城市目標動態監測中的時序InSAR分析方法及應用

廖明生 王 茹 楊夢詩 王 楠 秦曉瓊 楊天亮

①(武漢大學測繪遙感信息工程國家重點實驗室 武漢 430079)

②(深圳大學建筑與城市規劃學院 深圳 518060)

③(上海市地質調查研究院 上海 200072)

1 引言

聯合國人口司(United Nations Population Division,UNPD)公布的世界城市化趨勢報告顯示，到2050年全球將有68%的人口居住在城市區域[1]。持續增長的城市人口不斷增加城市基礎設施的負荷，給城市的安全運行帶來挑戰。一方面，城市地質環境的變化容易引發地表不均勻沉降，威脅現有的軌道交通、高架路網以及地表建筑的安全，早期建筑本身也容易受設計年限以及不規范使用等因素影響存在潛在危險。另一方面，在城市的快速發展中，集中建設的大型基礎設施項目也會給周邊建筑帶來威脅。因此，需要及時高效地對城市建筑進行穩定性監測，及時捕捉異常的形變信號保障城市安全，同時也為城市規劃及可持續發展提供重要參考和有力保障。

星載合成孔徑雷達干涉測量(Interferometry Synthetic Aperture Radar,InSAR)技術以其大范圍、高精度、不受云雨天氣影響的優勢，是重復進行地表觀測的有力手段[2,3]。時間序列InSAR技術針對傳統InSAR技術中受時空去相干和大氣相位屏障影響的問題，通過提取在時間序列上具有穩定散射特性的高相干點[4]，依據不同相位源的時空特性實現分離，獲得在觀測時間段內，經過地形、軌道以及大氣誤差改正的形變速率場[5–8]。時序InSAR分析被認為是極具潛力的地表觀測手段[9]，近年來被廣泛應用于城區的動態監測[10]。

早期的研究關注于大范圍的城市地表沉降，主要依賴于ESA的ERS-1/2和ENVISAT ASAR、JAXA的JERS-1和CSA的RADARSAT-1等雷達衛星數據。這些星載系統為雷達遙感在城市區域應用的初期研究提供了大量的數據，促進了相關理論方法和應用技術的迅速發展。時間序列InSAR技術以其大范圍、高空間采樣、精確的地表形變結果，在城市地區大范圍地表沉降監測表現出很大的優勢。國內由武漢大學的課題組率先對時間序列InSAR技術開展實驗性研究[9]。目前該技術已經陸續地應用于唐山[11]，蘇州[12]，上海[13–18]，天津[19,20]，西安[21]，北京[22,23]，湖南[24]，南通[25]，西藏[26]，廣州[27–29]，武漢[30]，太原[31]，南京[32]等地區的實驗研究。

隨著城市的快速發展，對城市環境的監測從大范圍的區域性沉降監測擴展到大型人工地物的精細監測。這些人工地物包含居民區住宅樓、商業區大廈、大型民用基礎設施(如機場、高速公路、高鐵和橋梁)等[33]。而精密水準觀測、GNSS觀測以及現場傳感器觀測等存在測點密度稀疏，觀測周期長，勞動強度大等問題。隨著高分辨率星載SAR系統的發射，雷達衛星影像的分辨率由十余米提高到了米級(條帶模式)甚至亞米級(凝視聚束模式)，使得雷達遙感技術真正進入了高分辨率時代，在地表形變的精細化監測方面展現出了巨大的潛力[34]。因此，如何利用高分辨率SAR衛星數據實現成像和識別一體化[35]，開展城市人工地物的精細監測成為近十年的熱點之一。在國內的研究中，時序InSAR技術成功地應用于堤壩監測[36]，交通路網沿線、鐵路沿線監測和地鐵沿線穩定分析[28,37–42]、居民樓動遷房監測[43]、機場穩定性評估和橋梁監測[44–46]等方面，圖1簡要列出了目前星載InSAR技術在城市目標動態監測中的應用進展。

圖1 星載雷達遙感與城市動態監測應用的研究進展Fig.1 Research progress of spaceborne time-series InSAR technique in urban dynamic monitoring

