引用本文
丁荣荣, 徐佳, 林晓彬, 许康. 基于高分辨率TerraSAR-X影像的PSInSAR地表形变监测[J]. 国土资源遥感, 2015,27(4): 158-164
DING Rongrong, XU Jia, LIN Xiaobin, XU Kang. Monitoring of surface subsidence using PSInSAR with TerraSAR-X high resolution data[J]. REMOTE SENSING FOR LAND & RESOURCES,2015,27(4): 158-164  
Permissions
Copyright©2015, 《国土资源遥感》编辑部
《国土资源遥感》编辑部
基于高分辨率TerraSAR-X影像的PSInSAR地表形变监测
丁荣荣1, 徐佳1, 林晓彬2, 许康3
1.河海大学地球科学与工程学院,南京 210098
2.福建省港航管理局勘测中心,福州 350009
3.江苏省测绘地理信息局, 南京 210013

第一作者简介: 丁荣荣(1989-),女,硕士研究生,主要从事InSAR影像处理与研究。Email: 798097013@qq.com。

收稿日期: 2014-06-18
基金项目: 国家自然科学基金项目(编号: 41301449)和地理空间信息工程国家测绘地理信息局重点实验室经费资助项目(编号: 201324)共同资助
摘要

利用2011年10月—2013年7月间获取的37景TerraSAR-X高分辨率条带模式SAR数据,采用干涉测量点目标分析(interferometric point target analysis,IPTA)技术得到常州地区因工厂集中开采地下水所引起的地表沉降信息,即常州市武进地区有多处地表沉降,在2011—2013年间最大沉降速率为31.494 mm/a。通过与Envisat ASAR数据获取的平均沉降速率对比,说明TerraSAR-X数据不仅可以提高永久散射体(permanment scatter,PS)的点密度,而且能更好地描述散射体的细节变化和微量位移情况,体现出TerraSAR-X数据监测地表形变的优势。沈海高速公路常州沿线地面沉降的监测结果表明: TerraSAR-X数据在人工线状地物形变监测中具有广阔的应用前景; IPTA监测结果与水准测量结果具有较好的一致性,表明将IPTA技术应用于城市地表形变监测的正确性。

关键词: InSAR; TerraSAR-X; 干涉测量点目标分析(IPTA); 沉降监测; 线状地物
中图分类号:P 237 文献标志码:A 文章编号:1001-070X(2015)04-0158-07 doi: 10.6046/gtzyyg.2015.04.24
Monitoring of surface subsidence using PSInSAR with TerraSAR-X high resolution data
DING Rongrong1, XU Jia1, LIN Xiaobin2, XU Kang3
1. School of Earth Science and Engineering, Hohai University, Nanjing 210098, China
2. Fujian Port Management Bureau Survey Center, Fuzhou 350009, China
3. Jiangsu Province Surveying & Mapping Engineering Institute, Nanjing 210013, China
Abstract

In this study, interferometric point target analysis (IPTA) was used to monitor the surface subsidence of Changzhou City caused by factories’ immoderate exploitation of groundwater on the basis of thirty-seven TerraSAR-X high resolution stripmap data collected in this area between October 2011 and July 2013. The results showed that several settlements appeared in Wujin area of Changzhou City, with the largest average subsidence rate up to 31.494 mm/a; A comparison with the average settlement rate of ASAR data shows that TerraSAR-X data could not only improve high density of PS points but also describe detailed changes and the micro-displacement situation of the scattering object, which indicates the advantages of TerraSAR-X high resolution stripmap data applied to monitoring the surface deformation. In this paper, the monitoring of land subsidence along Shenhai expressway of Changzhou by TerraSAR-X data reflects the prospects of TerraSAR-X data in monitoring artificial linear features. The survey results of bench mark verify the consistency of monitoring results and the reliability of IPTA used to monitor the surface subsidence in the city.

