乌鲁木齐市采煤塌陷区地表沉降遥感监测

2023-07-31冯健杨早早徐莹陈灏

全球定位系统 2023年3期

冯健，杨早早，徐莹，陈灏

(1.新疆维吾尔自治区煤田地质局综合地质勘查队,乌鲁木齐 830091；2.山东科技大学测绘与空间信息学院,山东青岛 266590)

0 引言

煤炭是最主要的一次性能源，持续开采会对自然环境造成破坏.如土地塌陷、地表水倒灌等，进而影响城市的发展[1].矿区的土地塌陷不仅减少了可用的土地资源，还加剧了人地矛盾，破坏基础设施[2].乌鲁木齐市是新疆最大的煤炭生产基地，数十年高强度大面积的开采，使得乌鲁木齐城区内形成了数千米长的塌陷带，因此对矿区开采造成的地表沉降的监测与分析具有重要的研究意义[3].卫星遥感技术具有高时空分辨率、重访周期短、监测范围大等优点，在自然环境恶劣、人迹罕至的区域优势较大，目前被广泛应用于地表沉降监测.

全球卫星导航系统(GNSS)以其大尺度、高精度的特点被广泛应用于大气水汽、地表沉降等探测中，其静态测量的精度可达毫米级至亚毫米级.地面连续跟踪站获得的高精度高时间分辨率的监测数据，为矿区塌陷的监测提供了高精度的参考数据[4].但是通过地面接收机接收卫星发射的GNSS 信号的定位方式，受限于地面监测站的成本，使得其空间分辨率较低.GNSS 和卫星遥感技术的联合应用，弥补了单一技术的局限性[5].

合成孔径雷达干涉(InSAR)是一种新的监测地表形变的手段，能对监测区进行全天候、高效、面状、无接触式、厘米甚至毫米级的形变监测[6-7].Berardino等[8]在2002 年提出短基线集(SBAS)技术，该技术侧重于干涉对的组织方式，在很大程度上弥补了合成孔径雷达差分干涉测量(D-InSAR)技术的局限性，并且增加了时间采样频率，适用于基于低分辨率、大尺度、时序的形变监测[9-11].

为了获取地表时序形变结果，本文使用SBASInSAR 技术处理SAR 数据，选择合适的时空基线.经过反复实验确定配准、相位解缠、轨道精炼中控制点位置和SBAS 两步反演中的参数，最终生成地理编码后的年均速率及累积形变量.同时，使用GNSS 数据分析了SBAS-InSAR 结果的可用性，并研究了区域内地表沉降时空演化特征.

1 研究区域及实验数据来源

1.1 研究区域概况

研究区位于准噶尔盆地南缘乌鲁木齐山前凹陷中段，自西向东贯穿乌鲁木齐市区，属大陆性气候.其煤层可采与局部可采共33 层，以稳定和较稳定煤层为主.为了研究便利，本文将研究区分为重点区、次重点区、一般调查区及扣除区域，调查范围如图1、表1 所示.

表1 调查范围一览表

图1 研究区范围示意图

1.2 实验数据来源

本文选取了Sentinel-1A 卫星覆盖研究区域的精密轨道星历(POE)以及干涉宽幅成像模式的同极化(VV)、斜距单视复数影像(IW SLC)为数据源进行地表形变监测，时间跨度为2018-06-01—2022-06-30.其中，数字高程模型(DEM)数据采用由日本宇宙航空研究开发机构(JAXA)提供的高精度全球数字地表模型“ALOS World 3D-30 m” (AW3D30)，水平分辨率为30 m(1 弧秒)，高程精度5 m.为了验证SBASInSAR 数据的可用性，本文还收集了研究区域三角高程测量、普通水准测量和GPS 测量等获得的实测数据，进行精度分析.另外还使用了WorldView3 数据获取研究区265 km2正射影像图，作为其他专题任务的工作底图，用于任务规划、工作安排等.

1.3 实验流程

为了尽量保持干涉图较高的相干性，SBAS 技术通过设置时空基线阈值，基于多主影像的组合方式将所有SAR 影像组合成若干个短时空基线的集合.每个集合的地表形变时间序列可以利用最小二乘(LS)法求解，然后利用奇异值分解(SVD)来进行最终形变量求解，以此联合不同的小基线集合进行计算，增加形变监测的时间采样率，有效地解决了总体法方程秩亏的问题，最终得到覆盖整个观测时间的地面沉降序列.利用SBAS-InSAR 技术获取地表形变信息的处理流程如图2 所示.

图2 SBAS-InSAR 技术获取地表形变信息数据处理流程图

2 结果分析

2.1 历史数据分析

2.1.1 历史SBAS 分析

以2021 年数据为例，将SBAS-InSAR 处理结果以点的形式表现，能更直观地看到在乌鲁木齐市以东区域有较大的形变，形变集中在重点区及东次重点区，而其他区域较为稳定.因此将重点区及东次重点区定为重点监测分析区域，如图3 所示.

