新水情背景下北京平原朝阳—通州沉降区地面沉降特征及其影响

摘要：地面沉降是北京地区突出的地质灾害，严重威胁经济、环境和社会的可持续发展。为了研究地面沉降的时空特征及其影响，本文以北京平原朝阳—通州沉降区为研究对象，先基于Sentinel1 A/B卫星降轨数据，利用PS-InSAR（persistent scatters InSAR）技术获取了研究区2019年1月—2021年12月地面沉降特征，再采用动态时间规整（DTW）算法定量分析了地面沉降与不同层位地下水位之间的响应关系，并进一步量化了不同深度地下水抽取诱发地面沉降的贡献率。结果表明：1）2019—2021年朝阳—通州地区地面沉降连片发展，年均沉降速率超过50 mm/a的沉降严重地区主要分布在朝阳区东部和通州区北部，其中最大沉降速率达到91 mm/a。2）朝阳—通州地区可压缩层厚度区域分布差异，为地面沉降的发生与发展提供了有利的地质条件。整体上来看可压缩层厚度大小与地面沉降速率成正比，研究区地面沉降速率大于80 mm/a的永久散射体（PS）点所在位置处的可压缩层厚度均大于180 m，且主要处于可压缩层厚度200～220 m的地区。3）地面沉降与不同层位地下水位时间序列响应不同，埋深为50～180 m的承压含水层水位与地面沉降响应程度相对较高，其中92.00和121.42 m深度下地下水位与地面沉降时序的响应程度最高，反映出该层位的地下水位变化是造成沉降的主要诱发因素。

关键词：地面沉降；PS-InSAR；DTW；朝阳—通州；地下水位；影响因素；北京

doi：10.13278/j.cnki.jjuese.20230046

中图分类号：P642.26

文献标志码：A

Supported by the National Natural Science Foundation of China （42271082）

Land Subsidence Characteristics and Impact in ChaoyangTongzhou Area of Beijing Plain Under New Hydrological Background

Han Hongshan 3，Zhu Lin 3，4，5，Guo Gaoxuan6，Li Binghua7 ，Lu Can 3

1. College of Resource Environment and Tourism， Capital Normal University ， Beijing 100048， China

2. Laboratory Cultivation Base of Environment Process and Digital Simulation ， Capital Normal University， Beijing 100048， China

3. Beijing Laboratory of Water Resources Security， Capital Normal University， Beijing 100048， China

4. Key Laboratory of Land Subsidence Mechanism， Prevention and Control （Capital Normal University）， Ministry of Education，Beijing 100048， China

5. Hebei Cangzhou Groundwater and Land Subsidence National Observation and Research Station， Cangzhou 061000， Hebei， China

6. Beijing Institute of Geo-Environment Monitoring， Beijing 100195， China

7. Beijing Water Science and Technology Institute， Beijing 100048， China

Abstract： Land subsidence is a prominent geological hazard in the Beijing area， posing a serious threat to the sustainable development of the economy， environment and society. This paper takes the ChaoyangTongzhou area， which is a severely subsiding region of the Beijing Plain， as the research object. Based on Sentinel1 A/B satellite track data and using PS-InSAR （persistent scatters InSAR） technology， the characteristics of land subsidence in the study area from 2019 to 2021 was obtained. The dynamic time warping （DTW） algorithm was used to quantitatively analyze the response relationship between land subsidence and groundwater levels at different depths， and then the contribution rate of groundwater at different depths to subsidence was quantified. The results show as follows： 1） From 2019 to 2021， land subsidence in the ChaoyangTongzhou area developed continuously. The most severe subsidence areas with an annual subsidence rate exceeding 50 mm/a were mainly distributed in the east of Chaoyang and the north of Tongzhou， and the maximum subsidence rate of 91 mm/a. 2） The difference in regional distribution of compressible layer thickness in the ChaoyangTongzhou area provids favorable geological conditions for the occurrence and development of land subsidence. On the whole， the thickness of the compressible layer is positively proportional to the land subsidence rate. The thickness of compressible layer at the location of PS points with a land subsidence rate greater than 80 mm/a in the study area was greater than 180 m， mainly in areas with a compressible layer thickness of 200220 m. 3） Land subsidence responds differently to groundwater level time series at different depths. The water level in the confined aquifer with a burial depth of 50180 m has a relatively high response degree to land subsidence， with the groundwater level at depths of 92.00 m and 121.42 m showing the highest response degree to land subsidence time series， reflecting that the groundwater level changes at this depth are the main inducing factors for subsidence.

