基于SBAS-InSAR技术的广州市白云区长时序地表形变监测与成因分析

丁 伟,陈展鹏,许 兵,冯志雄

(1. 广州市城市规划勘测设计研究院,广东 广州 510000; 2. 中南大学地球科学与信息物理学院,湖南 长沙 410000)

地表沉降作为最常见的引发地质灾害的因素,持续时间长、影响范围广,对城市基础设施安全构成重大威胁[1]。目前地表形变监测手段主要有水准测量、GNSS监测和InSAR技术等[2]。传统水准测量、GNSS测量等是基于单点的形变监测技术,虽然监测精度高,但实施成本高昂,且难以进行大范围、高密度的点位布设。InSAR技术以其全天时、大范围、高精度等优点被广泛应用于城市地表形变监测中[2]。

传统的DInSAR技术容易受到时空失相干、大气、轨道等因素的影响[3]。为突破这些限制,时序InSAR技术应运而生,如永久散射体技术[4](persistent scatter InSAR,PS-InSAR)和小基线集技术[5](small baseline subsets InSAR,SBAS-InSAR)等,并且得到了广泛的应用[6-11]。时序InSAR技术已被广泛应用于多种场景下的地面形变监测,在城市地面稳定性监测和地质灾害预测预警方面具有巨大的应用潜力。

白云区作为广州市中心城区中面积最大、常住人口最多的一个区,在广州建设国际航空枢纽方面起着至关重要的作用。然而频繁的人类活动与脆弱的地质条件,导致白云区存在沉降风险甚至可能引发地质灾害[12]。为保障白云区基础设施安全,在白云区开展地表时序形变监测工作,具有重要意义。但是目前,针对白云区长时间序列的地表形变监测研究较少,为此,本文利用SBAS-InSAR技术对2016—2022年间覆盖广州市白云区的176景Sentine-1数据进行处理,并结合历史光学影像和现场调查数据,对研究区域内形变产生的原因进行分析和总结。

1 研究区概况与试验数据

1.1 研究区概况

白云区位于广州市北部,交通发达,是广州东、东北、北、西的出入口咽喉,在交通上起着举足轻重的作用[13];同时也是地表沉降和地质灾害频发的地区之一[14]。白云区位于北回归线以南,属亚热带季风气候,季风环流盛行,夏季潮湿高温,冬季凉爽干燥,年平均气温为22℃～23℃,年降水量达到1700 mm[15]。

白云区地势较为平坦,主要以广从断裂带和广三断裂带为分界,将白云区分为3个地质单元:增城丘陵区、广花盆地及南部平原区[15]。白云区的地面沉降与当地的地质条件密切相关,相关的研究表明,白云区主要存在3种地质构造(松散土、隐伏岩溶和层理岩),其中沉降更容易发生在松散土和隐伏岩溶两种地质构造环境中[12,15]。

1.2 试验数据

Sentinel-1星座是一个搭载C波段的合成孔径雷达,能够全天时、全天候对地观测[16],由Sentine-1A和Sentine-1B两颗卫星组成。Sentinel-1在近极地太阳同步轨道上运行,轨道高度约700 km,重访周期为12 d,两颗卫星编队飞行时的重访周期可缩短至6 d。Sentinel-1有4种成像模式,分辨率最高5 m、幅宽达到400 km。本文收集了2016年2月10日—2022年3月22日期间覆盖广州市白云区的176景升轨Sentinel-1单视复数(single look complex,SLC)SAR影像,其中方位角为-10.5°,入射角为33.99°。

2 数据处理

SBAS-InSAR方法主要通过选择时间基线和空间基线满足一定阈值的干涉对,对其相位进行空间多视处理,最大限度地保证了干涉相位的相干性,适用于大范围的时序形变分析。本文的SBAS-InSAR时序形变数据处理流程如图1所示。具体步骤如下:

图1 SBAS-InSAR时序形变数据处理流程

(1)参考影像选取与影像配准:为了减少配准误差的影响,需要选取SAR影像序列中的一景作为配准参考影像,以保证配准精度最优。本文选取2016-02-10的影像作为主影像,其他时间影像均以主影像为基准进行配准。