本文將展示時間序列InSAR技術在城市動態監測中的一些典型應用。第2節簡要概述時間序列In-SAR方法。第3節總結作者團隊在上海和武漢兩座城市中分別采用高分辨率TerraSAR-X數據和Sentinel-1數據進行區域沉降監測的應用。其中的算法技術細節可以參考[4–8,10]。第4節回顧了幾個典型的大型基礎設施監測的實例，包含機場、高架路網、橋梁、鐵路和地鐵沿線監測等，為今后進一步的深化應用提供參考。

2 時間序列InSAR技術方法概述

差分InSAR(Differential InSAR,D-InSAR)技術通過計算兩次雷達干涉成像結果來量測地表沉降量，其受到時間去相干、空間去相干影響較大。因此，基于相干雷達目標的時間序列InSAR方法應運而生，典型方法包括永久散射體方法(Persistent Scatterer InSAR,PS-InSAR)和小基線集方法(Small BAseline Subset,SBAS)[4–8,10]。PS-InSAR利用一組覆蓋同一地區的時間序列SAR影像，通過統計分析返回的相位和幅度信息，選擇不受時間、空間基線去相干和大氣影響的穩定點目標(永久散射體)，分析其相位變化信息進而提取形變信息，有效解決了D-InSAR技術中時間、空間去相干和大氣效應等限制測量精度的問題，表現出毫米級地表形變信息獲取能力，極大地推動了D-InSAR技術的發展和應用[6]。PS-InSAR是采用單一主影像的方法，而SBAS方法與之不同的是，為盡量保持干涉圖的相干性，采用多主影像的方式組合出短時間、空間基線的干涉圖，該方法在地球物理學領域應用較多。目前時間序列InSAR技術已經被廣泛應用于地表形變監測的多個領域。

時間序列InSAR方法的數據處理步驟：首先是高分辨率SAR影像的配準和定標，在此基礎上，根據時間、空間基線和多普勒頻率選擇最優的干涉組合，將主影像與配準后的時間序列SAR影像進行干涉處理，生成干涉圖集和相干圖集。進而利用外部DEM數據去除地形相位，生成時間序列差分干涉圖集。之后根據不同的數據和研究對象條件，采用不同的相干點目標提取方法。例如，本文在上海研究區域，采用時空雙重閾值的方法提取相干點目標，有效地提高了點目標的估算精度。

進一步地，根據實驗區內收集的數據情況、大氣狀況、形變場的形變特征和干涉對組合策略，構建函數模型和隨機模型，對選取的候選點構建稀疏格網，相鄰點的相位梯度可表示為

式中，W{·}為相位纏繞操作，Δφtopo為地形誤差相位，Δφdef為形變相位，Δφatm為大氣擾動相位，Δφscatt為散射相位，Δφnoise為噪聲相位。然后，使用帶權的最小二乘方法進行相位解纏，從已知參考點解算出稀疏格網上每點的線性形變速率和DEM誤差的絕對值。最后，為了獲得更精確的反演結果，根據大氣擾動項、軌道誤差項、地形誤差項等不同誤差項的特性，可采用時空濾波的方法對其進行估計和消除，進而提取出相關的實驗結果，包括時間序列上穩定點目標的提取結果、點目標的沉降速率場、DEM誤差分布圖、大氣誤差分布圖和軌道誤差估計圖等。值得一提的是，在針對一些對溫度變化敏感的基礎設施的監測研究中，對溫度形變項的提取和分析也是保證監測結果的重要研究問題，具體的步驟可參考文獻[39,44,45]。最后，對提取的形變速率和時間序列結果進行分析和質量控制，并與地面測量數據進行對比分析。

3 時間序列InSAR技術在城區沉降監測研究

時間序列InSAR技術監測城市地區沉降現象主要包括因地下水開采引起的地表沉降以及大量工程建設活動等導致的地表形變。城市區域內人工建筑物分布較多，金屬、玻璃、水泥表面等材料容易產生穩定點目標，可以很大程度地減少InSAR技術中的時間失相干，從而得到較為可靠的形變信號。在實踐中盡可能選擇高分辨率SAR影像，有助于精細化監測城區地表穩定性。另外，高分辨率影像一般受幅寬限制，需要進行合理的數據融合才可實現較大范圍的監測研究。

