应用升降轨SBAS-InSAR技术监测昆明市地面沉降

范 军,左小清,李 涛,陈乾福,麻源源

(1. 昆明理工大学 国土资源工程学院,云南 昆明 650093;2. 国家测绘地理信息局 卫星测绘应用中心,北京 100830)

0 引 言

地面沉降是一种十分严重的地灾现象,与人们的生活息息相关.从2001~2017年,昆明市在西南地区无论是城市化建设还是轨道交通的飞速发展都已进入先进行列,但不可避免地导致地面发生严重的沉降.目前根据文献显示,2001年姜朝松等人利用1979~1998年水准数据对昆明地面沉降的发展过程及其特征进行研究[1],表明小板桥和河尾村出现两个沉降漏斗;2003年孟国涛利用1987~1998年四期水准数据对昆明南市区地面沉降进行研究[2],表明广卫村-小板桥-河尾村-六甲和渔户村-福海出现严重的沉降漏斗;2004年薛传东在此基础上对昆明市区地面沉降进行研究[3],表明小板桥和河尾村沉降明显加快,渔户村-河尾村-大塘子-严家山等4处漏斗已连成一体.以上3位都是基于精密水准测量方法监测地面沉降,这些方法虽然精度满足要求,但是存在工作力度大、周期长、成本高、效率低、空间分辨率低和覆盖范围小等缺点,也很难满足时间、空间尺度的需要.2007年高照中结合"3S"技术建立自动监测系统对昆明市地面进行高精度沉降监测[4],对比传统水准测量,GPS具有覆盖范围广、精度高、速度快等优点,但作业周期长、测量结果不连续难以高效地监测与分析整个城市的区域性沉降.合成孔径雷达差分干涉测量(DInSAR)是近年来发展起来的一种监测地表沉降的有效手段,能够对地表进行全天候、大范围、亚厘米级精度的监测,但是传统DInSAR易受时空失相干与大气效应的影响,较难完成高精度长时间间隔的地表监测.短基线干涉测量技术(SBAS)的提出,能够充分有效地利用多景雷达影像,利用时序分析技术有效解决传统DInSAR技术中一些问题,提高DInSAR地面监测的精度[5-6].目前,SBAS技术在城市地面监测已经得到广泛应用.2016年尹振兴选取2007~2010年SAR数据基于SBAS-InSAR技术对昆明地面沉降进行监测[7],得出小板桥、河尾村等沉降漏斗沉降速率趋于稳定,并出现多处新的沉降漏斗.但是至今,国内仍然很少有人对当前时间的昆明市地面沉降情况进行研究.因此,本文选取2014~2017年29景升轨和32景降轨的Sentinel-1A、1B数据,基于SBAS技术对昆明市地面沉降进行研究.

1 SBAS-InSAR技术原理

SBAS方法是由Berardino和Lanari等研究人员于2002年正式提出的一种InSAR时间序列分析方法[8].该方法通过选取数据自由组合所有短基线干涉对,得到一系列短基线差分干涉图,这些差分干涉图能够有效地克服空间去相关现象,不仅连接所有差分中短基线集,同时连接较大空间基线中分开的孤立SAR数据集,来提高观测数据时间采样率.在求解形变速率时,SBAS方法采用奇异值分解(SVD)法来获得高相干点的沉降速率和时间序列.其过程主要原理如下:

获取同一研究区N+1幅SAR影像,按照影像获取的时间顺序(t0,t1,…,tN)排列,选取其中一幅影像为主影像,其他SAR影像配准到这幅主影像上,在短基线干涉组合条件限制下,生成M幅差分干涉图,且M满足:

假设对于任意干涉图j在tA与tB时间内获取的影像进行干涉生成(tB>tA),方位向坐标x和距离向坐标r的像素的干涉相位可以表示为:

式中,j∈(1,…,M);λ为雷达信号的波长;φB(x,r)和φA(x,r)分别为tB与tA时刻SAR影像的相位值;d(tB,x,r)和d(tA,x,r)分别为tB与tA时刻相对于d(t0,x,r)=0的雷达视线方向的累积形变量值;φjtopo(x,r)为差分干涉图中残余的地形相位误差,主要是由于参考DEM精度较低而导致的,如果残余地形相位较小,可在解算过程中忽略;φjnoise(x,r)为噪声相位;φjatm(tB,tA,x,r)为大气相位误差.如果不考虑残余地形相位、噪声相位和大气相位误差,那么式(2)可表示为:

为了更好地表示地面沉降时间序列,可将式(3)相位值表示为两个获取时间段的平均相位速率Vj与该时间段之间的乘积.

