引用本文
陈继伟, 曾琪明, 焦健, 赵斌臣. Sentinel-1A卫星TOPS模式数据的SBAS时序分析方法——以黄河三角洲地区为例[J]. 国土资源遥感, 2017,29(4): 82-87.
CHEN Jiwei, ZENG Qiming, JIAO Jian, ZHAO Binchen. SBAS time series analysis technique based on Sentinel-1A TOPS SAR images: A case study of Yellow River Delta[J]. REMOTE SENSING FOR LAND & RESOURCES,2017,29(4): 82-87.  
Doi:10.6046/gtzyyg.2017.04.13
Permissions
Copyright©2017, 《国土资源遥感》编辑部
《国土资源遥感》编辑部
Sentinel-1A卫星TOPS模式数据的SBAS时序分析方法——以黄河三角洲地区为例
陈继伟1, 曾琪明1, 焦健1, 赵斌臣2,3,4
1.北京大学遥感与地理信息系统研究所,北京 100871
2.中国矿业大学环境与测绘学院,徐州 221008
3.国土环境与灾害监测国家测绘地理信息局重点实验室,徐州 221116
4.山东交通学院交通土建学院,济南 250031
通信作者: 曾琪明(1964-), 男, 教授, 主要从事雷达遥感方面的研究。 Email: qmzeng@pku.edu.cn。

第一作者: 陈继伟(1992-), 男,硕士,主要从事InSAR理论与应用方面的研究。Email: chenjiwei@pku.edu.cn。

收稿日期: 2016-07-24
基金项目: 国家自然科学基金项目“非完备极化SAR数据建筑物震塌信息提取方法研究”(编号: 41571337)和内蒙古自治区科技重大专项项目“数字化矿区资源管理与矿区生态环境监测技术与应用”(编号: 2016-2019)共同资助
摘要

Sentinel-1A是目前在轨运行的新一代SAR卫星,其TOPS成像模式具有宽幅成像的特点,能够实现大范围地表形变监测,目前国内外鲜有基于渐进扫描(terrain observation by progressive scans,TOPS)模式影像的小基线集(short baseline subset,SBAS)处理研究成果发表。以黄河三角洲地区作为研究区,选取了2015年5月—2016年4月27景Sentinel-1A TOPS模式影像,组成了94对干涉影像对,使用ECMWF气象数据估算大气延迟,实现大范围大气相位校正; 然后采用SBAS时序分析方法提取了研究区地表累积形变量及形变速率图。研究结果表明,该地区近年来仍存在持续沉降,在广饶镇齐成工业园、广饶盐场及南宅科村周边等地区存在明显的沉降漏斗,沉降监测结果与该研究区已有文献所述沉降规律吻合,证明了TOPS模式SBAS时序分析方法应用于形变监测的可行性和有效性。

关键词: Sentinel-1A; TOPS模式; SBAS; 地面沉降
中图分类号:TP79 文献标志码:A 文章编号:1001-070X(2017)04-0082-06
SBAS time series analysis technique based on Sentinel-1A TOPS SAR images: A case study of Yellow River Delta
CHEN Jiwei1, ZENG Qiming1, JIAO Jian1, ZHAO Binchen2,3,4
1. Institute of RS and GIS, Peking University, Beijing 100871, China
2. School of Environment Science and Spatial Informatics, China University of Mining and Technology, Xuzhou 221008, China
3. Key Laboratory for Land Environment and Disaster Monitoring of SBSM, Xuzhou 221116, China
4. School of Transportation and Civil Engineering, Shangdong Jiaotong Unviersity, Ji’nan 250031, China
Abstract

Sentinel-1A is a new generation SAR satellite on orbit. Its TOPS imaging mode is wide imaging mode, which can realize large-scale surface deformation monitoring. There are very rare researches on SBAS processing based on TOPS model images published in China and abroad at present. With the Yellow River Delta as the study area, 27 Sentinel-1A TOPS mode images from May 2015 to April 2016 were selected to generate 94 pairs of interferograms. Then, ECMWF meteorological data were used to estimate the atmospheric delay, which could achieve a wide range of atmospheric phase correction. Finally, the deformation and deformation velocity of the study area were extracted by SBAS timing analysis method. The results show that there is still a continuous settlement in recent years, and there is a significant sedimentation funnel in the vicinity of Qicheng industrial park, Guangrao saltworks and Nanzhaike Village in Guangrao Town. The results of settlement monitoring are consistent with the settlement rules described in the study area, and this proves the feasibility and effectiveness of TOPS model SBAS timing analysis method applied to deformation monitoring.

