遥感技术与应用, 2023, 38(2): 454-464 doi: 10.11873/j.issn.1004-0323.2023.2.0454

遥感应用

Sentinel⁃1A TS⁃DInSAR津冀核心经济区广域地表沉降监测与分析

于冰,1,2,3,4, 何智勇1, 谭青雪1, 张过3, 李广宇5, 佘杰1, 吴滔1, 王杨1

1.西南石油大学土木工程与测绘学院，四川 成都 610500

2.西南石油大学油气空间信息工程研究所，四川 成都 610500

3.武汉大学测绘遥感信息工程国家重点实验室，湖北 武汉 430079

4.西南石油大学油气藏地质及开发工程国家重点实验室，四川 成都 610500

5.中国铁路设计集团有限公司，天津 300308

Land Subsidence Monitoring and Analysis of Tianjin-Hebei Economic Region based on Sentinel-1A TS-DInSAR

YU Bing,1,2,3,4, HE Zhiyong1, TAN Qingxue1, ZHANG Guo3, LI Guangyu5, SHE Jie1, WU Tao1, WANG Yang1

1.School of Civil Engineering and Geomatics，Southwest Petroleum University，Chengdu 610500，China

2.Institute of Petroleum and Natural Gas Spatial Information Engineering，Southwest Petroleum University，Chengdu 610500，China

3.State Key Laboratory of Information Engineering in Surveying，Mapping and Remote Sensing，Wuhan University，Wuhan 430079，China

4.State Key Laboratory of Oil and Gas Reservoir Geology and Exploitation，Southwest Petroleum University，Chengdu 610500，China

5.The Third Railway Survey and Design Institute Group Corporation，Tianjin 300308，China

收稿日期: 2020-11-08   修回日期: 2022-12-11  

基金资助: 国家自然科学基金青年科学基金项目.  41801399
第65批中国博士后科学基金面上资助.  2019M653476
测绘遥感信息工程国家重点实验室开放基金(18E01),四川省科技计划项目.  2018JY0138

Received: 2020-11-08   Revised: 2022-12-11  

作者简介 About authors

于冰（1985-），男，山东菏泽人，博士，副教授，主要从事合成孔径雷达干涉测量与形变监测、高分辨率遥感自然和人文环境监测等研究E⁃mail：rs_insar_bingyu@163.com , E-mail：rs_insar_bingyu@163.com

摘要

津冀地区位于华北平原，严重的地下水开采导致地表沉降十分显著，开展广域沉降监测具有重要的现实意义。以2016年2月至2018年11月获取的59幅Sentinel-1A SAR影像为数据源，采用相干点目标分析（IPTA）方法对该区域开展沉降监测，采用大量水准数据验证监测结果精度，基于验证后结果对研究区域沉降时空分布特点进行详细分析和解释。与水准数据对比，Sentinel-1A IPTA监测结果均方根误差（RSME）为±2.70 mm∙a-1。分析表明：研究区域内存在严重的不均匀地表沉降，最大沉降速率高达218.31 mm∙a-1。同时研究进一步表明Sentinel-1A时序差分干涉应用于广域地表沉降监测具有较高的精度水平和较好的应用潜力。

关键词： Sentinel-1A ; TS-DInSAR ; 沉降监测与分析 ; 精度验证

Abstract

Tianjin-Hebei region is located in the North China Plain. This area involves multiple economic center of China. The serious groundwater exploitation leads to very significant land subsidence in this area， so it is of great practical significance to carry out wide area subsidence monitoring in this region. In this paper， taking 59 sentinel-1A SAR images obtained from February 2016 to November 2018 as data source， subsidence monitoring in this area was carried out using the method of Interferometric Point Target Analysis （IPTA）， and the result accuracy was verified based on a large number of leveling data. At the last， the spatial and temporal distribution characteristics of the subsidence were analyzed and explained in detail based on the verified results. As compared with the leveling data， the Root Mean Square Error （RSME） of sentinel-1A IPTA monitoring results is ±2.70 mm∙a-1. The results and analysis demonstrate that there is significant uneven land subsidence in the study area. The maximum subsidence rate is as high as 218.31 mm∙a-1. Further analysis indicate that the surface subsidence is mainly related to the regional geological conditions and different types of groundwater exploitation. The study further shows that sentinel-1A time series differential interferometry has high precision and excellent application potential in wide area land subsidence monitoring.

