| MT-InSAR技术监测水库土石坝表面变形研究 |
2. 深圳市水务科技发展有限公司,广东 深圳, 518000
2. Shenzhen Water Science and Technology Development Co., Ltd., Shenzhen 518000, China
根据2016年全国水利统计,我国已建成各类水库约9.8万座,其中约90%为土石坝[1]。坝体表面变形监测是分析和评价水库土石坝安全的重要基础资料,是安全监测的重要内容之一。
随着卫星遥感技术的发展,雷达干涉测量技术(interferometric synthetic aperture radar,InSAR)已成地表变形监测的一种有效方法[2]。由于其具有全天候、高精度、大范围、面覆盖等监测优势,InSAR技术已逐步应用至地裂缝监测、城市地面沉降、滑坡监测等领域[3-7]。
近几年,已有若干学者对利用InSAR技术监测水库大坝变形开展了研究[8, 9]。已开展的InSAR监测大坝变形,主要侧重于大型坝体。本文利用多时相InSAR技术开展中小型水库土石坝体(长岭陂水库坝体)扩建后的表面沉降过程监测,研究升降轨获取的坝体变形场的一致性和差异,并对比分析InSAR与水准监测结果。
1 水库土石坝与SAR影像数据 1.1 主坝体结构情况长岭陂水库位于深圳市龙华新区,为了增加蓄水量,水库在原址基础上进行扩建,坝体加高了10 m多。
长岭陂水库主坝体结构如图 1所示,原坝顶的高度为56.4 m,扩建后坝顶的高度为66.7 m,原坝顶和扩建后坝顶的空间位置如图 1中橙色和浅蓝色实线所示。扩建完成后,水库主坝体进行了水准监测,共计布设水准点28个,分4个纵断面和7个横断面布设,监测点空间分布情况见图 1。所收集水准监测数据的时间段为2011年8月至2012年5月,期间共进行了4期沉降监测。
![]() |
| 图 1 主坝体结构图 Fig.1 Structure of Main Dam |
1.2 SAR影像数据
收集了覆盖长岭陂水库的22景升轨TSX影像和28景降轨CSK影像,如表 1。TSX和CSK影像所覆盖的时间段基本一致,且与人工监测时间段相重合。
| 表 1 SAR影像参数 Tab.1 Parameters of SAR Images |
![]() |
图 2为水库主坝体平均强度影像。图 2(a)为基于升轨TSX卫星影像; 图 2(b)为降轨CSK卫星影像。水库坝体迎水面为水泥面板,后向散射信号较弱;背水面为草皮,后向散射信号相对较强。由于坡面倾角小于22°,而雷达卫星的本地入射角最大为37°,因此未产生阴影。但是由于卫星轨道与坝体走向的关系,面向SAR卫星的坡面存在透视收缩,使得坡面在雷达视线方向缩短。
![]() |
| 图 2 主坝体平均强度影像 Fig.2 Average Amplitude of Main Dam |
2 MT-InSAR数据处理
本文利用深圳市水务规划设计院研发的RapidSAR软件,采用多时相InSAR(multi-temporal InSAR,MT-InSAR)处理方法,对SAR影像序列进行变形分析,见图 3。选取强度稳定的永久散射体(persistent scatterers,PS)和后向散射分布相近的同分布散射体(distributed scatterers,DS)作为监测点,并通过相位解算和时间序列分析获取土石坝表面形变场。
![]() |
| 图 3 MT-InSAR技术流程 Fig.3 Procedure of MT-InSAR Technology |
1) PS点和DS点选取。考虑到PS点的振幅趋向于服从正态分布[10],可采用振幅离差法实现PS点的选取。本文选用经验值0.35为振幅离差指数阈值,以减少高相干点漏选和噪声点引入。
基于强度影像序列进行非参数的KS(Kolmogorov-Smirnov)检验,实现窗口中DS点的有效选取[11]。基于地物特性和SAR影像情况,本文选用窗口大小为11像素×11像素,以保证相干性估计的平稳性。
2) DS点相位估计。基于同分布像素点开展同质滤波,获取DS点的相位和相干系数估计值[11, 12],并以相干系数平均值0.3为阈值对DS候选点进行筛选,最后采用极大似然估计方法获取DS点的最优时序相位值[12]。
3) 时间序列分析。基于PS和DS候选点建立三角网,实现相邻候选点的连接。相邻候选点的相位差可表示为[10]:
