Sentinel-1A数据矿区地表形变监测适用性分析

图1 相邻影像干涉对分布

Fig.1 Adjacent image interferogram distribution

图1中150526表示2015年5月26日。为进行形变梯度函数模型验证分析,获取了SAR图像覆盖范围内某一矿区沉降中心位置和沉降区域外围2个水准点的观测成果,水准观测数据采用二等水准测量作业方式获取,作业时间为2015年7月31日—2016年7月29日,期间共监测9次,水准监测时间同SAR影像获取时间吻合较好。通过2个水准点之间做差获取矿区实际沉降量值。图2为沉降量随时间变化情况,采用二次多项式拟合,公式为

(6)

$y = - 0.0093 - 0.0056 x + 0.000009 x^{2}$ 。

图2

图2 实际沉降量随时间变化情况

Fig.2 Actual subsidence with time changes

2 InSAR矿区形变监测定性分析

选取河南省焦作市某矿区为研究区,在实地调查的基础上,根据矿区地表覆盖情况,选择3个研究区域,分别为①伴有杂草的裸地(A); ②农田(B),春季种植小麦,夏季种植玉米; ③村落(C),周边种植玉米。底图为WorldView-3光学影像。

图3

图3 研究区覆盖范围

Fig.3 Location of study area

获取裸地、农田和村落3个区域相邻影像20组时间序列差分干涉图如图4—6所示,每组干涉对的成像时间、时间基线Bt以及平均相干性γ已分别在图上标出。

图4

图4 区域A裸地时间序列差分干涉图

Fig.4 Bare land time series differential interferogram in study area A

图5

图5 区域B农田覆盖区时间序列差分干涉图

Fig.5 Farmland time series differential interferogram in study area B

图6

图6 区域C村落时间序列差分干涉图

Fig.6 Village time series differential interferogram in study area C

从图中可以较好地说明Sentinel-1A数据在1 a间相干性的变化情况,其中差分干涉对中最大时间基线为60 d,最小时间基线为12 d,大部分时间基线为12 d和24 d。此外空间基线对相干性存在一定的影响,干涉处理中视数对形变梯度模型的影响需要单独说明。对于空间基线的影响,由于Sentinel-1A卫星轨道精度较高且采用先进的轨道控制技术,干涉对空间基线最大为162 m,多数都在100 m范围内,故忽略干涉对空间基线的差异。对于视数的影响,由于Sentinel-1A数据常常采用视数为5进行处理,故不考虑其他多视情况。

图4—6中,裸地、农田和村落区域的相干性数值分别在0.520.94,0.420.93和0.510.95之间。可以看出,成像时间在夏季(150617—150816)时间段内有4组干涉对,其中150723—150816干涉对相干性为全年最低,农田区域最低为0.42,裸地区无明显形变,农田区和村落区均因相干性过低,无法目视辨认其形变条纹。成像时间在秋季和冬季(150816—160107)时间段内有11组干涉对,秋季裸地区从150828—150909干涉对出现较为清晰明显的形变条纹,而农田区和村落区形变条纹模糊,3类地表均可有效地目视判别出形变的位置和范围。在秋末干涉对相干性明显提高。冬季为1 a中相干性最好的时期,完全可以进行形变量的精确反演。成像时间在春季(160107—160530)时间段内有5组干涉对,60 d时间基线的160107—160307干涉对也能保持较高的相干性,轮廓清晰,裸地区和农田区形变条纹数可以有效目视辨认。在春末夏初,时间基线为24 d的160412—160506干涉对和160506—160530干涉对裸地区仍保持较好的相干性,形变条纹的轮廓也可清晰辨认; 而农田区相干性较低,形变条纹缺失; 村落区相干性较高,但由于周边是农田,形变条纹缺失。

图7为3种地表类型1 a间相干性变化情况,夏季相干性均较低,存在1 a中相干性最低的干涉对,在秋末干涉对相干性明显提高,冬季为1 a中相干性最好的时期,春季相干性同样较低。3种地表类型对比可以发现,农田区在夏季和春季相干性明显低于裸地区和村落区,冬季和秋季相干性基本一致。裸地区和村落区全年相干性相似,γ均低于0.5的有3组干涉对,时间为夏季和春季,且干涉对时间基线均为24 d。