Keywords： Sentinel-1A ; TS-DInSAR ; Land subsidence monitoring and analysis ; Accuracy verification

PDF (9016KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

于冰, 何智勇, 谭青雪, 张过, 李广宇, 佘杰, 吴滔, 王杨. Sentinel⁃1A TS⁃DInSAR津冀核心经济区广域地表沉降监测与分析. 遥感技术与应用[J], 2023, 38(2): 454-464 doi:10.11873/j.issn.1004-0323.2023.2.0454

YU Bing, HE Zhiyong, TAN Qingxue, ZHANG Guo, LI Guangyu, SHE Jie, WU Tao, WANG Yang. Land Subsidence Monitoring and Analysis of Tianjin-Hebei Economic Region based on Sentinel-1A TS-DInSAR. Remote Sensing Technology and Application[J], 2023, 38(2): 454-464 doi:10.11873/j.issn.1004-0323.2023.2.0454

1 引 言

廊坊、天津以及唐山位于我国华北平原，是京津冀经济圈的重要组成部分。由于地处温带大陆性季风气候区，降水量较少，水资源匮乏，地下水资源超量开采致使地表发生严重不均匀沉降，地面建构筑物的安全受到了严重威胁［1］。已有研究显示，天津市地表沉降出现较早，上世纪末通过对地下水开采治理地表沉降得以控制，但近些年，部分区域呈现出沉降加剧的趋势。2015年统计数据显示全市年均沉降量为26 mm，66%的区域累积沉降超过了10 mm［1-3］。河北省境内沉降较严重的区域主要为廊坊市、霸州市和唐山市。廊坊市主城区由于地下水开采过量导致地面沉降加剧［4］，霸州市沉降区10 a间沉降中心最大沉降速率超过了200 mm∙a-1，沉降区年均沉降量达到了135 mm［5］。唐山市主要受采矿及地下水过量开采影响，主城区以及南部区域出现了较严重地面沉降［6-8］。严重的地表沉降制约着经济圈的快速发展。因此，开展大范围、高效的地表沉降监测对保障京津冀区域经济快速发展具有重要的现实意义。

近年来，随着大范围、高精度及高效率地表沉降监测需求的增大，时序合成孔径雷达差分干涉（Time Series Differential Interferometric Synthetic Aperture Radar， TS-DInSAR）技术得到了快速发展［1］。TS-DInSAR技术突破了传统大地测量方法监测效率低、成本高、范围小等缺点以及差分雷达干涉技术受时空失相干及大气延迟影响等不足，采用多幅SAR影像，分析研究区域形变时空分布规律［9-12］。截至目前，国内外提出了不同的TS-DInSAR方法或者改进方法，并广泛应用于各类地表形变监测［13-16］。这些研究表明TS-DInSAR在大范围、微小累积地表沉降监测中具有较好效果［17-18］。

TS-DInSAR的发展和应用离不开SAR数据的支撑，随着欧空局Sentinel-1卫星星座的建设完成，目前可获取全球大部分地区的Sentinel-1 A/B系列SAR影像，其具有重访周期短、空间分辨率适中、覆盖范围更广等优势，很快在地表形变监测中得到较多应用［19］。例如，城市沉降监测、滑坡形变监测、地震形变监测、油气田沉降监测和矿区沉降监测等［1，20-22］。这些研究表明，Sentinel-1 SAR数据的投入使用为开展广域、高分辨率地表沉降监测与分析提供了新的契机。

在津冀核心经济区重点城市沉降监测方面，白泽朝等［23］结合Sentinel-1 SAR影像与PSInSAR提取了2015~2016年天津的沉降场并做了沉降原因分析；李广宇等［1］采用Sentinel-1A TS-DInSAR方法对京津冀地区沉降成因及对交通的影响做了详细分析，但未进行精度验证；Zhang等［24］利用Sentinel-1 SAR影像提取了天津地区的形变场并与GPS时间序列进行了比较证明了结果的可靠性。

上述研究表明，Sentinel TS-DInSAR应用于地面形变监测具有较好的效果，但关于采用大量精确地面水准测量数据开展Sentinel TS-DInSAR监测精度验证方面的研究相对较少。为进一步研究津冀核心经济区重点城市地表沉降及影响因素，并精确验证Sentinel TS-DInSAR的沉降监测精度，研究选取廊坊市、天津市及唐山市为研究区域，以Sentinel-1A升轨SAR影像为数据源，采用基于干涉点目标分析（Interferometric Point Target Analysis， IPTA）的TS-DInSAR方法提取研究区域的年均地表沉降速率以及沉降时间序列，结合水准数据验证结果精度，并详细分析研究区域沉降时空分布规律及沉降成因，进一步探讨Sentinel TS-DInSAR应用于广域地表沉降监测的适用性。

2 IPTA时序分析方法

IPTA方法的关键在于相干点目标（或者也可以称为永久散射体， Persistent Scatterer， PS）的选择、干涉处理、相位建模、基于回归分析的形变和高程残差迭代计算、时空滤波消除轨道误差和大气延迟影响。研究采用单一主影像方法进行主从影像配准和干涉处理。为了得到更好的配准和干涉效果，主影像选择充分考虑时空基线以及多普勒质心频率差，建立综合相干函数模型，根据综合相干系数确定最优的主影像［25］。PS点选择方面，为了保证研究区域具有足够密集的监测点，同时根据影像光谱特性以及强度稳定性综合选取PS点［13］，即将两种方式选取的PS候选点进行合并，避免个别区域缺少PS点而丢失沉降信息。

IPTA时序形变分析主要基于PS点进行，将主影像与从影像进行干涉得到PS点干涉相位，其中任意干涉对第i个PS点干涉相位可以表示为：

ϕint,i=ϕdef,i+ϕtop,i+ϕgeo,i+ϕatm,i+ϕnoi,i

其中：ϕdef,i为地表形变相位，包括线性形变及非线性形变；ϕtop,i为地形相位；ϕgeo,i为平地效应相位；ϕatm,i和ϕnoi,i分别为大气延迟和噪声相位。采用“二轨法”差分干涉结合外部DSM数据去除PS点的平地效应和地形相位得到相应的差分干涉相位［26］：

