基于SBAS技術的深圳市地表形變監測

詹景祥，馬 玚,管玉琦

(1.廣東省地質測繪院，廣東 廣州 510800；2.黑龍江第三測繪工程院，黑龍江 哈爾濱 150086;3.黑龍江省恒信測繪有限公司，黑龍江 哈爾濱 150050)

InSAR技術利用傳感器的系統參數和成像幾何關系等精準測繪地表某一點的高程及其形變信息，是一門極具潛力的空間對地觀測新技術。目前在城市地表形變、山體滑坡、地震、泥石流等監測中廣泛應用，取得成果[1-3]。2011年Manunta 等采用SBAS技術對意大利中部翁布里亞地區的災害識別與形變監測[4]，Lauknes 等采用SBAS技術對挪威北部災害活動區域進行變形監測，并繪制災害分布圖[5]，Stimely也利用SBAS技術采用L-band數據獲取美國加州森林覆蓋區域的Boulder Creek災害的形變時間序列[6-9]。對于長時間緩慢地表形變，在極端情況下由于失相干嚴重導致常規InSAR技術失效。SBAS技術可有效克服常規InSAR技術失相干和大氣效應的影響，大大提高形變監測精度，監測精度可達毫米級[10-12]。

本文將以TerraSAR數據為數據源，利用SBAS技術獲取深圳市2013年3月～2015年11月的地表形變監測結果。其監測結果可用于提升城市地質災害、建筑安全等監測預警和防范能力，推動應急管理由救災響應型向防災準備型轉變，對保障城市安全運行和人民群眾生命財產安全具有重要的意義。

1 SBAS技術原理

SBAS技術是Berardino于2002年提出的一種改進的D-InSAR時間序列分析技術[13]，現如今已經被廣泛應用于低分辨率、大范圍尺度上的形變。SBAS技術通過組合一定時間基線、空間基線范圍內的影像對，產生的一系列基于不同主影像的時間序列干涉圖集，并對集合內的干涉對進行常規差分干涉處理，再利用奇異值分解(SVD)方法，將多個短基線集組合起來進行求解，該技術緩解大氣延遲所造成的影像，提高監測的時間分辨率，有效地解決了各個數據集之間由于空間基線過長而造成的時間不連續的問題，可以得到整個觀測時段內的時間序列結果和沉降速率。

1)獲取同一區域按照時間順序t0,t1,…,tN排列的N+1幅SAR影像，選取其中一幅影像作為主影像，并將其他SAR影像配準到這幅影像上。N+1幅SAR影像可生成M幅多視差分干涉圖。

2)從影像tA和主影像tB(tB>tA)時刻獲取的SAR影像生成的第j幅差分干涉圖，方位向坐標為x和距離向坐標r的像素的干涉相位可以寫為

δφj(x,r)=φB(x,r)-φA(x,r)≈

(1)

δφj(x,r)=φB(x,r)-φA(x,r)≈

(2)

3)為了獲得具有物理意義的沉降序列，將式(2)中相位表示為兩個獲取時間之間平均相位速度和時間的乘積：

(3)

第j幅干涉圖的相位值為

(4)

即各時段速度在主、從影像時間間隔上的積分。寫成矩陣形式：

Bν=δφ.

(5)

最后采用SVD方法得到矩陣B的廣義逆矩陣，進而得到數據矢量的最小范數解，通過各時間段速度的積分得到形變量。

2 SBAS數據處理

本次實驗選用了28景TerraSAR/TanDEM-X數據，采用X波段，波長為5.6 cm。獲取的衛星影像的時間跨度為2013—2015年。其中DEM數據采用來自日本JAXA的30 m分辨率的DEM數據。表1為25景TerraSAR/TanDEM-X影像基本信息，圖1紅色方框為本研究范圍。

表1 TerraSAR影像信息

續表1

圖1 TerraSAR/TanDEM-X衛星影像覆蓋范圍

2.1 干涉數據集獲取

本次SBAS數據處理中，時間基線閾值設定200 d，垂直基線閾值設定為20%臨界基線，共生成73對干涉影像對。按照干涉像對進行干涉圖的生成。影像配準的信噪比(SNR)閾值設定為5、格網大小設定為25 m×25 m、濾波方法采用Goldstein濾波，濾波窗口大小為64，重疊度為80%，平滑窗口大小為5、相位解纏采用Delauny三角網最小費用流法，解纏閾值設定為0.38。