Keyword: Sentinel-1A; TOPS mode; SBAS; land subsidence
0 引言

合成孔径雷达差分干涉测量 (differential interferometric synthetic aperture Radar, D-InSAR) 技术能够快速获取大面积且高精度的形变信息, 是目前地表形变监测的重要方法。但是受限于大气效应、时空失相干及DEM误差等因素的影响[1], 监测精度难以进一步提高。InSAR时序分析技术的提出, 为有效解决此问题找到了新途径。其中, 小基线集(short baseline subset, SBAS)技术[2]通过选取时空基线较短的高相干影像集, 采用时空滤波估计误差相位, 最后运用奇异值分解方法求解形变量的最小二乘解。该方法能够有效减少时空去相干的影响, 实现地表形变mm级高精度监测。目前, SBAS时序分析方法主要采用条带模式SAR影像。

Sentinel-1A是目前在轨运行的新一代SAR卫星, 其渐进扫描(terrain observation by progressive scans, TOPS)成像模式有别于传统条带模式, 通过牺牲方位向空间分辨率来获得更大的成像幅宽, 能够实现更大范围的地表形变监测[3]。同时为了抑制scalloping效应, 在TOPS模式下, 天线不仅在距离向摆动, 在方位向也同时摆动, 这使得SAR影像在方位向具有变化的多普勒中心频率。TOPS模式数据的这些特点给传统SAR干涉测量及时序分析技术带来了新的挑战。目前, 国内外学者已经成功实现TOPS模式数据的干涉测量, 并将其应用于监测地震形变[4]、火山活动[5]等方面; 与此同时, 也有部分学者已经开始关注并研究Sentinel-1A TOPS模式数据的时序分析方法[6, 7]。但是, 由于Sentinel-1A数据公开时间较短, 数据积累不足, Sentinel-1A TOPS模式数据时序分析还处于起步阶段。

本文以黄河三角洲地区为研究区, 选取了该区近1 a间27景Sentinel-1A TOPS模式影像数据, 重点研究TOPS模式数据的SBAS时序分析方法, 并根据监测结果研究该地区近年地面沉降规律。

1 研究区与实验数据
1.1 研究区概况

以山东省黄河三角洲地区为研究区。该地区为黄河携泥沙进入渤海后, 泥沙在渤海凹陷处淤积形成的冲积平原, 淤积厚度约为20~50 m。地形开阔平坦, 起伏较小, 海拔多在6 m以下。区内土地利用类型相对简单, 建筑用地主要集中在东营市及下辖各乡镇, 呈棋盘状分布; 其余主要为农田、裸土和湿地等土地利用类型。同时, 该地区拥有丰富的油气、地热及卤水等自然资源。

受地质构造及人类活动的影响, 黄河三角洲存在持续强烈的地面沉降, 给当地人民的生产生活造成了巨大影响。鉴于此, 研究人员对该地区沉降开展了大量的监测研究, 分析沉降的原因[8], 研究方法则以传统的水准测量和GPS监测为主[9, 10, 11]。值得注意的是, 近年来, 也有学者利用InSAR时序分析技术对该地区进行长期地表形变监测[12, 13], 但其所用数据都为2000年以前的ERS1/2数据, 不能反映近十多a来黄河三角洲地区的沉降情况。

1.2 实验数据

Sentinel-1A采用TOPS模式作为其默认成像方式, 其宽幅干涉(interfeometric wide-swath, IW)产品每次成像包含3个子条带, 幅宽长达250 km。每个子条带由若干burst组成, 其标称空间分辨率为5 m× 20 m。