3.1 時序TerraSAR-X影像在上海地區監測研究

上海市位于我國東部，地處長江和黃浦江流入東海的入?？?，是長江三角洲沖積平原的一部分。地表沉降是上海主要的地質災害之一，近年來上海地表沉降的分布范圍不斷擴大，已經從中心城區為主發展成區域性的地表沉降。上海不斷推進城市化進程，近遠郊地區特別是新興城鎮的地表沉降有所發展。同時，東部沿海地區由沖填土填海造陸形成，沖填土屬于欠固結土，初期不但具有含水率高、孔隙比大、強度低等不良特性，而且其厚度變化大，土質極不均勻。這種欠固結土壤的結構需要一定時間進行再組合，土體的有效應力要在排水固結條件下才能提高，因此壓實過程會導致地表沉降。由此，筆者從2004年以來致力于利用時間序列SAR影像對上海地區進行地表沉降監測研究[10,13,16–18]。

課題組收集了2013年4月—2019年3月，6年期間的120景TerraSAR-X降軌影像(2個覆蓋區，左右覆蓋區各60景)，數據處理和解譯后得到的上海地區沉降速率分布圖如圖2所示，右圖為對應的上海浦東國際機場的沉降解譯結果。長時間序列SAR影像提取的相干點目標空間分布上主要集中在地表的人工地物上，尤其在城區點密度較大，郊區的點密度較小。東部沿海地區由于地表變化較大，提取的相干點也較少?？梢钥闯鼋陙砩虾Ｊ械牡乇沓两登闆r得到了較好的控制，整體上保持相對穩定的情況，沉降速率集中分布在–5～5 mm/yr之間，沉降發生在少數區域。比較明顯的沉降發生在以下區域：

(1) 閔行區梅馨隴韻居民區以及上海金領谷科技產業園周邊，出現沉降現象，沉降速率分布在–8～–2 mm/yr之間；

(2) 奉賢區大治河以南，金匯港以東包括青村鎮、錢橋鎮、頭橋鎮、朱新鎮、邵家鎮、大團鎮等，存在著以小片分布的沉降區域，沉降速率大多分布在–5 mm/yr左右；

(3) 寶山區黃浦江入?？诘貐^沿江地帶存在輕微沉降，相干點沉降速率不超過–2.5 mm/yr；

(4) 浦東新區外環高速羅山路立交橋至楊高南路立交橋路段沿線地帶出現輕微沉降，沉降速率不超過–5 mm/yr；

(5) 浦東新區迎賓高速華東路立交橋北部川沙地區出現小范圍地表沉降，沉降速率分布在–5～0 mm/yr之間；

(6) 東部沿海沿線及浦東國際機場后期建成的跑道，圖3為機場第4跑道沉降相干點的累積沉降序列。沿海陸域形成年限較短，土體屬于欠固結土，地基會發生緩慢形變，形成沉降。加之機場跑道在地面荷載的作用下，會發生沉降形變。

結合每月測量1次的地面二等水準測量數據對長時間序列InSAR技術解譯的結果進行精度評估及驗證，分別將2013年4月—2019年3月期間的水準測量數據和InSAR監測結果的時間序列進行線性擬合，得到年平均沉降速率值，其對比圖如圖4所示。統計得出，二者的絕對誤差的均值為1.59 mm/yr，絕對誤差的標準差為2.09 mm/yr，顯示兩種測量手段的結果吻合得很好。

3.2 時序Sentinel-1影像在武漢地區監測研究

武漢市作為中國中部地區最大的城市之一，近年來發展十分迅速，快速的城市化以及地下廣布的碳酸鹽巖條帶和軟弱土層使武漢正面臨著嚴峻的地面沉降問題。本文利用2015年4月—2017年7月的Sentinel-1衛星存檔數據，以建成區和基礎設施安全監測為例，對武漢地區進行了監測研究，并對5 m×20 m分辨率的Sentinel-1 IW模式數據在城市建成區形變普查和精細監測方面的應用潛力進行了探討。

圖2 上海地區及浦東機場2013.4—2019.3沉降速率分布圖Fig.2 Deformation velocity map in Shanghai and Pudong Airport from April 2013 to March 2019

圖3 相干點沉降時間序列圖Fig.3 Deformation time-series of coherent points by time series InSAR

