：
9.根据权利要求1所述的一种多源遥感数据融合的城市地面沉降监测系统，其特征在于，所述沉降监测分析模块的具体执行步骤包括：
10.根据权利要求1所述的一种多源遥感数据融合的城市地面沉降监测系统，其特征在于，所述结果输出模块的具体执行步骤包括：
