Stacking-InSAR技术在矿区地表沉降监测中的应用

杨光欣，朱煜峰，张龙刚

(1.东华理工大学 测绘工程学院，江西 南昌 330013；2.陕西陕煤蒲白矿业有限公司，陕西 渭南 715517)

煤炭是世界上储量最大、分布最广的常规能源，也是重要的战略资源，在我国能源中占据重要地位。在采煤过程中，地下会形成巨大的采空区，造成地表沉降甚至塌陷，采煤塌陷造成良田荒芜，耕地面积锐减，矿区水资源和环境受到污染和破坏，不可避免地带来一些社会问题[1]，因此有必要对矿区地表进行监测与分析。

水准测量与GPS测量是传统的形变监测手段，其点位监测精度高，但也具有监测范围小、受天气影响大、作业效率低等缺点，很难对研究区域进行整体、全局性的监测。近年来，随着合成孔径雷达(SAR)卫星的逐渐成熟，合成孔径雷达干涉测量(InSAR)技术得到了越来越多的青睐，其具有全天时、全天候的监测能力，监测精度较高，成图速度快，能快速提供大范围、长时间序列的形变监测成果，在各类地质灾害领域发挥着重要作用。干涉图叠加(Stacking-InSAR)技术作为InSAR技术中重要的时间序列监测手段，可以提供矿区地表长时间的形变监测。本文应用Stacking-InSAR技术对11景Sentinel-1影像进行数据处理，获得了监测区域的沉降速率与累积沉降值，为现场的后续勘察提供技术支持。

1 实验区概况与数据

1.1 实验区概况

实验区域位于黄陇侏罗纪煤田黄陵矿区南部，地处陕西省延安市黄陵县腰坪乡，属于陕北黄土高原南部的低中山丘陵地带，区内地形复杂，山峦起伏，属侵蚀构造地形，表现为壮年期侵蚀、堆积的山间河谷地貌特征。本区属暖温带大陆性半干旱气候，四季分明，年平均气温9.3 ℃，最高气温34.4 ℃，最低气温-19 ℃，1月平均气温-5 ℃，7月平均气温22.5 ℃。无霜期184 d，冰冻期为当年11月～次年3月，最大冻土深度650 mm。风向多为西北风，最大风速25 m/s，曹河和南川河川道内主导风向多为西南风[2]。

实验区域包含建新矿井与建庄矿井，建新矿井于2008年3月开工建设，2011年9月底主要生产系统基本建成。2012年通过竣工验收，矿井正式投入生产，生产能力为1.50 Mt/a。2014年核定该矿井生产能力为4.00 Mt/a，并获得批准。建庄矿井与建新矿井相邻，设计生产能力2.4 Mt/a，设计服务年限60 a。井田位置如图1所示。

图1 研究区域(来源于谷歌地形图)

1.2 实验数据

本文采用欧空局Sentinel-1A卫星影像数据，其重访周期短、空间基线稳定、数据量大且下载免费，可以满足大区域地表沉降监测的需求。由于其微波波段采用波长为5.6 cm的C波段，穿透植被能力不强，在植被茂盛区域会造成严重的失相干现象，因此本文仅采用冬季影像。最终选用覆盖研究区域的11景升轨SAR影像，时间跨度从2019年11月14日～2020年3月13日，空间分辨率为5 m×20 m(方位向×距离向),观测模式为干涉宽幅(IW)，极化方式为单一竖直极化(VV)，具体参数如表1所示。同时使用欧空局官网提供的POD精密轨道数据对轨道信息进行修正，以去除轨道误差造成的基线误差。外部参考DEM为30 m分辨率的SRTM数据。

表1 Sentinel-1A数据影像信息

2 实验方法与流程

2.1 数据预处理

本文使用瑞士GAMMA公司的GAMMA软件对SAR数据进行预处理，生成小基线集干涉对。首先找到覆盖研究区域的burst单元，提取并生成TOPS模式的单视复数(SLC)数据，并利用精密轨道数据对轨道信息进行修正。通过计算每景影像的时间基线、空间基线，并经过多次实验验证，选择2020-01-01的影像作为参考主影像，对其进行4:1(距离向:方位向)多视生成SAR强度图像，进行地理编码并生成雷达坐标系下的DEM。再将其余影像一一配准到参考主影像上。由于影像配准质量会随着时间增长而逐渐降低，即时间失相干现象，为后续处理带来干扰，本文在配准时引入已配准的辅助影像，即将相邻两景影像提前配准，用于频谱差异校正部分，对配准时产生的时间失相干现象很有帮助。

