基于SBAS技术的输电线路地表形变监测

马 仪，耿 浩，黄 然，张 辉，马御棠，刘 靖

(1.电力遥感技术联合实验室(云南电网有限责任公司电力科学研究院)，昆明 650217；2.云南电网有限责任公司，昆明 650000；3.北京空间飞行器总体设计部，北京 100094)

云南地处我国西南边陲，位于亚欧板块与印度洋板块的交界处，地形复杂，西北部为深谷的横断山区，东部和南部为云贵高原。云南纬度低，海拔高，受季风影响，形成了年温差小、日温差大、河流纵横交错的地形地貌[1]，省内地质灾害频发，仅2021年4月发生地震2009次，按震级统计，其中2.0～2.9级20次、3.0～3.9级5次。云南省主要遭受的地质灾害为滑坡、泥石流、崩塌、地面塌陷等[2]。地质灾害会对该省的输电系统造成安全隐患。

输电线路覆盖区域广阔，沿途地理环境复杂，容易受到地质灾害的影响，输电杆塔及输电网长期在这种环境中会受到扰动，主要影响包括地质灾害造成的地表剧烈形变或地表缓慢形变引起的杆塔本体形变。形变会对电网安全产生影响，例如引发杆塔倾斜、倒塌等事故。高成本的人工巡查可以发现形变明显的杆塔，但不能很好地监测到杆塔地基的缓慢形变，且人工巡查效率较低，巡检周期长，不能很好地达到巡检目的。久而久之，杆塔区域地表的形变导致杆塔形变或倾斜，因未及时发现而形成安全隐患，对电网系统造成破坏，会导致大面积断电，给社会带来经济损失[3]。因此，对输电网络沿线地表沉降的周期性监测是十分必要的，有效的监测能及时发现输电网络中存在的安全隐患，及时对隐患区域做出处理，减少地质灾害给电网系统带来的威胁。

随着遥感技术的发展，SAR卫星数据在地质方面的研究越来越广泛，关于SAR卫星测量地表形变的技术越来越成熟，将SAR卫星数据测量技术应用于电网线路的监测，能够实现输电线路沿线地表形变的监测，降低各类地质灾害引起的输电网络故障发生率。卫星运用合成孔径雷达(SAR)对观测区域发射微波，并接收后向散射回波完成对地成像，无需依靠太阳辐射，全天候观测成像，对雨雪穿透力强[4]。将两幅SAR影像进行干涉处理，即干涉雷达测量技术(Interferometric SAR, InSAR)，可用于对地表形变的测量。InSAR技术有着高精度、高分辨率、短周期、覆盖范围广、全天候等特点，在形变监测中应用广泛[5]。在InSAR技术的运用过程中，研究人员发现受时间去相干和空间去相干的影响，无法获得形变随时间的演化过程，于是Berandino等提出了短基线集(SBAS-InSAR)技术(SBAS)[6]。SBAS能够有效地获取长时序的地表形变信息，且形变测量结果精度高，达到mm级，还能消除大气效应和失相干的影响。综上，文中利用SBAS技术，基于Sentinel-1A SAR卫星影像，对影像覆盖区域的3条输电线路沿线区域进行地表形变监测，并对该区域存在隐患的输电杆塔加以分析，给出维护建议。

1 SBAS的技术原理及其数据处理流程

1.1 InSAR技术的发展

1969年Rogers等首次应用InSAR技术获取金星的地面高程[7]；1980年Zebker等利用InSAR技术提取了地面的高程信息并应用于监测地表形变[8],1993年Massonnent等利用InSAR技术处理 ERS-1数据获取了1992年美国兰德斯地震的形变场[9-10]，此后，InSAR获取形变技术得到了全世界的关注，被广泛用于地质灾害监测，例如地震、火山活动、滑坡、冻土等。在InSAR的基础上，Ferretti提出永久性散射差分干涉测量(PS-InSAR)技术(PS)，用于监测意大利安科纳地区的滑坡[11]；2002年，Berardino提出了短基线差分干涉测量SBAS技术，并用于意大利的Campo Flegrei火山口的时序地表形变监测，取得了理想的地表形变监测结果[6]。2004年，Trasatti E基于ENVISAT数据，利用SBAS-DInSAR技术成功监测了Campi Flegrei火山口抬升现象[12]。PS和SBAS都是以消除InSAR技术处理过程中遇到的大气干扰、时间去相干和空间去相干等问题提出来的处理方法，并且都可以有效地抑制去相干和大气延迟效应以及噪声。

