insar监测预算4篇insar监测预算 应用时间序列InSAR技术监测上海磁悬浮列车专线形变# 蒋亚楠1，杨梦诗1，廖明生1，王寒梅2**（1.武汉大学测绘遥感信息工程国家重下面是小编为大家整理的insar监测预算4篇,供大家参考。
篇一：insar监测预算
时间序列 InSAR 技术监测上海磁悬浮 列车专线形变#蒋亚楠1， 杨梦诗1， 廖明生1， 王寒梅2** （1. 武汉大学测绘遥感信息工程国家重点实验,武汉 430079；
2. 上海市地质调查研究院,上海 200072）
摘要：
新一代高分辨率、 短重访周期 SAR 卫星的发射运行， 不仅能满足时间序列 InSAR 技 术在大范围地表沉降监测方面的数据需求， 还可以监测到大型人工线状地物的形变， 使得 对短周期、 微小形变的监测和预警成为可能。
本文以上海市在运营的磁悬浮列车专线为研 究对象， 利用时间序列分析方法对 2011 年 9 月至 2012 年 10 月期间的 15 景 TerraSAR-X 数 据进行了 处理和分析， 实验结果表明高分辨率 SAR 数据可以用于公共交通设施微小形变的 监测， 在公共安全领域具有广阔的应用前景。
关键词：
磁悬浮列车专线； 形变监测； 高分辨率 SAR 影像； 时间序列分析技术 中图分类号：
请查阅《中国图书馆分类法》
Deformation monitoring of Shanghai maglev train based on the time-series analysis of InSAR data JIANG Yanan1, YANG Mengshi1, LIAO Mingsheng1, WANG Hanmei2 (1. State Key Laboratory of Information Enginerring in Surveying, Mapping and Romete Sensing,Wuhan University, Wuhan 430079; 2. Shanghai Insititute of Geological Survey, Shanghai 200072) Abstract: With the appearance of high resolution, short re-visit cycle radar satellite data, it can not only be used in monitoring land subsidence in large area, but can be used in obtaining the deformation of large buildings and transportation network and made the short-term small deformation monitoring possible. In this paper, time-series analysis of InSAR data is carried out to detect the deformation of Shanghai maglev track. The dataset of 15 TerraSAR-X images were acquired from September, 2011 to October, 2012. Experimental result shows that high resolution SAR data has a good prospect of application in monitoring deformation for public facilities security Key words: maglev train; deformation monitoring; time series analysis; high-resolution SAR Images
0 引言 5
10
15
20
25
30
35
40 上海是受地面沉降影响最大的城市之一。
地面沉降是城市地区的主要地质灾害， 具有不 可逆和累加的特点， 其影响范围和发展速度在不同空间、 时间上具有较大的差异性[1]。
地面 沉降的空间差异会造成地表以上人工地物的不均匀沉降， 直接影响到大型单体建筑物、 城市 轨道交通、 磁浮列车等大型线状工程的运营安全。
因此， 在上海市开展定期的形变监测对确 保重大工程和基础设施建设安全具有重要意义。
1961 年以来， 上海市逐步兴建地面沉降监测网络。
迄今为止， 上海地面沉降检测网络 已基本建成， 主要由地面沉降水准检测网， GPS 地面沉降检测网， 沉降监测站以及水位动
基金项目：
高等学校博士学科点专项科研基金项目(博导类) （编号：
20110141110057）
作者简介：
蒋亚楠（1988-）
， 女， 博士研究生， 主要研究利用时间序列 InSAR 技术提取和分析地表行变场 通信联系人：
廖明生（1962-）
， 男， 教授， 主要从事航空航天遥感影像信息处理的理论与方法的研究.
liao@whu.edu.cn
-1-
态监测网几部分组成[2]。
然而， 这些测量手段受限于人力、 物力的投入太大， 使得形变监测 点的密度很低， 难以满足交通路网这种长达数十公里至上百公里的大型线状地物的监测要 45 求。
相对于常规的形变监测手段， 雷达差分干涉测量(DInSAR)具有监测范围大， 空间分辨 率高， 重复周期稳定等优势， 且其观测精度理论上可达到厘米级[3]。
意大利米兰理工大学的 学者 A. Ferretti, C. Prati 和 F. Rocca 等人提出了永久散射体技术（PSInSAR）
[4-5]， 克服了 传 统 D-InSAR 技术实施过程中的时间、 空间去相关和大气效应等问题。
该技术的研究目标集中 50 在长时间序列中保持高相干的点目标上 [6-7] ， 并且其理论观测精度可达到毫米级。
近年来，
利用 PS-InSAR 方法检测地面沉降已取得了 丰富的研究成果， 在上海、 天津、 广州等地得了
与实测沉降趋势相符的结果， 达到了 获得毫米级地表形变信息的能力， 从而证实了 该方法的 应用潜力[6-8]。
随着新一代高分辨率雷达卫星的出现， PS-InSAR 技术检测地表形变的优势更突出。
以 55
60
65 TerraSAR-X 卫星为例， 其优势主要体现在以下三个方面：
（1）
分辨率的显著提高， 使得落 到单体建筑或者交通网络上的 PS 点数量大大增加， 很大程度上提高了 大型人工地物形变监 测可能性和准确性。
（2）
重访周期的大大缩短， 不仅使得短期形变的监测成为可能， 而且 可以给出更为细致的形变变化规律， 更能反应出短期内建筑物或者线状地物的运营状况。
（3）
X 波段进行影像数据获取， 其形变监测精度 C 波段和 L 波段更高， 对发现短期内的 地表微小形变更为有效。
因此， 高分辨率 SAR 卫星不仅能满足大范围地表沉降监测的数据 需求， 还可以检测到主要交通网络上的形变， 使得对短周期微小形变的监测成为可能。
城市公共交通网络， 包括地铁、 公路、 铁路、 磁悬浮等， 是城市大容量、 大众化公共客 运交通的主要力量， 对城市的发展和城市建设起着积极的促进和引导作用。
然而， 由于公共 交通运输乘客人员密度较大， 流量多， 一旦发生事故， 后果不堪设想。
近些来年， 公共交通 运输的灾害问题也愈来愈引起人们的重视。
安全运营是城市交通系统的生命线， 加强城市公 共交通网络的形变监测研究， 对保障城市交通运输安全运营以及乘客人身安全至关重要。
本文以上海市磁悬浮列车专线为例， 采用高分辨率 TerraSAR-X 数据进行永久散射体技 术（PS-InSAR）
研究， 目 的是为了提取磁悬浮轨道的形变速率， 进而验证 TerraSAR-X 高分 辨率数据在永久散射体沉降监测应用中存在的优点及不足， 并针对这些问题进行探讨。
70
1 原理与方法 PS-InSAR 技术本质上是一种时间序列 DInSAR 分析技术。
首先， 利用多景覆盖同一地区 的 SAR 影像集， 统计分析影像中相位和幅度信息， 查找不受时间、 空间基线去相关和大气相 位屏影响的点目 标作为 PS 点， 如人工建筑、 裸露的岩石、 人工布设的角反射等。
这些点目 75
80 标几何尺寸通常小于影像分辨单元， 而且散射特性比较稳定， 在长时间序列中表现出很好的 相干性。
利用这些离散的 PS 点， 可以获得可靠的相位信息， 进而反演出亚米级精度的 DEM 和进行毫米级地表形变探测。
该技术处理主要包括四个部分：
时序差分干涉图的生成、 PS 点的探测、 PS 提取和形变 速率估算， 并在此基础上对形变结果进行时间序列分析。
1）
时序差分干涉图的生成：
依据总体相干性指标最大的原则， 选择 15 景 TerraSAR 数 据集中的一景数据作为主影像， 并与其它 SAR 影像进行干涉处理， 得到干涉图集。
然后利 用外部辅助的 DEM 去除地形相位的贡献， 得到时间序列上的差分干涉图集。
-2-
2）
PS 点的探测：
为了进行永久散射体干涉处理， 首先要在长时间序列 SAR 图像上识 别出相位稳定的散射点。
上海磁悬浮高架轨道采用钢质和混凝土等硬质结构， 可以在长时间 85
90
95
100
105 序列上的 SAR 影像上中保持较高的相干性。
本文利用 SAR 影像的振幅离差指数来确定永久 散射体候选点（PSC）
， 用幅度的稳定性近似表达相位的稳定性。
3）
PS 提取：
计算时间相干系数并结合统计分析， 从 PSC 中迭代筛选出点目 标， 剔除 只在部分干涉图中保持稳定的点目标以及临近 PS 点的旁瓣点目标。
4）
形变量估算：
确定 PS 点后， 紧接着进行对相位进行三维时空解缠， 解缠后的相位 通过最小二乘估计出地形误差相位， 利用滤波去除出大气相位， 最终分离出形变相位。
进而 恢复出形变相位， 求解出地表形变速率。
得到形变速率估计值沿雷达视线方向， 将其沿垂直 于地面的方向进行投影， 即得到垂直于地面方向的速率分量——地面沉降速率。
高分辨率雷达卫星的出现， 使得大型公共交通设施在影像上清晰可见， 为利用 PS-InSAR 技术检测主要交通路线的形变提供了 必要条件。
