2020, Vol. 40
2. 中国科学院测量与地球物理研究所大地测量与地球动力学国家重点实验室，武汉市徐东大街340号，430077;
3. 中国科学院大学，北京市玉泉路19号甲，100049
随着城市化进程的加速发展，地面沉降逐渐成为我国城市地区主要地质灾害之一，给城市的发展、环境、建设、交通、生活等多方面带来严重影响[1-5]。目前，城市地面沉降监测手段较多，以水准测量和全球定位系统最为常见。传统的监测手段精度较高，但周期长、任务繁重、效率低，难以满足大区域地表沉降监测的需求。合成孔径雷达差分干涉测量(D-InSAR)技术作为一种新兴的对地观测技术手段，具有全天时、全天候、覆盖面广、省时省力、测量精度高等特点。为克服传统D-InSAR的大气和时空去相干影响[6]，永久性散射体(PS)和小基线集(SBAS)InSAR时序分析等新技术应运而生，并已在矿区形变、地震形变、火山活动、冰川运动等[7-10]领域广泛应用，在城市地面沉降监测方面也取得一定进展[11-13]。
地面沉降对城市建设有直接影响，但目前针对南昌市地面沉降的研究较少。本研究以2016-01~2018-07的48景Sentinel-1A影像为遥感数据源，采用PS-InSAR和SBAS-InSAR技术，提取南昌市主城区的平均沉降速率，并对2种方法获取的结果进行Pearson相关性分析，探讨地面形变的原因，以期揭示南昌市主城区的地面形变状况。
1研究区概况与数据
1.1 研究区概况南昌市(115°27′~116°35′E，28°10′~29°11′N)是江西省的省会，地处江西省中北部，位于赣江、抚河下游，濒临鄱阳湖西南岸，地势总体为西北高、东南低，以赣江为界，西北部为构造剥蚀低丘岗地，东南部为河流侵蚀堆积平原。本文选取南昌市主城区为研究区域，具体见图 1。
|
图 1 研究区域 Fig. 1 Study area |
2014-04欧洲太空局发射升空了Sentinel-1A卫星，可提供重访周期为12 d的覆盖全球的开放数据，其具有覆盖范围大、多极化、重访周期短、成图能力强等特点，足以满足大区域多时相InSAR处理和应用分析[14-15]。本文选取南昌市2016-01~2018-07的48景Level-1 Sentinel-1A影像数据为C波段(波长为5.6 cm)，入射角为39.5°，空间分辨率为5 m×20 m(方位向×距离向)，观测模式为干涉宽幅(IW)，极化方式为单极化(VV)，具体参数见表 1，外部参考DEM为30 m分辨率的SRTM数据。
|
表 1 Sentinel-1A数据影像信息 Tab. 1 Image parameters of Sentinel-1A |
基于GAMMA软件平台，将南昌市Sentinel-1A影像生成TOPS模式的SLC数据，因研究区2017-03前后的影像数据图幅不一致，影像配准精度低，甚至无法配准，故先以burst为基础单元对影像数据裁剪出研究区域。在轨道信息和外部DEM基础上，综合考虑影像的时间基线、空间基线、多普勒质心频率基线，选取2017-04-19的SAR影像作为公共主影像，迭代强度匹配直到方位向校正小于0.01个像素，然后采用迭代频谱差异方法，直至方位向偏移值小于0.000 5个像素。因TOPS数据方位向易发生多普勒中心不一致[11]，导致差分干涉图出现方位向相位跳跃，故采用频谱多样性方法精化方位向偏移，消除方位向干涉条纹跳跃。
2.2 基于SBAS-InSAR的地表沉降监测方法SBAS-InSAR是由Berardino等[16]于2002年提出的一种InSAR时间序列分析方法，其原理是通过增加干涉对的时间采样频率和多普勒频率提高监测精度。SBAS-InSAR处理主要包括4个步骤：1)计算SAR影像数据的时间基线和空间基线，选择恰当的时空基线阈值形成干涉对，要求干涉对内空间基线小，干涉对间空间基线大。由于本文的SAR影像数据集时间跨度较长，Sentinel-1A卫星的轨道偏差较小，选取空间基线阈值为±200 m，时间基线阈值为100 d，生成220对干涉对。图 2(a)为SBAS-InSAR的时空基线，同时采用Goldstein滤波方法改善干涉图的信噪比。2)选择地面控制点(GCP)，对干涉对进行最小费用流算法(MCF)相位解缠，通过分析评价解缠干涉对的质量，选择178对干涉对。3)对解缠后的结果去除轨道误差、地形相位、大气相位延迟，再利用奇异值分解(SVD)方法估计形变速率。4)最后利用地理编码获得研究区视线向(LOS)的地面形变结果。
|
图 2 时空基线分布 Fig. 2 Spatial-temporal baseline distribution |
PS-InSAR是基于永久散射体的点时序分析测量技术，最早由意大利学者Ferretti等[17]于2001年提出。为验证结果的准确性，利用PS-InSAR技术处理南昌市同期的Sentinel-1A数据，通过提取时间序列SAR影像中的稳定高相干PS点，反演得到精确的地表形变，能有效避免相位失相干等因素对干涉的影响，最终可获得mm级高精度的地表形变速率场。
