StaMPS技術在區域地表沉降形變監測中的應用

郭海京，鄭慶章，王 斌

（1.廣東省國土資源測繪院，廣東 廣州 510500；2.惠東縣國土資源信息中心，廣東 惠州 516300）

Sentinel-1A是歐洲空間局哥白尼計劃的首顆環境監測衛星，于2014-04-03發射升空，衛星系統采用12 d 的重訪周期進行不間斷全球成像服務，成像模式主要有4種：條帶模式（SM）、干涉寬幅模式（IW）、極寬幅模式（EW）和波譜模式（Wave）[1]，已在地震形變監測及災害應急響應、區域地面沉降監測等領域擁有優勢[2-4]，地面沉降是一種典型的地質災害[5]。當自然或人為因素誘發地面垂直形變超過一定量時，會造成滑坡、崩塌、地貌塌陷、泥石流等多種災害破壞。傳統地面沉降監測技術如水準測量、GPS高精度似大地水準面面測量、傳感器網絡監測等技術手段，點位測量精度較高[6-7]，但對于大范圍地面沉降監測，需要耗費大量人力、物力資源，強度大，精度不均勻。

InSAR技術相較傳統地表形變監測手段，具有監測范圍廣、監測效率高、監測網絡空間密度高、提供整體時序形變等特點[8]。劉一霖等[9]利用短基線集INSAR技術（SBAS）分析黃河三角洲地表形變特征場和時間序列特征，對地下水抽取等人為因素進行了相關分析，但難以有效的獲取地表INSAR信息，對沉積物固結壓實產生的地面沉降因素未納入相關分析，開展大范圍沉降監測和預警，陳炳乾等[10]基于D-INSAR以及永久散射體雷達干涉技術（PS-InSAR）獲取和分析開采區沉陷影響和發展趨勢不需要先驗知識，選取PS點，獲取沉陷區影響范圍和發展趨勢，但也存在有植被的地區提取的PS點目標形變結果不精準，在未聯合GPS連續運行參考站數據解算情況下，還難以全面掌握精細的地表三維形變場，時序INSAR技術特點如表1所示。

表1 時序INSAR技術特點比較

針對山地和丘陵地區，傳統的PSInSAR選點技術難以保證點的選擇精度及密度，StaMPS技術[11-12]是基于統計方法篩選PS點，同時StaMPS利用三維解纏算法，首先在時間上計算每個PS點的相位差異，然后設置參考點用最小二乘法在空間上進行解纏，相比于傳統的空間解纏算法準確性更高。對于空間相關誤差去除，利用相位解纏使PS點的相位值恢復到絕對值，但同時除了包含形變相位，也包含了大氣相位、衛星軌道誤差、DEM殘差相位、隨機噪聲相位，而這些相位在時間上是不相關的，采用時間域上的高通濾波分離出形變相位，并用空間域上的高通濾波分離出輔影像的大氣相位和軌道誤差，在PS點較少的地區具有明顯優勢。本文采用StaMPS方法，以Sentinel-1A為主要數據源，利用30 m分辨率DEM數據去除高程相位，形成2015年12月～2018年2月惠東縣及城區重點區域沉降結果。

1 研究目的與區域概況

惠東縣地處廣東省東南部、惠州東部，陸地總面積約3500km2，屬沿海山區縣。蓮花山脈分布在縣境北部和東北部，地勢較高，南部沿海多為丘陵，地勢較低，整個地勢是由東北向西南傾斜（如圖1）。西枝江自東北向西南流經縣境。北部、東北部是山區，中部是沿海平原和丘陵，地勢較平緩，是惠東的主要產糧區和經濟作物區，占全縣總面積36%。南部是稔平半島，屬沿海丘陵區，是惠東的漁、鹽生產基地，占全縣總面積21%。海岸線218.3km，海域面積3200km2。全年氣象災害造成的損失較嚴重，主要是季風低壓環流和熱帶氣旋影響，初臺出現時間偏早，暴雨強度大，覆蓋范圍廣，汛期強，對流天氣頻繁，局部對流強烈，時空分布不均，是地質災害監測重點區域。

