随着我国“一带一路”合作倡议的不断推进,南海作为“海上丝绸之路”的核心交通地带,战略地位日益彰显,海域内的人工岛礁对海洋资源的保护与利用起着至关重要的作用。人工岛主要由珊瑚礁钙质砂吹填而成,钙质砂具有易破碎、高孔隙、易受动力扰动等特性,使得其在长期恒定荷载作用下易发生蠕变变形,进而引发岛礁地面残余沉降[1],大规模工程建设与周围复杂海洋水动力作用将势必危及岛礁地基的安全性和稳定性。地面沉降监测是预防渐进式地质灾害的有效防治手段,其中合成孔径雷达干涉测量InSAR技术是近些年在国内迅速兴起并且广泛应用的微波遥感对地监测技术,具有全天时、全天候、大范围监测等诸多优势[2]。小基线SBAS-InSAR和永久散射体PS-InSAR是颇具代表性的时序InSAR技术,能够有效解决差分干涉测量D-InSAR处理中大气延迟误差、时空失相干、DEM残差等误差源对结果的影响,并且能将监测期间数个时相上的形变信息连接成一个时间序列,从而更具象、直观地分析地面形变发展态势[3],极大拓展了InSAR技术的应用领域和使用场景。
前人将时序InSAR技术运用于城区、滑坡、矿山研究等方面[4],但在岛礁沉降观测与宏观沉降机理分析方面的应用相对欠缺,主要原因有2方面:1)岛礁高程数字模型现势性差,精度验证困难;2)海洋特殊的地理环境给岛礁沉降机理研究增添诸多不确定性[5]。基于此,本文基于覆盖海南省儋州市海花岛的25景Sentinel-1A影像,以SBAS-InSAR技术为主、PS-InSAR技术为辅,对比分析2种方法的监测结果,验证InSAR技术在岛礁沉降监测应用方面的可靠性。依据SBAS-InSAR处理结果获取岛礁形变时空演变规律,探讨岛礁地面形变与海平面变化之间的相关性,开展沉降机理分析。本文可为我国离岸式人工岛礁沉降监测提供借鉴,并为岛礁吹填工程地质灾害防治和相关研究积累经验。
1 研究区概况与数据准备 1.1 研究区概况海花岛位于海南省儋州市排浦港与洋浦港之间的浅海湾区(图 1),区域中心坐标19°39′51″ N、109°10′27″ E,海花岛面积约7.8 km2,规划常驻人口11.58万。由图可知,海花岛由3座子岛礁组成,其中1#岛共有A~F六个区块,子岛礁与岛陆之间共有4座堤坝连接,59个箱涵用于堤坝两侧水体自然交换,但修建堤坝严重减弱了外海水域与所围水域(图 1红线框)的水体交互作用与海洋水动力传递效应[6]。本文将围海区域称作内海,其他水域称为外海。
本文选取25景Sentinel-1A影像作为实验数据,影像分辨率为5 m×20 m,最大时间基线为372 d,最大空间垂直基线为-136.716 m。影像轨道方向为升轨,极化方式为VV,成像模式为IW。使用POD精密定轨星历数据进行轨道校准,采用30 m分辨率的ASTER GDEM V3去除地形相位误差。
2 研究方法和数据处理 2.1 研究方法永久散射体合成孔径雷达干涉测量(PS-InSAR)技术[7]是典型的点目标算法,该技术在很大程度上克服了干涉失相干和大气效应对监测精度的影响。通常选取地面裸露的岩石、建筑物、角反射器等稳定目标点作为处理对象,该类目标点也被称作永久散射体(PS)。通常认为PS点具有稳定的几何散射特征,受时间基线和空间基线去相干的影响较小[8]。小基线集合成孔径雷达干涉测量(SBAS-InSAR)技术[9]是典型的分布式目标算法,能够有效提升SAR影像数据的采样率和非城市形变监测结果的准确性。分布式目标一般为干涉图中散射特性相较于永久散射体稳定性不强的分布式散射体(DS),通常选取地层表面粗糙、分布面积广且具有一定稳定性的地点作为目标点,在数据处理过程中可以通过多视提高分布式目标点的信噪比,但分辨率也会随之降低。
2.2 PS-InSAR算法数据处理PS-InSAR算法流程如图 2所示,具体操作步骤与主要参数如下:
1) 使用覆盖研究区的25景SAR影像,选定2021-03-14的SAR影像作为超级主影像,将该影像与其他24幅辅影像重采样配准,同时导入ASTER GDEM V3生成24组干涉对(图 3);
2) 将相干系数阈值设定为0.70、振幅离差阈值设定为0.35,共同约束选取长时序影像中信噪比水平较高的PS目标点;
3) 针对提取的PS点稀疏网格开展相位解缠,获取DEM残差与线性形变速率;
4) 依据SAR影像大气延迟相位在时间、空间上的相关性进行组合滤波;
5) 将线性形变速率与非线性形变速率相加,反演研究区雷达视线向(LOS)平均形变速率场,结果如图 4所示。
