InSAR技术在城市环境轨道交通设施沉降监测中的应用.pdf

第 63 卷 第 7 期2023 年7 月铁道建筑Railway EngineeringVol.63 No.7July 2023文章编号：10031995（2023）07014405InSAR技术在城市环境轨道交通设施沉降监测中的应用胡在良1，2 邹友一2 简国辉1，2 袁慕策1，2 解志峰21.中国铁道科学研究院集团有限公司 铁道建筑研究所，北京 100081；2.铁科检测有限公司，北京 100081摘要 以城市环境轨道交通中具有代表性的铁路线路形变监测为例，采用星载合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar，InSAR）技术搜集了79景高分辨率CosmoSkyMed影像，其时间跨度为2013年1月到2020年8月，在研究区域内得到了540 120个目标点，并利用这些数据开展铁路沿线沉降观测。结果表明：该区域最大沉降速率达到了86.3 mm/年；沉降时间序列信息展示了观测期间内的沉降变化趋势，体现了高分辨率影像在长时间跨度内进行城市环境轨道交通沉降监测的有效性。得到的沉降速率和历史沉降信息能为沉降分析和治理提供参考。关键词 InSAR；时序合成孔径雷达干涉测量；轨道交通；沉降监测；沉降速率中图分类号 U216；P237 文献标识码 A DOI：10.3969/j.issn.10031995.2023.07.28引用格式：胡在良，邹友一，简国辉，等.InSAR技术在城市环境轨道交通设施沉降监测中的应用 J.铁道建筑，2023，63（7）：144148.在城市急速发展和人口不断扩张的背景下，城市沉降现象时有发生，给城市基础设施的服役状态造成了影响1。轨道交通作为连接城市的主要交通枢纽也无法避免受到地面沉降的影响，沉降会直接影响到轨道的平顺性，从而危及行车安全，因此针对轨道交通开展沉降监测对轨道交通的安全运营具有重要意义。传统沉降监测主要以全球卫星导航系统、水准测量等监测手段为主，这些技术都是基于离散点目标，监测范围小，耗费的成本较高，尤其是在环境较为复杂的城市区域，安全性也有待衡量2。InSAR技术作为一种主动式微波遥感监测手段，具有大范围、全天时、高精度的优势，其非接触监测方式，对于开展某些危险区域的沉降监测意义重大3。尤其是最新的时序 InSAR 技术，通过分析基于多景SAR影像提取出的高相干点目标，抑制时空失相干、大气效应等噪声因素的影响，可达到毫米级别的沉降探测精度4。由于InSAR技术能有效分析长时间序列内散射特性稳定物体的相位，同步得到目标区域大范围的地面形变结果，近年来已有相关研究尝试将InSAR技术应用于铁路及沿线区域的沉降变形监测。在中国，研究人员基于时序InSAR技术也进行了大量的沉降监测研究，如在北京、天津、苏州、上海等城市开展的工作，均取得了较好的应用效果。通过与水准测量结果进行对比，InSAR监测结果精度均在毫米级别，与水准测量结果的一致性较高，证明了利用InSAR方法进行沉降监测的可靠性5-10。本文以某铁路线路为例，采用 3 m 分辨率的CosmoSkyMed数据，得到该区域的沉降信息，体现基于高分辨率SAR数据的时序InSAR技术在轨道交通沉降监测中的潜力，利用得到的长时间跨度内历史沉降信息，可为分析该区域沉降演变规律和沉降诱因提供参考。1 永久散射体InSAR技术 针对传统干涉测量技术存在受时空失相干和大气效应影响导致的精度不稳定的问题，Ferretti 等11提出了永久散射体 InSAR（Persistent Scatter InSAR，PSInSAR）技术。PSInSAR技术作为时序InSAR技术中极具代表性的一种技术，选取覆盖同一地区的多幅SAR影像，分析时间序列上所有SAR影像的幅度信息和相位信息的统计特性，从而选取高相干点，即永久散射体（PS）。这些点目标在时间上散射特性相对稳定，回波信号较强，受噪声影响很小，从而可以保证测量结果的精度12。