基于StaMPS方法的大壩形變監測可行性研究

黃 靜，張紅忠，崔 龍，阿布都沙拉木·托爾遜，王文衡，馬立平

(1.新疆農業大學 水利與土木工程學院，烏魯木齊 830052；2.新疆水利工程安全與水災害防治重點實驗室，烏魯木齊 830052；3.新疆額爾齊斯河流域開發工程建設管理局，烏魯木齊 830000)

InSAR(Interferometric Synthetic Aperture Radar)是近半個世紀發展起來的定量微波遙感技術[1]，隨著各國SAR衛星的相繼升空，SAR影像數據獲取的途徑越來越便捷和多樣化，覆蓋全球不同時空分辨率的SAR影像數據為該技術的不斷發展和完善提供基本保障，近些年，時序InSAR技術以mm級的形變監測精度優勢廣泛應用于城市地面沉降監測、礦山沉陷監測、人工建筑物形變監測及滑坡監測等方面。

2011年，王騰等利用QPS技術獲得了壩區形變結果，并分析三峽大壩運行時的穩定性問題及其周邊區域的形變規律[2]；2012年，Voege等利用SBAS方法對挪威斯瓦特湖壩形變監測，探測到壩體的局部形變情況[3]； 2013年，裴媛媛等利用改進的PS技術得到長江口南岸和杭州灣北側堤壩的平均沉降速率，并與水準數據進行比較，形變監測結果中誤差為4.5 mm[4]；2019年，肖儒雅等利用改進的PS方法對廣南水庫進行形變監測，驗證時序InSAR分析方法對水庫庫區、大壩、防潮堤等水工建筑物進行形變監測的有效性[5]。

水庫大壩在施工、蓄水以及建成投入使用期間，不可避免的會發生形變，形變監測是水庫大壩安全評價的基礎和重要組成，現階段水庫形變監測多是在大壩的重點部位，或壩區的重點區域布設監測點，并且監測周期長、監測成本高，只能以點代面的方式來整體評價水庫大壩安全運行情況，難免遺漏重大的安全隱患，另外，大壩壩區及周邊的地表形變也會對大壩安全運行存在潛在影響。采用時序InSAR技術對水庫大壩及周邊進行形變監測，可有效解決大壩傳統形變監測點密度、頻次較低等問題。

文中以新疆WLL水庫大壩為研究對象，選用歐洲航天局Sentinel-1A免費影像數據，借助開源軟件SNAP和StaMPS(Stanford Method for Permanent Scatterers )，采用StaMPS方法對其進行形變監測，并對其結果進行內、外符合精度的驗證，以此為依據來驗證StaMPS方法在該水庫大壩形變監測的可行性。

1 研究方法與研究區域概況

1.1 研究方法

2000年， Ferretti等提出了PSInSAR技術(Permanent Scatterers，PS)[6]；2002年Berardino等提出了一種與PSInSAR不同策略的時序InSAR技術(Small Baseline Subsets，SBAS)[7]；2004年Hopper等人對PSInSAR技術進一步改進，提出了StaMPS方法[8]。StaMPS方法是在PSInSAR技術基礎上進行改進，主要表現在PS點精確選取和相位解纏的策略方面;Ferretti等人研究表明：高信噪比條件下，SAR影像噪聲近似服從高斯分布，像元相位標準差可由振幅標準差來衡量，同名像元振幅穩定性由振幅離差指數來定義[6]，但在實際應用中，SAR影像信噪比較低的區域，不完全服從高斯分布，而這些點也可能有著較為穩定的相位值，即PS點。如何在相對較低信噪比區域選擇數量足夠、真正的PS點是StaMPS方法的關鍵。Hopper等[8]利用SAR影像干涉相位各分量呈現的空間相關性特點，定義表征像元噪聲的指標[6]作為像元相位穩定性的又一度量標準，首先利用振幅離差指數設置閾值初選PS候選點，然后在初選PS點的基礎上，設置該指標的均方根收斂閾值最終選擇真正的PS點。StaMPS方法的相位解纏采用時間上一維解纏和空間上二維解纏的三維解纏方法，并通過計算空間相關視角誤差、空間不相關視角誤差，并加以去除，重復解纏步驟來提高其精度。

