基于時序InSAR的上海地區2018～2020地鐵沿線沉降監測分析

周 呂 李佳豪 王 成 李 淑 朱子林 魯金金

1 桂林理工大學測繪地理信息學院,桂林市雁山街319號,541006 2 城市空間信息工程北京市重點實驗室,北京市羊坊店路15號,100038 3 廣西壯族自治區自然資源調查監測院,南寧市建政路5號,530023 4 北京交通大學城市地下工程教育部重點實驗室,北京市上園村3號,100044 5 南寧理工學院,桂林市雁山街317號,541006

上海地區人口密度較大，大范圍地面沉降監測難度大、任務重。目前針對上海地區沉降監測的研究主要集中于局部監測，且對基礎設施的系統性監測較少；此外，各種實驗數據均較為久遠，缺少時效性[1-4]。本文以PSInSAR技術為基礎，對上海地區2018～2020年35景Sentinel-1A影像數據進行處理與分析，獲取該地區及基礎設施的累積沉降量及沉降速率場，并結合城市化進程及基礎設施建成時間等信息，分析研究區及其內部多條地鐵沿線的沉降時空特征，為基礎設施的維護提供科學的數據支撐。

1 研究區概況及數據源

1.1 研究區概況

上海(120°52′～122°12′E，30°40′～31°53′N)位于長江三角洲沖積平原，平均海拔為2.19 m左右，最高點海拔為103.70 m。截至2019年底，上海擁有軌道交通車站415座，線路共有17條(含磁懸浮線1條)；道路長度達4 227 km，道路面積為7 985萬m2；共有大小橋梁1 717座，公路橋梁8 482座；公路里程達10 392 km，其中高速公路通車里程為581 km。本文具體研究區域如圖1所示。

圖1 研究區概況

1.2 數據源

選取2018-01～2020-03覆蓋上海主城區的35景C波段升軌Sentinel-1A影像獲取沉降速率場及累積沉降量，Sentinel-1A具體參數見表1。利用 NASA 提供的 SRTM去除地形相位，采用ESA發布的精密軌道數據對影像數據進行軌道精化與相位重去平。

表1 影像源基本參數

2 研究方法

本實驗基于SARscape軟件，采用PSInSAR技術對數據進行處理，技術流程如圖2所示，具體處理流程如下[3,5-6]：

圖2 技術流程

1)將SAR影像集按時間序列排列，并綜合每景影像的時間基線、空間基線、多普勒質心頻率差等3個不同因素，選取滿足最大相關系數條件的主影像作為本次處理的主影像。經綜合計算，選取2019-04-06的SAR影像作為主影像。

2)將其他輔影像與主影像進行配準。經差分干涉處理，獲得差分干涉相位φi,j：

φi,j=φdef+φDEM+φorbit+φatm+φnoise

(1)

式中，φi,j為差分干涉相位；φdef為形變相位；φDEM為地形起伏造成的相位；φorbit為軌道誤差引起的相位；φatm為大氣延遲產生的相位差；φnoise為噪聲引起的相位。DEM引起的相位可由外部參考DEM進行消除，PSInSAR技術中較為穩定的PS點可以降低φnoise的影響。

3)本文采用振幅離差指數法選取相干性較高的候選PS點，基于這些候選PS點的相位，利用空間域、時間域相位解纏方法分析相位變化過程，進而對相位信息進行解纏。對解纏后的差分相位進行分類，以消除其中的相位誤差。

4)基于候選PS點進行構網，解算出整幅影像的高程殘差值、線性形變及殘余相位。對殘余相位進行時間域高通濾波和空間域低通濾波，得到每幅差分干涉圖的大氣相位與非線性形變估計值。

和普通輸尿管硬鏡相比較，輸尿管軟鏡可以到達許多硬鏡不能到達的腎盂及腎盞，與PCNL手術相比較又避免了通道建立對腎臟的損傷，因此近年來輸尿管軟鏡越來越多地應用于腎臟及輸尿管上段結石的治療，其適應證也越來越擴大，從結石大小、結石部位都有不同程度的放寬[7，8]。除此之外，術者的經驗也越來越影響手術的效果，相同情況下，經驗越豐富，手術時間越短，結石清除率越高。但輸尿管軟鏡的使用過程中，仍有一定比例的病例無法上鏡，不能順利進行輸尿管軟鏡下碎石取石，限制了輸尿管軟鏡的更大范圍應用[9]。

