基于Sentinel-1A数据的地表形变监测

基于Sentinel-1A 数据的地表形变监测
刘智学1
，薛东剑
1*
（1.成都理工大学 地球科学学院，四川 成都 610059）
摘 要：提取滑坡形变数据、分析形变趋势对地质灾害防治工作具有指导意义。

合成孔径雷达干涉测量技术（InSAR ）具有全天候、全天时精确获取地表形变数据的能力，是当前形变监测的重要手段。

分别利用DInSAR 和SBAS-InSAR 技术处理了 22景哨兵一号（Sentinel-1）C 波段数据，得到了四川省安州区高川乡大光包滑坡2018年3月－2020年2月的形变数据特征。

结果表明，大光包滑坡点共有3个相对明显的形变区域；近两年的平均形变速率最高不超过100 mm/a ，其形变时间序列随降雨量变化具有周期性；总体地表形变趋于稳定，周边地区中小型地震的发生没有造成地质灾害隐患。

关键词：Sentinel-1；DInSAR ；SBAS ；形变监测；大光包滑坡中图分类号：P237 文献标志码：B
文章编号：1672-4623（2021）11-0092-04
收稿日期：2020-07-22。

项目来源：四川省科技计划资助项目（2019YJ0505）。

（*为通信作者）
doi:10.3969/j.issn.1672-4623.2021.11.024
我国西南地区受印度板块向亚欧板块俯冲影响，是地震活动发生极频繁且强烈的区域，地震带来的次生地质灾害不可计数。

在所有地质灾害中，滑坡是最常见的类型，占地质灾害总量的70%以上[1]。

由2008年汶川地震（里氏震级8.0 Ms 、矩震级8.3 Mw ）引发的大光包滑坡是世界上规模最大的滑坡点之一，其内潜藏的大量安全隐患足以对当地造成数十年的影响。

因此，为避免震后次生灾害威胁，需要对高风险区域进行长期监测。

早期的滑坡形变探测方法包括大地测量法、GPS 法、自动伸缩计法和分布式光纤法等[2]；但这类以点探面的监测方法很难全面反映滑坡区域的形变特征，易导致分析结果与实际情况间存在较大误差。

合成孔径雷达（SAR ）是一种有源成像系统，基于其发展的DInSAR 地表形变监测技术可大面积连续监测地表 cm 级甚至mm 级的形变[3]
，在地震形变场提取、火山活动以及矿区沉降监测等方面卓有成效，如侯丽燕
[4]
等基于多次DInSAR 处理研究了地震序列发震断层特征，加深了对周边活动断裂性质的认识；Wempen J M
[5]
利用DInSAR 技术定量分析了矿区开采初期和随
着采矿方向推进所造成的地面沉降，为沉降动力的深入研究提供了理论依据。

然而，传统的DInSAR 技术更注重短期形变监测，在解决失相干现象时略有不足。

因此，长时间序列差分干涉测量方法应运而生，主要包括适用于城市、乡镇等相干目标密集区域的永久散射体干涉测量（PS-InSAR ）和同时适用于城市区域和自然表面的小基线干涉测量（SBAS-InSAR ）方法，后者采用了更多的主影像来构造干涉像对，有效避免了
长时间基线带来的失相干，在地表沉降与滑坡形变监测中应用广泛。

程海琴
[6]
利用时序InSAR 技术分析
了龙门山地区震后的滑坡灾害点时空分布特征，定量揭示了滑坡物质迁移特征和震后滑坡体的地表形变特征；陆超然[7]
等分别利用差分干涉和SBAS 方法进行
了大范围地灾隐患点的探测，并总结了二者的优劣；
莫玉娟[8]
等基于SBAS 技术提取了小金县的地表沉降
趋势。

本文分别利用DInSAR 和SBAS-InSAR 技术对包含研究区域的22景哨兵一号（Sentinel-1）C 波段数据进行处理，提取分析了该滑坡点的视线向累积形变量、时序形变数据和年平均形变速率，并对比了两种数据提取方法的形变结果，为大光包滑坡稳定性探测工作提供了数据参考。

1研究区概况
大光包滑坡（31°38′N 、104°07′E ）位于四川省
绵阳市安州区，四川盆地西北与山地区域交界处，西北方向有大面积山林覆盖，地势落差大，平均海拔相对较高；地质结构复杂多样且降水量较大，地貌构造包括平坝、丘陵以及低中型山脉3种类型。

