既有线季节性冻土时序DInSAR 沉降监测

2020-12-17 06:26李广宇
铁道勘察 2020年6期
关键词:冻土时序时空

李广宇

(中国铁路设计集团有限公司,天津 300251)

我国季节性冻土影响范围较广,约占中国陆地面积的50%,普遍发育在东北、西南、西北等地区,常伴随着复杂的地形和地质条件[1-3]。 季节性冻土的演化因温室效应和人类工程复杂多变,常对铁路等工程形成冻害,其发育情况与纬度、地势、海拔、气温以及土壤性质、含水量等有关,主要表现形式有冻胀、融沉、开裂、翻浆和冒泥等。 周期性冻融会极大弱化土体强度,增大后续运营维护难度与成本[4-7]。 因此,有必要探索季节性冻土对沿线区域沉降时空分布的影响规律。

在监测具有区域性和周期性冻害方面,相较于传统技术手段(水准、GNSS 等),TS-DInSAR 方法具有无可比拟的优势,其高时空分辨率面域遥感手段更适于探测冻土层对于铁路工程地面沉降影响的时空分布规律。在冻土应用研究领域,李珊珊等利用正弦和Stefan 模型对SBAS 解算模型进行约束,获取了青藏季节性冻土区域的地表形变[8];陈玉兴等将SBAS 方法引入DS 选取、地温-形变约束关系的参考点选取和Stefan 模型创建,并对青藏高原冻土区域进行监测。 该研究的不足点在于:①加时序解算约束模型可满足冻土形变规律监测的需求,但这种方式易导致形变监测结果失真,难以反映真实的地表形变影响规律;②TS-DInSAR 方法的应用研究大多集中在高海拔和人类活动少的青藏高原地区,其冻土演化较为规律;在地表复杂和工程活动较多的区域,其适用性还需进一步研究[9]。

本实验区域选在季节性冻土区域普遍发育的黑龙江地区的某既有线,受气温升高和人类活动等的影响较大,该区域季节性冻土演化较为复杂[10-12]。 针对该铁路周围区域复杂的地形和地质条件,采用了众多针对性的选点方法和误差改正模型;针对天然永久散射体点稀少,选用了永久散射体和相干像元两种选点方法[13-14];考虑该区域冬季雪多、分布有丘陵以及山间有团雾等特点,选用多主影像组合干涉和迭代改正地形和大气等残余误差的方法[15-17];针对季节性冻土区域非线性形变严重,选用了时空滤波提取非线性形变的方法[18]。 选用2017 年9 月至2019 年7 月的48 景Sentinel-1A SAR 影像,时间基线长达两年,每景间隔12 d,充分保证TS-DInSAR 方法对于获取真实地表形变的时间采样率,最终获取黑龙江某既有线自联调联试至目前运营期间的区域沉降监测结果,联合该区域冻土融沉时间点,分析季节性冻土对于铁路沿线地面沉降影响的时空规律[19-21]。

1 时序DInSAR 方法

TS-DInSAR 方法的主要思想是利用覆盖同一区域的多期SAR 影像,以单一主影像或多主影像组合的方式进行差分干涉,采用诸多选点方法选取永久散射体点、相干像元点或者分布式散射体点等时序稳定点,通过最小二乘方法或者奇异值分解等方法,解算时序稳定点构建的时序差分干涉模型,分离大气、非线性形变相位和噪声等相位,最终获取形变相位。 TSDInSAR 方法的时序差分干涉模型为

本次实验所采用的技术流程如图1 所示,采用多主影像组合干涉的方式增大时间采样率,以便获取更贴近真实的形变序列,达到减弱基线误差、地形残余误差和大气误差等残余误差相位的目的。 同时,为保证最大时间采样率,以及Sentinel-1A 数据的基线质量,并未进行基线约束。 假设有N 景配准后的单视复数影像(Single Look Complex, SLC),组合干涉后的干涉像对数量为K,结合图1 所示的技术处理流程,其主要的技术思想如下。

(1)通过两种选点方式增加时序相干点的密度。一种是振幅离差指数,利用某一像元的振幅标准差和N 幅SAR 影像在时间序列上的幅度均值的比值作为阈值,选取在时间序列上相位质量较高的PS 点;另一种是相干系数阈值法,统计局部区域内的相干像元在时间序列上的相干系数作为阈值筛选相干像元。

(2)利用回归分析获取高程误差改正和包含形变相位在内的残余相位。 结合式(1),以高程误差为自变量进行建模,通过与观测相位构建最小二乘回归分析模型,获取高程误差改正相位和残余相位,然后利用高程误差改正相位进一步改正时序差分干涉模型。 同时,利用空间滤波和残余相位缠绕重解缠方式纠正解缠误差,在此基础上进行回归分析迭代。

