多時間基線集時序InSAR形變監測：以平寨水庫為例

黃友菊,覃怡婷,吳 慧,韋 強

(廣西壯族自治區自然資源遙感院,廣西 南寧 530000)

隨著中國社會經濟的飛速發展,國家對水利基礎設施的建設和維護投入力度加大,且建造了各型水庫,以進行水土保持、水利安全維護和水務管理。形變監測分析和預測是建立水庫安全評價機制的基礎。目前常基于以點概面、以局部情況代替整體形變的原則,對全站儀水準測量、GPS離散點所獲取的形變信息進行處理與分析[1]。這種方式無法獲取實際的空間連續形變信息,除了耗費大量人力物力資源外,可能還會遺漏潛在的安全隱患。因此,采用覆蓋范圍廣、可實現連續觀測的遙感技術監測是發展的必然趨勢。

差分雷達干涉測量技術(differential interferometric synthetic aperture radar,D-InSAR)是將同一研究區不同時間的兩幅SAR影像通過差分干涉處理得到地表形變信息。作為近年發展迅速的對地觀測衛星遙感技術,D-InSAR具有全天候、大面積同步獲取地形信息及形變信息的特點,且具有一定的地表穿透能力[2-4],為水利設施的建設和維護提供了新穎思路和技術手段。但普通D-InSAR技術的精度會受地表散射特性的影響,導致時間、空間的失相干,同時大氣延遲也會引入噪聲[5]。時序InSAR技術的提出極大克服了失相干現象,針對時間基線較長的數據集和多普勒質心頻移變化較大的數據具有一定適用性,同時減緩了大氣相位影像及地形效應對差分的干擾[6]。利用時序InSAR技術對水利設施監測進行研究和分析在國內外得到了廣泛的應用。文獻[7]探討了利用InSAR技術識別三峽工程蓄水過程中地表形變的可行性和有效性。文獻[8]對上海市江口南岸和杭州灣北側堤壩的沉降速率進行監測,證明了時間序列SAR影像在堤壩形變監測上的有效性和應用潛力。文獻[9]利用SBAS-InSAR技術對挪威斯瓦特湖壩進行形變監測,探測到壩體的局部形變情況,精度可達毫米級。

現有研究多側重于對大型城市群區域內的水利設施、大型樞紐工程的監測,對位于植被茂盛、地形起伏較大的山區的大中型水庫大壩缺乏關注。運用時序InSAR技術提取形變時,多數研究基于先驗經驗,只使用單基線集提取形變情況,未考慮不同基線集對提取形變信息的影響,從而找到最適合研究區實際情況的基線條件。本文綜合考慮山區水庫大壩特殊的環境特征和自身特點,以貴州省貴陽市平寨水庫及周邊區域為研究區開展試驗,運用時序InSAR技術,在不同時間基線集合條件下提取庫區形變,從而分析獲取最符合研究區實際情況的形變信息。

1 研究區概況與數據源

1.1 地理位置

研究區位于貴州省貴陽市南部,范圍約75 km2,平均海拔約1100 m。研究區地屬亞熱帶季風氣候,冬無嚴寒,夏無酷暑,全年域內長存大面積植被。水庫位于黔南州壩王河上游惠水縣雅水鎮與擺金鎮交接處,壩址在庫區北偏東的位置。研究區域如圖1所示。

圖1 研究區地理位置

1.2 數據源

選取歐空局長時間序列Sentinel-1A升軌雷達影像數據59景,時間跨度為2019年1月—2020年12月,分辨率為25 m,C波段(波長5.4 cm),中心入射角為39.17°,數據處理采用SBAS-InSAR技術。成果為時序InSAR地面沉降結果,所獲取的地表形變信息包括監測目標的地理位置、平均沉降速率、沉降歷史等。

2 基于山區水庫研究的時序InSAR方法

時序InSAR技術多應用于城市區域的沉降監測。地處山區的水庫因特殊的地域特征給數據處理帶來一定困難,主要影響因素為:①山區地表多以植被覆蓋,且地形起伏較大,導致影像之間存在一定的時空失相干,從而使影像干涉效果不佳;②研究區以大面積水體覆蓋,人工建筑區域較少且分散,雷達的側視成像在含水體量大的范圍內后向散射強度低,未合理選取基線條件會導致試驗結果與研究區實際情況不匹配,影響形變結果提取。

短基線集干涉測量(small baseline subset interferometric synthetic aperture radar,SBAS-InSAR)技術[10]作為新型時序InSAR干涉測量技術之一,需要以一定數量的SAR數據作為基礎數據源,完成長時間內對地持續、有效的形變監測。其基本原理可表述為:假定在時間t1,t2,…,tn內獲取同一區域的N幅SAR影像,根據干涉組合條件﹐形成M幅干涉圖像﹐M與N滿足N/2≤M≤N(N-1)/2。對于任意干涉圖i,在去除平地及地形相位影響后,第i個像素的干涉相位可表示為