本文选取2017-04-19为最优主影像，图 2(b)为PS-InSAR的时空基线分布。对影像数据集预处理后，为保证点密度的均匀分布，基于影像点目标的光谱特征信息和时间域像素稳定性强度分别选取PS点，去除重复的PS点后合并，最终提取741 605个PS点，选点密度高达1 500个/ km2，图 3为PS的选点结果。由图 3可知，PS点主要分布于房屋、桥梁、公路和车站等建筑物，湖泊、河流(赣江、抚河等)等水域地区无PS点分布。确定PS点后，差分形成N幅点差分干涉图，通过设定psigma阈值放弃失相干严重的像元，对稳定的像元集分别用分块解缠法和最小费用流算法(MCF)解缠，并进行空间滤波和时间滤波，在一定程度上克服传统D-InSAR的大气和时空去相干等问题，得到每个PS点的非线性形变结果。最后将线性形变量和非线性形变量叠加，获得研究区完整的PS点地表形变结果。
|
图 3 永久散射体(PS点)分布 Fig. 3 Permanent scatters (PS) distribution |
图 4和图 5分别为PS-InSAR和SBAS-InSAR两种时序处理方法得到的LOS向形变量。由于缺乏南昌市主城区同期的实测水准数据，本文仅对PS-InSAR和SBAS-InSAR的监测结果进行对比。利用ArcGIS分别对2种InSAR值进行克里金插值，获取空间连续形变结果，提取同名点对应的SBAS-InSAR形变值和PS-InSAR形变值并进行Pearson相关性分析，相关系数为0.87，表明2种时序监测结果具有较强的一致性，也验证了实验结果具有较高的可靠性。
|
图 4 南昌市SBAS-InSAR形变速率 Fig. 4 Deformation rate of SBAS-InSAR in Nanchang |
|
图 5 南昌市PS-InSAR形变速率 Fig. 5 Deformation rate of PS-InSAR in Nanchang |
由图 4和5可知，2016-01~2018-07由PS-InSAR和SBAS-InSAR得到的南昌市主城区形变趋势基本一致，均为西北抬升、东南下沉，年均形变率集中在-3~3 mm/a。根据中国地质调查局地质调查技术标准《地面沉降干涉雷达数据处理技术规程(DD2014-11)》[18]，南昌市主城区属低程度地面沉降，地表沉降整体较稳定。PS-InSAR和SBAS-InSAR监测到的主城区最大年沉降速率分别为-23 mm/a和-26 mm/a，分布在南昌西火车站和南昌国际体育中心区域。另外，2种监测结果的形变区域空间分布具有较高的一致性，有1个抬升区和4个沉降区，分别为梅岭国家森林公园东北边缘抬升区(A)、南昌西火车站-南昌国际体育中心沉降区(B)、赣江东岸东新乡-八一大桥段沉降区(C)、邓家埠沉降区(D)及南钢地下水降落漏斗沉降区(E)。
3.2 地表形变结果分析与讨论 3.2.1 地质构造对地面形变的影响由图 1和6可知，研究区主要分布有4条断裂带。梅岭国家森林公园东北边缘抬升区(A)位于大路熊家-新建-西河断裂带北段，主要活动期为中新世末-中更新世晚期，但晚近时期仍在活动，表现为北部相对抬升、南部相对下降。邓家埠沉降区(D)位于下施荛-邓家埠断裂、朝阳农场-尚谌店断裂及富山-沙山北侧断裂的交界处，其中朝阳农场-尚谌店断裂的地理位置及展布方向恰位于象湖乐大断裂上，该断裂带仍表现为近于平行的张性，并控制着断块的差异升降[19]。由梅岭国家森林公园抬升区(A)中PS1点的时间序列图可知，其形变整体呈抬升趋势，但抬升量较小，范围在0~5 mm/a。由邓家埠沉降区(D)中PS2点的时间序列图可知，其形变在2016-07~2017-01为抬升，但整体呈下降趋势，最低可达-14 mm/a。A和D均位于断裂带处，由此推断，地面沉降可能受断裂带地质构造控制。
|
①大路熊家-新建-西河断裂带；②下施荛-邓家埠断裂；③朝阳农场-尚谌店断裂；④富山-沙山北侧断裂 图 6 A抬升区、D沉降区的形变速率及时间序列 Fig. 6 Deformation rate and time series in A uplift area and D subsidence area |
近十几年来，南昌市经济发展迅速，但同时交通拥堵问题也日益突出，为缓解交通压力，提高城市运转效率，南昌地铁1号线和2号线首通段分别于2009年和2014年开始修建。对南昌市地铁1、2号线作200 m缓冲区，得到的PS-InSAR监测结果如图 7所示。由图 7(a)可知，地铁1号线在施工和运营过程中对地面沉降控制较好，总体稳定；而地铁2号线在南昌国际体育中心站附近有较大沉降，最大沉降值达-18 mm/a，由图 7(a)时间序列图可看出，该区2016~2018年时间形变序列有明显的下沉趋势。同时，从图 7(b)遥感影像看出，该区域城市建设，特别是南昌国际体育中心和南昌西站周边建筑的修建和运营也是造成B区沉降不可忽视的原因。
|