Key words： land subsidence; PS-InSAR; DTW; ChaoyangTongzhou area; groundwater level; influence factors；Beijing

0 引言

地面沉降是由于自然因素或人类活动引发的松散地层固结压缩并导致地面高程降低的地质现象，属于缓变性的地质灾害[1] 。世界上有150多个国家和地区正在遭受不同程度的地面沉降，地面沉降严重威胁着社会经济和人类生命、财产安全[13]。北京平原位于华北平原的西北部，属地面沉降发育严重的区域。北京属极度缺水的特大型都市，南水北调水进京前，地下水一直占北京市供水的2/3以上[4] 。多年的监测和研究[5]

表明，长期过量抽取地下水是引发北京平原地面沉降的主要因素。多年来的沉降累积，造成了平原区不同区域的沉积特征呈现较大的差异和变化，也对建筑物、地下工程和基础设施造成了巨大影响[6] 。此外，有的地方由于不均匀沉降引发了地裂缝，造成巨大经济损失。截至2015年，北京平原已经在东部和北部形成朝阳—通州、通州、朝阳—金盏、朝阳—来广营、顺义、昌平及海淀等7个主要沉降中心，最大沉降速率达159 mm/a[7] 。为解决北方水资源短缺问题，南水北调工程自 2014 年12月运营，至2022年12月已累计向北京调水84.08亿m3，在一定程度上缓解了北京的用水需求压力[8] 。南水北调水一方面替代了部分地下水进行供水，减少了大型水源地的地下水开采量；另一方面，通过河道进行人工补水，对地下水的涵养与恢复起到了显著作用。此外，北京市政府通过新建地表水厂及扩大管网覆盖范围、推进水源井置换以及加大再生水利用等措施，使得地下水开采量逐年减少，地下水水位呈现上升趋势，最大年平均地面沉降速率有所减缓[9] 。但是，北京平原朝阳—通州、通州—宋各庄、朝阳—金盏、朝阳—来广营等沉降漏斗依然存在[10] ，地面沉降问题仍然制约着北京地区的可持续发展。在人工调水、地下水超采综合治理等新水情背景下，采用有效的技术手段获取地表形变信息，分析地面沉降的时空特征及演化规律，对地面沉降的防治具有重要意义。

永久散射体干涉测量技术（persistent scatters InSAR， PS-InSAR）通过选取自身散射特性较强并且相位信息较为稳定的地面目标点作为地表形变信息的表征，可以有效克服空间、时间失相干及大气延迟的影响，提高地表形变的监测精度（达到毫米级）。PS-InSAR已经广泛应用于获取大面积区域沉降时间序列研究中[1114]。

时间序列相似性度量是时间序列分析中的重要研究内容，经典的时间序列相似性度量方法包括欧式距离法、曼哈顿距离法、动态时间规整（dynamic time warping，DTW）算法等。其中：欧氏距离法被认为是最有效的时间序列相似性度量方法，但欧式距离对噪声数据和相位漂移比较敏感，对于两条变相的时间序列，度量结果会存在较大误差；

曼哈顿距离法也要求时间序列严格对应，且其仅计算各维度差值的绝对值之和，容易忽略时间序列中的趋势和方向性；DTW算法[15] 允许一条时序数据到另一条时序数据的非线性映射，通过最小化两条时间序列之间的距离来寻找两条序列之间的最佳匹配[16] ，得到两个时序数据之间的相似性，该算法被证明是目前度量时序相似性最精确的方法之一[17]。本次采用DTW算法定量分析朝阳—通州地面沉降和不同层位地下水位二者之间的非线性关系。

众多学者对地面沉降与其影响因素（地下水位变化、地层岩性、地表动静载荷、土地利用类型等）进行了分析。如：宫辉力等[13]发现超量开采地下水是造成北京平原地面沉降的主要原因，并分析了地层岩性及结构特征与地面沉降的空间关系；陈蓓蓓等[14] 、陆燕燕[18] 、周超凡等[19] 发现动静载荷、土地利用类型与地面沉降的加速发展具有一定的相关性；程蕊等[20] 分析了北京潮白河冲洪积扇地面沉降的空间异质性，发现研究区不均匀地面沉降分布特征明显，不同分布特征下地面沉降的主要驱动因素不同；Sun等[21] 研究发现北京潮白河、永定河冲洪积扇研究区地面沉降趋势项变化与地下水位趋势项变化呈正相关；雷坤超等[22] 分析了北京市不同压缩层组与含水层组在不同水位模式变化下的沉降特征，并探讨了黏性土层滞后变形的原因。以上研究在一定程度上揭示了地面沉降与其影响因素的相关关系，认为沉降的主要影响因素是可压缩层厚度和地下水位变化。

