基于ISBAS-InSAR的京雄城际铁路建设期区域沉降监测及气候因子相关性分析

李名语，李 政，姚京川，冯海龙，毛文飞，张 瑞,6

(1.西南交通大学 地球科学与环境工程学院，四川 成都 610031；2.河南测绘职业学院 测绘工程系，河南 郑州 451464；3.雄安高速铁路有限公司，河北 雄安 071800；4.铁科检测有限公司, 北京 100081；5.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；6.高速铁路安全运营空间信息技术国家地方联合工程实验室，四川 成都 611756)

京津冀地区是我国集政治、经济、文化一体化发展的核心区域，铁路、公路交通网络复杂，地上、地下工程建设频繁。大量已有研究表明，受区域地质环境和人为因素影响，该区域地表不均匀沉降问题极为显著，对各类建筑和交通基础设施的安全运营构成了挑战[1-4]。京雄城际铁路是连接北京和雄安新区的高速客运专线，承载着重要的历史使命，各项建设和运营标准均已达到国内领先水平。其中区域性地质环境及其引起的铁路基础设施差异性沉降，一直是工程监测的重点[5-6]。考虑到京津冀地区地表沉降的历史背景，有必要对京雄沿线区域实施高精度、高时空分辨率的地表形变监测，全面掌握区域性沉降的现势性分布及发展态势，以确保轨道交通基础设施的长期稳定安全运营。

对于大线路及周边区域的高精度地表形变监测，传统的大地测量途径，如水准、全站仪、GNSS等，具有作业成本高、点位密度小的局限，难以满足大尺度、全覆盖的形变测量需求[7]。近年来新兴的星载合成孔径雷达干涉测量技术(Interferometric Synthetic Aperture Radar, InSAR)，具有全天候、监测范围大、时空分辨率高、综合成本低、自动化程度高等特点，极大地弥补了传统技术手段的不足。借助对同一观测区域的多期InSAR数据进行差分干涉处理，可高效提取高精度地表形变信息[8]，已受到各行业领域和工程部门的广泛关注[9-12]。为进一步克服时空失相干、大气效应等负面因素的制约，相关学者基于长时序SAR影像数据集开展了时域建模和系统误差分离的理论研究[13-15]，相继提出了永久散射体方法(Permanent Scatterer InSAR, PSInSARTM)、小基线集算法(Small Baseline Subsets InSAR, SBAS-InSAR)、干涉点目标分析方法(Interferometric Point Target Analysis, IPTA)、斯坦福算法(Stanford Method for Persistent Scatterers, StaMPS)等[15-18]，聚焦非人工地表区域干涉信息的精确提取，以及形变解算效率的提高。

国内大地测量学领域也较早开展了系统深入的研究，并在区域性地质灾害监测、大型构筑物安全性监测等领域开展了行业示范应用[19-22]，特别在铁路工程与地灾风险排查与安全性监测方面，取得了诸多瞩目的进展。如Luo等[23]利用PSI方法对覆盖天津的TerraSAR影像进行了时序处理，得到了铁路沿线的沉降监测结果。贾洪果等[24]利用超短基线PSI方法，对天津市西青区西青道和京沪高速铁路局部路段的地表沉降进行了监测分析，且对比水准数据验证了监测结果的可靠性。刘欢欢等[25]使用PSI技术对京津城际高铁北京段的地面沉降进行了监测，并根据监测结果对沉降区域进行了等级划分。李广宇等[26]采用时序差分干涉方法，完成了2015—2016年京津地区的时序沉降监测，并针对北京东、天津西等典型地区，同时结合水准数据、地下水数据等分析了沉降原因。杨斌等[27]利用TS-InSAR技术获取了2015—2018年间京津冀地区的地表沉降场，并根据人类活动相关资料探讨了区域性地表沉降的年际变化及发展情况。总的来看，京津冀区域的地表沉降一直是本领域的研究热点，但2018年以来京雄城际铁路建设期间的现势性监测结果鲜有报道，且针对线路周边沉降的归因性分析仍不充分，侧重于高速铁路基础设施的针对性研究还有待进一步深入。