本文旨在将高分辨率的 TerraSAR-X 数据用 于磁悬浮列车轨道形变速率的提取， 并在此基础上利用时间序列分析方法对结果进行了分析 和讨论。
2 实验及结果分析
2.1 研究区域及实验数据 上海磁悬浮列车是世界上运行速度最快的商业运营高速磁悬浮列车（如图 1 所示）
。
列 车专线西起上海地铁 2 号线的龙阳路站， 东至上海浦东国际机场， 全长约 30 公里。
与轮轨 高速列车相比， 磁悬浮列车运行速度更快速、 更平稳[9-10]。
本文实验数据为 15 景条带模式的 TerraSAR-X 卫星数据， 分辨率为 3m， 时间跨度为 2011 年 9 月到 2012 年 10 月， 覆盖范围为图所示 2 所示。
利用总体相干性最大指标， 选择 2011 年 12 月 2 日的影像为主影像， 其他图像与其进行干涉处理， 干涉的时间和空间基线如图 2 所示。
外部辅助 DEM 选取 SRTM (Shuttle Radar Topography Mission)的 3 弧秒分辨率的 DEM，
用于地表形变检测方法的地形相位去除。
图 1， 上海磁悬浮运营示意图 Fig1. The sketch map of Shanghai maglev train
图 2， TerraSAR-X 卫星数据空间覆盖范围 Fig2. The coverage of the TerraSAR-X image 110 表 1， SAR 数据集 Table1. The experimental SAR dataset 序号 影像获取时间
-3- 轨道号
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
2011-09-27 2011-10-19 2011-11-10 2011-12-02 2011-12-24 2012-01-26 2012-02-28 2012-03-21 2012-04-12 2012-05-26 2012-07-09 2012-07-31 2012-09-13 2012-09-27 2012-10-16
23372 24106 24440 24774 25108 25609 26110 26444 26778 27446 28114 28448 29116 29283 29617
2.2
磁悬浮列车专线形变监测结果 由于， 卫星数据分辨率的提高， 保证了沿磁悬浮列车专线有大量稳定点目标用于形变的 115
120
125 提取与分析。
如图 3 示， 年形变速率分布在-10mm/y 到 8mm/y 之间。
整体上， 该轨道靠近 浦东机场路段变形明显， 并在图中椭圆所标注的区域， 形变量达到最大。
之后往西段延伸，
下沉趋势减弱， 抬升趋势出现， 形变呈现出明显的不均匀性。
图 3 磁悬浮专线形变提取结果（单位：
mm/y）
Fig3 The deformation of the maglev train 在此基础上， 我们选取一相干性为 0.9172 的点目标进行时间序列分析。
由于 TerraSAR-X 卫星的重访周期为 11 天， 相比于 Envisat ASAR 卫星（35 天）
和 ALOS PALSAR 卫星（46 天）
分别缩短了 24 天和 35 天。
因此， 在半年到一年内便可以收集到足 够的 TerraSAR-X 卫星影像用于形变监测与分析。
另一方面， TerraSAR-X 卫星影像获取周期 的缩短， 保证了 形变监测采样间隔的缩小， 因此， 得到的变化趋势更为细致（如图 4 示）
。
本文所使用数据时间跨度约为一年， 如图 5 所示， 随着时间的推移， 该点形变由小幅度 震荡缓慢到达第一个最大抬升处， 随后又一小幅度的变化， 这一阶段为相对稳定状态， 沉降 量不超过 2mm。
接着以较大的幅度开始震荡， 并迅速下沉至最大值沉降处， 这一阶段属于
-4-
加速下沉阶段， 相对沉降超过 5mm。
最后以较大程度的反弹， 步入新的震荡下沉阶段， 此 130
135
140
145
150
155 时沉降量已超过 5mm。
图 4 形变的时间序列分析 Fig4 Time series analysis of selected PS point 根据以上实验结果可知， 空间差异性形变是磁悬浮专线形变的一大特点。
对于大型线状 地物而言， 空间差异较大的形变， 会对线状工程安全运营产生重要影响。
另一方面， 沿线形 变模式或者形变量发生较大变化的区域， 如上升区域与下沉区域分界处、 稳定区域与形变区 域分界处， 是灾害发生可能性最大的区域。
因此， 定期的形变监测对确保这些人工地物的安 全使用具有重大意义， 尤其是对形变速率变化较大以及形变速率较大的区域， 需要进行重点 监测。
3 结论 PS-InSAR 技术是检测地表形变的有效方法之一。
本文利用 3m 分辨率的 TerraSAR-X 数 据完成了 2011 年 9 至 2012 年 10 月期间， 上海磁悬浮列车专线的形变信息提取工作。
本文 的研究表明， 由于新一代星载 SAR 系统具有高分辨率、 短重访周期的优点， 在经过时间序 列 InSAR 技术处理和分析后， 可以为地表形变监测提供更多的形变细节， 使得短周期微小 形变监测成为可能， 适用于重大工程的短期快速形变监测， 并在公共设施安全领域具有广阔 的发展前景。
[参考文献] (References)
[1] 魏子新， 王寒梅， 吴建中， 方志雷， 刘国斌.上海地表沉降及其对城市安全影响[J].上海地质,2009(1):34-39. [2] 方正,武健强,赵建康,长江三角洲地区地表沉降监测[J].上海地质,2003(2):1-4. [3] 陈国浒, 单新建, Wooil M. Moon 等....
篇二：insar监测预算
3卷第9期2019年9月北京测绘Beijing Surveying and MappingV01．33 No．9September 2019引文格式：陈志轩，夏元平．基于InSAR技术的南昌市地铁沿线地面沉降监测与分析EJ]．北京测绘，2019，33(9)：1057—1062DOI：10．19580／j．cnki．1007—3000．2019．09．015基于InSAR技术的南昌市地铁沿线地面沉降监测与分析陈志轩夏元平(东华理工大学测绘工程学院，江西南昌330013)[摘要]地铁的建设与营运会产生沿线的长期持续形变，从而引发地面沉降。本文以南昌市运营中的1、2号线以及在建地铁沿线为研究对象。基于研究区内的26景Sentinel一1A数据和DEM数据，采用了小基线集(Small Baseline Subset，SBAs)时间序列技术，获取了研究区内地表的形变速率与累计形变量。实验结果表明，地铁沿线范围内整体呈现沉降趋势，沉降速率在一2 mm／year～一17 mm／year之间，局部区域出现地面抬升情况，累计抬升65．53 mm。通过分析时序结果变化以及沉降发生的地理空间分布，推断地铁高速运行产生的地面载荷是地面沉降发生的主要因素。[关键词] 小基线集；时间序列；地面沉降；地面载荷[中图分类号]P236 [文献标识码]A [文章编号]1007—3000(2019)09—1057—60引言城市地面沉降灾害与其他的地质灾害不同，它具有时间跨度相对较长，物理变化较缓慢，人的肉眼无法直接观测的特性。如若忽视地面沉降的持续发展，形变加剧甚至会导致城市地下管道破裂，楼层垮塌等严重危害，对社会安全和民生产生重大影响[1]。南昌市地处赣江抚河交汇处，城内有大小湖泊百余处，土层性质较为柔软脆弱。自2013年开始兴建地下轨道交通以减缓交通压力问题，沿线地面形变进一步加剧，在营的1号线沿线已出现了几处不同程度的塌陷状况，2016年5月，八一广场站发生了严重的地面塌陷问题，2018年的4月，在同一地点又发生了二次塌陷，虽然没有造成人员伤亡，但带来的经济损失却不容忽视。面对地质条件复杂、地下水极其丰富，极易出现地下空洞的区域，必须加强形变监测力度和精度口]。传统的沉降监测方法如水准测量、GPS、航空摄影测量，地基雷达等方法[3]，虽然他们都具有比较高的精度，但是在面对测区面积大、沉降点分散、具有不可确定性等特点的监测条件下，难以做到全面获取沉降信息并分析沉降趋势。随后发展的InSAR虽然弥补了监测范围低，空间上不连续的问题，时间相干性上却差强人意。而小基线集(SBAS—InSAR)技术是一种在InSAR技术的基础上扩展而来的时间序列下的形变监测方法，有效地克服了时空失相干以及大气效应的影响，真正做到长时间、高精度、高效率的监测地面沉降[4]。该技术已经大量应用于城市地面沉降监测，2010年季灵运等人应用SBAS技术获取了贡嘎山地区的抬升速率信息[5]，2013年胡争等人对青藏高原冻土季节性形变进行时序监测，所得结果与物理变化规律吻合[6]，2017年张艳梅等人利用SBAS—InSAR技术成功获取了高精度西安市地面沉降变化信息[7]。本文以运营中的地铁1号线、2号线首通段以及在建2号线后通段、3号线为研究对象，利用SBAS—InSAR技术处理2017年至2018年的26景哨兵数据，对实验结果进行分析来了解地铁沿线的沉降变化诱因。[收稿日期]2019--03--08[基金项目] 江西省教育厅科学技术研究项目(GJJl60538)，流域生态与地理环境监测国家测绘地理信息局重点实验室开放基金(WE2616006)[作者简介]陈志轩(1995一)，男，江西赣州人，硕士在读，从事雷达数据差分干涉测量应用研究。E-mail：1973194813@qq．corn万方数据北京测绘 第33卷第9期1技术原理SBAS—InSAR技术是在InSAR技术发展起来的基于时间序列的形变监测方法，最先是由Berardino和Lanari等人提出并实现的[8。1⋯。它克服了常规InSAR干涉测量技术因为时间失相干、空间失相干还有大气延迟造成的监测精度误差问题。其基本原理是将单次InSAR得到的形变结果作为观测值，通过最小二乘法获取高精度的时间序列[11。”]。该技术主要包括三个部分；选择主影像并自由组合基线较短的主从影像对；生成不同时间序列的干涉图子集；奇异值分解法进行数据反演，提取形变量。因为它针对的是同一区域的多幅SAR影像生成的干涉图，并对他们的解缠后相位进行最小二乘，削弱了误差对结果的影像，从而使获取地形变结果更加可靠精确。