PS-InSAR技术在成都市地面形变中的监测应用

薛廉，吴森，唐侨，唐晓玲，汪天寿，匡野

PS-InSAR技术在成都市地面形变中的监测应用

薛廉，吴森，唐侨，唐晓玲，汪天寿，匡野

（四川省地质工程勘察院，成都 610032）

以成都市中心城区及周边区域为例，利用PS-InSAR技术对2016-2018年间32景升轨Sentinel-1A数据进行处理，获取地面形变数据，进行时序分析与相干性分析。结果显示，成都市处于一个西抬东降的格局，年形变速率范围-22.9~26.5mm/y，累积沉降量达到-45~59ｍｍ。研究结果表明，最近几年城市化进程的加快和轨道交通建设的快速发展，是导致成都市中心城区部分区域地面沉降的主要原因，另外成都平原的地理位置及地下水分布，对城市部分区域的抬升和沉降也有影响。

成都市；地表形变；PS-InSAR；监测

近几年来，随着成都市经济建设的发展，在深入推进新型城镇化建设进程中，城市人口规模不断扩大。在这一进程中，为了提高城市的人口容纳量及交通承载能力，超高型建筑鳞次栉比，城市轨道交通建设热火朝天，地下空间大量的开采利用不一而足。这些举措在满足客观需求的同时，也使地表不堪重负出现开裂、塌陷等情况，从一些事故的发生中已经可以窥见端倪：2016年3月6日，双化街发生路面塌陷，2017年6月13日成都大件路路面沉陷大坑。

地面形变严重危害着公共安全，造成的社会影响也极其恶劣。为了有效监测地面形变并提前预警，比较常见的有水准测量及 GPS（Global Position System）测量等监测手段[1]。这些传统监测手段的测量精度虽然可以达到毫米级，体现了极高的精确度，但是它的不足也不容忽视，采样点布置较少、测量的成本较高、测量点并不稳定等缺点[2]极大程度上限制了这些手段的运用。目前，科学技术日新月异，随着遥感技术的进步与应用的加深，使用干涉合成孔径雷达技术InSAR（Interferometric synthetic aperture radar）来对地面的形变进行实时监控已经比较成熟。近年来，已有部分研究者使用InSAR技术对成都平原区域进行了沉降监测研究，例如付垚[2]基于Sentinel-1A卫星干涉宽幅（Interferometric Wide swath，IW）模式数据，使用双轨法D-InSAR技术对成都市中心城区2017年2月12日至2017年12月21日期间的33景影像数据进行处理；孙晓鹏等[3]基于ENVISAT ASAR数据，采用小基线集( small baseline subset，SBAS)-InSAR技术，对成都平原2008~2010年地面沉降进行了监测。本次研究将基于Sentinel-1A数据使用PS-InSAR技术对成都主城区地面形变的分布特征及时间演化规律进行分析，与已有研究成果进行验证，并为InSAR技术在城市地面沉降监测方面的应用提供参考。

1 研究区概况

成都市四面环山，位于四川盆地西侧的成都平原之上。地势从西北向东南方向由高向低变化，这使得成都市的地势差异变化明显。成都平原海拔约500 m，由台地、矮山丘及第四系冲击平原组成。成都平原的中心是其东部地区，四川盆地的边缘山地在其西部地区，成都平原具有断陷盆地的特征，主要原因是其位于中国新华夏系第三沉降带上，处于龙泉山褶断带、雾中山褶断带和龙门山褶皱带之间[4]，北部受到和兴场及绵阳的旋卷构造制约。由于多条不连续的断裂雁列构成了附近的龙门山断裂带，因此此处通常被作为四川的槽、台分解断裂，茂汶断裂、青川断裂、江油-灌县断裂及北川-映秀断裂是它的主要特征。成都市的地理位置临近地质活动特别活跃的横断山区，地质构造特殊，但是成都市却极少有破坏性的地震发生，主要是因为成都市拥有非常稳固的地块构造，厚达数百米的沉积层位于平原下方，这样的构造能够对地震波产生的能量进行最大化的吸收和削减。