ϕdiff,i=ϕdef,i+ϕtop_res,i+ϕatm,i+ϕnoi,i+ϕorb_res,i

其中：ϕdiff,i为PS点上的差分干涉相位；ϕtop_res,i和ϕorb_res,i分别为残余地形及轨道误差相位。

IPTA以线性形变模型为基础，在得到PS点上的差分干涉相位后，可建立相邻PS点间的相对相位模型，表征邻接点间线性形变速率、高程改正、残余相位的差异（或称为增量），残余相位主要包含非线性形变、轨道误差、大气延迟和其它噪声。据此，以线性形变速率和高程改正增量为待估参数，可建立二维线性相位回归分析模型：

Δϕdiff,i-j=4πλΔvBt+4πλRsinθΔδhBs+Δϕorb_res,i-j+Δϕatm,i-j+Δϕnoi,i-j

其中：Δϕdiff,i-j为两相邻PS点间的二次差分相位（差分干涉相位差异）；Δv为两相邻PS点间的线性形变速率增量；Bt和Bs分别为相应差分干涉图的时间基线和空间垂直基线，Δδh为两PS点间高程改正增量，λ、R、θ分别为雷达波长、成像斜距及入射角，Δϕorb_res,i-j、Δϕatm,i-j和Δϕnoi,i-j分别是相应的轨道误差、大气延迟和噪声增量。以差分干涉相位为因变量，进行回归分析，可计算出所有邻接PS点间的线性形变速率增量和高程改正增量，并通过选定参考点及路径积分计算每个PS点上相对于参考点的线性形变速率和高程改正量。为了最大程度精化对线性形变速率和高程改正量的求解，IPTA采用迭代回归分析策略反复从残余相位中估算形变速率改正数及高程改正数，并对形变相位及高程相位进行迭代更新，直至得到最佳的拟合高程改正量和线性形变速率为止［1，24］。对于提取线性形变以及高程改正后的残余差分干涉相位，主要包含非线性形变、大气延迟、轨道误差和噪声等相位分量。IPTA时序分析的基本思想是去除其中残余误差相位，剩下非线性形变相位。已有研究表明，非线性形变、大气延迟、轨道误差与噪声在时空域具有不同的频率特征，前三者在空间域表现为低频高相干性特性，噪声则表现为高频随机特性，非线性形变在时间域表现为低频特性［11-12］，后三者则表现出高频特性。因此，在空间域对残余相位进行低通滤波可去除噪声，然后在时间域进行低通滤波可得到非线性形变相位。最后将线性和非线性形变相位叠加并进行相位到形变的转换，即可得到形变时间序列。IPTA方法整体处理流程如图1所示。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   IPTA数据处理流程图

Fig.1   Flowchart of IPTA data processing


3 研究区域及实验数据概况

3.1　研究区域概况

研究区域位置如图2所示，其中红色实线框所示范围为具体的监测区域，面积约19 265.13 km2，包含天津市中心城区及南部大部分区域、唐山市西南部分区域及廊坊市东北部分区域。研究区域自西北向东南呈现丘陵—平原的变化趋势，东南临渤海湾，主要以大面积沉积平原为主。该区位于温带大陆性气候区，降水量少，地表水资源缺乏；近半世纪的农业发展、城镇发展等大量开采地下水、截蓄地表水，致使该地区地下水位持续下降，地面持续下沉。另外，工业城市唐山蕴含丰富的地矿资源，过多的地矿开采致使地面建筑设施及环境遭到了破环。同时，研究区域包含了3座城市的中心城区以及大面积农业区，城市人口持续增多及农业发展对地下水资源及地矿资源的需求增大，使得地面沉降难以控制。严重地面沉降是研究区域安全持续发展的主要威胁。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   研究区域

审图号：GS（2017）1268

Fig.2   Study area


3.2　实验数据

选用2016年2月26日至2018年11月30日期间获取的覆盖研究区域的59幅Sentinel-1A卫星升轨SAR影像作为数据源开展沉降监测实验，具体的影像获取日期如表1所示。差分干涉处理所用的外部地形数据为日本宇宙航空研究开发机构的AW3D30数字表面模型（Digital Surface Model，DSM），其具有30 m空间分辨率及5 m的高程精度，较数字高程模型（Digital Elevation Model，DEM）包含更多的地表信息。为了对IPTA结果进行精度验证，本文获取了天津市境内某交通要道沿线的50个水准监测点（分布如图5所示）2016年至2017年间的水准沉降监测数据。水准监测点数据采用二等水准测量获得，沉降量通过两期高程测量结果做差求得。高程测量过程中每公里高差中误差为1 mm。