获取同一覆盖区域的N+1景SAR影像，以其中1景作为主影像，选取合适基线的影像数据一一匹配生成差分干涉数据，在生成的M幅干涉图中进行筛选，提出相干性比较差的影像，其中兰县≤M≤丛冬业(1)此时第i幅干涉图的相位信息可以表达为。毋p，(z，，．)≈萼[d(￡M，z，，．)一d(￡s，z，r)]+A△勿?加+△p，”8+△勿A。P8 (2)式中：A为中心波长，M和S分别表示主影像(Master)和从影像(Slave)；d(tM，z，r)和d(ts，z，r)是M和S相对于d(岛，z，r)一0时的雷达视线向累计形变量；AOP是干涉后残余的地形相位；△pr表示影像的噪声误差；△p尸5为大气延迟相位。因为用到了SVD奇异分解结算干涉对解缠结果，所以可以忽略残余地形、噪声和大气延迟的影响，公式化简为：毋p。(z，r)≈警[矗(￡M，z，r)一d(￡s，z，r)](3)A通过相位信息的相互计算可用矩阵表示为黝一AO (4)当M>N时，可以通过最小二乘获得唯一的解，当M≤N时，需要用到奇异值分解以及最小范数求解[1⋯，最后得沏：一8p，1，。u2—1丁¨7fM．J劫：一>：(f^t}1)仇(6)k—tS，j@l干涉相对经过了解缠、滤波、偏移量估计等步骤后使用奇异值分解法计算出形变速率估算值，再通过时间域和空间域滤波，分离出残余相位误差，再次使用SVD方法对各个时间段的速度进行积分以得到不同时间段的累计形变量。2研究区概况及数据源2．1区域概况南昌市地处江西中部偏北，赣江、抚河下游，鄱阳湖西南岸，位于东径115。27 7至116。35 7，北纬28。10 7至29。11 7之间，主要为平原地区，地势呈现西高东低的趋势口“。区域范围内包含极其丰富的水资源，除赣江、抚河外，还有玉带河、锦江河和潦河，城内城外更有上百个大小湖泊，地下水含量高达14．97亿立方米。本文选取研究区为以西湖区为中心，包含南昌城区、新建县、安义县和进贤县等区域，沉降分析的区域主要为在营地铁1号线、2号线首通段、在建2号线后通段、3号线(如图1)。图1 研究区范围及地铁线路图2．2 数据源本实验选择了时问跨度为2017年3月至2018年6月，覆盖同一研究区域的26景Senti—nel一1A数据，该影像数据是IW SLC(干涉宽幅模式的斜距单视复数产品)，工作于C波段，具有5x 20 m2空间分辨率，测绘带宽幅达240 km，并且具有多种极化方式。本文选用的是单极化(VV)极化方式的数据，并通过AUX—POEORB精密轨道星历参数对其进行精密修正，由于1景哨兵数据的数据量太大，所以在处理前进行了数据裁剪。数据信息如表1。其中，最大空间基线为128．147 m，最大时间基线456天。万方数据
第33卷第9期 陈志轩，夏元平．基于InSAR技术的南昌市地铁沿线地面沉降监测与分析表1实验哨兵数据参数获取时间 时间基线／d 空间基线／mO56．03283．06129．60642．81826．4067．17750．81843．861—6．6293数据处理3．1获取干涉数据集该方法选择了26景Sentinel一1A数据作为处理基础，为了生成以2017年3月14日影像为主影像的连接图(时间序列分析从该影像开始)，设置临界基线最大百分比为45，时间基线为365天，获取的基线分布连接图。对获取的连接对进行筛选，尽可能地保证相干点在所有影像中具有高相干性(黑色点代表主影像)。由SBAS—InSAR技术原理可以知道，我们需要生成主影像和所有从影像的差分干涉，对生成的干涉图进行去平、滤波等操作，然后对干涉对3D解缠。其中多视视数设置为5：1，解缠相关系数设置为0．25，选择自适应滤波方法。使用自适应滤波方法虽然会增加处理数据难度，但是可以提高数据相干性，避免出现太多的低相干性区域从而降低成图效果。获取的干涉数据集并不完全都是相干性好的干涉对，需要删除几乎没有相干性以及部分相干性较差的干涉对以使得后期获取的形变信息精度达标。3．2形变速率反演及地理编码对差分后的结果进行第二次连接对删减，剔除质量不好的结果，之后使用GCP文件对影像进行轨道精炼和重去平，并加入DEM数据，不合适的DEM数据会对SBAS的结果产生影响，其中以两幅图差分形成的DEM数据效果最差，而SRTM一3数据在居民地和施工场所沉降监测精度更高口⋯，故选用SRTM一3作为地形相位对干涉图进行差分。精炼和重去平后获取的数据我们需要对它进行SBAS的核心处理，估算形变速率和残余地形，设置相关系数阈值为0．25，并再一次进行3D解缠，解缠系数阈值同样设为0．25，完成这一步反演后我们可以获得区域形变速率，对数据进行第二次反演，以生成去除了大气延迟相位误差(大气滤波处理)的地形在时间序列上的位移。通过已有的控制点文件再次精炼，最后进行地理编码，让结果能更好地结合实际地形进行分析判定。4时间序列分析本文选取在营1号线、2号线首通段，在建2号线后通段、3号线沿线区域为研究对象，通过SBAS—InSAR技术进行时间序列分析，获得了沿线范围内的平均沉降结果图，如图2所示，负值代表地面沉降，正值为地面抬升，图形白框选取的1区是沉降最为严重的桃花镇及西湖区区域，沉降区域接近1 3 km2，而该区域正处于3条地铁线路的交汇处。其中1号线滕王阁站至丁公路北站沿线西湖区范围内有大面积沉降形成，沉降面积6．7 km2，平均沉降量达到一11．2 ram／year，最大累计沉降量高达49 mm；在建2、3号线途经的桃花镇平均沉降量13 ram／year，2017年至今累计沉降最大值已有一106．6 mm。2号线首通段沿线除了国博站出现明显地面下沉情况外，沿线局部地区还出现存在了地面抬升的情况，如南昌西站区域、国体站等站点，均存在零星的地面抬升，抬升率在4 ram／year范围内。而在建的3号线，动工相对较晚，本文不加以考虑。图2试验区整体沉降图及局部区域索引图4．1 1号线地面沉降分析从图4中可以看出，1号线沿线包含了整体沉降的大部分区域，我们对沉降区域进行编号。驰弘蟠∞阻¨弘∞∞479136579O1O1O1OO121一一一一一一一一一一3445568889OOOOOOOOOO一一一一一一一一一一777777777711l1111111OOOOOOOOOO2222222222 盟。。。。。。，。。加万方数据
北京测绘 第33卷第9期并对研究区域相干点采样。其中：区域1为西湖区与桃花镇区域、区域2锦江路沿线、区域3货场村区域区域、区域4青山湖区域、区域5瑶湖区。对采样的相干点进行时间序列分析，由图3可以看出西湖区自2017年3月至2018年9月之间，整体呈现地面下沉的趋势，沉降中心平均累计沉降量63．2mm，且2017年9月出现断崖式下降，收集资料获知，该时段处于南昌市老城区改造攻坚阶段，从而造成了相对较大的地面沉降情况。0∞宅一2E制一4爸器弼一6．8趣＆甲201 70513 20170910 201 80120 20180321 20180601 20180901图3 西湖区累计形变图如图4—6，凡是出现了沉降漏斗的区域，其内部相干点基本表现出了整体下沉的趋势，同时能从图表中得知，青山湖区域累计形变29．86 mm，最大形变速率为3．92 ram／year；瑶湖的累计形变为46．027 mm，最大形变速率为一4．496 mm／year2鼍1E O垒一，篡{_3—42017051 3 20170910 20’80120 20180321 20180601 20180901图4青山湖区累计形变图fⅥ胍心蠹蛋20170513 20170910 20180120 20180321 20180601 20180901图5瑶湖区累计形变图锦江路沿线的累计形变较小，为26．22 mm，最大形变速率为3．87 mm／year。综合数据可以看出，1号线沿线区域运营期间均出现了沉降情况，并且自2018年开始，沉降情况进一步加剧，总体出现了线性下降的情况，通过数据比对分析，推论出这一情况的主要因素为多条地铁线路规划兴建的影响，挖掘地下隧道加剧了土体压力，使得地面更为严重。20170513 20170910 20180120 20180321 20180601 20180901图6锦江路累计形变图4．2 2、3号线地面沉降分析2号线分为首通段与后通段，首通段自2017年8月18日开始运营，起始于南昌西站终于辛家庵站，因为部分开通的缘故，使得沿线的沉降情况产生了区块化的差异，如图7所示，沉降区域主要出现在先行开通运营的左半边区域，其中沉降最为严重的区域为万达乐园区域(区域7，图8)，累计沉降量达到65．59 mm，最大沉降速率5．88 ram／year。图7 2号线沿线沉降图而在首通段国体中心区域(图9)虽然在前期同样出现了沉降现象，平均沉降在一2．117 ram／year，但是自2017年8月开始，地表形变转变为地面抬升，总体抬升量达65．53 mm，最大抬升速率高达7．53 mm／year，这一表现与2号线首通段通车时间基本吻合，可推断出，出现形变异常变化的原因是地铁线路的运行以及后通段的建设同步作用，使得相隔不远的两块区域呈现完全相反101234要EE制龄娶磷巨些"¨B●●357棚。降蜘扣p卜叫曲oooHk沁卜扎mm邗州M¨¨乳卜孓卜卜0o‘0母JJ谢汩______口圃口口_____万方数据
第33卷第9期 陈志轩，夏元平．基于InSAR技术的南昌市地铁沿线地面沉降监测与分析的形变方向。而后通段的另外一部分，位于南昌站沿线区域的地表基本保持稳定，亦未出现明显形变漏斗。图8万达乐园累计形变图20170513 20170910 20180123 20180321 20180601 20180901图9 国体中心累计形变图3号线属于尚未建成通车的地铁线路，故而沿线沉降变化主要出现在与2号线交会的东湖区(区域8)以及与1号线交会的西湖区、桃花镇区域，如图5中所示。引起沉降的主要原因也是3条地铁线路共同作用产生的地面荷载超标，由此可以判断，在建中的地铁3号线对地面沉降的发生影响较小。4．3 实验结果定性分析南昌水资源丰富且水域众多的地理条件导致了地铁的建设和运营都容易产生沉降问题，沉降最为严重的西湖区桃花镇等地就包含有赣江、新抚河以及象湖等大型水域，水且陆交界土质多为软土，其性质较不稳定，加上赣江沿岸、朝阳农场区域土壤...