前期研究结果表明，基于大量SAR影像的长时间跨度时序形变的计算和分析，由于其复杂的时空干涉网络和高密度的相干点分布，会对长期连续干涉测量的计算速度与可靠性造成负面影响。针对京雄城际铁路在建设期内长时间序列、大覆盖范围、高解算效率的地面形变监测需求，本文提出采用ISBAS-InSAR方法[28]提取地表形变信息；选取欧空局Sentinel-1A/B星载SAR系统于2016年5月—2020年3月期间获取的影像集作为数据源，提取分析地表沉降时间序列；利用气象站同期实测获取的降雨、相对湿度、气温等典型气候因子的观测数据进行相关性分析，旨在进一步揭示各沉降漏斗区域的发展演化态势，为交通基础设施沿线的安全性监测与治理提供有力的数据支撑。

1 研究区域与数据

1.1 研究区域

京雄城际铁路北起李营站，向南途经北京大兴区、北京大兴国际机场、河北廊坊市、固安县、霸州市，终至河北雄县，全线正线线路92.785 km。本文研究区域及Sentinel-1A/B影像覆盖范围见图1，其中红色矩形框部分为京雄城际铁路北京大兴区—雄县段沿线区域，覆盖面积约为3 547 km2。从地理位置来看，该区域位于我国三大平原之一的华北平原内，属温带半湿润气候，四季分明，年平均降水量约为500～600 mm，蒸散在6—9月达到峰值。从地势上看，该区域整体地势由西北向东南倾斜，平均海拔低于100 m，内有泃河、永定河、潮白河等河流携带的大量泥沙砾石，沙石大量沉积形成了典型的山前洪积冲积平原地貌。在地层结构方面，该区域地下软土层分布较多，软土层具有含水率高，孔隙率大，低渗透性和高压缩性的特征[29]，当地下水长期处于超采状态时，软土层极易受到影响而发生固结压缩，进而引发地面沉降。在经济地位方面，该区域为我国“首都经济圈”的核心区域，城镇化程度高，人口密度大，高层建筑荷载、基坑降排水、地热开采等人为活动是引起地面沉降的重要因素[30]。

图1 研究区域及Sentinel-1A/B影像覆盖范围

1.2 研究数据

本文选取欧空局Sentinel-1A/B卫星获取的C波段SAR影像作为监测数据。该数据具有VV/VH两种极化方式，重访周期为12 d，距离向和方位向的空间分辨率约为2.3 m × 14 m，干涉宽幅模式影像覆盖范围为180 km × 250 km，可免费获取[31]。本文共选取100景影像作为监测数据，其中包括2016年5—9月期间的9景降轨Sentinel-1A影像，以及2016年10月—2020年3月期间的91景降轨Sentinel-1B影像。Sentinel-1A/B数据见表1。

表1 Sentinel-1A/B数据

此外，为了校正轨道误差以及地形相位，获取了与SAR影像对应的精轨数据(Precision Orbit Data, POD)用于修正轨道参数，以及日本宇宙航空局2015年5月公布的30 m空间分辨率的AW3D30数字地表模型(DSM)数据作为差分干涉处理的外部参考数据。

2 ISBAS-InSAR方法

经典SBAS-InSAR方法由Berardino等于2002提出，其主要思想是通过设置时空基线阈值将干涉图集划分为若干子集，在集合内选取高相干性的干涉对，采用最小二乘方法求解。考虑到系数矩阵的秩亏问题，Berardino等又提出利用奇异值分解求解时序形变信息。SBAS方法能够有效削弱传统差分干涉中的失相干误差和大气延迟的影响，同时克服了永久散射体方法单一主影像导致的部分干涉图相干性较低的缺点。然而，常规的SBAS-InSAR方法采用了多主影像基于短时空基线构建干涉网络，干涉对数量的丰富势必增加了数据解算的时间，尤其对于长时间序列、高密度干涉网的监测需求，低解算效率将显著影响最终的形变监测结果。针对上述局限，Zhang等[28]提出将所有干涉图集限定在一个干涉网络中，利用加权最小二乘估计，即网络反演方法求解时序形变，具有较高的可靠性。面向大区域工程应用的需求，采用全连接干涉网络能够更充分利用所有干涉图，实现对于低相干区域的最优相位估计，具有明显优势，但相比之下计算效率则更低。鉴于此本文提出针对全连接干涉网络的ISBAS-InSAR方法，对于具有改进轨道控制和短重访周期的Sentinel-1卫星影像，所有干涉对在时间域上是连续的，干涉图网络可实现完全连接，从而将网络反演方法简化为超定方程组的无偏加权最小二乘估计，进一步提高计算效率。此外，本文还引入了多种有效的误差校正模型，对大气误差、解缠误差等系统误差分量进行精化改正处理。