查看配准生成的干涉图，发现大量沉降集中分布在SAR影像右侧，肉眼可见的沉降多达十余处。为了清楚地反映研究区域地表沉降情况并减小处理工作量，将配准去斜后的RSLC数据再次以行列号进行裁剪，并进行4:1多视，多视后的小范围影像为1 750行像元×1 800列像元。

2.2 基于Stacking-InSAR技术的地表沉降监测方法

Stacking-InSAR技术基于多主影像，通过设置时空基线阈值，得到多个干涉对组合，再经过解缠将相位权叠加，来获取地表形变结果。该方法能够有效地减弱时空失相干的影响，从而使得到的形变图在时间和空间上更为连续，具有能够时序性监测大形变尺度的优势，有助于矿区沉降监测[3]。具体包括以下步骤：

(1)计算SAR影像数据的时间、空间基线，选择合适的时空基线阈值生成干涉对[4]。由于本文所选11景影像间时间间隔较短，均为12 d，且Sentinel卫星空间基线较短，因此设置时间基线阈值为40 d，空间基线不设阈值，全部组合，共生成27对干涉对组合。时空基线分布图如图2所示。

图2 时空基线分布图

(2)按照生成的干涉对对文件再次进行批量配准，并进行自适应滤波，可在不损失空间分辨率的情况下降低相位噪声，以减少残差数目。

(3)根据生成的相干性文件，选取相干性最差的一组干涉对，取相干性稳定点作为参考点进行最小费用流法(MCF)相位解缠，解缠相干系数阈值为0.2，查看解缠质量，删除2对质量差的解缠干涉对，最终选取25对干涉对。

(4)进行基线精化，用精密基线再次进行差分干涉，并去除相位残余趋势和大气相位延迟的影响，使用干涉图叠加(Stacking)的方法对不同InSAR生成的多幅独立干涉图进行平均处理，得到平均形变速率。

(5)利用地理编码，将沉降结果从雷达坐标系下转换到地图坐标系下，获得研究区垂直方向形变结果。

3 结论与分析

图3为以首景影像(20191114)为基准，未经地理编码的时间序列累积形变结果，可以看出在监测时间内，研究区域地表产生了极为明显的形变，地面沉降面积以肉眼可见的速度快速增加，形状均成漏斗状，这是煤矿地表沉降的典型表现。

图3 研究区域时间序列形变图

图4为Stacking-InSAR技术处理方法得到的研究区域垂直方向形变量，可以看到形成了A、B、C、D、E、F共6个较明显的沉降漏斗。其中沉降漏斗B、D和F在这段时间内沉降量和沉降面积较小，可能处在非开采活跃期，沉降较缓慢；沉降漏斗A、C和E在这段时间内沉降面积较大，其中漏斗A在研究时间段内最大沉降值1 283.47 mm，沉降面积达3.81 km2，正处于建新煤矿4201工作面开采活跃期，因此沉降较为显著。

图4 研究区域形变图

下面以沉降面积最大的漏斗A为例，对其进行走向和倾向的剖面分析。如图4所示，漏斗A呈葫芦形，西南侧沉降较小，最大沉降742.35 mm，经短暂回落后继续呈沉降漏斗态势，最大沉降达1 283.47 mm，东北侧有小范围抬升，最大抬升处1 089.58 mm。根据张兴文[5]等对建新煤矿4201工作面的研究可知，4201工作面呈西南—东北方向布置，走向长220 m，倾向长2 100 m，因此构建工作面倾向为 M′M方向，走向N′N与之垂直。又由于漏斗A沿M′M方向沉降面积越来越大，由此可推断出该工作面沿倾向M′M方向进行开采。

