2. 江苏中煤地质工程研究院有限公司,江苏省常州市延陵中路22号,213000;
3. 江苏省水文水资源勘测局常州分局,江苏省常州市兴业路1号,213001
地面沉降是影响城市发展的主要地质问题之一,全球已有超过150个城市面临着不同程度的地面沉降[1]。地面的不均匀沉降会破坏城市轨道交通、地下管网等基础设施,对建筑物造成损害,不仅阻碍城市的可持续发展,还威胁人们的生命财产安全。
相对传统水准测量方法,合成孔径雷达差分干涉测量技术具有全天时、全天候、覆盖广、数据处理自动化程度高等优点[2],被越来越广泛地应用于地面沉降监测、地质灾害隐患点排查等地表形变探测。莫营等[3]利用PS-InSAR和SBAS-InSAR时序处理方法,获取南昌市主城区2016-01~2018-07的地面形变信息,结果表明,2种时序技术的监测结果有较高的相关性;谢文斌等[4]针对抚顺市大范围地表形变问题,利用SBAS-InSAR技术对研究区17景Sentinel-1A影像进行处理,提取抚顺市2015~2016年地面形变信息;王之栋等[5]联合利用D-InSAR、PS-InSAR和SBAS-InSAR技术对雷达影像进行处理,解译出研究区域840处地表形变,并验证不同InSAR技术在地表形变监测应用中的一致性、准确性和可靠性;朱邦彦等[6]利用PS-InSAR技术监测2007~2016年南京河西地区地表沉降情况,结合地质条件、分层沉降和地下水位资料对沉降成因进行分析,结果表明,浅部地层的固结压缩是导致该区域沉降不均匀的主要原因。
常州市是长江三角洲中心地区重要城市,自20世纪60~70年代开始,由于地下水的过度开采,地面沉降成为该地区面临的主要地质灾害之一[7-8]。2000年起,常州市区范围内全面禁止开采地下水,地面沉降态势明显趋缓[9-10]。但最近的研究显示,常州市地面沉降并未完全停止,武进区局部地区仍存在明显的沉降现象[11-13]。
本文利用2018-01~2019-12的24景C波段Sentinel-1A数据,采用PS-InSAR技术得到常州地面近2 a的时序变形结果,与2018~2019年传统水准测量的地面沉降结果进行对比分析,评估PS-InSAR监测结果精度,并据此分析常州地面沉降时空演变规律;然后结合同期常州市第Ⅱ承压地下水水位监测数据,分析第Ⅱ承压地下水对地面沉降的影响;最后对某分层基岩标2010~2019年各地层回弹监测数据进行分析,探讨常州地面沉降的成因。研究结果可为今后常州市地面沉降的监测、预警以及地质灾害的预防等工作提供参考。
1 研究区概况与数据 1.1 研究区概况常州市位于江苏省南部(31°09′~ 32°04′N,119°08′~120°12′E),北邻长江,南靠太湖,属长江下游平原及太湖冲积湖积平原,地势平坦,海拔为2~9 m,多为松散的第四纪地层覆盖。全区河道与江湖连通,水资源丰富。
1.2 数据来源1) 雷达影像数据。本文使用数据为欧空局Sentinel-1A数据,卫星影像时间跨度为2018-01~2019-12,每月1期,共24景数据。采用C波段观测,轨道方向为降轨,入射角为40.60°,成像模式为干涉宽幅模式IW(interferometric wide swath),极化模式为VV,分辨率为5 m×20 m。在进行PS-InSAR数据处理时,以2019-02-10的影像作为主影像,共形成23个干涉对,干涉对时空基线分布如图 1所示。
2) 水准测量监测数据。水准测量监测数据来源于常州市常武地区地面沉降监测项目,该项目于2018年开始实施,其中钟楼区沉降监测于2019年开始实施。监测点主要布设在重点监测区域,如不同构造带、地下水开采区、地面沉降和地下水漏斗中心等,能真实准确地反映出常州地面沉降量及沉降趋势。监测时间为每年10~12月份,测量方法为二等水准测量。本次共收集85个2018~2019年监测点高程数据,据此计算2018~2019年监测点沉降量。
3) 第Ⅱ承压水水位监测数据。共收集到10个2018~2019年常州市第Ⅱ承压水水位监测井监测数据,以探讨地下水水位变化对地面沉降的影响。监测井自动获取每日(08:00)水位,根据每日水位数据计算月均水位,年度水位数据为月度水位数据的算数平均值。
2 数据处理与分析 2.1 时序PS-InSAR数据处理该方法和理论最早由Ferretti等[14]于2001年提出,与传统的D-InSAR技术相比,时序PS-InSAR技术可以较好地克服时空失相关和大气延迟的问题,提高地表形变监测的精度[15]。
PS-InSAR的数据处理过程主要包括SAR数据配准、干涉图生成、PS点选取、相位解缠、去除大气效应及地理编码等,得到每个PS点在时间序列上的视线向(LOS)形变量和平均形变速率。根据公式VUP=VLOS/cosβ(其中下标LOS为雷达视线方向,下标UP表示垂直方向,β为入射角),可将LOS方向的沉降速率换算成UP方向的沉降速率,得到研究区2018-01~2019-12垂直方向的年均沉降速率(见图 2,图中正值表示地面抬升,负值代表地面沉降)。
