空天地多源数据地表形变分级监测平台构建

何原荣，李栋坤，余德清，宋永飞，蔡小樱，崔城玮

（1.厦门理工学院 数字福建自然灾害监测大数据研究所，福建 厦门 361024；2.洞庭湖区生态环境遥感监测 湖南省重点实验室，湖南 长沙 410007；3.宁夏国土资源勘测监测研究院，宁夏 银川 750002）

地面沉降是一种地面下沉或地陷现象。联合国教科文有关组织预测，到2040年，世界地面沉降潜在面积将增长8%，其中地面沉降风险最严重的区域集中于亚洲［1］。快速开展地表形变监测，提前发现和精准排查安全隐患，提高防范能力与水平，尤为重要。

传统的地表形变监测存在点观测、成本高、受天气影响大等不足［2-4］。而差分雷达干涉测量技术不受天气、光照条件限制，具有全天时、全天候地对地观测能力［5］，被广泛应用于形变监测。多时相InSAR 技术进一步克服D-InSAR 技术失相干、大气延迟等影响，成为近年来研究热点［7-10］。利用多时相InSAR 技术进行大范围、高精度形变监测，在时空上弥补了传统监测手段的不足。近年来，国内学者［11-12］构建了“空天地”一体化监测体系，实现了区域扫面性形变普查、风险区安全排查、隐患点实时监测。

实景三维中国建设，推动了实景三维在灾害监测领域的应用和三维可视化平台的构建，克服了传统二维数字高程模型和数字正射影像的信息缺乏、片面、抽象等不足，为民众提供了直观的形变监测数据，具有多维展示、沉浸感强、直观等优点［13-14］。

本文提出了构建“空天地”一体化地表形变分级监测体系，并基于Cesium、Spring Boot、MySQL数据库构建三维可视化平台，探测地表形变情况，排查安全隐患，实现多源形变监测数据三维展示、动态查询，进行形变监测预警预报，提升主动防范能力和水平，保障人民群众的生命财产安全。

1 空天地多源数据形变分级监测体系及系统框架

1.1 地表形变分级监测体系

基于“空天地”多源监测技术构建地表形变分级监测体系，开展大范围动态普查—局部安全排查—定点实时监测，实现高精度、全方位、立体探测地表形变，排查安全隐患，减少经济损失。图1 为地表形变分级监测体系框架图，具体方案如下。一级大范围动态普查：借助多时序高分辨率光学影像和PS-InSAR技术初步识别、探测地表形变，实现区域性、扫面性动态普查，并筛选出形变漏斗，视为安全隐患区域。二级安全隐患排查：基于无人机遥感技术对隐患区域定期航拍，构建多时序倾斜模型、正射影像、三维点云，立体探测，分析区域时空变化；并基于VUE 框架构建地表形变外业核查软件客户端（App），开展隐患区域信息采集并拍照记录，排查隐患点。三级定点实时监测：针对隐患点，构建高精度实景三维模型，提取建筑物测绘信息，并数字化存档；对隐患点架设GNSS 监测站，实现定点实时监测。

图1 “空天地”多源数据地表形变分级监测体系Fig.1 Hierarchical monitoring system for surface deformation with multi-source data of air-space and earth

1.2 三维可视化系统框架

本系统基于Cesium、Spring Boot、MySQL 数据库，以二维地图为底图，叠加实景三维模型，并通过Node.Js 桥接后端，访问PS 点、GNSS 监测站、外业核查表数据库，将形变监测数据以曲线、表格形式表征，提供更直观的形变监测信息。图2 为三维可视化系统框架。

图2 三维可视化系统框架图Fig.2 3D visualization platform frame diagram

2 关键技术原理

2.1 一级形变普查

2.1.1 基于PSI 技术与高分辨率影像的地表形变大范围动态普查

PS-InSAR 技术由Ferretti［15］首次正式提出，并在2003年Fringe大会上被确认为InSAR领域最具应用前景的技术之一。自此PS-InSAR 技术逐渐成为国际相关领域研究热点，被广泛应用于城市地表形变监测［16-18］。PS-InSAR 技术通过提取具有稳定散射特性的高相干点（PS 点）目标上的时序相位信号进行分析，反映区域地表形变平均速率和时间序列形变信息，形变测量精度能够达到厘米级甚至毫米级［15］；根据PSInSAR 技术提取的形变速率结果筛查沉降漏斗，结合高分辨率光学影像对监测结果进行核验，确认安全隐患区域，其技术路线如图3所示。

图3 PS-InSAR与遥感影像地表形变初识别流程Fig.3 PS-InSAR and remote sensing image surface deformation identification process

