基于SBAS-InSAR的昆明地面沉降監測研究

尹振興，鐘麗云，許 兵，呂曉旭

(1.華南師范大學 信息光電子科技學院，廣東 廣州 510006； 2.中南大學 地球科學與信息物理學院，湖南 長沙 410083)

基于SBAS-InSAR的昆明地面沉降監測研究

尹振興1，鐘麗云1，許 兵2，呂曉旭1

(1.華南師范大學 信息光電子科技學院，廣東 廣州 510006； 2.中南大學 地球科學與信息物理學院，湖南 長沙 410083)

昆明主城區位于滇池以北沉積平壩區，高原湖相沉積軟土分布廣泛，在荷載作用下容易產生地面沉降。本文利用短基線(SBAS)技術對昆明市主要區域(近900km2)進行大規模的地面沉降研究。實驗中采用了17景C波段ENVISAT ASAR雷達影像和9景L波段ALOS PLASAR雷達影像，利用StaMPS軟件SBAS算法反演昆明市2007-2010年的地面沉降。兩種影像的時間序列分析結果均表明：小板橋、河尾村等沉降中心沉降速率持續上升；三竹營、吳家營、小漁村等新的沉降中心正在形成；吳家營、大塘子、河尾村、小漁村、雨龍村等沉降中心已經連為一體。得出的地面沉降趨勢與實地歷史水準測量結果較為一致，驗證了SBAS技術進行地面沉降監測的可靠性和有效性。

地面沉降；短基線(SBAS)；昆明市區；StaMPS

0 引言

地面沉降是一種典型的地質災害，表現為在地表一定范圍內發生地面垂直形變，當形變量超過一定量時，會對城市建設造成巨大的破壞，主要表現為城市重力排污失效、地下管道和道路破損、建筑物開裂等[1]，這些因素均威脅城市的安全。對已經或正在發生地面沉降的區域進行形變監測，形成災害預警評估，能夠為政府部門制定防災減災措施提供重要決策依據。

合成孔徑雷達干涉測量(InSAR)技術[2-4]，因其大面積、非接觸、全天候、高精度和高分辨率等特點，在地面形變監測方面顯示出前所未有的優越性。與傳統大地測量(GPS和精密水準)的離散點測量相比，其測量結果具有連續的空間覆蓋性，有效補充了傳統大地測量手段的不足。常規的差分干涉測量(DInSAR)技術在監測地表形變中受時間失相干、空間失相干以及大氣延遲[5]的影響，發展和應用受到嚴重的限制。近幾年發展的時間序列差分干涉測量技術，如永久散射體雷達干涉測量(PS)技術[6-7]和短基線(SBAS)技術[8-11]，克服了常規DInSAR在地表形變監測過程中受到的失相干影響，大大提高了監測的精度，并被廣泛運用于城市地面沉降監測[12-17]。

昆明緊鄰滇池，高原湖相沉積軟土分布廣泛，此類軟土孔隙比大、含水量高、承載力低，在荷載作用下易發生形變[18]。近年來，昆明市城市化進程的加快極大地增加了對地下水資源的開采，導致地下水位下降；同時，由于建筑物分布過于密集，且新興建筑物多為高層建筑，使得地面載荷過大，導致昆明市出現多處嚴重的地面沉降現象。迄今為止，昆明地面沉降是中國大陸西部高原地區所發現的唯一一例沉降現象。1987-1998年的4期全網水準數據結果表明，截至1998年已形成小板橋、漁戶村、大塘子和嚴家山等4個漏斗形沉降區，并逐漸連成一體，構成嚴重的沉降區域，其中前兩個沉降區形成了總面積約300 km2的沉降帶[19]。小板橋沉降中心的累計沉降量達236.2 mm以上，平均沉降速率約-20.0 mm/a，最大沉降速率達-31.1 mm/a；河尾村最大沉降中心下沉速率也達-25.1 mm/a。