表1   影像获取时间及干涉时空基线

Table 1  Imaging time and spatial-temporal baselines of the interferograms

影像

编号

成像时间T/dB/m

影像

编号

成像时间T/dB/m
120160226-40831.774 0312017092416836.943 5
220160508-33619.689 63220171030204-1.121 8
320160601-31249.384 8332017111121639.883 2
420160719-26488.300 4342017112322816.540 6
520160929-19274.773 9352018011027658.810 1
620161011-18015.079 9362018012228821.236 2
720161104-15638.752 1372018020330077.308 9
820161116-14489.640 4382018021531292.925 2
920161210-12069.638 5392018022732466.779 5
1020161222-10830.743 0402018031133665.633 5
1120170103-9636.044 1412018032334868.630 0
1220170115-8467.266 1422018040436092.486 5
1320170127-7283.070 2432018041637264.506 6
1420170220-4848.901 5442018042838485.103 6
1520170304-3669.924 74520180510396-39.163 4
1620170316-2423.155 346201805224083.761 2
1720170328-1286.259 4472018060342050.843 9
182017040900.000 0482018061543286.191 6
192017042112-32.060 3492018062744494.129 8
202017050324-29.248 7502018070945669.674 3
212017051536-16.713 65120180721468-12.352 1
22201705274879.003 7522018081449264.067 3
23201706086043.096 3532018082650458.397 8
24201707028431.989 6542018090751619.695 1
25201707149633.210 85520180919528-3.482 0
262017072610850.561 256201810015403.561 4
272017080712080.717 95720181013552-2.080 8
282017081913234.782 8582018111858840.708 5
29201708311444.356 9592018113060062.709 0
3020170912156-20.643 2

新窗口打开| 下载CSV


图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   IPTA沉降速率

Fig.3   Subsidence rate of IPTA


图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   研究区域校正后沉降速率分布

Fig.4   Corrected subsidence rate of the study area


图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   精度验证结果

Fig.5   Accuracy verification results


4 数据处理及结果验证

4.1　数据处理基本过程

数据处理基本过程主要包括轨道校正、公共主影像筛选、影像配准、监测区域影像裁剪、PS点选取、差分干涉、形变速率及时间序列解算。在获取数据后，首先利用精确轨道数据对SAR影像数据进行轨道信息校正，避免轨道误差对后续数据处理的影响。为提高影像配准效果和后续的干涉效果，采用综合相干函数模型对公共主影像进行优选，最终选取20170409作为主影像，并开展影像配准，配准方位向精度优于千分之一个像素。配准后，计算各从影像与主影像间的干涉时空基线，为了减轻空间失相干，将空间基线限制在100 m以内（上述59幅SAR影像为排除与主影像空间基线较长的从影像后的数量），最终形成58个干涉对（时空基线如表1所示）。而后，根据影像光谱特性以及强度稳定性综合选取PS点，结合DSM模拟地形相位进行差分干涉去除平地效应和地形相位，获得PS点上的差分干涉相位。最后，根据第1节中的IPTA技术和数据处理流程分别提取线性和非线性形变时间序列以及平均形变速率。

需要说明的是为了提高解算结果的可靠性，根据相邻两次迭代结果差异以及兼顾数据处理效率，设置7次迭代回归分析，提取PS点线性形变速率并剔除低质量PS点。而后，对残余相位先后进行空间域及时间域低通滤波以去除噪声、大气延迟和轨道误差等误差相位并提取非线性形变。最后将线性与非线性形变叠加转换得到形变时间序列，并将形变速率和形变时间序列转换为垂直向形变。

4.2　Sentinel TS-DInSAR结果验证

通过IPTA处理获得了研究区域初始年平均沉降速率（图3），IPTA方法需要人为选择稳定点作为参考点并计算PS点相对参考点的沉降结果，然而实际数据处理中由于缺乏先验信息，选择的参考点并非绝对稳定点，可能存在一定的沉降，致使PS点的IPTA沉降监测结果为相对参考点的形变。为保证后续沉降分析的可靠性，首先对沉降结果进行精度验证。由于初始结果为相对于参考点的相对沉降量，在精度分析之前需要将PS点监测结果进行整体校正。本文从50个外业监测点中选取一个点（图4中的黑色三角形）与其同名像点的沉降速率差作为改正值进行整体校正（校正结果如图4所示），对校正后的IPTA监测沉降速率进行精度分析，结果如图5所示。水准监测与IPTA监测沉降速率差绝对值最大为5.44 mm∙a-1，最小为0.06 mm∙a-1，总体沉降速率差值均值为-1.21 mm∙a-1，均方根误差（RSME）为±2.70 mm∙a-1。由此可以证明，基于Sentinel-1A IPTA的地表沉降监测结果具有较高精度和可靠性。

5 研究区域数据结果及地表沉降分析

5.1　研究区域整体沉降情况分析

研究一共选取了6 962 426个优质PS点，全区域平均点密度为361个/km2，其中城市区域点密度高达1 847个/km2，而乡镇农村点较稀疏，农田等部分植被覆盖茂盛区域没有PS点。IPTA解算过程中，选择（117.144 477 8° E，39.102 436 1° N）点作为参考点（图5中红色五角星），选择（117.056 777 8° E，39.069 840 2° N）点作为校正点（图4中黑色三角形）。