则第j幅干涉图的相位值可表示为:

即第j幅干涉图的相位值表示为各时间段平均速率在主、从影像时间间隔上的积分,可表示为新的矩阵方程:

式(6)中,B是一个MXN的系数矩阵,由于SBAS采用多个主影像时空基线获取干涉像对的方法,因此矩阵B产生秩亏,运用奇异值分解法(SVD)对矩阵B进行解算,得到矩阵B的广义逆矩阵,进而得到速率的最小范数解,最后在各个时间段对速率积分就可得到各个时间段的累积沉降量[9].

2 实验区概况及实验数据

昆明市区坐落于昆明晚新生代断陷盆地内,广泛发育第四纪松散沉积层,以湖沼相粉砂和软粘土为主,夹多层淤泥和草煤层等松软沉积物[3].近年来,由于昆明市城市与轨道交通建设的飞速发展,市区发生大规模地面沉降现象,沉降范围日益扩大,新的沉降中心不断产生.为了进一步研究昆明市地面沉降,本文研究区域选择为升降轨模式下Sentinel-1A、1B(简称S1A、S1B)数据的昆明市区,对升降轨实验数据进行裁剪得到本文研究区域,如图1所示红色表示升轨,黑色表示降轨,中心经纬度为25.00°N,102.71°E,覆盖面积约为400 km2,该研究区主要覆盖官渡区,五华区,盘龙区,西山区等部分区域.

图1 研究区地理位置Fig.1 Geographical location of the study area

本文从欧空局共获取2014-12-06~2017-02-05间的29景升轨(Track-26)和2014-10-09~2017-01-20间的32景降轨(Track-62)的S1A、S1B的Level-0级原始影像数据,S1A在2014年发射,S1B在2016年发射.在升降轨模式下入射角分别为39.5°和39.6°,C波段(波长5.6 cm),分辨率5mX20m,观测模式为干涉宽幅(IW),极化方式为单极化(VV)[10-12].具体影像数据及相关参数见表1.

表1 升降轨Sentinel-1影像数据Tab.1 Sentinel-1 image data for ascending and descending

3 数据处理

对升降轨Level-1级单视复数影像(SLC)数据进行裁剪得到本文研究区域,综合考虑时间基线、空间基线、多普勒基线3种的临界值,如图2a升轨选取2015年8月15日为超级主影像,并对所有影像进行4X1(距离向X方位向)的多视处理.试验中设置的时间基线和空间基线阈值分别为550 d和±250 m,将所有的配对的干涉像对都配准到主影像上,进行多主影像干涉对组合,剔除质量较差的干涉对,最终选取361个具有较高质量的差分干涉对如图2a,黄色代表超级主影像,绿色代表SAR影像,线段代表干涉对.其中最大时间基线540d,最小时间基线12 d,平均时间基线为235d,最大空间基线为227.718m,最小空间基线为3.028m,平均空间基线为55.561m.如图2b降轨选取2015年8月5日为超级主影像,最终选取426个差分干涉对,其中最大时间基线540d,最小时间基线24d,平均时间基线为240d,最大空间基线为212.352 m,最小空间基线为1.748m,平均空间基线为54.370 m.由于升轨和降轨的空间基线分布较小、相干性较稳定,所构集合网络更强,保证后续计算结果的可靠性[13].