图3 2021 SBAS-InSAR 处理结果图及监测区域划分图

重点区内有两个中大型煤矿，一个是位于西边的已于2010 年正式关闭的六道湾煤矿，另一个是位于东边的正在生产的苇湖梁煤矿.这两个矿区周围分布有多个废弃小型煤矿且紧邻居民居住区.次重点区自西向东分布有原碱沟煤矿、原小红沟煤矿和原大洪沟煤矿，均为正在生产的煤矿，这些煤矿于2008 年整合称为乌东煤矿，具体如图4 所示.

图4 研究区域煤矿分布图

2.1.2 历史年形变速率分析

年形变速率是利用监测时间段内的时序形变结果基于相应的地表反演模型拟合获取的.正值表示地表朝着雷达卫星方向发生形变，即抬升现象；负值表示地表背离雷达卫星方向发生形变，即下沉现象.2018—2021 年形变速率图如图5 所示.

图5 2018—2021 年形变速率图

通过四年的形变速率结果可以看出：2019 年整体形变较其他年份缓慢，形变量小；大洪沟煤矿沉降漏斗中心自东向西移动；苇湖梁煤矿沉降速率缓慢变小；六道湾煤矿每年都有缓慢沉降；2020 年测区最东侧有小片区域发生抬升现象.

为更清楚地看到每年形变的变化情况，在5 大矿区设置了监测分析点位，点位分布如图6 所示，监测点的年时序形变曲线，如图7～11 所示，2018—2021 年各矿区范围内的变形变速率如图12 所示.

图6 监测点位分布图

图7 大洪沟煤矿历年形变曲线对比

图8 小红沟煤矿历年形变曲线对比

图9 碱沟煤矿历年形变曲线对比

图10 苇湖梁煤矿历年形变曲线对比

图11 六道湾煤矿历年形变曲线对比

图12 2018—2021 年各矿区范围内形变速率图

从图7～12 可以看出，六道湾煤矿四年来年平均形变速率在-3～2 mm 接近稳定，年最小形变速率也在逐年递减，由87.6 mm/a 降至59.1 mm/a.

苇湖梁煤矿前三年年最小形变速率都超过-200 mm/a，2021 年年最小形变速率-179 mm/a，2021 年较前几年有所减少且沉降漏斗向西偏移.以苇湖梁煤矿为例做矿区剖面图，如图13 所示.

图13 2018—2021 年苇湖梁煤矿沉降漏斗剖面图

2.2 2021-06-01—2022-06-30 SBAS 分析

2.2.1 月沉降分析

以2021-06-09 获取的SAR 影像作为起始影像，获取了2021-06-01—2022-06-30 的时序累积沉降量，如图14 所示.从2021-06-09 起，随着时间推移，地表下沉范围由东向西逐渐扩大.2021-10-31 日出现了四个明显的沉降漏斗区域，沉降漏斗区域沉降量集中在-75～-30 mm，部分矿区出现了沉降量位-150～-75 mm的区域.随着时间推移，2022-06-28，有多个矿区沉降漏斗范围扩大，且沉降漏斗中心的累积沉降量超过-150 mm.

图14 2021-06-01—2022-06-30 的时序累积沉降量

2.2.2 面沉降分析

沉降速率是利用监测时间段的时序形变结果基于相应的地表反演模型拟合获取的，正值表示地表朝着雷达卫星方向发生形变，意味着地表发生抬升现象；负值表示地表背离雷达卫星方向发生形变，意味着地表发生下沉现象.基于沉降速率，划分了2021—2022 年乌鲁木齐市采煤塌陷面积占比，表2 所示.

表2 采煤塌陷面积占比表

在这期间大洪沟煤矿、碱沟煤矿、苇湖梁煤矿出现了沉降漏斗，大洪沟煤矿沉降速率最大，沉降累积量达到241 mm.从沉降速率占比来看，大部分区域属于轻微区和稳定区.

2.3 GPS 与SBAS 数据对比分析

为了验证SBAS-InSAR 技术监测结果的可信度，本文在研究区域内选取了31 个地面监测点：JC01-JC31，点位分布以及监测点处GNSS 监测数据和InSAR 监测数据的均方根误差(RMSE)如图15所示，颜色表示RMSE 值，数值越高则拟合精度越差.

图15 GPS 与SBAS 监测数据对比RMSE 图

图16～19 为各煤矿沉降速率图，其中，JC01、JC03、JC04、JC05、JC07、JC10 年形变速率小于30 mm/h；JC02、JC06、JC08、JC09 年形变速率为30～75 mm/a.通过分析可以看出InSAR 监测结果与GPS 数据整体沉降趋势一致，形变趋势均呈线性变化.图20～23 为各煤矿处RMSE 图，RMSE 大部分都保持在2～3 mm，说明InSAR 数据具有很高的可信度.JC07 的RMSE 为2.95 mm，从影像上分析是因为其靠近田地，农作物生长会对其造成影响；JC11 和JC19 相差较大，应走访实地，看是否有突变造成InSAR 轻微抬升和下降；JC16 和JC17 的RMSE 分别为4.86 mm和4.16 mm，从形变速率图上分析是因为其沉降漏斗内部较大的形变量会产生失相干；JC24 相差较大，RMSE 为2.59，光学影像上此点位于斜坡位置，会造成一定的误差；JC27 曲线相差较大，RMSE 为4.58 mm.大洪沟煤矿还在开采中，可能现场巨变造成SBAS 轻微下降.