如图4中地表沉降速率分布可知，研究区域地表沉降空间分布不均，总体呈现南部沉降较北部严重。区域A中，主要表现为城市区域沉降较郊区更严重，年均沉降速率在70 mm∙a-1以上。区域B严重沉降主要分布于南部沿海区域，最大沉降速率超过了110 mm∙a-1；北部主城区相对较为稳定，仅部分小面积的沉降发生。区域C沉降最为严重，年均沉降速率都在15 mm∙a-1以上，郊区沉降较城区更严重；沉降最严重区域出现在C1区域，并在点c （天津市王庆坨镇）、d （廊坊市胜芳镇）附近出现了严重沉降漏斗，最大沉降速率达到了218.31 mm∙a-1，3 a累积沉降量达到了643.35 mm。图6所示为沉降区域选取的14个点（a~n）的沉降时间序列。从所选点的沉降时间序列来看，总体上在时间域呈现出以线性形变为主的特征，并存在一定的非线性沉降。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   沉降点时间序列

Fig.6   Subsidence time series of selected points


结合已有研究与本文对比分析［1，3，5，7-8，27］，研究区域沉降空间分布常年不均与前文分析结果基本一致。结合李广宇等［1，3，5，27］的研究结果，对研究区域沉降时间演化进行分析，区域A1 （廊坊市城区）呈现沉降速率加剧趋势，并且有向西南方向扩大的趋势。区域C总体沉降有所减缓，但沉降仍然较严重；其中，区域C1呈现出沉降加剧以及胜芳镇沉降漏斗逐渐与王庆坨镇沉降漏斗连成一片的演化趋势。近年，最严重的王庆坨镇沉降中心年均沉降速率已超过了200 mm，且沉降漏斗区沿东北方向呈现逐渐扩张的变化趋势。结合张晓博等［6-8］的研究分析，区域B北部主城区除了矿区周围存在较小范围沉降外其余区域长期稳定；南部沿海区域呈现沉降逐年加剧的演化趋势，并在区域B1、B2形成了沉降漏斗。对此，后文将针对这几个区域重点分析。

5.2　分区域沉降分析

5.2.1　区域A (主要为廊坊市)沉降分析

结合图4区域A沉降分布，区域A1（广阳区—安次区一带）、A2（永清县工业园区）沉降较为严重，如图7所示，主城区a点（广阳区）附近出现了沉降漏斗，最大沉降速率达到了120 mm∙a-1；永清县工业园区点b附近同样也出现了严重沉降漏斗，最大沉降速率达到了110 mm∙a-1。结合已有研究资料分析沉降诱因，廊坊市经济开发区位于广阳区，主要产业覆盖面较广，市区人口密度较大，安次区郊区农业以经济林木及花卉种植为主［1］；永清县工业园区主要以电子信息、机械制造及新型材料产业为主。巨大的工业、农业、林业和生活用水需求导致地下水过量开采。据统计，2014年廊坊市地下水开采量达到了总用水量的78%，其经济产业及农业对水资源需求巨大，稀缺的地表水资源导致对地下水资源的过度依赖［4-5，28］。过度的地下水开采导致近几十年廊坊市地面持续沉降。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   区域A1、A2地面沉降分布

Fig.7   Subsidence of area A1 and A2


5.2.2　区域B (主要为唐山市)沉降分析

区域B地面沉降如图4、8所示，北部区域大部分地区沉降速率都在20 mm∙a-1以下，整体较稳定，而南部沿海区域地面沉降较为严重。分析表明，南部沿海区域（曹妃甸工业区—唐山湾生态城）地面沉降速率在50 mm∙a-1之上。区域B1（丰南沿海工业园）、B2（唐山湾生态城）出现了严重的沉降漏斗，沉降漏斗中心g、h点沉降速率分别达到了151 mm∙a-1和100 mm∙a-1。结合已有资料，唐山市南部沿海区域大面积沉降的原因可概括为两点：①长期地下水资源超采，如受宁河—唐湾区域地下水的过量开采，导致丰南沿海工业园一带出现较严重的沉降漏斗。②地质环境以及大面积开发建设导致地面沉降，主要表现在南部沿海大部分区域，该区域沿渤海湾分布，在地质环境上属于新生代细颗粒松散沉积类型，地层长期处于固结沉积的状态，近些年新区的大力发展导致人口聚集和建设扰动加剧，引发持续性地面沉降［7-8，29］。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8   区域B1、B2地面沉降

Fig.8   Subsidence of area B1 and B2


相比之下，唐山北部城区较为稳定，只有i~n点所在区域发生了较小范围的地面沉降。根据沉降发育特点以及现有资料可知，6个区域沉降主要是由于采矿造成［6］。主要表现为矿区邻近区域发生较严重的形变但影响范围较小，主要在矿区内部以及邻近建筑物范围内存在安全隐患。本文中，n点所在矿区地面整体相对平稳，如图6所示，在2016年9月至2017年4月时间段内出现了较小形变，其后时间形变速率趋于0，其余5个区域沉降较严重，累积沉降超过160 mm且表现出了线性为主的沉降趋势，存在较大安全隐患。

