利用DInSAR技术检测地裂缝分布及走向

胡 波，陈志谋，吴 洋，杨 斌，陈俊宇，陈雄乐，陈智伟

(1. 广东工业大学，广东 广州 510006; 2. 福建伟志工程勘测股份有限公司，福建 晋江 362200)

地裂缝是地表岩层、土体在自然因素或人为因素作用下，产生开裂并在地面形成一定长度和宽度的裂缝的一种宏观地表破坏现象，其走向和地下断裂带一致，规模大，常呈带状分布。地裂缝已成为一种独特的城市地质灾害，不仅造成巨大的经济损失，会给其所在地区的发展带来严重的障碍，特别是在经济发达、人口数量大的城市，甚至会给人民带来生命威胁。如我国西安的地裂缝，首次发现于1959年，至今已发展为14条，总延伸长度超过120 km，分布面积达到150 km2，地裂缝所过之处，地面破碎、建筑物开裂、道路变形、地下管道错断，成为西安最普遍的灾害。其成因主要有地质构造、地震活动和抽取地下水等[1-4]。

一直以来，众多学者使用各种形变监测手段对地裂缝进行研究，如传统的水准测量、基岩标和分层标测量，但这些方法野外作业周期长，耗费大量人力、物力和财力，而且需要长期维护监测点的完整性；再加上这些方法的测量点分布稀疏，基于点的观测，难以在宏观上揭示整个形变区域的形变规律[5-7]。但DInSAR技术的出现弥补了上述测量方法只能监测有限离散点的不足，并且可实现大面积、非接触、全天候、高精度的形变监测，在地面形变监测方面显示出巨大优势[8-11]。目前，国内外已有学者使用类似技术实现对地裂缝进行研究。

由于地裂缝本质是深部构造活动向地表延伸的断裂活动的痕迹，因此人类无法阻止其活动。只能在查明其分布范围之后，在拟建物规划设计时予以避让，在地裂缝影响范围内的建筑尚应采取结构措施。本研究以2016年6月至2016年11月期间3景加拿大RADARSAT-2数据，利用差分干涉测量技术(differential interferometry synthetic aperture radar，DInSAR)进行处理，对河北省廊坊市大城县的地表形变进行研究，综合分析其地裂缝的分布、走向及影响因素，并且提出预警和相关建议，为生产单位和政府部门提供决策依据来采取应对措施。

1 DInSAR技术原理

DInSAR即合成孔径雷达差分干涉技术，是对InSAR技术的进一步拓展，它是对同一地区不同时相的两幅干涉纹图进行差分组和从而可以消除地形影响，其目的是通过多次重复观测进行地表微小形变的监测。要通过干涉雷达获取地表的形变信息，就必须消除区域的地形信息。根据去除地形相位采用的数据和处理方法的不同，DInSAR技术可使用两种数据类型：一种是两幅天线同时观测到的数据，另一种是同一幅数据在不同时间内近平行观测得到的数据。然后将从雷达获取的数据转化为单视复数数据，通过处理，得到地面同一位置的复图像，利用图上反映出来的相位差，分析得到精确的地面形变。

DInSAR中包含2次成像雷达天线到目标的传播路径长度差值的信息，卫星测量的状况、测量时间、大气条件等因素，影响着传播路径的长度。如果大气的影响被忽略，通过一定的算法删除测量卫星的位置变换而应发的地形所得干涉相位，可得地面变形的干涉相位，从而使试验区的地面变形监测得到实现。其数据处理的方法有两轨法、三轨法和四轨法。

2 利用DInSAR技术监测大城县地表形变

2.1 测区概述

监测地区位于河北省廊坊市大城县，地处约116°30E—116°47′E，38°35′N—38°50′N之间，南北长约27 km，东西长约26 km，面积约为700 km2(如图1所示)。测区属海河流域，临近渤海湾，位于冀中平原腹地，全境地势平坦，多为农田，自西南向东北逐渐降低，海拔3～10 m。大城县属暖温带大陆性季风气候，四季分明，夏季炎热多雨，冬季寒冷干燥。境内煤炭资源丰富，初步探明储量190.1亿吨，走向为西南—东北。煤田煤系基底碳酸盐岩为强含水层，水质类型为Na2SO4型水，主要可采煤层与上下含水层之间有较厚的多层隔水层相隔，水文地质条件比较复杂。煤田上覆地层属新生界中的第三系地层，抗压强度不高，坚实性较差。

2.2 数据的选取

本次试验选用了3景加拿大RADARSAT-2 0级数据，采用C波段，波长约为5 cm。影像获取时间分别为2016-06-30、2016-08-17、2016-11-21。由于数据为0级数据，不能直接使用，应该首先进行聚焦处理，将0级数据转化为1级数据，即将RAW数据转化成SLC数据(单视复数数据)。DEM数据为ALOS World 3D，分辨率为30 m。