该区域地处龙门山断裂带，地质灾害较多，尤以地震为最，中小型地震频繁发生（图1）。

在本文选取的雷达影像数据的成像时间内，四川地区共发生36次里氏4.0级以上的浅源地震，其中包括11次不低于里氏5.0级的中强地震。

滑坡分别距离2019年12月9日安州区发生的里氏4.6级地震和2020年2月3日成都市青白江区发生的里氏5.1级地震只有18 km 和85 km 。

·93·
第19卷第11期图例
省级行政中心
地级市行政中心自治州行政中心县级行政中心省级界山峰数据覆盖范围
1∶5 100 000
图1　研究区位置示意图 （审图号：GS (2019)3333）
区域内亚热带湿润季风气候显著，全年降雨量足，冬春与夏秋季变换时，旱、雨季交替出现，中小型河流交织密集，水资源充沛。

为分析研究区旱、雨季降雨量变化与地表形变速率变化之间的线性关系，本文制作了滑坡周边100 km 范围内的月均降雨量数据柱状图，如图2所示。

䭹Ⅰ䛻 m m
图2　研究区降雨量数据
2数据来源与研究方法
2.1 数据来源
Sentinel-1卫星所提供的C 频段雷达遥感影像能
提取大范围、高精度的地面运动数据，是欧洲委员会和欧空局针对欧洲航天哥白尼计划的第一颗对地观测卫星[9]。

该卫星为双星座卫星系统，成像重访周期最短可达6 d ，且所有数据均免费提供给公众。

本文采用Sentinel-1A 卫星干涉宽幅模式数据进行研究。

2.2 DInSAR 技术
DInSAR 技术基于重复获取的同一区域后向散射信号，通过共轭相乘获取干涉相位
[10]
，获取相干性良好
的雷达复数影像差分干涉两次成像之间的相位差信息，再去除干涉相位中包含的地形起伏相位信息，减少大气效应、噪声等的影响，得到最终形变结果。

根据DInSAR 处理时对不同时相SAR 影像的数目要求，常
用的 DInSAR 技术可分为两轨法、三轨法和四轨法
[11]
3种，本文采用两轨法进行处理。

该方法将研究区域前后不同时间形成的两景雷达影像作为干涉像对来进行差分干涉处理。

由于其获得的干涉相位中既包含形变相位，又包含地形相位信息（忽略大气扰动的影响），因此需以实验数据成像区域的先验DEM 数据为外部
参考，对相同空间几何条件下的地形相位进行模拟，并将其从合成干涉数据中去除，这也意味着DEM 数据的准确性将直接影响DInSAR 的结果。

其数学表达 式为：
ΔΦD =ΔΦ(P )-Φtopo =Φdisplacement （1）
式中，ΔΦD 为差分相位，是模拟得到的地形相位。

2.3 SBAS-InSAR 技术
Berardino P 等为提高差分干涉测量的精度，利用SBAS-InSAR 技术来解决失相干等问题。

该方法基于不同时间段的单视数据提取相干目标
[12]
，从而获取大
范围时序形变规律。

其优势在于，对数据量要求不高，通过链接多个长时间序列影像，构成小基线集合，进而增加数据利用率，最终获得mm 级形变速率结果。

SBAS-InSAR 的数据处理流程如图3所示。

图3　SBAS-InSAR 的数据处理流程
在SBAS-InSAR 测量方法中，将研究区某一时间段内的N 景数据按预设条件进行配对组合，生成最多M 组像对，即
２２
N N ≤≤M N (1)− （2）
为获取合适的干涉像对进行形变结果提取，需设置一个合适的时空基线阈值来对数据进行选择。

由于Sentinel 传感器平台重访周期较短，为提高形变探测精度、避免完全失相关，本文将最大临界基线阈值设置为45%。

像对组合经过干涉工作流处理后，将生成解缠后的干涉相位图，则第i 组像对生成的干涉图中任一
刘智学等：基于Sentinel-1A 数据的地表形变监测
地理空间信息·94·
第19卷第11期
像素的干涉相位为：
δφi (x ,r )=φB (x ,r )-φA (x ,r ) （3）
式中，x 、r 分别为像素点的方位向和距离向坐标；A 、
B 分别为第i 组像对的主辅影像。

为更准确地获取真实相位值，解算结果中(-π,π)的相位值，解缠后相位表达式为：
ϕi n
n n =−n a ∑=+b
1()t
t v −1
（4）
式中，t n 、t n -1分别为该组像对两幅影像的成像时间； v n 为对应的平均相位速率。