在整体的形变解算策略上，PSInSAR技术放弃对整幅SAR影像的所有像素进行处理，仅在其中散射特性稳定的高相干点上进行形变模型构建和形变参数收稿日期：20230227；修回日期：20230503第一作者：胡在良(1978)，男，副研究员，硕士。E-mail：第 7 期胡在良等：InSAR技术在城市环境轨道交通设施沉降监测中的应用解算。通过时域、空域相关理论抑制大气误差和去相干噪声的干扰，提高了形变测量精度，PSInSAR技术形变测量精度可以达到毫米级。从铁路行业设施沉降监测的精度需求出发，采用PSInSAR技术开展基础设施沉降监测是有必要的。基于永久散射体的InSAR形变信息提取的技术路线如下。1）获取覆盖同一地区的N幅SAR影像数据，通过影像数据间的时间基线、空间基线、多普勒质心频率差来综合选取其中一幅影像作为主影像，其余影像作为辅影像，通过干涉处理形成N-1幅干涉图。2）利用数据高程模型（Digital Elevation Model，DEM）数据和精密的轨道数据，模拟因观测视角和地形因素导致的平地相位和地形相位，将其从干涉图中去除得到差分干涉相位图。DEM数据可通过在线平台免费获取，也可通过在获取的 SAR 影像中选择两幅空间基线较长但时间基线较短的影像数据来生成。3）根据相干系数阈值法或振幅离差阈值法进行候选PS点的选择。其中，相干系数阈值法是最常用的PS点选取方法，主要根据在时间序列干涉图上各个像元的相干系数的统计特性完成点的选取。选取的准则包括两种。根据平均相干系数进行阈值选取，即1N-1i=1N-1i T（1）式中：i为第i幅相干图的相干系数；T为阈值。根据最小相干系数进行阈值选取，即min i|i=1，2，N-1 T（2）振幅离差阈值法是利用对像元的稳定性来代替相干性的估计，往往需要较多的 SAR 图像（大于 30幅）。振幅离差与相位标准差的关系为AmA=DA（3）式中：A、mA分别为振幅的标准差、均值。当振幅离散度指数小于0.25时，相位标准差与振幅离散度指数近似相等，因此，DA可以作为相位稳定性的测量参数。4）在N-1幅干涉图的所有PS点上建立平均形变速率、高程误差、大气相位参数与差分相位的模型方程组。如果只考虑线性形变，利用N-1幅干涉图和H个PS点，可以建立模型方程组，即=aT+pT+pT+BT+TvT+E（4）式中：为干涉图中每个PS点的干涉相位信息；a为相位常量；p、p分别为由于大气贡献或者轨道误差的原因，在方位向和距离向上的线性相位系数；B为N-1幅干涉图的垂直基线乘以4/(Rsin)，R和分别为各PS点与获取主图像的雷达对应的斜距和局部入射角；为每个 PS 点的高程残余项，为残余高程；T为N-1幅干涉图中主辅图像时间间隔乘以4/；v为每个PS点沿雷达视线方向上的线性形变速率；E为残余相位，主要包括大气非线性相位，形变非线性相位和噪声相位。由式（4）可知，该相位模型考虑了成像几何、地表形变、大气效应、时间和基线去相干等各项因素。几何相位包含地形误差引起的相位和卫星位置（轨道不重合）引起的相位，其中卫星位置引起的相位又可分解为沿方位向和距离向坐标线性变换的两个分量。大气相位可分解成常数项、线性变化项和残差项之和。地形相位和形变相位分别是与基线、高程误差和形变速率、时间相关的两个独立项。对于式（4）的差分干涉相位函数模型，如果能获得各PS点的差分干涉相位的解缠相位，则模型的解算就是一个线性方程组的求解问题。由于存在去相关和大气效应问题，无法用常规的相位解缠方法求得各PS点的差分干涉相位的解缠相位，因此，上述方程组的解算仍然是一个非线性系统问题。5）在不考虑噪声E的情况下，可以解出3（N-1）+2H 个未知数（a、p、p、v），从而得到线性形变速率、高程误差和大气影响相位的初始估计。6）在得到的线性形变速率、高程误差和大气影响相位的初始估计基础上，通过迭代估计，进一步提取更多的PS点，得到更精确的高程误差与线性形变值，最后通过时空滤波获取非线性形变值，将线性形变和非线性形变值进行叠加，得到目标点的完整形变量。