δφi(x)=φ(tB,x)-φ(tA,x)

(1)

式中,λ為發射信號中心波長;tA、tB(tA

Aφ=Δφ

(2)

式中,φ為待求時段的相位矩陣;Δφ表示M幅差分干涉圖的相位矩陣;A為M×N的系數矩陣,其中矩陣的行對應一景干涉圖,列對應該時刻的SAR影像,主影像所在位置為列數+1,輔影像所在位置為列數-1,其余為0。A為列滿秩矩陣,且N為A的秩,通過最小二乘法計算可得

φ=(ATA)-1ATΔφ

(3)

式(3)為所有SAR影像在一個集合的理想情況下的最優解,而在實際情況中存在多個集合,且需要考慮大氣和軌道相位誤差的影響。因此,對矩陣A進行奇異值(singular value decomposition,SVD)分解,解算出該方程式最小范數意義上的最小二乘解[11];估算地形和大氣延遲相位的影響,將模型相位值與真實形變相位值作差去除殘差影響;通過大氣高通、低通濾波減弱大氣相位誤差的影響[12];最后求得目標點的形變速率值,反演出地表的形變相位值。由于SBAS-InSAR方法屬于多視成像觀測,降低了形變圖的空間分辨率,因此該方法適用于大范圍面狀或線狀的形變區域監測[13]。技術流程如圖2所示。

圖2 SBAS-InSAR技術流程

在D-InSAR技術中,時間基線、空間基線和多普勒質心頻移是影響干涉像對質量的重要因素[14]。時間基線越長,時間失相干越嚴重;空間垂直基線越大,空間失相干越嚴重;多普勒質心頻率基線越大,干涉相干性越小。時間基線為兩幅影像成像的時間間隔。時間基線的長短影響時間去相干程度,主要是指地表和大氣介電常數在一段時間內發生的變化[15]。季節的交替更迭、氣候的變化等自然與人類活動都會影響地表介電常數[16]。時間基線對相干程度的影響遠遠復雜于空間基線對相干程度的影響。多數研究表明,時間基線越長,不可控的隨機因素造成的影響越大[17]。

3 結果分析

文獻[18]提出了以最佳時間基線作為公共主影像選取的依據,即時間基線和最短[18]。但本文是對山區水庫大壩的形變監測進行研究,不能一味選擇最短時間基線。在氣候濕潤或植被茂密的區域,時間基線過短會導致最后提取形變的區域過小,而無法進行結果研究和分析。本文綜合考慮山區特殊的環境特征和自身特點,在Sentinel-1A雷達衛星的重訪周期為12 d的基礎上,分別建立時間基線為36、60、90 d的數據集合作對比,探究時間基線對干涉相干性的影響,以及時間基線對最后獲取的形變情況的影響。選擇的時間基線集分別對應重訪周期12的公倍數,同時考慮了1～3個月的季節因素,分析2019—2020年水庫周圍區域沉降,以及2019、2020年整年水庫大壩形變情況。

本文針對Sentinel-1A衛星空間基線較短的特點,將空間基線閾值統一設置為臨界基線的45%,使空間基線的長度在300 m以下,從而保證較好的相干性[19]。本次處理中空間基線閾值為臨界基線的30%。選取2019年時間基線60 d集合,以獲取時間為20190317的SAR影像,作為主影像的其中一組像對進行展示。小基線集主從影像對及參數見表1。

表1 小基線主從影像對及時空基線參數

如圖3所示,空間基線為±12 d時相位信息最清晰,其成像季節氣候大致相同,地表植被反射特性相似,庫區水體部分、高反射率的城市建筑區域位置清晰。-24 d的相位圖像相較-12 d圖像噪聲點增多,除了城市建筑區域及水體有明顯的信息外,其他區域像素離散程度增加,多片狀區域信息殘缺。對比±12 d相干性(如圖3(d)、(e)所示)及±36 d相干性(如圖3(b)、(f)所示),雖然時間基線絕對值相同,但由于季節變化,植被覆蓋率增加,研究區整體含水量上升,干涉的相干性受影響更大。圖3(f)中研究區主要的水體及周邊信息區域已經因為完全失相干無法目視判別,原區域變為隨機的噪點,相干性相較-48 d相干性(如圖3(a)所示)更難識別。通過以上分析可以看出,時間基線過長,受地表植被覆蓋影響及季節氣候變化因素造成的時間失相干越嚴重,對干涉的相干性影響越大。

因此,運用SBAS-InSAR技術獲取山區水庫研究區域形變情況,需要對不同時間基線數據集合進行數據處理,通過對比分析確定獲取形變結果的最佳時間基線集。不同時間基線集合生成的干涉像對數量及剔除相干性較差的像對數量見表2。