本文基于Andy Hooper開發的StaMPS[20]開源軟件，運用SBAS技術，將17景ENVISAT ASAR雷達影像和9景ALOS PLASAR雷達影像應用于昆明市區地面沉降監測的試驗研究，提取了昆明市區的沉降速率圖，研究了昆明市區地面沉降特征。將得到的沉降監測結果與已有的歷史水準數據進行對比，發現發生沉降的地理位置、沉降趨勢都非常接近，證明該方法適用于不同數據的沉降監測，結果穩定可靠。

1 SBAS地面沉降監測原理

SBAS的基本思想是通過采用短基線干涉圖組合，限制時間、空間基線去相干影響，并基于形變速率的最小范數準則獲取高相干目標的形變信息。下面介紹SBAS技術的數據處理流程。

對同一地區的N+1景影像，根據設定的時空基線閾值，生成M幅短時空基線的干涉圖。利用外部DEM數據，根據成像幾何關系，去除干涉圖中平地相位和地形相位。

在對高相干點進行迭代選取的同時，估算高程誤差對相位貢獻的大小，并在相位解纏前將其從干涉相位中剔除，然后利用如下線性模型估計N幅影像的形變量：

Aφ=Δφ

(1)

式中：系數矩陣A[M×N]的每一行對應于1幅干涉圖，每一列對應于1景影像；φ為高相干點在N個時刻的未知形變相位組成的矩陣；Δφ為M幅差分干涉圖中高相干點解纏相位組成的矩陣。

由于StaMPS短基線算法已將組成干涉圖的所有影像限定在唯一的短基線集內，因此直接利用最小二乘便能得到形變相位，即：

(2)

進一步將相位信息的求解轉化為對相位變化速度的求解，可以得到如下矩陣方程：

Bv=Δφ

(3)

式中：B為M(N-1)矩陣，通過式(3)就可以得到速度矢量v的最小范數解。

再根據各分時間段的沉降速率，對各分時段速率在時間域上進行積分就能得到各時間段的形變量。

2 數據處理與結果分析

2.1 數據選取

本研究基于Doris、StaMPS等開源軟件進行SBAS分析。選取2007年1月至2008年10月的9景ALOS PLASAR數據以及2008年5月至2010年9月的17景ENVISAT ASAR數據對昆明市主城區地面形變進行監測。兩種數據情況如下：

1)ALOS PLASAR數據

獲取的9景ALOS PLASAR數據為沿升軌所獲取，其中3景FBS(精細模式單極化)模式，6景FBD(精細模式雙極化)模式，L波段(波長23.6 cm)，分辨率10 m，成像中心入射角為38.8°。

2)ENVISAT ASAR數據

從歐空局獲取的17景ENVISAT ASAR數據為沿降軌所獲取，C波段(波長5.6 cm)，分辨率30 m，VV極化，成像中心入射角為23.1°。

如圖1所示，黑色虛線框為本文研究區域，紅色框為ENVISAT ASAR 影像的覆蓋范圍，綠色和藍色框為相鄰兩幀ALOS PLASAR影像的覆蓋范圍，底圖為SRTM DEM數據。影像的具體參數，如表1、表2所示。

圖1 研究區域及數據覆蓋范圍Fig.1 Study area and data set coverage 注：右側為ENVISAT ASAR影像和ALOS PLASAR影像空間分辨率的比較

序號成像日期模式軌道號序號成像日期模式軌道號120070109FBS05114620080227FBS11153220070712FBD07798720080714FBD13166320070827FBD08469820080829FBD13837420071012FBD09140920081014FBD14508520080112FBS10482

表2 ENVISAT ASAR影像列表

2.2 數據處理

如圖1所示，ALOS數據的相鄰兩幀(Frame490、 Frame480)都只涵蓋了部分研究區域，所以在對PLASAR數據進行差分干涉處理之前，需先把相鄰兩幀影像進行拼接，然后把6景FBD模式下獲取的SAR影像在距離向進行重采樣，使其與 3景FBS模式獲取的SAR影像具有相同的空間分辨率。