圖1 惠東縣區域圖

據統計，全縣現有地質災害隱患點69處，受威脅人數5990位，潛在經濟損失1.45億元，其中受威脅人數100～1000人的重要地質災害隱患點3處，1000人以上特大型地質災害隱患點3處，受威脅人數4739人。2019年消除12處地質災害隱患點，解除受威脅人員100人，搬遷與治理比例為14.8%[13]。傳統實地勘察方式需要投入大量人力資源，費事耗力，獲取的數據較為零散、現勢性不足，難以獲取地質災害點附近一定區域形變狀況，對全縣區域范圍地表沉降變化缺乏全域數據支持。鑒于此，本文采用時序StaMPS方法[14-15]， 研究實現全縣域地表沉降變化情況，特別是城區開發建設重點區域監測，持續跟蹤驗證2019年已解除的 8處重點災害隱患點穩定狀態，為動態開展地質環境時序變化監測預警，地面沉降監測網絡建設以及地質災害綜合治理規劃提供決策參考信息（如表2）。

表2 惠東縣部分地質災害隱患點及形變參考點

2 數據預處理

現有SAR傳感器主要采用L、X、C三個波段，所形成的SAR圖像有各自特點，對于同一區域的SAR圖像干涉處理，L波段的圖像相干性高于X、C波段，但高程信息的敏感度較X、C波段較弱。針對植被地段，波長越長，其穿透能力越強。X波段波長較短，穿透能力弱，雷達接受的是植被覆蓋頂端反射的信息，而在城區監測方面有不錯的表現。C波段的波長短，數據相干性低，但是對于同一形變區域，對于較小的形變，C波段的干涉條紋更為敏感，也更能展現其形變趨勢，3種波段中C波段性質更為均衡[16-17]。針對惠東縣及重點區域地形地貌特征，本文采用C波段Sentinel-1A IW模式下的VH數據，幅寬250km，分辨率為5×20m，時間跨度為2015年12月至2018年2月。

Sentinel-1A IW模式下的TOPS[18]沿用ScanSAR成像模式在距離向采用多個子條帶分時段進行掃描方式，每個burst在進行掃描時，天線波束沿方位向從后向前旋轉掃描，壓縮了方位向波束方向圖并且抑制了成像時所造成的扇貝效應。對于粗配準選擇利用SAR成像幾何、軌道數據及外部DEM的幾何配準方式，獲得主副影像之間的偏移量，精配準采用增強譜分集的方式，利用響應脈沖函數，對主輔影像方位向上兩個相鄰的burst的重疊區域分別做干涉處理，得到重疊區域的干涉相位差，獲得方位向配準誤差，如圖2所示。

圖2 影像配準流程

選取2016-12-25獲取的影像為主影像，形成57幅干涉對，并據配準情況和干涉對質量，挑選準確配準且相干性較高的干涉對作為最終的輸入值。利用最小生成樹算法篩選用于配準的基線對，對選取后的基線對進行干涉處理，利用經地理編碼后的DEM去除高程相位，形成差分干涉對，并進行多視及濾波處理，如圖3所示。

圖3 相關性高干涉對

3 時序StaMPS三維解算方法

StaMPS是在PS-InSAR基礎上發展的時序技術，主要原理是通過振幅離差法和相干系數法篩選出相位穩定的PS，然后將PS點的相位重新采樣到格網上，利用形變相位、大氣延遲相位、軌道誤差相位在時間域和空間域上頻譜特性的不同，通過一定的濾波手段分離出形變相位和其他誤差相位，獲得精度較高的地表形變場，如圖4所示。

圖4 利用StaMPS地表反演總體技術流程

3.1 三維解纏

StaMPS技術能降低對時間和空間基線的要求，進行大量的SAR數據分析，當研究區內SAR圖像豐富且能選取足夠密度的PS點時，可測得0.1mm/y的視向移動速度，同時降低了失相干性影響，有效的提取大氣、軌道和 DEM 等誤差因素的影響[10]。StaMPS中三維解纏分別體現在空間和時間上，基于最小化L-P范框架，將相位解纏看作最優化問題，找到目標函數的最小值，從而獲取解纏后的相位值。目標函數為：