图 7 地铁沿线及B沉降区的形变速率 Fig. 7 Deformation rate along the subway and in B subsidence area |
赣江东岸东新乡-八一大桥段沉降区(C)位于赣江岸边，主要为河流冲积物形成的潮沙泥质土壤和泥沙质土壤，赣江河床揭穿至第四系全新统砂层、砂砾石层，砂砾石层透水性较强，与地下水水力密切相关，且地下水水位高于河水位，赣江起到排泄地下水的作用[20]。因此，该沉降区所处区域的含水层系统介质特征导致该区易出现地面沉降，容易诱发斜坡及岸边岩土体的滑移、变形、崩塌失稳等不良地质现象。
地下水的动态变化主要受人为开采因素的影响，也是导致地面沉降的主要原因之一。现有研究表明，南昌市于20世纪50年代初开始使用机械开采地下水，用作化工、钢铁等工业用水；70年代中期，地下水开采量达到顶峰，直至2007年基本稳定，形成以江坊、洪都、氨厂3大地下水降落漏斗中心[20]。目前，南昌市主要是以南钢为中心的区域降落漏斗，漏斗中心沿西北-东南方向呈不规则的椭圆状分布，总体仍有向外扩展的趋势，有学者预测至2020年南昌市的漏斗中心仍在南钢[21]。由图 5可知，南钢地下水降落漏斗沉降区(E)的形变速率集中在-4~9 mm/a，最大形变率达-19 mm/a，说明地面沉降与超采地下水密切相关。
4 结语本文基于Sentinel-1A数据以及PS-InSAR和SBAS-InSAR两种时间序列InSAR技术，获取南昌市主城区2016-01~2018-07的地面形变信息，将2种监测结果进行对比分析，并综合分析了地面形变的原因。结果表明，PS-InSAR和SBAS-InSAR两种时序监测结果具有较高的相关性，形变趋势和形变空间分布较一致，结果可靠；南昌市主城区形变趋势为西北抬升、东南下沉，形变速率集中在-3~3 mm/a，属低程度地面沉降。形变区空间分布存在5大形变区，分别为梅岭国家森林公园东北边缘抬升区(A)、南昌西火车站-南昌国际体育中心沉降区(B)、赣江东岸东新乡-八一大桥段沉降区(C)、邓家埠沉降区(D)及南钢地下水降落漏斗沉降区(E)，其中A区和D区位于断裂带处，地面形变与断裂带地质构造有关，地铁及城市建筑等诱发B区的地面沉降，C区所处的赣江东岸地质结构较易发生地面沉降，地下水超开采导致E区的地面沉降。
| [1] |
马翔旭.基于InSAR监测北京市地铁开发对地面沉降的影响[D].北京: 首都师范大学, 2013 (Ma Xiangxu. Monitoring the Influence of Beijing Subway Development on Land Subsidence Based on InSAR[D]. Beijing: Capital Normal University, 2013) http://cdmd.cnki.com.cn/Article/CDMD-10028-1013290826.htm
(  0) |
| [2] |
葛大庆.区域性地面沉降InSAR监测关键技术研究[D].北京: 中国地质大学, 2013 (Ge Daqing. Research on the Key Techniques of SAR Interferometry for Regional Land Subsidence Monitoring[D]. Beijing: China University of Geosciences, 2013) http://cdmd.cnki.com.cn/Article/CDMD-11415-1013261778.htm
( 0) |
| [3] |
陈强.基于永久散射体雷达差分干涉探测区域地表形变的研究[D].成都: 西南交通大学, 2006 (Chen Qiang. Detecting Regional Ground Deformation by Differential SAR Interferometry Based on Permanent Scatterers[D]. Chengdu: Southwest Jiaotong University, 2006) http://cdmd.cnki.com.cn/Article/CDMD-10613-2007019910.htm
( 0) |
| [4] |
Wu J C, Hu F M. Monitoring Ground Subsidence along the Shanghai Maglev Zone Using TerraSARX Images[J]. IEEE Geoscience and Remote Sensing Letters, 2017, 14(1): 117-121 DOI:10.1109/LGRS.2016.2628867
( 0) |
| [5] |
Zhou C D, Gong H L, Zhang Y Q, et al. The Influence of Building Load to Land Subsidence in Beijing Plain Based on PS-InSAR and GIS[J]. Journal of Geo-information Science, 2016, 18(11): 1