篇三：insar监测预算
rsquo;妻静鬓鬻瓣～舞万方数据分类号UDCP225．7528博士学位论文学校代码10147密 级 公开时鹿⋯I．n§A}l一地面沉．降鉴测与．地至．水==地．面沉降预测模型参数反演．L a_nd．．Sg．bsj．den￡e．M．onj．torjng．．based．．帆．曼№曼．．Series．王nSAR．．．and．．．Param慨r．I跫versing．．of．Grouon．dwater-Subsj．．dence．Prediction Model作者姓名 张子文指导教师 杨帆教授申请学位 工学博士学科专业 大地测量学与测量工程研究方向 变形监测与预报辽宁工程技术大学万方数据
关于论文使用授权的说明I舢舢删IllUUlllllJmlllllllIY34701 02本学位论文作者及指导教师完全了解辽宝工程拉本太堂有关保留、使用学位论文的规定，同意辽宝工程技本太堂保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅，学校可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。保密的学位论文在解密后应遵守此协议学位论文作者签名：年 月 日导师签名：年 月 日万方数据
致 谢感谢辽宁工程技术大学!博士论文即将完成，回首在辽宁工程技术大学生活的点点滴滴，朝朝暮暮，心中顿生许多感触。首先，我要感谢导师杨帆教授，这些年来在学习上对我的悉心指导和生活上的帮助。他学问精卓、治学态度严谨，工作精益求精，严于律己，平易近人，这些都深深地感染和激励着我，令我在学习过程中树立坚定信心。恭列于杨老师门下，老师不以我质鄙材疏，对我多有指引、提携，将愚钝的我逐步引入了学术殿堂。老师科研功底深厚、学术造诣精深，对我在研究过程中遇到的科学难题，老师总能以独特的视野和创新的思想去找到解决问题的办法，使我有拨云见日之感。杨老师提供了非常多的科学研究和学术交流机会，在科研合作和学术交流中开拓了眼界，开放了思维，使我受益匪浅。老师为人宽厚，对我在科学研究和生活中的缺点，老师都能用他那宽广的胸怀包容我，在此特向杨老师致以最衷心的感谢!感谢武汉大学卫星导航定位技术中心的李陶教授，在GNSS中心交流学习的日子里，李老师严谨的治学态度、渊博的知识、高尚的人格为我们树立了心中的楷模，与他日常生活相处中的点点滴滴都将铭记于心，使我受益终生。感谢其团队在我博士实习期间提供的软件以及学术问题上的指导和帮助。。感谢测绘与地理科学学院徐爱功教授、宋伟东教授、夏春林教授、王崇倡教授、李玉教授、孙伟教授、赵泉华教授、王佩贤教授、裴亮教授、吉长东教授、祝会忠副教授、徐佳副教授和周欣威老师等。感谢德国地学中心(GFZ)的MahdiMotagh教授，我在德国地学中心访学交流期间给予我学习和生活上的帮助，并提供的InSAR处理软件和实验影像数据。感谢中科院新疆生态与地理研究所的刘铁研究员，对我在研究中请教的问题做了耐心的回答，非常感谢他对我的启迪和启发。感谢师兄赵瑞山，吴文豪，周志伟，感谢师弟赵增鹏、张磊、吕磊、谢佳君、王小兵、田振凯、常俊飞、谢洋洋、耿滕川，王明洲，陈志国，张校志，师妹常文蝶给予的帮助，感谢力学院丁鑫博士，帮我解决了很多生活上的琐事，与他们的探讨交流深化了我对很多问题的理解，希望他在辽宁工程技术大学的生活和学习一切顺利。感谢我的家人，感谢我的父母、亲人给予我的支持与鼓励，没有你们的鼓舞，我不可能完成学业。张子文2017年12月于阜新万方数据
摘 要随着大规模的城市建设及过量的地下水抽取，导致了城市地下水位的下降，从而引起严重的地面沉降与地表塌陷等一系列地质灾害的发生。加强城市地表沉陷监测和建立地下水．地面沉降预测模型是预防地表沉陷灾害发生有效手段。利用InSAR(-InterferometricSynthetic Aperture Rfldar，InSAR)技术对大尺度的城市地面沉降进行监测，可以得到大面积、高分辨率和高精度的持续的时序沉降监测结果，为地面沉降预测模型参数的反演提供大量的实测数据。本文系统分析了常规InSAR与时序InSAR技术原理、处理流程以及主要误差源与敏感度。针对时序InSAR地面沉降监测技术中的大气信号分离问题，研究了常规时空滤波与平滑样条滤波两种大气信号分离算法，分别采用常规时空滤波方法与平滑样条滤波方法进行大气滤波，实现大气信号与形变信息的分离，并对两种滤波方法得到的大气与形变结果进行对比与分析，通过对滤波算法的实验评价两种滤波对大气与形变信号分离的精度与抗差程度。针对地下水．地面沉降预测模型参数反演问题，对模型参数与沉降值的相关性进行了分析，采用InSAR地面沉降监测数据约束下的LS(Least Square，LS)反演方法得到模型中的固结系数；采用连续小波变换方法分离出地面沉降量中因含水层压缩变形引起的地表弹性与非弹性沉降量，并结合地面沉降预测模型反演得到弹性释水系数和非弹性释水系数；利用InSAR地面沉降监测值，根据Biot固结理论中的自由应力下体积应变公式反演得到模型的地下水体积变化量参数。以天津市InSAR地面沉降监测为例，采用短基线集InSAR(Sn：nll Baseline InSAILSBAS．InSAR)方法，获取了地面沉降变形值，并基于PS点的地面沉降值解译了地下水位、地下水系统、基地构造等相关水文地质信息，通过InSAR地面沉降值反演了地面沉降模型参数，建立了天津市地下水．地面沉降预测模型，采用Modflow地面沉降预测数值模拟软件模拟计算，将模拟计算结果与地面沉降测量值进行比较，验证了模型参数反演方法的正确性。实验表明地面沉降误差小于10ram，最大残差15ram。主要研究成果如下：(1)研究了InSAR时序处理过程中常规时空滤波与平滑样条滤波两种大气信号分离算法，分别采用常规时空滤波方法与平滑样条滤波方法进行大气滤波，实现大气信号与形变信息的分离，并对两种滤波方法得到的大气与形变结果进行对比与分析，通过实验得出：在非均匀采样状态下常规滤波方法滤波参数的固定使滤波结果存在着不确定性，平滑样条滤波也可以有效的分离大气与沉降信号，该滤波方法通过选取最佳平滑系数，能够较好的逼近形变相位分量。万方数据
时序InSAR地表沉降监测与地下水．地面沉降预测模型参数反演(2)通过研究地面沉降模型建立与参数反演理论，分析地下水三维渗流一地面沉降预测模型的建立过程，探讨了渗流偏微分方程定解条件及耦合后的收敛性能，并对模型中的几个重要模型参数如地下水位、弹性释水系数、非弹性释水系数、固结系数、开采量与沉降的关系进行参数相关性分析，解释每个参数对沉降模型的主要贡献度与灵敏度。(3)提出了一种含水层弹性、非弹性释水系数的InSAR反演方法。研究承压含水层形变机理，结合垂直时序InSAR形变分量和水位变化因素，采用连续小波变换(ContinuousWavelet Transform,CWT)方法分离周期形变信号分量和长期趋势，分别得到含水层弹性和非弹性时序形变信息，孤立的信号分量基于地面沉降模型用于估计弹性储存系数、非弹性骨架释水系数和压实时间常数，从而可以得到精确的弹性、非弹性释水系数，解决了以前靠InSAR只能反演平均释水系数一个参数的困难，为后续的水文地质研究提供更准确的参数依据。采用最,j,--乘方法，建立了InSAR时序数据源下的固结系数约束方程，提出基于InSAR时序技术的含水层固结系数反演方法。结合Blot固结理论中的自由应力下体积应变模型，讨论不同水文地质概念模型下InSAR对地下水探测的敏感性，提出采用卫星视角分量矢量化的方法将其垂直分量融入Biot模型中，从而达到体积应变积分方程求解收敛、地下水体积变化率反演的目的。(4)为了验证本文提出的基于InSAR技术的地下水．地面沉降预测模型参数反演方法的准确性与实用性，以天津市沉降区为例，采用SBAS．InSAR技术对主要沉降大区域与单个漏斗区进行监测，并采用定性与定量的方法作了基于PS点的地面沉降特征、地下水位、地下水系统、基地构造等相关水位地质解译。基于上述提出的反演方法反演了地下水．地面沉降预测模型所需的弹性释水系数、非弹性释水系数、开采量变化和固结系数，并利用Modflow三维地下水流软件，Interbed-Stomge程序包模拟地面沉降，先用初始水位地质实测单点参数代入模型作为初始参数模拟得到一个与InSAR时间内对应的沉降值序列，再利用InSAR反演得到的参数代入模型得到一个与InSAR时间内对应的沉降值序列并与实测水准、InSAR进行精度对比验证地下水．地面沉降预测模型的可靠性，最后提出基于赤池信息准则(Akaike’s InformationCriterion,AIC)下的地面沉降模型参数、与沉降值精度综合评价方法。关键词：时序InSAR；大气延迟误差；地面沉降监测；地下水一地面沉降预测模型；参数反演万方数据
Abst tactWith the large．scale urban construction and excessive groundwater extraction,thewater level of cities has dropped，which caused a series of geological disasters such asserious surface settlement．．-To strengthen urban subsidence monitoring and establishinggroundwater．1and subsidence prediction model isan effective measure to prevent theoccurreIlce of surface subsidence disaster．Using InSAR(Interferometric SyntheticAperture Radar，InSAR)technolo gy to monRor land subsidence of large scale urbancanprovide large．area，high．resolutionandhigh-precision timingseries subsidencemonitoring results，which provideda large number of measured data for parametersinversing of ground subsidence prediction model．This thesis systematically analyzed the principle，processing flow and main errorsources and sensitivities of conventional of InSAR and time series InSARtechno 10 gies·In view o f the atmospheric effectintime·dependentInSAR surface subsidencemonitoring technology，twokinds of atmospheric signal separation algorithms werestudied．such as conventional spatio-temporal filtering and smoothing spline filtering·Atmospheric filteringwas performedusingconventional spatio-temporal filteringmethod and smoothing spline filtering method，respectively，to separate the atmosphericsignal and deformation information．The atmospheric and deformation results obtainedbv the two methods were compared and analyzed．The expcriment resuRs shows that thefiltering parameters of the conventional filtering method were fixed，which makes thefiltering result uncertain under the conditionof non：uniform sampling status，and smoothspline filtering can also effectively separate the atmospheric and sedimentary signals，f证ther瑚lore．when the sedimentation rate is large，compared with the conventionalspatio．temporal filteringmethod，this method can improve the accuracy of groundsubsidence monitoring． AimingattheparameterInversionProblem ofGroundwater．Ground subsidence prediction model，thecorrelation between modelparamleters and subsidence values wass analyzed，and the consolidation coefficient wasobtailled bv LS(Least Square，LS)inversion method under InSAR landsubsidencemonitoring data’S constraint．The surface settlement of elastic ity and ine lastic caused bythe compressive deformation of aquifersingroundsubsidence were separated bycontinU【OUS wavelet transform，and elasticrelease coefficient and inelastic release—III万方数据
时序InSAR地表沉降监测与地下水．地面沉降预测模型参数反演coefficient were obtained by the inversion of ground subsidence prediction model．Theparameters of groundwater vo lume variation were retrieved according to the volumestrain formula under flee stress in Biot’S consolidation theory by using InSAR data．Taking the InSAR land subsidence monitoring in Tianjin as an example，the deformationofthe land subsidence was obtained by the InSAR(Small Baseline InSAR)method withshort baseline set．The relevant hydrogeological information such as groundwater level，groundwater system and basement structure based on the ground settlement value of PSpoint was interpreted．InSAR surface subsidence value is used to inverse the parametersof ground subsidence model．InSAR surface subsidence value is used to inverse theparameters of ground subsidence prediction model．The groundwater—ground subsidenceprediction model of Tianj inis established．Modflow，ground subsidencepredictionsoftware was used to simulate the subsidence．The simulation results were comparedwith subsidence measurements the correctness ofthe model parameter inversion methodwas verified，and experiments show that the ground subsidence error is less than 1 0mm,the maximum residual error of l 5mm．The main research results are as folloWS．(1)．two kinds of atmospheric signal separation algorithms were studied，such asconventional ...