1.2 研究區概況

新疆WLL水庫位于新疆中部地區，位于博格達山北麓和準噶爾盆地南緣的沖積平原上，是典型的平原水庫，平均海拔495 m，平均坡度為±2%左右，大壩2 km范圍左右地物分布主要以戈壁、農田為主， 5 km范圍地物分布主要以戈壁、農田、工業區、居民區為主。其中，大壩、工業區、居民區屬于高相干區；戈壁、農田屬于中、低相干區。根據研究區實際干涉條件，選擇適用于信噪比較低區域提取PS點的StaMPS方法對大壩進行形變監測，以此保證PS提取的密度和準確度，進一步確保大壩及周邊區域的形變監測精度。

2 數據準備與數據處理

2.1 數據準備

根據研究區域實際情況，收集了2014年10月20日至2018年9月5日時段的Sentinel-1A影像數據，為避免受到積雪覆蓋影響，每年12月至第二年3月期間影像不參與計算，其他時段保持每月1期，實際參與計算的影像共計31期。計算輔助數據主要有：

1)DEM數據采用分辨率為30 m的日本ALOS World3D全球數字表面模型數據。研究區DEM如圖1所示，紅色框為本研究區域范圍。

圖1 研究區DEM圖

2)精軌數據采用ESA (European Space Agency)發布的POD( Precise Orbit Ephemerides)精密定軌星歷數據，定位精度優于5 cm。

3)外部大氣數據采用李振洪等人開發的GACOS(Generic Atmospheric Correction Online Service)軟件獲取研究區影像同時段大氣對流層延遲相位進行大氣校正[9]。

2.2 數據處理

選用SNAP8.0和StaMPS-4.1-beta兩款開源軟件對本研究區進行數據處理。首先利用SNAP8.0對研究區SAR影像進行干涉處理，然后利用StaMPS-4.1-beta對干涉結果進行時間序列分析。圖2為利用這兩款軟件進行數據處理的流程。

圖2 SNAP-StaMPS數據處理流程

2.2.1 SNAP干涉處理

經過軌道校正、配準等預處理，選用2016年9月27日為主影像進行差分處理，得到30對差分干涉圖，并進行去平和去地形操作，輸出最終的干涉結果，直接作為StaMPS軟件中進行時序分析的數據源。

2.2.2 StaMPS時序InSAR處理

1)PS點的選擇。首先，設置振幅離差指數閾值選擇PS候選點，根據研究區相干條件，設置閾值為0.4，保證PS候選點的數量；其次，設置表征像元噪聲指標的均方根閾值為0.005，進行迭代運算，估計每個候選點的相位噪聲特性，以此進行PS點的選擇，為了在低相干區域保持最少的PS點[10]，設置每km2最大允許的隨機(偽PS)點數量為10個，并通過設置每個PS點相位噪聲相對于所有鄰近像素的最大允許標準偏差閾值為1.0來剔除偽PS點，達到PS點的精選，最后探測出59 351個PS點。

2)空間不相關視角誤差和對流層延遲誤差去除。計算最終選取的PS點噪聲標準差，并以此為權重對PS點纏繞相位中的空間不相關視角誤差(Spatially-Uncorrelated Look Angle error，SULA)進行去除，同時利用GACOS外部大氣數據，去除對流層延遲誤差，提高相位解纏精度。

3)相位解纏。首先針對PS點的纏繞相位進行第一次解纏，其次，去除空間相關的視角誤差相位(Spatially-Correlated Look Angle error，SCLA)，估算并去除主影像的大氣延遲相位和軌道誤差相位(即AOE相位)，然后做第二次相位解纏(可以手動查看每個干涉圖的相位解纏結果，并剔除解纏錯誤的干涉圖，解纏錯誤表現在時間上不相關的空間相位跳躍)。最后對解纏后的相位濾除其他空間相關的誤差。經過以上處理最終得到研究區的時序InSAR形變監測結果，形變速率如圖3所示。

圖3 研究區2014—2018形變速率圖

3 時序InSAR結果精度分析

時序InSAR計算精度可從內符合精度及外符合精度兩方面進行驗證[11]。為了驗證StaMPS方法在新疆WLL水庫形變監測的可行性，內部符合精度分別從模型誤差和不同時序InSAR算法結果對比兩種方式驗證[12-13]；外符合精度采用大壩二等水準監測結果來驗證。