为了验证实验结果精度，收集到漏斗A区域(4201工作面)2019年11月15日～2020年3月11日的水准监测数据，该水准监测数据沿着4201工作面倾向M′M分布着55个点，如图5(c)中α所示，走向N′N分布着11个点，如图5(c)中β所示。对比水准监测与Stacking技术在走向与倾向的沉降监测结果，并绘制折线图进行分析，如图6～图7所示。

图5 基于谷歌地图显示的形变监测结果

图6 A区域水准观测值与Stacking技术监测值对比图(倾向)

图7 A区域水准观测值与Stacking技术监测值对比图(走向)

由两幅对比图可看出，水准监测曲线较为连续，而Stacking技术观测曲线波动明显，但整体趋势与水准测量一致。InSAR技术观测产生的是“面”结果，而水准测量是“点”的观测结果，“面”上提取的像素沉降值无法与水准点一一对应。从表2中Stacking技术监测值与水准观测值的统计分析结果可以看出，二者均值相差131.82 mm，标准偏差相差80.53 mm，说明Stacking技术监测结果与实际测量还存在着一定差异。一方面是点位提取造成的误差，另一方面由于形变量较大，相位混叠导致解缠失败，在今后的研究中会继续加以改进。

表2 A区域水准观测值与Stacking技术监测值统计分析

4 矿区开采沉陷InSAR监测面临的主要问题

本文基于Stacking-InSAR技术，对黄陵矿区南部区域2019-11～2020-03进行了重点分析，获得了该区域沉降监测结果，并与水准数据对比，验证了InSAR技术在矿区沉降监测中的可行性，通过对实验流程及结果的分析，还有以下几个方面需要继续改进。

4.1 数据适用性

矿区一般位于较为偏远的山区，地形错综复杂，由于SAR卫星采用的是侧视成像的工作模式，在地形起伏区域会产生叠掩、阴影、透视收缩等一系列几何畸变，若研究区域存在几何畸变，则很难收集到有效的雷达回波信号[6]。同时山区植被茂盛，Sentinel-1的C波段微波很难穿透植被，在干涉图上表现为失相干现象，给InSAR研究带来困难。面对上述问题，应灵活选择合适的SAR数据源，如联合升、降轨数据，以弥补几何畸变带来的干扰[7]；其次，充分利用SAR数据源，使用不同波段的SAR影像对研究区域进行监测，方便交叉验证。

4.2 观测有效性

在选择不同SAR数据的基础上，为了使处理结果达到精度要求，从内外两方面进行精度评估。内符合评估可从形变量、形变年速率中误差、不同处理方法交叉验证等方面着手；外符合评估首选与GPS、水准等地表监测结果比较，还可结合光学影像和野外实地调查等方法进行观测有效性评定[8]。

4.3 大尺度形变区域的监测

在针对矿区大尺度形变区域的监测中，应结合监测目的和监测对象特点，充分利用现有SAR数据源，综合运用各类InSAR方法进行监测，确保米级、分米级、厘米级、毫米级各个尺度连续覆盖。在InSAR形变监测获取的有限形变下，可结合开采沉陷估计理论，运用数学模型反演出矿区实际形变场。

4.4 相干性保持

良好的相干性是得到有效观测结果的首要前提，在保持相干性方面可从以下几点入手：在时间选择上尽量避免植被覆盖率较高的季节，以免雷达微波无法穿透植被到达地面；选择雷达波长较大的SAR数据；首选同极化SAR数据，次选交叉极化SAR数据[9]；在实际处理过程中可采用缩短重访周期，使用已配准影像进行辅助等方法。

5 展 望

本文从煤矿地表形变监测的角度出发，对Stacking-InSAR的流程及结果进行了详细分析与说明，针对矿区大变形，有效识别出形变区域及沉降值，为矿区地表沉降监测提供了参考。

InSAR技术目前日趋成熟，但仍有一些问题亟待解决，可以说机遇与挑战并存。针对难点问题，虽有部分解决方法，但由于一些外部数据获取困难，所需专业知识多元广泛，并未普及开来。但随着InSAR相关理论和技术体系的日趋完善，InSAR工作群体的日益庞大，以及未来SAR卫星的研制开发，相信InSAR技术一定能够成为未来形变监测不可或缺的力量。