篇四：insar监测预算
书Ｊｏｕｒｎａｌ ｏｆＥｎｇｉｎｅｅｒｉｎｇ Ｇｅｏｌｏｇｙ工程地质学报
１００４－９６６５ ／２０２１ ／２９（４）-１１６７-１１张严，朱武，赵超英，等．２０２１．佛山地铁塌陷 ＩｎＳＡＲ 时序监测及机理分析［Ｊ］．工程地质学报，２９（４）：１１６７－１１７７．ｄｏｉ：１０．１３５４４／ｊ．ｃｎｋｉ．ｊｅｇ．２０１９－５５７Ｚｈａｎｇ Ｙａｎ，Ｚｈｕ Ｗｕ，Ｚｈａｏ Ｃｈａｏｙｉｎｇ，ｅｔ ａｌ．２０２１．Ｍｏｎｉｔｉｎｇ ａｎｄ ｉｎｖｅｒｓｉｏｎ ｏｆ Ｆｏｓｈａｎ ｍｅｔｒｏ ｃｏｌｌａｐｓｅ ｗｉｔｈ ｍｕｌｔｉ-ｔｅｍｐｏｒａｌ ＩｎＳＡＲ ａｎｄ ｆｉｅｌｄ ｉｎｖｅｓｔｉｇａｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｅｎｇｉｎｅｅｒｉｎｇ Ｇｅｏｌｏｇｙ，２９（４）：１１６７－１１７７．ｄｏｉ：１０．１３５４４／ｊ．ｃｎｋｉ．ｊｅｇ．２０１９－５５７佛山地铁塌陷 ＩｎＳＡＲ 时序监测及机理分析 *张 严 ①
朱 武 ①②
赵超英 ①②
韩炳权 ①（①长安大学，地质工程与测绘学院，西安 ７１００５４，中国）（②地理信息工程国家重点实验室，西安 ７１００５４，中国）摘 要 ２０１８ 年 ２ 月 ７ 日，位于广东省佛山市禅城区的地铁 ２ 号线在盾构施工中发生塌陷事故，造成 １１ 人死亡、１ 人失踪、８人受伤，直接经济损失超过 ５０００ 万元。为深入分析此次事故成因，本文基于自 ２０１７ 年 ３ 月 ～２０１９ 年 １ 月期间的 ５６ 景Ｓｅｎｔｉｎｅｌ-１Ａ 数据，利用 ＳＢＡＳ-ＩｎＳＡＲ 技术获取了研究区的时空形变信息。结果发现塌陷区及其附近区域在监测期间存在持续的地面沉降，形变速率达到 ３０ ｍｍ·ａ－１以上。通过对事发地的实地调查和形变特征分析，并结合当地地质资料推测了塌陷形成的机理：供水管道下方的软土存在不均匀沉降，使水管产生裂缝导致管道内水外渗，进而致使还未达到胶装凝固点的管片产生裂缝，最终引起隧道和地面坍塌。研究结果可以为今后盾构施工中塌陷的监测和预警工作提供理论依据。关键词 地面塌陷；ＩｎＳＡＲ 技术；形变监测；机理分析；佛山中图分类号：Ｐ２３６
文献标识码：Ａ
ｄｏｉ：１０．１３５４４／ｊ．ｃｎｋｉ．ｊｅｇ．２０１９－５５７ * 收稿日期：２０１９－１２－２４；修回日期：２０２０－０４－２１．基金项目：国家自然科学基金（资助号：４１９４１０１９，４２０７４０４０），国家重点研发计划（资助号：２０２０ＹＦＣ１５１２００１，２０１９ＹＦＣ１５０９８０２）．Ｔｈｉｓ ｒｅｓｅａｒｃｈ ｉｓ ｓｕｐｐｏｒｔｅｄ ｂｙ Ｎａｔｉｏｎａｌ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｆｏｕｎｄａｔｉｏｎ ｏｆ Ｃｈｉｎａ （Ｇｒａｎｔ Ｎｏｓ．４１９４１０１９，４２０７４０４０）ａｎｄ Ｎａｔｉｏｎａｌ Ｋｅｙ Ｒ＆Ｄ Ｐｒｏｇｒａｍ ｏｆＣｈｉｎａ（Ｇｒａｎｔ Ｎｏｓ．２０２０ＹＦＣ１５１２００１，２０１９ＹＦＣ１５０９８０２）．第一作者简介：张严（１９９４－），女，硕士生，主要从事 ＩｎＳＡＲ 方面的科研工作．Ｅ-ｍａｉｌ：１７９８１３８０９９＠ｑｑ．ｃｏｍ通讯作者简介：朱武（１９８２－），男，博士，教授，博士生导师，主要从事 ＩｎＳＡＲ 方面的科研和教学工作．Ｅ-ｍａｉｌ：４８８０１９１１＠ｑｑ．ｃｏｍＭＯＮＩＴＩＮＧ ＡＮＤ ＩＮＶＥＲＳＩＯＮ ＯＦ ＦＯＳＨＡＮ ＭＥＴＲＯ ＣＯＬＬＡＰＳＥ ＷＩＴＨＭＵＬＴＩ-ＴＥＭＰＯＲＡＬ ＩＮＳＡＲ ＡＮＤ ＦＩＥＬＤ ＩＮＶＥＳＴＩＧＡＴＩＯＮＺＨＡＮＧ Ｙａｎ ①
ＺＨＵ Ｗｕ ①②
ＺＨＡＯ Ｃｈａｏｙｉｎｇ ①②
ＨＡＮ Ｂｉｎｇｑｕａｎ ①（①Ｓｃｈｏｏｌ ｏｆＧｅｏｌｏｇｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｇｅｏｍａｔｉｃｓ，Ｃｈａｎｇ"ａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ"ａｎ ７１００５４，Ｃｈｉｎａ）（②Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆＧｅｏｇｒａｐｈｉｃ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｘｉ"ａｎ ７１００５４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ Ｉｎ ｔｈｅ ｅｖｅｎｉｎｇ ｏｆ Ｆｅｂｒｕａｒｙ ７，２０１８，ａ ｄｅａｄｌｙ ｇｒｏｕｎｄ ｃｏｌｌａｐｓｅ ｏｆ ａ ｍｅｔｒｏ ｔｕｎｎｅｌ ｕｎｄｅｒ ｃｏｎｓｔｒｕｃｔｉｏｎｏｃｃｕｒｒｅｄ ｉｎ Ｆｏｓｈａｎ，Ｇｕａｎｇｄｏｎｇ Ｐｒｏｖｉｎｃｅ，Ｃｈｉｎａ．Ｔｈｅ ａｃｃｉｄｅｎｔ ｃａｕｓｅｄ １１ ｄｅａｔｈｓ，８ ｉｎｊｕｒｉｅｓ，１ ｍｉｓｓｉｎｇ ｐｅｒｓｏｎ，ａｎｄｄｉｒｅｃｔ ｅｃｏｎｏｍｉｃ ｌｏｓｓ ｏｆ ｍｏｒｅ ｔｈａｎ ５３ ｍｉｌｌｉｏｎ ｙｕａｎ．Ｉｎ ｏｒｄｅｒ ｔｏ ｕｎｄｅｒｓｔａｎｄ ｔｈｅ ｍｅｃｈａｎｉｓｍ ｏｆ ｔｈｉｓ ｃｏｌｌａｐｓｅ，ｉｔ ｉｓｎｅｃｅｓｓａｒｙ ｔｏ ｅｘａｍｉｎｅ ｔｈｅ ｄｅｆｏｒｍａｔｉｏｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ｔｈｅ ｇｒｏｕｎｄ ｂｅｆｏｒｅ ａｎｄ ａｆｔｅｒ ｔｈｅ ｅｖｅｎｔ．Ｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｈｅｇｒｏｕｎｄ-ｂａｓｅｄ ｏｂｓｅｒｖａｔｉｏｎ ｔｅｃｈｎｉｑｕｅｓ， ｔｈｅ ｓｙｎｔｈｅｔｉｃ ａｐｅｒｔｕｒｅ ｒａｄａｒ （ＳＡＲ ）
ｉｎｔｅｒｆｅｒｏｍｅｔｒｙ ｔｅｃｈｎｉｑｕｅ ｈａｓｄｅｍｏｎｓｔｒａｔｅｄ ｉｔｓ ｐｏｔｅｎｔｉａｌ ｆｏｒ ｍｏｎｉｔｏｒｉｎｇ ｔｈｅ ｃｏｌｌａｐｓｅ ｓｉｎｋｈｏｌｅｓ ｄｕｅ ｔｏ ｔｈｅ ａｄｖａｎｔａｇｅｓ ｏｆ ｃｏｖｅｒｉｎｇ ｌａｒｇｅ ａｒｅａｓ，ｍａｐｐｉｎｇ ｏｆ ｈｉｇｈ-ｄｅｎｓｉｔｙ ｓｐａｔｉａｌ ａｎｄ ｈｉｓｔｏｒｉｃａｌ ｇｒｏｕｎｄ ｄｅｆｏｒｍａｔｉｏｎ．Ｔｈｅｒｅｆｏｒｅ，ｕｓｉｎｇ ｔｈｅ ５６ Ｓｅｎｔｉｎｅｌ-１Ａ ｓｐａｎｎｉｎｇｆｒｏｍ ２０１７－０３ ｔｏ ２０１９－０１，ｗｅ ｏｂｔａｉｎ ｔｈｅ ｓｐａｔｉａｌ-ｔｅｍｐｏｒａｌ ｄｅｆｏｒｍａｔｉｏｎ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｔｈｅ ｓｔｕｄｙ ａｒｅａ ｂｙ ｕｓｉｎｇ ＳｍａｌｌＢａｓｅｌｉｎｅ Ｓｕｂｓｅｔ ＳＡＲ Ｉｎｔｅｒｆｅｒｏｍｅｔｒｙ（ＳＢＡＳ-ＩｎＳＡＲ）ｔｅｃｈｎｉｑｕｅｓ．Ｉｔ ｉｓ ｆｏｕｎｄ ｔｈａｔ ｃｏｎｔｉｎｕｏｕｓ ｇｒｏｕｎｄ ｓｕｂｓｉｄｅｎｃｅｏｃｃｕｒｒｅｄ ｉｎ ｔｈｅ ｃｏｌｌａｐｓｅ ａｒｅａ ａｎｄ ｉｔｓ ａｄｊａｃｅｎｔ ａｒｅａｓ，ａｎｄ ｔｈｅ ｄｅｆｏｒｍａｔｉｏｎ ｒａｔｅ ｒｅａｃｈｅｄ ｍｏｒｅ ｔｈａｎ ３０ ｍｍ·ａ－１，ｗｈｉｌｅ万方数据