| $ \Delta \varphi = \frac{{4\pi }}{\lambda }\frac{{{B_ \bot }}}{{R{\rm{sin}}\theta }}\Delta \varepsilon + \frac{{4\pi }}{\lambda }T\Delta v + \Delta \omega $ | (1) |
式中,B⊥为垂直基线;R为卫星与目标的距离;θ为入射角;Δε为DEM误差;T为干涉对时间间隔;Δv为变形速度;Δω为残余相位。通过使时间相干系数γ最大化[10],可求解Δv和Δω的最优估值,有:
| $ \gamma = \left| {\frac{1}{N}\sum\nolimits_{k - 1}^N {{\rm{exp}}({\rm{j}}\Delta {\varphi ^k})} } \right| $ | (2) |
式中,N为SAR影像数量;j为复数单位。考虑到残余相位中不同成分在时空域的表现特征,通过时空滤波方法实现高相干点的轨道误差和大气相位的估计和去除。
3 InSAR监测结果分析 3.1 InSAR监测结果本文采用MT-InSAR技术对土石坝表面变形进行分析,选取时间相关系数大于0.7的像素点为相干监测点,最终获取的长岭陂水库土石坝表面监测点在雷达卫星视线方向(line of sight,LoS)的线性变形速率如图 4所示。本文方法可在水库土石坝表面获取较多的可信监测点,其中TSX影像提取PS点773个,DS点3 553个;CSK影像提取PS点349个,DS点2 143个。
![]() |
| 图 4 长岭陂水库主坝体表面变形速率图 Fig.4 Deformation Rate of Main Dam of Chang-Lingpi Reservoir |
在2011年5月至2012年6月期间,两种SAR影像均监测到新扩建的水库坝体表面存在不均匀的变形场,原坝体背水面变形较小。新扩建坝体变形场空间特征为:靠近坝顶监测点变形较大,坝底和坝肩位置监测点变形较小。在坝顶位置,TSX、CSK所获取监测点的最大变形速率分别为-28 mm/a和-30 mm/a。坝体正处于建设完工初期,回填土孔隙比较大,受自身重力压实作用会产生固结,可导致大坝表面出现沉降。另外两种卫星获取的变形场的空间分布和量级存在一定差异,这主要是因为:一方面坝体表面沉降在升降轨卫星视线方向的投影不一致;另一方面坝体斜坡表面的顺坡向滑动在雷达近距面难以反映而在远距面得到体现。
监测点A、B、C(图 5)在2011年5月至2012年6月期间内的变形情况如图 5所示。3个监测点在观测期间均出现了明显的变形,且基本为线性变形。TSX和CSK影像在点A、B、C的累计变形量分别为-26.4 mm、-21.3 mm;-32.8 mm、-25.7 mm;-20.9 mm、-18.4 mm。
![]() |
| 图 5 监测点变形序列 Fig.5 Deformation Series of Monitoring Points |
沿坝顶线P-P′每隔10 m选取1个目标点,并基于目标点选取周边临近的InSAR监测点进行均值运算,所获取的坝顶沿线变形速率剖面线如图 6所示。分析TSX(三角形)和CSK(圆形)监测结果可知,两者在观测期间内的变形速率基本一致,差值为2.1 mm/a,标准差为3.3 mm/a。同时,两者均发现沿坝轴线坝体存在较大的不均匀沉降,可能与坝体回填土深度相关。
![]() |
| 图 6 坝顶纵轴线变形速率(P-P′) Fig.6 Deformation Rate of Longitudinal Axis of Dam Crest (P-P′) |
3.2 水准与InSAR结果对比分析
本文将InSAR监测结果与坝体设立监测站的同期水准测量结果进行比较分析,其中TSX和CSK监测结果为其在雷达卫星视线方向的观测量。图 7列出了28个水准点及临近InSAR监测点对比结果。分析可知,TSX、CSK与同期水准测量获取的变形速率具有较高的一致性,TSX与水准的变形速率差值为2.0 mm/a,标准差为2.8 mm/a;CSK与水准的变形速率差值为3.1 mm/a,标准差为3.4 mm/a,表明本文计算结果具有较高可靠性。
![]() |
| 图 7 InSAR与水准测量结果比较 Fig.7 Comparison Between InSAR and Leveling |
考虑到3种数据源监测点的空间位置不统一,本文选取临近水准点的InSAR监测点进行均值运算,并与水准结果进行对比分析。若所选取的相干点距离水准点较远,变形行为可能会不一致,易造成对比结果存在偏差。另外,在水库初蓄期,库水位变化幅度较大,会导致坝体出现水平方向的位移,同样会引起对比结果的差异。