SBAS-InSAR算法流程如图 5所示,具体操作步骤与主要参数如下:
1) 沿用上述25景SAR影像数据及公共主影像,临界基线最大百分比设为40%,最大空间基线设为200 d,共配准123组干涉对(图 6);
2) 去除地形相位,采用Goldstein滤波方法降低干涉图噪声并提高信噪比,选择Delaunay MCF方法进行解缠处理;
3) 剔除相干性较差和解缠效果不佳的干涉对,最终保留118组干涉对;
4) 解缠相干系数阈值设定为0.35,进一步优化干涉图的解缠结果;
5) 选取地面控制点(GCP)进行干涉图轨道精化和重去平;
6) 采用奇异值分解(SVD)法联合多个子集共同解算获取地面形变时间序列,通过地理编码得到研究区LOS向年平均形变速率场,结果如图 7所示。
对SBAS-InSAR LOS向平均形变速率(以下简称形变速率)标准差进行数值统计,得到形变速率标准差概率密度函数曲线(图 8)。由图可知,97.50%目标点的标准差小于5 mm/a,目标点最大标准差为11.05 mm/a。监测结果符合《地质灾害InSAR监测技术指南》中关于SBAS-InSAR内符合精度小于5 mm/a的要求,表明地面监测结果具有较高的精度和准确性。
由于缺乏水准测量数据,因此本文利用PS-InSAR处理结果进行外符合精度评定,结果见表 1(单位mm/a)。由表可知,2组数据的最值、平均值和标准差较为一致。假定PS-InSAR监测结果为真值,则所得均方根误差为2.95 mm/a,表明2组数据较为可靠。此外,由图 4和图 7可知,沉降区地理空间分布高度重合。由图 9可知,2种方法的沉降速率数值统计峰值约为0 mm/a且正态分布特征相似,形变速率基本相当,进一步表明监测结果的合理性。
本文以SBAS-InSAR为主要处理方式,获取研究区监测期间形变速率及其空间分布情况(图 7)。由图可知,研究区地面形变速率为-14.69~6.96 mm/a。将栅格结果矢量化后共得到36 639个像素点,每个像素点即为一个相位信息,其中72.4%像素点的形变速率为-2~2 mm/a。通常认为这些像素点较为稳定[10],岛礁绝大部分区域沉降风险低,整体处于稳定状态,但仍有超过7.9%像素点的沉降速率超过-5 mm/a,这些沉降点普遍分布在岛礁外海沿岸,如1#、2#岛西北向外海海岸沿线和3#岛外海侧2个滩涂,岛礁内部和内海沿线尚未出现大面积下沉现象。
岛礁西北向外海沿线沉降面积远大于东南向内海沿线及岛礁内部沉降面积,说明钙质岛礁沉降形变存在空间分异性,即岛礁边缘沉降速率大于岛礁内部沉降速率[11]。造成上述分布特征的原因可能为外海沿线相较于内海沿线受到更强的海洋水动力冲击[12],且外海沿线具有更深的吹填厚度和更频繁的工程建设,具有吹填砂土地基含水量大、压缩性大、强度低、固结周期长等特点[5],致使岛礁内外两侧沉降速率迥然不同。
4.2 重点沉降区域分析从上往下依次将岛礁沉降严重的区域划分为Ⅰ区、Ⅱ区、Ⅲ区,具体如图 10所示。
Ⅰ区分布在2#岛北侧2个暂未开发建设的滩涂上,最大沉降速率为-14.69 mm/a。吹填工程完成后Ⅰ区近乎维持初始状态,软土地基处理尚未完善,地基承载力不足;新近饱和吹填砂土呈湿饱和状态,在海洋水动力侵扰作用下易发生沉降和液化现象。结合光学影像可知,截至2021-12,最外侧滩涂水域出露面积增大,推测此处产生沉降形变的内因为土体自然固结,外因为海洋水动力侵扰和地下水位变化。
Ⅱ区沉降速率约为-15~-4 mm/a,B区块中央有草坪和2个水潭,地面状况严重影响雷达微波的后向散射特性,导致相位失相干,因此未得到该片区域的形变相位信息。1#岛B区块近外海沿岸200 m范围内沉降严重,经过实地调查和光学影像分析后发现,此路堤周边无新近工程施工。根据此处沉降特征点P1的累积形变趋势可知(图 11),沉降过程表现出显著的周期性和非线性波动,表明该形变受潮汐、洋流、波浪等外部水动力影响显著[13]。此外,C区块影视基地周边沉降较为严重,B、C区块中央水系前方建有闸坝,导致该水域与外海海流阻断隔绝,形变受到海洋水动力影响相对较小,并且此处沉降特征点P2的累积形变趋势较特征点P1更加平稳,周期性与非线性波动特征不显著。由此推测,闸坝修建、路面整平及影视基地主体结构建造等工程扰动是导致该区域沉降加速的重要诱因。