本文选取了覆盖研究区的27景Sentinel-1A TOPS模式C波段SAR影像, 时间跨度为2015年5月19日— 2016年4月19日, 其极化方式为VV极化, 轨道号为149(降轨)。影像距离向和方位向像元大小分别为2.33 m和13.96 m。由于SBAS时序分析方法一般处理的范围为(100 km× 100 km), 本实验选取第一子条带(IW1)VV极化模式数据进行处理。

图1为研究区Sentinel-1A(IW1)数据覆盖范围(27景影像的公共burst覆盖区)。为了更好地进行干涉测量, 消除轨道误差, 本文使用了Sentinel-1A精密轨道数据。另外, 选取了SRTM DEM(90 m空间分辨率)作为外部DEM数据, 以去除地形相位的影响。

图1 研究区地理位置Fig.1 Location of study area

2 SBAS时序分析方法

小基线技术的核心思想主要包括2点: ①将干涉影像对作为观测量, 利用最小二乘思想求解形变量, 利用多余观测提高精度; ②尽量选用时空基线较小的干涉影像对, 以避免失相干引起的误差。另外, 对于轨道误差及大气误差的去除, 一般采用时空滤波的方法, 但是这种方法仅适用于较小区域。

本文基于开源软件GMTSAR及GIAnT进行SBAS时序分析。图2为Sentinel-1A TOPS模式SAR影像时序分析处理流程, 主要步骤包括SBAS选取、干涉处理和SBAS时序分析处理。

图2 TOPS SAR SBAS时序分析流程Fig.2 Flowchart of SBAS algorithm based on TOPS SAR

2.1 SBAS选取

虽然本文选取的数据时间跨度仅为1 a, 但研究区除城镇外覆盖有浓密的植被, 这使得时空基线较大的干涉相对会存在严重的失相干, 故本文设置时间基线阈值为72 d, 空间基线阈值为100 m。得益于Sentinel卫星短暂的重返周期及良好的轨道控制, 即使在如此严苛的条件下, 仍得到了94对干涉影像对, 如图3所示。

图3 干涉对时空基线Fig.3 Spatial-temporal baselines of interfergrams

另外, 本文选定2015年11月15日的影像为超级主影像, 作为本次实验统一的配准基准。需要说明的是, InSAR时序分析处理得到的形变监测结果是一个相对值, 时间参考点和形变参考点的不同将影响最终结果。本文选择2015年5月19日影像, 既将第一景影像作为时间参考点; 选择东营市区东北部东胜机场作为形变参考点。

2.2 干涉处理

首先, 将所有影像与超级主影像进行配准处理。Sentinel-1A在TOPS模式下工作时, 为了抑制scalloping效应, 其天线在方位向上来回摆动, 使得成像多普勒频率处于持续变换中(± 2 250 Hz)。特别是在不同burst的边缘处, 其多普勒差异高达4 500 Hz, 这对配准精度提出了更高的要求。本文采用GMTSAR中基于精密轨道数据的配准方法, 利用精密轨道数据建立SAR影像与地理坐标的映射关系, 以地理坐标为中介连接主影像和辅影像, 得到配准查找表。在此基础上, 使用ESD(enhanced spectral diversity)[14]方法计算burst重叠区干涉相位图的相位差以估算配准偏移量, 并进行改正, 以进一步提高配准精度。

然后, 在配准的基础上对辅影像进行重采样。这时需考虑影像变化的多普勒频率, 对重采样核进行调制[15], 以确保相位信息的完整。最后减去地形相位, 并调用Snaphu进行相位解缠。

2.3 SBAS时序分析处理

对SBAS的所有干涉影像对进行干涉处理, 得到94对差分干涉图和相干系数图。这里需设定一个相干系数阈值(本文设置为0.1), 接下来的处理将基于筛选后的像元进行, 因为相干系数较低的像元往往会有较多的噪声。