加入控制点文件对解缠后的结果进行轨道精炼，用以校正干涉相位以及解缠后所得的相位信息，如恒
定相位的去除。

本文输入雷达坐标系下的控制点进行优化处理，将上述结果描述为矩阵形式，即
B v =δφ （5）
得到一个M ×N 矩阵，为避免矩阵秩亏，采用奇
异值分解
[13]
最小二乘处理后，再对各成像间隔内速度
积分，即可得到研究区缓慢形变的最终形变时间序列。

SBAS 时序累积形变如图4所示。

单位/mm
高：255低：0
图4　SBAS 时序累积形变
3研究结果与分析
为了方便对DInSAR 形变数据进行综合分析，将
每组像对的累积形变量制作成图表（图5），从而直观反映形变结果。

将每组影像像对间的累积形变值与地震、降水量数据进行对比，可以看出，它们之间存在一定的相关关系，如滑坡区在11月—次年3月步入旱季，降雨量较少，暂不考虑雨水引发的滑坡体滑动，主要查看地震数据，这期间四川省内共发生浅源可感地震11次，其中2020年2月的5.1级地震距离滑坡点仅不到30 km ，较之以往冬季的形变量更大，但也没有产生明显滑动，说明中小型浅源地震的发生对滑
坡体影响较小，推测地震发生频次更高、且距离滑坡
体更近时，滑坡形变数据才会产生更明显的变化；滑坡点周边在2018年3月—10月未发生5级以上的中型地震，可将地震对滑坡滑动的影响忽略不计，主要考虑降水量变化，随着雨季降水量的明显增加，滑坡也开始表现出更大的形变数据波动，受滑坡体附
近水流冲刷作用影响，滑坡部分地区有一定程度的
抬升。

㉛⼛ 䛻
10
5
5
10
图5　DInSAR 形变结果的累积形变区间
SBAS-InSAR 测量得到的研究区近两年累积形变量（图6）表明，滑坡点及其周边位置虽一直处于动态变化中，但其在固定时间段内的总体抬升与沉降量相互平衡，因此其一维视线方向上的形变值变化并不明显，重大地质灾害发生的可能性较小。

高：54.964 2低：-26.592 6
值
图6　SBAS 累积形变量
为了更深入地了解滑坡点附近的地表形变，本文选取滑坡上的A 、B 、C 、D 、E 五个位置，将其平均沉降速率绘制成曲线图进行分析，如图7所示，可以看出，D 、E 点有少量抬升，B 、C 点有沉降现象， A 点附近则近于平稳。

根据滑坡点周围地质条件推测，坡体高处的风化剥蚀堆积物导致了D 、E 点的抬升，而B 、C 点受河流冲刷影响，缓慢下降。

·95·
第19卷第11期
60
40
20
20
V a l u e s
图7　部分点位平均形变速率/(mm /a )
4结　语
针对大光包滑坡实验区地形地貌复杂，实地勘
测地理位置信息难度较大、危险性较高的特点，本文通过非接触传感器获取的遥感影像来研究地震和降水量对滑坡体产生的影响。

利用Sentinel-1A 卫星影像获取实验区相位数据，下载并处理了2018年3月— 2020年2月的22景干涉宽幅模式的单视复数影像；利用DInSAR 和SBAS-InSAR 技术计算并提取了滑坡点在该时期内的阶段形变量、时序累积形变量和年平均形变速率；结合旱、雨季降雨量变化以及周边地区浅源地震发生频次对滑坡形变速率变化规律进行了总结。

研究结果表明，滑坡体在实验数据成像时间段内的形变量不大，且波动较小；滑坡区域的最大抬升约为10 cm ，累积沉降量最大不超过6 cm ，年平均形变速率趋于稳定，最高不超过100 mm/a ，说明大光包滑坡已处于较稳定的状态；在春、冬交替之际，随着降雨量的减少，河流冲刷作用减弱，形变趋势也稍有减缓；周边地区
中小型浅源地震的发生没有对滑坡点造成显著危害。