为评估PS-InSAR监测结果的精度,利用研究区内同期精度较高的水准监测数据与InSAR结果进行对比验证。选取研究区内水准监测点四周100 m范围的PS点,根据距离权重,计算所选PS点的形变量均值,与水准监测数据对比。经过计算,水准监测数据与PS-InSAR数据的较差绝对值的最大值为6.1 mm,最小值为0.1 mm,平均值为2.7 mm,均方根误差(RMSE)为1.7 mm。可以看出,PS-InSAR结果与水准监测结果基本一致,具有较好的一致性。
2.3 地面沉降规律分析从图 2可以看出,监测期间研究区地面沉降分布特点较明显,总体呈现为“抬升区域位于城镇,沉降区域位于农村”的特点。新北区、武进区北部、经开区、天宁区交界处及新北区与天宁区交界处等城区地面主要呈现抬升状态,累积抬升量平均值约为7.3 mm,抬升区域面积约占研究区面积的45%;钟楼区西部、武进区东部、天宁区东北部、经开区东北部、新北区西南部等农村地区地面主要呈现沉降状态,累积沉降量平均值约为7.6 mm。
2.3.1 新北区地面沉降时空变化特征由图 3可见,监测期内新北区地表整体以抬升为主,累积抬升量平均值约为7.1 mm。其中三井街道地表抬升量较为明显,累积抬升量平均值已达8.7 mm;仅西南处局部地区地表出现沉降,监测期内累积沉降量平均值约为2.9 mm,主要分布在奔牛镇南部地区。
由图 4可见,监测期内钟楼区地面呈现“西部沉降,东部抬升”的空间分布特征,抬升区域主要分布在钟楼区东部的新闸街道、北港街道、五星街道、西林街道和南大街街道,累积抬升量平均值约为3.8 mm;沉降区域主要分布在钟楼区西部的邹区镇,累积沉降量平均值约为4.6 mm。
由图 5可见,监测期内天宁区地面以抬升为主,累积形变抬升区域约占85%,主要分布在潞庄街道、青龙街道、茶山街道、红梅街道、天宁街道和兰陵街道,累积抬升量平均值约为8.4 mm,最大抬升量已超过25 mm;沉降区域主要分布在郑陆镇,以轻微沉降为主,累积沉降量平均值为2.9 mm,沉降量有向东逐渐增大的趋势。
由图 6可见,监测期内经开区地面以抬升为主,累积形变抬升区域约占75%,主要分布在潞城街道、丁堰街道、戚墅堰街道和遥观镇北部等区域,抬升区域逐年向东部扩展,监测期间累积抬升量平均值约为8.1 mm,最大抬升量已超过30 mm;沉降区域主要分布在横山桥镇、横林镇及遥观镇等地,监测期间累积沉降量平均值约为3.1 mm,沉降量均在5 mm以内。
由图 7可见,监测期内武进区地面以沉降为主,累积形变沉降区域约占75%,累积沉降量平均值约为9.8 mm,其中前黄镇南部、礼嘉镇南部、洛阳镇南部和雪堰镇等武进南部地区沉降较为严重,累积沉降量平均值已达16 mm。抬升区域主要分布在湖塘镇北部、牛塘镇北部等地,累积抬升量平均值约为6.6 mm。在监测期内武进区地面整体呈现出“北部抬升,南部沉降,从北向南沉降量逐渐增大”的空间分布特征。
造成地面沉降的原因较为复杂,地质环境、地下水开采、浅部地层固结压缩都有可能造成地面沉降,其中长期超量开采第Ⅱ承压水一直以来都是导致常州地面沉降的主要因素。为探讨常州市地面沉降与第Ⅱ承压地下水水位变化的关系,本文根据邻近原则,计算水文监测井100 m范围内的PS点地表形变量均值并将其作为地面沉降量(表 1),得到水位变化量和年均沉降量之间的相关系数为0.55。由此可知,近2 a常州市地面沉降与第Ⅱ承压地下水位变化具有一定的相关性,但是相关性不高。
为进一步探究沉降的原因,对研究区域某分层基岩标2010~2019年各层监测数据进行分析,各地层回弹情况如图 8所示。可以看出,各分层标垂向上的主要压缩土层回弹情况不尽相同,但时间动态上表现出同样的规律,即深部地层多数处于反弹阶段,而浅部地层是目前土层压缩(沉降)的主要层段。出现上述现象的主要原因为,当深层地下水禁采后,深部含水层及其顶板出现反弹,而浅部地下水由于仍处于开发利用状态,以及受基坑、地铁等施工、排水等因素的影响,浅部土层出现压缩,进而致使地面出现沉降。
本文采用PS-InSAR技术基于Sentinel-1A影像数据获取常州市2018~2019年地面沉降特征,并利用同期水准数据对InSAR结果进行精度评估。在此基础上对常州市各区地面沉降时空演变规律进行分析,最后结合常州市第Ⅱ承压地下水水位变化和某分层基岩标各地层回弹监测数据,探讨地面沉降成因,得出以下结论:
1) 水准监测数据与PS-InSAR数据的较差绝对值的最大值为6.1 mm,平均值为2.7 mm,均方根误差RMSE为1.7 mm,两者具有较好的一致性。
2) 常州市地面沉降总体呈现为“抬升区域位于城镇,沉降区域位于农村”的特征,其中抬升区域累积抬升量平均值约为7.3 mm,沉降区域累积沉降量平均值约为7.6 mm。武进区南部等地局部沉降严重,累积沉降量平均值已超过15 mm。