2.1 时序干涉算法模型

对于N+1景覆盖同一区域的具有相同成像几何特征的SAR影像，设定影像对间的相关系数和短时空基线阈值组合后生成的M幅干涉图满足

(1)

对于第i(i=1, 2,…,M)幅干涉图中方位向和距离向坐标分别为x和r的像素点，其干涉相位中包含的各相位贡献分量∆φi(x,r)为

(2)

式中：tA、tB为SAR影像的获取时间；φdef为LOS向形变相位；φtopo为地形起伏的相位贡献，可借助外部DEM数据去除；φflat为平地相位，可利用轨道数据模拟并去除；φatm为大气延迟误差；φnoise为噪声误差。

SBAS-InSAR方法主要通过逐像元计算来获取形变时间序列，解算模型可构建为

∆φ=Aφ+∆φε

(3)

(4)

对于每个像素，反演得到的相位可以通过计算时间相干性γtemp进行评估[32]为

(5)

(6)

(7)

式中：λ为雷达波长；c为未知常数。

2.2 时序干涉处理流程

时序干涉计算所涉及的误差主要来自数据质量(轨道误差、相干性质量等)、大气误差相位和相位解缠引入的误差，而方法的关键则是要选取合适的时空基线阈值以减轻失相干的影响[32]。Zhang等[28]在已有研究的基础上重点提高了SBAS-InSAR技术的计算效率，并集成了各类误差校正模型，如相位解缠误差、大气误差等。本文选择GAMMA作为SAR影像预处理软件，并采用开源算法平台MintPy开展后续的时序干涉处理，整体流程如下：

(1)影像配准与干涉预处理

Step1对Sentinel-1单视复数数据进行聚焦，同时利用外部精密轨道数据完成轨道校正。

Step2选定主影像，并利用外部DEM数据完成地理编码，生成雷达坐标系下模拟的DEM，以及雷达坐标系与地理坐标系的对应关系列表，称之为查询列表。

Step3利用模拟的DEM，基于光谱差异和强度匹配算法生成主影像和从影像间的查询列表并计算偏移量，然后将从影像重采样至主影像几何空间下；检查配准精度及生成的差分干涉图是否存在相位跳变，如果存在异常，则进行迭代配准，直至方位向偏移量小于0.001像素，且不存在明显相位跳变。

Step4裁剪研究区域，并对裁剪后的干涉图进行相位解缠。相位解缠使用最小费用流技术进行，最后输出解缠后的干涉图集。

预处理流程见图2。

图2 预处理流程

(2)ISBAS时序干涉精化处理

Step1设定时间基线阈值为108 d，空间基线为80 m，构成包含435对干涉对的基线网，见图3。

图3 时空基线网

Step2设定空间相干性阈值为0.25，时间相干性阈值为0.5，以筛选相干点目标。选定的相干目标需要尽可能分布在相干区域内，以最大程度减少空间域相干大气延迟误差的影响。此外，本文提出的ISBAS方法通过在单个干涉对中采用空间域相干性掩膜以去除低相干观测点，并在长时域选取满足一定阈值的高相干性干涉对，进行最小二乘构网平差，以提高参与解算的干涉对整体质量。

Step3在时间域上采用时间域相干性优选方法，最终提取得到高质量的形变监测点。为了扣除干涉图中大气的影响，ERA-5数据作为外部气象模型的输入来校正对流层延迟误差[33-34]。而对于残余对流层、电离层延迟误差及轨道误差引起相位斜坡，以及由DEM误差引入的地形误差，则在对流层延迟校正后，利用多项式进行建模校正。然而，残余误差相位仅利用多项式建模并不能完全校正，而通过计算均方根误差RMSE及绝对离差中位数MAD可对其识别并移除。

Step4在所有误差剔除后，通过反演可得到研究区域内LOS向的年平均形变速率，即形变时间序列最佳拟合线的斜率值。将该速率转成垂直向，则可得到垂向形变的年平均速率。