由于獲取的兩組雷達數據都較少，為充分利用獲取的雷達數據，提高形變測量的時間采樣頻率和研究區域的空間覆蓋率，本文采用短基線組合的方法，通過設定干涉對之間的時空基線閾值，以及干涉對影像之間的相關性閾值，既能得到較多干涉對，同時干涉對的相干性也較高。ALOS數據干涉對之間的時空基線閾值設為1 000 d、3 000 m，ASAR數據對應的參數設為600 d、250 m，兩組數據干涉對之間相關性閾值都設為0.3。在ENVISAT數據集中，為確保干涉對之間較高的相干性，將20090128、20090304以及20091209這3景與其他數據空間基線較大的數據剔除。在滿足上述條件的情況下，9景ALOS影像和14景ENVISAT影像分別組成了19和39對干涉對，如圖2所示。

圖2 干涉像對組合Fig.2 The interferometric pair combination 注：綠線代表實驗中短基線方法用到的干涉對，紅色的小三角形為實驗中剔除的數據。

時序分析主要分兩步進行。首先，利用Doris軟件對上述干涉對進行差分干涉處理，并采用美國宇航局(NASA)公布的30 m分辨率、高程精度約為7 m的SRTM DEM模擬并去除地形相位，得到含有形變信息的差分干涉圖。然后利用StaMPS軟件SBAS算法對得到的差分干涉圖進行時序分析，主要分3步進行：一是選擇高相干點，估算高程誤差對相位的貢獻；二是將高程誤差對相位的貢獻從所選取的高相干點相位中剔除后進行三維相位解纏；三是得到高相干點的形變時序分布以及平均形變速率。

2.3 地面沉降監測結果

經過SBAS處理，利用9景ALOS數據和14景ENVISAT數據獲得了研究區沿雷達視線方向(LOS)上的地面沉降速度場信息(如圖3所示)，正值代表靠近衛星，地面抬升；負值代表遠離衛星，地面沉降。在約880 km2的研究區域內，兩個數據集分別識別出222 156和114 726個高相干點。在滇池水域沒有探測到高相干點，證明識別的高相干點較為可靠。根據歷史水準數據，選取遠離沉降漏斗且形變較小的，以經緯度(102.791 8°，24.989 6°)為中心，300 m為半徑的區域作為參考。為了便于比較兩個數據集監測結果，在實驗中，兩個數據集都采用了相同的試驗參數。鑒于實驗區存在梯度較大的形變，實驗中的相位解纏網格尺寸設為80 m。

將獲取的不同時期不同分辨率數據得到的沉降速率圖在相同的地理坐標下投影。從圖3可以看出，兩幅沉降速率圖雖然代表昆明不同時期的沉降速率，但發生沉降的地理位置和沉降趨勢都非常接近，證明該方法適用于不同數據的沉降監測，結果穩定可靠。在2007年1月至2010年9月內，昆明市區地面沉降區域主要分布在滇池的北岸及東北岸，分布范圍廣，出現了多個沉降漏斗，而中部昆明老城區沉降較為平緩。研究區域內最大沉降速率位于東菊新村。地面沉降漏斗分布由北往南依次為：嚴家山、吳家營、三竹營、大塘子、小漁村、河尾村、東菊新村、雨龍村、小板橋、斗南村。其中，吳家營、大塘子、河尾村、小漁村、雨龍村等沉降中心已經連為一體。

圖3 研究區年平均沉降速率圖Fig.3 Average vertical deformation of studied area

由于缺乏同期地面沉降實測數據，無法對所得沉降結果進行直接的評估和驗證，將研究區地面沉降監測結果與經水準測量得出的昆明市1993-1998年地面沉降等值線圖疊加后進行對比(如圖4所示)，發現兩種監測結果的沉降中心位置基本一致，沉降區范圍吻合較好，水準測量結果在一定程度上也驗證了該方法的可靠性。與水準測量結果相比，本文所監測時間段內研究區地面沉降在空間分布和沉降速率上都發生了一定的變化。