3) 常州市地面沉降量与第Ⅱ承压水水位变化具有一定的相关性,相关系数为0.55;2010~2019年分层基岩标各地层回弹监测数据显示,深部地层多数处于反弹阶段,而浅部地层主要表现为土层压缩(沉降)。表明第Ⅱ承压地下水水位变化现已不是造成常州地面沉降的主要因素,浅部地层土层压缩已成为常州市地面沉降的主要影响因素。
[1] |
秦同春, 程国明, 王海刚. 国际地面沉降研究进展的启示[J]. 地质通报, 2018, 37(增1): 503-509 (Qin Tongchun, Cheng Guoming, Wang Haigang. The Latest Progress of Research on Land Subsidence Abroad and Its Inspiration to China[J]. Geological Bulletin of China, 2018, 37(S1): 503-509)
(0) |
[2] |
王寅珂. PSInSAR技术在地面沉降监测中的应用研究[J]. 测绘与空间地理信息, 2020, 43(4): 209-213 (Wang Yinke. Research and Application of PSInSAR Technology on the Land Subsidence Monitoring[J]. Geomatics and Spatial Information Technology, 2020, 43(4): 209-213 DOI:10.3969/j.issn.1672-5867.2020.04.057)
(0) |
[3] |
莫莹, 朱煜峰, 江利明, 等. 基于Sentinel-1A的南昌市时间序列InSAR地面沉降监测[J]. 大地测量与地球动力学, 2020, 40(3): 270-275 (Mo Ying, Zhu Yufeng, Jiang Liming, et al. Land Subsidence Monitoring of Nanchang Area Based on Sentinel-1A Using Time Series InSAR Technology[J]. Journal of Geodesy and Geodynamics, 2020, 40(3): 270-275)
(0) |
[4] |
谢文斌, 左小清, 刘玉忠, 等. 利用Sentinel-1A数据监测抚顺市地表形变[J]. 大地测量与地球动力学, 2019, 39(12): 1270-1276 (Xie Wenbin, Zuo Xiaoqing, Liu Yuzhong, et al. Surface Deformation Monitoring of Fushun Using Sentinel-1A Data[J]. Journal of Geodesy and Geodynamics, 2019, 39(12): 1270-1276)
(0) |
[5] |
王之栋, 文学虎, 唐伟, 等. 联合多种InSAR技术的龙门山-大渡河区域地灾隐患早期探测[J]. 武汉大学学报: 信息科学版, 2020, 45(3): 451-459 (Wang Zhidong, Wen Xuehu, Tang Wei, et al. Early Detection of Geological Hazards in Longmenshan-Dadu River Area Using Various InSAR Techniques[J]. Geomatics and Information Science of Wuhan University, 2020, 45(3): 451-459)
(0) |
[6] |
朱邦彦, 姚冯宇, 孙静雯, 等. 利用InSAR与地质数据综合分析南京河西地面沉降的演化特征和成因[J]. 武汉大学学报: 信息科学版, 2020, 45(3): 442-450 (Zhu Bangyan, Yao Fengyu, Sun Jingwen, et al. Attribution Analysis on Land Subsidence Feature in Hexi Area of Nanjing by InSAR and Geological Data[J]. Geomatics and Information Science of Wuhan University, 2020, 45(3): 442-450)
(0) |
[7] |
夏雄, 董亮亮, 张爱琴, 等. 常州区域地面沉降变化规律研究[J]. 常州大学学报: 自然科学版, 2012, 24(2): 45-48 (Xia Xiong, Dong Liangliang, Zhang Aiqin, et al. Research on Variation of Land Subsidence in Changzhou[J]. Journal of Changzhou University: Natural Science Edition, 2012, 24(2): 45-48 DOI:10.3969/j.issn.2095-0411.2012.02.010)
