SBAS-InSAR技术的广州市地面沉降监测

聂运菊 计玉芳 熊 倩

(东华理工大学 测绘工程学院, 江西 南昌 330013)

摘 要：为了研究广州市地面沉降情况,利用覆盖广州地区的34景Sentinel-1A影像数据,基于永久散射体(PS)特征点的短基线合成孔径雷达干涉测量(SBAS-InSAR)技术进行时序分析,结果表明 ：研究区总体形态呈稳定状态,研究区域内存在6个沉降区,在监测时间内,研究区沉降速率为-32.1 mm/a～7.3 mm/a,累计沉降量为-92.1 mm。广州市的软土是导致沉降的主要因素,城市的工程建设以及地下水的过度开采为重要原因。

0 引言

人类活动以及特有的软土地质使得珠江三角洲地区的地面高度正在逐年下降,近十年来,广州及其周边城市,频繁发生地面沉降、塌陷以及严重的洪涝灾害,给居民的生命和财产带来严重的损害[1]。因此，及时了解监测城市地面下沉原因,并采取相应的措施，从而减少事故发生的频率。

传统的地面沉降监测方法包括水准测量、三角高程测量、GPS技术,它们具有时间长、效率低、成本高等缺点[2-3]，但难以满足城市的大区域、高精度、高频率的地表形变监测[4]需求。合成孔径雷达技术(interferometric synthetic aperture radar, InSAR)是近40年发展起来的空间大地测量技术,不受光照和气候条件等限制，可实现全天时、全天候、高精度、高空间分辨率获取地表形变数据的目标。随后提出了差分干涉测量(different interferometric synthetic aperture radar,D-InSAR)技术,研究表明,D-InSAR容易受到是失相干与大气延迟的影响而导致监测精度降低[5],为了使InSAR技术在地表形变监测精度方面有较大提高,相关学者提出了永久散射体(persistent scatterer-InSAR,PS-InSAR)[6]与短基线合成孔径雷达干涉测量(small baseline subset-InSAR,SBAS-InSAR)[7]技术，并且得以快速发展,并广泛应用于城市地表监测[8 -10]，刘会平[11]等最早利用层次分析法对广州市地面沉降进行危险等级分类,其中极不稳定的地区为珠江沿岸以及珠江环绕地区,ZHAO Qing[12]利用干涉点目标分析(interferometric point target analysis，IPTA)技术对广州市地面沉降进行研究,发现广州地面沉降主要是由软土造成。王华等[13]等采用Envisat卫星第297轨道19景雷达进行研究区的地面沉降分析,并结合水准数据,验证结果的准确性。聂运菊[14]等利用PS-InSAR结果选取的合适PS特征点为控制点,结合SBAS-InSAR技术分析南昌地铁沿线沉降原因。以广州市为研究区基于PS特征点的SBAS-InSAR,对广州地区2019—2021年35景Sentinel-1A数据进行处理分析,获取该地区的累计沉降量和平均沉降速率,并结合该城市的地质特点与基础设施的建设,分析该地区的沉降原因。

1 研究区域和实验数据源

1.1 研究区域概况

广州(112°57′E～114°3′E,22°26′N～23°56′N)地处中国南部、广东省中南部、珠江三角洲中北缘,地势呈东北高、西南低, 背山面海。濒临中国南海,水域辽阔,支流众多,广州主要河流有北江、东江北干流及增江、流溪河、白坭河、珠江广州河段、市桥水道、沙湾水道等广州市地处南方丰水区,境内河渠纵横,水资源丰富,大小河流(涌)众多,水域面积广阔,集雨面积在100 km2以上的河流共有22条。具体研究区域如图1所示。

图1 研究区地理位置

1.2 数据介绍

本研究选用覆盖广州市以及部分佛山地区的34景欧空局的2019年1月—2021年10月 Sentinel-1A为数据源,进行地面沉降数据处理,具体参数见表1。为了提高影像轨道精度,采用了欧空局发布精密定轨星历(precise orbit ephemerides,POD)数据去除轨道误差,由美国航空航天局(National Aeronautics and Space Administration,NASA)提供的分辨率为30 m的航天飞机雷达地形测量任务(shuttle radar topography mission,SRTM)空间分辨率的数字高程模型(digital elevation model,DEM)去除平地误差。

