基于SBAS-InSAR技术的双江县地面沉降研究_欧阳梓铭.pdf

2023 年 2 月第 1 期城市勘测Urban Geotechnical Investigation SurveyingFeb2023No1引文格式:欧阳梓铭，左小清，赵彦熹 基于 SBASInSA 技术的双江县地面沉降研究 J 城市勘测，2023(1):8792文章编号:16728262(2023)018706中图分类号:P225，P64226文献标识码:A基于 SBASInSA 技术的双江县地面沉降研究欧阳梓铭*，左小清，赵彦熹*收稿日期:20220318作者简介:欧阳梓铭(1998)，男，硕士研究生，研究方向:InSA 数据处理与分析。Email:554718174 qqcom通信作者:左小清(1972)，男，博士，教授，研究方向:遥感图像处理与分析、时空大数据挖掘与分析。Email:514012196 qqcom基金项目:国家自然科学基金项目(42161067)(昆明理工大学 国土资源工程学院，云南 昆明650093)摘要:1988 年 11 月 6 日，澜沧战马坡发生 7.6 级特大地震，双江县属于澜沧耿马地震带影响带内，境内新构造运动较强烈。针对双江县内地质构造复杂且多发地质灾害的特征，采用 SBASInSA 技术对双江县内地面沉降进行监测，首先利用覆盖双江县的 42 景 2018 年 7 月 1 日2021 年 5 月 22 日的 Sentinel1A 影像获取县域内整体形变速率，然后对形变较大的 6 个典型形变区进行沉降原因分析，最后结合光学遥感影像和实地勘察验证 InSA 监测的可行性。结果表明:双江县的整体沉降在 3470 mm/a9934 mm/a之间，且沉降分析结果与光学影像和野外实地核查情况相符，沉降原因主要是由于双江县周期性的降水和断裂带分布及人类工程活动设施修建有关。关键词:SBASInSA;形变分析;沉降监测;双江县1引言地面沉降是由自然或者人为因素引发的一种地质现象，这种地质现象表现为松散的地层固结压缩导致地面的高程缓慢降低1。随着城市的飞速发展导致人类工程经济活动不断扩大，如矿产资源过度开采、水利设施的修筑、城乡村建设等都会导致地面沉降的速度明显加快2。根据20112020 年全国地面沉降防治规划其中指出，我国 21 个省份中超过 50 个中大型城市发生了地面沉降灾害，超过 7.9 万 km2的区域地面沉降量达到 200mm 以上3。相对于传统地表形变的监测方法包括精密水准测量，GPS(global positioning system)测量，三角高程测量等，这些传统测量精度高，但是却有监测效率低、空间分辨率低、观测周期长，监测成本高等缺点，且不能进行大范围的监测4，5。于是为了克服这些传统监测技术的缺点，一种新兴的地面沉降监测技术，合成孔径雷达干涉测量技术(Interferometric SyntheticAperture adar，InSA)为地面沉降监测提供了新的思路。它具有高空间分辨率、覆盖范围广、且不受到天气条件的限制等优点，广泛应用于大面积的地表形变监测中6，7。伴随着时序 InSA 技术的不断完善和发展，2002 年出现的 SBASInSA 技术凭借着使用多主影像的干涉对和小基线集技术，已经逐渐地发展成为地面沉降监测的一种有效的辅助技术8，9。许多国内外的学者都利用小基线集技术对城市的地面沉降开展了一系列的监测和研究，Casu 等在美国洛杉矶及意大利 Naples 湾运用 SBASInSA 技术监测地面沉降信息，获得了形变速率的标准方差大约为1 mm/a的理想结果10，张双城等利用 SBASInSA 技术对北京市的地面沉降进行监测，并将监测结果与GPS 观测资料进行对比，验证了时序 InSA 的有效性11，尹振兴等采用 ENVISAT 和 ALOS 两种影像数据并运用 SBASInSA 技术对昆明市进行地面沉降监测，结果表明两者的沉降中心位置基本相同，且地面沉降趋势与同时期水准测量结果较为一致，验证了 SBAS技术的可靠性和有效性12。