PS能够获取大范围的高精度形变速率，该技术要求25景以上的SAR影像[13]才可获得可靠的测量结果，且该方法通常要求具有稳定散射特性的点，采用差值内插出整个监测区域的地表形变，牺牲空间点的密度来获取地表长时间的形变序列。SBAS技术可通过少量的SAR影像完成对地表形变的监测，结果可靠，该方法以增加时间采样率来提高时间相干性和空间相干性，相比于PS技术减少了对高相干点数量和空间分布的约束条件，因此SBAS技术在满足精度要求的条件下，更适用于山区、矿区、流域、滑坡等复杂地形或地质灾害的形变监测。孙伟等人利用SBAS技术，结合遥感影像、降雨数据和坡度坡向数据对万安县输油管道重点区段进行形变监测，结果表明降雨天数越多累积形变越大的结论[14]；戴可人等人利用SBAS技术对雅砻江流域雅江县-木里县段的高山峡谷区域进行滑坡灾害的识别和预警，并成功找到了8处隐患区域，有效减少了滑坡灾害的发生[15]；那静则对迪庆州北部区域进行时间跨度两年的地表形变周期性监测，通过监测结果对灾害易发区域进行排查，为后续形变监测研究和地质灾害防治提供技术参考[16]；冯文凯等人同样利用SBAS技术将金沙江流域沃达村巨型老滑坡进行划定，分成了强烈形变区和均匀形变区，结果表明SBAS技术在复杂山区地质灾害监测预警领域与其他监测方式具有较好的重合度，也印证了SBAS技术监测的准确性[17]。综上所述，文中采用SBAS技术对输电杆塔沿线进行形变监测。

1.2 SBAS的基本原理

SAR卫星影像是复数影像，影像的像元记录地面后向散射信息，后向散射信息包括每一地面单元的后向散射强度以及雷达天线距离相关的相位信息，像元的散射强度与相位共用一个复数表示。通过对SAR影像进行干涉处理，可以得到反映地表起伏和形变的干涉相位条纹，再借助复数影像对的成像几何关系和已知的控制点信息，即可获得每个像元的高程或形变量[18-19]。

SBAS是对InSAR差分处理的形变值进行时序分析的技术，该方法将SAR影像依据时间基线和空间基线阈值分成若干短基线子集，生成差分干涉图，提高相干性[20]。该技术的基本算法是将SAR影像数据分成若干小集合，然后根据干涉条件等设置时间基线和空间基线的阈值，对每个小集合利用最小二乘法求解小集合内的时间形变序列，再联合各个小集合进行奇异值分解(SVD)，反演出整个地表在影像时间段内完整沉降序列。使用SVD的方法可以将分开的小基线之间联合起来求解，也可以通过获取时间和空间信息分离大气延迟相位，小基线分析了SAR影像间所有可用的干涉图，大大增加了形变差分干涉图的空间密度和时间采样率[19,21-27]。

假设有同一区域的N+1幅SAR影像按时间t排序，任选一幅SAR影像作为主影像，然后将其他N幅SAR影像在同一坐标系下与主影像配准，并进行多视差分处理得到M幅多视后的差分干涉图，干涉图的时间基线与空间基线均小于设定的阈值，并且M满足

(1)

对干涉图进行滤波以及解缠处理，并在解缠后的干涉图中筛选相干性较好的点，对这些点用式(2)计算。假设第i幅解缠后的差分干涉图分别由主图像和辅影像tA和tB时刻获得的SAR影像干涉差分生成的，那么距离向坐标为r和方位向坐标为x的高相干性相干点的像元干涉相位可以写成：

δφi(x,r)=φA(x,r)-φB(x,r)≈

(2)

忽略地形残余相位、大气延迟相位以及噪声相位，式(2)简化为：

δφi(x,r)=φA(x,r)-φB(x,r)≈

(3)

待求的像元点的形变量所对应的N个未知相位值可表示为：

ΦT=[φ(t1),φ(t2),…,φ(tN)].

(4)

通过M个差分干涉图得出的干涉相位表示为：

ΔΦT=[δφ1,δφ2,…,δφM].

(5)

主影像和从影像的时间序列分别为：

IE=[IE1,…IEJ,…,IEM],

(6)

IS=[IS1,…IEJ,…,ISM].

(7)

第j幅差分干涉图对应的干涉相位为：

δφ1=φ(tIEj)-φ(tISj),j=1,2,…,M.

(8)

将所有干涉图的干涉相位用方程表示，并扩展为矩阵形式：

AΦ=ΔΦ.

(9)

A是M×N的一个矩阵，每一行对应一幅干涉图，每一列对应一个时间序列的SAR影像。

(10)

矩阵中-1表示从影像所在列，+1表示主影像所在列。对于式(9)，当矩阵Φ为N×1的矩阵时，M≥N，A的秩为N，根据最小二乘法求得形变相位：

Φ=(ATA)-1ATΔΦ.