图1 研究区域位置

2.3 数据处理

本试验将3幅影像两两配对，获得3幅形变图，分别为2016-06-30—2016-08-17、2016-08-17—2016-11-21及2016-06-30—2016-11-21(数字代表影像获取的日期)。

(1) 基线估算。这一步获取干涉SAR像对的基线信息，检查干涉像对的基线是否小于临界值和能否取得好的干涉结果。此外还能获得能探测的最小形变量等信息。

(2) 干涉图生成。这一步是生成干涉图，输入两景SLC数据，输出数据是经过配准和多视的两景数据的残差相位图和主从影像的强度图。由于像素大小为2.34 m×2.05 m，故采取距离向为6、方位向为7的多视，约可得到14.05 m×14.30 m的地面分辨率。处理后得到干涉图，由于测区大部分为农田，相干性差，其中测区内散落的城镇部分干涉结果较好。

(3) 自适应滤波及相干性生成。对上一步去平后的干涉图进行滤波。本试验采用自适应滤波方法，该方法适用于较高分辨率的数据，也是最常用的方法之一。生成滤波后的干涉图和描述干涉图质量好坏的相干图，值在0～1之间。

(4) 相位解缠。干涉相位只能以2π为模，因此只要相位变化超过了2π的波长，就会重新开始和循环。相位解缠是对去平和滤波后的干涉相位图进行相位解缠，解决2π模糊的问题。本试验采用最小费用流解缠方法，该方法适用大面积的低相干区，即便在影像中出现低相干区域，仍可得到解缠结果。这种方法采用正方形的格网，考虑了图像上所有的像元，对相干性小于阈值的像元作了掩膜处理。

(5) 轨道精炼和重去平。利用控制点对卫星轨道和相位偏移进行纠正，进行轨道精炼和相位偏移的计算，消除可能的斜坡平地相位。控制点要求相位质量好、相干性高、形变小且尽量是平地上的点。试验中采用滤波后的干涉图作为底图选择控制点，如图2(a)所示，控制点的各项误差指标如图3所示，轨道精炼和重去平后的解缠图如图2(b)所示。

图2 控制点选取

图3 控制点各项指标

(6) 形变图生成。将解缠的相位信息转化为形变信息。试验中将像元大小设置为15 m，内插窗口为7 m，采用4次多项式内插，相干性阈值设置为0.25。生成的3幅形变图如图4所示。

图4 各时间段形变图

3 结果分析

根据6月30日到11月21日的形变图(如图4所示)可以看出在影像中部区域，也就是大城县的县城中普遍出现地面下沉，而在影像的左上角和右下角得到的地面形变结果为抬升，但是其形变量不大，可以认为相对稳定区域。此外，从图中还可以识别一些潜藏的地裂缝隐患存在。将处理结果和Google Earth叠加(如图5所示)，影像的左上角部分道路，也就是G2京沪高速上大约6 km的部分出现了明显的干涉条纹，其形变量的差约为3 cm且在G2高速经过邓家村的路段出现地形形变的正负交替，但是由于图像中该区域附近黑色部分因为相干性低于解缠阈值而造成数据缺省的区域较多，不能准确判断隐含地裂缝的长度和走向，位置为38°44′49.90″北，116°33′25.04″东(区域1)附近可能存在地裂缝的隐患，走向为60°～80°。在38°48′53.76″北，116°40′21.77″东(区域2)附近出现正负形变的交替，且在1.5 km内形变量的差超过了2 cm，判断附近可能有地裂缝的隐患，走向预计为85°～100°。在38°39′49.04″北、116°40′19.05″东(区域3)和38°40′57.31″北、116°45′24.28″东(区域4)附近同样存在地裂缝隐患，其走向分别预计为60°～80°和40°～55°。具体情况见表1。

图5 Google Earth显示结果

区域经度纬度预测地裂缝走向1116°33′25．04″E38°44′49．90″N60～80°2116°40′21．77″E38°48′53．76″N85～100°3116°40′19．05″E38°39′49．04″N60～80°4116°45′24．28″E38°40′57．31″N40～55°

出现地裂缝和地裂缝隐患的可能性有很多种，根据中国地质调查局2009年的调查结果显示，河北廊坊大城县地区的地裂缝成因以构造运动为主，说明构造运动是地裂缝形成的主要原因之一，其地表走向有明显的规律性，是从隐伏的断层蠕滑型地裂缝发展成为地表的地裂缝。同时，对于大城县而言，由于大城煤田是我国东部地区规模较大的整装煤田，因此大规模的煤炭开采可能也是形成地裂缝的主要原因之一，煤炭的开采使得被开采部分地表不稳定，下沉量相对周边地区较多，在长时间开采的作用下会使得地面下沉过多，与周边地区形成明显的差异，最终形成地裂缝。