时序干涉处理流程见图4。

图4 时序干涉处理流程

3 区域沉降时空分布与线路缓冲区分析

按照上文的方法及处理流程，获得研究区地表形变速率场，见图5。图5中，由北至南车站依次为：李营站、北京大兴站、大兴机场站、固安东站、霸州东站、雄安站。选定地表稳定的点作为形变解算参考点，本研究的参考点位于(116.862 097 °E, 39.693 289 °N)(图5中右上角黑色圆形)。从形变场的总体分布来看，研究区域内存在5个明显的沉降漏斗区，其中A区域(大兴机场站—永定河岸)和B区域(霸州北站—雄安站之间)的沉降漏斗分布于铁路沿线或附近，可能对铁路的运营安全带来潜在威胁，而距线路较远的C区域(北京通州区西北)、D区域(廊坊市)和E区域(霸州市以东)存在另外3个沉降漏斗区。考虑到A、B区域覆盖了京雄城际铁路线路两侧，对线路建设和后续运营有较大的影响，故分别针对这2个区域内的地表形变空间分布及累计形变的时序曲线进行深入研究；而C、D、E区域距离铁路沿线较远，对铁路运营安全的威胁较小，本文不再做拓展分析。

图5 研究区域地表形变速率场

3.1 铁路沿线典型区域性地表沉降分析

区域A形变速率与遥感影像见图6。如图6(b)所示，大兴机场站—永定河岸不均匀沉降区的沉降漏斗主要分布于大兴区礼贤镇、榆垡镇和固安县城。为了分析该区域的沉降特征，选取形变速率最大的典型沉降点a、b、c，并提取2016年5月—2020年3月间的累积形变量，见图7。由图7可见，3个沉降点的累积形变量总体呈线性趋势，累积形变量分别达到-268、-168、-241 mm，对应的年形变速率分别约为70、55、65 mm/a。在某些季节，如每年的6—9月间，该区域的地表沉降存在较为明显的波动，可初步判断与区域地质构造和雨季的降雨补给相关。

图6 区域A形变速率与遥感影像

图7 区域A内沉降点累积形变量

为进一步探究区域A中沉降漏斗形成的原因，同样提取2019年9月3日的MAXAR卫星9.6 m分辨率Vivid拼接光学影像(见图6(a)、图6(c)、图6(d))与形变速率图进行对比，发现礼贤镇以南和榆垡镇以东的大兴国际机场附近存在多处不均匀沉降，在建筑区、施工区等机场周边区域多有分布，但机场区域总体上相对稳定。通过与光学影像对比发现(见图6(d))，机场周边主要分布有大量居民区及种植区，周边的地表下沉主要与人类活动有关。此外，机场以北出现自西北向东南的长条带沉降区域(见图6(a)、图6(b)中白色虚线所示)，通过光学影像发现，该区域是永定河的河道，河道附近人类种植活动频繁。同时，永定河流域中下游洼淀较多、水流条件复杂[35]，已出现河道淤积、改道等问题，河道的自然变化和人工改造活动也是地表沉降的相关因素之一。值得一提的是，A区域中不均匀沉降的峰值点出现在安定镇内(见图6(c)中红色圆圈标识区域)，其形变速率远超周边区域，达到110.70 mm/a。经调查，该沉降峰值及周边的沉降漏斗位于一个垃圾填埋场(见图6(c))，填埋坑的开挖与堆积使得该处的地表形变信号异常显著，这也从侧面体现了InSAR技术空间全覆盖的技术特点，和对地表形变极为敏感的优势。总体上，礼贤镇以西以及榆垡镇与固安县之间的永定河区域存在较为典型的不均匀沉降，可能对铁路的安全运营和维护构成威胁，应予持续关注。

区域B地面形变速率场与沉降点累积形变量见图8。由图8(a)不难判断，线路西北侧近30 km的带状区域下沉极为显著，且严重程度明显高于其他沉降漏斗区。其中，带状区域内形变速率超过60 mm/a的区域面积超过190 km2，整体沿西南至东北走向，分布于铁路西北，且向周边扩展的趋势较为明显。目前，京雄城际铁路受波及程度尚不严重，但长期累积的影响亦不容忽视。在B区域选取固安以南、马庄镇与北沙口乡之间、大营与北沙口乡之间3 个典型沉降点d、e、f(见图8(a))，分别提取累积形变量，见图8(b)。由图8(b)不难看出，d、e、f三点在2016年5月—2020年3月间的累积形变量分别达到了-271、-310、-380 mm，对应的形变速率分别超过了73、90、100 mm/a。在地表沉降量的年际变化规律方面，每年的6—9月之间亦存在较大波动。根据张永红等[36]的研究结果，雄县在2012—2016年间大部分地区的形变速率在40 mm/a以内，而雄县大营镇、北沙口乡一带的地面沉降从2013年初开始逐步加剧，形变速率和范围都在不断增大，至2016年底累积沉降量达到最大，这与本文监测结果基本吻合。而不同的是，本文采用了监测时间跨度为2016—2020年的现势性数据和ISBAS-InSAR时序干涉测量技术手段，相较于以往的时序InSAR手段，ISBAS-InSAR方法采用全连接干涉网络，大量Sentinel-1时序干涉网络可实现完全连接，并通过超定方程组的无偏加权最小二乘估计进行网络反演计算，在有效提升长时序干涉测量精度的基础上，实现了计算效率的显著提升。此外，本文将该区域的长时序InSAR地表形变监测数据拓展至2020年3月，对于铁路工程的后续运营安全维护具有良好的现势性和指导意义。最后，本文的监测结果进一步证实了该区域的不均匀地表沉降仍处于持续发展的过程中。