(3)利用时空滤波技术分离残余相位中的大气相位。 大气相位在空间域呈现高相关,是低频信号,在时间域是随机变化的,是高频信号;形变相位在空间域和时间域均相关,都是低频信号;噪声相位在空间域和时间域均是随机变化的,都是高频信号。 因此,可以利用高通时间滤波滤出大气相位和噪声相位,再使用低通空间滤波分离出大气相位。

(4)在已知地形残余误差和大气误差的基础上提取形变相位, 并使用奇异值分解(Single Value Decomposition, SVD) 方 法 求 解 形 变 序 列。 根 据Berardino 等在2002 年的研究成果,多主影像组合的基线集时序差分干涉模型的系数矩阵存在秩亏时(即K<N),可以使用奇异值分解方法获取模型系数;系数矩阵为满秩时,可以使用最小二乘方法求取模型系数,求得每个子集线集的形变速率,然后根据时间间隔进行积分获取时间序列。

图1 TS-DInSAR 技术处理流程

2 研究区概况和数据源

2.1 研究区概况

选取黑龙江境内某条既有线作为研究对象(如图2),局部运营里程段落长52 km,位于北纬45.8°~46.2°之间,沿线分布有丘陵山地和农田,村落和人工建筑物稀少,山间常年有团雾。 根据搜集的冻土资料可知,冻土是在负温条件下形成的,受西伯利亚—蒙古高压影响,黑龙江省为严寒的大陆性气候,年平均气温为-4 ℃~5 ℃,多年冻土的地理边界的变化范围是46°36′~49°24′,多年冻土层也分布有季节融化层。 除此之外,受冬夏温差极大的影响,黑龙江其他区域也普遍发育季节性冻土,最大冻结深度由东南向西北逐渐加深,冻结日期从南向北逐渐提前。 结合线路分布、纬度范围和黑龙江冻土研究资料可知,该区域从10 月20 日至25 日前后开始冻结,翌年3 月冻结截止,6 月融化结束,整个周期达8 个月之久。 同时,有积雪覆盖的时间在10 月至翌年3 月,这在一定程度上影响了SAR 影像观测的相位质量。

图2 研究区域示意

2.2 实验数据

选取欧空局发射的Sentinel-1A 卫星拍摄的48 景C 波段 SAR 影像作为数据源,地面影像分辨率为5 m×15 m,单位像元内包含铁路在内等众多地面地物相位,对于监测铁路线上点沉降的分辨率精度不足,但铁路线上人工构筑物在单位像元内的相位贡献大多为主导,能够辅助传统精密监测手段判断运营不安全区间。 TS-DInSAR 采用多主影像组合干涉的方式,其基线时空分布如图3 所示。

图3 干涉基线时空分布

3 实验结果处理与分析

根据图1 所示的TS-DInSAR 技术流程进行数据处理,DEM 数据选取日本宇航局30 m 的AW3D DSM,为进一步控制误差积累,将监测区域分成5 块,分块解算后,选取中间位置的参考区域作为基准进行拼接,获取的整体沉降监测结果如图4 所示。 根据图4 可知,既有线周围时序分析点较为稀疏,整体的沉降速率为0~66 mm/a。 由于图4 范围较大,无法聚焦铁路沿线周围区域沉降,故利用ArcGIS 软件进行缓冲区分析,提取线上及周围监测点的沉降速率结果,如图5 ~图8 所示。

图4 K190~K240+500 铁路沿线区域整体地面沉降

图5 区间沉降速率

图6 K208~K213 线上沉降区间沉降速率

图7 K214~K219 线上沉降区间沉降速率

由图5~图8 可知,区域沉降在空间分布上具有不均匀性,既有线沉降在空间分布上呈现不均匀和不连贯的特性,沿线区域沉降段落长450 ~1 200 m。 造成该现象的原因可能有①PS 点和相干像元点是SAR 单一像元内众多人工建筑物和天然散射体贡献了不同权重的相位,并不是冻土层变化直接影响的单一地表;②人工建筑物和铁路工程建设采用了不同水平的防冻害技术,造成了冻害影响的地表沉降反应不一;③随着气候变暖以及冻土层演化,造成区域冻土上层地表反应不一。 综上,空间范围上的沉降分布只能在一定程度上反映冻害对地表建筑物形变的影响程度。 为进一步探索冻土层对铁路沿线沉降在时间维的影响规律,现提取图5~图8 区间范围内的A 至J 点的沉降时间序列,如图9 所示。

图8 区间沉降速率

图9 典型沉降点沉降时间序列(单位:mm)

