DInSAR技术在成昆铁路复线路基及边坡垂直变形监测中的应用

2020-04-07刘欢王立娟马松靳晓范冬丽黄永威

铁道建筑 2020年3期

刘欢王立娟马松靳晓范冬丽黄永威

（1.四川省安全科学技术研究院，成都 610045；2.重大危险源测控四川省重点实验室，成都 610045；3.四川安信科创科技有限公司，成都 610045；4.中铁西南科学研究院有限公司，成都 611731）

截至2019年底，中国铁路营业里程达13.9万km以上，其中高速铁路3.5万km。铁路路基及边坡的稳定性是保障铁路安全平稳运行的重要基础，及时准确的变形监测对于铁路建设和安全运营具有重要意义。

随着空间信息技术的快速发展，合成孔径雷达（Synthetic Aperture Radar，SAR）凭借不受气候影响、高分辨率、大区域对地观测的优势［1］，已经成为当前空间对地观测的有效途径。基于干涉测量原理形成的合成孔径雷达干涉测量技术（Interferometric Synthetic Aperture Radar，InSAR）的出现则提供了一种全新的地表变形监测手段，而利用不同的数据处理方法可以获取大范围、厘米级甚至毫米级精度的地表变形信息，在地震、城市及矿区地面沉降、火山等监测方面开展了应用［2-5］。合成孔径雷达差分干涉测量技术（DInSAR技术）是通过两次或多次干涉测量，以SAR的复数影像的相位信息变化来获取地表变形信息的技术，是InSAR技术的进一步发展，具有监测精度高、监测效率高的优点。

目前，铁路工程垂直变形监测的主要技术方法仍然是精密水准测量、局部全站仪、传感器监测等。以上方法虽然也具有较高的监测精度，但由于铁路等大型线状人工地物地理跨度大，采用定期的常规地面人工测量的方法效率较低，具有较强的局限性。特别是我国西部地区山多地险，气候恶劣，传统的铁路工程垂直变形监测方法受到了极大的限制［6-9］。本文基于在建成昆铁路复线工程需要，提出DInSAR技术在铁路路基及边坡垂直变形监测中的应用方案，研究了其在铁路工程应用中的可行性及达到的效果。

1 研究区域及数据简介

1.1 成昆铁路复线越西段及重点分析区域

成昆铁路复线是在既有成昆铁路基础上新建或增建二线的铁路线，北起四川省成都市，南至云南省昆明市。本文以成昆铁路复线越西段为研究区域，里程约为DK322+200—DK326+920。根据设计资料，此区间由越西河1号双线特大桥、土官垣隧道、越西河2号双线大桥、北河村双线特大桥和路基组成。选择此段1处路基及边坡作为重点分析对象，命名为R1，如图1所示。

图1 研究区域无人机影像

1.2 ALOS⁃2卫星及PALSAR⁃2影像

通常情况下，SAR影像数据的选择需要考虑3个主要参数，分别是影像的空间分辨率、卫星重复观测周期和雷达波长。影像空间分辨率的大小直接关系到能够识别的地物尺寸的大小，对于铁路路基及边坡监测而言，较高的空间分辨率才能满足较小区域的变形监测需求；重复观测周期，即时间基线，表示同一监测区域获取2次雷达数据的时间间隔，周期越短则监测频率就越高，数据失相干的概率就越小；雷达波长越长，穿透能力就越强。我国西南地区常年有云雾覆盖，且植被覆盖度高，因此通常选择穿透力较强的L波段雷达数据。

本文在数据选择上，充分考虑了研究区地理位置及地形条件，选取日本ALOS⁃2卫星PALSAR⁃2条带模式影像，PALSAR⁃2传感器工作于L波段，波长22.9 mm。选取2017年12月29日（A）、2018年2月9日（B）、2018年3月23日（C）及2018年5月4日（D）4个时间节点的水平极化升轨数据为研究对象，其幅宽55 km×70 km，距离向及方位向分辨率均为3 m。

2 铁路路基及边坡垂直变形监测方案

2.1 InSAR技术原理

合成孔径雷达干涉测量技术是传统合成孔径雷达成像技术与射电天文学中的干涉测量技术相结合的一种新技术［10］。根据行进轨道的不同，常用的InSAR方式有交轨（Cross Track）、顺轨（Along Track）和重复轨（Repeat Track）。由于地表变形监测是测量一定时间间隔内地表变形量，即利用同一地区不同时刻获取的SAR影像数据进行差分干涉处理以提取地表变形信息，所以重复轨干涉测量模式在科研工程领域应用较为广泛［11］。