(0) |
[8] |
张蓉. 常州市地面沉降分析及对策探讨[J]. 江苏水利, 2004(11): 36-37 (Zhang Rong. Analysis and Discussion on Surface Subsidence and Measures in Changzhou[J]. Jiangsu Water Resources, 2004(11): 36-37 DOI:10.3969/j.issn.1007-7839.2004.11.020)
(0) |
[9] |
袁修锦, 钱静. 常州市地质环境保护措施及展望[J]. 地下水, 2013, 35(1): 109-111 (Yuan Xiujin, Qian Jing. Geological Environmental Protection Measures and Prospects in Changzhou[J]. Ground Water, 2013, 35(1): 109-111 DOI:10.3969/j.issn.1004-1184.2013.01.045)
(0) |
[10] |
于军, 李振洪, 武健强. InSAR/GPS集成技术在常州-无锡地面沉降监测中的应用研究[J]. 自然科学进展, 2009, 19(11): 1267-1271 (Yu Jun, Li Zhenhong, Wu Jianqiang. Application of InSAR/GPS Integration Technology in Changzhou-Wuxi Ground Settlement Monitoring[J]. Progress in Natural Science, 2009, 19(11): 1267-1271 DOI:10.3321/j.issn:1002-008X.2009.11.016)
(0) |
[11] |
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)
(0) |
[12] |
董少春, 种亚辉, 胡欢, 等. 基于时序InSAR的常州市2015~2018年地面沉降监测[J]. 南京大学学报: 自然科学, 2019, 55(3): 370-380 (Dong Shaochun, Chong Yahui, Hu Huan, et al. Ground Subsidence Monitoring during 2015-2018 in Changzhou Based on Time Series InSAR Method[J]. Journal of Nanjing University: Natural Science, 2019, 55(3): 370-380)
(0) |
[13] |
种亚辉, 董少春, 胡欢. 基于时序InSAR技术的常州市地面沉降监测与分析[J]. 高校地质学报, 2019, 25(1): 131-143 (Chong Yahui, Dong Shaochun, Hu Huan. Land Subsidence Monitoring and Analysis in Changzhou Based on Time Series Interferometry Methods[J]. Geological Journal of China Universities, 2019, 25(1): 131-143)
(0) |
[14] |
Ferretti A, Prati C, Rocca F. Permanent Scatterers InSAR Interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(1): 8-20 DOI:10.1109/36.898661
(0) |
[15] |
刘国祥, 陈强, 罗小军, 等. InSAR原理与应用[M]. 北京: 科学出版社, 2020 (Liu Guoxiang, Chen Qiang, Luo Xiaojun, et al. InSAR Principles and Applications[M]. Bejing: Science Press, 2020)
(0) |
2. Jiangsu China Coal Geology Engineering Research Institute Co Ltd, 22 Mid-Yanling Road, Changzhou 213000, China;
3. Changzhou Branch of Jiangsu Bureau of Hydrology and Water Resources, 1 Xingye Road, Changzhou 213001, China