基于Sentinel-1A雷達影像的SBAS技術在地表形變中的應用

楊亞彬，李 慧

(1.廣東省地質測繪院，廣東 廣州 510800；2．廣東工業大學，廣東 廣州 510006)

珠海是廣東省的地級市，是珠江三角洲中心城市之一，地處北緯21°48′～22°27′，東經113°03′～114°19′之間。位于廣東省珠江口的西南部，東與香港隔海相望，南與澳門相連，西鄰江門市，北與中山市接壤，是珠三角中海洋面積最大、島嶼最多、海岸線最長的城市，素有“百島之市”之稱[1]。珠海市的城市規模在過去的30年中得到快速發展，以此同時在大量而且頻繁的基礎城市建設中由于土建工程而抽取地下水、基坑開挖等人為因素必然會對土層產生擾動。而珠海地處珠江三角洲，主要城區的地質結構比較不穩定[2]，地下水分布廣泛，地質災害頻繁發生，尤其是由于地表沉降而發生的災害已經給社會的人身以及財產安全帶來巨大的隱患。因此急需一種手段能夠對大范圍的地表沉降進行監測，為地質災害的防治工作提供科學依據。

合成孔徑雷達干涉測量(InSAR)技術是一種新型的空間對地觀測技術，具有高時空分辨率、高精度、監測范圍廣、穿透性強等優勢，是當今地學界較為先進的基于面觀測的地表形變監測手段[3-5]。目前，已有眾多的國內外專家學者成功應用InSAR技術進行地表沉降監測工作，并取得讓人矚目的成果[6-11]。本研究基于Sentinel-1A衛星數據[12]，采用小基線集干涉技術(SBAS)對珠海市相關區域開展地表形變監測，分析沉降區域的時空分布規律和引起地表沉降的影響因素，為港珠澳大灣區城市基礎設施健康診斷提供評價依據，提高城市災害風險管控能力。

1 SBAS技術原理及其數據源

短基線集( Small-Baseline Subset，SBAS) 技術是近十幾年發展起來的一種高級DInSAR數據處理方法，最先是2002年由Berardino和Lanari等學者提出[13-14]，主要用于研究低分辨率、大尺度上的形變。SBAS方法通過自由組合基線較短的影像對，產生一系列基于不同主影像的時間序列干涉圖子集，再利用矩陣的奇異值分解( SVD)方法，將多個短基線集聯合起來求解，解決各數據集之間空間基線過長造成的時間不連續問題，提高監測的時間分辨率，得到覆蓋整個觀測時間的形變序列和平均沉降速率。

本項目擬對斗門區、金灣區、香洲區以及澳門特別行政區進行監測，并對監測范圍進行適當外延，監測總面積約8 192 km2，監測范圍如圖1中白框所示。

圖1 研究區范圍

本項目采用32景Sentine-1A SAR影像進行數據處理。Sentinel-1是專為“哥白尼計劃”設計的第一顆衛星，主要用以監測歐洲、加拿大和極地區域的環境變化，如海冰、海洋環境以及地表運動，地表森林、水源和土壤動態變化。Sentinel-1衛星是歐洲極地軌道C波段雷達成像系統，采用預編程無沖突操作模式，可實現高分辨率全球陸地、海岸帶和航線的成像[13-14]。其相對于ERS-1/1/SAR和ENVISAT/ASAR具有重訪周期短、單景影像覆蓋范圍高的優勢，雙星座衛星的Sentinel-1重復周期可縮短至6 d。本研究時間跨度為2016-01-29—2017-11-07，數據成像模式為IW(干涉寬幅)，幅寬為250 km，地面分辨率為5 m×20 m，衛星影像數據信息如表1所示。