以常规InSAR技术数据处理方法为基础形成的DInSAR技术，具有处理方法简单、精度较高的优点。传统DInSAR技术实现方法主要有二轨法（2⁃Pass）、三轨法（3⁃Pass）和四轨法（4⁃Pass）3种［12］。二轨法是由Massonnet于1993年提出的，其基本思想是利用研究区地表变化前后的2幅SAR影像生成干涉条纹图，再利用已有的数字高程模型（Digital Elevation Model，DEM）数据模拟地形相位，经差分处理，即去除平地和模拟地形相位，最后得到包含相应变形的相位信息并将其转换为雷达视线向（Line of Sight，LOS）的变形量［13］。

2.2 DInSAR技术路基及边坡垂直变形监测方案

利用DInSAR技术进行铁路路基及边坡垂直变形监测主要步骤有：

1）数据选择与资料收集。综合考虑研究需求，SAR数据特点、存档、质量及成本等因素，选择具有针对性、性价比最高的SAR数据及辅助数据，以获得最优的地形及变形干涉像对。

2）数据处理。按照差分干涉处理流程，通过影像配准、干涉处理、相位滤波、相位解缠、垂直变形转换、地理编码等步骤完成数据处理。

3）重点研究区域垂直变形结果分析。通过数据裁剪、数据提取及统计，形成重点研究区域分析结果，同时开展精度验证工作以验证结果可靠性。

4）监测报告及工程应用。根据数据结果，制作相关图件，结合其他资料，如根据同期（或相近时期）高分辨率遥感影像、无人机影像，分析变形原因，编写监测报告。可根据铁路工程需求，开展大范围、大区域应用。

3 应用研究

3.1 SAR数据处理

成昆铁路复线DK322+200—DK326+920段是峨眉至米易段先期开工路段。研究所选取的路基及边坡建设工作已经于2017年6月完成。本文利用A⁃D 4期ALOS⁃2卫星PALSAR⁃2数据，形成了3个差分干涉像对，其时空基线信息见表1。为降低数据运算量，避免数据冗余，对整幅影像作了多视处理。多视处理后影像方位向和距离向像元大小均为2.5 m。

表1 差分干涉像对时空信息

重复轨道的DInSAR技术直接量测的是雷达视线（LOS）向的变形，所以在对结果进行解译时，需要根据变形的类型作出不同方向上的调整。在本文研究中，路基及边坡的变形大部分发生在垂直于地表的方向，所以需根据雷达入射角将视线向变形投影为垂直变形（Vertical Displacement），从而可与地面水准测量、高精度全站仪水准测量、三角高程测量等进行对比。由雷达视线方向转换为垂直方向的计算式为

式中：Δd′，Δd，θ分别为垂直方向变形量、雷达视线方向变形量、雷达入射角。

经过数据处理、变形量转换，得出了成昆铁路复线越西段A⁃B，B⁃C，C⁃D时段内DInSAR监测结果，并根据R1重点研究区域范围，裁剪得到此区域的3期监测结果。R1重点研究区域监测结果最大、最小值见表2。

表2 重点研究区域R1地表垂直变形 m

3.2 R1重点研究区域监测结果分析

R1区域由路基及边坡组成，共计4 912个像元，面积约12 280 m2。提取R1区域4 912个像元值，通过占比区间划分，统计不同区间的垂直变形量，结果见表3。

表3 重点研究区域R1垂直变形监测结果

由表3可知：在A⁃B时段，R1区域地表抬升区域（垂直变形“+”表示抬升，“-”表示沉降）共有2 637个像元，沉降区域共有2 275个像元，所占比例分别为53.68%，46.32%；在B⁃C时段，R1区域地表抬升区域共有2 209个像元，沉降区域共有2 703个像元，所占比例分别为44.97%，55.03%；在C⁃D时段，R1区域地表抬升区域共有998个像元，沉降区域共有3 914个像元，所占比例分别为20.32%，79.68%。由3期数据可知，R1区域沉降区域面积随时间的增加而增大。

基于InSAR的干涉原理，在常规数据处理中，不会采用时间基线较长的2期数据的干涉差分结果，所以对3期监测结果数据进行累加处理（地表像元为一一对应），得出R1区域A⁃D时段累计地表的垂直变形量监测结果，如图2所示。结合表3可知，A⁃D时段R1区域地表抬升区域共有1 426个像元，沉降区域共有3 495个像元，所占比例分别为28.83%，71.15%；［-0.060，0.020）m区间的占比为17.79%，占比最大。