在地面沉降与地下水位定量关系的分析中：Chen等[23] 用线性相关系数测量了2013年某一特定点上4个含水层的位移和地下水位之间的线性关系；Chen等[24] 使用随机森林算法和地理探测器技术研究了地面沉降与4个地下含水层之间的空间关系，发现第二承压含水层的地下水位与沉降的空间相关性最高；Shi等[25]采用随机森林和XGBoost（extreme gradient boosting）方法确定了4个含水层组水位对北京地面沉降的贡献率。由于土层的渗透固结成因、土体蠕变等会导致地下水位与地面沉降存在滞后性，因此地面沉降与地下水位变化波动并不同步。采用非线性方法更适合研究不同水文地质背景下地面沉降对地下水位的时间序列响应。Sun等[21] 结合地下水位实测数据，利用DTW方法分析了北京平原潮白河和永定河冲洪积扇上、中、下游地区地面沉降与不同层位地下水位变化的响应特征；但并未对新水情背景下北京地面沉降与地下水位的动态响应进行研究。

本文以朝阳—通州沉降区为研究区，采用2019年1月—2021年12月覆盖研究区的Sentinel1 A/B卫星降轨数据，基于PS-InSAR获取研究区地表形变信息。由于可压缩层是发生地表形变的主要部分，且北京平原地面沉降的主要诱因是地下水超采，因此本文主要对这两个地面沉降影响因素进行分析。即采用GIS空间分析技术和DTW方法分析地面沉降与可压缩层厚度和不同层位地下水位变化的响应关系，以期为地面沉降防控提供技术支撑。

1 研究区概况

1.1 区域地质条件

朝阳—通州沉降区地处北京平原东南部（图1），地理坐标为116°21′E—116°56′E ，39°36′N—40°05′N，总面积约1 376.8 km2，属典型暖温带半湿润半干旱大陆性季风气候。据朝阳站（通州站）观测数据，该区域多年（1978—2015年）平均降水量约600.95 mm，降水主要集中在七八月。朝阳—通州地区整体地势平坦，自西北向东南倾斜，海拔8.2～46.0 m。

研究区中部及南部坐落于永定河冲洪积扇的中下游地区，含水层结构由冲洪积扇中上部单、双层结构过渡为下部的多层结构[7] 。第四系由黏性土和砂层组成，多为砂、砂砾石、黏性土层相互交错，砂层间的黏性土较薄且延展不连续[26]（图2），第四系总厚度在200～610 m之间[27] 。区内的断裂主要有NE向的黄庄断裂、南苑—通县断裂、夏垫—马坊断裂和NW向的南口—孙河断裂（图1），有研究[28]表明南苑—通县断裂、南口—孙河断裂附近地震活动较强烈，是地面沉降相对较严重的地区。此外，位于朝阳区的东八里庄—大郊亭沉降区由顺义断裂和南苑—通县断裂共同控制，来广营沉降区主要受顺义断裂控制[29] 。

1.2 地下水开采及地面沉降历史与现状

北京平原地面沉降的形成、发展与地下水开发利用具有很强的相关性[30] ，具体阶段如下。

1955—1973年为地面沉降形成阶段。在此期间朝阳区八里庄及酒仙桥一带开始大量开采地下水，造成地下水位逐年下降，形成地下水降落漏斗，局部地区出现地面沉降。到1973年，朝阳大郊亭和来广营沉降区最大年沉降速率分别为28和16 mm/a。

1973—1983年为地面沉降发展阶段，由于地下水长期大量超采，水位急速大幅下降，在朝阳大郊亭和来广营地区形成了南北两个沉降中心。此阶段该区域的年均沉降速率约为30 mm/a。

1983—1999年，北京市政府将自来水引入市区，并采取了节约用水、加强地下水管理等措施，使地下水位下降速度减缓，1989—1999年朝阳东八里庄—大郊亭沉降区年均沉降速率仅为3.8 mm/a；但是通州城关、徐辛庄等无自来水地区地下水开采仍然不断增加，造成地下水降落漏斗及地面沉降中心。

1999—2014年为地面沉降快速发展阶段，地下水严重超采。截至2012年（1955年起），朝阳来广营沉降区和东八里庄—大郊亭沉降区连成片，最大累计沉降量分别达到1 344 mm和1" 225 mm，通州城区最大累计沉降量达到1 215" mm。

2015年至今是地下水开采减少和地面沉降减缓阶段。随着南水北调工程运营，地下水开采量逐年减小，由2014年的19.6×108 m3下降至2020年的13.5×108 m3。2021年《北京市水资源公报》[31] 显示，2021年末与2015年同期相比，地下水位回升9.36 m，地下水储量增加了47.9亿m3。

2 数据与方法

2.1 数据源

SAR（synthetic aperture radar）

数据：收集了2019年1月—2021年12月共29景Sentinel1 A/B卫星降轨数据，基于PS-InSAR技术获取研究区内地表形变信息。

地下水位数据：为了定量分析地面沉降与不同层位地下水位响应关系，收集了2019年1月—2021年12月研究区地下水位逐月数据，包含不同深度的地下水位数据（第一、二、三、四含水层组底板埋深分别为0～50、50～100、100～180、180～250 m）。地下水位监测井具体信息见表1，本次选取的4个监测井（A、B、C、D）位于不同沉降等级地区，且监测井深度包含不同含水层组。其他数据包括2019年4个水准数据（用于验证PS-InSAR监测的形变结果）和可压缩层厚度等值线。