JimingGuo 等运用 SBASInSA 技术对天津市地面沉降进行监测并将结果与2015 年的沉降数据进行分析对比，结果发现二者的沉降趋势和位置表现大致相同，并使用 46 个 COS 站数据检验了沉降结果的准确性13。徐燕春等利用 94 景Sentinel1A 卫星影像获取长沙市城区 2017 年2020年间的地表沉降信息并通过实地勘察，对比历史光学影像等多源数据，研究结果表明地表及地下工程的建设是造成地面沉降的主要原因，并将 SA 数据与COS 站数据进行对比验证，发现两者沉降速率高度吻合，证明 SBAS 监测结果的可靠程度较高14。综合以上研究成果来看，SBASInSA 技术在大面积区域的沉降监测上得到了广泛的应用，但是监测区域大都是经济较发达的中大型城市及省会城市，而对于云南城市勘测2023 年 2 月省地质灾害多发的山区沉降监测的较少，因此本文采用SBASInSA 技术和2018 年7 月1 日2021 年5 月22 日42 景 Sentinel1A 影像及外部精密轨道数据 POD 和外部DEM 数据去除地形相位误差和轨道误差，对云南省双江县进行大范围的地面沉降监测，并结合水文、地质环境光学遥感等多源数据对沉降原因进行综合分析，为双江县的防灾减灾工作提供相关的技术支持。2研究区概况与实验数据2.1研究区概况双江拉祜族佤族布朗族傣族自治县(9935251000933E;231158234850N)地处云南省西南部，临沧市南部。双江县东与景谷县隔江相望，南与澜沧、沧源两县毗邻，北接临沧市圈内乡，西同耿马县相依，总面积 2 15678 km2。境内主要由构造盆地、山地、河谷等三种地貌形态组成，整体呈西北高，东南低的地势形态。在地层岩性方面，双江自治县处于澜沧江与怒江中部径向地质构造带，东西两侧受近于南北向的卫本兴华压性断裂和翁吉贺科压扭性断裂两大断裂的控制，双江盆地为地堑式断陷堆积盆地，县域内地层以古生代变质地层为主，有少量泥盆系、石炭系、三叠系、侏罗系、上第三系和第四系地层15。2.2实验数据本次试验使用的数据包括 SA 影像，2021 年北京2 号光学影像数据，外部数字高程模型(digital eleva-tion model，DEM)，精密轨道数据。欧空局于 2014 年 4月发射了一颗搭载 C 波段合成孔径雷达的 Sentinel1A 卫星，本实验主要使用 Sentinel1A 卫星的 SLC 数据 42 景降轨 Sentinel1A 影像(2018 年 7 月 1 日 2021 年 5 月 22 日)，成像模式为 IW 模式，极化类型选择 VV+VH 详细数据如表 1 所示。北京二号卫星是一颗民用商业卫星，它拥有 08 m分辨率全色及 32 m分辨率多光谱图像，可为地质灾害监测提供技术支持。DEM 辅助数据选用美国太空总署(NASA)发布的STM90 数据，分辨率为 90 m。精密轨道数据使用的哨兵卫星所对应的轨道数据。表 1试验数据基本参数卫星型号Sentinel1A极化方式VV+VH入射角393成像模式IW轨道方向降轨影像数量42波段C影像开始日期2018 年 7 月 01 日影像结束日期2021 年 5 月 22 日3时序 InSA 数据处理3.1SBASInSA 技术原理SBASInSA 技术是由 Lanari 等人于 2002 年提出的一种基于时间序列的 InSA 分析技术16。其基本思想是采用多主影像的方法，将超级主影像和多主影像通过设置空间基线阈值和时间组合出短时间基线和空间基线的干涉图，最后采用奇异值分解(SVD)法对干涉图求解形变速率，以得到最后的沉降速率结果，SBASInSA 技术路线如图 1 所示。SBASInSA 数据处理过程大致如下:图 1SABSInSA 技术路线图对获取研究区域内的 N+1 幅景象按照 t0，tn的顺序按照时间进行排序，并选取一幅影像作为主影像，并将剩余的 SA 影像与主影像两两进行配准，会生成M 幅差分干涉图且 M 数量满足如下关系(式 1)。