大气效应去除是InSAR时序分析的重要步骤。特别是像本文研究区黄河三角洲这样的水汽丰富的沿海地区, 大气效应影响尤为严重。另外, 本文所处理影像覆盖范围大于5 000 km2, 在如此大的范围内, 大气变化错综复杂, 传统的时空滤波方法通常无法有效地去除大气相位[16]。为此, 本文使用基于外部数据的大气校正方法进行大气校正, 通过对真实的大气观测资料(高度、湿度、气压和温度等参数)进行建模, 来估计大气延迟。相比较而言, 由于该方法依赖外部真实的大气观测值, 不需要假定大气时空模型, 更适用于大尺度InSAR大气校正。本文使用的大气观测资料是ECMWF气象数据。

另外, 本文还对轨道误差进行了估计, 但由于本文所用轨道为精密轨道数据, 故轨道误差对于干涉图的影响并不大。最后, 将经过大气校正和轨道误差去除的差分干涉图作为观测值, 并将形变量作为待求值进行SBAS求解。需要说明的是, 在这一步中还求解了DEM误差, 以获得更高精度的形变量。得到的观测方程[17]为

v1=∑n=ij-1δφn-φijv2=∑n=ik-1δφn-f△tk)+eBk, (1)

式中: δ φ n为第n幅到第n+1幅干涉图的相位递增量; φ ij为第i幅到第j幅干涉图的差值; f(△ tk)为根据给定形变模型计算的形变相位, 由于本文所选影像时间跨度较短, 故使用与时间相关的二次多项式作为形变模型; Bk为到第1幅SAR影像到第k幅SAR影像的基线累积量; e为常数项, 其与Bk的乘积为DEM误差; v1及v2分别表示计算误差。

上述方程在实际解算中需采用迭代最小二乘方法进行逐步求解, 得到最终的形变量及形变速率。

3 沉降监测结果分析

图4为2015年5月— 2016年4月, 黄河三角洲地区沿视线方向(line of sight, LOS)形变速率图。该形变监测结果显示, 黄河三角洲在本文监测时段内仍存在较为广泛和严重的地面沉降, 且沉降在空间上分布不均, 其平均沉降速率为9.6 mm· a-1。其中, 沉降较为严重的地区为沿海盐场, 而城镇地区(石村镇、东营市区及滨州市区)也有不同程度的沉降; 最大沉降点位于广饶县盐场附近, 年平均沉降量达224.6 mm· a-1。另外, 黄河三角洲存在广泛的油田区, 在已有文献中有21世纪以前及21世纪初对这些地区的监测, 认为存在较为严重的沉降, 但是在本文研究中, 这些地区并未有显著沉降。

图4 研究区形变速率(视线方向)Fig.4 Deformation velocity of the study area(LOS direction)

为更详细地了解黄河三角洲地区近年来沉降情况及影像因素, 在研究区选择1~6号点, 绘制了沿视线方向的形变时间序列, 如图5所示, 其中:

图5 所选地面点形变时间序列(视线方向)Fig.5 Deformation time series of the ground points(LOS direction)

1)1号点位于东营市区西部, 其年平均沉降速率为12.4 mm· a-1, 2号点位于东营市区东部, 其年平均沉降速率为9.0 mm· a-1。根据1和2号点沉降规律及东营市区沉降分布规律, 可以发现东营市区西部比东部沉降量大。这与文献[9]和[18]所述东营区沉降规律相符。

2)3号点位于广饶盐场, 图5(b)红色曲线为其累计形变量, 其年平均沉降速率为224.6 mm· a-1, 以该点为中心形成了监测区域最大的沉降漏斗。在黄河三角洲沿海存在大量盐田, 而抽取地下卤水晒盐是沿海盐场主要的生产方式。地下卤水的持续抽取是导致盐场附近沉降的主要原因。

3)4号点位于广饶县石村镇齐成石化工业园区内, 其年平均沉降速率为186.8 mm· a-1, 该点附近形成了较大范围的沉降漏斗。这主要是由于黄河三角洲东营市南部广饶县一直以来都是深层地下水开采高度集中地, 年平均开采量为3 244 万m3 。由于地下水的过度超采, 在该地区形成多个地下水沉降漏斗[19]。