Keyword: InSAR; TerraSAR-X; IPTA; subsidence monitorying; linear structure
0 引言

近几十年来, 合成孔径雷达干涉测量(InSAR)技术迅速发展, 特别是合成孔径雷达差分干涉测量(DInSAR)技术, 由于具有全天时、全天候、覆盖广、分辨率高、穿透能力强以及主动式遥感等优点, 被广泛应用于地震、地面沉降、火山和冰川活动等的监测[1]。但在利用常规DInSAR技术监测长时间的地表微小形变时, 存在着时间、空间去相干和大气延迟等影响, 大大限制了DInSAR技术的发展和应用。为了克服这些问题, 以永久散射体干涉测量(PSInSAR)为代表的时序分析方法不断发展, 并且以TerraSAR-X[2]为代表的高空间分辨率(3 m)数据的使用, 在很大程度上促进了PSInSAR技术的发展。本文利用高空间分辨率条带模式的TerraSAR-X数据, 采用干涉测量点目标分析(interferometric point target analysis, IPTA)技术[3, 4]对常州地区进行地表形变监测, 其结果证明了TerraSAR-X数据在地表形变监测中的优势。

1 研究区概况及数据选择
1.1 研究区概况

常州市地处长江下游南岸, 位于江苏省南部, 长江三角洲中心地带, 与上海、南京、杭州等市皆等距相邻, 与苏州、无锡等市联袂成片, 介于N31° 09'~32° 04'、E119° 08'~120° 12'之间。常州市城镇众多, 城市地区纺织业发达。自20世纪70年代始, 由于大量集中开采地下水, 导致市区出现了严重的地面沉降; 同时, 随着经济和城市化的发展, 城市周边地区的乡镇企业逐渐兴起, 地下水开采进一步加剧。据最新水准点测量资料, 在常州市五星乡— 青龙乡一线的西南, 湖塘镇— 戚墅埝一线以北的大面积范围内, 1980年以来的地面沉降量超过了600 mm, 其中超过800 mm的重度沉降区面积约3 417 km2, 最大累计沉降量超过1 000 mm。

本文的实验区以常州市区为中心, 覆盖范围约32 km× 53 km, 包括整个常州市中心及武进地区, 如图1所示。

图1 实验区范围Fig.1 Range of experimental spot

1.2 数据选择

本次选取了2011年10月— 2013年7月期间37景TerraSAR-X[5]高分辨率条带模式SAR数据进行实验。其影像均为单视复数影像(single look complex, SLC)。根据使所有干涉对的时间基线及空间基线最优的原则, 以2012年8月5日的影像为主影像, 其余的36景影像为从影像, 形成36个干涉对。表1列出了所有影像的成像日期及相对于主影像的垂直基线和时间基线。由表1可见, 干涉对的基线都较小, 适合PSInSAR分析[6, 7, 8]。

表1 37景Terrasar-X影像数据参数 Tab.1 Parameters of 37 TerraSAR-X images
2 方法与实验
2.1 IPTA技术的原理和处理流程

PSInSAR技术由意大利学者 Ferretti[9, 10]等提出, 它利用相位稳定的点(PS)提取形变信息。由于其具有相干性几乎不受时间基线和空间基线影响的特性, 从而很好地避免了传统DInSAR技术受时间和空间失相干的限制。点目标干涉测量分析(IPTA) 技术是一种改进的PSInSAR技术, 主要优点是对低相干的地面仍能选取一定数量的PS点。只对提取的点进行时间维和空间维分析, 可以获取长时间序列的大范围缓慢地表形变场。主要技术思想如下:

设研究区有N幅不同时相的SAR影像, 选取其中一幅作为公共主影像, 其余N-1幅为从影像, 将从影像分别与主影像进行配准、重采样和干涉处理, 得到N-1幅干涉图。利用外部DEM数据进行差分干涉处理, 就可得到N-1幅差分干涉相位, 从而得到每个PS点上的N-1个时序差分干涉相位。其中, PS点解缠的干涉相位φ unw包括DEM高程误差引起的地形相位φ topo、沿LOS(line of sight)方向的地表形变相位φ def、大气影响相位φ atm及噪声相位φ noise, IPTA方法的相位模型为

φunw=φtopo+φdef+φatm+φnoise=K1B⊥△H+K2t v+φres, (1)

式中: K1=4π /(λ Rsinθ ), λ 为雷达波长, R为雷达到地面目标的斜距, θ 为雷达入射角; B⊥为干涉对垂直基线; △ H为DEM高程改正值; K2=4π /λ ; t为干涉对时间基线; v为沿雷达视线方向的线性形变速率; φ res是PS点的残余相位, 它包括大气延迟相位、非线性形变相位和噪声相位。