图8 区域B地面形变速率场与沉降点累积形变量

针对地处南部的B区域显著性地表沉降，结合地质背景分析发现，雄县总体位于渤海湾盆地冀中坳陷内，区内主要包含有牛驼镇凸起、容城凸起、高阳低凸起等次级构造单元[37]。同时区域B位于牛驼镇地热田内，该处的地热田是华北地区地热资源最具开发利用价值的地热田，且雄县境内60%以上的区域地下储藏有地热水，固安县矿泉水资源丰富，广布在境内地下300～800 m处，资源埋藏浅、温度高、开采量大。总的来看，地下水采伐应为该区域产生持续沉降的主要原因。

3.2 铁路沿线缓冲区沉降分析

为面向京雄客运专线开展有针对性的应用分析、探究线路及周边沉降漏斗的分布，本文提取铁路沿线两侧4 km的缓冲区形变速率(见图9(a))和路基纵剖面形变速率(见图9(b))，其中路基纵剖面形变速率为对时序InSAR形变速率结果沿铁路中线逐像素提取、绘制而成。

图9 铁路沿线缓冲区及剖面形变速率

由图9可见，铁路沿线的沉降漏斗主要集中在大兴机场站附近，以及霸州北站与雄安站之间，分别对应图9(b)中约13～38 km路段及68 km以后路段，年形变速率约在20～60 mm。而在其他区域，形变量级较小，基本稳定在15 mm/a以内。大量针对Sentinel-1卫星时序干涉测量的应用研究表明，时序InSAR的地表沉降监测技术可达到二、三等水准测量的精度水平[38]。不过，本文时序监测的时间跨度覆盖京雄客运专线建设期，现场的施工作业和土方填埋等都将对监测结果精度造成负面影响。此外，从铁路沿线的形变速率剖面可以看出，局部数值波动极大，这主要是受2018—2020年期间铁路建设施工的影响。

为进一步探究铁路沿线主要沉降漏斗的沉降规律，本文沿铁路线在典型沉降漏斗区域选取6个特征点R1～R6(图9(a)中白色×处)提取其在2016年5月—2020年3月间的累积形变量，见图10。由图10可见，总的来看这6个点的沉降趋势基本一致；位于小里程段的R1处于地表沉降较为缓慢的区域，但近4年间的累积形变量仍约达-120 mm；R2、R3、R4处沉降漏斗的年形变速率在40～60 mm之间，近4年的累积形变量分别约为-172、-163、-226 mm；R5、R6点位于霸州北站—雄安站路段内，该区域形变速率较快，年形变速率最大超过65 mm，近4年的累积形变量分别约为-205、-210 mm。此外，在2018年7月—2019年3月之间，R2、R4、R5、R6的形变速率明显高于R1和R3；在2019年6月以后，R3、R4、R5、R6的形变速率显著增加，其中R3与R2基本相当，而R4、R5、R6基本一致。另外，这6个点的沉降波动性与区域A中a—d点的波动起伏规律相似，主要原因应归于地质构造、降雨补给与地下水采伐。

图10 铁路沿线沉降点累积形变量

4 气候因子相关性分析

上文已有述及，本研究区内各沉降漏斗及特征点除形变速率存在差异外，其累积沉降的多年演化规律基本一致，尤其在每年的6—9月间存在明显的非线性波动。考虑到这个时间段与雨季有所重合，为探讨其与气候环境因子的相关性，获取了气象站(图5中黑色方块)的同期观测数据，包括降雨(见图11(c))、平均相对湿度(见图11(d))、平均气温(见图11(e))等，并进一步联合气象站空间位置相同的InSAR累积形变量时间序列(见图11(a))进行关联分析。为凸显外部环境因素与累积形变波动性间的关系，首先对累积形变量的时间序列进行二阶曲线趋势去除，得到去除趋势后的累积形变，见图11(b)。