2.2 研究方法

2.2.1 PS-InSAR方法

PS-InSAR技术的原理[3]是利用同一地区的A+1幅SAR影像，选取其中1幅影像作为主图像，其余A幅影像作为副图像，并分别与主图像的永久散射体（如建筑物、桥梁、道路等）对应像素的相位值相减，得到A幅差分干涉图。每幅差分干涉图中的每个像元包含了相位的5个分量：

φins=φdef+φε+φatm+φorb+φnoi。

（1）

式中：φins为像元干涉相位；φdef为雷达视线向的形变相位；φε为DEM（digital elevation model）误差引起的地形相位；φatm为大气延迟相位；φorb为轨道偏差相位；φnoi为由于热噪声与配准过程造成的误差分量。

通过PS点连接组成的网络和各相位分量的时空特征，估算大气误差、DEM误差、地表形变以及轨道误差相位，将各项误差从差分干涉相位中逐个分离，可获取每个PS点的地表形变相位。影像经差分干涉处理，提取出时空失相干和大气延迟误差在阈值范围内的稳定PS点，从而获取连续、可靠的地表形变信息。通过PS-InSAR技术处理获取的年均形变速率可以达到毫米级。

采用SRTM（shuttle radar topography mission）30 m空间分辨率的DEM数据去除地形相位。由PS-InSAR技术处理得到的地面沉降数据为雷达视线（LOS）向的形变信息，相比于垂直方向的形变量，研究区水平向的形变可以忽略，根据Sentinel1影像入射角（33.6°），将雷达视线向的观测结果投影至垂直方向，获得地表形变的垂向观测。

利用ArcGIS平台，先从获取的研究区地面沉降数据中提取出地下水位观测孔100 m缓冲区内所有PS点地表形变的平均值；然后按照每景SAR影像的时间间隔，采用线性插值的方法计算该处每月发生的地表形变量；最后得到地表形变月数据。

2.2.2 DTW算法

DTW算法的基本思想[15] 是根据时间序列数值上的相似性来对时间轴进行规整，通过寻找两个时间序列的最优对应关系，测量两个时间序列的相似关系。假设有两个一维时间序列X={x1，x2，…，xN}和Y={y1，y2，…，yM}，其中，N和M分别为X和Y的长度。构造一个N×M的代价矩阵（ith，jth），来匹配时间序列X和Y，该矩阵中的元素是点xi和yj之间的对应坐标的距离c（xi，yj），其中，i∈［1，N］，j∈［1，M］。

DTW建立的匹配路径是点P=（p1，p2，…，pl，…，pL）的序列，其中pl=（nl，ml）服从以下3个条件。

1）边界条件：p1=（1，1）且pL=（N，M），即路径的起点和终点必须是对应序列的起点和终点。本研究采用的数据满足边界条件。

2）单调性：n1≤n2≤…≤nL且m1≤m2≤…≤mL。即路径随时间是单调递增的，本研究能够保证路径单调递增性。

3）连续性（步长条件）：基本的步长条件公式为pl+1-pl∈{（1，0），（0，1），（1，1）}，其中l∈［1，L-1］，即时序数据需要保证其连续性，也就是不可以跨过某个点去匹配，只能映射到和自己相邻的点。分别计算局部代价矩阵的规整路径来代表所有匹配的距离，其相关的代价函数为

cp（X，Y）∶=∑Ll=1c（xnl，yml）。

（2）

式中，∶=

表示“被赋值为”。

当沿路径的累积距离cp（X，Y）达到最小值时，对应路径被称为最佳路径p*，最佳路径可以由动态规划的算法得到。使用动态规划法确定DTW距离的公式如下：

cp*（X，Y）=min{cp（X，Y），p∈PN×M}。

（3）

式中，PN×M为所有可能路径的集合。建立累积代价矩阵D，定义如下：

第一行， D（1，j） =∑jk=1c（x1，yk）;

（4）

第一列， D（i，1）=∑ik=1c（xk，y1）;

（5）

剩余其他元素，

D（i，j）=min{D（i-1，j-1），D（i-1，j），D（i，j-1）}+c（xi，yj）。

（6）

通过DTW距离对时间序列进行局部延伸和缩短，使其尽可能相似，可解决地面沉降与不同层位地下水位变化之间的时间序列距离度量问题，进而根据距离判断时间序列相似度。因此，这种方法中地面沉降的滞后性对计算结果的准确性影响较小。

在分析朝阳—通州地区地面沉降与地下水位响应时，为突出地下水位和形变信息的波动性，对沉降与地下水位时间序列数据进行去趋势处理，并采用最大最小法对去趋势后的沉降和地下水位时序数据进行归一化处理，统一数据量纲。地面沉降与水位时间序列的距离越小，表明二者波动越相似，即沉降与水位的响应程度越高。该方法可以半定量化地面沉降对地下水位变化的时序响应关系。