(2)干涉对选取:时间基线和空间基线影响着干涉图的相干性,为了得到更加可靠的形变结果,本文选用的时间基线阈值为72 d,空间基线阈值为227 m,最终获得的时空基线如图2所示。

图2 本文所用Sentinel-1数据的时空基线

(3)差分干涉处理:按照距离向和方位向4∶1的多视对干涉对进行处理,利用轨道信息去除平地相位,使用外部DEM去除地形相位,从而得到每个干涉对的差分干涉相位,此时差分干涉相位包含形变、DEM误差、大气误差、轨道误差和随机噪声等成分。

(4)SVD形变参数求解:由于在SBAS干涉对的组网中,解缠的差分干涉相位是各个干涉对的从影像相对主影像的变化量,需要采用SVD分解的方法,将这些相对变化量转换为单一参考时间的相对变化量,从而得到原始形变序列,此时的形变序列还包含大气误差、DEM残差和轨道误差等。

(5)形变序列恢复:原始形变序列受到DEM误差、大气误差和轨道误差的影响,只有去除此类误差才能恢复出准确的形变序列。本文通过迭代计算的方式去除DEM误差,再根据大气延迟误差和轨道误差在时间域和空间域上的不同信号特征,通过时间域高通滤波和空间域低通滤波将它们分离,最终获得准确的形变序列。

3 结果分析

本文获得了白云区2016—2022年的平均形变速率,结果如图3所示。可以看出,形变主要集中在钟落潭镇、人和镇、江高镇、石门街道和龙归街道等5个镇(街),形变速率达20 mm/a,一些区域的形变速率甚至达到了60 mm/a,其余区域的地表相对稳定,没有发生明显的沉降,形变速率小于20 mm/a。另外可以发现,A—F6个区域的沉降面积和量级较大。

图3 白云区2016—2022年平均形变速率

为了进一步分析这6个区域速度上的空间分布特征,本文提取了这6个区域的速度剖面,结果如图4所示。

图4 速度剖面图

由图4中明显发现,6个区域都存在沉降漏斗,其中,A—E区域的最大沉降速度均超过了30 mm/a,而F区域的最大沉降速率甚至超过了60 mm/a。

为了分析该区域的形变特征与沉降原因,本文提取了F区域的时序形变,F区域位于龙归街道,其时序形变点的位置如图5(a)中的椭圆形区域内。从该区域内InSAR时序形变结果来看(如图5(d)所示),F区域从2016年开始始终保持着线性形变趋势,且平均形变速率达到了56.9 mm/a,累计形变量达350 mm,结合该区域内光学影像和现场调查发现,F区域为李坑垃圾填埋场。相关研究表明,垃圾填埋场的沉降过程主要分为3个阶段,分别为初始阶段、第1阶段和第2阶段。初始阶段主要发生在垃圾填埋过程;第1阶段主要为垃圾填埋后水蒸气的蒸发过程;第2阶段主要为垃圾的生物、化学降解过程,在降解过程中,沉降量与填埋时间的对数呈线性关系[17]。根据报道,李坑垃圾填埋场在2004年4月填满封闭[18]。一般垃圾填埋场的沉降要持续25年以上[17],因此李坑垃圾填埋场目前正处于第2阶段,该阶段的地表沉降量与时间呈线性关系,与本文SBAS-InSAR获得的形变结果具有一致性,从而说明了F区域的地表沉降是由于李坑垃圾填埋场正在进行垃圾生化降解引起的。

图5 F区域形变结果

4 结 语

本文利用2016年2月—2022年3月覆盖广州市白云区的共计176景Sentinel-1 SAR影像和SBAS-InSAR技术,获得了白云区近年来的时序形变结果。结果表明,研究区域内的地表大部分处于稳定状态,平均形变速率<20 mm/a;局部区域沉降较为严重,平均形变速率>40 mm/a。同时,根据平均形变速率结果,本文提取了白云区沉降速率最大的区域,并结合历年光学影像和现场调查数据对该区域沉降的触发原因进行了分析,本文的研究成果为InSAR城市地表沉降成因分析提供了参考。未来,可在InSAR形变监测的基础上,结合更多的外部资料,探讨危房分布与地表形变的相关性,对城市地区建构筑物作进一步的地质灾害风险评估。