2 数据集与数据处理 2.1CosmoSkyMed遥感影像数据集CosmoSkyMed 是工作于 X 波段（3.1 cm）的 SAR雷达卫星星座，具备全球覆盖和定制化采集的SAR影像数据供应能力。该SAR卫星星座由意大利的航天局和国防部共同建设，是目前X波段商业化影像数据的主流供应商。由于城市区域人工构筑物较多，地物散射特性较为稳定，受植被扰动等因素的影响较小，因此选择波长较短的X波段SAR数据，便于对轨道交通设施进行更精细化的监测。采用该影像数据对某铁路线路的一部分基础设施开展沉降监测应用的研究，选取条带模式（Strip Map）影像，平面空间分辨率 3 m，影像幅宽 40 km 40 km，影像采集的入射角2060。145铁道建筑第 63 卷在研究区域选取上，选取某铁路线路两侧各1 km的范围为研究区域，如图1所示。其中底图为ALOSDSM。数据处理过程中所用DEM数据为30 m分辨率STRM1 数据。影像数据时间跨度为 2013 年 1 月到2020年8月，共79期观测数据。2.2遥感数据处理数据处理的主要步骤包括：原始SAR数据的预处理、相干目标点的选取、主影像选择与干涉条纹图的计算、差分干涉图的生成、形变模型建立和相位解缠、大气效应等误差的估计与去除、形变速率和时间序列形变量估计。具体流程如下：1）对N幅SAR影像进行辐射定标处理，并选取其中一幅影像为参考对其余N-1幅影像进行配准处理，配准精度需达到亚像元级别。2）利用相干系数法或者振幅离差阈值法进行相干目标点的选取，相干目标点一般对应房屋、道路、裸露的岩石等实际地物。3）在N幅SAR影像中，选取其中一幅干涉图作为主影像，其他影像为辅影像。辅影像分别与主影像共轭相乘进行干涉处理，获得N-1幅干涉图。4）利用外部的DEM数据，对N-1幅干涉图进行差分干涉处理，得到N-1幅差分干涉图。5）在差分干涉图中提取相干目标点对应的差分干涉相位，对相干目标点建立回归模型，进行高程误差和形变值的解算。6）通过迭代计算进行精密基线估计，同时利用时空滤波算法对不同时空频率的相位成分进行分离，重新获取高程误差和形变信息。7）优化模型，将线性和非线性形变分量叠加，输出平均形变速率值、时序形变量等形变信息。8）将形变信息进行地理编码，并在地理空间信息分析平台进行可视化和后续的空间分析处理。SAR传感器是侧视成像，得到的原始结果是视线向上的形变信息，需要将其转换成垂直向上的形变信息，才能反映出沉降状况。该过程只需知道入射角参数即可完成转换。3 地表形变分析 在研究区域内得到了540 120个目标点，每个点都有相应的平均沉降速率和以起始日期为参考的各个观测日期的累计沉降量，数据以矢量格式保存，同时可为每个点添加经纬度属性，便于进行空间分析。大量点一次性展示对软硬件要求极高，此处以光学影像为底图，选取一部分来展示提取到的目标点的分布状况，如图2所示。由图2可知：由于影像分辨率较高，加上城市区域内影像失相干现象较弱，即使在较长的时间跨度内，依然可以提取到足够多的目标点，通过计算，点的平均密度约为7 000个/km。这些目标点主要位于轨道、道路、周边房屋建筑等地物上，符合时序InSAR算法的理论预期结果。截取线路两侧各20 m范围内的目标点进行统计，在该范围内目标点总数为30 409个，根据微波遥感成像原理，金属设施更容易形成有效观测点，因此在该范围内目标点主要分布在轨道上，相比传统的地面单点测量方式，在轨道上获取的观测点数量更多，能保证对轨道基础设施的精细监测。为展示该区域完整的沉降分布状况，对得到的沉降结果进行插值处理，通过反距离加权算法来实现，这样整条线路的区域性沉降状况就能完整体现。由于点的密度足够大，对于研究区域内目标点没有覆盖到的部分，也能很好地进行沉降趋势预估，结果可靠性可以得到保证。研究区域沉降速率见图3。由图3可知：形变速率在-86.3 mm/年到8.1 mm/年，可以很直观地看出线路不同部分的形变速