根据各部分相位在时间域和空间域的不同特性, 利用最小二乘拟合、回归分析等方法分离各不同参数, 同时精化各参数, 对残余相位进行分解, 使用三维滤波方法, 在空间上对噪声相位滤波, 在时间上对大气相位和非线性形变相位滤波, 进而精化整个相位模型, 求解出最佳的△ H和v, 即得到了PS点的DEM高程改正值和LOS方向上的线性形变速率。主要工作流程如图2所示。

图2 IPTA方法流程Fig.2 Flow chart of IPTA

2.2 数据处理和结果分析

利用IPTA方法对37景TerraSAR-X数据进行处理, 通过获取PS点, 在PS点上进行时序分析, 得到了相干点目标在雷达视线(LOS)向的形变(图3)。

图3 TerraSAR-X地表形变平均速率(左)及其PS点分布(右)Fig.3 Mean velocity(left) derived from TerraSAR-X data and its PS points distribution(right)

从图3(左)可以看出, 主要沉降区域分布在武进地区, 其中邹区镇— 牛塘镇— 庙桥镇沉降连成一线, 最大沉降速率为31.494 mm/a; 从沉降图上可清晰看到邹区、牛塘附近均出现明显沉降, 其中牛塘下方地区沉降较为严重; 在庙桥附近有大范围沉降出现; 常州市中心城区比较平稳, 没有明显沉降。总体来看, 常州市中心沉降比较缓慢, 较大的沉降集中在武进地区。

在数据的处理过程中, 利用 Gamma 软件[11]生成了36 幅干涉对影像, 依据振幅与后向散射强度相结合的方法获取PS点, 从每幅干涉对影像中都得到539 927个PS点。将利用TerraSAR-X数据提取的高相干PS点分布部分放大(图3(右))。通过PS点的位置可以看出, 这些PS点大多密集分布于建筑物、道路、桥梁等具有稳定电磁反射特性的物体上, 这在某种程度上验证了探测到的PS点[12]的可靠性。

为了对比, 本文利用2007— 2010年期间的27景中等分辨率Envisat ASAR数据进行处理, 得到的常州市地表形变平均速率如图4(左)所示。在设定相同阈值的情况下, 对比图3(右)和图4(右)可以看出, 应用TerraSAR-X数据提取的PS点覆盖了整个沉降区域, 而利用Envisat ASAR数据提取的PS点分布相对稀疏, 不能全面覆盖整个区域。从图3(右)可以看出, TerraSAR-X PS点的分布主要呈现聚束状, 聚集式分布于建筑物、道路等地物上, 可以更好地描述地物细节, 这是Envisat ASAR数据在PSInSAR处理过程中无法得到的。图3(左)上呈现的地表形变平均速率没有图4(左)的大的主要原因是TerraSAR-X数据的时间基线只有660 d, 所以沉降速率较Envisat ASAR数据的要小。

图4 Envisat ASAR地表形变平均速率(左)及其PS点分布(右)Fig.4 Mean velocity(left) derived from Envisat ASAR data and its PS points distribution(right)

进一步将沉降较大的区域局部放大, 如图5所示。武进地区有5处明显沉降区(A— E), 其中, A和B区沉降速率最大, 为14.1 mm/a, 清楚可见沉降区PS点分布在建筑物房顶, 主要沉降区多为纺织厂、化工厂分布的地方; 在2011— 2013年间, D区为沉降严重地区, 平均沉降速率达到29.0 mm/a; C区和E区处沉降量较大, 最大沉降速率分别达到20.0 mm/a和19.8 mm/a。从2007— 2011年间Envisat ASAR数据提取的沉降速率图上并没有发现C区大兴化工厂附近的建筑物, 而在2011— 2013年间TerraSAR-X数据提取的沉降速率图中发现此处最大沉降速率达到18.0 mm/a(图5), 多数厂房周围存在很多沉降点, 这也说明了过度开采地下水是造成地面沉降的主要原因。

图5 武进地区地表形变速率图Fig.5 Mean velocity around Wujin area(TerraSAR-X)