數字高程模型(Digital Elevation Model，DEM) 采用日本宇宙航空開發機構(JAXA)聯合美國RESTEC公司利用35 km×35 km的光學影像生產的30 m分辨率的高精度DEM，該光學影像采集自日本發射的ALOS衛星所搭載的PRISM(全色立體測繪儀)傳感器，由此獲得的DEM平面及高程精度均可達到5 m，其數據產品能在全球范圍內覆蓋。相較于SRTM數據，AW3D30的數字高程產品由于不存在雷達信號失相干的問題，因此不會出現數據空洞的問題。利用該DEM進行去除地形處理，能夠精確提供研究區域的高程數據，并且能有效降低由于外部提供的DEM不正確而產生的干涉去平地效應出錯等情況，使得InSAR結果的可靠性得以提高。

表1 SAR衛星影像數據信息

2 數據處理

2.1 差分干涉圖的生成

根據設定的時空基線閾值生成短基線集，對短基線集進行差分干涉處理。與PSI方法相比，SBAS避免了長空間基線的幾何去相干問題和長時間基線的時間去相干問題，提高干涉圖的相干性和時間分辨率，確保地表形變監測的準確性。本項目在SBAS數據處理過程中，時間閾值設定為200 d，垂直基線設定為45%的臨界基線，共生成239對干涉像對。剔除解纏效果不理想或出現明顯大氣效應的干涉像對，使其不參與后續的處理工作。經過上述處理步驟，SAR數據集中用于反演的干涉數據集共包含92對干涉像對，形成的連接圖如圖2所示。

圖2 SAR干涉對連接圖

2.2 高相干目標點的選取

SBAS技術處理的對象是一些高相干目標點，這些點的選擇是通過對一系列雷達干涉影像進行相關閾值處理獲取。目前相干目標點的選取方法主要有：基于像元強度的穩定性、基于相位穩定性和基于空間相干性等方法。強度穩定性方法是根據像元強度的穩定性來判斷相位穩定性，該方法需要建立在大量數據進行統計分析的基礎上，因此要求數據量一般不少于30景SAR影像。相位穩定性分析的方法根據相位的時間和空間相干性，對相位殘差(噪聲)進行分析的技術，該方法涉及到復雜的數學方法，而且需采用大量模擬實驗來確定閾值。最后綜合考慮算法的復雜度并結合本研究數據量小的特點，本研究采用相干性的方法來選取高相干目標點。對時間序列的相干圖取均值，利用累積影像的平均相干值來選取相干目標。

2.3 高相干點沉降速率和形變場的獲取

在選取的相干目標上建立Delaunay三角網，以三角網上的所有邊為單元進行建模，建立觀測方程。采用奇異值分解的方法進行求解，即可得到各時間區間的沉降速率。各時段沉降速率在時間域上進行積分即可得到各個時間點的累積形變量。

3 結果分析

本項目通過對32景Sentinel-1A衛星IW模式的SAR影像進行數據處理，得到研究區的年平均沉降速率圖如圖3所示。從圖3中可看出該監測區沉降速率最大可達-101.05 mm/a，抬升速率最大達到75.25 mm/a。監測區南部沿海區域存在輕微抬升現象，抬升速率處于17.44 mm/a以內。珠海市斗門區大部分地區處于穩定狀態，年平均沉降速率不超過5 mm/a，但斗門區白蕉鎮地區沉降較為嚴重，最大年平均沉降速率可達-101.05 mm/a。珠海市金灣區主要城區年平均沉降速率基本處于-5～5 mm/a之間，城區處于穩定狀態，但在高欄港站、平灣四路附近等區域發現較為明顯的沉降信號，沉降速率最大達到-75 mm/a。香洲區大部分地區處于年平均形變速率在-17～17 mm/a之間，較為穩定，但橫琴等區域存在明顯的沉降漏斗。澳門大部分區域的年平均形變速率處于5.88～17.44mm/a之間，少數地區存在沉降信號，最大沉降量達到-40.36 mm/a。

圖3 整體平均沉降速率圖

3.1 斗門區地表形變結果

將沉降速率圖疊加在Google Earth上，可以看出珠海市斗門區大部分地區年平均沉降速率在5 mm/a以內，但斗門區白蕉鎮地區出現嚴重的沉降現象，如圖4所示，最大沉降速率達到101.05 mm/a，圖中白色方框即為沉降明顯區域。對此區域選定采樣點#1、#2、#3、#4進行形變量時間序列提取得到圖5，從圖中可看出，采樣點均呈現一致的下沉趨勢，且累計沉降量可以達到將近-132 mm，沉降趨勢明顯。