4)5号和6号点均位于双王城水库附近, 5号点位于水库东侧, 6号点位于水库西侧, 2点年平均沉降速率分别为22.1 mm· a-1和7.2 mm· a-1, 可以看出水库两侧沉降不均匀, 这主要是由于大坝西侧南宅科村附近存在沉降漏斗。

需要说明的是, 在监测结果中存在一些形变速率为正值的区域。这可能是由于SBAS时序分析得到的形变速率是相对于参考点而言的。虽然本文所选的参考点机场相对稳固, 但仍可能存在沉降。下一步可考虑结合地面实测数据, 对沉降结果进一步校正, 以进一步确定正值区域形变原因。但总体而言, 本文获得的形变速率分布规律及相对大小与现有文献基本一致。

4 结论

本文基于Sentinel-1A TOPS模式数据, 采用SBAS时序分析方法, 对黄河三角洲地区形变进行了研究, 得到该地区2015— 2016年间最新沉降监测结果。研究结果表明:

1)Sentinel-1A具有良好的基线控制和短暂的重返周期, 能够在短暂时间积累大量影像数据, 十分利于InSAR时序分析, 特别是与Sentinel-1B构成双星运行模式, 重返周期可缩短至6 d, 其应用潜力将进一步被发掘。

2)使用基于外部数据的大气校正方法, 以实现宽幅TOPS影像、复杂大气状况条件下的大气校正。

3)沉降监测结果显示, 在2015年5月— 2016年4月本文监测时段内, 黄河三角洲地区存在较为严重的沉降, 且沉降在空间上分布不均匀。不均匀的沉降可能对一些重大基础设施(如双王城水库等)造成安全隐患。沉降分布规律和相对大小与该区域已有文献所述历史监测结果吻合。地下流体的开采是引起沉降的主要原因。

4)今后的研究中, 将继续收集该地区的地面实测数据, 以进一步验证监测结果的正确性和基于Sentinel-1A TOPS模式数据的SBAS时序分析方法的有效性。

致谢: 感谢欧空局提供Sentinel-1A 数据。在本文实验中使用了开源软件GMTSAR和GIAnT,本文部分图件使用GMT绘制,在此一并表示感谢。

The authors have declared that no competing interests exist.