(11)

在实际中，SAR影像数据往往分为不同的子集矩阵，因此ATA的秩小于列数N，即ATA为奇异矩阵，这使得式(11)有无穷的解。为求得合适的解，需通过SVD方法求得矩阵A的广义逆矩阵，大致步骤为利用SVD分解矩阵A，在最小二乘约束下，求解相位，对相位在时间上量化获得形变速率，用于形变量的计算和形变分析。

1.3 处理流程

SBAS技术用于形变量估计的步骤大致如下：选定主影像和从影像，设定空间基线阈值，对配准完成的SAR数据干涉处理，生成M幅干涉图，计算相干系数；根据相干系数，选择高相干点作为相位解缠参考点；利用干涉图基线和外部DEM进行差分干涉处理，去除平地效应和地形相位的影响，再对差分干涉图进行滤波；利用SVD和最小二乘法解算小基线几何，获得大气延迟差和地形相位；最后去噪，获取时间序列地表形变信息。

具体处理流程如图1所示。

图1 SBAS技术处理流程

2 输电杆塔线路形变监测

2.1 数据介绍

文中的SAR卫星数据来源于哨兵1号 A(Sentinel-1A)卫星。哨兵一号为欧洲航天局研制的SAR卫星，通过C波段对地全天时全天候观测，该卫星重访周期为12 d，具有双极化和重访周期短的优点，可实现全球高分辨率监测和对同一地区的长时间序列监测。哨兵1A具有4种成像模式，每种成像模式分辨率与幅宽不一致。文中SAR卫星数据覆盖的3条输电线，即位于云南省楚雄彝族自治州元谋县北部的RT甲线、RT乙线、YF直流线，针对3条输电线路的分布和沿线的形变规律，选取40景升轨Sentinel-1A影像作为处理数据。区域中心坐标为101°46′E，25°50′N，影像覆盖面积为1 000 km2，影像采集时间范围为2018年11月3日至2020年5月8日。该组影像成像模式为IW模式，分辨率为5 m×12 m，采用VV+VH极化方式，数据的成像日期间隔12 d/景，数据覆盖范围如图2所示。

图2 Sentinel-1A影像覆盖范围

2.2 输电线路周边地质沉降分析

2.2.1 数据处理

对40景SAR影像干涉处理，得到的干涉对时空基线如图3所示。由图知，数据中未生成连续的干涉对，因此采用SBAS技术进行年平均形变速率反演。经InSAR技术处理得到的形变速率是沿雷达视线方向上的速率，为更加直观地看到地面点在垂直方向上的变化情况，将数据平均形变速率投影到垂直地面方向，结果如图4所示。数据结果表明，影像中大部分区域呈现出±40 mm/a的形变速率波动，形变速率为正的代表地表抬升，形变速率为负表示地表下沉形变。

图3 40景Sentinel-1A数据时空基线

图4 数据覆盖范围内年平均形变速率

2.2.2 基于杆塔线路的形变分析

数据范围内存在3条不同的杆塔线路，分别为RT甲线、RT乙线和YF直流线，线路分布情况如图4所示，RT甲线和RT乙线分布一致，为东西走向，YF直流线为南北走向。分别对3条线路进行沿线形变速率分析，结果如图5所示。

图5显示，RT甲线、RT乙线和YF直流线3条线路上的点在形变速率上均存在不同程度的波动，其中，RT甲线的波动幅度较小，其波动范围在±40 mm/a之间，最大抬升速率与最大下沉速率的差值最大为80 mm/a；RT乙线沿线上的形变速率极差最大，该线大部分点的形变速率波动范围在±30 mm/a之间，沿线最大下沉速率点超过了-60 mm/a，最大抬升速率点大概为50 mm/a；YF直流线的波动幅度受到其线路上出现的沉降漏斗影响，形变速率极差达到了90 mm/a。数据结果显示，RT甲线和RT乙线在沿线上没有明显的下沉量逐渐变大或变小的趋势，YF直流线则呈现下沉速率逐渐变小的趋势，综上所述，RT甲线、RT乙线和YF直流线3条线路沿线地表状态整体较为稳定。

3 重点杆塔区域形变分析

3条输电线路杆塔沿线均呈现出较为稳定的波动，沉降速率大多不超过±40 mm/a。而图5(b)、图5(c)显示，在RT乙线和YF直流线上存在明显的沉降漏斗，为更好地了解每条线路上出现的形变异常点和区域内的时间序列形变情况，文中对RT乙线和YF直流线的部分区域重点分析。

3.1 RT乙线重点观察区域

RT乙线杆塔沿线大部分形变点速率处于-40～40 mm/a之间，局部监测到“漏斗”式的形变速率变化段。根据图5(b)知，漏斗靠近#84杆塔，因此对#83～#85杆塔线路进一步分析。将#83～#85杆塔线路视为剖面线，分析剖面线年平均形变速率变化情况，如图6所示，剖面线上的形变速率变化情况如图7所示，在#84杆塔东侧出现明显的沉降漏斗，最大下沉速率达到了-70 mm/a。#84处于沉降漏斗的边缘，容易受到沉降漏斗面积逐渐扩大的的影响。