圖4 斗門區白蕉鎮沉降速率分布

圖5 斗門區白蕉鎮相干目標采樣點時間序列

3.2 金灣區地表形變結果

由平均沉降速率圖3可以看出，珠海市金灣區主城區處于穩定狀態，年平均形變速率不超過5 mm/a，南部沿海區域出現20 mm以內的輕微抬升現象，金灣區整體較為穩定。其中在紅旗鎮、三灶鎮、南水鎮及平沙鎮共發現8處地方存在較為明顯的沉降信號。在沉降信號明顯區域抽取有代表性的相干目標點，提取其垂直形變的時間序列進行分析。

圖6 海洋石油工程有限公司附近區域沉降速率分布

如圖6所示，在使用SAR衛星的IW數據進行SBAS處理得到的結果中，可以在海洋石油工程有限公司廠區觀測到較為明顯的沉降信號，該區域相干目標點的年平均沉降速率可達到-75.04～-63.48 mm/a。對相干目標點進行時間序列分析，從圖7可以看到，位于沉降速率較慢地區的#1和#3點累計沉降量最大值為-44 mm，位于平均沉降速率達到-75.04 mm/a的#2點累計沉降量達到-80 mm。由圖8可看出，該地區為海洋石油工程有限公司廠區，廠區內存在石油開采等作業項目，這可能是導致該地區地面發生沉降的主要因素。

圖7 海洋石油工程有限公司附近區域相干目標采樣點時間序列

圖8 海洋石油工程有限公司石油開采作業現場

3.3 香洲區地表形變結果

從圖3年平均沉降速率圖可以看出香洲區從北向南呈現出先沉降后抬升的趨勢，平均形變速率在-17～17 mm/a之間，大部分地區處于穩定狀態，但在橫琴島等區域發現較為明顯的沉降信號。在香洲區發現的沉降信號中，最大沉降速率達到-63.48 mm/a。將有明顯沉降現象的區域選取采樣點，提取該像元形變值的時間序列。

圖9 港珠澳大橋碼頭沉降速率分布

在香洲區東北部的港珠澳大橋碼頭發現小范圍的沉降漏斗，平均下沉速率最大達到-63.48 mm/a(見圖9)。在港珠澳大橋1號碼頭和2號碼頭選取采樣點，提取其時間序列，從圖10可以看出，采樣點#1、#2、#3點表現出一致的下沉現象和下沉量級，累積沉降量可達到-80 mm，并且有繼續下沉的趨勢。經過相關資料收集和分析，港珠澳大橋碼頭正在進行人工島及相關工程施工，而這很可能是導致該地區出現沉降現象的原因。

圖10 港珠澳大橋碼頭相干目標采樣點時間序列

圖11 在珠海北站及附近區域沉降速率分布

根據年平均沉降速率圖11可以看出，在珠海北站及附近區域發現沉降信號，最大沉降達到-63.48 mm/a，其中興中路附近區域沉降較為明顯。對沉降明顯區域選取采樣點#4、#5、#6、#7點，提取采樣點的形變時間序列得到圖12，可以看出位于沿海區的#6和#7點平均沉降速率較快，累計沉降量達到-100 mm,#4和#5點累計沉降量近-60 mm，整個區域累計沉降量相對其它區域大，并且沉降速率較快。由TOD項目施工現場(見圖13)可以看出，發生地表變形的北圍地區正好被項目施工區所覆蓋，故該項目的實施可能是導致珠海北站區域地面沉降的主要原因。