實驗在武漢市建成區獲得了大量的高質量相干點，如圖5所示，通過解譯這些相干點，可以看到沉降區的分布與武漢市碳酸鹽巖帶、軟土層和填湖區分布情況吻合，例如百步亭附近建成區就處于天興洲碳酸鹽巖帶所經區域；新華下路的小區所處地基為軟土天然地基；江漢區萬松園小區附近地層原本為湖積層。本研究通過實地考察對實驗結果加以佐證。以硚口區常碼頭地鐵站附近沉降漏斗為例，其形變速率超過了–27 mm/yr，最大累積形變量甚至達–38 mm。經實地考察發現，實驗期間其周圍有較長時間的城中村改造還建項目施工和地鐵12號線、7號線在建。而該區域社區的多處住宅也出現墻面開裂，門前臺階與地面嚴重分離的現象，且開裂程度與實驗結果相符。實驗結果表明，隨著地下空間的不斷開發，相應的動態監測十分必要。

圖4 水準點和時間序列InSAR相干點沉降速率對比圖Fig.4 Comparison of deformation velocity between leveling points and coherent points by time series InSAR

上述的實驗結果-沉降原因-實地考察三者之間互相印證，表明了Sentinel-1數據在城市建成區形變普查和精細化監測中有著巨大的應用潛力，Sentinel-1數據的高重訪周期和開放獲取等優點大大增加了利用衛星SAR數據對城市建成區進行動態形變監測和隱患普查的可能，這將對未來現代化城市的健康發展十分重要。

4 基于時間序列InSAR技術的大型基礎設施形變監測

隨著星載SAR系統分辨率的不斷提高，最高達到0.25 m，時序InSAR技術越來越多地應用于重要基礎設施的監測，在地表形變的精細化監測方面展現出了巨大的潛力。實際應用中，深入探究雷達相干散射體信號特征以及精確識別不同地物是研究基礎，在針對一些對溫度變化敏感的基礎設施，對溫度形變項的提取和分析也是保證監測結果正確性的重要研究問題。對不同的基礎設施的形變監測，要考慮到其特有的屬性以及地質環境等，保證監測結果的可靠性和說服力。

4.1 雷達相干散射體信號特征和人工地物識別

高分辨率數據的出現以及城市化進程下對于人工地物精細監測的需求日益凸顯，使得InSAR技術在城市地區的監測從區域性沉降探測逐漸擴展到人工地物的精細監測。InSAR技術應用于城市地區人工地物的監測，其關鍵在于對雷達散射信號的準確解譯和對地物的識別。高分辨率SAR數據可以更好地描述地物的細節特征，實現地物識別和精細監測。對于孤立的地物而言，高分辨率SAR數據可以記錄更為豐富的雷達信號分布，有利于單體目標局部的不均勻變化的分析。但是，在建筑物密集的城市地區，雷達影像上綜合表現出非常復雜的散射信號[47]。雷達散射信號是微波與地面目標物體的幾何形狀、尺寸、材質以及電介參數等共同作用的結果。復雜的城市環境下，建筑物自身的細節結構以及密集建筑區信號之間的交互重疊，增加了地物散射信號分析與解譯的難度。

在城市場景中，微波信號與地物相互作用，可能會形成單次或者多次散射，如圖6所給出的示例。單次散射信號，指“傳感器-地物-傳感器”相互作用過程形成的信號，是開展地物識別和形變分析的重要信號來源。這類信號由于其幾何相位中心和信號源重合，可以直接通過地物特征來提取和識別。多次散射信號，指從傳感器出發，在單一地物結構上多次散射或經過兩種以上的地物散射回到傳感器的信號，這類信號在應用中需要額外分析討論。單個地物自身復雜結構形成的多次散射，如窗戶邊框的角點形成的三次散射信號，能給出穩定、可靠的雷達回波信號，且計算的幾何相位中心與其信號來源位置一致[48]，是地物識別與形變觀測可用的信號。在實際應用中，這種散射信號也往往作為PS點被提取。另一類多次散射信號，在兩種以上的地物之間相互作用，如“地面-建筑物”或“地面-建筑物-地面-建筑物”之間的散射信號，能給出有效觀測且提供了關于地物尺寸的信息，但在地物識別和形變結果分析時，需要進一步討論其位置與信息源以及觀測形變信號和實際形變的關系[48]。關于多次散射信號的幾何相位中心與其信號源之間關系的研究，可以參考文獻[48]。目前，在城市地物的識別和形變監測應用中，主要利用的是單次散射信號和在單一地物上多次散射的信號，這類信號可以依據信號強度和地物特征來識別提取。我們會給出幾個應用實例，包含機場、高架路、橋梁、鐵路以及地鐵沿線的監測。