3 结果与讨论

3.1 研究区地面沉降时空分布特征

由于InSAR数据处理得到的PS点与水准点的位置并不重合，本次以水准点位置为参考，100 m为缓冲区半径，提取2019年4个水准点缓冲区内的PS点，并取PS点的形变速率平均值与水准测量形变速率结果进行对比，结果表明二者具有较好的一致性（图3）。此外，已有研究[32] 监测结果显示，2019年北京地区最大累计沉降量为113 mm，与本文最大累计沉降量110 mm误差仅为3 mm，也表明了本次沉降监测结果的可靠性。

2019—2021年研究区地面沉降连片发展（图4、5）。年均沉降速率超过50 mm/a的沉降严重地区主要分布在朝阳区东部和通州区西北部，最大沉降速率为91 mm/a，位于朝阳—通州地区交界处的朝阳区楼梓庄、马各庄附近；沉降速率大于50 mm/a的PS点数量占总数的9.25%（图4）。累计沉降量与年均沉降速率情况分布一致，最大累计沉降量为271 mm（图5）。其中：2019年最大累计沉降量为113 mm，位于朝阳区金盏村附近；2020年最大累计沉降量为110 mm，位于通州区尹各庄附近；2021年最大累计沉降量为83 mm，位于通州区富豪村附近。Chen等[29] 采用InSAR技术监测了2003—2011年北京地面沉降情况，监测发现朝阳—通州严重沉降区主要位于朝阳区东郊的咸宁后双桥，该地区的最大沉降速率为110 mm/a。Chen等[24] 基于InSAR技术监测了南水北调前后（2011年6月—2018年11月）北京平原的地面沉降情况，沉降严重的区域主要分布在朝阳区东部及通州区西北部。南水北调前（2011—2014年）最大沉降速率为141 mm/a，南水北调后（2015—2018年）最大沉降速率为135 mm/a。通过与前人研究[24，29]结合分析，相比于南水北调前（2003—2014年）及南水北调后（2015—2018年），2019—2021年研究区的最大沉降速率（91 mm/a）减小，地面沉降呈现减缓趋势。

3.2 地面沉降相关影响因素

3.2.1 可压缩层厚度对地面沉降的影响

土体是地面沉降产生的物质基础，其中可压缩层是发生形变的主要部分。可压缩层是黏土、亚黏土等细颗粒为主的黏土层及其他砂类土、碎石类土层互相组合的具有可压缩性的地层，本文将上述具有可压缩性的地层土体累计厚度概化为总的可压缩层厚度。当地层中地下水位下降时，土体有效应力增大导致地表发生形变。可压缩层厚度的分布影响着地面沉降的发生与发展。朝阳—通州地区可压缩层厚度的区域分布差异，为地面沉降的发生与发展提供了有利的地质条件。图6为2019—2021年基于ArcGIS叠加分析得到的朝阳—通州地区可压缩层厚度与平均地面沉降速率的分布情况，图7统计了不同地面沉降速率对应可压缩层厚度的分布情况。整体而言，可压缩层厚度大小与地面沉降速率呈正相关（图6、7）。沉降速率大于80 mm/a的PS点所在位置处的可压缩层厚度均大于180 m，其中5.9%位于可压缩层厚度180～200 m的地区，89.5%位于可压缩层厚度200～220 m的地区，4.6%位于可压缩层厚度大于220 m的地区（图7）。雷坤超等[33] 对南水北调前的2011—2013年进行分析，发现沉降速率大于50 mm/a的沉降区大多分布在可压缩层厚度大于100 m的地区。表明南水北调前后，朝阳—通州地区地面沉降空间分布与可压缩层厚度的关系未发生较大改变。

3.2.2 地面沉降对不同层位地下水响应关系度量

采用2019年1月—2021年12月A—D井各含水层的地下水位监测数据与同期地面沉降数据绘制了对比图（图8）。从趋势性来说，4个长期监测井中不同层位的地下水水位整体均呈现波动性上升趋势。相比于B、C、D监测井而言， A井处的累计地面沉降量增加的速率最大，表明该处的地面沉降情况相比于其他监测井来说更为严重，主要是因为A井附近的可压缩层厚度最大（图6），致使该区域更容易发生地面沉降。B、C、D井处的地面沉降速率有所减缓。