图7

图7 相干性变化折线图

Fig.7 Coherence change line chart

3 InSAR矿区形变监测定量分析

对于上述目视判读分析结果可以通过形变梯度函数模型进行定量化分析,分别选取2种地表类型干涉对,由于裸地区域在夏季无明显形变,选取春季160506—160530干涉对,农田区域则选取夏季150617—150629干涉对。裸地区目标a和b相距约为160 m,形变量约为28 mm(1个条纹),相干均值γ为0.58,计算形变梯度D为0.175×1 ${0^{-}}^{3}$ 。农田区目标c和d相距约800 m,形变量约为28 mm(1个条纹),相干均值γ为0.57,计算形变梯度D为0.033×10^-3。通过目视解译可知,验证区中裸地区域(图8(a))条纹轮廓清晰,条纹数较易辨认; 农田区域(图8(b))条纹轮廓清晰,但受强噪声影响条纹数不易辨认,形变信息丢失。

图8

图8 验证区的形变条纹

Fig.8 Deformation of the verification zone stripes

经过目视判读和定量分析,将形变梯度模型(0.58,0.175×10^-3)和真实数据(0.57,0.033×10^-3)一并绘制在图9中,2条线之间为可预测范围,观察模型预测结果和上述分析吻合程度。可以看出,裸地区域(三角形点)的形变梯度可以监测到,与分析的结果吻合; 农田区域(正方形点)位于可监测的最小形变梯度线上,通过目视识别分析,可以确定形变轮廓,但形变条纹模糊无法辨认。模型估算与实际观测结果较吻合,表明该模型同样适用Sentinel-1A数据的形变估算。

图9

图9 模型验证结果

Fig.9 Model validation results

计算水准点实际形变梯度及对应干涉对平均相干性,并将相干性和形变梯度作为模型输入值,根据目视判读每组干涉对形变梯度的可检测性与水准数据带入模型计算得到的可检测性进行对比。图10为对比结果,红色为目视判读与模型计算形变可检测性两者结果一致,黑色为目视判读与模型计算两者结果不一致。16组验证数据中,两者结果一致的有12组,一致率为75%; 剩余4组为实际水准数据带入模型,表现为可检测形变梯度,而实际情况通过目视判读形变条纹缺失,属于不可检测情况,两者结果存在矛盾。

图10

图10 模型一致性验证结果

Fig.10 Model consistency verification results

分析存在矛盾的4组干涉对,例如干涉对为151003—151015,通过目视判读形变条纹模糊,为不可检测情况,但带入模型为可检测形变梯度。其余3组分别为160307—160331,160331—160412和160412—160506,虽然相干性均较高,但目视判读形变条纹缺失,为不可检测情况。通过实地调查,形变区位于村落和农田之间,村落在1 a中均保持较高的相干性,使得3组干涉对具有较高的整体相干性,形变条纹在村落部分保持较清晰,而农田区域由于相干性较低,形变条纹缺失。表明对于地物类别复杂区域,尤其是具有建筑物等人工设施的区域,研究区局部相干性较高,整体平均相干性无法有效代表该区域的形变条纹清晰程度,因此,相干性的统计分布也是需要考虑的一方面。

4 结论

以暖温带半湿润季风气候条件下的河南省焦作市某矿区为研究区,本文采用Sentinel-1A数据研究形变监测中不同地表类型、季节和时间基线影响下相干性和可监测形变之间的关系,并采用水准数据验证形变梯度函数模型和目视判读分析结果,得出以下3方面结论:

1)裸地和村落类型全年保持较高相干性,夏季时间基线为24 d时,相干性均优于0.51,目视识别可以有效确定矿区的形变位置和范围,通过模型验证形变梯度也在可检测范围。

2)农田覆盖类型夏季时间基线为12 d时,相干性优于0.51,目视识别可以有效确定矿区的形变区域和范围,但受噪声影响条纹模糊,通过模型验证形变梯度位于可检测最小形变梯度上; 当时间基线为24 d时,无法有效确定形变区域和范围。

3)采用真实水准数据验证模型的适用性,16组验证数据中模型准确率为75%。由于在地物类别复杂区域,局部相干性较高,整体平均相干性无法有效代表该区域的形变条纹清晰程度。本文研究能初步帮助在InSAR应用中根据研究目标地物类型和监测季节选择合理的数据分布。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

靳国旺, 徐青, 张红敏 . 合成孔径雷达干涉测量[M]. 北京: 国防工业出版社, 2014.

Jin G

, Xu

, Zhang H

Synthetic Aperture Radar Interferometry[M]. Beijing: National Defense Industry Press, 2014.

[2]

靳国旺, 张红敏, 徐青 . 雷达摄影测量[M]. 北京: 测绘出版社, 2015.

Jin G

, Zhang H

, Xu

Radargrammetry[M]. Beijing: Surveying and Mapping Press, 2015.

[3]

吴立新, 高均海, 葛大庆 , 等.

工矿区地表沉陷D-InSAR监测试验研究

[J]. 东北大学学报(自然科学版), 2005,26(8):778-782.

Wu L

, Gao J

, Ge D

, et al.