4.2 浦東機場

上海浦東國際機場位于上海浦東新區的東部海濱，是亞洲重要的航空樞紐，目前機場有兩座航站樓、3個貨運區以及4條跑道。第1跑道于1999年建成使用，經過十幾年的固結沉降，近幾年該跑道表現出較為穩定的趨勢。第2、第3、第4跑道分別于2005年、2008年、2015年投入使用。由于機場建設在軟土地基上，地質情況較差。其中第1跑道建在典型的軟土地基上，第2跑道所處地基缺少硬殼層，第3跑道則建在淺埋粉質粘土層之上，即第2、第3跑道的地質條件相對更差?；诘刭|條件的變形分析對于理解沉降機制至關重要，可及時發現并預防公共基礎設施中潛在的安全問題?？紤]不同的地質情況以及竣工年限，不同的跑道表現的沉降情況也不一樣[46,49]。

圖6 城市環境下人工地物與微波信號之間的幾種交互作用類型示意圖Fig.6 Sketch of several types of interaction between man-made objects and microwave signals in urban areas

采用2011年9月—2012年10月共15景TerraSARX影像以及2014年9月—2019年9月期間平均每年度約12景TerraSAR-X影像動態監測上海浦東國際機場，數據獲取期間歷年年度沉降速率分布圖如圖7所示。該應用案例中主要利用了單次、二次和三次散射體。第1跑道在2011—2012年表現出–10 mm/yr左右的沉降現象，而后經過固結沉降，歷年表現較為穩定。但浦東機場整體上仍存在不均勻的沉降，以迎賓高速-申嘉湖高速為分界線，其西部繼續保持基本穩定，東部則存在較為明顯的沉降。T2航站樓相比T1航站樓而言，部分區域存在著–10 mm/yr左右的沉降，但是其沉降情況與往年相比有所減輕。機場第4跑道，由于竣工時間最晚，繼續存在一定程度的下沉，沉降速率分布在–20～–5 mm/yr之間。而自2017年以來，第4跑道東邊兩條明顯的線狀沉降區域則與新建的跑道有關。此外，機場周邊沿海堤壩的沉降情況較為嚴重，沉降速率在–20～–10 mm/yr之間。灘涂圈圍造地工程中，地基形成過程和土體受力較為復雜，不同年份沉降情況存在一定的波動，但整體上其安全性值得重視。

4.3 上海高架路網

上海市高架道路分布密集，總長度超過130 km。高架道路屬于城市快速路，難以用現場監測手段獲取高密度監測結果。而時間序列InSAR技術則可以提供大范圍、高精度、高密度的監測手段。本文利用2013年9月—2018年9月平均每年約12景TerraSAR-X影像提取了數據獲取期間上海高架道路沿線歷年的年度沉降速率分布，如圖8所示，并對歷年沉降情況進行分析以動態監測其變化，如表1所示。在本案例中，僅保留高架路網上形成的散射體，移除了由于高架路網和地面相互作用的散射體信號。通過對比歷年速率分布范圍及沉降點、回彈點平均速率可知，上海高架道路總體的沉降情況呈現出逐年減小的變化趨勢，整體上呈現穩定狀態，但由于高架路網覆蓋范圍廣且分布不規則，路網比較密集或工程建設活動比較頻繁的路段，發生沉降的現象仍然存在，沉降速率較大，可針對具體的沉降路段進行進一步現場監測與研究。

圖7 上海浦東國際機場歷年年度沉降速率分布圖Fig.7 Annual settlement rate of Shanghai Pudong International Airport

圖8 上海高架路歷年年度沉降速率分布圖Fig.8 Annual settlement rate of elevated roads in Shanghai

表1 2013.9—2018.9高架道路沉降情況對比Tab.1 Comparison of the deformation of elevated roads during from September 2013 to September 2018

將高架道路沿線的沉降情況與周邊地表區域沉降情況、高架路段建成通車時間以及高架道路動荷載情況關聯分析，可探索高架道路的沉降影響因素。結合統計分析方法進行沉降因素的歸因分析，可進一步拓展時間序列InSAR方法在高架道路監測方面的應用研究[38,41]。