ａｒｅａｓ ｆａｒ ａｗａｙ ｆｒｏｍ ｔｈｅ ｓｉｎｋｈｏｌｅ ｗａｓ ｍｏｓｔｌｙ ｓｔａｂｌｅ．Ｉｎ ｏｒｄｅｒ ｔｏ ｆｕｒｔｈｅｒ ｖｅｒｉｆｙ ｔｈｅ ｒｅｌｉａｂｉｌｉｔｙ ｏｆ ｔｈｅ ｄｅｆｏｒｍａｔｉｏｎ ａｎｄａｎａｌｙｚｅ ｔｈｅ ｃｏｎｎｅｃｔｉｏｎ ｂｅｔｗｅｅｎ ｔｈｅ ｌａｎｄ ｓｕｂｓｉｄｅｎｃｅ ａｎｄ ｔｈｅ ｃｏｌｌａｐｓｅ，ｗｅ ｃａｒｒｙ ｏｕｔ ａ ｆｉｅｌｄ ｓｕｒｖｅｙ ａｎｄ ａ ｄｅｔａｉｌｅｄａｎａｌｙｓｉｓ ｏｆ ｔｈｅ ｄｅｆｏｒｍａｔｉｏｎ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｎｅａｒ ｔｈｅ ｃｏｌｌａｐｓｅ ａｒｅａ，ａｎｄ ｆｉｎｄ ｕｎｅｖｅｎ ｇｒｏｕｎｄ ｓｕｂｓｉｄｅｎｃｅ ｉｎ ｔｈｅｓｉｎｋｈｏｌｅ ａｎｄ ｉｔｓ ａｄｊａｃｅｎｔ ａｒｅａｓ．Ｔｈｅ ｍａｘｉｍｕｍ ｓｕｂｓｉｄｅｎｃｅ ａｔ ｔｈｅ ｃｏｌｌａｐｓｅ ｓｉｔｅ ｗａｓ ｎｅａｒｌｙ ３７ ｍｍ ｏｖｅｒ ｔｈｅ ｐａｓｔ ｙｅａｒｏｆ ｃｏｌｌａｐｓｅ ａｃｃｉｄｅｎｔ．Ｗｈａｔ"ｓ ｍｏｒｅ，ａｃｃｅｌｅｒａｔｅｄ ｓｕｂｓｉｄｅｎｃｅ ａｐｐｅａｒｅｄ ｏｎｅ ｍｏｎｔｈ ｂｅｆｏｒｅ ｔｈｅ ｃｏｌｌａｐｓｅ ａｃｃｉｄｅｎｔ，ｗｈｉｃｈｗａｓ ｒｅｌａｔｅｄ ｔｏ ｔｈｅ ｍｅｔｒｏ ｃｏｎｓｔｒｕｃｔｉｏｎ ｄｉｓｔｕｒｂａｎｃｅ．Ｍｅａｎｗｈｉｌｅ，ｂａｓｅｄ ｏｎ ｔｈｅ ｌｏｃａｌ ｇｅｏｌｏｇｉｃａｌ ｄａｔａ ａｎｄ ａｃｃｉｄｅｎｔｉｎｖｅｓｔｉｇａｔｉｏｎ ｒｅｐｏｒｔ，ｉｔ ｉｓ ｃｏｎｓｉｄｅｒｅｄ ｔｈａｔ ｔｈｅ ｃｏｌｌａｐｓｅ ａｃｃｉｄｅｎｔ ｗａｓ ｃａｕｓｅｄ ｂｙ ｔｈｅ ｗａｔｅｒ ｓｕｐｐｌｙ ｐｉｐｅｌｉｎｅ ｄａｍａｇｅ ａｎｄｔｈｅ ｐｏｏｒ ｅｎｇｉｎｅｅｒｉｎｇ ｇｅｏｌｏｇｉｃａｌ ｅｎｖｉｒｏｎｍｅｎｔ ａｔ ｔｈｅ ａｃｃｉｄｅｎｔ ｓｉｔｅ．Ｉｎ ｔｈｅ ｅｎｄ，ｗｅ ｒｅａｓｏｎａｂｌｙ ｄｅｄｕｃｅ ｔｈｅ ｍｅｃｈａｎｉｓｍｏｆ ｃｏｌｌａｐｓｅ ｆｏｒｍａｔｉｏｎ：ｄｕｅ ｔｏ ｔｈｅ ｕｎｅｖｅｎ ｓｅｔｔｌｅｍｅｎｔ ｏｆ ｔｈｅ ｍｕｃｋｙ ｓｏｉｌ ｕｎｄｅｒ ｔｈｅ ｗａｔｅｒ ｓｕｐｐｌｙ ｐｉｐｅｌｉｎｅ，ｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｂｅａｒｉｎｇ ｃａｐａｃｉｔｙ ｏｆ ｍｕｃｋｙ ｓｏｉｌ ｔｏ ｔｈｅ ｗａｔｅｒ ｓｕｐｐｌｙ ｐｉｐｅｌｉｎｅ ｗａｓ ａｌｓｏ ｕｎｅｖｅｎ．Ｔｈｅ ｗａｔｅｒ ｌｅａｋａｇｅ ｉｎ ｔｈｅｐｉｐｅｌｉｎｅ ｓａｔｕｒａｔｅｄ ｔｈｅ ｓｔｒａｔｕｍ，ｗｅａｋｅｎｅｄ ｔｈｅ ｍｅｃｈａｎｉｃａｌ ｐｒｏｐｅｒｔｉｅｓ ｏｆ ｔｈｅ ｍｕｃｋｙ ｓｏｉｌ ｌａｙｅｒ，ａｎｄ ｔｈｅ Ｍｅｔｒｏｃｏｎｓｔｒｕｃｔｉｏｎ ｄｉｓｔｕｒｂａｎｃｅ ｉｎｃｒｅａｓｅｄ ｔｈｅ ｄｅｆｏｒｍａｔｉｏｎ ｏｆ ｔｈｅ ｓａｔｕｒａｔｅｄ ｓｏｉｌ ｌａｙｅｒ ａｎｄ ｐｉｐｅｌｉｎｅ ｌｅａｋａｇｅ，ａｎｄ ｔｈｅ ｗａｔｅｒｐｅｎｅｔｒａｔｅｄ ｄｏｗｎ ｔｏ ｔｈｅ ｆｉｎｅ ｓａｎｄ ｌａｙｅｒ ｂｅｌｏｗ ｔｈｅ ｓｈｉｅｌｄ ｍａｃｈｉｎｅ ｔａｉｌ．Ｗｉｔｈ ｔｈｅ ｉｎｃｒｅａｓｅ ｏｆ ｗａｔｅｒ ｃｏｎｔｅｎｔ，ｔｈｅ ｂｅａｒｉｎｇｃａｐａｃｉｔｙ ｏｆ ｔｈｅ ｆｉｎｅ ｓａｎｄ ｌａｙｅｒ ｗａｓ ｒｅｄｕｃｅｄ，ｗｈｉｃｈ ｌｅｄ ｔｏ ｔｈｅ ｓｕｂｓｉｄｅｎｃｅ ｏｆ ｔｈｅ ｓｈｉｅｌｄ ｍａｃｈｉｎｅ ｔａｉｌ ａｎｄ ｔｈｅ ｃｒａｃｋｓ ｉｎｔｈｅ ｐｉｐｅ ｓｅｇｍｅｎｔｓ ｔｈａｔ ｈａｄ ｎｏｔ ｒｅａｃｈｅｄ ｔｈｅ ｆｒｅｅｚｉｎｇ ｐｏｉｎｔ，ａｎｄ ｔｈｅ ｓｈｉｅｌｄ ｍａｃｈｉｎｅ ｔａｉｌ ｗａｓ ｐｅｒｍｅａｂｌｅ ｗｉｔｈ ｗａｔｅｒ ａｎｄｓａｎｄ．Ｂｕｔ ｔｈｅ ｂｕｉｌｄｅｒｓ ｆａｉｌｅｄ ｔｏ ｐｌｕｇ ｔｈｅ ｌｅａｋ，ａｎｄ ｔｈｅ ｆｌｏｏｄｉｎｇ ｂｅｃａｍｅ ｍｏｒｅ ｓｅｖｅｒｅ．Ｔｈｅ ｓａｎｄ ｌａｙｅｒ ｕｎｄｅｒ ｔｈｅ ｓｈｉｅｌｄｍａｃｈｉｎｅ ｑｕｉｃｋｌｙ ｄｒａｉｎｅｄ ａｗａｙ，ｒｅｓｕｌｔｉｎｇ ｉｎ ｔｈｅ ｄｏｗｎｗａｒｄ ｄｉｓｐｌａｃｅｍｅｎｔ ａｎｄ ｄｅｆｏｒｍａｔｉｏｎ ｏｆ ｔｈｅ ｓｈｉｅｌｄ ｍａｃｈｉｎｅ．Ａｆｔｅｒ ｔｈｅ ｔｕｎｎｅｌ ｓｔｒｕｃｔｕｒｅ ｗａｓ ｄａｍａｇｅｄ，ａ ｈｕｇｅ ａｍｏｕｎｔ ｏｆ ｓｅｄｉｍｅｎｔ ｓｕｄｄｅｎｌｙ ｐｏｕｒｅｄ ｉｎｔｏ ｔｈｅ ｔｕｎｎｅｌ，ａｎｄ ｃａｕｓｅｄ ａｒａｐｉｄ ｉｍｐａｃｔ ｏｆ ａｉｒ ｗａｖｅｓ ｉｎ ｔｈｅ ｌｉｍｉｔｅｄ ｓｐａｃｅ ｏｆ ｔｈｅ ｔｕｎｎｅｌ，ｗｈｉｃｈ ｅｖｅｎｔｕａｌｌｙ ｌｅｄ ｔｏ ｔｈｅ ｔｕｎｎｅｌ ａｎｄ ｔｈｅ ｇｒｏｕｎｄｃｏｌｌａｐｓｅ．Ｔｈｅ ｒｅｓｕｌｔｓ ｃａｎ ｐｒｏｖｉｄｅ ｔｈｅｏｒｅｔｉｃａｌ ｂａｓｉｓ ｆｏｒ ｔｈｅ ｃｏｌｌａｐｓｅ ｍｏｎｉｔｏｒｉｎｇ ａｎｄ ｅａｒｌｙ ｗａｒｎｉｎｇ ｏｆ ｓｈｉｅｌｄ ｔｕｎｎｅｌｉｎｇｉｎ ｔｈｅ ｆｕｔｕｒｅ．Ｋｅｙ ｗｏｒｄｓ Ｇｒｏｕｎｄ ｃｏｌｌａｐｓｅ；ＩｎＳＡＲ；Ｄｅｆｏｒｍａｔｉｏｎ ｍｏｎｉｔｏｒｉｎｇ；Ｍｅｃｈａｎｉｓｍ ａｎａｌｙｓｉｓ；Ｆｏｓｈａｎ０ 引 言
地面塌陷是指在人为因素或者自然因素的作用下，地表岩、土体向下陷落，并形成塌陷坑或塌陷洞的地质现象（王明伟等，２００８）。地面塌陷形成的前提是地表下空洞的存在，而空洞通常是由自然岩溶现象或人类挖掘造成的（Ｂｕｔｔｒｉｃｋ ｅｔ ａｌ．，２０１１），当然也存在一些诱发因素，如加载、地震、人为振动等（Ｎｉｓｉｏ ｅｔ ａｌ．，２００７；Ｐａｒｉｓｅ，２０１２）。地面塌陷是突发性的地质灾害（Ｇｕｔｉéｒｒｅｚ ｅｔ ａｌ．，２００８），特别是在城市地区，可能造成严重的经济损失，甚至危及生命安全。因此，城市地面塌陷的监测和早期预警构成了重要的研究课题。在塌陷形成之前，经常会出现地表下沉、裂缝等异常现象，可以利用这一特征来对潜在地面塌陷进行早期预警（Ｃｈａｎｇ ｅｔ ａｌ．，２０１４）。传统基于离散点的地表形变监测方法，不仅需要耗费大量的人力、物力，而且当监测大范围区域时效率较低（陈永奇，１９８８；Ｇａｌｌｏｗａｙ ｅｔ ａｌ．，１９９９）。而近年来发展起来的合成孔径雷达干涉测量 （Ｉｎｔｅｒｆｅｒｏｍｅｔｒｉｃ ＳｙｎｔｈｅｔｉｃＡｐｅｒｔｕｒｅ Ｒａｄａｒ，ＩｎＳＡＲ）技术，由于其具有空间分辨率高、覆盖范围大、全天时、全天候等优点（Ｂａｍｌｅｒ ｅｔａｌ．，１９９８；兰恒星等，２０１９），被广泛用于监测地面塌陷前的信号特征（Ｂａｅｒ ｅｔ ａｌ．，２００２；Ｃｌｏｓｓｏｎ ｅｔａｌ．，２００３，２００５；Ｎｏｆ ｅｔ ａｌ．，２０１３；Ｖａｃｃａｒｉ ｅｔ ａｌ．，２０１３；Ｊｏｎｅｓ ｅｔ ａｌ．，２０１４，２０１５；Ｋｉｍ ｅｔ ａｌ．，２０１６），特别是在城市地区，具有成本低、效益高和较强的可行性（Ｉｎｔｒｉｅｒｉ ｅｔ ａｌ．，２０１５；Ｔｈｅｒｏｎ ｅｔ ａｌ．，２０１６）。针对 ２０１８ 年 ２ 月 ７ 日发生的佛山市地铁 ２ 号线塌陷事故，Ａｌｅｘ ｅｔ ａｌ．（２０１８）利用 ＰＳＩ（ＰｅｒｓｉｓｔｅｎｔＳｃａｔｔｅｒｅｒ ＩｎＳＡＲ）技术对覆盖广州和佛山地区 ２０１１－０５～２０１７ －０１ 期间的 ＣＯＳＭＯ-ＳｋｙＭｅｄ 数据进行处理，监测了该地区相应时间段的地表变化，并对塌陷的形成原因进行了分析。刘琦等（２０１９）利用 ＰＳ-ＩｎＳＡＲ 技术对覆盖佛山市 ２０１５－０６ ～２０１８－０９ 期间的 Ｓｅｎｔｉｎｅｌ-１ 数据进行处理，获得了研究区相应时间段内的地表形变结果，发现事故段地铁沿线有明显的形变信息，并猜测该路段地面沉降的重要原因是地铁施工。前人在对地面沉降和地面塌陷形成的原因进行分析时，均未结合当地地质资料、事故调查报告等重要资料。８ ６ １ １ Ｊｏｕｒｎａｌ ｏｆＥｎｇｉｎｅｅｒｉｎｇ Ｇｅｏｌｏｇｙ 工程地质学报 ２０２１万方数据