( 0) |
| [6] |
李永生, 申文豪, 温扬茂, 等. 2015年尼泊尔MW7.8地震震源机制InSAR反演及强地面运动模拟[J]. 地球物理学报, 2016, 59(4): 1 359-1 370 (Li Yongsheng, Shen Wenhao, Wen Yangmao, et al. Source Parameters for the 2015 Nepal Earthquake Revealed by InSAR Observations and Strong Ground Motion Simulation[J]. Chinese Journal of Geophysics, 2016, 59(4): 1 359-1 370)
( 0) |
| [7] |
朱煜峰.矿区地面沉降的InSAR监测及参数反演[D].长沙: 中南大学, 2013 (Zhu Yufeng. Analysis of Ground Subsidence Monitoring in Mining Areas Using InSAR with Parameter Inversion[D]. Changsha: Central South University, 2013) http://cdmd.cnki.com.cn/Article/CDMD-10533-1013358052.htm
( 0) |
| [8] |
徐小波. 多手段InSAR技术研究及其在同震、震间形变监测中的应用[J]. 国际地震动态, 2016(6): 34-36 (Xu Xiaobo. Multi-Means InSAR Research and Its Application in Coseismic and Interseismic Deformation Monitoring[J]. Recent Developments in World Seismology, 2016(6): 34-36 DOI:10.3969/j.issn.0253-4975.2016.06.007)
( 0) |
| [9] |
Xu W B, Ruch J, Jónsson S. Birth of Two Volcanic Islands in the Southern Red Sea[J]. Nature Communications, 2016(6): 7 104
( 0) |
| [10] |
Bevan S L, Luckman A, Khan S A, et al. Seasonal Dynamic Thinning at Helheim Glacier[J]. Earth and Planetary Science Letters, 2015, 415: 47-53 DOI:10.1016/j.epsl.2015.01.031
( 0) |
| [11] |
Zhou Y Y, Chen M, Gong H L, et al. The Subsidence Monitoring of Beijing-Tianjin High-Speed Railway Based on PS-InSAR[J]. Journal of Geo-Information Science, 2017, 19(10): 1 393-1 403
( 0) |
| [12] |
周洪月, 汪云甲, 闫世勇, 等. 沧州地区地面沉降现状Sentinel-1A/B时序InSAR监测与分析[J]. 测绘通报, 2017(7): 89-93 (Zhou Hongyue, Wang Yunjia, Yan Shiyong, et al. Land Subsidence Monitoring and Analyzing of Cangzhou Area Sentinel-1A/B Based Time Series InSAR[J]. Bulletin of Surveying and Mapping, 2017(7): 89-93)
( 0) |
| [13] |
Bai L, Jiang L M, Wang H S, et al. Spatiotemporal Characterization of Land Subsidence and Uplift (2009-2010) over Wuhan in Central China Revealed by TerraSAR-X InSAR Analysis[J]. Remote Sensing, 2016, 8(4): 350-364 DOI:10.3390/rs8040350
( 0) |
| [14] |