3.1 內符合精度驗證

3.1.1 模型誤差

利用年平均線性速率標準差來評價PS點形變結果精度，標準差越大區域表示具有較大的計算誤差或發生了非線性形變。本研究區PS點平均線性形變速率標準差分布如圖4所示，研究區PS點平均形變速率標準差分布在0.3～3.1 mm/a，標準差較大區域主要分布在相干性較低的農田區域。

圖4 研究區PS點平均形變速率標準差分布圖

3.1.2 不同時序InSAR方法監測結果的比較

利用23期SAR影像數據，采用SBAS技術對研究區進行形變監測。對兩種方法獲得的同時段、同范圍的年變速率結果進行比較：首先將StaMPS計算的PS點年變速率結果進行反距離插值處理，并與SBAS年變速率圖進行求差處理，共計37 916個像元，其次，按照同精度觀測計算年變速率中誤差，其結果為±5.7 mm。如圖5所示，StaMPS與SBAS年變速率差值絕大部分集中在0～10 mm，據統計，年變速率差值在0～5 mm的像素數為22 330個，占總像素數的59%，年變速率差值在5～10 mm的像素數為13 666個，占總像素數的36%。

圖5 StaMPS與SBAS年變速率差值圖

3.2 外符合精度驗證

新疆WLL水庫形狀為封閉四邊形，分東、西、南、中4個壩段，大壩全長為17.7 km，二等水準監測點布設在東、西、中3個壩段，監測頻次為2次/a，與StaMPS形變監測時段基本對應的水準監測成果共8期。

將獲得的大壩PS點形變結果從雷達視線方向轉換到垂直方向與大壩二等水準監測成果進行對比分析，以此檢驗StaMPS形變監測的精度。選擇與水準監測點距離最近的PS點(最大不超過40 m)，共24個檢驗點對，如圖6所示。

圖6 24個檢驗點對位置分布圖

3.2.1 垂直形變速率對比

利用大壩二等水準8期(2014年10月—2018年4月)累計沉降結果計算年變速率，按照高精度觀測計算年變速率中誤差，其結果為±5.0 mm，其年變速率對比表如表1所示。

表1 ps與水準垂直形變速率對比表 mm·a-1

3.2.2 時間序列累積垂直形變量對比

由于StaMPS形變監測結果第一期(2014年10月)形變量為0，根據同期原則，利用水準時序時間(精確到月)提取PS累積垂直形變量，共獲得7期同期對比數據，計算24對檢驗點的7期累計垂直形變量差值，并最終計算PS時序累計垂直形變量的中誤差，其結果為±10.2 mm。圖7和圖8分別為累計形變量平均差值最小和最大檢驗點對累積垂直形變量對比圖。

圖7 Z331-28791點對累計垂直形變量對比

圖8 Z235-28595點對累計垂直形變量對比

4 結束語

文中根據研究區實際干涉條件，選擇適用于信噪比較低區域提取PS點的StaMPS方法進行形變監測，詳述了基于開源軟件SNAP和StaMPS進行時序InSAR數據處理的步驟，在PS點的選取方面，根據研究區實際情況，調整關鍵參數閾值，在確保PS點數量的基礎上，最大限度剔除偽PS點；在去除大氣延遲誤差方面，選用外部大氣數據去除研究區對流層延遲誤差，提高模型計算精度。

利用內、外符合精度驗證PS點形變結果精度，證明StaMPS方法在新疆WLL水庫大壩形變監測的可行性。從SBAS和大壩二等水準兩個方面進行驗證，形變速率中誤差量值基本相當，分別為±5.7 mm、±5.0 mm，證明研究區形變速率監測精度較高。與二等水準累積垂直形變量相比較，其中誤差為±10.2 mm，約為形變速率中誤差的兩倍，時序累積形變量監測精度低于形變速率，主要因為受SAR影像分辨率、檢驗點對位置、時間、垂直形變量轉換等因素的影響。如何有效評定形變監測結果精度，將成為未來時序InSAR研究的一個方向。