Ⅲ区沉降速率约为-11~-5 mm/a,沉降区位于1#岛F区块别墅群、1#和3#岛连接堤坝以及堤坝两端的延伸区域。结合历史光学影像可知,监测期间别墅群曾开展过大面积建设及市政工程,该处吹填密度较小,建筑群周边有多处水域,可能是因为周围土层松散和大规模工程扰动加剧地面沉降。1#堤坝及堤坝两端沉降区所处环境与B区外海沿岸类似,海洋水动力扰动与地下水位变化是诱发区域沉降的主要因素,往来工程车辆动荷载也是加剧堤坝下沉的因素之一。
4.3 地面形变时间序列与海平面变化相关性分析图 12为累积形变时序趋势图,由图可知,研究区最大累积沉降量为37.18 mm,位于2#岛最北侧独立滩涂中央。§4.2分析表明3个沉降区在监测期间并不是一直呈下沉趋势,而是在地面抬升与下沉运动间反复变动。例如沉降Ⅰ区滩涂地面在2020-04~07持续下沉,2020-08~09有所回升,2020-10~11下沉又加重,随后又产生第二轮波动,直至地面形变趋于稳定。由于沉降总量不断累积,第二轮回弹与下沉的差异不及第一轮显著,但沉降有向陆域侧扩张的迹象,并且3处沉降区(尤其是外海沿岸)均存在上述形变特征。海洋水动力属于极短周期的持续性扰动,承压水上升仍是岛礁地面形变周期性波动的决定性因素[13]。岛礁外海近岸含水层中地下水水位常随潮汐、洋流、波浪等海洋水动力扰动而波动,离岛礁海岸越近干扰越明显[14]。结合研究区累积形变趋势,进一步阐述了严重沉降区大多分布在外海侧的原因。
为探讨地面形变趋势与海平面变化的相关性,选取自然资源部发布的《2021年中国海平面公报》中2020~2021年海南省西部沿海的月平均海平面变化数据,结果如图 13所示,图中负值表示相较于第一张影像的下沉量,正值表示相较于第一张影像的抬升量。将环境原始、受人类活动和工程建设影响最小的沉降Ⅰ区2个滩涂作为研究对象,绘制其平均累积形变趋势(图 14)。需要说明的是,此平均是指将滩涂上所有像素点形变信息汇集至一个像素点取均值,能够直观精确地展现出整个滩涂的地面形变特征。
结合图 13和图 14可知,每年10~12月左右研究区海平面上涨并保持高水位,几乎在同一时期滩涂地面开始抬升,2020-12关联特征最显著,分别达到各自涨幅极值点。2021-09之后海平面达到涨幅期,相应时间内滩涂地面持续回弹。儋州市气象局资料显示,研究区每年5~10月为洪涝汛期,汛期降水约占全年的85%,当年8月份月平均降雨量最大,故推测2020-07~08产生的地面回弹是降雨量突然增大使得局部地下水位迅速上涨所致。
在岛礁地面沉降的外部影响因素中,潮汐、海流等海洋水动力类型为短周期性干扰因素,一般不会产生太大的地面回弹,可以认为长时间周期内地下水位变化对外海沿岸沉降区地面回弹起主导作用。研究区岛礁地下水主要受海水垂直渗透补给影响,其次为地面径流侧向补给,地下水与海水的水动力作用联系较为紧密[15]。每年10月至次年4月为少雨季,在此期间地面径流补给量相对稳定,岛礁地下水主要受海水垂直渗透补给。海水垂直渗透率与海平面变化密切相关[16],因此岛礁地面回弹或下沉减缓现象可能是由于海平面上升后加重海水对地下水垂直渗透强度致使地下水位抬升所致。上述论证基本可以解释地面形变与海平面高度变化趋势大致同步的现象,表明地面形变与海平面变化间存在一定相关性。
5 结语本文选取2020-03~2022-03共25景Sentinel-1A影像,分别运用SBAS-InSAR和PS-InSAR技术反演海花岛地面形变情况,得到以下认识:
1) 研究区LOS向平均沉降速率在20 mm/a以内,岛礁地面沉降状况整体较为稳定。
2) 岛礁靠近外海侧区域沉降速率远大于靠近陆域侧区域,沉降严重的区域集中在岛礁外海沿岸。
3) 外海沿岸沉降过程具有明显的周期性和非线性波动特征,受海洋水动力扰动和地下水位变化影响显著。
4) 沉降区有向陆域侧扩张的迹象,并且海平面上升将使岛礁地面有所回升或减缓下沉趋势,岛礁地面形变与海平面变化存在一定相关性。
[1] |
黄云, 胡其高, 张硕云. 吹填岛礁地基稳定性问题研究综述[C]. 第27届全国结构工程学术会议, 西安, 2018 (Huang Yun, Hu Qigao, Zhang Shuoyun. Research on Stability of Filling Sea Island Foundation[C]. The 27th National Symposium on Structure Engineering, Xi'an, 2018)
(0) |
[2] |