表1 数据源基本参数

注：①垂直发射垂直接收(vertical transmit,vertical receive;VV)。

2 研究方法

2.1 控制点的选择

将PS技术得到的结果加载至用户桌面组件Arc Map中,提取PS监测结果中形变速率处于-0.03 mm/a-0.03 mm/a且"Coherence" ≥0.9的特征点作为SBAS技术中的地面控制点[15],地理坐标系中的PS点不能直接应用于SBAS-InSAR技术中的控制点,需要将筛选的PS点转换到SAR坐标系中,才能在SBAS实验过程中进行使用。同时也需要删除一些误差较大控制点,来保证结果的准确性。控制点位置如图2所示。

图2 控制点位置

2.2 以PS特征点为控制点的SBAS-InSAR技术

PS-InSAR技术是分析点目标,是对表现为高相干性的散射体,将所得的产品是相关的线性位移的测量和推导的精确高度的局部散射体,通常其特征在于高相干性。SBAS-InSAR技术,改变了干涉对集合的形成方式,能有效削弱时间、空间失相关的影响,提高观测结果的精度,基于PS特征点的提取作为SBAS-InSAR控制进行实验。具体流程如图3所示。

图3 技术流程图

3 结果分析

3.1 沉降结果总体分析

由图4可知，研究区域内年平均沉降速率为-32.1～7.3 mm/a,其中,沉降主要分布在东北部与西南部。沉降主要分布在沉降速率的大小可反映该地区沉降情况。将SBAS-InSAR结果矢量化,得到2 169 642个SBAS点,将这些按照年平均沉降速率按照一定的区间进行统计,并计算出各区间个点的数量。统计结果如图5 所示。

图4 沉降速率图

图5 沉降速率区间统计图

由图5可知,沉降区间在-6～4 mm/a之间,约占97%。其中0～7.3 mm/a占34.5%沉降速率为正值,处于抬升状态,-32.1～0 mm/a约占65.4%，沉降速率为负值,处于下沉状态。根据地面沉降干涉雷达数据处理技术规范中地面沉降严重程度分级标准[16],对研究区进行地面沉降严重程度等级分类,并统计沉降速率在地面沉降等级分类中占百分比，如表2所示。

表2 地面沉降严重程度及所占百分比统计

经上述发现,该研究区大部分为-10～0 mm/a，属于沉降较低的；仍有极少部分为-50～30 mm/a,处于沉降中等区域。

3.2 特征点时序分析

为了进一步了解广州市地面沉降时空变化的一般沉降特征,在图6中选择了6个沉降区域分别选择一个特征点进行分析。如图6所示,特征点 P1、P2、P3、P4、P5 和 P6 分别选自区 A 区域、B 区域、C 区域、D 区域、E 区域和 F 区域。B区域、C区域、E区域沉降漏斗呈条状分布,A区域、D区域、F区域沉降漏斗较小。从图中可以看出，E处沉降最为严重地监测期间平均沉降速率为-32.1 mm/a。A 区域、B 区域、C 区域、D 区域、F 区域监测期间平均沉降速率分别为-29.3、-23.3、-26.0、26.3、30.1 mm/a。

图6 研究区沉降速率图

对SBAS-InSAR结果在时间序列上累计沉降量的成图。如图7,图中呈现出的折线相对平顺。从图中都可以看出,P2、P5特征点表示的折线,出现轻微的波动,其余四个特征点累计沉降量保持相对匀速下降状态。这表明在监测期间内这四个区域均沉降速率保持相对稳定。从P2特征点折线图可以看出,2019年1月—2019年6月,折线的值均大于0,表示该地区呈抬升趋势,此后开始沉降,2019年12月至监测末期,沉降速率较之前有明显的加快,整个监测期间P2特征点的累计沉降量为-55.6 mm,2019年1月—2019年12月,P2特征点累计沉降为-1 mm,2020年1月至监测末,累计沉降为-54.6 mm。P3、P4特征点折线图斜率表现基本一致,2020年8月至监测末较之前斜率逐渐平稳,沉降速率较之前有所减缓,累计沉降量分别为-58.4、-57.2 mm。P6、P1两个特征点的折线斜率保持基本一致,表明形变速率保持基本一致,累计沉降量分别为-88.8、-85.1 mm。P5特征点只有在图中2019年5月出现波动,沉降速率为最大,2019年7月—2021年10月P5与P1、P6沉降速率保持大体一致,累计沉降量为-92.1 mm。

图7 特征点时序累计形变

选择A、B、C、D、E、F区域的累计沉降量分析在时间序列分析来分析地面沉降时空变化特征,将SBAS-InSAR的矢量结果按导出时间序列上累计沉降量,首先以2019年2月6日为始相位,每四个月进行统计按照沉降量不同等级进行分类。如图8所示。