2.2 二级安全排查

2.2.1 基于无人机遥感技术安全排查

针对安全隐患区域，利用无人机搭载相机、LiDAR传感器航飞采集数据，并使用大疆制图软件，生产多时序正射影像、倾斜模型、三维激光点云，通过多时序对比分析筛查安全隐患点，可为人工巡查缩小调查范围。图4为无人机遥感技术安全排查流程。

图4 基于无人机遥感技术安全排查Fig.4 Security investigation based on UAV remote sensing technology

2.2.2 基于外业核查App人工巡检安全排查

根据初步提取的安全隐患区域，开展人工巡检，采集环境信息并拍照记录，可为相关部门提供数据支撑。为提高外业采集的效率，保障数据实时传输，本实验还基于Vue 框架构建外业核查App，该App 是三维可视化平台配套的外业实地核查客户端，根据核查信息采集需求，软件设计功能如图5所示。

图5 外业核查App功能构架Fig.5 Field verification App functional architecture

2.3 三级定点实时监测

2.3.1 基于高精度实景三维建筑信息提取

针对安全隐患点，利用无人机航拍建模生成倾斜模型，结合机载LiDAR 和架站式三维激光扫描获取三维激光点云数据，融合倾斜模型与三维激光点云数据，构建高精度实景三维模型，进一步对存在安全隐患的建筑物进行安全排查，提取区域总平面图，绘制建筑物的分层平面图、立面图、剖面图，并数字化存档，可为制定相应的防范措施提供数据参考，也可作为定责的重要依据。高精度实景三维建筑信息提取技术路线如图6所示。

图6 建筑物数字化建档Fig.6 Building digital documentation

2.3.2 基于GNSS技术的隐患点实时监测

本实验基于太阳能，自主设计电能与电源管理电路，使监测站点供电自给自足，再集成GNSS 定位系统采集地表沉降数据，实现毫米级监测，最后基于互联网将数据实时传输至数据中心进行解译，获取高精度经纬度及高程。图7 为GNSS 高精度定位监测。

图7 GNSS高精度定位监测Fig.7 GNSS high-precision positioning monitoring

3 “空天地”形变监测三维可视化平台构建

构建“空天地”形变监测三维可视化平台，平台采用前后端分离开发，采用Node.Js 作为桥梁架接服务器端API 输出的JSON。前端采用Vue、Cesium 框架设计构建网页界面和功能；后端采用Spring Boot+tomact进行系统发布、数据发布、处理请求、数据库操作等；数据库采用MySQL 关系型数据库，构建InSAR、外业核查、GNSS监测站数据库表，如表1-3所示。

表1 PSI解算数据库表设计Tab.1 Database table design for PSI solution

表2 GNSS监测数据库表设计Tab.2 Database table design of GNSS monitoring

表3 外业核查App数据库表设计Tab.3 Field verification App database table design

3.1 三维可视化平台功能实现

3.1.1 三维可视化平台搭建

系统前端基于Vue、Cesium 框架设计、构建网页界面和功能；后端基于Spring Boot+tomact 进行系统发布、数据发布、处理请求。浏览器请求服务器端的Node.Js；Node.Js再发起HTTP去请求JSP；JSP依然原样API 输出JSON 给Node.Js；Node.Js 收到JSON 后再渲染出HTML页面，将HTML页面Flash到浏览器。

3.1.2 系统功能设计与实现

（1）底图管理模块。Cesium 框架支持各种地图底图的显示，包含天地图、谷歌等标准影像加载接口，不同类型的地图有相应的加载类及在线地图服务URL，选择不同的地图，加载底图显示。

（2）数据图层管理模块。数据图层管理模块主要管理遥感影像、InSAR图层、实景三维模型及三维激光点云等数据的加载与删除。

（3）InSAR 监测模块。InSAR 监测模块用于展示InSAR监测数据，功能包含色域显示调整、监测图层选择、监测点三维渲染、形变速率变化曲线。图8 为InSAR 监测功能模块。InSAR 监测数据，通过配置本地MySQL 数据库代理，前端借助Node.Js 访问后端数据库，从数据库中调取监测数据的点位坐标、年平均形变速率及时间节点形变量。PS 点加载显示主要依据经纬度与系统二维地图匹配叠加，依据年平均形变速率调整色域显示范围，并以不同颜色展示。

图8 InSAR监测功能模块Fig.8 InSAR monitoring module

监测点三维渲染模块主要依据该区域的实景三维模型坐标与PS 点坐标匹配算法，通过PS 点的经纬度坐标值（B1，L1）与三维模型经纬度（B2，L2）匹配，当PS点坐标与模型坐标相一致时，获取三维模型的高度值（H2），将H2暂存于PS 点（B1，L1，H2），再次加载PS点，根据（B1，L1，H2）实现三维渲染。

