利用Sentinel-1数据和SBAS-InSAR技术监测西安地表沉降

张艳梅,王 萍,罗 想,张 荞,陈 慧

(国家测绘地理信息局第三航测遥感院，四川 成都 610100)

利用Sentinel-1数据和SBAS-InSAR技术监测西安地表沉降

张艳梅,王 萍,罗 想,张 荞,陈 慧

(国家测绘地理信息局第三航测遥感院，四川 成都 610100)

哨兵一号(Sentinel-1)数据是目前现势性较好的免费SAR数据，且因其6天的重访周期，非常适合InSAR地表形变监测。本文以西安市城区及周边为研究区，开展基于多期Sentinel-1数据和短基线集干涉(SBAS-InSAR)技术的时序地表沉降监测方法的探索，研究形成了详细的数据处理流程，利用已有研究资料佐证了方法的有效性。监测表明：2015—2016年，绝大部分区域地表形变速率位于[-33～30] mm/a区间内，228 d监测期内累积沉降量最大约75 mm，发生在目前西安最大沉降中心鱼化寨；相比20世纪末，沉降强度大幅减弱，沉降严重区域由西安市东郊向南郊转移，且沉降范围减小。

哨兵一号；小基线集技术；地表沉降；西安市

地面沉降是西安最主要的地质灾害之一，沉降量大，波及范围广，并且诱发和加剧了地裂缝、地面塌陷等其他地质灾害产生，给城市规划建设和人民生命财产安全造成了严重危害和损失。有效控制地面沉降成为西安市一项紧迫工作，而地面沉降的快速和高精度监测则是该工作的重要支撑。

InSAR技术是近年来较受追捧的地面沉降监测手段，相比GPS测量、常规大地测量法和近景摄影测量等传统方法，具有监测精度高(可达毫米级)、覆盖范围广、作业效率高、数据处理流程化等优势。目前常用的InSAR技术有D-InSAR、PS-InSAR、SBAS-InSAR、CR-InSAR、CT-InSAR等。其中，SBAS-InSAR技术既能有效克服D-InSAR空间和时间去相关，又可获取时间序列上的沉降量，而且相比PS-InSAR技术，降低了对SAR影像数量的要求。大量学者研究已经验证了SBAS-InSAR技术在城市沉降监测中具有很好的有效性和毫米级的监测精度[1-5]。

本文利用SBAS-InSAR技术，基于Sentinel-1数据，对西安市2015—2016年间的城区地表沉降进行监测，分析西安市城区地面沉降发展规律和空间分布特点，为其控制治理提供基础依据。

1 研究数据与方法

1.1 Sentinel-1数据

Sentinel-1是由欧洲委员会和欧空局针对哥白尼全球对地观测项目研制的一个由两颗卫星组成的卫星星座，主要用于海洋环境监控和北极海冰监测、海洋溢油和舰船监视、地表形变监测、水体管理和土壤保护、森林火灾监测等[6-9]。Sentinel-1的A星于2014年4月3日成功发射升空，B星于2016年4月26日升空，单颗星重访周期12 d，两颗星协同工作，可将重访周期缩短至6 d。

Sentinel-1卫星数据已免费对外开放，可在欧空局Sentinel Scientific Date Hub网站注册下载，网址为http:∥scihub.copernicus.eu/dhus。Sentinel-1卫星有4种工作模式：条带模式(strip map，SM)，干涉宽幅模式(interferometric wide swath，IW)，波模式(wave，WV)，额外宽幅模式(extra wide swath，EW)，各模式的主要设计参数详见表1。SM和IW模式采用了TOPS技术(terrain observation with progressive scans SAR)[7]，能够解决宽幅成像时出现的scalloping效应并增强成像辐射性[8]。IW是主要的运营模式，能够满足当前对SAR的大多数服务需求，也是地表沉降监测使用的模式[9]。

表1 Sentinel-1卫星数据主要参数指标

Sentinel-1卫星的4种工作模式均可生成Level-0、Level-1和Level-2这3个级别的产品，Level-0产品为成像前的原始数据(RAW)，Level-1产品包括单视复数图像(SLC)和地距影像(GRD)，Level-2产品为海洋产品(OCN)。SM、IW和EW模式的Level-0、Level-1和Level-2产品均对外开放，WV模式仅提供Level-2级别产品。