圖4 研究區2007年1月至2008年10月年平均沉降速率與1993年至1998年水準數據的比較Fig.4 Comparison of SBAS and leveling vertical deformation，leveling of 1993 to 1998 and SBAS of Jan 2007 to Oct 2008

在研究時間內，昆明市城區地面沉降分布區域有所擴張：往北出現了三竹營和吳家營等新的沉降中心；滇池西北岸的碧雞路一帶出現了較大的沉降，其中小漁村最大沉降速率達到-26.4 mm/a；向南已擴展至呈貢區，龍城鎮以及斗南村一帶也出現了較為明顯的地面沉降，最大沉降速率達到-17.6 mm/a。過去的小板橋沉降中心往北偏移至雨龍村附近，沉降速率進一步加大，但沉降面積有所縮??；嚴家山沉降速率有所下降；大塘子和河尾村仍為較明顯的沉降中心。表3對比了昆明市各沉降中心在1987-1998年與2007-2010年各時期內沉降速率的變化情況。

表3 昆明市各沉降中心在不同時期內的沉降速率

Tab.3 Vertical deformation of subsidence funnels of Kunming city in different period

沉降中心沉降速率/(mm/a)1987-1994年1994-1998年2007-2008年2008-2010年吳家營三竹營非沉降中心-9.4-19.0-8.6-14.6大塘子-9.0-14.2-22.8-21.6嚴家山-4.0-21.6-7.2-6.2河尾村-2.5-25.1-27.5-26.1

續表3

沉降中心沉降速率/(mm/a)1987-1994年1994-1998年2007-2008年2008-2010年小板橋-16.0-31.1-21.6-20.2東菊新村雨龍村小漁村斗南村非沉降中心-24.6-65.5-42.9-37.8-26.4-23.3-16.4-17.6

注：1987-1998年沉降速率來自文獻[19]。

3 地面沉降特征分析與討論

由圖3可知，雨龍村一帶的地面沉降速率在兩個監測時間段內存在較大的差異。為進一步揭示出研究區地表沉降的變化過程及其空間分布特征，以雨龍村為中心，截取一個7 km×5.5 km的區域(如圖5所示)進行分析?？梢钥吹?，選取的區域人工建筑物分布密集，探測到的高相干點密度較大，兩幅圖中高相干點分布情況大致相同。與ENVISAT影像相比，ALOS影像的探測波長更長，數據受時空失相關影響更小，且分辨率更高，所以探測到的高相干點更為稠密。另外，在兩個數據集中，巫家壩機場內都沒有探測到高相干點，這主要是機場跑道表面相對于雷達波長更為光滑，入射的雷達波在跑道表面發生鏡面反射所致。圖中圈出的3塊區域，分別為東菊新村、雨龍村和疊春苑所在區域，A、B、C分別為對應區域內的一點。

圖5 截取區域年平均沉降速率Fig.5 Vertical deformation of intercepted area

如圖5所示，雨龍村在兩個時間段內的沉降速率和沉降范圍基本一致；東菊新村2007-2008年的沉降速率較為平緩，2008-2010年內沉降速率急劇增加；疊春苑在2007-2008年內存在較明顯的沉降，在2008-2010年內沉降現象逐漸消失。為更加直觀地分析所截取區域的地表沉降發展態勢，分別繪制了區域內A、B、C三點目標沉降時序圖(如圖6所示)。A點：在時間段2007年1月至2008年10月，以及2008年5月至2009年9月內，沉降速率較小，分別為-24.6 mm/a、-24.1 mm/a，在2009年9月至2010年9月期間，沉降速率突然加快，達-102.3 mm/a；B點：在兩個監測時間段內，沉降速率都較大，且基本不變，分別為-42.9 mm/a、-37.8 mm/a；C點：在整個監測時間段內，沉降速率逐漸減小，沉降速率分別為-38.9 mm/a、-14.2 mm/a。