2 PS-InSAR技术

2.1 PS-InSAR技术简介

InSAR结合了合成孔径雷达成像技术和干涉测量技术，利用传感器的系统参数和成像几何关系等可以精确测量地表某一点的三维空间位置及微小变化，已经成为常用的大地测量技术之一，它的优点是能够高精度、高分辨率、全天候的对大地情况进行测量[5]。永久散射体（persistent scatterer InSAR, PS-InSAR）是多时相InSAR技术（multi-temporal InSAR，MT-InSAR）中的一种。PS-InSAR形变监测的时间覆盖范围大，由于可用的影像数量比较多，而不用过分考虑时间基线和垂直基线过大带来的去相关问题，大部分的大气因素可以去除，这在小形变监测中比较重要。

另外，本文选择PS-InSAR技术对研究区进行形变监测处理还基于以下原因：结合研究区光学遥感影像可以发现，成都市城区内人工建筑密集，地面硬目标明显且分布广泛，如房屋、桥梁、裸露的岩石等，此类地物的散射特性一般较稳定，并且对雷达波的反射较强，他们的回波具有较高的信噪比。通过对这些技术的一系列观测值（即干涉相位）进行时间序列分析[6]，可找出监测区域内散射特性较稳定、对雷达波反射较强的地面硬目标，可有效提取这些目标的形变量，进一步可研究区域上的地表形变场，

2.2 PS-InSAR技术流程

通过PS技术的解算，可以将地面形变精度提高到传统InSAR无法企及的高度，解算过程包括影像导入及配准、差分干涉、PS候选筛选及建网解算等，其主要技术流程为：

1）选取K+1幅SAR影像，以其中一幅作主影像，其余作从影像，分别与主影像配准并进行干涉处理，获得K幅干涉图。

2）利用已知DEM数据，对K幅干涉图进行差分干涉处理，得到K幅差分干涉图。

3）在强度图中选取回波信号更稳以及位于雷达信号主瓣范围的点作为参考点。参考点作为整个区域解算的起点，在监测时段中被认为是稳定的，且回波信号强，相干性高。

4）根据PS回波信号的高信噪比特性，利用振幅阈值进行初步探测，选取具有高振幅值的像素作为PS候选点[7]；

5）从时序数据中提取出PS目标，然后对满足距离限制条件的PS点进行“观测”，建立基于PS点的相位差分干涉相位函数模型[8]；

6）根据差分干涉相位函数模型和PS的差分干涉相位集，采用相应的算法进行处理，得到各PS点的形变量、形变速率，并输出多种数据格式。

图1 PS-InSAR主要处理流程

3 关键技术

3.1 参考点的选取

参考点是整个PS解算的基准，该点被认为无形变，相对稳定。参考点的选取，主要选择处于雷达信号方向主瓣范围内，后向散射信号强，相对稳定的地物点，如图2所示，十字形中心可以视作散射信号最强的位置。参考点的设置的作用，是在振幅离差和相干系数的基础上剔除掉部分点，再进一步把小于旁瓣阈值的点剔除，得到满足条件的PS候选点。

3.2 PS候选点的选取

选取具有高振幅值的像素作为PS候选点(persistent scatterer candidate，PSC)的方式是根据PS回波信号的高信噪比特性，利用振幅阈值进行初步的探测。PS回波信号的高信噪比主要体现在SAR振幅影像上，并且在该图像上呈现为亮点，它的特征是如果其回波信号能量越高，那么地面的振幅值越大。设覆盖同一地区不同时相的SAR影像总数为N，取各影像振幅平均值的最小值作为振幅阈值，获得振幅阈值后,再从辐射定标且配准后的N幅SAR振幅影像上提取各像素的时间序列振幅值，若某像素时间序列振幅值>振幅阈值,则将该像素确定为PSC。