参考文献
[1] Zebker H A, Villasenor J. Decorrelation in interferometric radar echoes[J]. IEEE Transactions on Geoscience and Remote Sensing, 1992, 30(5): 950-959. [本文引用:1]
[2] 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:1]
[3] De Zan F, Monti Guarnieri A M. TOPSAR: Terrain observation by progressive scans[J]. IEEE Transactions on Geoscience and Remote Sensing, 2006, 44(9): 2352-2360. [本文引用:1]
[4] 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.
Li Y S, Feng W P, Zhang J F, 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. [本文引用:1]
[5] Albano M, Polcari M, Bignami C, et al. Sentinel-1 InSAR: First results from seismic and volcanic applications[C]//EGU General Assembly. Vienna, Austria: EGU, 2015: 10109. [本文引用:1]
[6] Lanari R, Berardino P, Bonano M, et al. Sentinel-1 results: SBAS-DInSAR processing chain developments and land subsidence analysis[C]//Proceedings of 2015 IEEE International Geoscience and Remote Sensing Symposium. Milan, Italy: IEEE, 2015: 2836-2839. [本文引用:1]
[7] Manunta M, Berardino P, Bonano M, et al. An efficient Sentinel-1 TOPS SBAS-DInSAR processing chain[C]//FRINGE 2015: Draft Overview Programme V. 2015. [本文引用:1]
[8] 刘桂卫, 黄海军, 杜廷芹, 等. 黄河三角洲地区地面沉降驱动因素研究[J]. 海洋科学, 2011, 35(8): 43-50.
Liu G W, Huang H J, Du T Q, et al. Effective factors of land subsidence in the Yellow River Delta[J]. Marine Sciences, 2011, 35(8): 43-50. [本文引用:1]
[9] 宋波, 王德生, 王锦丽. 东营地面沉降监测[J]. 地矿测绘, 2004, 20(1): 34-36.
Song B, Wang D S, Wang J L. Dongying ground subsidence monitoring[J]. Surveying and Mapping of Geology and Mineral Resources, 2004, 20(1): 34-36. [本文引用:1]
[10] 苏衍坤, 孙现申, 王历进, 等. 基于GIS的黄河三角洲地区控制点沉降初步分析[J]. 海洋测绘, 2010, 30(5): 32-35.
Su Y K, Sun X S, Wang L J, et al. Analysis of subsiding on control-points in the Yellow River Delta zoom based on GIS methods[J]. Hydrographic Surveying and Charting, 2010, 30(5): 32-35. [本文引用:1]
[11] 毛继军, 孟黎, 苏艳红, 等. 基于GPS的东营市地面沉降监测研究[J]. 工程勘察, 2014, 42(10): 56-59.
Mao J J, Meng L, Su Y H, et al. The study of ground settlement monitoring in Dongying area based on GPS[J]. Geotechnical Investigation and Surveying, 2014, 42(10): 56-59. [本文引用:1]
[12] 张金芝, 黄海军, 刘艳霞, 等. 基于PSInSAR技术的现代黄河三角洲地面沉降监测与分析[J]. 地理科学, 2013, 33(7): 831-836.
Zhang J Z, Huang H J, Liu Y X, et al. Monitoring and analysis of ground subsidence in the modern Yellow River Delta area based on PSInSAR technique[J]. Scientia Geographica Sinica, 2013, 33(7): 831-836. [本文引用:1]
[13] 张金芝, 黄海军, 毕海波, 等. SBAS时序分析技术监测现代黄河三角洲地面沉降[J]. 武汉大学学报(信息科学版), 2016, 41(2): 242-248.
Zhang J Z, Huang H J, Bi H B, et al. Monitoring ground subsidence in the modern Yellow River Delta based on SBAS time-series analysis[J]. Geomatics and Information Science of Wuhan University, 2016, 41(2): 242-248. [本文引用:1]
[14] Prats-Iraola P, Scheiber R, Marotti L, et al. TOPS interferometry with TerraSAR-X[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(8): 3179-3188. [本文引用:1]
[15] 吴文豪, 李陶, 陈志国, 等. Sentinel-1A卫星TOPS模式数据干涉处理[J]. 测绘通报, 2016(2): 42-45.
Wu W H, Li T, Chen Z G, et al. Interferometric processing of TOPS mode for Sentinel-1A[J]. Bulletin of Surveying and Mapping, 2016(2): 42-45. [本文引用:1]
[16] 崔喜爱, 曾琪明, 童庆禧, 等. 重轨星载InSAR测量中的大气校正方法综述[J]. 遥感技术与应用, 2014, 29(1): 9-17.
Cui X A, Zeng Q M, Tong Q X, et al. Overview of the atmospheric correction methods in repeat-pass InSAR measurements[J]. Remote Sensing Technology and Application, 2014, 29(1): 9-17. [本文引用:1]
[17] López-Quiroz P, Doin M P, Tupin F, et al. Time series analysis of Mexico City subsidence constrained by radar interferometry[J]. Journal of Applied Geophysics, 2009, 69(1): 1-15. [本文引用:1]
[18] 刘勇, 黄海军, 李培英, 等. 黄河三角洲地面沉降影响因素综合分析[J]. 工程地质学报, 2014, 22(s1): 62-69.
Liu Y, Huang H J, Li P Y, et al. A comprehensive analysis of factors influencing on land subsidence in the Yellow River Delta[J]. Journal of Engineering Geology, 2014, 22(s1): 62-69. [本文引用:1]
[19] 刘勇, 李培英, 丰爱平, 等. 黄河三角洲地下水动态变化及其与地面沉降的关系[J]. 地球科学, 2014, 39(11): 1555-1565.
Liu Y, Li P Y, Feng A P, et al. Groundwater dynamic evolutions and relationship between groundwater level and land subsidence in the Yellow River Delta[J]. Earth Science, 2014, 39(11): 1555-1565. [本文引用:1]