5)去除大氣相位的影響后，將線性形變與非線性形變進行求和，得到上海地區形變速率場。

3 結果分析

3.1 研究區沉降速率分析

經過PSInSAR技術處理后，得到上海地區2018-01～2020-03 LOS方向(遠離雷達視線方向為負，靠近雷達視線方向為正)沉降速率圖(圖3)。從圖中可以看出，上海市主城區大部分區域沉降速率為-1～-10 mm/a，但在上海站附近區域出現較明顯的地面下沉現象，沉降速率在-1.9～-6.9 mm/a之間。在上海市南部，沉降現象呈現大范圍分布，且有多處較為明顯的沉降區域，并在閔行區滬金高速與申嘉湖高速附近出現較明顯的沉降漏斗，沉降速率均在-3.5 mm/a以上，最大沉降速率為-22.9 mm/a。

圖3 上海市2018～2020年地表形變速率

3.2 研究區地表沉降時空變化分析

為更好地分析上海地區沉降場的時空分布特征，選取研究區內A、B、C、D四個特征區域進行沉降時間序列分析。特征區域空間分布、沉降情況分別如圖4、5所示，各區域時序點累積沉降量如圖6所示(時序點為圖5中綠色星形所在區域)。

圖4 特征區分布情況

圖5 特征區沉降情況

圖6 各區域累積沉降量

區域A為中山北路與南北高架橋交叉處，圖5(a)為該地區形變圖，從圖中可以看出，該區域沉降現象較為明顯，最大累積沉降量達-27.81 mm。該區域為上海市中心城區，具有眾多寫字樓與居民樓，還有鐵路及多條地鐵線路。水位監測井數據顯示，2018-03地下水平均水位為-0.56 m，而2020-03該監測井平均水位下降至-1.03 m，地下水水位呈現明顯下降趨勢。過度開采地下水及鐵路和地鐵線路的運行均會加大地面負荷，成為地面沉降的主要因素。

區域B位于上海市閔行區梅隴鎮許涇村附近，該區域沉降較為明顯，并形成沉降漏斗，最大累積沉降量達-47.3 mm，具體沉降速率如圖5(b)所示。2018～2020年，閔行區經濟建設一直處于高速發展狀態，而隨著城市化進程的加快，地面負荷也大大增加，隨之出現較為明顯的沉降現象。

區域C位于上海市浦東新區S32申嘉湖高速與滬南公路交叉處，該區域最大沉降量為-29.81 mm，沉降較為明顯, 具體沉降速率如圖5(c)所示。據資料顯示，該地區具有多個大型小區，居民生活用水主要來源于地下水。區域內水位數據顯示，該地區2018-01地下水平均水位為-2.82 m，2020年地下水平均水位下降至-3.46 m，地下水的過度開采直接導致地面下沉。

區域D位于浦東新區川沙附近，該地區發展較為穩定，累積沉降量也較為穩定，主要集中在-5～3 mm之間, 具體沉降速率如圖5(d)所示?！镀謻|新區總體規劃暨土地利用總體規劃(2017～2035)草案》對該區人口規模及用地規模作出規定，要求嚴格控制人口總量、擴大生態空間和鎖定城鎮空間。該政策緩解了地下水的過度開發及城鎮化飛速發展造成的地面沉降現象，因此該地區未出現過大沉降現象。

3.3 地下水變化與地表沉降變化相關性分析

為分析上海地區地表沉降與地下水變化的相關性，獲取上海地區3個地下水水位監測井的數據(水位監測井分布如圖1所示)，對地下水水位監測井周邊100 m內PS點的累積沉降量求取平均值作為對比依據。其中，G1點地下水水位呈現持續下降趨勢，G2點地下水水位呈現平穩變化趨勢，G3點地下水水位呈現穩步上升趨勢，3處地下水水位呈現不同變化趨勢，可使對比結果更具代表性，地下水水位與累積沉降量對比結果如圖7所示。為進一步分析地表沉降變化與地下水水位變化的關系，去除地表沉降變化與水位變化中的線性趨勢后進行分析。計算結果表明，平均累積沉降量變化與地下水水位變化峰值存在一定相似性，并具有滯后特性，即地下水水位對地表沉降量存在直接影響。

圖7 地下水水位與累積沉降量對比

3.4 地鐵沿線地面沉降分析

截至2019年底，上海地區擁有地鐵線路16條，運營里程705 km，日均客運量1 065.03萬人次。面對如此大的客運流量，對上海地區地鐵線路及其沿線建筑物進行沉降監測必不可少。本文研究區內包含上海地區多條地鐵線路，具體如圖8所示。選取其中3條地鐵線路(5、8、16號)作為研究對象，將其周圍500 m作為緩沖區，分析地鐵線路及其周圍的形變場。