4 结论与讨论

对于影像整体而言，大部分地区的沉降量都不算太大，最大地区的沉降量约在2～3 cm，但是存在差异性形变量，说明区域性的小形变量并不能代表没有地裂缝的隐患存在。另外，对于地裂缝分布的分析需要重点关注的不仅仅是形变量差异较大的区域，还需要关注形变量从正值到负值变化的区域，因为时间的累积可能会让正、负的形变各自叠加，使之差距拉大，同样也可以出现地裂缝。

通过这次试验，DInSAR虽然能得到两幅影像中的形变量，但是常规DInSAR的形变监测精度和可靠性还是受到几个不确定因素的影响，包括轨道误差、解缠误差、时间空间失相关引入的相位噪声和大气时空变化引入的延迟相位等。其中，失相关和大气相位的存在使得DInSAR在区域地表形变的监测方面很难得到普及和应用(存在局限性)。以本次试验来说，在多次对同一幅干涉图像处理的过程中发现，影响最终形变图结果的因素有以下几点：

(1) 区域中存在大片的田野及其他相干性差的地物，这使得滤波后得到的图像中仍然有大面积的噪声存在。同时，由于这些地物的分布广，将滤波结果好的区域分割开来，给解缠带来了一定的困难，也影响了最终形变图的精度。

(2) 滤波方法和解缠方法的选择非常重要，因为试验使用的两组数据间有很多相干性差的区域，只有选择了相对较好的方法之后，形变图的精度才能相对提高。

(3) 地面控制点的选择在本次试验中是一个对精度影响较大。虽然选择地面控制点的原则都是一样的，但是选择的点因人而异，每一次精炼和重去平选择的控制点也不可能完全一样，这就导致每次试验时得到的结果都是不同的，特别是对于噪声大的干涉图，因为能选择控制点的区域变少，区域中相对稳定的区域也少，这就使得地面控制点的选择变得困难。而且对于一些在图上显示出来孤岛一样的很小的区域，如果没有控制点存在的话，精炼之后的结果可能在这块区域上就会相对不稳定一些。

综上所述，本文使用DInSAR方法进行地裂缝分布的调查具有可行性，并且通过DInSAR方法得到的地面形变量进而推测地裂缝的走向。本文提取监测区域的形变量分布图，并且通过对形变量分布图的解译，分析出地裂缝区域的形变量，并推估了地裂缝区域的裂缝走向及发展趋势。

[1] 王景明,王春梅,刘科.地裂缝及其灾害研究的新进展[J].地球科学进展,2001,16(3):303-313.

[2] 燕建龙,文君,盛云鸥,等.浅谈西安地裂缝对建筑物的危害及防治对策[J].岩土工程界,2006,9(8):77-80.

[3] 钟龙辉.论西安地区地裂缝的地质成因和发育规律[J].勘察科学技术,1996(5):27-31.

[4] 易学发.西安市地面沉降及地裂缝成因的讨论[J].地震,1984(6):52-56.

[5] 何庆成,叶晓滨,李志明，等.我国地面沉降现状及防治战略设想[J].高校地质学报,2006,12(2):161-168.

[6] 殷跃平,张作辰,张开军.我国地面沉降现状及防治对策研究[J].中国地质灾害与防治学报,2005,16(2):1-8.

[7] 孙雪涛.加强地下水管理控制地面沉降[J].中国水利，2006(3):43-44.

[8] 侯建国.基于差分干涉雷达测量技术的哈尔滨市地面形变监测与综合分析研究[D].西安：长安大学，2011.

[9] 丁晓利，陈永奇，李志林，等.合成孔径雷达干涉技术及其在地表形变监测中的应用[J].紫金山天文台台刊，2000，19(2)：158-167.

[10] 王颖.InSAR技术在北京来广营地区地面沉降监测中的应用[J].技术应用，2011，6(4)：57-60.

[11] 王超、张红、刘智.星载合成孔径雷达干涉测量[M] .北京:科学出版社，2002.

[12] 郭华东.雷达对地观测理论与应用[M].北京：科学出版社，2000.

[13] 葛大庆,王艳,郭小方,等.利用短基线差分干涉纹图集监测地表形变场[J].大地测量与地球动力学，2008,28(2): 61-66.

[14] 廖明生，林珲.雷达干涉测量—原理与信号处理基础[M].北京：测绘出版社，2003.

[15] BERARDINO P，FORNARO G，LANARI R，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.

[16] LANARI R，LUNDGREN P，MANZO M,et al.Satellite Radar Interferometry Time Series Analysis of Surface Deformation for Los Angeles，California[J].Geophysical Research Letter，2004，31(L23613)：1-5.