朱建军, 邢学敏, 胡俊, 等. 利用InSAR技术监测矿区地表形变[J]. 中国有色金属学报, 2011, 21(10): 2 564-2 576 (Zhu Jianjun, Xing Xuemin, Hu Jun, et al. Monitoring of Ground Surface Deformation in Mining Area with InSAR Technique[J]. The Chinese Journal of Nonferrous Metals, 2011, 21(10): 2 564-2 576)
(0) |
[3] |
Yang Z F, Li Z W, Zhu J J, et al. Use of SAR/InSAR in Mining Deformation Monitoring, Parameter Inversion, and Forward Predictions: A Review[J]. IEEE Geoscience and Remote Sensing Magazine, 2020, 8(1): 71-90 DOI:10.1109/MGRS.2019.2954824
(0) |
[4] |
朱建军, 李志伟, 胡俊. InSAR变形监测方法与研究进展[J]. 测绘学报, 2017, 46(10): 1 717-1 733 (Zhu Jianjun, Li Zhiwei, Hu Jun. Research Progress and Methods of InSAR for Deformation Monitoring[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10): 1 717-1 733)
(0) |
[5] |
童成功, 靳国旺, 滕惠忠, 等. 长空间基线干涉对辅助的时序InSAR岛礁沉降监测[J]. 海洋测绘, 2022, 42(3): 61-65 (Tong Chenggong, Jin Guowang, Teng Huizhong, et al. Long Spatial Baseline Interferometric Pair-Aided Time-Series InSAR Monitoring of Reefs[J]. Hydrographic Surveying and Charting, 2022, 42(3): 61-65)
(0) |
[6] |
肖哲宇, 戚洪帅, 蔡锋, 等. 人工岛建设对海口湾沉积特征与泥沙运移的影响[J]. 海洋学报, 2022, 44(3): 137-146 (Xiao Zheyu, Qi Hongshuai, Cai Feng, et al. The Impact of Artificial Island Construction on Sedimentary Characteristics and Sediment Transport in the Haikou Bay[J]. Haiyang Xuebao, 2022, 44(3): 137-146)
(0) |
[7] |
Ferretti A, Prati C, Rocca F. Permanent Scatterers in SAR Interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(1): 8-20 DOI:10.1109/36.898661
(0) |
[8] |
张志华, 胡长涛, 张镇, 等. 基于PS-InSAR上海地区地表沉降监测与分析[J]. 自然资源遥感, 2022, 34(3): 106-111 (Zhang Zhihua, Hu Changtao, Zhang Zhen, et al. PS-InSAR-Based Monitoring and Analysis of Surface Subsidence in Shanghai[J]. Remote Sensing for Natural Resources, 2022, 34(3): 106-111)
(0) |
[9] |
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
(0) |
[10] |