2.3 沈海高速公路沿线地面沉降监测

沈海高速公路横穿本文实验区, 长约50 km。为了更加清楚地说明该高速公路附近的地表沉降情况, 将其分为Ⅰ , Ⅱ , Ⅲ 3段(图6)。

图6 沈海高速公路沿线地面沉降Fig.6 Land subsidence along Shenhai highway

TerraSAR-X图像清晰地显示出高速公路及其沿线的地物细节[13], PS点聚集分布于高速公路及其沿线周围的房屋上。在Ⅰ 段, 高速公路沉降速率较小, 为6~14 mm/a; 在Ⅱ 段, 沉降速率逐渐变大, 最大达24.6 mm/a。该区也正是图5中的严重沉降区(D区), 区段内坐落着的许多纺织、化工、印刷等大型工厂都是用水大户, 正是这些工厂过度开采地下水导致了严重的地面沉降; 在Ⅲ 段, 自西向东沉降速率变小, 并逐渐趋于稳定。

3 与水准数据的对比分析

为进一步验证实验结果精度, 在沉降区附近找到相近的水准点进行比较分析。本文采用欧空局开展的PSIC4(Persistent Scatterers Interferometry Codes Cross-Comparison and Certification for Long-Term Differential Interferometry)项目中使用到的2个指标来衡量测量精度[14], 水准数据与PSInSAR监测数据互差的均值为

Md=∑i=1k(dLi-dKi)/N, (2)

水准数据与PSInSAR监测数据互差的均方差为

sd=±∑i=1k(dLi-dKi-Md)2/N。 (3)

实验区域共有70个同步水准点, 如图7(a)所示。根据式(2)和式(3)计算得到的水准与PSInSAR监测数据互差的平均误差和均方差分别为0.54 mm和± 6.40 mm。

图7 水准点分布Fig.7 Distribution of bench mark

为了更进一步检验测量精度, 对沉降明显的地区采用沉降区附近10个水准点单独比较的方式(图7(b)), 选择距离该水准点100 m范围内相干点的平均沉降值作为评定标准(表2)。

表2 PS点沉降误差 Tab.2 Settlement of PS error(mm/a)

由表2可以看出, 通过与区域内分布的水准点测量数据的比较, P1— P10个点中有9个点的误差都在± 3 mm/a以内, 只有1个点超过3 mm/a, 但也在± 4 mm/a以内的。表中结果与水准测量结果具有较好的一致性, 充分说明了利用基于TerraSAR-X高分辨率条带模式SAR数据开展PSInSAR测量地表形变的准确性和可行性。

4 结论

1) 利用TerraSAR-X高分辨率条带模式SAR数据得到了2011年10月— 2013年7月期间常州市地表形变平均速率图, 最大沉降速率达31.494 mm/a, 证明常州地区存在严重的地面沉降。

2) 通过对比TerraSAR-X与Envisat ASAR的监测结果发现, TerraSAR-X提取的PS点分布密度更高, 可以更清晰地探测到纺织厂附近的地物细节, 分析由于过度开采地下水造成的地面沉降原因, 体现了高分辨率TerraSAR-X数据的特点, 在城市地表形变监测中具有广阔的应用前景。

3) 结合TerraSAR-X数据得到的沈海高速公路常州段地表形变信息, 分析高速自身沉降及沿线地面沉降, 发现主要沉降地区正是由于集中开设工厂、过度开采地下水导致的, 验证了TerraSAR-X数据在监测人工线状地物方面有很好的应用前景。

4) 处理过程中体现了IPTA技术的显著优势。由于它是利用具有稳定特性的PS点进行形变分析的, 有效地避免了常规DInSAR中存在时间去相干和大气效应的影响。

5)常州市沉降严重区域主要集中在武进地区, 通过与水准数据比较, 两者具有很好的一致性, 证明了IPTA技术监测结果的正确性。

The authors have declared that no competing interests exist.