(a)2019-02-06 (b)2019-06-06 (c)2019-10-04

(d)2020-02-01 (e)2020-06-12 (f)2020-10-10

(g)2021-02-07 (h)2021-06-07 (i)2021-10-05
图8 时序累计沉降变化

从图8可以看出,在监测期间内,A区域、B区域、C 区域、D区域、E区域、F区域,地面沉降一直处于持续变化 。2019年10月,A区域、E区域、F区域最先开始沉降,其中E区域沉降面积最大。

A区域从2019年10月—2020年10月,快速发展,面积逐渐增大,形成了一个沉降漏斗,此时漏斗中心的最大地面沉降为-51.3 mm;2020年2月—2021年10月A区域沉降轮廓基本保持不变,但地面一直处于沉降状态,地面最大累计沉降量为-85.1 mm。A区域为柯木塑站附近,2017年6年28日开始开通,可能由于地盾构造产生地面沉降,同时柯木塑地下矿泉水过度开采也是柯木塑地区发生沉降的重要原因。

B区域从监测初期至2019年6月累计沉降值为正值,均处于抬升状态;至 2020年10月出现较为明显的沉降;2021年2月—2021年10月,形变速率较之前出现明显增大,形变量出现明显增大,且在2021年6月出现沉降漏斗;直至2021年10月,B区域最大形变量为-55.6 mm。B区域为保利天汇附近,查阅资料发现,该区域为小新塘旧改项目所在地,可能由于周边建筑设施出现明显增多,导致周围的地面沉降。

C区域总体表现出较为平稳的下沉,2020年6月,出现较为明显的沉降;2020年6月—2021年2月,沉降速率明显增大,且出现沉降漏斗;2021年2月至监测末期,沉降区域基本不变,但地面一直处于较为缓慢的沉降。C区域为海珠湖附近,海珠同时与石榴岗河、大围涌、大塘涌、上冲涌、杨湾涌、西碌涌6条河涌构成一湖六脉的水网格局,地区大多数为软土地区[17],是造成珠江三角洲地区地面沉降因素之一。

D区域直至2020年6月,出现较为明显的沉降状态,2020年6月—2021年2月,沉降速率发展最快,且在2021年2月出现沉降漏斗;2021年2月至监测末期,沉降范围没有明显增大,沉降量稳定增加。监测末期累计沉降量为-57.2 mm。D区域为沙洛村附近,为西江和珠江流域,广州河段的交汇处,由河床堆积而成的。通过查阅资料发现，在监测期间广州第一座COCO Park 在该区域建设,该区域的沉降可能是城市建筑物的挤压,导致上部分荷载不均匀,形成地面沉降。

E区域在监测期间累计沉降量与沉降范围均为最大,2019年4月—2020年6月,形变速率快速增大,并形成了沉降漏斗,2020年6月至监测末期,沉降范围,累计沉降量随时间逐渐增加,最终地面沉降量为-92.1 mm。该地区位于广州市番禺区与佛山市南海区交界处的陈村水道连两旁,了解沉降地区发现,可能由于该区域存在大量的厂房,邻近陈村水道附近的土质含水量较高,承载力差,导致厂房区域存在沉降。

F区域为2019年10月—2020年10月,A区域快速发展,形成了一个沉降漏斗,2020年10月至监测末期,沉降范围大体一致,且沉降量保持平稳增加,最大形变量为-88.8 mm。该地区位于陈村镇佛山市国通保税物流园。有资料显示，陈村地区多为软土[18],佛山市国通保税物流园于2015年正式投入服务,可能因软土上部分的荷载不均匀所引起的地面下沉。

3.3 典型性区域分析

为了进一步分析沉降严重地区的垂直空间特征[19],选取B、C、E三个典型沉降漏斗区域,提取剖面线b1-b2、c1-c2、e1-e2,如图9所示，得到沉降剖面线如图10所示。

(a)剖面线b1-b2

(b)剖面线c1-c2

(c)剖面线e1-e2
图9 典型性区域沉降图

(a)b1-b2

(b)c1-c2

(c)e1-e2
图10 降剖面线图

3.4 形变原因分析

珠江三角洲平原是东南沿海软土地基沉降的最典型地区,整体上影响广州地区沉降的主要原因是软土,由于软土的土质、厚度决定沉降分布区域以及发展方向。城市化的进程、地下空间的开拓以及工程建设,造成上部荷载分布不均匀,引起周边沉降。地下水过度开采也是造成广州地区地面沉降的重要原因。

