基于Sentinel-1A雷达影像的SBAS技术在地表形变中的应用

杨亚彬，李 慧

(1.广东省地质测绘院，广东 广州 510800；2．广东工业大学，广东 广州 510006)

珠海是广东省的地级市，是珠江三角洲中心城市之一，地处北纬21°48′～22°27′，东经113°03′～114°19′之间。位于广东省珠江口的西南部，东与香港隔海相望，南与澳门相连，西邻江门市，北与中山市接壤，是珠三角中海洋面积最大、岛屿最多、海岸线最长的城市，素有“百岛之市”之称[1]。珠海市的城市规模在过去的30年中得到快速发展，以此同时在大量而且频繁的基础城市建设中由于土建工程而抽取地下水、基坑开挖等人为因素必然会对土层产生扰动。而珠海地处珠江三角洲，主要城区的地质结构比较不稳定[2]，地下水分布广泛，地质灾害频繁发生，尤其是由于地表沉降而发生的灾害已经给社会的人身以及财产安全带来巨大的隐患。因此急需一种手段能够对大范围的地表沉降进行监测，为地质灾害的防治工作提供科学依据。

合成孔径雷达干涉测量(InSAR)技术是一种新型的空间对地观测技术，具有高时空分辨率、高精度、监测范围广、穿透性强等优势，是当今地学界较为先进的基于面观测的地表形变监测手段[3-5]。目前，已有众多的国内外专家学者成功应用InSAR技术进行地表沉降监测工作，并取得让人瞩目的成果[6-11]。本研究基于Sentinel-1A卫星数据[12]，采用小基线集干涉技术(SBAS)对珠海市相关区域开展地表形变监测，分析沉降区域的时空分布规律和引起地表沉降的影响因素，为港珠澳大湾区城市基础设施健康诊断提供评价依据，提高城市灾害风险管控能力。

1 SBAS技术原理及其数据源

短基线集( Small-Baseline Subset，SBAS) 技术是近十几年发展起来的一种高级DInSAR数据处理方法，最先是2002年由Berardino和Lanari等学者提出[13-14]，主要用于研究低分辨率、大尺度上的形变。SBAS方法通过自由组合基线较短的影像对，产生一系列基于不同主影像的时间序列干涉图子集，再利用矩阵的奇异值分解( SVD)方法，将多个短基线集联合起来求解，解决各数据集之间空间基线过长造成的时间不连续问题，提高监测的时间分辨率，得到覆盖整个观测时间的形变序列和平均沉降速率。

本项目拟对斗门区、金湾区、香洲区以及澳门特别行政区进行监测，并对监测范围进行适当外延，监测总面积约8 192 km2，监测范围如图1中白框所示。

图1 研究区范围

本项目采用32景Sentine-1A SAR影像进行数据处理。Sentinel-1是专为“哥白尼计划”设计的第一颗卫星，主要用以监测欧洲、加拿大和极地区域的环境变化，如海冰、海洋环境以及地表运动，地表森林、水源和土壤动态变化。Sentinel-1卫星是欧洲极地轨道C波段雷达成像系统，采用预编程无冲突操作模式，可实现高分辨率全球陆地、海岸带和航线的成像[13-14]。其相对于ERS-1/1/SAR和ENVISAT/ASAR具有重访周期短、单景影像覆盖范围高的优势，双星座卫星的Sentinel-1重复周期可缩短至6 d。本研究时间跨度为2016-01-29—2017-11-07，数据成像模式为IW(干涉宽幅)，幅宽为250 km，地面分辨率为5 m×20 m，卫星影像数据信息如表1所示。

