相对于GNSS和传统大地测量手段，合成孔径雷达差分干涉测量(differential interferometric synthetic aperture radar, D-InSAR)技术在地表形变监测中具有精度高、范围广、工作成本低等优点，具备传统监测方式无法比拟的巨大潜力^[1-4]。然而，传统D-InSAR技术容易受时空失相干和大气效应的影响。为解决上述缺陷，以永久散射体干涉测量^[5](persistent scatterer-Insar, PS-InSAR)和短基线集^[6](satellite based augmentation system-InSAR, SBAS-InSAR)为代表的时序InSAR技术成为区域性地表形变监测的主要手段。

围绕时序InSAR技术在城市地表监测中的应用，国内外学者已经做了大量研究，并取得一定成果。Sowter等^[7]提出间断性相干点SBAS方法(intermittent SBAS，ISBAS)，并将该方法用于英国查伍德森林地区进行试验，结果表明：ISBAS方法在植被密集区选取的相干点比SBAS法增加5.8倍，其解算标准差为2~4 mm/a。张子文等^[8]利用SBAS-InSAR时序方法提取了天津市区2007年5月至2009年6月的地表形变信息，然后定量分析了沉降漏斗的分布特征，并指出地下水超采是导致地面沉降的主要因素; 王宏宇等^[9]利用ALOS雷达影像和短基线集技术获取了西安市的地表形变成果，并指出该成果与实测数据吻合较好; 朱猛等^[10]利用ERS-2数据和SBAS-InSAR方法反演了苏州地区的地表时序形变，并分析了2007-2010年的时空演化特征。

本文在已有研究的基础上，利用SBAS方法对南宁市进行地表形变监测，获得了南宁城区地表形变信息。首先根据InSAR结果定性分析了南宁地表形变分布特征，其次把各时段的D-InSAR监测结果叠加，最后对比两种形变结果以验证SBAS方法的可靠性。

1 研究区概况及数据源

本文实验区位于南宁市辖区，主要包括西乡塘区、兴宁区、青秀区、江南区等地，研究区地理范围为22°44′34″N~22°53′52.8″N，108°13′1.2″E~108°25′44.4″E。南宁市坐落于广西壮族自治区，地形主要是以邕江河谷为中心的盆地形态，地面走势总体为北高南低、东高西低，并且盆地周围环绕着一些剥蚀的残丘和低山，如图 1所示，研究区平均海拔约为22~200 m。其次，南宁盆地自晚第三纪以来，地壳运动主要以间歇性隆升为主，但运动不明显^[11]。

本文利用覆盖市区的10景Sentinel1-A卫星影像，完成对南宁市2017-12-23-2019-01-23的地表沉降监测。2014年，欧空局发射了Sentinel1-A卫星(C波段SAR卫星)，采用多模式、全极化成像，单星重访周期为12 d。其中本文采用的Sentinel1-A数据为升轨宽幅干涉成像模式^[12]，单幅影像幅宽为250 km，距离向分辨率为5 m，方位向分辨率为20 m，卫星中心入射角约为33.97°，详细参数见表 1。此外，DEM(digital elvation model)来源于中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn)提供的ASTER GDEM2数据，精度为30 m，用于去除地形相位。

2 InSAR处理方法 2.1 SBAS-InSAR方法

SBAS方法应用了多主影像短时空基线获取干涉对的方法^[13]，并采用奇异值分解(singular value decomposition, SVD)法解算得到年均形变速率图和时序形变图，其具体方法如下^[14]：

获取试验区的N+1幅单视复数SAR数据，然后按时间序列t₀, …, t_N排列，并以其中的任意SAR数据为主影像进行配准; 设置一定的空间基线阈值，并把小于该基线阈值的SAR数据归为一类，一共可分为X类; 分别对X类SAR数据进行差分干涉处理，生成M个差分干涉图，其中M满足:

$ \frac{{N + 1}}{2} \le M \le \frac{{N\left( {N + 1} \right)}}{2} $

(1)