参考文献
[1] 王振林,廖明生,张路,等.基于时序Sentinel-1数据的锦屏水
电站左岸边坡形变探测与特征分析[J ].国土资源遥感,2019, 31(2):204-209
[2] 黄洁慧,谢谟文,王立伟.基于SBAS-InSAR 技术的白格滑坡
形变监测研究[J ].人民长江,2019,50(12):101-105
[3] 刘文祥.升降轨SAR 数据融合的地震形变场观测[J ].遥感信
息,2016,31(4):35-40
[4] 侯丽燕,单新建,龚文瑜,等.基于多期DInSAR 数据的2016年
定结地震序列发震断层特征研究[J ].地球物理学报,2020, 63(4):1 357-1 369
[5] Wempen J M. Application of DInSAR for Short Period
Monitoring of Initial Subsidence Due to Longwall Mining in the Mountain West United States [J ]. International Journal of Mining Science and Technology,2020,30(1):33-37
[6] 程海琴.时序雷达干涉测量探测汶川地震龙门山区滑坡的时
空分布特征[J ].测绘学报,2019,48(2):265
[7] 陆超然,蔡杰华,刘东烈,等.基于卫星InSAR 技术的地质灾
害隐患点探测与形变分析[J ].南京信息工程大学学报(自然科学版),2020,12(2):216-222
[8] 莫玉娟,吴洋,刘学武.基于SBAS 技术的四川阿坝州小金县
地表形变监测[J ].测绘工程,2018,27(11):46-50
[9] 杨金明,刘志辉. Sentinel-1卫星数据产品应用探讨[J ].地理
空间信息,2016,14(12):18-20
[10] 余祥伟,薛东剑,王海方.基于D-InSAR 的长宁地震形变场
提取与模拟[J ].测绘通报,2020(5):59-63
[11] 柳想,罗红霞.基于三轨法D-InSAR 技术的地震形变研究[J ].
城市建设理论研究(电子版),2012(14):69-73
[12] 朱叶飞,陈火根,李向前,等.基于SBAS 的兰西县城区地面
沉降监测研究[J ].遥感信息,2014,29(4):76-79
[13] 罗想,王萍,张艳梅,等.基于SBAS 时序分析方法的断裂带
形变监测[J ].地理空间信息,2018,16(3):114-116第一作者简介：刘智学，硕士研究生，研究方向为雷达图像处理和干涉测量。

（上接第84页）
[5] 杨帆,王道顺,张磊,等.一种改进的InSAR 城市地面沉降监
测精度评价方法[J ].测绘通报,2019(2):54-57[6] Gabriel A K, Goldstein R M, Zebker H A. Mapping Small
Elevation Changes over Large Areas: Differential Radar Interferometry [J ]. Journal of Geophysical Research Solid Earth, 1989,94(B7):9 183-9 191
[7] Massonnet D, Feigl K L. Satellite Radar Interferometric Map of
the Coseismic Deformation Field of the M =6.1 Eureka Valley, California Earthquake of May 17,1993[J ]. Geophysical Research Letters,1995,22(12):1 541-1 544
[8] Ferretti A, Prati C, Rocca F. Permanent Scatterers in SAR
Interferometry [J ]. IEEE Transactions on Geoscience and Remote
Sensing,2001,39(1):8-20
[9] 王超,张红,刘智,等.苏州地区地面沉降的星载合成孔径雷
达差分干涉测量监测[J ].自然科学进展,2002,12(6):621-624
[10] 谌华,单建新,张云华,等.利用NOAA-16/FY-1C 和ASAR
数据纠正大气水汽对重轨星载D-INSAR 的影响[J ].地球物理学报,2007,50(3):707-713
[11] 罗海滨,何秀凤.用GPS 改正InSAR 大气延迟误差的研究[J ].
大地测量与地球动力学,2007,27(3):35-38
[12] 余景波,刘国林,曹振坦,等.大气延迟误差对 InSAR 数据处
理影响的定量分析[J ].空间科学学报,2012,32(5):720-729[13] Berardino P, Casu F, Fornaro G, et al. Surface Deformation
Analysis of the Campi Flegrei Caldera, Italy, by Exploiting the ENVISAT ASAR Data with the SBAS-DInSAR Technique [C ]// IEEE International Geoscience and Remote Sensing Symposium, IGARSS 2007, Barcelona, Spain, Proceedings,2007
[14] 熊佳诚,聂运菊,罗跃,等.基于SBAS-InSAR 技术的南昌市
中心城区地表沉降监测[J ].城市勘测,2019(2):87-92第一作者简介：王毅，高级工程师，主要从事雷达干涉测量方向的研究。

刘智学等：基于Sentinel-1A 数据的地表形变监测。