4 结束语本文依据高分辨率的升轨TSX影像和降轨CSK影像,采用融合PS和DS的MT-InSAR技术,获取了长岭陂水库土石坝扩建后的表面变形场。融合PS和DS的方法,大幅提高了坝体表面变形InSAR监测点的空间分布密度。通过对比InSAR结果与人工观测结果可知,InSAR技术监测结果具有较高的可靠性,可做为水库坝体表面变形监测的有效手段。后续的研究中,可综合考虑水库坝体几何结构以及雷达卫星视线等因素,融合升降轨雷达影像监测结果,以提取坝体表面的三维形变场。
| [1] |
中华人民共和国水利部. 2012年全国水利发展统计公报[M]. 北京: 中国水利水电出版社, 2013.
|
| [2] |
Rosen P A, Hensley S, Joughin I R, et al. Synthetic Aperture Radar Interferometry[J]. Proceedings of the IEEE, 2000, 88(3): 333-382. DOI:10.1109/5.838084 |
| [3] |
陈强, 刘国祥, 李永树, 等. 干涉雷达永久散射体自动探测——算法与实验结果[J]. 测绘学报, 2006, 35(2): 112-117. DOI:10.3321/j.issn:1001-1595.2006.02.004 |
| [4] |
葛大庆, 王艳, 郭小芳, 等. 基于相干点目标的多基线D-InSAR技术与地表形变监测[J]. 遥感学报, 2007, 11(4): 574-580. |
| [5] |
许才军, 何平, 温扬茂, 等. InSAR技术及应用研究进展[J]. 测绘地理信息, 2015, 40(2): 1-9. |
| [6] |
杨梦诗, 廖明生, 史绪国, 等. 联合多平台InSAR数据集精确估计地表沉降速率场[J]. 武汉大学学报·信息科学版, 2017, 42(6): 797-802. |
| [7] |
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): 1717-1733. DOI:10.11947/j.AGCS.2017.20170350 |
| [8] |
Wang T, Perissin D, Rocca F, et al. Three Gorges Dam Stability Monitoring with Time-Series InSAR Image Analysis[J]. Science China Earth Sciences, 2011, 54(5): 720-732. DOI:10.1007/s11430-010-4101-1 |
| [9] |
Tomás R, Cano M, García-Barba J, et al. Monitoring an Earthfill Dam Using Differential SAR Interferometry: La Pedrera Dam, Alicante, Spain[J]. Engineering Geology, 2013, 157: 21-32. DOI:10.1016/j.enggeo.2013.01.022 |
| [10] |
Ferretti A, Prati C, Rocca F L. Permanent Scatterers in SAR Interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(1): 8-20. DOI:10.1109/36.898661 |
| [11] |
Ferretti A, Fumagalli A, Novali F, et al. A New Algorithm for Processing Interferometric Data-Stacks: SqueeSAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(9): 3460-3470. DOI:10.1109/TGRS.2011.2124465 |
| [12] |
王明洲, 李陶, 江利明, 等. 地表形变监测的改进相干目标法[J]. 测绘学报, 2016, 45(1): 36-43. |
2019, Vol. 44