5.2.3　区域C (天津市)沉降分析

天津市是我国因地下水过量开采导致严重地面沉降的典型区域。结合图4，天津市主城区及北部区域地面相对稳定没有发生显著沉降，主城区（区域C）周边沉降依旧很严重。主城区沉降在35 mm·a-1以下，郊区平均沉降速率超过了55 mm·a-1，最严重沉降出现在区域C1（霸州市胜芳镇至武清区王庆坨镇部分区域）一带，沉降速率在140 mm·a-1以上，王庆坨镇（c点）的最大沉降速率超过了200 mm·a-1。

如图9所示为C1区域沉降分布，采用Kriging插值得到该区域沉降场，结合该区域西南-东北向的沉降剖面（图10（a）所示）可知该区域出现了以胜芳镇（d点）以及王庆坨镇（c点）为中心的沉降漏斗，胜芳镇漏斗中心沉降速率为160 mm∙a-1，王庆坨镇漏斗中心沉降速率为218.31 mm∙a-1。结合已有资料及可见光影像发现，该区域都是大面积高密度的农村自建房及工业区，人口密度大，工业生产活动密集，生活和工业用水致使地下水超量开采是导致严重沉降的主要因素［1，5，27］。如图9所示，某高速公路从王庆坨镇沉降中心穿过，提取了其从北至南沿线的沉降速率（如图10（b）所示），沉降分布呈现出严重的不均匀性，最大沉降速率192.66 mm∙a-1，这可能影响高速公路的交通安全。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9   区域C1地面沉降分布

Fig.9   Subsidence of area C1


图10

新窗口打开| 下载原图ZIP| 生成PPT

图10   胜芳镇—王庆坨镇及高速公路沉降剖面

Fig.10   Subsidence rate profile of Shengfang-Wangqingtuo and the highway


由图5和图11可知，f点（团泊镇）也出现了较严重地面沉降，最大沉降速率达到了161.61 mm∙a-1。结合相关资料以及可见光影像发现，f点所在严重沉降区域为新建住宅区及商业街，且位于团泊洼水库新建人工岛。故可推测，该区域小面积的严重沉降是由人工岛地层地质环境不稳定以及大量地面工程建设和新建构筑物自然沉降引起的。总的来说，天津市地面沉降在主城区得到了一定的治理，但在郊区、乡镇、农村仍然很严重，需要进一步的完善治理。

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11   团泊镇地面沉降分布

Fig.11   Subsidence of Tuanbo town


6 结 语

以廊坊、天津及唐山为重点研究区域，以Sentinel-1A升轨SAR影像为数据源，采用基于IPTA的TS-DInSAR方法开展大区域沉降监测分析和精度验证实验研究，获取了廊坊、天津及唐山2016年2月至2018年11月的地面沉降结果，结合大量水准监测数据对IPTA监测结果进行了精度分析。结合沉降监测结果以及已有研究结果和区域发展、经济建设等外部资料，深入分析了该区域内大范围沉降分布的时空规律、沉降诱发因素。

与水准数据进行对比分析表明，Sentinel-1A IPTA沉降监测结果具有较高的精度，均方根误差（RSME）为±2.70 mm∙a-1。沉降结果显示，研究区域总体沉降分布呈现出严重的不均匀性，西南部地区沉降较为严重，且郊区沉降较城市更为严重，与以往研究吻合。该区域内最严重沉降出现在天津市王庆坨一带，最大年沉降速率达到了218.31 mm∙a-1，并严重影响到交通干道的安全运营。除此之外，结合外部资料分别针对廊坊市、唐山市和天津市的沉降情况进行了诱因分析。严重沉降区存在大面积的农业生产用地、人口聚居区及工业生产用地，农业、生活和工业生产对水资源需求巨大，致使地下水过量开采，进而引发严重地表沉降。同时，唐山市沉降成因还包含新经济开发区建设的地面工程扰动以及地矿开采等因素。总体而言，地下水超采是诱发该区域地表沉降的主要原因，地下水超采治理是沉降治理的重要措施。

本文研究表明，Sentinel-1A SAR数据应用于时序DInSAR地表沉降监测具有较高的精度和可靠性，可以高效获取目标区域大范围地表沉降信息，为广域地表沉降分析提供可靠的技术手段和监测数据，对开展沉降监测及沉降防控与治理具有重要的实际价值。

参考文献

LI Guangyu， ZHANG Rui， LIU Guoxiang， et al.

Land subsidence detection and analysis over Beijing-Tianjin-Hebei Area based on Sentinel-1A TS-DInSAR

［J］. Journal of Remote Sensing，2018，22（4）：633-646.

[本文引用: 10]

李广宇， 张瑞， 刘国祥， 等.

Sentinel-1A TS-DInSAR京津冀地区沉降监测与分析

［J］. 遥感学报，2018，22（4）：633-646.

[本文引用: 10]

Xiaowen LÜ， SONG Li， SHAO Xing， et al.

The suggestion and application of land subsidence monitoring in Tianjin

［J］. Shanghai Land & Resources，2017，38（2）：26-30.

吕潇文， 宋利， 邵兴， 等.