数字高程模型(Digital Elevation Model，DEM) 采用日本宇宙航空开发机构(JAXA)联合美国RESTEC公司利用35 km×35 km的光学影像生产的30 m分辨率的高精度DEM，该光学影像采集自日本发射的ALOS卫星所搭载的PRISM(全色立体测绘仪)传感器，由此获得的DEM平面及高程精度均可达到5 m，其数据产品能在全球范围内覆盖。相较于SRTM数据，AW3D30的数字高程产品由于不存在雷达信号失相干的问题，因此不会出现数据空洞的问题。利用该DEM进行去除地形处理，能够精确提供研究区域的高程数据，并且能有效降低由于外部提供的DEM不正确而产生的干涉去平地效应出错等情况，使得InSAR结果的可靠性得以提高。

表1 SAR卫星影像数据信息

2 数据处理

2.1 差分干涉图的生成

根据设定的时空基线阈值生成短基线集，对短基线集进行差分干涉处理。与PSI方法相比，SBAS避免了长空间基线的几何去相干问题和长时间基线的时间去相干问题，提高干涉图的相干性和时间分辨率，确保地表形变监测的准确性。本项目在SBAS数据处理过程中，时间阈值设定为200 d，垂直基线设定为45%的临界基线，共生成239对干涉像对。剔除解缠效果不理想或出现明显大气效应的干涉像对，使其不参与后续的处理工作。经过上述处理步骤，SAR数据集中用于反演的干涉数据集共包含92对干涉像对，形成的连接图如图2所示。

图2 SAR干涉对连接图

2.2 高相干目标点的选取

SBAS技术处理的对象是一些高相干目标点，这些点的选择是通过对一系列雷达干涉影像进行相关阈值处理获取。目前相干目标点的选取方法主要有：基于像元强度的稳定性、基于相位稳定性和基于空间相干性等方法。强度稳定性方法是根据像元强度的稳定性来判断相位稳定性，该方法需要建立在大量数据进行统计分析的基础上，因此要求数据量一般不少于30景SAR影像。相位稳定性分析的方法根据相位的时间和空间相干性，对相位残差(噪声)进行分析的技术，该方法涉及到复杂的数学方法，而且需采用大量模拟实验来确定阈值。最后综合考虑算法的复杂度并结合本研究数据量小的特点，本研究采用相干性的方法来选取高相干目标点。对时间序列的相干图取均值，利用累积影像的平均相干值来选取相干目标。

2.3 高相干点沉降速率和形变场的获取

在选取的相干目标上建立Delaunay三角网，以三角网上的所有边为单元进行建模，建立观测方程。采用奇异值分解的方法进行求解，即可得到各时间区间的沉降速率。各时段沉降速率在时间域上进行积分即可得到各个时间点的累积形变量。

3 结果分析

本项目通过对32景Sentinel-1A卫星IW模式的SAR影像进行数据处理，得到研究区的年平均沉降速率图如图3所示。从图3中可看出该监测区沉降速率最大可达-101.05 mm/a，抬升速率最大达到75.25 mm/a。监测区南部沿海区域存在轻微抬升现象，抬升速率处于17.44 mm/a以内。珠海市斗门区大部分地区处于稳定状态，年平均沉降速率不超过5 mm/a，但斗门区白蕉镇地区沉降较为严重，最大年平均沉降速率可达-101.05 mm/a。珠海市金湾区主要城区年平均沉降速率基本处于-5～5 mm/a之间，城区处于稳定状态，但在高栏港站、平湾四路附近等区域发现较为明显的沉降信号，沉降速率最大达到-75 mm/a。香洲区大部分地区处于年平均形变速率在-17～17 mm/a之间，较为稳定，但横琴等区域存在明显的沉降漏斗。澳门大部分区域的年平均形变速率处于5.88～17.44mm/a之间，少数地区存在沉降信号，最大沉降量达到-40.36 mm/a。

图3 整体平均沉降速率图

3.1 斗门区地表形变结果

将沉降速率图叠加在Google Earth上，可以看出珠海市斗门区大部分地区年平均沉降速率在5 mm/a以内，但斗门区白蕉镇地区出现严重的沉降现象，如图4所示，最大沉降速率达到101.05 mm/a，图中白色方框即为沉降明显区域。对此区域选定采样点#1、#2、#3、#4进行形变量时间序列提取得到图5，从图中可看出，采样点均呈现一致的下沉趋势，且累计沉降量可以达到将近-132 mm，沉降趋势明显。