图2 时空基线分布Fig.2 Spatial and temporal baseline distribution

对于本次试验,在数据处理过程中,采用美国宇航局NASA提供的分辨率为90m的SRTM数据去除地形相位和平地效应的影响,升降轨相干系数阈值设置为0.35(相干系数小于该阈值的像元不进行解缠)采用Delaunay MCF方法进行3D相位解缠得到差分干涉相位[14];采用Goldstein方法对干涉图进行滤波处理,提高干涉图信号质量,减少由空间基线和时间基线引起的失相干噪声[15];利用欧空局(ESA)发布的精密轨道数据提高影像的轨道精度,但是在生成干涉图中仍然存在轨道的残余相位误差.本文采用自动精炼的方法,利用GCP对所有数据进行重去平;为了对生成干涉图进行优化,采用同样方法进行二次解缠;通过大气高通或低通滤波去除大气相位;最后将升降轨下SBAS结果分别进行地理编码,使不同轨道获取的形变观测值处于相同地理坐标系下.采用奇异值分解法(SVD)法求解高相干点时间序列的沉降速率,最后通过积分获得各个时段的累积形变量[10-11].

4 结果分析

4.1 地面沉降结果分析

经过上述SBAS处理,在升降轨模式下得到2014年10月~2017年2月昆明市区地面沉降平均速率图(底图为昆明市Google地图)如图3所示,本次沉降量选取3个相对较大的矩形区域为A、B、C,并计算各个区域内地面沉降平均速率(沿雷达视线方向),红色代表远离卫星,表示地面下沉,蓝色代表接近卫星,表示地表上升[16].

图3 升(左)降(右)轨模式下研究区年平均沉降速率Fig.3 Annual average subsidence rate of the study area in ascending(left:Track-26) and descending (right:Track-62)

A区域位于官渡区,由升降轨模式下沉测量结果图4所示,沉降漏斗主要位于滇池北岸以及东北岸,分布范围广泛,出现多处沉降漏斗,其中沉降最严重为彼岸小区-枫林盛景小区-星宇园小区-子君欣景小区-羊甫村-义路村-广卫村-螺蛳湾北等多处沉降漏斗连成一体,构成研究区域内最大的漏斗沉降区域,范围有明显加剧趋势,沉降漏斗形成面积已达到5.63km2,升降轨模式最大年沉降速率分别为-37.405mm/a和-38.975mm/a,最大沉降量达到89 mm.沉降原因主要由于居民地和交通网络密切集中.由于昆明地区的地面沉降主要以软土沉降为主,因此地面受到建筑用地施压造成软粘土中的水被挤出,土层被压密实,导致地基下沉;其次,这些沉降区域位于昆磨高速公路和东环城高速公路交界的广卫立交桥的西北处附近,此处有正在建设的昆明地铁4号线,其中螺蛳湾北为4号地铁站,年沉降速率分别为-31.119 mm/a和-32.483 mm/a,这些区域受到地铁隧道开挖和相应的工程降水措施会直接扰动软土,同时地面上下车荷载交通流量引起的土体变形和地层移动可能影响地表结构,共同触发该路段以及其周边区域的沉降[17].小板桥位于云大西路和昆磨高速公路与广昆高速公路交界的鸣泉村立交桥西南处附近,年沉降速率为-20.174 mm/a和-21.431 mm/a,沉降原因不仅受到地质因素的影响,同时还受到相对集中的居民地和交通流量荷载的影响,造成该区域沉降.晓东村,雨龙村,小板桥,竹园村和陈旗营等沉降中心靠近地铁1号线已连成一片,晓东村为1号地铁站,在沉降区域表现最为严重,年沉降速率分别为-23.686mm/a和-23.626mm/a.

图4 升(左)降(右)轨模式下A区域年平均沉降速率Fig.4 Annual average subsidence rate of A area in ascending (left)and descending (right)

B区域位于官渡区,为昆明老城区,靠近滇池,由监测结果图5可知,福保路附近一带且出现多处沉降漏斗,沉降区域有明显向市中心扩张趋势,从南向北分别为丁姚村,韩家村,龚家村,金家村,六甲村,叶家村,罗家村等沉降区域,其中六甲村出现多处沉降漏斗,韩家村-金家村-龚家村等沉降区域连成一片产生多处新的沉降中心,构成研究区较为严重的漏斗沉降区.在升降轨模式下,最大年沉降速率分别达到-25.381 mm/a与-25.809 mm/a,最大累积沉降量达到-59mm,该地区沉降主要因为韩家村,金家村,龚家村等区域靠近滇池,滇池湖水面是盆地最低的径流基准面,大量地下水向滇池方向径流和排泄;其次滇池附近地区主要存在大量软土、饱水粉砂层,并夹有多层淤泥、草煤层等松软沉积物,这些地层形成时间短、固结度低、孔隙率高、含水量大,导致滇池周边地区地基太软,随着软土下沉而出现明显的沉降现象[2].此外,由于B区域位于老城区,从理论上分析,一般可能是邻近地区有人类工程活动影响,如深基坑开挖和地下水超采、城市建筑加载等.