天津市地面沉降监测技术应用及发展建议

［J］. 上海国土资源， 2017， 38（2）： 26-30.

ZHANG Yonghong， WU Hongan， KANG Yonghui.

Ground subsidence over Beijing-Tianjin-Hebei region during three periods of 1992 to 2014 monitored by interferometric SAR

［J］. Acta Geodaetica et Cartographica Sinica， 2016， 45（9）： 1050-1058.

[本文引用: 3]

张永红， 吴宏安， 康永辉.

京津冀地区1992-2014年三阶段地面沉降InSAR监测

［J］. 测绘学报， 2016， 45（9）： 1050-1058.

[本文引用: 3]

ZHOU Xü， Caijun XÜ， WEN Yangmao.

Land subsidence monitering of Beijing and Langfang of Hebei Prouince by time series InSAR

［J］. Science of Surveying and Mapping， 2017， 42（7）： 89-93.

[本文引用: 2]

周旭， 许才军， 温扬茂.

利用时序InSAR技术分析北京及河北廊坊地面沉降

［J］. 测绘科学， 2017， 42（7）： 89-93.

[本文引用: 2]

TANG Jia， LIU Guoxiang， SONG Yunfan， et al.

Significant subsidence detection and analysis by PALSAR and ASAR PSI

［J］. Journal of Remote Sensing，2015，19（6）：1019-1029.

[本文引用: 5]

唐嘉， 刘国祥， 宋云帆， 等.

PALSAR和ASAR PSI显著地表沉降探测与分析

［J］.遥感学报， 2015， 19（6）： 1019-1029.

[本文引用: 5]

ZHANG Xiaobo， CHAO Xuesheng， GE Daqing， et al.

Land subsidence monitoring of Tangshan Mine using high resolution Terrasar-X images

［J］. Journal of Geodesy and Geodynamics， 2017， 37（5）： 507-510.

[本文引用: 3]

张晓博， 赵学胜， 葛大庆， 等.

利用高分辨率TerraSAR-X影像监测唐山矿地面沉降

［J］. 大地测量与地球动力学， 2017， 37（5）： 507-510.

[本文引用: 3]

LI Man， GE Daqing， ZHANG Ling， et al.

Land subsidence of coastal area in Southern Tnagshan using PSInSAR technique

［J］. Journal of Engineering Geology， 2016，24（4）： 704-712.

[本文引用: 2]

李曼， 葛大庆， 张玲， 等.

基于PSInSAR技术的唐山南部沿海地区地面沉降研究

［J］. 工程地质学报，2016，24（4）： 704-712.

[本文引用: 2]

LI Man， GE Daqing， ZHANG Ling， et al.

Characteristics and influencing factors of land subsidence in Caofeidian Newly-developed area based on PSInSAR technique

［J］. Remote Sensing for Land and Resources，2016，28（4）：119-126.

[本文引用: 4]

李曼， 葛大庆， 张玲， 等.

基于PSInSAR技术的曹妃甸新区地面沉降发育特征及其影响因素分析

［J］.国土资源遥感， 2016，28（4）：119-126.

[本文引用: 4]

ZEBKER H A， VILLASENO R J.

Decorrelation in interferometric radar echoes

［J］. IEEE Transactions on Geoscience & Remote Sensing， 1992， 30（5）： 950-959.

[本文引用: 1]

FERRETTI A， PRATI C， ROCCA F.

Nonlinear subsidence rate estimation using permanent scatterers in differential SAR interferometry

［J］. IEEE Transactions on Geoscience and Remote Sensing， 2000， 38（5）： 2202-2212.

FERRETTI A， PRATI C， ROCCA F.

Permanent scatterers in SAR interferometry

［J］. IEEE Transactions on Geoscience & Remote Sensing， 2001， 39（1）： 8-20.

[本文引用: 1]

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）： 2375-2383.

[本文引用: 2]

WERNER C， WEGMULLER U， STROZZ T， et al.

Interferometric point target analysis for deformation mapping

［J］. IGARSS 2003//2003 IEEE International Geoscience and Remote Sensing Symposium//Proceedings（IEEE Cat. No.03CH 37477），2003，（7）：4362-4364.

[本文引用: 2]

HOOPER A， ZEBKER H， SEGALL P， et al.

A new method for measuring deformation on volcanoes and other natural terrains using InSAR persistent scatterers

［J］. Geophysical Research Letters，2004，31（23）：L23611. DOI:10.1029/2004 GL021737

LIU G X， LUO X J， CHEN Q， et al.

Detecting land subsidence in Shanghai by PS-networking SAR interferometry

［J］. Sensors， 2008， 8（8）： 4725-4741.

LIU G X， BUCKLEY S M， DING X L， et al.

Estimating spatiotemporal ground deformation with improved persistent-scatterer radar interferometry

［J］. IEEE Transactions on Geoscience and Remote Sensing， 2009， 47（9）： 3209-3219.

[本文引用: 1]

Xiaoying YÜ， JIANG Chengling， ZHANG Jian， et al.

IPTA monitoring long-term series surface deformation of San Pedro

［J］. Science of Surveying and Mapping， 2012， 37（6）： 21-25.