本文将整个禅城区作为研究区，搜集了 ２０１７－０３～２０１９－０１ 期间的５６ 景Ｓｅｎｔｉｎｅｌ-１Ａ 数据，首先利用ＳＢＡＳ-ＩｎＳＡＲ（Ｓｍａｌｌ Ｂａｓｅｌｉｎｅ Ｓｕｂｓｅｔ ＩｎＳＡＲ）技术获取了塌陷前、后期地表形变的时空演化规律。其次，为了验证形变监测结果的可靠性、进一步分析地面塌陷与地面沉降的关系，对塌陷坑附近区域进行了实地调研，并对塌陷坑附近的形变特征进行了详细分析，最后，结合搜集到的事发地地质资料、事故调查报告等，合理地推测了塌陷形成的机理。图 １ 研究区及 Ｓｅｎｔｉｎｅｌ-１Ａ 数据覆盖范围示意图Ｆｉｇ．１ Ｓｃｈｅｍａｔｉｃ ｄｉａｇｒａｍ ｏｆ ｔｈｅ ｒｅｓｅａｒｃｈ ａｒｅａ ａｎｄ Ｓｅｎｔｉｎｅｌ-１Ａ ｄａｔａ ｃｏｖｅｒａｇｅ ａｒｅａ１ 研究区概况１．１ 禅城区基本概况
禅城区是广东省佛山市的 ５ 个行政辖区之一，也是其政治、经济、文化中心，与广州市、深圳市等城市相邻。（１）地理位置：禅城区位于东经 １１３°００"４１″～１１３°０５"４０″，北纬 ２２°３５"０１″～２３°０２"２４″，地处珠江三角洲的腹地，在广州市的西南部，佛山市的中部。南北向 长 约 １５ ｋｍ，东 西 向 宽 约 １９ ｋｍ，面 积 约 为１５４ ｋｍ ２ ，如图 １ 中蓝色框所示，红色五角星即为塌陷坑所在位置（见电子版彩色图片）。（２）地质概况：禅城区的地质属于第四系地层，主要为黏土和其他各种粒径的沙层，厚度约从 ５ ｍ至 ４０ ｍ 不等，具有自东向西递增的趋势，东平水道以西的地区第四系较厚，是禅城区第四系的主要沉积区（易守勇等，２０１７）。图 ２ 为禅城区第四系沉积物等厚线图。禅城区是地势平坦的冲积平原，大多区域海拔在 １．３ ｍ 和 ４．６ ｍ 之间。地貌类型单一，主要为堆积地貌，属于三角洲平原，大部分地表覆盖着厚约１５～２５ ｍ 的松散沉积物。禅城区的软土层天然孔隙比大且含水量高，具有高压缩性、低黏聚力和小固结系数的特点，所以在人类活动的影响下，地表很容易发生形变，由此会带来各种安全隐患。禅城区软土厚度等厚线图如图 ３ 所示，可看出软土厚度的空间分布与第四系沉积物（图 ２）基本呈正相关。１．２ 塌陷事故基本概况
２０１８ 年 ２ 月 ７ 日，位于佛山市禅城区湖涌站至绿岛湖站的地铁 ２ 号线右线工地在盾构中突发透水，导致施工隧道和地面发生坍塌 （张爱军等，２０１８）。图 ４ 为塌陷现场照片，地面坍塌范围东西向约 ６５ ｍ，南北向约 ８１ ｍ，深度约 ６～８ ｍ，地面塌方面积约 ４１９２ ｍ ２ ，坍塌体方量接近 ２．５×１０ ４ ｍ ３ 。事故发生区间呈东西走向，正位于季华西路下面，采用盾构法施工。事故段隧道穿行区域大部分岩土松散，承载力低，自稳定差，总体上工程地质条件很差。事故段隧道底埋深越 ３０．５ ｍ，从上至下分别为人工填土、粉质黏土、淤泥质土、粉砂、粗砂、圆９ ６ １ １ ２９（４）
张 严等：佛山地铁塌陷 ＩｎＳＡＲ 时序监测及机理分析
万方数据
图 ２ 禅城区第四系沉积物等厚线图（改自易守勇等，２００７）Ｆｉｇ．２ Ｉｓｏｐａｃｈ ｍａｐ ｏｆ Ｑｕａｔｅｒｎａｒｙ ｓｅｄｉｍｅｎｔ ｉｎ Ｃｈａｎｃｈｅｎｇ ｄｉｓｔｒｉｃｔ图 ３ 禅城区软土分布等厚线图（改自易守勇等，２００７）Ｆｉｇ．３ Ｉｓｏｐａｃｈ ｍａｐ ｏｆ ｓｏｆｔ ｓｏｉｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｉｎ Ｃｈａｎｃｈｅｎｇ ｄｉｓｔｒｉｃｔ砾。图 ５ 所示为截取的东西向穿过塌陷坑的地质剖面图。２ 实验数据和方法２．１ 数 据
本次实验搜集了覆盖研究区 ２０１７ －０３ －１２ ～２０１９－０１－２５ 期间的 ５６ 景升轨 Ｓｅｎｔｉｎｅｌ-１Ａ 数据，数据覆盖情况如图 １ 中绿色框所示，数据的具体参数如表 １ 所示。外部 ＤＥＭ采用的是 ９０ ｍ 分辨率的ＴａｎＤＥＭ－Ｘ ＤＥＭ。２．２ ＳＢＡＳ-ＩｎＳＡＲ 技术
ＳＢＡＳ-ＩｎＳＡＲ 技术是由 Ｂｅｒａｒｄｉｎｏ 等人在 ２００２０ ７ １ １ Ｊｏｕｒｎａｌ ｏｆＥｎｇｉｎｅｅｒｉｎｇ Ｇｅｏｌｏｇｙ 工程地质学报 ２０２１万方数据
图 ４ 塌陷事故现场图（改自张爱军等，２０１８）Ｆｉｇ．４ Ｍａｐ ｏｆ ｃｏｌｌａｐｓｅ ａｃｃｉｄｅｎｔ ｓｉｔｅ图 ５ 地质剖面图（改自易守勇等，２００７）Ｆｉｇ．５ Ｇｅｏｌｏｇｉｃａｌ ｓｅｃｔｉｏｎ ｍａｐ表 １ Ｓｅｎｔｉｎｅｌ-１Ａ 数据参数Ｔａｂｌｅ １ Ｐａｒａｍｅｔｅｒｓ ｏｆ Ｓｅｎｔｉｎｅｌ-１Ａ影像获取时间 影像数量 极化方式 升／降轨２０１７-０３-１２～２０１９－０１－２５ ５６ 景 ＶＨ＋ＶＶ 升轨年提出的（Ｂｅｒａｒｄｉｎｏ ｅｔ ａｌ．，２００２），通过设置一定的时间、空间基线阈值，获取相对高质量的干涉对，基于解缠后的干涉图获取形变速率和形变时间序列结果。其基本原理为：设第 ｊ幅干涉图是 ｔ Ａ 和 ｔ Ｂ 时刻获取的两幅 ＳＡＲ 影像生成的，则距离向坐标为 ｒ、方位向坐标为 ｘ 的像元的差分相位可以表示为：δφｊ （ｘ，ｒ）＝φ（ｔＢ ，ｘ，ｒ）－φ（ｔＡ ，ｘ，ｒ）≈δφｄｉｓｐｊ（ｘ，ｒ）＋ δφｔｏｐｏｊ（ｘ，ｒ）＋ δφａｔｍｊ（ｔ Ｂ ，ｔ Ａ ，ｘ，ｒ）＋ δφｎｏｉｓｅｊ（ｘ，ｒ），∀ｊ＝１，…Ｍ （１）式中：δφｄｉｓｐｊ（ｘ，ｒ）为视线向形变相位；δφｔｏｐｏｊ（ｘ，ｒ）为残余地形相位；δφａｔｍｊ（ｔ Ｂ ，ｔ Ａ ，ｘ，ｒ）为大气延迟相位；δφｎｏｉｓｅｊ（ｘ，ｒ）为噪声相位；Ｍ为干涉图的总个数，设ＳＡＲ 影像数为 Ｎ＋１，则 Ｎ＋１２≤Ｍ≤ Ｎ（Ｎ＋１）２。当不考虑大气延迟、残余地形和噪声影响的理想情况下：
δφｊ （ｘ，ｒ）≈δφｄｉｓｐｊ（ｘ，ｒ）＝４πλｄ（ｔ Ｂ ，ｘ，ｒ）－ｄ（ｔ Ａ ，ｘ，ｒ）
[ ] ，
∀ｊ＝１，…Ｍ （２）式中：λ为雷达波长；ｄ（ｔ Ｂ ，ｘ，ｒ）和 ｄ（ｔ Ａ ，ｘ，ｒ）分别为 ｔ Ｂ 和 ｔ Ａ 时刻视线向的累积形变量，式（２）所示线性方程组的矩阵表达式为：Ａφ ＝ δφ（３）式中：Ａ 为 Ｍ×Ｎ 的矩阵，行向量为干涉组合，列向量为 ＳＡＲ 影像。当小基线子集个数 Ｌ＝１ 时，Ａ 为列１ ７ １ １ ２９（４）
张 严等：佛山地铁塌陷 ＩｎＳＡＲ 时序监测及机理分析
万方数据