式中，Δφ為解纏相位梯度；Δψ為纏繞相位梯度；x和y分別表示二維的兩個方向；z表示第三維方向；i和j表示點坐標；w表示權重。和傳統L-P范分布不同之處在于，Hooper在StaMPS加入了第三維度的相位梯度信息，通常為時間序列信息。這里，參數P決定如何處理Δφ和Δψ的差值關系，當P=0時，若僅考慮二維信息，上式為類似枝切解纏算法的L-0范數目標函數；當P=2時，即為最小二乘解纏算法。

3.2 最小二乘解算

1）觀測相位信息為：

2）和空間相關的DEM誤差項可表示為：

式中，Bi⊥為第i幅干涉圖垂直基線；Ri M為第i幅干涉圖主影像和目標距離；θi為主影像成像時雷達和目標傾角；Δh為高程估計誤差。

3）設第i幅干涉圖的形變量為ΔRi，RM為主影像傳感器與目標的斜距，RS為副影像傳感器與目標的斜距，Ci為主影像到副影像時間序列中SAR影像數，vk為形變速率，則有：

4）假設線性形變速率v，則在整個時間序列中有，所以線性形變相位可以表達為：

4 結果與分析

實驗共選取了487 997個PS點，形成2015年12月至2018年2月期間全縣域地表形變速率，并估算其累計變化量。圖5～6可以看出惠東縣最大形變集中在縣東部山體；城區及沿海部分有少量抬升，區域地質情況較為穩定。

其中，圖5為2015年12月至2018年2月期間得到的平均形變速率圖，惠東縣東部山體部分有較明顯沉降，最大形變速率達到-10mm/y。城區部分及沿海部分有少量抬升，速率最大達到4mm/y。2015年 12月至2018年2月得到的累積時序形變序列，其中最大累積沉降量達-24 mm。

考慮城區經濟建設開發重點形變監測區，并持續跟蹤監測驗證2019年已解除的其中8處重點災害隱患點，對惠東縣重點區域及災害隱患點進行解算，從 圖5～7可見，區域形變基本在0～-2 mm/y。因StaMPS選點的特點，會有少量的噪聲點被選為PS點，因此會有-8 mm/y的形變出現，該結果作為噪聲對待。從圖8形變序列中可以看到，該區域地表較穩定，累積形變量大部分在0～-4 mm之間，已解除的其中8處重點災害隱患點地質區域地質情況較為穩定。

圖5 惠東縣平均形變速率

圖6 惠東縣重點區域平均形變速率

圖8 惠東縣重點區域形變序列（部分）

5 結 論

1）開展StaMPS反演技術對研究區全域特別是重點災害危險區域進行地表形變監測，可克服傳統InSAR技術的誤差影響，提高SAR影像的使用率和監測精度，能夠較為快速的發現顯著變形區，有針對性的提前做好地質災害預警與防治[19-20]。本次研究實驗發現惠東縣近海域有部分地區出現輕微的抬升，但總體不超過3 mm/y；C波段數據在多植被覆蓋區相干性較差，東部選點較少，城區部分地形較穩定，基本無形變趨勢，山區有部分地區存在沉降。重點對已解除的8處重點災害隱患點開展持續跟蹤監測，獲得其時序沉降信息，總體形變速率在0～-2 mm/y，說明其地質情況較為穩定。

2）本次研究主要是利用StaMPS技術，該技術在選點和解纏方面優勢較大。但是StaMPS技術是以線性模型求解形變相位和沉降速率，若實際形變并不是以線性模型沉降，這會導致StaMPS技術得出的沉降值偏小，對滑坡體等突發自然災害形變監測還難以滿足要求。建議在選點和解纏方面可以利用該技術，后續的解算可以考慮與其他時序技術進行結合處理，以提高在區域性地表形變監測成效。

3）本次研究使用的數據源主要是C波段的Sentinel-1A數據，SAR衛星影像較為單一，沒有使用不同衛星對具有不同地表特征的區域分別進行形變監測分析。Sentinel-1A數據介于X波段和L波段之間，雖然均衡性較好，但是在城區監測效果方面不如X波段數據；在高植被覆蓋區，C波段數據失相干嚴重，造成了選點較少，監測效果不佳。建議對城區采用 X波段數據，對高植被區采用L波段數據能更加有效精確地反演地表形變特征。

圖7 惠東縣形變序列（部分）