参考文献
[1] 廖明生, 裴媛媛, 王寒梅, 等. 永久散射体雷达干涉技术监测上海地面沉降[J]. 上海国土资源, 2012(3): 5-10.
Liao M S, Pei Y Y, Wang H M, et al. Subsidence monitoring in Shanghai using the PSInSAR technique[J]. Shanghai Land & Resources, 2012(3): 5-10. [本文引用:1]
[2] Even M, Schunert A, Schulz K, et al. Atmospheric phase screen-estimation for PSInSAR applied to TerraSAR-X high resolution spotlight-data[C]//2010 IEEE International Geoscience and Remote Sensing Symposium(IGARSS). Honolulu, HI: IEEE, 2010: 2928-2931. [本文引用:1]
[3] 周红满, 胡金星, 柳想, 等. 基于PS技术的深圳市地面沉降监测[J]. 测绘工程, 2013, 22(2): 70-74.
Zhong H M, Hu J X, Liu X, et al. Ground deformation in the Shenzhen city using permanent scatterer technique[J]. Engineering of Surveying and Mapping, 2013, 22(2): 70-74. [本文引用:1]
[4] 郭炳跃, 何敏, 刘建东. 利用PS-InSAR技术监测南通市区地面沉降[J]. 地质灾害与环境保护, 2011, 22(4): 103-107.
Guo B Y, He M, Liu J D. Monitoring the ground subsidence in Nantong city with the PS-InSAR technology[J]. Journal of Geological Hazards and Environment Preservation, 2011, 22(4): 103-107. [本文引用:1]
[5] 李永生, 张景发, 罗毅, 等. 利用高分辨率聚束模式TerraSAR-X影像的PSInSAR监测地表变形[J]. 武汉大学学报: 信息科学版, 2012, 37(12): 1452-1455, 1514.
Li Y S, Zhang J F, Luo Y, et al. Monitoring land deformation using PSInSAR with TerraSAR-X high resolution spotlight SAR images[J]. Geomatics and Information Science of Wuhan University, 2012, 39(12): 1452-1455, 1514. [本文引用:1]
[6] 何秀凤, 仲海蓓, 何敏. 基于PS-InSAR和GIS空间分析的南通市区地面沉降监测[J]. 同济大学学报: 自然科学版, 2011, 39(1): 129-134.
He X F, Zhong H B, He M. Ground subsidence detection of Nantong city based on PS-InSAR and GIS spatial analysis[J]. Journal of Tongji University: Natural Science, 2011, 39(1): 129-134. [本文引用:1]
[7] 范景辉, 李梅, 郭小方, 等. 基于PSInSAR方法和ASAR数据监测天津地面沉降的试验研究[J]. 国土资源遥感, 2007, 19(4): 23-27, 124. doi: DOI: 106046/gtzyyg. 2007. 04. 05.
Fan J H, Li M, Guo X F, et al. A preliminary study of the subsidence in Tianjin area using ASAR images based on PSInSAR technique[J]. Remote Sensing for Land & Resources, 2007, 19(4): 23-27, 124. doi: DOI:10.6046/gtzyyg.2007.04.05. [本文引用:1]
[8] Strzelczyk J, Porzycka S, Lesniak A. Analysis of ground deformations based on parallel geo-statistical computations of PSInSAR data[C]//Proceedings of the 17th International Conference on Geoinformatics. Fairfax, VA: IEEE, 2009: 1-6. [本文引用:1]
[9] 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. [本文引用:1]
[10] 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. [本文引用:1]
[11] 姜江, 宋伟东. 基于GAMMA的雷达影像干涉测量分析[J]. 交通科技与经济, 2009, 11(1): 45-46, 53.
Jiang J, Song W D. The study on Radar interferometry with GAMMA[J]. Technology & Economy in Areas of Communications, 2009, 11(1): 45-46, 53. [本文引用:1]
[12] Porzycka-Strzelczyk S, Lesniak A. The preliminary temporal analysis of ground deformations in the area of Dabrowski Coal Basin(south Poland )[C]//IEEE International Geoscience and Remote Sensing Symposium(IGARSS). Honolulu, HI: IEEE, 2010: 903-905. [本文引用:1]
[13] 林珲, 陈富龙, 江利明, 等. 多基线差分雷达干涉测量的大型人工线状地物形变监测[J]. 地球信息科学学报, 2010, 12(5): 718-725.
Lin H, Chen F L, Jiang L M, et al. Preliminary research on large-scale man-made linear features deformation monitoring using multi-baseline differential SAR interferometry[J]. Journal of Geo-Information Science, 2010, 12(5): 718-725. [本文引用:1]
[14] 葛大庆. 区域性地面沉降InSAR监测关键技术研究[D]. 北京: 中国地质大学, 2013.
Ge D Q. Research on the Key Techniques of SAR Interferometry for Regional Land Subsidence Monitoring[D]. Beijing: China University of Geoscience, 2013. [本文引用:1]