由图9 可知,橘黄色线为真实沉降时间序列,深绿色线为拟合曲线,横轴时间序列对应影像拍摄时间,竖轴对应沉降量。 A 点在2017 年10 月21 日和2018 年10 月4 日前后沉降平缓,直到2018 年4 月7 日和2019 年4 月14 日前后出现沉降加剧趋势,总沉降量为30 mm;B 点在2017 年11 月2 日和2018 年10 月4 日前后沉降平缓,直到2018 年4 月19 日和2019 年4 月26 日前后出现沉降加剧,总沉降量为29 mm;C 点在2017 年和2018 年10 月份沉降轻微波动,但整体沉降呈现比较平稳的态势,总沉降量为26 mm;D 点2017 年10 月9 日至2018 年1 月13 日出现轻微隆起,在2017 年12 月20 日达到抬升峰顶,而在2018 年1 月13 日以后呈现沉降速率较为恒定,总沉降量为29 mm;E 点在2017 年10 月9 日至2018 年4 月19 日出现抬升,并在2018 年2 月6 日到达抬升峰顶,在2018 年10 月16 日沉降较为平稳,直到2019 年5 月8 日出现沉降加速的趋势,总沉降量为27 mm;F 点在2017 年10 月9 日至2018 年2 月18 日开始出现轻微隆起,2017 年12 月8 日出现抬升峰顶,在2018 年2 月18 日出现沉降加剧趋势,在2018 年10 月28 日出现沉降平稳趋势,直至2019 年3 月21 日出现一个小的抬升峰顶,在2019 年5 月8 日出现沉降加剧趋势,总沉降量为32 mm;G 点在2017 年10 月21 日至2018 年4 月7 日呈现沉降平稳的趋势,之后出现一定程度的沉降速率加剧趋势。 在2018 年10 月28 日至2019 年4 月26 日也出现了沉降趋于平稳的态势,之后出现一定程度的沉降速率加剧趋势,总沉降量为41 mm;H 点在2017 年10 月21 日和2018 年10 月28 日出现沉降平稳趋势,在2018 年3 月26 日和2019 年4 月14 日平稳状态消失,并在之后出现不同程度的沉降加剧趋势,总沉降量为28 mm;I 点在2017 年10 月9 日和2018 年10 月28 日开始出现沉降平稳趋势,在2018 年3 月26 日和2019 年5 月8 日沉降出现加速趋势,总沉降量为31 mm;J 点在2017 年11 月14 日至2018 年5 月13 日之间出现阶段性平稳状态,并在之后出现一定程度的沉降速率加剧趋势,总沉降量为60 mm。

综上分析,监测点呈现出一些相同的沉降规律:①除2018 年10 月D 点和J 点以外,其余点每年10 月均出现沉降减缓或抬升的趋势;②每年10 月出现沉降减缓或者抬升趋势后,在翌年4 月底或者5 月初均会出现不同程度的沉降速率加剧趋势;③2017 年10 月出现沉降减缓或者抬升趋势后,2018 年再次出现的减缓或者抬升趋势程度都会减弱,甚至不会再出现减缓或者抬升趋势(如D 点和J 点)。

由该区域冻土资料可知,冻结时间为10 月20 日至10 月25 日,解冻时间在4 月末或者5 月初,这和上述沉降规律①和②的沉降速率转折点相一致。 沉降规律③发生的原因可能为:①由于周期性冻结导致翌年土质强度弱化,翌年地表沉降影响呈现减弱趋势;②冻土的冻融程度受周围环境温度影响较大,人类及工程建设活动和气温升高会造成局部区域冻土永久消失;③监测周期范围内,高铁运营造成的自然沉降或者其余人为因素沉降等的叠加影响。

4 结论

针对高铁沿线冻害影响规律的监测手段存在的不足,引入TS-DInSAR 方法获取高铁沿线冻土冻害造成的地面沉降时空分布,得出该冻土区域既有线沉降的时空分布规律,并与该区域冻土研究的冻融时间相比较,验证了TS-DInSAR 方法的有效性。 针对黑龙江某既有线周围的区域地质和地表环境特点,采用振幅离差和相干性阈值的方法分别提取永久散射体点和相干像元点;为保留最大时间采样率和减弱残余误差影响,采用多主影像组合干涉的方法;采用迭代误差改正模型逐步改正差分干涉相位中的高程和大气等误差相位;为保证自然真实沉降,杜绝强制加周期性解算模型,采用时空滤波分离大气相位提取形变相位,从而获取较为真实的时序沉降结果。

本次实验的不足:①没有铁路沿线冻土分布以及深度统计的详细资料;②没有引入分布式散射体选点方法,以进一步增加点密度和丰富监测细节;③未对多主影像干涉的相位质量进行筛选。 在以后的研究中,会继续改进这三点不足,以进一步探索深层次冻土区域的时空演变对于高铁建设及运营的影响。

猜你喜欢
冻土时序时空
顾及多种弛豫模型的GNSS坐标时序分析软件GTSA
跨越时空的相遇
清明
镜中的时空穿梭
北极冻土在求救
基于不同建设时序的地铁互联互通方案分析
玩一次时空大“穿越”
基于FPGA 的时序信号光纤传输系统
时空之门
26