满秩矩阵，可以通过最小二乘估计累积形变量：φ＾ ＝（Ａ Ｔ Ａ）－１Ａ Ｔ δφ （４）当小基线子集个数 Ｌ＞１ 时，方程（４）是秩亏的，秩亏数为 Ｎ－Ｌ＋１，可以对 Ａ 进行奇异值分解，求出累积形变量 φ的最小范数意义下最小二乘解。图 ６ 时空基线分布图Ｆｉｇ．６ Ｔｅｍｐｏｒａｌ ａｎｄ ｐｅｒｐｅｎｄｉｃｕｌａｒ ｂａｓｅｌｉｎｅ ｄｉｓｔｒｉｂｕｔｉｏｎ２．３ 数据处理关键步骤
（１）Ｓｅｎｔｉｎｅｌ-１Ａ 数据预处理：首先分别读取 ５６景数据每个子条带的 ＳＬＣ 数据和创建参数文件，并根据强度图目视判断提取各影像覆盖研究区的公共ｂｕｒｓｔ，然后利用精度在 ５ ｃｍ 以内的 ＡＵＸ＿ＰＯＥＯＲＢ精密轨道文件对轨道文件进行更新，以提高卫星位置的精度，从而减小干涉图的基线误差。最后利用外部 ＤＥＭ辅助影像配准，使配准的精度达到像元大小的千分之一，再对配准的数据进行去斜处理。（２）生成干涉对并差分处理：首先，为了避免严重的失相干现象，我们设定垂直基线阈值为 ２００ ｍ，时间基线阈值为 １００ ｄ，通过自由组合生成 ３９６ 个基于不同主影像的干涉对。然后，将组合得到的干涉对进行干涉处理，并利用采集到的 ＴａｎＤＥＭ－Ｘ ＤＥＭ和 ＳＡＲ 轨道数据，模拟地形相位和平地相位，并将其从原始干涉相位中予以去除。之后考虑到塌陷坑的面积较小，我们对干涉噪声进行小窗口（大小为１６）、小步长（大小为 ２）的自适应谱滤波处理，在此基础上，我们使用最小费用流（ＭＣＦ）方法得到了解缠后的相位。并从中挑选出了 ９４ 个高质量的解缠图，时间基线与垂直基线的关系如图 ６ 所示。（３）求取年平均形变速率和形变时间序列：由于在数据处理中，小基线子集个数 Ｌ＝１，系数矩阵 Ａ为列满秩矩阵，利用最小二乘法进行求解，获得研究区在监测期间的年平均形变速率和形变时间序列。３ 实验结果
从年平均形变速率图（图 ７）可以看出：在监测期间，塌陷坑临近区域有明显的形变，而远离塌陷坑的地铁沿线地带大多比较稳定。由于塌陷形成主要受临近区域的影响，由此将塌陷坑临近区单独提取做进一步分析，如图 ７ 中紫色框所示。图 ８ 所示为上图中紫色框放大图。由于该区域存在大面积植被覆盖区以及建筑工地，导致影像失相干现象较为严重，使得测量结果缺少大量的测量点。不过可以猜测，大部分沉降区域应为连续的，而且最大沉降量估计比监测到的大很多。在塌陷坑近邻区域选择一个点 Ｐ 做形变时间序列分析，结果如图 ９ 所示。由图 ９ 可以看出，Ｐ 点在监测期间内存在持续地面沉降，形变基本呈线性变化，形变速率大约３０ ｍｍ·ａ－１，从 ２０１８－０９ 之后沉降有变缓趋势，塌陷前 １ ａ 时间内累积形变量达到了 ３５ ｍｍ 以上，监测２ ７ １ １ Ｊｏｕｒｎａｌ ｏｆＥｎｇｉｎｅｅｒｉｎｇ Ｇｅｏｌｏｇｙ 工程地质学报 ２０２１万方数据
图 ７ 年平均形变速率图Ｆｉｇ．７ Ａｎｎｕａｌ ｌａｎｄ ｓｕｂｓｉｄｅｎｃｅ ｒａｔｅ ｍａｐ图 ８ 塌陷坑附近区域年平均速率图Ｆｉｇ．８ Ａｎｎｕａｌ ｌａｎｄ ｓｕｂｓｉｄｅｎｃｅ ｒａｔｅ ｍａｐ ｏｆ ｔｈｅ ａｒｅａ ｎｅａｒ ｔｈｅ ｃｏｌｌａｐｓｅ ｐｉｔ的 ２ ａ 期间累计沉降量达到了 ６０ ｍｍ 以上。而且可以看出，在塌陷前一段时间（２０１７－１２－２５ ～２０１８－０１－３０），形变速率突然增加，而临近塌陷前几天和塌陷过后几天，形变趋于稳定，再往后形变速率又突然增加。为进一步分析地面沉降与地面塌陷之间的关系，在塌陷前期（２０１７－０３－１２～２０１８－０１－３０）累计形变图上选取东西向穿过塌陷坑的一条剖线 ＡＢ（如图 ８）做形变分析（图 １０）。由图可见，塌陷坑及其近邻区域存在不均匀的地面沉降，在不到一年的监测时间内，沉降量最大达到近 ４０ ｍｍ，塌陷坑处沉降量最大达到近 ３７ ｍｍ。４ 地面沉降原因及塌陷机理分析
通过对塌陷坑及其附近区域进行实地考察，发３ ７ １ １ ２９（４）
张 严等：佛山地铁塌陷 ＩｎＳＡＲ 时序监测及机理分析
万方数据
图 ９ Ｐ 点形变时间序列图Ｆｉｇ．９ Ｔｈｅ ｔｉｍｅ-ｓｅｒｉｅｓ ｏｆ ｐｏｉｎｔ Ｐ图 １０ 剖线 ＡＢ 沿线的沉降量Ｆｉｇ．１０ Ｄｅｆｏｒｍａｔｉｏｎ ａｌｏｎｇ ｌｉｎｅ ＡＢ现沉降区存在地面裂缝、建筑物破坏等现象（图１１），而非形变区未发现明显地表形变现象，从而证明了监测结果的可靠性。塌陷坑北方大面积区域被植被覆盖且存在建筑施工，从而导致了该区域影像失相干现象较为严重。４．１ 地面沉降原因分析
通过调研得知，该地的生活用水和工业用水均来自北江和南江的河水，因此并不存在抽取地下水的情况。通过将年平均形变速率图（图 ７）和禅城区第四系沉积等厚线图（图 ２）对比可见，沉降较严重的区域与第四系沉积厚度较大的区域基本一致，但第四系中最容易发生沉降的是软土层，软土的厚度分布与第四系不完全一致，而且沉降会受多种因素的影响，所以具体沉降情况还要结合软土厚度分布（图 ３）情况综合分析。此外，从 Ｐ 点的形变时间序列图可见，在塌陷发生前的一段时间（２０１７ －１２ －２５～２０１８－０１－３０），形变速率突然增加，猜测可能是４ ７ １ １ Ｊｏｕｒｎａｌ ｏｆＥｎｇｉｎｅｅｒｉｎｇ Ｇｅｏｌｏｇｙ 工程地质学报 ２０２１万方数据
图 １１ 野外实地调查照片Ｆｉｇ．１１ Ｆｉｅｌｄ ｓｕｒｖｅｙ ｐｈｏｔｏｓ地铁施工扰动导致的。而临近塌陷前几天和塌陷过后几天，形变趋于稳定，考虑到可能是水管泄露导致软土层饱和的原因。２０１８－０９ 之后沉降变缓，应该是软土层通过多年固结压缩，逐步趋于稳定。总结来说，地面发生不均匀沉降，主要原因是软土厚度的分布不均匀，其次地铁施工扰动也加速了地面沉降。图 １２ 塌陷机理分析示意图（改自易守勇等，２００７）Ｆｉｇ．１２ Ｓｃｈｅｍａｔｉｃ ｄｉａｇｒａｍ ｏｆ ｃｏｌｌａｐｓｅ ｍｅｃｈａｎｉｓｍ４．２ 塌陷机理分析
图 １２ 所示为塌陷机理分析示意图，事故发生时，盾构机处于工程地质较差的地带，机身中下部处于中砂和粉砂交界位置，隧洞顶是易压缩的淤泥质土层、隧洞底是软弱的粉砂层。隧道沿线地表下５ ｍ 左右设有供水管道，管道直径约 １ ｍ。图中 Ａ、Ｂ的位置对应图 ８ 中的剖线 ＡＢ。事故调查报告指出，佛山隧道塌方的原因为突发透水造成隧道结构破坏（张爱军等，２０１８）。通过查阅文献和现场调查，我们认为事故起因于地面沉降导致供水管道损坏。主要原因如下：首先，大量的研究表明，地面沉降会对地下管道产生破坏（张维然等，２００２；赵常洲等，２００６；贾三满等，２００７；毛小平等，２０１６），禅城区供水管道等基础设施普遍存在老化现象，很容易受到地面沉降的影响；其次，早在 ２０１８ 年 １ 月 １５ 日，ＣＢ１１３ 附近发生过一次小型塌陷事故（ＣＢ１１３ 地理位置如图 ８ 所示），该小型塌陷现场示意图如图 １３ 所示，由于没有造成严重后果而没得到重视，但塌陷原因被鉴定为供水管道破裂。从图 １２ 可以看出，此次塌陷事故所在区域地质环境更为复杂，盾构机顶的淤泥质土属于软土的一种，压缩性高、强度低（秦川等，２０１９），特别是机身中下部砂层的存在，大大增加了出现水管泄漏的情况下发生塌陷事故的风险，也是这里发生大型塌５ ７ １ １ ２９（４）
张 严等：佛山地铁塌陷 ＩｎＳＡＲ 时序监测及机理分析
万方数据
图 １３ 小型塌陷事故现场图Ｆｉｇ．１３ Ｍａｐ ｏｆ ｍｉｎｏｒ ｃｏｌｌａｐｓｅ ａｃｃｉｄｅｎｔ ｓｉｔｅ陷事故的重要原因。根据已有资料和 ＩｎＳＡＲ 监测结果，我们合理地推测了此次塌陷事故形成的机理：由于供水管道下方的淤泥质土存在不均匀沉降，从而供水...