表2 時間基線集合生成的干涉像對情況

通過SBAS-InSAR技術處理,獲取平寨水庫研究區在2019年1月28日—12月30日、2020年1月11日—12月24日兩個時間段時間基線集分別為36、60、90、120 d的年平均形變速率,如圖4—圖5所示。

圖4 2019年平均形變速率

圖5 2020年平均形變速率

分析圖4(a)、圖5(a)可知,時間基線集為36 d時,SBAS-InSAR技術只能在圖上提取較少的形變情況,且庫區附近的重點研究區域形變提取量也較少,無法提取到壩體的具體形變信息。分析圖4(d)、圖5(d)可知,時間基線集為120 d時,研究區內存在大片形變區域,但由于時間基線過長,干涉流受時間失相關的影響,導致存在大量形變信息誤判及部分區域形變量與現實情況不符的問題,主要體現在研究區西北山區及庫區南部、東南部山區,監測的形變區域起伏變化較大且雜亂無章。采用60 d與90 d的時間基線對研究區進行SBAS-InSAR監測提取的形變區域基本一致,但時間基線為90 d時,仍存在部分區域形變突然增大或減少的問題。結合圖3時序相干性系數圖分析可知,對于貴州山區內植被覆蓋率大、含水量高的研究區,時間基線集選定越大,時間失相干越嚴重,對于形變提取存在的形變量驟降及驟升問題影響越大;而60 d時間基線集提取的形變量更為詳細,因此選定60 d時間基線集對平寨水庫庫區形變進行SBAS-InSAR監測得到的結果較為合理。

根據時間基線集為60 d的平寨水庫研究區2019、2020年形變速率圖所提取的形變信息,選取壩體西側特征點A與東側特征點B,如圖6所示。

圖6 壩體形變特征點

將A、B兩點衛星視線方向的具體形變量,疊加庫區大壩上兩點于2019—2020年內所獲取的幾何水準測量數據,并作對比研究,然后將SBAS-InSAR技術提取的形變結果與水準數據作差取絕對值制圖進行分析,結果如圖7—圖8所示。

圖7 A點水準數據和InSAR數據形變差值分析

圖8 B點水準數據和InSAR數據形變差值分析

疊加距研究區最近的貴陽站氣象站2019—2020年月平均降雨量數據(見表3)進行分析[20]。

表3 2019—2020年貴陽市月均降水量 mm

由圖7和圖8可知,堤壩上典型點位的最大形變值約為30 mm,形變的發生主要是受降雨量及水庫水位變化的外界作用。在2019年4—7月、2020年5—7月、9—10月的3個時間段內,月平均降雨量增大,點位形變速率有明顯抬升,且受降雨導致的庫區水位增長的影響,抬升持續一段時間后緩慢回落。60 d和90 d時間基線集提取的形變信息與水準測量數據的變化趨勢具有一致性,但當時間基線集為90 d時,提取的形變量整體偏大,且存在驟升或驟降的問題,與水準測量數據擬合性不佳。對兩種數據的差值進行分析,在降雨量較大的月份(5、6、7、9月),地表含水量的增加對干涉的相干性產生一定的影響,差值也存在一定程度的增大。

4 結 論

時序InSAR提供了一種全新的衛星遙感監測方法,可以在低成本條件下提取較為精確的形變信息。本文針對水系豐富、降水充足、山勢險峻的研究區地表形變情況提取困難的問題,利用長時間序列Sentinel-1A升軌雷達影像數據,運用時序InSAR技術,采用SBAS-InSAR方法,提取平寨水庫周邊形變信息,分析了不同時間基線集對庫區形變提取的適應性,主要結論如下。

(1)對于植被覆蓋率及含水量較高的西南山地區域,時間基線集為60 d時提取研究區形變信息最為準確,既具有一定形變提取量供后續分析與研究,同時也符合實際的形變情況,存在誤判和缺漏較其他時間基線集少。

(2)平寨水庫研究區內水工建筑物及周邊城鎮等人工建筑的形變受降雨與庫區蓄水量的綜合影響,存在±30 mm的形變情況。根據壩體上提取的特征點形變情況,壩體形變受降雨量影響,降雨量大的月份存在明顯的形變抬升。

(3)與幾何水準測量數據進行對比分析發現,兩種數據監測結果在趨勢上具有一致性,60 d時間基線集SBAS-InSAR提取的形變信息與水準監測數據差值的絕對值,除了別時間點偏差較大外,其他時段均保持在5 mm以內,偏差較小。本文試驗結果驗證了SBAS-InSAR技術監測結果的準確性。

由于缺少精細的大壩結構數據,本文數據分析僅基于幾何水準監測及SBAS-InSAR技術成果,同時考慮了降雨量、氣候等自然環境因素對地表形變提取的影響,未加入人為施工開發導致的水土流失及自然災害等因素引起的形變,后續研究將加入人文環境因素進行綜合分析,實現對山區水庫的維護監測及災害預警。