以t₀为初始时刻，则主从影像A、B(对应的时刻分别为t_A和t_B，且t_A>t_B)生成的第i幅差分干涉相位图，其任意像元(x, y)处的干涉相位可表示为：

$ \begin{array}{l} \delta \phi = \phi \left( {{t_A}, x, y} \right) - \phi \left( {{t_B}, x, y} \right) \approx {\phi _{{\rm{def}}}}\left( {x, y} \right) + \\ \;\;\;\;\;{\phi _{{\rm{APS}}}}\left( {x, y} \right) + {\phi _{{\rm{noise}}}}\left( {x, y} \right) + {\phi _{{\rm{topo}}}}\left( {x, y} \right) \end{array} $

(2)

式中，ϕ_def(x, y)表示视线向形变相位，是SAR卫星在t_A、t_B两时刻间沿LOS(line of sight)向地表形变产生的干涉相位; ϕ_APS(x, y)表示大气延迟相位，由t_A、t_B两时刻之间大气不同所引起的; ϕ_topo(x, y)表示残余地形相位，由研究区地形的高低起伏引起的，通常可采用辅助DEM去除; ϕ_noise(x, y)表示噪声相位，由传播过程中的各种热噪声造成的。

$ {\phi _{{\rm{def}}}}\left( {x, y} \right) = \frac{{4{\rm{ \mathsf{ π} }}}}{\lambda }\left[ {d\left( {{t_A}, x, y} \right) - d\left( {{t_B}, x, y} \right)} \right] $

(3)

式中，λ为SAR卫星传感器波长; d(t_A, x, y)和d(t_B, x, y)分别为t_A、t_B时刻相对于t₀时刻的的视线向地表形变。

2.2 数据处理

为提高处理效率，先根据研究区地理范围对SLC(single look complex)影像进行裁剪。本文选取2018-03-29数据为主影像，然后设定时间基线阈值为300 d，空间基线阈值为100 m，共生成40个干涉对，如图 2所示。图 2中的黄色点表示主影像，绿色点表示从影像，绿色实线表示干涉像对。其中，最大时间基线为300 d，最大空间基线为95.1 m。基于SARscape软件对所有干涉像对进行干涉处理，包括相干图生成，干涉图去平、滤波以及相位解缠，并把所有像对都配准到主影像上。其中，多视视数设置为1×4(距离向和方位向); 解缠相关系数阈值设定为0.2，并采用Minimum Cost Flow方法对阈值大于0.2的像元点进行解缠; 采用30 m GDEM2模拟地形相位，以去除地形相位误差。在稳定区域选择35个GCP(ground control point)点，并采用多项式方法进行轨道精炼和重去平处理。第一次SBAS反演时，先估算残余地形，并通过二次解缠来优化所有干涉图; 第二次SBAS反演时，通过时空高低通滤波去除大气相位误差，最终把所有形变序列转换到地理坐标系下。

图 3为地理编码后的相干系数图，通过统计分析可知研究区的平均相干系数为0.5，相干性低的区域主要分布在河流、湖泊以及树林等地，但范围较小，所以研究区总体相干性良好。

3 地表形变结果分析 3.1 监测结果

通过InSAR处理，得到研究区在2017-12-23-2019-01-23沿视线向的年均形变速率图和累积形变量，分别如图 4、图 5所示。

该时段内，南宁市最大的地表沉降速率约为23.52 mm/a，最大累积沉降量约为31.55 mm; 研究区最大地表隆升速率约为17.77 mm/a，最大累积隆升量21.87 mm。从图 4、图 5可知，研究区地表形变极不均匀。其中，西乡塘区北部呈下沉趋势，主要分布在长巷、北湖村以及大塘村等地，沉降量约为5~20 mm; 西乡塘区中部、西部呈隆升趋势，主要分布在甘棠、四联村等地，隆升量约为5~15 mm; 西乡塘区南部地表相对稳定，主要分布在上尧乡，其形变量约为±5 mm。江南区西部及中部沉降最为严重，主要分布在屯头、同乐村以及丰甘子园等地; 江南区北部及东部呈轻微隆升趋势，其隆升量约为5~10 mm。青秀区东部呈沉降趋势，沉降中心主要分布在会展中心及南宁东站等地，该区域为新城区，城市建设可能是产生沉降的主要因素; 青秀区西部呈隆升趋势，主要分布在园上坡等地，隆升量约为0~10 mm。兴宁区除东北局部区域表现为抬升，其余区域均表现为下沉趋势，沉降中心主要分布在鸡村。

