基于SBAS技术的深圳市地表形变监测

詹景祥，马 玚,管玉琦

(1.广东省地质测绘院，广东 广州 510800；2.黑龙江第三测绘工程院，黑龙江 哈尔滨 150086;3.黑龙江省恒信测绘有限公司，黑龙江 哈尔滨 150050)

InSAR技术利用传感器的系统参数和成像几何关系等精准测绘地表某一点的高程及其形变信息，是一门极具潜力的空间对地观测新技术。目前在城市地表形变、山体滑坡、地震、泥石流等监测中广泛应用，取得成果[1-3]。2011年Manunta 等采用SBAS技术对意大利中部翁布里亚地区的灾害识别与形变监测[4]，Lauknes 等采用SBAS技术对挪威北部灾害活动区域进行变形监测，并绘制灾害分布图[5]，Stimely也利用SBAS技术采用L-band数据获取美国加州森林覆盖区域的Boulder Creek灾害的形变时间序列[6-9]。对于长时间缓慢地表形变，在极端情况下由于失相干严重导致常规InSAR技术失效。SBAS技术可有效克服常规InSAR技术失相干和大气效应的影响，大大提高形变监测精度，监测精度可达毫米级[10-12]。

本文将以TerraSAR数据为数据源，利用SBAS技术获取深圳市2013年3月～2015年11月的地表形变监测结果。其监测结果可用于提升城市地质灾害、建筑安全等监测预警和防范能力，推动应急管理由救灾响应型向防灾准备型转变，对保障城市安全运行和人民群众生命财产安全具有重要的意义。

1 SBAS技术原理

SBAS技术是Berardino于2002年提出的一种改进的D-InSAR时间序列分析技术[13]，现如今已经被广泛应用于低分辨率、大范围尺度上的形变。SBAS技术通过组合一定时间基线、空间基线范围内的影像对，产生的一系列基于不同主影像的时间序列干涉图集，并对集合内的干涉对进行常规差分干涉处理，再利用奇异值分解(SVD)方法，将多个短基线集组合起来进行求解，该技术缓解大气延迟所造成的影像，提高监测的时间分辨率，有效地解决了各个数据集之间由于空间基线过长而造成的时间不连续的问题，可以得到整个观测时段内的时间序列结果和沉降速率。

1)获取同一区域按照时间顺序t0,t1,…,tN排列的N+1幅SAR影像，选取其中一幅影像作为主影像，并将其他SAR影像配准到这幅影像上。N+1幅SAR影像可生成M幅多视差分干涉图。

2)从影像tA和主影像tB(tB>tA)时刻获取的SAR影像生成的第j幅差分干涉图，方位向坐标为x和距离向坐标r的像素的干涉相位可以写为

δφj(x,r)=φB(x,r)-φA(x,r)≈

(1)

δφj(x,r)=φB(x,r)-φA(x,r)≈

(2)

3)为了获得具有物理意义的沉降序列，将式(2)中相位表示为两个获取时间之间平均相位速度和时间的乘积：

(3)

第j幅干涉图的相位值为

(4)

即各时段速度在主、从影像时间间隔上的积分。写成矩阵形式：

Bν=δφ.

(5)

最后采用SVD方法得到矩阵B的广义逆矩阵，进而得到数据矢量的最小范数解，通过各时间段速度的积分得到形变量。

2 SBAS数据处理

本次实验选用了28景TerraSAR/TanDEM-X数据，采用X波段，波长为5.6 cm。获取的卫星影像的时间跨度为2013—2015年。其中DEM数据采用来自日本JAXA的30 m分辨率的DEM数据。表1为25景TerraSAR/TanDEM-X影像基本信息，图1红色方框为本研究范围。