图2 R1区域A⁃D时段DInSAR监测结果

综上所述，A⁃D时段共计126 d，R1区域地表垂直变形速率为0.12～-0.13 mm/d。

3.3 精度验证

对于区域性地表变形，DInSAR监测结果验证的参考数据为精密水准测量值。

3.3.1 水准测量情况

为验证DInSAR监测结果，对DK322—DK327段15个水准点的测量数据进行精度分析。在施工过程中，为监测工程开挖、震动等活动对周围居民地的影响，施工方在工程周边布设了水准测量点，并开展定期测量。

根据施工方提供的监测数据，HY01，HY02，CP165，TGY01，TGY03，TGY04，CP164，BL01，BL02，CP163这10个监测点的监测时间为：2017年12月15日至16日、2018年3月9日至10日、2018年5月29日至30日，共进行了3次水准测量。监测值所跨时间段为2017年12月15日—2018年5月29日。HD01，HD02，HD04，HD05，HD06这5个监测点的监测时间为2017年12月8日、2018年3月8日、2018年5月30日，亦进行了3次水准测量。监测所跨时间段为2017年12月8日—2018年5月30日。

在时间跨度上，DInSAR的监测周期（本文所使用的雷达数据）为A⁃D，与水准测量的时间跨度比较接近，2种数据具有可比性。

3.3.2 DInSAR监测结果处理

水准点的平面位置为WGS⁃84坐标系下的经纬度坐标。由于对DInSAR的监测结果进行了地理编码，将其结果转换到了WGS⁃84坐标系下，所以水准测量结果和DInSAR的监测结果有了相同的坐标系统。

然而，由于水准测量结果为矢量形式，以点的形式呈现，而DInSAR的监测结果为栅格形式，以面的形式呈现，其从测量本质上不具备点-点直接比较的可能，所以需要将DInSAR的监测结果的面假设为1个点，从而将点-面对比变成点-点对比。考虑到坐标系的误差，DInSAR技术监测的点目标与水准点的平面位置总是存在一定偏差，不可能完全一致。为了获得准确的结果，本文研究使用邻近点原则，即以水准点为中心选择距其一定范围内的、具有较高相干目标结果参与精度分析。

考虑到结果一致性的原则，以水准点所在的栅格像元为中心像元，取其周边邻近8个像元，共计9个像元值作为DInSAR监测结果样本值，并对9个样本值开展标准差分析；随后根据标准差剔除与中心像元互差较大或较小的像元；最后，对剩余像元做平均处理，即得到此水准点对应的DInSAR监测结果。

3.3.3 精度分析

DInSAR监测结果、水准测量值及两者之间差值见表4。可知：以水准测量值为真值，比较与A⁃D时段DInSAR累计监测值之间的差值，可得出最大差值（绝对值）为13.2 mm，最小差值（绝对值）为1.0 mm。经误差分析，其中误差为7.57 mm，监测精度较高。

表4 DInSAR监测与水准测量垂直变形对比 mm

根据表4计算了15个点的A⁃D时段DInSAR累计监测值和水准测量值之间的PEARSON相关系数，其相关系数为0.928，相关性较高。结合图3可知，A⁃D时段DInSAR累计监测值和水准测量值的走势十分接近，存在一致性。

图3 DInSAR与水准测量地表垂直变形对比

通过以上分析，说明用水准测量结果来验证DInSAR监测结果有一定合理性、可行性，且DInSAR监测结果具有可靠性。

3.4 DInSAR技术用于铁路工程

在此次DInSAR监测结果分析过程中，发现越西河2号双线大桥（DK324+167）右侧（铁路北南走向）有一区域地表垂直变形较大，最大沉降为-0.198 m，且较为集中，面积约15 400 m2，如图4（a）所示。根据现场踏勘，此处为一小型污水处理厂的施工区域，此区域最外边界离越西河2号双线大桥桥墩最近处仅约20 m。利用不同时相遥感、无人机影像进行佐证分析。由图4（b）可知，2017年3月29日时污水处理厂尚未施工修建，但用地范围有了基本雏形（农作物停止了耕种）。由图4（c）可知，经过1年多的建设，污水处理厂的范围已经明确，基本设施都修建完成。由图4（d）可知，相较于上一期影像图，污水处理厂基本设施没有太大变化，但是新建了围墙等外围防护措施。从3期影像图上可以看出污水处理厂区域建设随时间的变化情况，此时间段存在大量的人工活动。