N+12MN(N+1)2(1)将经过两个不同时刻的辅影像 tA和主影像 tB(tBtA)获取的 SA 影像生成第 j 景差分干涉图，其 x 方位向坐标和 r 距离向坐标的干涉相位为:j(x，r)=B(x，r)A(x，r)4 d(tB，x，r)d(tA，x，r)+jtopo(x，r)+jatmo(x，r)+jnoise(x，r)(2)其中，式(2)中 j(1，M);为雷达信号的中88第 1 期欧阳梓铭，左小清，赵彦熹.基于 SBASInSA 技术的双江县地面沉降研究心波长;d(tB，x，r)和 d tA，x，r()为 tB和 tA时刻相对于t0时刻雷达方向上的形变量;jtopox，r()表示差分过程中的地形相位;jatmox，r()为大气延迟相位;jnoise(x，r)表示噪声相位。当忽略地形相位，噪声相位和大气延迟相位等因素时可将公式简化为:j(x，r)=B(x，r)A(x，r)4 d(tB，x，r)d(tA，x，r)(3)处理后的相位可以用矩阵的形式来表示:=A(4)式(4)中 A 是一个 MN 的矩阵。理想情况下，当不考虑时间和空间基线的限制时所有的 SA 影像都包含在同一个小基线内，但由于时间基线阈值和空间基线阈值的设置不同，会导致在基线的组合时发生秩亏。采用奇异值分解(SVD)可以求出最小二乘解，从而有效解决秩亏问题，以求得最终的形变量信息。3.2实验数据处理本次实验所采用的 DEM 数据为美国太空总署(NASA)发布的 STM90 数据，分辨率为 90 m，用于去除地形相位。使用 POD 精密轨道数据来减少基线误差，在数据处理之前，首先将对获取的哨兵数据进行预处理，将哨兵数据导入 Envi 平台的 SAscape 5.2.1 软件中，根据本次所研究的范围将 SA 影像进行裁剪，之后将对裁剪后的数据进行如下处理，详细步骤如下:(1)生成连接相对。将对输入的 42 景 SLC 影像进行干涉配对，本次数据处理选择 2019 年 12 月 11 日作为超级主影像，剩余的 40 景影像作为辅助影像，与超级主影像进行配准。时间基线阈值设置为 60 天，得到的干涉像对连接的时间基线图如图 2 所示，图中黄色点是超级主影像。图 2时空基线分布图(2)干涉工作流。这一步骤是对上一步生成的干涉像对进行干涉处理，干涉工作流包括对生成的干涉像对的去平、滤波、相位解缠等工作。滤波采用 Gold-stein 滤波去除平地和地形相位，生成干涉条纹图，利用连接图编辑工具去除相干性低的像对。完成干涉后查看结果，发现总体干涉和去平效果达到预期。(3)轨道精炼和重去平。在得到的差分干涉图进行估算和去除残余相位和解缠后存在的相位坡道。选择一副相干系数图创建 GCP，对数据进行重去平，GCP选取应该遵循远离形变区，没有残余的地形条纹，在稳定区域内选取，且 GCP 的选取数量应该尽可能多一些，要多选取的原因是由于数据的相干性并不相同，多选一些可以避免失相干情况。(4)SBAS 两次反演。第一次是对残余的地形相位和形变速率进行估算，采用的模型是线性模型，第二次反演是基于第一步反演的基础上根据 GCP 控制点去除平地效应，去除大气效应和地形残差得到最终的形变速率和位移结果。(5)地理编码。将上个步骤获取得到的雷达坐标系进行地理编码，转换到统一的地理坐标系中，得到平均形变速率结果。再将栅格数据转为矢量的数据为下一步的地表形变分析提供可视化的依据。4结果与分析4.1沉降结果通过上面的数据处理，得到了 2018 年 7 月 1 日2021 年 5 月 22 日的地表沉降速率图，如图 3 所示。图3 中形变速率为红色表示地面下沉，形变速率为绿色表示地面抬升，从图 3 中可以看出双江县的整体沉降速率在9934 mm/a3470 mm/a之间。在县域的东部及东北部出现多处严重的沉降，大多分布于村庄及乡镇地区，人口密集，为了对整个县域沉降较为严重的区域做详细分析，本文圈出位于