[本文引用: 1]

俞晓莹， 姜成岭， 张建， 等.

IPTA监测圣佩德罗湾港口地表时序沉降

［J］. 测绘科学， 2012， 37（6）： 21-25.

[本文引用: 1]

ZHANG Haibo， LI Zongchun， Bing XÜ， et al.

Ground subsidence monitoring using interferometric point target analysis

［J］. Journal of Geomatics Science and Technology， 2016， 33（2）： 145-149.

[本文引用: 1]

张海波， 李宗春， 许兵， 等.

IPTA方法在地面沉降监测中的应用

［J］. 测绘科学技术学报， 2016， 33（2）： 145-149.

[本文引用: 1]

YANG Kui， YANG Jianbing， JIANG Bingru.

Sentinel-1 satellite overview

［J］. Urban Geotechnical Investigation & Surveying， 2015（2）： 24-27.

[本文引用: 1]

杨魁， 杨建兵， 江冰茹.

Sentinel-1卫星综述

［J］. 城市勘测， 2015（2）： 24-27.

[本文引用: 1]

DAI K R， LI Z H， ROBERTO T， et al.

Monitoring activity at the Daguangbao Mega-landslide （China） using Sentinel-1 TOPS time series interferometry

［J］. Remote Sensing of Environment， 2016（186）： 506-513.

[本文引用: 1]

LI Yongsheng， FENG Wanpeng， ZHANG Jingfa， et al.

Coseismic slip of the 2014 MW6.1 Napa. California Earthquake Revealed by Sentinel-1A InSAR

［J］. Chinese Journal of Geophysics， 2015， 58（7）： 2339-2349.

李永生， 冯万鹏， 张景发， 等.

2014年美国加州纳帕MW6.1地震断层参数的Sentinel-1A InSAR反演

［J］. 地球物理学报， 2015， 58（7）： 2339-2349.

BAI Chaoze.

Research on surface deformation monitoring by DInSAR of Sentinel-1A

［D］. Zhenzhou： PLA Information Engineering University， 2017：37-61.

[本文引用: 1]

白泽朝.

Sentinel-1A数据DInSAR地表形变监测研究与实践

［D］. 郑州： 解放军信息工程大学， 2017： 37-61.

[本文引用: 1]

BAI Chaoze， JIN Guowang， ZHANG Hongmin， et al.

Subsidence monitoring of Tianjin using PSInSAR technique with Sentinel-1A

［J］. Journal of Geomatics Science and Technology， 2017， 34（3）： 283-288.

[本文引用: 1]

白泽朝， 靳国旺， 张红敏， 等.

天津地区 Sentinel-1A 雷达影像PSInSAR地面沉降监测

［J］. 测绘科学技术学报， 2017， 34（3）： 283-288.

[本文引用: 1]

ZHANG T X， SHEN W B， WU W H， et al.

Recent surface deformation in the Tianjin Area revealed by Sentinel-1A data

［J］. Remote Sensing， 2019， 11（2）： 130. DOI： 10.3390/rs11020130

[本文引用: 2]

CHEN Qiang.

Detecting regional ground deformation by differential SAR interferometry based on permanent scatterers

［D］. Chengdu：Soutwest Jiaotong University， 2006： 51-63.

[本文引用: 1]

陈强.

基于永久散射体雷达差分干涉探测区域地表形变的研究

［D］. 成都：西南交通大学， 2006： 51-63.

[本文引用: 1]

LIU Guoxiang.

Basic principles of synthetic aperture radar interferometry

［J］. Surveying and Mapping of Sichuan， 2004， 27（4）： 187-190.

[本文引用: 1]

刘国祥.

InSAR基本原理

［J］. 四川测绘， 2004， 27（4）： 187-190.

[本文引用: 1]

CAO Qun， CHEN Beibei， GONG Huili， et al.

Monitoring of land subsidence in Beijing-Tianjin-Hebei Urban by combination of SABS and IPTA

［J］. Journal of Nanjing University （Natural Science Edition），2019，55（3）：381-391.

[本文引用: 3]

曹群， 陈蓓蓓， 宫辉力 等.

基于SBAS和IPTA技术的京津冀地区地面沉降监测

［J］. 南京大学学报（自然科学版），2019，55（3）：381-391.

[本文引用: 3]

YANG Bin， LIU Guoxiang， YAO Jingchuan， et al.

Ground settlement monitoring and time-series evolution situation analyzing along high speed railway in Beijing-Tianjin-Hebei region

［J］. China Railway Science，2020，41（1）：1-9.

[本文引用: 1]

杨斌，刘国祥，姚京川，等.

京津冀地区高速铁路沿线区域地表沉降监测及时序演化态势分析

［J］. 中国铁道科学，2020，41（1）：1-9.

[本文引用: 1]

XIAO Zhen.

Analysis of subsidence and geological environment factors in Tangshan Coastal Area

［J］.Ground water，2014，36（3）：76-77，104.

[本文引用: 1]

肖震.

唐山沿海地面沉降与地质环境因素分析

［J］. 地下水， 2014，36（3）：76-77，104.

[本文引用: 1]

/

〈 〉