本次研究以完全相同的两个时序数据的DTW 距离0为最小基准，以均匀递增与递减的两个序列之间的 DTW 距离为最大基准，采用最小最大法将 DTW 距离转换为百分比形式的波形相似度，便于对比地面沉降对不同层位地下水位响应程度的差异。表2展示了采用DTW算法度量的研究区（2019年1月—2021年12月）地面沉降对地下水位时间序列的响应测量结果，沉降与水位时间序列的距离越小，表明二者波动越相似，说明沉降对水位的响应程度越高。按照水位监测井不同层位进行分组，发现不同层位与沉降之间的响应程度并不相同，地下埋深50～180 m承压水与地面沉降之间的时间序列距离较小，二者之间响应程度较高，其中92.00 m（B2井）和121.42 m（A3井）深度下地下水位变化与地面沉降时序的响应程度较为显著的主要诱发因素。

假设同一地点实际监测的不同深度地下水位对地面沉降的影响权重之和为1，取时间序列间DTW距离的倒数，计算不同层位地下水位的相对权重值，结果见表3。以出现时间序列DTW距离最小的A、B水位监测井（表3）

为例：监测井A中潜水含水层A1的贡献较小，权重为24.75%，而承压含水层A2、A3对沉降影响较大，其中A3权重最大，为30.98%；监测井B中承压含水层B2权重最大，为46.59%。因B2深度为92.00 m，接近第二承压含水层顶板，因此可以认为

地面沉降与第二承压含水层响应程度最高。在A井50～180 m（底板埋深）承压含水层组中，较深层承压含水层（A3）对沉降的影响大于较浅层承压含水层（A2）。这是由于第二承压含水层（底板埋深100～180 m）是该研究区主要的开采层位，与前人[21，24，3334]研究结果一致。本次研究除了确定了主控层位，也进一步量化了不同层位地下水位的相对权重。

4 结论与建议

1）2019—2021年，朝阳—通州地区地面沉降连片发展，且具有较大的空间差异性。年均沉降速率超过50 mm/a的沉降严重地区主要分布在朝阳区东部和通州区北部。最大沉降速率为91 mm/a，位于朝阳—通州交界处的朝阳区楼梓庄、马各庄附近。朝阳—通州地区2019—2021年逐年最大累计沉降量分别为113、110、83 mm，表明该区域地面沉降呈现减缓趋势，但沉降形势依旧严峻。

2）将可压缩层厚度和地面沉降空间分布叠加分析发现，整体上来说可压缩层厚度与年地面沉降量呈正相关。其中研究区地面沉降速率大于80 mm/a的PS点所在位置处的可压缩层厚度均大于180 m，且主要处于可压缩层厚度200～220 m的地区。

3）采用DTW算法量化了研究区地面沉降与不同深度地下水位之间的时间序列响应关系。结果发现，该研究区埋深50～180 m的承压水与地面沉降之间响应程度相对较高，其中92.00 m和121.42 m深度下地下水位变化与地面沉降时间序列距离最小，即响应程度最高，反映出该层位的地下水位变化是造成沉降的主要诱发因素。同一监测井承压含水层相对于潜水含水层对地面沉降的贡献率最大，并且在底板埋深50～180 m承压含水层组中，较深层承压含水层对沉降的影响大于较浅层承压含水层。

由于朝阳—通州沉降区下伏基地构造复杂，又处在永定河和潮白河冲洪积扇交叠部位，地层沉积环境复杂多变，精细刻画每一个地质单元的沉积特征、岩性、厚度等较为困难。在未来的研究中，需进一步搜集研究区各类钻孔、物探及相关测试数据，逐步缩小研究区范围，进一步量化研究各类地质单元对地面沉降的贡献量。

参考文献（References）：

[1] Zhu L， Gong H L， Li X J， et al. Land Subsidence due to Groundwater Withdrawal in the Northern Beijing Plain， China[J]. Engineering Geology， 2015， 193： 243255.

[2] 杜东，刘宏伟，周佳慧，等. 北京市通州区地面沉降特征与影响因素研究[J]. 地质学报，2022，96（2）： 712725.

Du Dong， Liu Hongwei， Zhou Jiahui， et al. Study of the Characteristics and Influencing Factors of Land Subsidence in the Tongzhou District of Beijing[J]. Acta Geologica Sinica， 2022， 96 （2）： 712725.

[3] Fernandez J， Prieto J F， Escayo J， et al. Modeling the Two-and Three-Dimensional Subsidence Field in Lorca， Spain， Subsidence and the Global Implications[J]. Scientific Reports， 2018，8（1）：14782.

[4] 宫辉力，李小娟，潘云，等. 京津冀地下水消耗与区域地面沉降演化规律[J]. 中国科学基金，2017，31（1）： 7277.

Gong Huili， Li Xiaojuan， Pan Yun， et al. Groundwater Depletion and Regional Land Subsidence of the Beijing-Tianjin-Hebei Area[J]. Bulletin of National Natural Science Foundation of China， 2017，31 （1）： 7277.

[5] Guo H P， Zhang Z C， Cheng G M， et al. Groundwater-Derived Land Subsidence in the North China Plain[J]. Environmental Earth Sciences， 2015， 74： 14151427.