圖8 研究區地鐵線路

3.4.1 地鐵5號線(莘莊站-東川路站)

上海地鐵5號線是上海軌道交通第4條建成通車的線路,全長37.376 km。本文研究區內包含地鐵5號線莘莊站至東川路站附近區域，提取得到兩站之間500 m范圍內的沉降速率場(圖9)。由圖可知，該段沉降速率均大于-2.8 mm/a；其中，顓橋站至北橋站之間的沉降現象最為明顯，最大沉降速率達-12.0 mm/a，最大累積沉降量達-29.07 mm。該條線路于2003年開通運營，屬于營運時間較長的地鐵線路，但仍在莘莊站至東川路站之間出現較為明顯的沉降現象，這可能與“4改6”擴建改造工程有關。2018年后，上海地鐵5號線“4改6”擴建改造工程相繼完工，而站臺改建完成后的自然沉降也是該段發生明顯沉降的因素之一。此外，閔行區2018～2020年工業飛速發展及城市化進程的加快和隨之帶來的地下水過度開采也是該地區發生沉降的主要原因。

圖9 上海地鐵5號線沉降速率

3.4.2 地鐵8號線(市光路站-沈杜公路站)

上海地鐵8號線是上海市第6條建成運營的地鐵線路，呈東北-西南走向。截至2017-03，上海地鐵8號線全長37.5 km，共設30座車站，2019年日乘客量最高達122.1萬人次。

本文研究區內包含地鐵8號線全線，具體沉降情況如圖10所示。從圖中可以看出，地鐵8號線北部相對較為穩定，北部的青藏北路站與中興路站沉降較為明顯，最大沉降量為-15.65 mm。這兩站之間為上海市商業區，具有眾多大廈及工廠，而該地區的用水主要來源于地下水，這成為該區域地面下沉的因素之一。地鐵8號線南部沉降現象較為明顯，主要體現在凌兆新村站至沈杜公路站之間，其沉降速率均在-4.1 mm/a以上，最大累積沉降量達-24.44 mm。該地區具有眾多工業園區及居民區，其中以紡織業為主的浦江工業園區近年來飛速發展，基礎設施的建設成為該地區沉降的主要原因之一。

圖10 上海地鐵8號線沉降速率

3.4.3 地鐵16號線(龍陽路站-航頭東站)

上海地鐵16號線全長58.96 km，其中地下線路長13.69 km，共設站13座。本文研究區內包含地鐵16號線部分線路(龍陽路站至航頭東站)，從圖11可以看出，該線路沉降主要集中在鶴沙航城站與航頭東站之間，最大累積沉降量達-35.96 mm。該地區位于特征區域C處，地下水的過度開采是該區沉降的主要原因之一。

圖11 上海地鐵16號線沉降速率

4 結 語

本文基于PSInSAR技術，利用35景Sentinel-1A影像獲取上海地區2018～2020年的沉降速率場與累積沉降量，并提取上海市地鐵5、8、16號線周圍500 m的沉降場，結合城市化進程數據與地下水開采等影響因素，對研究區地表沉降原因進行討論分析，主要研究結果如下：

1)上海市沉降現象不均勻性較為明顯，北部沉降相對平穩，南部區域則出現較為明顯的大范圍沉降現象。閔行區許涇村沉降較為明顯，最大累積沉降量達-47.3 mm；浦東新區S32申嘉湖高速與122省道交叉處最大沉降量為-29.81 mm，兩地均存在較大形變現象。

2)以閔行區許涇村附近為中心的區域具有明顯的沉降漏斗，沉降速率均在-3.5 mm/a以上，最大沉降速率為-22.86 mm/a，該地區的沉降現象與區域基礎設施建設存在一定關系。

3)采用灰色關聯度分析方法對比分析地下水變化與地表沉降變化之間的相關性發現，上海地區地表沉降與地下水水位變化呈現一定的正相關性。

4)上海地鐵5號線顓橋站至北橋站之間的沉降現象最為明顯，最大沉降速率達-12.0 mm/a，該線出現明顯沉降與“4改6”擴建改造工程和閔行區的發展存在一定關系；地鐵8號線北部的青藏北路站與中興路站沉降較為明顯，最大沉降量為-15.65 mm，該線南部的凌兆新村站至沈杜公路站之間的沉降速率均在-4.1 mm/a以上，最大累積沉降量達-24.44 mm；地鐵16號線沉降主要集中在鶴沙航城站與航頭東站之間，最大沉降量達-35.96 mm。