圖12 在珠海北站及附近區域相干目標采樣點時間序列

圖13 珠海北站TOD項目施工現場

4 結 論

本項目充分發揮InSAR技術在面域測量、監測精度精度高、監測周期短等方面的優勢，對研究區域進行整體監測。通過數據處理分析，確定地表形變發生、發展和變化的全過程。基本普查了珠海市斗門區、金灣區、香洲區在2016年1月～2017年11月期間的地表形變演化歷史。在整個監測區域，通過數據處理分析發現大部分地區平均沉降速率在-17.23～5.88 mm/a之間，主城區較為穩定。將地表形變量較大的區域標定為災害隱患點，隱患點多聚集在沿海區域如橫琴島、白蕉鎮、南水鎮、紅旗鎮等地區。針對可能發生災害的隱患點進行采樣分析，提取相干目標點形變的時間序列，通過形變量時間序列分析得到，隱患點的累計下沉量最低為-38 mm，最高達到-100 mm，并且在中海石油廣東液化天然氣公司天然氣液化廠發現不均勻沉降現象。同時針對災難隱患點收集相關資料，發現許多“危險區”均是受到項目施工的影響而發生地表垂直方向形變。

通過衛星對地綜合探測和動態觀測，可有效探測研究區內的潛在隱患點。港珠澳地區的快速城市化需要高度關注城市基礎設施的健康診斷，通過InSAR重復觀測可提高城市災害風險管控能力，可望成為未來城市基礎設施建設和管理標準研究的重要技術手段。

[1] 祝彥賀, 朱偉林, 徐強, 等. 珠江口盆地中部珠海組-珠江組層序結構及沉積特征[J]. 海洋地質與第四紀地質, 2009 (4): 77-83.

[2] 張舉兼. 珠海市水文地質與工程地質特征初探[J]. 地質災害與環境保護, 1997, 8(3): 6-12.

[3] HU B, WANG H S, SUN Y L, et al. Long-Term Land Subsidence Monitoring of Beijing (China) Using the Small Baseline Subset (SBAS) Technique [J]. Remote Sensing, 2014, 6(5):3648-3661.

[4] HU B. Monitoring of Ground Deformation due to Excessive Withdrawal of Natural Gas Using SBAS, Mathematical Problems in Engineering, vol. 2014, Article ID 674510, 2014. doi:10.1155/2014/674510.

[5] HU B, WANG Hansheng, JIANG Liming. Monitoring of the reclamation-induced ground subsidence in Macao (China) using the PSInSAR technique[J]. Journal of Central South University, 2013, Volume20, Number4, 1039-1046.

[6] 喬書波,李金嶺,孫付平,等. InSAR技術現狀與應用[J]. 天文學進展，2003(1)：11-25.

[7] MASSONNET D. Application of remote sensing data in earthquake monitoring [J]. Advances in Space Research, 1995, 15(11):37-44.

[8] 張景發, 郭慶十, 龔利霞. InSAR測量滄州地下水抽取引起的地面沉降[C]//海峽兩岸空間資訊與防災科技研討會， 珠海：2005.

[9] 許文斌, 李志偉, 丁曉利,等. 利用InSAR短基線技術估計洛杉磯地區的地表時序形變和含水層參數[J]. 地球物理學報, 2012, 55(2):452-461.

[10] Zhang Jingfa, Li Faxiang, 張景發,等. The Processing Procedure of D-InSAR and Influence Factors of Its Application[J]. 地球信息科學, 2000, 2(3):58-64.

[11] 劉曉萌, 常占強, 張景發,等. D-InSAR處理中失相干問題的研究[J]. 河北師范大學學報(自然科學版), 2007, 31(2):260-263.

[12] 歐陽倫曦, 李新情, 惠鳳鳴, 等. 哨兵衛星 Sentinel-1A 數據特性及應用潛力分析[J]. 極地研究, 2017, 29(2): 286-295.

[13] BERARDINO P, FORNARO G, LANARI R,et al. A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms[C]. IEEE Trans. Geosci. Remote Sens. 2002, 40, 2375-2383.

[14] LANARI R, MORA O, MANUNTA M,et al. A small-baseline approach for investigating deformations on full-resolution differential SAR interferograms.IEEE Trans. Geosci. Remote Sens. 2004, 42, 1377-1386.