图2 参考点选取

3.3 建立基于PS点的网络模型

表1 Sentinel-1A数据主要参数

PS算法首先需要从时序数据中提取出PS目标，然后观测满足距离限制条件的PS点，通过建立相关PS点的相位差分联系从而实现网络模型的建立[8]。PS点的网络模型与大地测量中的三角网、水准网等原理相似。具体操作模式是每对PS点组成一条边，依次相连后就形成了PS观测网络。为了得到PS点之间的几何参数，需要利用该网络模型和PS点之间的差分相位关系，也就是说要测算出大地测量中水准点之间的高差。在PS-InSAR技术的构网方法中，存在着不同的方法，星网络、最短距离网络、自由连接网络以及Delaunay三角网络等。本次实验的PS网络采用比较常用的Delaunay三角网络模型进行构建。

4 实验数据

Sentinel-1A数据采用TOPS模式作为其默认成像方式，A星重访周期为12d，且能全天候工作。TOPS数据模式为从事InSAR、遥感、测绘、地质等行业的工作者带来了新的研究方向和突破。这项数据模式具有极强的实用性，可为地震过程、火山活动、滑坡和地表沉降监测提供连续的SAR数据源，造福人类。利用PS-InSAR技术监测地表形变，需要同一地区大量的影像以保证监测精度，Sentinel-1A主要的基本参数如表1所示。

图3 升轨及降轨影像数据覆盖范围

图4 SAR影像覆盖范围(黑色边框)

表2 Sentinel-1A 下载数据信息列表

以查询到的2018年1月1日至31日的轨道数据为例，升轨及降轨遥感数据的覆盖范围见图3。由图中可以看出 Sentinel-1A 卫星升轨（Ascending）数据（轨道编号128）覆盖了全部研究区域，而降轨（Descending，区域分上下两部分构成）数据仅覆盖了部分研究区域，其它时段的升轨及降轨影像数据覆盖情况类似于这四景影像。由于所需数据量较大，监测持续时间长，选择下载重访周期为24天轨道编号为128的连续32景Sentinel-1A卫星数据升轨影像数据，下载数据信息列表见表2。

如图4所示，白色边框为本次研究区域，黑色边框区域为Sentinel-1A数据的覆盖范围。在PS-InSAR算法处理过程中，为了能有效提高数据处理的精度并获取到市区内的已知地物点，故将地势平坦、后向散射强度大的已知点作为参考地面控制点，实验中采用的数据必须是白色边框部分。

5 数据处理及结果

5.1 基线估计

Sentinel-1A卫星的串联运行轨道考虑了空间去相干最小值的原则，已将垂直基线控制在极短范围内，最大限度地降低去相干效应。下图是时序数据的基线估计结果，选取 20170320期影像为主影像，即图5中所示第0景（中心点），与其余辅影像一一做基线估计分析。

如图5所示，最短基线为 20160605的6.27m，最长基线为20180102的142.3m，通过基线测算证实了Sentinel-1A数据的可靠性，并且保证了PS-InSAR监测的精度。

5.2 PS点筛选

学者们研究出了较多的永久散射体候选点的选取方法，以此来针对不同的应用区域和研究目的，例如 Hooper[9]等人提出了基于低振幅像元相位特征的选取方法，Ferretti[10]等人提出的相干系数阈值法和相位离差阈值法，还有一些学者基于前人的研究基础，如罗小军[7]等提出了等相干系数和振幅离差双重阈值法、Pritchard M E[11]等提出了幅度离散指数阈值法、陈强[12]等提出了幅度阈值法等新的算法。

本次研究采用基于振幅信息的双重阈值自动探测PS的方法。这个方法首先考虑PS回波信号的高信噪比特性, 信噪比越高代表振幅值越大。PS侯选点(permanent scatterer candidate，PSC) 必须用振幅阈值法挑选出高振幅值的像素点。为了加强PS散射的稳定性,再用振幅离差阈值从PSC中进一步精选出PS[13]。针对成都市区的地表特征，设置振幅离差≤0.8，相干系数、平均相干系数≥0.6，旁瓣阈值＜0.25，共筛选出1 391 317个PS点。