图11 累积形变与气候因素时间序列

由图11(b)～图11(e)可见，降雨量、相对湿度以及气温的波动时间段(每年6—9月间，即图中红色虚线)与去趋势后的累积形变量基本一致，表明区域性沉降与降雨量、相对湿度、气温的关系较为密切。随后，本文分别计算了2016—2019年每年6—9月间累积形变量与降雨量、平均相对湿度、平均气温的相关系数，结果见表2。由表2可见，降雨因素与地表累计沉降的相关性最强，除2016年因降雨较少未得出相关系数外，其余每年降雨量与累积形变的相关系数基本稳定在-0.55左右，两者间存在稳定的负相关关系；而平均相对湿度和平均气温与累积形变量之间的关系并不固定。

表2 累积形变与气候因素相关系数

在此基础上，本文再次获取2016年5月—2020年3月间气象站测得的降雨量月均值S，并同时对累积形变量的月均值P进行计算，之后对时间序列进行经典加性模型分解，得到趋势项、季节项、残差项3个子项的时间序列，见图12。由图12可见，总的来看，区域性累积沉降呈现显著线性下沉趋势，而降雨量具有较为典型的单峰结构和年循环特征。结合趋势项分析，累积沉降逐年加剧，而降雨量则具有持续下降的趋势特征。其中，2016—2017年间累积沉降幅度明显，而在2018年1月后沉降则逐渐趋于稳定；与之对比，降雨量的减少趋势则经历了先缓后急的变化过程。从季节项来看，区域性累积沉降与降雨量均存在极强的重复性季节波动，同时，二者的波动持续时间与波动幅度高度吻合。综上所述，累积沉降与降雨量在整体趋势上高度一致，降雨量的季节性变动对形变速率的影响极为显著。这一结果从侧面证实，地下水的补给对减缓和治理沉降有较为积极的作用。

图12 累积形变、降雨的月均值时间序列分解

5 结论

针对长时间序列下干涉网络的高复杂度、相干点的高密度等引起的低解算效率问题，本文基于ISBAS时序InSAR监测方法，借助Sentinel-1A/B星载SAR影像数据集，获取了京雄城际铁路沿线及周边区域2016年5月—2020年3月间的地面沉降时序监测结果，揭示了铁路沿线沉降漏斗的空间分布以及时序演化规律；同时结合光学影像对比分析和地质背景资料，对沉降漏斗的形成原因进行了归因性分析；最后结合降雨量等典型气候因素对累积形变量进行了相关性分析，进一步探究了降雨补给对区域性地表沉降的影响与作用规律。得出以下结论：

(1)大区域时序干涉测量结果表明，该研究区内的沉降漏斗主要分布在北京的大兴区和通州区，以及固安县、雄县、廊坊市和霸州市内。通过分析位于京雄城际铁路沿线及附近的不均匀沉降区A(大兴机场站—永定河岸)和显著沉降漏斗区B(霸州北站—雄安站之间)的沉降演变情况得出，在区域A的礼贤镇、榆垡镇和固安县城内，形变速率超过70 mm/a，沉降漏斗主要分布在大兴机场周边的居民地及沿永定河河道的条带状区域，人类活动及河道变迁可视作A区域内发生沉降的主要成因；沉降漏斗区B位于京雄城际铁路的西北，沿西南至东北走向且呈带状分布，最大形变速率超过100 mm/a，形变速率的加剧与沉降范围的扩张趋势明显，结合已有研究资料判定，地面沉降的发生主要与雄县及固安县境内地热及矿泉水采伐有关。

(2)针对京雄城际铁路提取总剖面图并建立4 km缓冲区开展分析表明，13～38 km路段及大里程68 km之后路段，在建设期已表现出较为显著的区域性沉降趋势，最大形变速率超过60 mm/a，有必要在后续的运营期持续关注。

(3)进一步结合气象站实测获取的降雨等同期数据开展相关性分析表明，京雄城际铁路沿线4年间的整体沉降趋势较为稳定，但每年6—9月间降水与地表沉降的波动特征高度吻合、负相关性显著，表明地下水的补给对减缓和治理区域性沉降有较为积极的作用。

本文相关研究数据旨在全面反映京雄城际铁路周边的不稳定沉降漏斗及其发展演化态势，为京雄城际铁路的安全运营和科学维护提供支撑。