(a)2007-2008年 (b)2008-2010年圖6 A、B、C三點的時間序列累積沉降量Fig.6 Accumulative deformation of point A，B and C

沉降的發展過程與昆明地區城市化進程密切相關。據了解，疊春苑所在區域2005年以前為農耕區，2006年建成疊春苑后發生沉積軟土的自固壓縮，至2010年底自固壓縮基本結束。而昆明國家級經濟技術開發區的首條主干道昌宏路橫穿東菊新村沉降中心，大量機械制造工廠先后遷入昌宏路東菊新村段兩側，極大的增加了地面荷載；加上2009年昆明地區發生了嚴重的干旱，導致當地加大了對地下水的需求與開采，進而引發地面大幅度下沉。

4 結論

本文采用9景ALOS PLASAR和17景ENVISAT ASAR雷達影像，利用StaMPS短基線方法分別反演了昆明市區2007-2008年以及2008-2010年的地面沉降。對比兩個時間段內地面沉降監測結果，發現兩者得到的沉降中心位置基本一致，沉降區范圍吻合較好；與歷史水準數據相比，監測時間段內地面沉降區域有所擴張，吳家營、大塘子、河尾村、小漁村、雨龍村等沉降中心已經連為一體，沉降速率增幅較大，東菊新村、雨龍村最大年平均沉降速率分別達-102.3 mm/a、-42.9 mm/a。在得到研究區地面沉降范圍、沉降速率、沉降累積量的基礎上，著重對雨龍村一帶的沉降中心時空演化特征、發展特征以及沉降原因進行了分析。為政府部門了解區域地面沉降特征、制定沉降防治措施提供了一定的參考依據。

致謝 感謝歐洲空間局提供的ENVISAT ASAR數據和荷蘭TUDELFT大學提供的衛星精密軌道數據!

[1] 殷躍平，張作辰，張開軍.我國地面沉降現狀及防治對策研究[J].中國地質災害與防治學報，2005，16(2)：1-8.

[2] 劉國祥.合成孔徑雷達遙感新技術——InSAR介紹[J].四川測繪，2004，27(2)：92-95.

[3] 田馨，廖明生.InSAR技術在監測形變中的干涉條件分析[J].地球物理學報，2013，56(3)：812-823.

[4] 溫揚茂，許才軍，李振洪，等.InSAR約束下的2008年汶川地震同震和震后形變分析[J].地球物理學報，2014，57(6)：1814-1824.

[5] Zebker H A，Rosen P A，Hensley S.Atmospheric effects in interferometric synthetic aperture radar surface deformation and topographic maps[J].Journal of Geophysical Research：Solid Earth，1997，102(B4)：7547-7564.

[6] Ferretti A，Prati C，Rocca F.Permanent scatterers in SAR interferometry[J].Geoscience and Remote Sensing，IEEE Transactions on，2001，39(1)：8-20.

[7] Ferretti A，Prati C，Rocca F.Nonlinear subsidence rate estimation using permanent scatterers in differential SAR interferometry[J].Geoscience and Remote Sensing，IEEE transactions on，2000，38(5)：2202-2212.

[8] Lanari R，Mora O，Manunta M，et al.A small-baseline approach for investigating deformations on full-resolution differential SAR interferograms[J].Geoscience and Remote Sensing，IEEE Transactions on，2004，42(7)：1377-1386.

[9] Berardino P，Fornaro G，Lanari R，et al.A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms[J].Geoscience and Remote Sensing，IEEE Transactions on，2002，40(11)：2375-2383.

[10] Mora O，Mallorqui J J，Broquetas A.Linear and nonlinear terrain deformation maps from a reduced set of interferometric SAR images[J].Geoscience and Remote Sensing，IEEE Transactions on，2003，41(10)：2243-2253.