此外，欧空局提供Sentinel-1卫星数据干涉处理所需的轨道数据文件，包括修正的轨道参数(AUX_RESORB，POD Restituted Orbit)和精确的轨道星历参数(AUX_POEORB，POD Precise Orbit Ephemerides)两种。AUX_RESORB是在数据获取后3小时内生产得到的，精度在10 cm以内，主要在应急等特殊紧急情况下使用，AUX_POEORB则是在数据获取21 d内生产得到的，精度在5 cm以内，一般情况下优先使用。

1.2 SBAS_InSAR技术原理

小基线集技术(small baseline subset，SBAS)由Berardino等于2002年提出[1]，在很大程度上解决了D-InSAR技术由于空间基线过长造成的失相干和大气效应等问题，并且增加了时间采样频率。该技术对基于低分辨率、大尺度、时序形变监测能够取得很好的效果。SBAS-InSAR技术的基本原理如下：

假设有按时间序列t0,t1,…,tn的(n+1)幅重轨SAR影像，通过设置时间和空间基线阈值，可以得到L个小基线集合，每个集合之内，干涉对基线较小，而集合之间，干涉对基数较大，共包括M幅差分干涉幅，(N+1)/2≤M≤N(N+1)/2。假设任意像元(x,r)上任意时刻tk与初始时刻t0的差分干涉相位为φ(tk,x,r)为未知数，M幅差分干涉图δφk(x,r)(k=1,…,M)则为观测量。任意一幅差分干涉幅，若由i和j两个时刻获取的SAR影像差分干涉得到，且j早于i，则有

(1)

式中，d(ti,x,r)和d(tj,x,r)分别为i和j时刻相对于初始时刻t0的视线方向累积形变量，故d(t0,x,r)≡0。为便于理解，公式并未考虑大气变化引起的相位变化及去相关现象，也未精确去除地形相位，且假设所有相位信号都是解缠的。

因有M幅差分干涉图，故根据式(1)可得到M个方程，用矩阵表示该方程组为

δφ(x,r)=Aφ(x,r)

(2)

式中，A为M×N矩阵，由-1，0和1元素组成，如式(1)在矩阵中对应第k行，其第i个元素值为1，而第j个元素值为-1，该行其他值则为0，δφ(x,r)和φ(x,r)为N阶向量。矩阵A为一个近似关联矩阵，若所有数据均属于一个基线集，则L=1,M≥N，此时A为一个N阶矩阵，当M=N时，方程组有唯一解，当M>N时，方程组是超定解的，可以用最小二乘法求解出φ(x,r)的估计值

(3)

通常情况，数据集分散在几个子集中，L>1，此时ATA就成为一个奇异矩阵，A的秩为N-L+1，方程组有无限多组解。为了得到唯一解，SBAS_InSAR采用奇异解分解(singular value decomposition，SVD)方法，将多个基线集联合求解，求出最小范数意义上的最小二乘解，得到累计形变量。

同时，可将相位转化到平均相位速度，建立速度场和高程误差的方程组，依照同样的方式建立奇异矩阵，求解得到形变速率和高程误差。

2 西安地表沉降监测

2.1 研究区与试验数据

选取地表沉降较为严重的西安市城区作为试验区，如图1所示，覆盖范围约50 km×50 km，试验区范围内植被较少，气候干燥，比较适合InSAR监测。近年来西安市采取了很多措施治理地表沉降，本次试验利用SBAS-InSAR技术对近两年西安市城区的地表沉降进行监测，并对比早期已有相关监测成果分析其变化趋势。试验数据为2015-09-24至2016-05-09的12景Sentinel-1A的IW模式的SLC数据，VV极化，分辨率为5×20 m，详细信息见表2。此外还包括对应的AUX_POEORB精密轨道参数文件及NASA获取的空间分辨率为90 m的SRTM4 DEM数据。

图1 试验区范围(叠加影像为Landsat7 ETM5/4/3波段合成假彩色图像)

序号获取时间绝对轨道数时间基线/d12015-09-24007856022015-10-300083813632015-11-230087316042015-12-170090818452015-12-290092569662016-01-1000943110872016-02-0300978113282016-02-2701013115692016-03-22010481180102016-04-15010831204112016-04-27011006216122016-05-09011181228

2.2 数据处理流程

利用Sentinel-1A数据和SBAS-InSAR技术，基于SARScape软件进行西安市城区地表沉降监测，数据处理流程如图2所示。

图2 数据处理流程

主要步骤如下：

(1) 数据预处理：通过整景数据导入，将SAR数据转换为SARScape内部格式，并使用试验区范围矢量进行数据裁切，得到试验区多时相SLC数据。

(2) 基线估算及小基线集生成：计算N(N-1)/2=66个干涉对的空间基线和时间基线。影像获取时间间隔最大仅228 d，由于测区内主要为人工建筑物，时间失相关影响较小，故时间基线阈值可不作要求；空间基线分布在5～138 m之间，最大空间基线仅为临界基线的2.5%(参考临界基线约为5554 m)，设置空间基线阈值为临界基线的2%，最终得到64个干涉对。