图4 斗门区白蕉镇沉降速率分布

图5 斗门区白蕉镇相干目标采样点时间序列

3.2 金湾区地表形变结果

由平均沉降速率图3可以看出，珠海市金湾区主城区处于稳定状态，年平均形变速率不超过5 mm/a，南部沿海区域出现20 mm以内的轻微抬升现象，金湾区整体较为稳定。其中在红旗镇、三灶镇、南水镇及平沙镇共发现8处地方存在较为明显的沉降信号。在沉降信号明显区域抽取有代表性的相干目标点，提取其垂直形变的时间序列进行分析。

图6 海洋石油工程有限公司附近区域沉降速率分布

如图6所示，在使用SAR卫星的IW数据进行SBAS处理得到的结果中，可以在海洋石油工程有限公司厂区观测到较为明显的沉降信号，该区域相干目标点的年平均沉降速率可达到-75.04～-63.48 mm/a。对相干目标点进行时间序列分析，从图7可以看到，位于沉降速率较慢地区的#1和#3点累计沉降量最大值为-44 mm，位于平均沉降速率达到-75.04 mm/a的#2点累计沉降量达到-80 mm。由图8可看出，该地区为海洋石油工程有限公司厂区，厂区内存在石油开采等作业项目，这可能是导致该地区地面发生沉降的主要因素。

图7 海洋石油工程有限公司附近区域相干目标采样点时间序列

图8 海洋石油工程有限公司石油开采作业现场

3.3 香洲区地表形变结果

从图3年平均沉降速率图可以看出香洲区从北向南呈现出先沉降后抬升的趋势，平均形变速率在-17～17 mm/a之间，大部分地区处于稳定状态，但在横琴岛等区域发现较为明显的沉降信号。在香洲区发现的沉降信号中，最大沉降速率达到-63.48 mm/a。将有明显沉降现象的区域选取采样点，提取该像元形变值的时间序列。

图9 港珠澳大桥码头沉降速率分布

在香洲区东北部的港珠澳大桥码头发现小范围的沉降漏斗，平均下沉速率最大达到-63.48 mm/a(见图9)。在港珠澳大桥1号码头和2号码头选取采样点，提取其时间序列，从图10可以看出，采样点#1、#2、#3点表现出一致的下沉现象和下沉量级，累积沉降量可达到-80 mm，并且有继续下沉的趋势。经过相关资料收集和分析，港珠澳大桥码头正在进行人工岛及相关工程施工，而这很可能是导致该地区出现沉降现象的原因。

图10 港珠澳大桥码头相干目标采样点时间序列

图11 在珠海北站及附近区域沉降速率分布

根据年平均沉降速率图11可以看出，在珠海北站及附近区域发现沉降信号，最大沉降达到-63.48 mm/a，其中兴中路附近区域沉降较为明显。对沉降明显区域选取采样点#4、#5、#6、#7点，提取采样点的形变时间序列得到图12，可以看出位于沿海区的#6和#7点平均沉降速率较快，累计沉降量达到-100 mm,#4和#5点累计沉降量近-60 mm，整个区域累计沉降量相对其它区域大，并且沉降速率较快。由TOD项目施工现场(见图13)可以看出，发生地表变形的北围地区正好被项目施工区所覆盖，故该项目的实施可能是导致珠海北站区域地面沉降的主要原因。