图5 升(左)降(右)轨模式下B区域年平均沉降速率Fig.5 Annual average subsidence rate of B area in ascending (left)and descending (right)

C区域位于西山区,由监测结果图6可知,沉降漏斗出现在春苑小区和棕树营两个区域,在升降轨模式下,最大年沉降速率分别为-20.944mm/a和-19.669 mm/a,而其他大部分区域无明显的升降变化,则认为地面相对稳定.

图6 升(左)降(右)轨模式下C区域年平均沉降速率Fig.6 Annual average subsidence rate of C area in ascending (left)and descending (right)

4.2 升降轨结果分析对比

由于文中缺少同期的测量数据,通过采用点-点的验证方法,对升降轨模式下沉降漏斗中同名点的沉降速率进行精度验证[18].首先分别在升降轨沉降速率图上提取同名点,同名点的获取原则是采用点位追踪算法在具有明显的沉降漏斗处选取均匀分布的高相干点.这些同名点具有相同的地理坐标,其中每一个同名点的沉降速率代表该沉降漏斗区域的沉降速率.两者在相同时间段内获取的地面沉降速率对比见表2.

表2 升降轨模式下同名点沉降速率对比表Tab.2 Comparison table of subsidence rate under the same point in ascending and descending

从上表可以看出,升降轨模式下同名点的沉降速率整体都保持了较好的一致性,大部分同名点位获取的沉降速率差值都在2mm/a以内,中误差为±0.896mm/a,图7为升降轨同名点沉降速率线性回归分析图[19].

图7 升降轨同名点沉降速率线性回归分析Fig.7 Linear regression analysis of average subsidence rate on the same point of ascending and descending

由图7可知,升降轨模式下研究区同名点沉降速率的整体分布符合线性函数特征.两者的相关系数达到了0.988,由于升降轨结果相互独立,两者显示地面同名点沉降速率不仅一致,而且幅度也基本吻合,表明升降轨监测结果精度的可靠性[20].图8表示升轨与降轨模式下A区域和B区域时间序列的最大累积沉降量.

图8 升降轨模式下A、B区域时间序列最大累积沉降量Fig.8 The maximum cumulative subsidence of A and B regional time series in ascending and descending

5 结束语

由于本文没有收集到同期的实测水准数据,只是通过单独采用29景升轨和32景降轨的S1A、S1B数据利用SBAS-InSAR技术分别对昆明市区的地面沉降进行监测,通过对比升降轨监测结果和精度验证,可知在两种不同类型观测数据模式下,沉降结果基本吻合保持一致,表明了本文方法的可靠性.试验证明该研究区共出现3处较大的形变区,其中A区域螺蛳湾北,小板桥南一带地面沉降基本呈线性沉降规律,最大年平均沉降速率为-38.975 mm/a,最大累积沉降量达到89 mm.B区域靠近滇池一带,福保路周边多处区域出现沉降漏斗连成一体,最大年平均沉降速率为-25.809mm/a,最大累积沉降量达到59mm,这些严重的沉降现象不仅与工程地质环境密切相关,近几年来昆明主城区城市化和轨道交通建设的飞快发展,居民区的兴建与密集的道路网增大地面荷载力,地铁施工造成地下降水量增大,导致广泛分布的粘松散型软土层容易受到外力作用产生地面沉降,成为昆明市地面沉降主要原因.由于本文升降轨SAR数据均为S1A、S1B数据,对于试验结果可能会存在偶然性,下一步工作是要采用其他SAR数据参与SBAS-InSAR技术监测地面沉降,并开展野外水准测量工作与InSAR处理结果进行对比.