祝秀星, 陈蜜, 宫辉力, 等. 采用时序InSAR技术监测北京地铁网络沿线地面沉降[J]. 地球信息科学学报, 2018, 20(12): 1 810-1 819 (Zhu Xiuxing, Chen Mi, Gong Huili, et al. The Subsidence Monitoring along Beijing Subway Network Based on MT-InSAR[J]. Journal of Geo-Information Science, 2018, 20(12): 1 810-1 819)
(0) |
[11] |
兰恒星, 赵晓霞, 伍宇明, 等. 钙质岛礁沉降变形过程分析[J]. 中国海洋大学学报: 自然科学版, 2017, 47(10): 1-8 (Lan Hengxing, Zhao Xiaoxia, Wu Yuming, et al. Settlement and Deformation Characteristics of Calcareous Island-Reef[J]. Periodical of Ocean University of China, 2017, 47(10): 1-8)
(0) |
[12] |
张征, 左书华, 崔成. 海南海花岛内海围堤工程及其影响数值模拟研究[J]. 水利科技与经济, 2018, 24(2): 16-22 (Zhang Zheng, Zuo Shuhua, Cui Cheng. Numerical Simulation Study on the Embankment Project of the Enclosed Sea and Its Influence in Haihua Artificial Islands in Hainan[J]. Water Conservancy Science and Technology and Economy, 2018, 24(2): 16-22)
(0) |
[13] |
林辉, 柯长青. COSMO-SkyMed数据在常州市地表形变监测中的应用[J]. 遥感技术与应用, 2016, 31(3): 599-606 (Lin Hui, Ke Changqing. Monitoring Surface Deformation in Changzhou City Using COSMO-SkyMed Data[J]. Remote Sensing Technology and Application, 2016, 31(3): 599-606)
(0) |
[14] |
丁学武, 杨永康. 潮汐对人工岛地下水水位波动动态观测研究[J]. 工程与建设, 2019, 33(3): 327-330 (Ding Xuewu, Yang Yongkang. Dynamic Observation Research on Groundwater Level Fluctuation by Tide in Artificial Island[J]. Engineering and Construction, 2019, 33(3): 327-330)
(0) |
[15] |
左书华, 黄玉新, 谢华亮, 等. 离岸人工岛渗流与防渗数值模拟研究[J]. 科技创新与应用, 2016(28): 10-11 (Zuo Shuhua, Huang Yuxin, Xie Hualiang, et al. Numerical Simulation Study on Seepage and Anti-Seepage of Offshore Artificial Island[J]. Technology Innovation and Application, 2016(28): 10-11)
(0) |
[16] |
李晨, 陈培元, 王龙, 等. 中期旋回格架沉积演化规律及其对渗透率差异的影响——以伊拉克M油田Asmari组A段为例[J]. 东北石油大学学报, 2019, 43(5): 11-24 (Li Chen, Chen Peiyuan, Wang Long, et al. Facies Evolution in the Mid-Term Cycle Framework and the Effects on Permeability Difference: A Case Study of the A Member of Asmari Formation in M Oilfield, Iraq[J]. Journal of Northeast Petroleum University, 2019, 43(5): 11-24)
(0) |