图12 在珠海北站及附近区域相干目标采样点时间序列

图13 珠海北站TOD项目施工现场

4 结 论

本项目充分发挥InSAR技术在面域测量、监测精度精度高、监测周期短等方面的优势，对研究区域进行整体监测。通过数据处理分析，确定地表形变发生、发展和变化的全过程。基本普查了珠海市斗门区、金湾区、香洲区在2016年1月～2017年11月期间的地表形变演化历史。在整个监测区域，通过数据处理分析发现大部分地区平均沉降速率在-17.23～5.88 mm/a之间，主城区较为稳定。将地表形变量较大的区域标定为灾害隐患点，隐患点多聚集在沿海区域如横琴岛、白蕉镇、南水镇、红旗镇等地区。针对可能发生灾害的隐患点进行采样分析，提取相干目标点形变的时间序列，通过形变量时间序列分析得到，隐患点的累计下沉量最低为-38 mm，最高达到-100 mm，并且在中海石油广东液化天然气公司天然气液化厂发现不均匀沉降现象。同时针对灾难隐患点收集相关资料，发现许多“危险区”均是受到项目施工的影响而发生地表垂直方向形变。

通过卫星对地综合探测和动态观测，可有效探测研究区内的潜在隐患点。港珠澳地区的快速城市化需要高度关注城市基础设施的健康诊断，通过InSAR重复观测可提高城市灾害风险管控能力，可望成为未来城市基础设施建设和管理标准研究的重要技术手段。

[1] 祝彦贺, 朱伟林, 徐强, 等. 珠江口盆地中部珠海组-珠江组层序结构及沉积特征[J]. 海洋地质与第四纪地质, 2009 (4): 77-83.

[2] 张举兼. 珠海市水文地质与工程地质特征初探[J]. 地质灾害与环境保护, 1997, 8(3): 6-12.

[3] HU B, WANG H S, SUN Y L, et al. Long-Term Land Subsidence Monitoring of Beijing (China) Using the Small Baseline Subset (SBAS) Technique [J]. Remote Sensing, 2014, 6(5):3648-3661.

[4] HU B. Monitoring of Ground Deformation due to Excessive Withdrawal of Natural Gas Using SBAS, Mathematical Problems in Engineering, vol. 2014, Article ID 674510, 2014. doi:10.1155/2014/674510.

[5] HU B, WANG Hansheng, JIANG Liming. Monitoring of the reclamation-induced ground subsidence in Macao (China) using the PSInSAR technique[J]. Journal of Central South University, 2013, Volume20, Number4, 1039-1046.

[6] 乔书波,李金岭,孙付平,等. InSAR技术现状与应用[J]. 天文学进展，2003(1)：11-25.

[7] MASSONNET D. Application of remote sensing data in earthquake monitoring [J]. Advances in Space Research, 1995, 15(11):37-44.

[8] 张景发, 郭庆十, 龚利霞. InSAR测量沧州地下水抽取引起的地面沉降[C]//海峡两岸空间资讯与防灾科技研讨会， 珠海：2005.

[9] 许文斌, 李志伟, 丁晓利,等. 利用InSAR短基线技术估计洛杉矶地区的地表时序形变和含水层参数[J]. 地球物理学报, 2012, 55(2):452-461.

[10] Zhang Jingfa, Li Faxiang, 张景发,等. The Processing Procedure of D-InSAR and Influence Factors of Its Application[J]. 地球信息科学, 2000, 2(3):58-64.

[11] 刘晓萌, 常占强, 张景发,等. D-InSAR处理中失相干问题的研究[J]. 河北师范大学学报(自然科学版), 2007, 31(2):260-263.

[12] 欧阳伦曦, 李新情, 惠凤鸣, 等. 哨兵卫星 Sentinel-1A 数据特性及应用潜力分析[J]. 极地研究, 2017, 29(2): 286-295.

[13] BERARDINO P, FORNARO G, LANARI R,et al. A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms[C]. IEEE Trans. Geosci. Remote Sens. 2002, 40, 2375-2383.

[14] LANARI R, MORA O, MANUNTA M,et al. A small-baseline approach for investigating deformations on full-resolution differential SAR interferograms.IEEE Trans. Geosci. Remote Sens. 2004, 42, 1377-1386.