Experiental study on surface subsidence monitoring with D-InSAR in mining area

[J]. Journal of Northeastern University (Natural Science), 2005,26(8):778-782.

[4]

董玉森

, Ge L

, Chang H

, 等.

基于差分雷达干涉测量的矿区地面沉降监测研究

[J]. 武汉大学学报(信息科学版), 2007,32(10):888-891.

收集了1992年12月至1998年6月JERS-1L波段雷达数据,利用差分雷达干涉测量技术进行地面沉降监测研究。通过“二轨法”进行差分处理,选择其中的6景差分雷达干涉图进行分析。在研究区内发现了4个沉降区域,并按照时间序列通过对地面形变图进行分析,获取其中两个沉降区最大的垂直沉降量。

Dong Y

, Ge L

, Chang H

, et al.

Mine subsidence monitoring by differential InSAR

[J]. Geomatics and Information Science of Wuhan University, 2007,32(10):888-891.

[5]

朱建军, 邢学敏, 胡俊 , 等.

利用InSAR技术监测矿区地表形变

[J]. 中国有色金属学报, 2011,21(10):2564-2576.

Zhu J

, Xing X

, Hu

, et al.

Monitoring of ground surface deformation in mining area with InSAR technique

[J]. The Chinese Journal of Nonferrous Metals, 2011,21(10):2564-2576.

[6]

汪宝存, 郭凌飞, 王军见 , 等.

矿区地表形变InSAR监测——以永城市为例

[J]. 测绘与空间地理信息, 2016,39(6):24-27.

Wang B

, Guo L

, Wang J

, et al.

Mining area surface deformation monitoring by InSAR:Taking Yongcheng City as an example

[J]. Geomatics and Spatial Information Technology, 2016,39(6):24-27.

[7]

刘广, 郭华东 , Ramon

, 等.

InSAR技术在矿区沉降监测中的应用研究

[J]. 国土资源遥感, 2008,20(2):51-55.doi: 10.6046/gtzyyg.2008.02.13.

介绍了应用InSAR技术监测矿区地表沉降以及地下开采活动的原理；利用重轨差分InSAR技术获得了峰峰矿区地表ENVISAT和JERS 1的雷达形变干涉相位图；分析了在矿区地表沉降过程中ENVISAT C波段和JERS 1 L波段形变干涉相位图的相干特性、相位特性以及干涉测量技术在矿区地表沉降监测中应用的可行性和局限性。实验结果表明，利用C波段和L波段雷达数据可以实施对矿区地表沉降的监测，但是C波段雷达受到空间干涉基线的限制更加严格，如果要实现对矿区地表沉降的监测，需要充分利用每个卫星回访时期的雷达数据，建立长时序的星载雷达形变干涉相位图序列，才能较好地实现矿区地表沉降监测。

Liu

, Guo H

, Ramon

, et al.

The application of InSAR technology to mining area subsidence monitoring

[J]. Remote Sensing for Land and Resources, 2008,20(2):51-55.doi: 10.6046/gtzyyg.2008.02.13.

[8]

廖明生, 王腾 . 时间序列InSAR技术与应用[M]. 北京: 科学出版社, 2014.

Liao M

, Wang

Time Series InSAR Technology and Application[M]. Beijing: Science Press, 2014.

[9]

田馨

InSAR技术形变监测中的干涉条件研究

[D]. 武汉:武汉大学, 2013.

Tian

The Study on Interference Conditions Analysis for InSAR in Deformation Monitoring

[D]. Wuhan:Wuhan University, 2013.

[10]

葛大庆, 王艳, 范景辉 , 等.

地表形变D-InSAR监测方法及关键问题分析

[J]. 国土资源遥感, 2007,19(4):14-22.doi: 10.6046/gtzyyg.2007.04.04.

总结和分析了地表形变D-InSAR监测的主要方法和当前所面临的主要问题。针对常规D-InSAR技术中大气相位和低相干区域相位解缠，分别介绍了基于Delaunay三角网的不规则格网解缠方法、累积干涉纹图处理方法（Stacking Interferograms）、永久性散射体（PS）技术以及角反射器干涉测量（CR-InSAR）方法，分析了各自的适用条件和优缺点。此外，对有限数据量条件下低相干区域大气相位校正、相干目标识别等问题进行了重点讨论。立足于工程应用需要，分别对D-InSAR测量地表形变的参数选择、测量结果的精度验证、D-InSAR测量值与形变的关系、大区域处理以及形变场时空演变等问题进行了分析和讨论。

Ge D

, Wang

, Fan J

, et al.

A study of surface deformation monitoring using differential SAR interferometry technique and an analysis of its key problems

[J]. Remote Sensing for Land and Resources, 2007,19(4):14-22.doi: 10.6046/gtzyyg.2007.04.04.