(3) SAR图像匹配：设置2015-09-24获取的影像为超级主影像，其他图像向其配准，配准精度要求小于1/8个像素。

(4) 对干涉对集合进行常规D-InSAR处理：主要包括干涉图生成、去平地效应、干涉图滤波、相干系数计算、相位解缠，其中干涉图滤波采用Goldstein，相位解缠相干系数阈值设为0.3，解缠方法选择基于Delaunany三角网的最小费用流法(minimum cost flow，MCF)。查看生成的干涉图、相干系数图和解缠图，在小基线集中移除相干性差、解缠不理想等存在问题的干涉对，移除的干涉对将不再参与后续处理。试验区大部分区域干涉性较好，试验中仅移除6对，剩余58对，其中部分干涉图和相干系数图如图3(a)和图3(b)所示。

(5) 轨道精炼和重去平：尽量在地形平坦、没有相位跃变和形变条纹的区域选取20～30个控制点(试验选取了30个点)，采用3次轨道精炼多项式估算轨道精炼和相位偏移量，消除斜坡相位，并基于控制点对所有数据进行重去平。

(6) 形变速率和高程系数估算：建立每个相干点的形变速率和高程系数的线性模型，构成方程组，利用SVD法对方程组求解，得到所有干涉对的形变(平均形变速率、形变加速度、形变加速度变化速率)及高程(校正值和新的DEM)。

(7) 地形残余相位和大气相位去除：利用估计的残余地形对干涉图进行去平，并重新解缠和轨道精炼，优化解缠结果，最终结果见图3(c)；在第一次估算形变速率基础上进行大气时间域高通和空间域低通滤波，估算去除每个时间点的大气相位，得到时间序列上的最终形变结果。

(8) 地理编码：将上述生成的所有结果编码到GCS-WGS-84坐标系下(DEM坐标系)，图4为地理编码后的平均形变速率。

图3 部分干涉对的相干系数图、去平后干涉图及最终相位解缠结果图

图4 地理编码后的平均形变速率

2.3 结果分析

西安地面沉降自20世纪50年代末发现至20世纪90年代，城郊大部分区域累计沉降量超过6 m，其中有41 km2的面积超过10 m，沉降量1 m的范围达200 km2，形成了辛家庙、胡家庙、东八里村、沙坡、西工大、大雁塔等7个沉降中心[10]。

本次开展2015—2016年西安市地表沉降监测，从图4平均形变速率空间分布图可以看出：

(1) 2015—2016年得到解缠结果的区域中，99%的地区地表变化速率位于[-33～+30] mm/a区间范围内(正值为地表上升，负值为地表下沉)，其中约50%的区域表现为地表沉降，沉降速率超过10 mm/a的区域仅占13%(约150 km2)，最大沉降速率为116.5 mm/a，部分区域缓慢上升，地面沉降现象明显比20世纪90年代大幅度减弱，沉降范围显著缩小。

(2) 20世纪90年代的沉降中心已经消失或明显减弱，而形成了鱼化寨、电子城、三爻和凤栖原地铁站、某广场等新的沉降中心，主要位于西安市南郊的高新技术开发区、曲江新区和某基地等区域。图5为鱼化寨、电子城、三爻地铁站和某广场这4个沉降中心的累积沉降量，可以看出，鱼化寨的沉降最为严重，2015年9月至2016年5月(228 d)累积沉降量达75 mm，年沉降速率达116 mm/a，其他3个沉降中心下沉强度明显小于鱼化寨。

图5 典型沉降中心时间序列累积形变量

由于研究中缺少同步观测的水准测量等高精度监测成果，因此无法定量地评价本文方法的监测精度。本文将监测结果与文献[11—15]中对西安沉降进行监测的结果进行对比分析，发现本文的监测结果与文献中描述的沉降趋势和空间分布上基本一致，这在很大程度上佐证了本文方法的有效性。此外，对比本文与各文献得到沉降量的数值，发现西安市地面沉降强度大致呈现出逐年减弱的趋势。

3 结 语

本文利用Sentinel-1数据，基于SBAS_InSAR技术获取了西安市城区及周边2015—2016年的地面平均形变速率与累积沉降量，并利用已有研究和监测资料佐证了该方法的有效性。通过分析可知，20世纪末至今，西安市地表沉降逐渐减弱，沉降范围有所减小，沉降严重区域由西安市东郊逐渐向南郊方向发展，虽在高新技术开发区、曲江新区和某基地等地形成了新的沉降中心，但相比19世纪末的沉降中心，其沉降速率大幅度降低。

[1] PAOLO B，GIANFRANCO F，RICCARDO L，et al.A New Algorithm for Surface Deformation Monitoring Based on Small Baseline Differential SAR Interferograms [J].IEEE Transactions on Geoscience and Remote Sensing，2002，40(11)：2375-2383.