如图6所示，浅色点状部分是本次筛选出的PS 点，在以建筑物为主的区域分布密度较高，然而在周边的山体上几乎没有出现，这表示在植被覆盖区域使用PS-InSAR存在一定的局限性。

5.3 形变结果分析

成都市区及周边地表形变监测的PS-InSAR解算整体结果如下图7所示，数据处理的参考点位于处理范围的东北角（五角星处），参考点在监测时段中认为是稳定的，且回波信号强，相干性高。

从图中可以看到，PS点在建筑物密集区提取效果良好，分布较为均匀，但在绕城高速的环状部分PS点很少，接近空白，造成这种情况的原因，据分析有以下几点：

1）瓦片技术层级显示PS点，缩放到一定比例，显示这一比例的PS点，如果要检查环状公路，可以放大到一定比例尺查看；

图5 时序数据基线估计结果

图6 PS点筛选结果

2）由于监测范围较大，振幅离差阈值及相干性阈值设置比较高，导致候选点数控制的比较偏少，如果监测对象包括公路，可以通过设置修改参数来加密PS点；

3）Sentinel-1A数据是中分辨率数据，对线状地物的监测也有影响。

研究区PS点形变速率统计直方图如下图8所示，从统计直方图可以看到，形变速率基本呈正太且整体基本以零刻度为中心分布，说明参考点选取合理。分析结果显示成都市最大年沉降速率范围-22.9~26.5mm/y，累积沉降量达到-45~59mm。

6 分析及结语

利用PS-InSAR方法，获取到成都城区及周边2016-2018两年内的累计形变量分布。监测结果表明：①研究区地表抬升主要集中在成都市西北方向的郫县与彭州交接地带；②研究区地表沉降主要集中在成都市中心城区金牛区驷马桥-成华区青龙一带、双流胜利、黄甲-大面一线、双流黄龙溪、永安-天府新区兴隆、煎茶、永兴、太平、白沙一带；③研究区范围内有多处块状区域没有PS点分布，造成这种情况的原因是这些范围均为植被覆盖或水域区域，对雷达波的后向散射较弱，导致失相干。

就沉降原因而言，根据对成都平原形成及演化的相关研究可知:①喜山运动以来，四川盆地(成都平原)处于挤压构造背景下的非拉张环境;②刚性块体被周缘构造带所围限，而成都平原并非前陆坳陷区，因此不具备区域沉降的构造条件;③成都平原基底正断裂不发育或不活动，不存在区域性沉降的诱因;④成都平原中、新生代经历海盆—湖盆—陆盆的长期演化，陆源碎屑巨厚沉积，沉积环境稳定，更新世以来未经历区域沉降历史; ⑤以逆冲型为主的汶川地震及其余震，导致上方的成都平原有逐渐抬升的趋势。综上所述，成都平原在监测时期内不存在地面沉降的自然诱因。

图7 成都市区PS点累计形变量分布图

出现沉降的主要原因有三个方面：首先，由于水资源的减少，成都自西向东地下水由富水区变为贫水区，地下水量的减少同样会导致沉降的形成，其次是成都平原处于挤压环境中，主要受逆冲作用的影响，成都西侧逐渐上升，而东侧则呈现沉降趋势；最后是建设活跃，新建楼盘增加地面承载负荷，使沉降量增加。由于成都平原所处的地块稳定，且沉积物厚，所以沉降量不大，监测范围中95%以上数据沉降量都很小，而且年际变化不大，所以成都市的总体形变量小。综上所述，西抬东降的格局是由这三个因素叠加构成的。

图8 形变速率统计直方图

另外，四川省第三测绘工程院2015年至2016年底的两年间，对成都市的地表形变的监测结果显示，成都市的年沉降速率最小为–22 mm/y，最大为28 mm/y[14]。这与本次研究的监测结果、沉降抬升分布范围也较为吻合，说明本次的监测结果具有一定的可靠性，这些结果为今后成都平原主要城市的地表形变监测工作提供了更加详细的参考。

[1]俞晓莹. 改进的SBAS地表形变监测及地下水应用研究[D].中南大学,2012.