表1 TerraSAR影像信息

续表1

图1 TerraSAR/TanDEM-X卫星影像覆盖范围

2.1 干涉数据集获取

本次SBAS数据处理中，时间基线阈值设定200 d，垂直基线阈值设定为20%临界基线，共生成73对干涉影像对。按照干涉像对进行干涉图的生成。影像配准的信噪比(SNR)阈值设定为5、格网大小设定为25 m×25 m、滤波方法采用Goldstein滤波，滤波窗口大小为64，重叠度为80%，平滑窗口大小为5、相位解缠采用Delauny三角网最小费用流法，解缠阈值设定为0.38。

由于干涉条件差导致出现质量较差的干涉图，需要去除后减少干涉相位对最终结果的干扰。对解缠干涉图进行目视图像解译，挑选出现大量明显的相位跳变以及大面积的低相干区域的解缠干涉图，选出44对并予以去除。为保证有足够的干涉像对，在去除干涉质量差的干涉对以后又添加了5对干涉像对进行补充。最终的干涉数据集包含34对干涉像对。

2.2 形变速率反演和地理编码

SBAS反演分为两个步骤，①反演估计位移速率和残余地形，对合成的干涉图去平，重新相位解缠和轨道精炼;②反演在第一次得到的形变速率基础上，进行大气滤波，估算和去除大气和噪声相位。在时间序列形变后，对结果进行地理编码。将解算结果归算到WGS-84坐标系下，进行地理编码的时候。平面精度阈值设定为10，高程精度阈值设定为16。图2即为平均形变速率图。

图2 TerraSAR/TanDEM-X平均沉降速率分布(垂直形变/mm)

3 结果分析

在使用TERRASAR-X/TANDEM-X卫星数据得到的沉降速率分布图中，显示莲麻坑的矿场出现了平均-104.69 mm的沉降现象。由沉降速率分布图可以看出该矿坑的沉降高发区域为矿坑南侧的部分，而矿坑北侧的废液池部分则大体处于稳定状态，见图3。

图3 莲麻坑矿山地表沉降分布

分别对莲麻坑南部和北部提取3个特征点进行时间系列分析，得到其形变规律，图4为选取的莲麻坑特征点分布图，图5为莲麻坑矿山北部采样点时间序列，图6为莲麻坑矿山南部采样点时间序列。从图5中3个采样点的形变趋势可以看出，莲麻坑矿山北部区域没有明显的持续沉降现象，从图6中3个采样点的形变趋势可以看出，莲麻坑矿山南部存在较为明显的下沉趋势，累计沉降量可以达到将近200 mm。

图4 莲麻坑时间序列采样点的分布

图5 莲麻坑矿山北部采样点时间序列形变

此外，在研究中发现深圳市前海区沿岸区域观测到较大范围的沉降信号，该区域的相干目标点的年平均沉降速率可达30～40 mm/year。图7为前海区沉降速率分布图，在前海区域提取3个有代表性的相干目标(见图8)，其时间序列形变结果如图9所示。可以看出该区域的3个采样点都显示相对一致的沉降趋势以及沉降信号的量级，累计均达到50 mm。

图7 前海区沉降速率分布

图8 前海区特征点分布

图9 深圳市前海区特征点时间序列形变

4 结 论

采用SBAS方法对深圳市区进行时间系列形变监测，基本查明深圳市在监测期间的地表形变演化历史，并对灾害隐患点进行详细分析。在雷达影像覆盖的区域存在较多灾害隐患点，隐患点多聚集在前海、福田、深圳机场等地区。大部分地区累计下沉量在-10～10 mm之间，前海区域以及机场区域下沉明显，年均下沉量大于-50 mm。同时本研究对深圳市地铁沿线、深圳市福田区范围内的超高层建筑区等高风险区域目标的InSAR相干目标点进行采样分析，提取相干目标点形变的时间序列。得出深圳市地铁11号线沿线的前海区以及红树湾区两个沿海的区域出现较为明显的沉降现象。同时基于SBAS得到的地表形变结果，对位于罗湖区的五方家居乐建材市场区域相干目标进行位移分析，发现该建材市场由于周边区域的基坑开挖以及地铁运营联合影响而出现的相干目标移位现象。