由于干涉條件差導致出現質量較差的干涉圖，需要去除后減少干涉相位對最終結果的干擾。對解纏干涉圖進行目視圖像解譯，挑選出現大量明顯的相位跳變以及大面積的低相干區域的解纏干涉圖，選出44對并予以去除。為保證有足夠的干涉像對，在去除干涉質量差的干涉對以后又添加了5對干涉像對進行補充。最終的干涉數據集包含34對干涉像對。

2.2 形變速率反演和地理編碼

SBAS反演分為兩個步驟，①反演估計位移速率和殘余地形，對合成的干涉圖去平，重新相位解纏和軌道精煉;②反演在第一次得到的形變速率基礎上，進行大氣濾波，估算和去除大氣和噪聲相位。在時間序列形變后，對結果進行地理編碼。將解算結果歸算到WGS-84坐標系下，進行地理編碼的時候。平面精度閾值設定為10，高程精度閾值設定為16。圖2即為平均形變速率圖。

圖2 TerraSAR/TanDEM-X平均沉降速率分布(垂直形變/mm)

3 結果分析

在使用TERRASAR-X/TANDEM-X衛星數據得到的沉降速率分布圖中，顯示蓮麻坑的礦場出現了平均-104.69 mm的沉降現象。由沉降速率分布圖可以看出該礦坑的沉降高發區域為礦坑南側的部分，而礦坑北側的廢液池部分則大體處于穩定狀態，見圖3。

圖3 蓮麻坑礦山地表沉降分布

分別對蓮麻坑南部和北部提取3個特征點進行時間系列分析，得到其形變規律，圖4為選取的蓮麻坑特征點分布圖，圖5為蓮麻坑礦山北部采樣點時間序列，圖6為蓮麻坑礦山南部采樣點時間序列。從圖5中3個采樣點的形變趨勢可以看出，蓮麻坑礦山北部區域沒有明顯的持續沉降現象，從圖6中3個采樣點的形變趨勢可以看出，蓮麻坑礦山南部存在較為明顯的下沉趨勢，累計沉降量可以達到將近200 mm。

圖4 蓮麻坑時間序列采樣點的分布

圖5 蓮麻坑礦山北部采樣點時間序列形變

此外，在研究中發現深圳市前海區沿岸區域觀測到較大范圍的沉降信號，該區域的相干目標點的年平均沉降速率可達30～40 mm/year。圖7為前海區沉降速率分布圖，在前海區域提取3個有代表性的相干目標(見圖8)，其時間序列形變結果如圖9所示。可以看出該區域的3個采樣點都顯示相對一致的沉降趨勢以及沉降信號的量級，累計均達到50 mm。

圖7 前海區沉降速率分布

圖8 前海區特征點分布

圖9 深圳市前海區特征點時間序列形變

4 結 論

采用SBAS方法對深圳市區進行時間系列形變監測，基本查明深圳市在監測期間的地表形變演化歷史，并對災害隱患點進行詳細分析。在雷達影像覆蓋的區域存在較多災害隱患點，隱患點多聚集在前海、福田、深圳機場等地區。大部分地區累計下沉量在-10～10 mm之間，前海區域以及機場區域下沉明顯，年均下沉量大于-50 mm。同時本研究對深圳市地鐵沿線、深圳市福田區范圍內的超高層建筑區等高風險區域目標的InSAR相干目標點進行采樣分析，提取相干目標點形變的時間序列。得出深圳市地鐵11號線沿線的前海區以及紅樹灣區兩個沿海的區域出現較為明顯的沉降現象。同時基于SBAS得到的地表形變結果，對位于羅湖區的五方家居樂建材市場區域相干目標進行位移分析，發現該建材市場由于周邊區域的基坑開挖以及地鐵運營聯合影響而出現的相干目標移位現象。