[2]付垚. 基于Sentinel-1A数据的成都市中心城区地表形变研究[D].电子科技大学,2018.

[3]孙晓鹏，鲁小丫，文学虎，等. 基于SBAS-InSAR的成都平原地面沉降监测[J].国土资源遥感,2016,28(03):123-129.

[4]马志刚. 成都平原卵砾石层地震响应研究[D].成都理工大学,2009.

[5]朱建军，李志伟，胡俊. InSAR变形监测方法与研究进展[J].测绘学报,2017,46(10):1717-1733.

[6]罗小军. 永久散射体雷达差分干涉理论及在上海地面沉降监测中的应用[D].西南交通大学,2007.

[7]罗小军，黄丁发，刘国祥. 时序差分雷达干涉中永久散射体的自动探测［J］． 西南交通大学学报，2007，42( 4) : 414－418．

[8]张丽华. PS-InSAR技术在昆明长水机场地面形变的监测应用[J],昆明冶金高等专科学校学报,2018,34(01):6-10.

[9]Hooper A, Segall P, Zebker H. Persistent scatterer interferometric synthetic aperture radar for crustal deformation analysis, with application to Volcán Alcedo, Galápagos. Journal of Geophysical Research, 2007,112.

[10]Ferretti A, Prati C, Rocca F..Permanent scatterers in SAR interferometry. IEEE Transactions on Geoscience and Remote Sensing, 2001,39 (1) : 8-20 .

[11]Pritchard M E，Simons M． A Satellite geodetic survey of large － scale deformation of volcanic centres in the central andes［J］．Nature，2002，418( 6894) : 167－171．

[12]陈强，刘国祥，李永树，等. 干涉雷达永久散射体自动探测———算法与实验结果[J]． 测绘学报，2006，35( 2) : 112－117

[13]李永生. 高级时序InSAR地面形变监测及地震同震震后形变反演[D].中国地震局工程力学研究所,2014.

[14]刘腊英，赵荣美，郝勇. 成都为何一年“下沉2.8厘米”？[N].四川日报,2016年11月16日第005版.

The Deformation Monitoring of Chengdu City Based on PS-InSAR

XUE Lian WU Sen TANG Qiao TANG Xiao-ling ANG Tian-shou KUANG Ye

(Sichuan Research Institute of Geological Engineering Survey, Chengdu 610072)

By the example of central and surrounding areas of Chengdu City, this study makes time series analysis and coherence analysis based on data on theground deformation from Sentinel-1A data of 32 ascending fields during 2016-2018 by means of PS-InSAR technology. The results show that Chengdu City is characterized by in ascending west and descending east, with maximum deformation velocity ranging from -22.9 to 26.5mm/y, and accumulative subsidence of -45~59 mm. And the urbanization and rapid development of rail transit constructionare responsible for land subsidence in parts of the central city. In addition, geographical location and groundwater distribution of the Chengdu Plain have influence on the deformation of some areas.

Chengdu City;ground deformation;PS-InSAR; deformation monitoring

2019-03-15

成都市科技惠民项目（2016-HM01-00424-SF）：成都市城市化建设中地质灾害早期识别技术研究；成都市国土资源局成都市城市地下空间资源地质调查项目

薛廉（1983-），女，四川成都人，硕士，工程师，研究方向为地质灾害监测与早期识别

TP79

A

1006-0995-（2019）03-0512-06

10.3969/j.issn.1006-0995.2019.03.033