4 结束语

(1)据地面沉降干涉雷达数据处理技术规范中地面沉降严重程度分级标准,该研究区属于沉降严重程度较低范畴。

(2)在2019年1月—2021年10月研究期间内,沉降速率为-32.1～7.3 mm/a,沉降主要分布在东北部与西南部。其中，最大沉降速率为广州市番禺区与佛山市南海区交界处的陈村水道两旁,累计沉降量为-92.1 mm。

(3)研究区域内存在6个沉降区,软土是导致沉降的主要因素,城市的工程建设以及地下水的过度开采为重要原因。

参考文献

[1] 谢先明,王松,李明，等.珠江三角洲地区地面沉降现状及成因分析[J].西部探矿工程,2021,33(8):8-10.

[2] 蒋洪波,陈超,肖勇，等.三峡库区云阳张飞庙滑坡监测与分析[J].测绘科学,2011,36(5):90-92.

[3] LIAO M, WEI L, BALZ T, et al. Application of TomoSAR in urban deformation surveillance[J]. Shanghai Land Resour, 2013,(34): 7-11.

[4] 杨斌.基于时序InSAR技术的城市地表形变监测研究[D].广州：广东工业大学,2019.

[5] 孙广通, 刘小阳, 张永红等. 小基线D-InSAR技术在城市地面沉降监测中的应用研究[J]. 测绘通报, 2013(10): 91-94.

[6] FERRETTI A, PRATI C. Nonlinear subsidence rate estimation using permanent scatterers in dfifferential SAR interferometry[J]. IEEE Transactions on Geoence & Remote Sensing, 2000, 38(5): 2202-2212.

[7] BRARDINO P, FORNARO G, LANARI R, et al. A new algorithm for surface deformation monitoring based on small baseline differential SAR interferometry[J]. IEEF Transactions on Geoscience and Remote Sensing,2002,40 (11):2375-2383.

[8] 周吕,李佳豪,王成,等.基于时序InSAR的上海地区2018—2020地铁沿线沉降监测分析[J].大地测量与地球动力学,2021,41(11):1177-1182.

[9] 金艳,高晓雄,胡琼,等.InSAR技术的城市建筑形变风险评估[J].测绘科学,2021,46(10):76-79,107.

[10] 安炳琪,罗海滨,丁海勇,等.基于SBAS-InSAR技术的西宁地表形变监测[J].遥感技术与应用,2021,36(4):838-846.

[11] 刘会平, 王艳丽. 广州市地面沉降危险性评价[J]. 海洋地质动态, 2006,22(1)：1-4.

[12] ZHAOQ, LIN H, JIANG L, et al. A study of ground deformation in the Guangzhou urban area with persistent scatterer interferometry[J]. Sensors, 2009, 9(1): 503-518.

[13] 王华,喻永平,蒋利龙.利用合成孔径雷达干涉监测广州佛山地面沉降[J].测绘科学,2014,39(7):67-71.

[14] 聂运菊,熊佳诚,程朋根,等.结合PS特征点的SBAS地表形变监测[J].测绘通报,2020(4):91-95.

[15] 纪东阳,聂运菊,王菲.结合PS特征点的SBAS-InSAR技术监测淮南市区地表沉降[J].城市勘测,2021(3):66-70.

[16] 李蓉蓉. 兰州市城区地面沉降监测与预测研究[D].兰州：兰州交通大学,2021.

[17] 刘凤梅,黄长生,赵信文.支撑服务广州市规划建设与绿色发展资源环境图集数据集[J].中国地质,2019,46(S2):102-121.

[18] 王会强,冯光财,喻永平,等.基于C波段和L波段的SBAS-InSAR技术监测广州地面沉降[J].测绘工程,2016,25(11):60-64,71.

[19] 张航,左小清,李勇发,等.小基线技术在玉溪市的地面沉降研究[J].城市勘测,2021(6):83-89

引文格式:  聂运菊,计玉芳,熊倩.SBAS-InSAR技术的广州市地面沉降监测[J].北京测绘,2022,36(11):1501-1507.

基金项目 ： 国家自然科学基金(41861052)

作者简介：聂运菊(1978—),女,江西九江人，博士,副教授,研究方向为InSAR理论与应用。E-mail:1679911579@qq.com

通信作者：计玉芳,E-mail:1679911579@qq.com