形变速率变化曲线模块依据PS 点时间序列形变速率绘制形变速率变化曲线，其中以时间序列为X轴，形变速率为Y轴。点击PS点，前端调取数据库中的形变量，所绘制的形变速率曲线如图9所示。

图9 形变速率变化曲线Fig.9 Deformation rate change curve

（4）GNSS 监测数据模块。GNSS 监测数据以点号、名称、经纬度、高程数据类型存储于数据库中，GNSS 监测数据模块主要通过后端实时调取数据，不断迭代更新数据，X轴表示实时时间，Y轴表示高程数据，根据实时高程数据绘制GNSS 监测数据曲线图如图10所示。

图10 GNSS监测数据曲线Fig.10 GNSS monitoring data curve

（5）外业核查数据展示模块。外业核查数据展示模块，以PS 点ID 唯一值作为信息录入、数据调用的匹配标准，保障前端数据调取展示。前端开启外业核查数据模块，用户通过点击PS点，系统调取核查数据，并以表格形式表征采集信息。

（6）空间分析工具模块。空间分析工具包含空间距离测量、面积测量、高度差测量及方量计算等。

4 应用案例

根据“空天地”多源数据地表形变分级监测体系，以厦门市为研究对象，开展全天候、全区域、全要素的立体监测，构建地表形变监测三维数字大屏，实现多源形变监测数据三维动态展示、实时查询。

利用PSI技术提取2018—2021年实验区地表形变速率，结合高分辨率遥感影像对比分析，开展一级形变大范围普查，初步识别监测时段内沉降漏斗，显示整体形变速率主要集中在-1.60～1.37 mm/y，部分地方沉降速率较大，为-4.35～-2.64 mm/y，包含有6个沉降漏斗，图11 为PSI 沉降监测图。对比多时序高分辨率影像，分析沉降漏斗区影像纹理特征、颜色变化，发现某区域存在地标硬化、自建新房、屋顶加盖等现象。这些可能是沉降漏斗形成的重要原因之一。

图11 2018-2021年厦门岛内及周边地表沉降监测专题图Fig.11 Thematic map of surface subsidence monitoring in and around Xiamen Island from 2018 to 2021

针对某安全隐患区，利用外业核查App 对隐患点开展人工巡检，记录地理位置、地形地貌并拍照记录。该区域地处商业街，经济活动频繁，建筑物密布且以自建房为主。因此，可能由于增建房屋，导致地面沉降；还可能由于人类经济活动加剧，地下水开发利用导致地面沉降。

针对安全隐患点，结合“一级、二级”形变筛查，利用无人机与三维激光扫描技术获取高精度实景三维模型，绘制建筑物总平面图、立面图，并数字化存档，形成一栋一表，为决策管理服务提供真实数据。

针对高楼、桥基、地灾隐患体布设GNSS 监测站，进行实时监测，将采集数据实时传输至数据库。GNSS 监测站点选址部署及监测数据接收如图12 所示，并绘制3 个监测站高程监测数据曲线图如图13所示。由图13 可知，监测站的拟合曲线趋于直线，说明在短时间内几乎没有发生形变，而实时数据由于外界的环境干扰导致数据波动。因此，需要对监测点做更长时间的监测。

图13 GNSS监测站高程曲线Fig.13 GNSS monitoring station elevation curve

最终构建地面沉降监测数字大屏，以厦门市高分辨率遥感影像为二维底图，融合与集成实景三维数据体、监测体、多源监测数据，实现形变监测数据三维实时展示、动态查询。监测数据数字大屏展示如图14所示。

图14 监测数据数字大屏展示Fig.14 Digital large screen display for monitoring data

5 结论与展望

本文基于卫星遥感测绘、无人机遥感、三维激光扫描、GNSS 等现代测绘技术，提出“空天地”一体化地表形变分级监测体系，并基于Cesium 框架、Spring Boot框架、MySQL 数据库构建三维可视化平台，实现多源形变监测数据三维、动态、实时展示，探测城市地表基础设施形变情况，排查安全隐患，进行形变监测预警预报，提升主动防范能力和水平。

后续将集成更多源监测技术，挖掘地面沉降数据，结合空天地一体化监测模式，实现地质灾害智能化、现代化监测，为灾害预警与灾损评估提供技术支撑，减少灾害经济损失，保障人民群众安全，进一步推动社会经济、生态环境可持续发展。将地面沉降灾害监测模式延伸至滑坡监测、水库堤坝监测、危房监测等相关行业应用。将多方面资源整合利用起来，全面提高监测能力和服务水平，为全方位推动全国地质灾害智能化监测、预警预报奠定坚实基础。