4.4 上海盧浦大橋橋梁

上海盧浦大橋建于2000年—2003年，是全球第2長的單跨拱橋，以550 m跨度橫跨黃浦江。本文選取了時間跨度同為2009年—2010年的3個X波段SAR數據集，包括18景2009年3月—2010年1月降軌TerraSAR-X數據和時間跨度都為2009年1月—2010年2月升、降軌Cosmo-SkyMed影像各19景，對盧浦大橋的結構形變進行精細測量[44,45]。

(3)大數據技術是核心，現代化感知設備是基礎，大數據技術與現代化感知設備的有機組合，才能實現生產的智能化，智能化選礦廠是未來的發展方向。

3個數據集經過處理后獲得的盧浦大橋的形變速率分布分別如圖9(a)—圖9(c)所示，其中剔除了二次散射信號以及三次散射信號，主要研究單次散射信號。橋梁上的點目標主要分布在橋墩附近，而橋跨上識別的點目標比較稀疏，沉降速率范圍在–13～9 mm/yr之間。3個形變結果都表現出相似的對稱漸進式表面形變模式，即在兩端的橋墩位置比較穩定，形變量從兩邊向跨中方向逐漸增加，并在跨中位置達到峰值。

通過分析盧浦大橋的時間序列差分干涉圖和解纏相位圖，發現橋梁的跨中位置受到溫度形變的影響比較明顯。通過計算橋梁拱頂位置和跨中位置的點目標時間序列形變與溫度差異的相關關系，進一步對橋梁的溫度形變進行了定量建模與分析，得到盧浦大橋的趨勢形變和溫度形變如圖10所示?？梢钥闯?，在觀測期間內盧浦大橋的趨勢形變較小，主要發生在橋跨上，且幅度小于5 mm/yr。觀測到的時間序列上的周期性變化主要是由盧浦大橋的溫度形變引起，且溫度形變參數從橋墩處向跨中方向逐漸增大，并在跨中位置達到最大。

去除溫度形變影響后，將3個數據集監測所得的盧浦大橋沿線的垂直沉降剖面進行交叉驗證(如圖11所示)，其中藍色三角形和綠色虛線表示升軌和降軌Cosmo-SkyMed數據的監測結果，粉紅色曲線表示TerraSAR-X數據的監測結果，紅色粗線是擬合的形變曲線。結果表明，這3個監測結果在形變分布和量級上都保持了較好的一致性，證實了本次形變監測結果的可靠性。

4.5 京津城際高鐵沿線

京津城際高鐵是中國最早建設的高速鐵路，位于中國東部沿海地區脆弱的可壓縮沖積平原上，其安全運營受到地面沉降等地質災害的威脅，因此，定期對其進行穩定性監測對于確保該高速鐵路的運營安全至關重要[39,42]。

本次研究選取了天津市2008.2—2009.12的17景ENVISAT ASAR升軌影像，計算得到京津城際高鐵沿線的趨勢形變和溫度形變分布如圖12(a)和圖12(b)所示。圖12(a)中，高鐵沿線表現出不均勻的形變，沉降速率約為–16～4 mm/yr，且在雙街鎮附近探測到一個明顯的沉降段，這是由于雙街鎮經濟的快速發展和工業的現代化進程都需要大量抽取地下水，導致地下水水位下降，含水層壓縮，引起地面沉降現象[39]。圖12(b)中，溫度形變參數在空間上變化很大，大部分路段可忽略不計，而雙街鎮附近的路段表現出輕微的溫度形變，達到–0.5 mm/°C，這是由于溫度升高和蒸發效應會導致瀝青路基軟化和地下水下降，因此，在相同荷載情況下，軌道隨地面的沉降量增加。反之，較冷情況下，瀝青路基會固結硬化，使得沿線保持更高的穩定性。

由ENVISAT ASAR數據提取的京滬高鐵沿線5 km緩沖區內的沉降速率分布如圖13所示，可以看到與圖12(a)中對應的雙街鎮沉降路段(由白色虛線圈標記)，說明該路段的沉降是受到其周圍地表沉降的影響。此外，鐵路沿線的差異沉降也會改變路面坡度從而影響線路的平順性和運營安全。

鐵路變形主要受到不均勻沉降、地面沉降增長和溫度形變效應的影響，因此，可以將沉降梯度、沉降速率和溫度形變參數作為沿線風險等級評估的主要評價指標。為了進行比較，可以把每一個指標劃分成1～10的風險系數，從而根據每個路段上3個指標的綜合得分，將京津城際高鐵沿線劃分為9個風險等級，如圖14所示。顏色從藍到紅表示風險等級逐漸由輕微變嚴重，京津城際高鐵沿線雙街鎮路段(紅色路段)的沉降風險等級最高，其次是武清火車站附近的路段(橙色路段)。