Yague M N, Prats I P, Gonzalez F R, et al. Interferometric Processing of Sentinel-1 TOPS Data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(4): 2 220-2 234 DOI:10.1109/TGRS.2015.2497902
( 0) |
| [15] |
吴文豪, 李陶, 陈志国, 等. Sentinel-1A卫星TOPS模式数据干涉处理[J]. 测绘通报, 2016(2): 42-45 (Wu Wenhao, Li Tao, Chen Zhiguo, et al. Interferometric Processing of TOPS Mode for Sentinel-1A[J]. Bulletin of Surveying and Mapping, 2016(2): 42-45)
( 0) |
| [16] |
Berardino P, Fornaro G, Lanari R, et al. A New Algorithm for Surface Deformation Monitoring Based on Small Baseline Differential SAR Interferograms[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(11): 2 375-2 383 DOI:10.1109/TGRS.2002.803792
( 0) |
| [17] |
Ferretti A, Prati C, Rocca F. Nonlinear Subsidence Rate Estimation Using Permanent Scatterers in Differential SAR Interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(5): 2 202-2 212 DOI:10.1109/36.868878
( 0) |
| [18] |
中国国土资源航空物探遥感中心. DD2014-11地面沉降干涉雷达数据处理技术规程[S].北京: 中国地质调查局, 2014 (China Aero Geophysica Survey and Remote Sensing Center for Land and Resources. DD2014-11 Technical Specification for Data Processing of Land Subsidence Interference Radar[S]. Beijing: China Geological Survey, 2014)
( 0) |
| [19] |
徐元才, 杜书白. 南昌地区地质稳定性初步评价[J]. 江西地质, 1996, 10(1): 34-40 (Xu Yuancai, Du Shubai. A Preliminary Evaluation on the Stability of Geology in Nanchang Area[J]. Geology of Jiangxi, 1996, 10(1): 34-40)
( 0) |
| [20] |
郑芳文, 刘晓, 黄诚, 等. 南昌市主城区供水水文地质特征研究[J]. 南昌工程学院学报, 2018, 37(1): 12-16 (Zheng Fangwen, Liu Xiao, Huang Cheng, et al. Hydrogeological Features of Water Supply in City Center of Nanchang City[J]. Journal of Nanchang Institute of Technology, 2018, 37(1): 12-16 DOI:10.3969/j.issn.1006-4869.2018.01.003)
( 0) |
| [21] |
邹友琴, 兰盈盈, 周文斌, 等. 南昌市地下水系统数值模拟[J]. 南昌大学学报:理科版, 2016, 36(5): 507-510 (Zou Youqin, Lan Yingying, Zhou Wenbin, et al. Numerical Simulations of Groundwater Systems in Nanchang City[J]. Journal of Nanchang University: Natrual Science, 2016, 36(5): 507-510)
( 0) |
2. State Key Laboratory of Geodesy and Earth's Dynamics, Institute of Geodesy and Geophysics, CAS, 340 Xudong Street, Wuhan 430077, China;
3. University of Chinese Academy of Science, A19 Yuquan Road, Beijing 100049, China