[11] Lanari R，Casu F，Manzo M，et al.An overview of the small baseline subset algorithm：A DInSAR technique for surface deformation analysis[J].Pure and Applied Geophysics，2007，164(4)：637-661.

[12] 劉媛媛，張勤，趙超英，等.PS-InSAR技術用于太原市地面沉降形變分析[J].大地測量與地球動力學，2014，34(2)：6-9.

[13] 王艷，廖明生，李德仁，等.利用長時間序列相干目標獲取地面沉降場[J].地球物理學報，2007，50(2)：598-604.

[14] 許文斌，李志偉，丁曉利，等.利用InSAR短基線技術估計洛杉磯地區的地表時序形變和含水層參數[J].地球物理學報，2012，55(2)：452-461.

[15] 胡波，汪漢勝，江利明.Monitoring of reclamation-induced ground subsidence in Macao(China)using PSInSAR technique[J].Journal of Central South University，2013，20(4)：1039-1046.

[16] 何敏，何秀鳳.利用時間序列干涉圖疊加法監測江蘇鹽城地區地面沉降[J].武漢大學學報：信息科學版，2011，36(12)：1461-1465.

[17] 劉國祥，張瑞，李陶，等.基于多衛星平臺永久散射體雷達干涉提取三維地表形變速度場[J].地球物理學報，2012，55(8)：2598-2610.

[18] 王曉楠，郭一鵬，劉江濤，等.高原湖相沉積軟土地基沉降計算經驗系數的推算[J].工程地質學報，2013，20(6)：1036-1041.

[19] 薛傳東，劉星，李保珠，等.昆明市區地面沉降的機理分析[J].中國地質災害與防治學報，2004，15(3)：47-54.

[20] Hooper A，Segall P，Zebker H.Persistent scatterer interferometric synthetic aperture radar for crustal deformation analysis，with application to Volcán Alcedo，Galápagos[J].Journal of Geophysical Research Atmospheres，2007，112(B7)：B07407.

SBAS-InSAR Monitoring of Land Subsidence in Kunming

YIN Zhen-xing1，ZHONG Li-yun1，XU Bing2，Lü Xiao-xu1

(1.SchoolofInformationandOptoelectronicScienceandEngineering，SouthChinaNormalUniversity，GuangzhouGuangdong510006，China； 2.SchoolofGeoscienceandInfo-Physics，CentralSouthUniversity，ChangshaHunan410083，China)

Kunming city is locating in the north of Dian lake，characterized by the presence of plateau lacustrine clay-rich sedimentary formations.And this characteristic makes Kunming particularly prone to several geological hazards，such as land subsidence.In this paper，the Small Baseline Subset(SBAS)is used to monitoring the land subsidence of the main area of Kunming(about 900 km2).StaMPS(Stanford Method for Persistent Scatterers) SBAS approach is used to extract ground subsidence rates in Kunming based on 9 ALOS PLASAR and 17 ENVISAT ASAR acquisitions，which covering the period from 2007 to 2010.The two kinds of time series analysis results exhibit that the subsidence velocity of several subsidence funnels，such as Xiaobanqiao and Heweicun，are rising.Sanzuying，Wujiaying，Xiaoyucun and several other new subsidence funnels are generating.Moreover，some subsidence funnels such as Wujiaying，Datangzi，Heweicun，Xiaoyucun and Yulongcun are becoming a big whole subsidence funnel.The trend of land subsidence we have got agreed well with the history level measurement results of Kunming，indicating the reliability and validity of the SBAS technology in monitoring the land subsidence.

land subsidence；SBAS；Kunming；StaMPS

2016-05-19

國家自然科學基金(61475048、61275015、61177005)

P 642.26

：A

：1007-9394(2016)04-0001-05

尹振興(1989～)，男，江西樂安人，碩士研究生，主要研究方向為大地測量數據分析與應用。