[2] 王如意.基于 SBAS-InSAR 的高分辨率地面沉降监测技术研究[D].北京：中国地质大学，2015.

[3] 罗铖.基于SBAS_InSAR的西安地表沉降监测[D].西安：长安大学，2012.

[4] 谢荣安，周元华，胡争.短基线集技术在地表形变监测中的应用研究[J].测绘通报，2015(8)：70-73.

[5] 王宏宇，张庆涛，刘杰，等.利用短基线集技术监测地表形变[J].测绘科学，2015，40(10)：123-127.

[6] 东方道尔信息技术股份有限公司.欧空局下一代卫星Sentinel系列[J].遥感信息，2011(6)：119-120.

[7] 吴文豪，李陶，陈志国，等. Sentinel-1A 卫星 TOPS 模式数据干涉处理[J].测绘通报，2016(2)：42-45.

[8] 李永生，冯万鹏，张景发，等. 2014年美国加州纳帕 Mw6.1 地震断层参数的 Sentinel-1A InSAR 反演[J].地球物理学报，2015，58(7)：2339-2349.

[9] 杨魁，杨建兵，江冰茹. Sentinel-1 卫星综述[J].城市勘测，2015(2)：24-27.

[10] 祝意青，王庆良，徐云马，等.西安市地面沉降时空演化特征及机理研究[J].地球学报，2005，26(1)：67-70.

[11] 马静，张菊清.利用InSAR-GIS监测西安地面沉降的分析研究[J].测绘通报，2012(2)：14-17.

[12] 赵超英，张勤，丁晓利.基于InSAR的西安地面沉降与地裂缝发育特征研究[J].工程地质学报，2009，17(3)：389-393.

[13] 贺婧.基于D-InSAR技术的西安地面沉降监测[D].西安：长安大学，2013.

[14] 王心雨.高分辨率数据用于西安市地面沉降的InSAR监测研究[D].西安：长安大学，2015.

[15] 张勤，赵超英，丁晓利，等.利用GPS与InSAR研究西安市现今地面沉降与地裂缝时空演化特征[J].地球物理学报，2009，52(5)：1214-1222.

Monitoring Xi’an Land Subsidence Using Sentinel-1 Images and SBAS-InSAR Technology

ZHANG Yanmei，WANG Ping，LUO Xiang，ZHANG Qiao，CHEN Hui

(The Third Institute of Photogrammetry and Remote Sensing, National Administration of Surveying, Mapping and Geoinformation, Chengdu 610100, China)

The Sentinel-1 data is currently the latest free SAR data and is well suited for land subsidence monitoring based on InSAR technology due to its 6-day revisit cycle. In this paper, Xi’an urban area and its surrounding area are used as the research area, and the time-series surface subsidence monitoring method based on Sentinel-1 data and SBAS-InSAR technique is explored. We obtain a detailed data processing process, which validity is corroborated by using the existing research data. The research shows that most of the regional surface deformation rate is in the range of -33 to 30 mm / a from 2015 to 2016, and the maximum subsidence is about 75 mm in the 228-day monitoring period, occurred in Yu-Hua Zhai that is the largest settlement center of Xi’an. Compared with the late 20th century, the intensity of subsidence decreased greatly, and the serious area of subsidence moved form the eastern suburbs to the southern suburbs of Xi’an, and the range of subsidence reduced.

Sentinel-1; SBAS-InSAR; land subsidence; Xi’an

张艳梅,王萍,罗想,等.利用Sentinel-1数据和SBAS-InSAR技术监测西安地表沉降[J].测绘通报，2017(4)：93-97.

10.13474/j.cnki.11-2246.2017.0128.

2016-09-02；

2017-01-18

测绘新技术系统开发与示范应用(2016KJ0100)；微小型全极化SAR测图系统及其应急监测应用(201412002)

张艳梅(1986—)，女，硕士，工程师，主要从事雷达数据处理与变化监测等研究工作。E-mail: 469719634@qq.com

P258

A

0494-0911(2017)04-0093-05