[6] Ge D Q， Zhang L， Li M， et al. Beijing Subway Tunnelings and High-Speed Railway Subsidence Monitoring with PS-InSAR and TerraSAR-X Data[C]//2016 IEEE International Geoscience and Remote Sensing Symposium （IGARSS）. Beijing：IEEE， 2016： 68836886.

[7] 贾三满，叶超，罗勇，等．北京地面沉降[M]．北京：地质出版社， 2018.

Jia Sanman，Ye Chao，Luo Yong， et al. Ground Subsidence in Beijing[M]. Beijing：Geological Publishing House，2018.

[8] Zhu L， Gong H L， Chen Y， et al. Effects of Water Diversion Project on Groundwater System and Land Subsidence in Beijing， China[J]. Engineering Geology， 2020， 276： 105763.

[9] 张双成，张雅斐，司锦钊，等. 南水进京后升降轨InSAR解译北京地面沉降发展态势[J]. 武汉大学学报（信息科学版），2022.DOI：10.13203/j.whugis20210554.

Zhang Shuangcheng， Zhang Yafei， Si Jinzhao， et al. Interpretation After the Start of the South to North Water Transfer in the Beijing[J]. Geomatics and Information Science of Wuhan University，2022.DOI：10.13203/j.whugis20210554.

[10] Zhou C D， Lan H X， Gong H L， et al. Reduced Rate of Land Subsidence Since 2016 in Beijing， China： Evidence from Tomo-PSInSAR Using RadarSAT2 and Sentinel1 Datasets[J]. International Journal of Remote Sensing， 2020， 41（4）： 12591285.

[11] 刘琦，岳国森，丁孝兵，等. 佛山地铁沿线时序InSAR 形变时空特征分析[J]. 武汉大学学报（信息科学版），2019，44（7）：10991106.

Liu Qi，Yue Guosen，Ding Xiaobing， et al. Temporal and Spatial Characteristics Analysis of Deformation Along Foshan Subway Using Time Series InSAR[J]. Geomatics and Information Science of Wuhan University， 2019，44（7）：10991106.

[12] Sun H， Zhang Q， Zhao C Y， et al. Monitoring Land Subsidence in the Southern Part of the Lower Liaohe Plain， China with a Multi-Track PS-InSAR Technique[J]. Remote Sensing of Environment， 2017， 188： 7384.

[13] 宫辉力，张有全，李小娟，等. 基于永久散射体雷达干涉测量技术的北京市地面沉降研究[J]. 自然科学进展，2009，19（11）：12611266.

Gong Huili， Zhang Youquan， Li Xiaojuan， et al. Research on Land Subsidence in Beijing Based on Permanent Scatterer Radar Interferometry Technology[J]. Progress in Natural Sciences，2009，19（11）：12611266.

[14] 陈蓓蓓，宫辉力，李小娟，等. PSInSAR技术与多光谱遥感建筑指数的载荷密度对地面沉降影响的研究[J]. 光谱学与光谱分析，2013，33（8）：21982202.

Chen Beibei， Gong Huili， Li Xiaojuan， et al. The Impact of Load Density Differences on Land Subsidence Based on Build-up Index and PS-InSAR Technology[J]. Spectroscopy and Spectral Analysis，2013，33（8）：21982202.

[15] Keogh E， Ratanamahatana C A. Exact Indexing of Dynamic Time Warping[J]. Knowledge and Information Systems， 2005， 7： 358386.

[16] Bai S H， Qi H D， Xiu N. Constrained Best Euclidean Distance Embedding on a Sphere： A Matrix Optimization Approach[J]. SIAM Journal on Optimization， 2015， 25（1）： 439467.

[17] Bagnall A， Lines J， Bostrom A， et al. The Great Time Series Classification Bake off： A Review and Experimental Evaluation of Recent Algorithmic Advances[J]. Data Mining and Knowledge Discovery， 2017， 31（3）： 606660.

[18] 陆燕燕. 基于多源SAR数据的苏锡常地区地面沉降监测与影响因素分析[J]. 测绘学报，2019，48（7）：938.

Lu Yanyan. Land Subsidence Monitoring and Analysis of Influencing Factors in Su-Xi-Chang Area Based on Multi-Source SAR Data[J]. Acta Geodaetica et Cartographica Sinica，2019，48（7）：938.

[19] 周超凡，宫辉力，陈蓓蓓，等. 利用数据场模型评价北京地面沉降交通载荷程度[J]. 吉林大学学报（地球科学版），2017，47（5）：15111520.

Zhou Chaofan， Gong Huili， Chen Beibei， et al. Assessment to Ground Subsidence Traffic Load in Beijing Area Using Data Field Mode[J]. Journal of Jilin University （Earth Science Edition），2017，47（5）：15111520.