前期研究表明^[15]，南宁市在2016年1月-8月的最大年均沉降速率约为21.67 mm/a，主要分布在西乡塘; 最大抬升速率约为24.18mm/a，主要分布在青秀区和江南区。通过对比发现，南宁市的沉降量呈增大趋势，隆升量呈减小趋势，形变区没发生明显转移，表明南宁市2016-2018年地表总体稳定，但也存在一定差异。产生差异的主要原因是：①所采用的SAR数据和DEM的精度不同; ②研究区范围的界定不同; ③所采用的InSAR处理方法不同。

3.2 监测结果验证

由于缺乏南宁市区的实测数据，本文选取其中6景Sentinel1-A数据组成5个干涉对分别进行差分干涉实验，以便对SBAS监测结果进行验证。其中包括20171223和20180209干涉对、20180209和20180504干涉对、20180504和20180808干涉对、20180808和20181031干涉对以及20181031和20190123干涉对，然后利用ArcGIS中的叠加分析工具提取5个干涉对的总形变结果，如图 6所示。

对比图 5和图 6发现：两种方法所得监测结果总体上具有一致性，其中在江南区西部、青秀区东部以及西乡塘区北部、兴宁区中部等地，地表均呈下沉趋势; 在江南区东部、青秀区西南部，地表呈隆升趋势。但是，两者在局部也存在一定的差异，SBAS方法获得研究区的最大形变量约为31.55 mm，而D-InSAR获得的最大形变量为39.93 mm。其中在西乡塘区西部，SBAS结果呈隆升趋势，但DInSAR结果隆升趋势不明显，几乎呈现出一定的下沉趋势。监测结果的差异可能和下列因素相关：①D-InSAR受时空失相干的影响大; ②研究区总体形变量较小，而传统D-InSAR方法对微小形变监测能力不如SBAS方法敏感。

在SBAS方法得到的累积形变结果和D-InSAR方法得到的形变量中提取13个同名点，统计两者的形变结果和差异，如表 2及图 7所示。从表 2和图 7中可以发现，13个同名点所对应的的形变趋势具有一致性，其中在同乐村和园上坡两者差异较大，分别为7.285 mm、-4.985 mm，其余11个同名点差异值均小于3 mm。

4 结束语

本文通过介绍SBAS方法对城市地表形变监测的原理，然后利用2017年12月至2019年1月期间接收的10景Sentinel1-A影像数据进行处理，得到南宁市的年均地表形变速率图和时序形变量。把5个时间段内D-InSAR提取的形变量进行叠加，得到总形变量，然后和SBAS结果对比验证。实验结果表明：

1) 2017-2019年时段，南宁市地表形变极不均匀，最大沉降速率约为23.52 mm/a，最大抬升速率约为17.77 mm/a。沉降区主要分布在西乡塘区北部、江南区西部及中部、青秀区东部; 西乡塘区西部、江南区东部、青秀区西部等地呈隆升趋势。

2) SBAS和D-InSAR所得监测结果总体上具有一致性，但局部存在一定差异。SBAS方法提取的最大形变量约为31.55 mm，D-InSAR提取的最大形变量为39.93 mm。所提取的同名点中，在同乐村和园上坡两者差异较大，分别为7.285 mm、-4.985 mm，其余11个同名点差异值均小于3 mm。

致谢: 感谢欧空局免费分发的Sentine-1数据以及中国科学院计算机网络信息中心地理空间数据云平台提供的DEM数据。