圖9 盧浦大橋形變速率分布圖Fig.9 Deformation velocity of Lupu bridge

圖10 盧浦大橋Fig.10 Lupu Bridge

圖11 不同數據集盧浦大橋沉降剖面的交叉驗證Fig.11 Cross-validation of the settlement profile of Lupu Bridge from different datasets

4.6 武漢地鐵網

武漢地鐵自2004年7月開通運營第1條線路以來，目前線路已分布密集，且尚有多條地鐵線路處于在建狀態。地鐵建設過程中的地下淺層空間大量開挖以及工程降水措施，導致地下水位變化，均會改變原有地層的應力狀態，帶來地面沉降。而地表開挖后，武漢市豐富的降雨形成的一些地表徑流也會由此進入地層，進一步加劇地下的碳酸鹽溶現象，促進地表下沉[50]，因此對武漢地鐵網進行沉降監測十分必要。本文利用2015年4月—2017年7月的Sentinel-1數據(與3.2節中提及的數據集相同)對武漢市的8條軌道交通線路沿線進行了形變監測和分析，該案例中主要利用的是地面散射體點。

圖13 京津城際高鐵沿線緩沖區200.2—2009.12期間形變圖Fig.13 Subsidence rate of the buffer zone along the Beijing-Tianjin railway from February 2008 to December 2009

從實驗結果可以看出，沉降區域在地鐵沿線分布廣泛，多個有不同地鐵線路交接的樞紐站沉降最為顯著(如圖15中白線所示區域)，例如在2號線和7號線交匯的王家墩東地鐵站、3號線與8號線交匯的趙家條地鐵站、地鐵3號線與1號線交匯的宗關站、5號線與8號線交匯的徐家棚地鐵站、1號線與7號線交匯的三陽路地鐵站發生的沉降比其周圍區域要嚴重得多。此外，7號線在硚口區和江漢區的路段，幾乎全程處于十分嚴重的沉降，而該段線路投入使用未久，還需要經過較長時間才會趨于穩定，這期間仍具有較大的不確定性。

圖14 京津城際高鐵沿線災害風險等級評估Fig.14 Hazardous grading of Beijing-Tianjin railway

圖15 2015.4—2017.7武漢市地鐵線路和區域沉降對比示意圖Fig.15 Comparison of subway lines and regional deformation in Wuhan from April 2015 to July 2017

圖16 武漢市地鐵沿線2015.4—2017.7沉降速率梯度圖Fig.16 Deformation velocity gradient along the subway in Wuhan from April 2015 to July 2017

地鐵這一線狀地物可以通過沉降速率梯度來描述其發生的不均勻沉降。沉降速率梯度G表示沉降速率在垂直方向和水平方向的變化，用中心像素的差異沉降速率與該像素到鄰近像素距離的比值來確定，可表示為

其中，dx為中心像素與臨近像素在x方向上的距離，dy則是中心像素與臨近像素在y方向上的距離，dz是相鄰像素的沉降速率差。

實驗得到的武漢市地鐵沿線沉降速率梯度分布如圖16所示。從圖中可知，沉降梯度最大的地方分布情況與沉降漏斗分布基本一致，尤其在2號線、3號線、6號線和8號線一期工程沿線的部分區域沉降梯度較大，不均勻沉降現象顯著。隨著時間的推移，這些線路經歷的差異形變更大，將可能對下部地鐵空間形成壓力和安全風險，應該受到密切關注。

5 結論

本文主要回顧了作者團隊關于時間序列InSAR技術在城市目標動態監測的研究工作及進展。最初的研究應用中低分辨率SAR數據大范圍地探測形變異常區域，之后隨著高分辨率數據的涌現以及城市基礎設施精細化監測的需求，更多的研究著重于大型人工地物的安全監測，比如機場、高架路網、橋梁、鐵路以及軌道交通。文中通過多個應用實例，展現了時序InSAR技術在幾種典型的城區目標監測中的應用能力以及針對不同類型地物的相應解決方案。隨著越來越多高分辨率星載SAR計劃的實施，地物識別更為精細，同時結合其他測量手段及資料，該技術將為城市目標動態監測提供更多的應用空間。