[20] 程蕊，朱琳，周佳慧，等. 北京潮白河冲洪积扇地面沉降时空异质性特征及驱动因素分析[J]. 吉林大学学报（地球科学版），2021，51（4）：11821192.

Cheng Rui， Zhu Lin， Zhou Jiahui， et al. Spatio-Temporal Heterogeneity and Driving Factors of Land Subsidence in Middle-Lower Part of Chaobai River Alluvial Fan[J]. Journal of Jilin University （Earth Science Edition）， 2021，51（4）：11821192.

[21] Sun H R， Zhu L， Guo L， et al. Understanding the Different Responses from the Similarit Between Subsidence and Groundwater Level Time Series in Beijing， China[J]. Natural Hazards， 2022， 111（1）： 118.

[22] 雷坤超，马凤山，罗勇，等. 北京平原区现阶段主要沉降层位与土层变形特征[J]. 工程地质学报，2022，30（2）：442458.

Lei Kunchao， Ma Fengshan， Luo Yong， et al. Main Subsidence Layers and Deformation Characteristics in Beijing Plain at Present[J]. Journal of Engineering Geology，2022，30（2）：442458.

[23] Chen B B， Gong H L， Ler K C， et al. Land Subsidence Lagging Quantification in the Main Exploration Aquifer Layers in Beijing Plain， China[J]. International Journal of Applied Earth Observation and Geoinformation， 2019， 75： 5467.

[24] Chen B B， Gong H L， Chen Y， et al. Land Subsidence and Its Relation with Groundwater Aquifers in Beijing Plain of China[J]. Science of the Total Environment， 2020， 735： 139111.

[25] Shi L， Gong H L， Chen B B， et al. Land Subsidence Prediction Induced by Multiple Factors Using Machine Learning Method[J]. Remote Sensing， 2020， 12（24）： 4044.

[26] 张兆吉，费宇红. 华北平原地下水可持续利用图集[M]. 北京：中国地图出版社，2009.

Zhang Zhaoji，Fei Yuhong. Atlas of Groundwater Sustainable Utilization in North China Plain [M].Beijing： China Cartographic Publishing House，2009.

[27] 蔡向民，郭高轩，张磊，等. 北京城湖泊的成因[J].中国地质，2013，40（4）：10921098.

Cai Xiangmin， Guo Gaoxuan， Zhang Lei， et al. The Origin of Lakes in Beijing City[J]. Geology in China ，2013，40（4）：10921098.

[28] 杜东，王国明. 京津冀结合部区域地壳稳定性评价[J]. 地质调查与研究，2020，43（3）：218223.

Du Dong，Wang Guoming. Evaluation of Regional Crustal Stability in the Joint Area of Beijing， Tianjin and Hebei[J]. Geological Survey and Research，2020，43（3）：218223.

[29] Chen M， Tomás R， Li Z H， et al. Imaging Land Subsidence Induced by Groundwater Extraction in Beijing （China） Using Satellite Radar Interferometry[J]. Remote Sensing， 2016， 8（6）： 468.

[30] 雷坤超. 南水北调前后北京平原区地下水和地面沉降演变特征[J]. 地质学报，2024，98（2）：591610.

Lei Kunchao. Characteristics of Groundwater and Land Subsidence Evolution Before and After the South-to-North Water Diversion Project in Beijing， China[J]. Acta Geologica Sinica， 2024，98（2）：591610.

[31] 北京市水务局. 北京市水资源公报[R]. 北京：北京市水务局， 2022.

Beijing Water Authority. Beijing Water Resources Bulletin[R]. Beijing： Beijing Water Authority，2022.

[32] 张双成，许强，罗勇，等. 时序 InSAR 解译 2017—2020 年北京地面沉降时空变化[J]. 大地测量与地球动力学， 2022， 42（1）： 4853.

Zhang Shuangcheng，Xu Qiang，Luo Yong， et al. Temporal and Spatial Variation of Land Subsidence in Beijing from 2017 to 2020 Interpreted by Time Series InSAR[J]. Journal of Geodesy and Geodynamics，2022，42（1）：4853.

[33] 雷坤超，罗勇，陈蓓蓓，等. 北京平原区地面沉降分布特征及影响因素[J]. 中国地质，2016，43（6）：22162225.

Lei Kunchao，Luo Yong，Chen Beibei， et al. Distribution Characteristics and Influencing Factors of Land Subsidence in Beijing Plain[J]. Geology in China，2016，43（6）：22162225.

[34] 曹鑫宇，朱琳，宫辉力，等. AMLSTM 网络的北京平原东部地面沉降模拟[J]. 遥感学报， 2022， 26（7）：13021314.

Cao Xinyu，Zhu Lin，Gong Huili，et al. Land Subsidence Simulation in the East of Beijing Plain Based on the AM-LSTM Network[J]. National Remote Sensing Bulletin， 2022， 26（7）：13021314.