图5 输电线路沿线形变速率折线图

图6 RT乙线重点观察区域干涉影像

图7 RT乙线#83～#85形变速率

对#84杆塔和#85杆塔所在位置和沉降漏斗中心点(25°50′36″N，101°49′19.76″E)作为采样点分别进行时序分析，结果如图8所示，结果表明，#84杆塔形变速率为负，处于沉降趋势，#85形变速率为正，为抬升趋势。与沉降中心对比，漏斗中心下沉速率明显，两杆塔的形变速率则显得平稳。2018年11月3日至2020年5月8日期间，漏斗中心累计下沉量达到了110 mm，且呈现继续下沉的趋势，下沉速率趋向于增大的状态。

图8 #84、#85杆塔及下沉中心时序形变分析图

3.2 YF直流线重点观察区域

图5(c)显示，沿杆塔线路由北(#51)至南(#70)距#51杆塔2.1～2.3 km范围内形变速率骤降，该区域形变速率与周边地区速率明显不同。沉降漏斗区域位置如图9所示，图中显示，下沉区域位于杆塔#55～#56之间，为西南-东北的走向，此外，在#55～#58杆塔间存在离散的下沉点。对形变区域进一部研究，分析形变情况，将#55～#58杆塔线路作为剖面线，如图10所示。

图9 YF直流线重点观察区域干涉图

图10 YF直流线#55～#58形变速率

图10显示，4座杆塔之间存在3个明显的沉降漏斗，其中，#55～#57之间的形变速率处于-15～-45 mm/a之间，两线杆间形变采样点最大与最小形变速率差值小于30 mm/a，最大下沉速率为-45 mm/a，两杆塔之间的形变速率变化较小，下沉速率不大，故将#55～#57杆塔线路视为稳定变化的线路。#58杆塔位于沉降漏斗的边缘部分，漏斗区域最大下沉速率大于-60 mm/a。

对#58杆塔和沉降漏斗中心(25°56′23.47″N，101°47′35.07°E)进行时间序列形变分析，两点形变速率变化如图11所示。2019年6月之前，两点的形变趋势及累计形变量未出现较大差异；自2019年6月起，#58杆塔开始趋于平稳，而下沉中心仍然在缓慢下沉，且截至2020年5月8日，该中心点仍存在下沉趋势，考虑到逐渐下沉带来的累计形变增大、形变差异的扩大，需将#58杆塔列为重点观察对象，继续观察该杆塔的形变规律和周边区域累计沉降量的变化。

图11 YF直流线#58和下沉中心时间序列形变分析图

3.3 区域形变分析

不同方向上累计形变差异会致使杆塔塔基在不同方向上出现形变，而随着形变差异的不断扩大，杆塔会出现倾斜、杆塔区域出现地面裂缝等影响杆塔稳定性及寿命的情况。出现形变严重的“沉降漏斗”时，漏斗范围内及范围外1 km区域内的杆塔均作为重点观察的对象，以防范和应对地面下沉和抬升引起的裂缝、地面塌陷、地面沉降等不同程度的地质灾害给杆塔带来的影响。

4 结 论

为监测输电杆塔沿线区域的地表形变，消除地质灾害带来的输电安全隐患，确保输电系统的正常运作，文中提出运用SBAS技术监测3条输电杆塔沿线形变情况。将40景Sentinel-1A数据运用SBAS技术处理，得出数据覆盖范围内的3条杆塔线路在2018年11月至2020年5月期间的年平均形变速率和时间序列形变情况。RT甲线、RT乙线和YF直流线均呈现为稳定的形变规律，多在±40 mm/a之间，此外，YF直流线沿线的年平均形变速率呈现下沉速率逐渐减小的情况。

鉴于RT甲线波动幅度小的特点，仅在RT乙线以及YF直流线中挑选出重点分析区域进一步分析。结果表明，RT乙线上的#84和#85杆塔之间存在沉降漏斗，且#84 杆塔位于漏斗边缘地区，易受到该漏斗的影响。在YF直流线沿线的#55～#58 线路上，存在大小程度不一的沉降漏斗，目前影响范围较小，但形变速率为-70 mm/a，且靠近#58杆塔，因此#58号杆塔容易受到该沉降漏斗的影响。综上，需对RT乙线#84杆塔和YF直流线#58杆塔加强监测，避免因地表形变引发杆塔形变隐患。

通过运用SBAS技术，有效地完成对3条线路输电杆塔沿线的地表形变监测，并对监测结果进行分析，给出输电杆塔在地表形变上的维护建议。下一步考虑扩大SBAS用于输电杆塔沿线监测范围，普及到其他各个输电线路，降低维护成本，提高监测效率。