賈會(huì)會(huì), 張海清, 李克達(dá)，張小朋

1.華北地質(zhì)勘查局五一四地質(zhì)大隊(duì)，河北 承德 067000 2.河北省地質(zhì)災(zāi)害監(jiān)測預(yù)警技術(shù)創(chuàng)新中心，河北 承德 067000 3.河北大學(xué)建筑工程學(xué)院，河北 保定 071002

0 引言

河北省承德市灤平縣張百灣鎮(zhèn)周臺(tái)子村鐵礦區(qū)由于多年礦山開采導(dǎo)致歷史遺留大量的淺埋采空區(qū)，其中部分采空區(qū)已發(fā)生明顯的地面塌陷。其中：20170814，灤平縣啟星礦業(yè)集團(tuán)啟泰采區(qū)華兵選礦廠發(fā)生采空塌陷事件，形成深約40 m的塌陷坑，致使華兵選礦廠全部陷入地下，造成巨大的經(jīng)濟(jì)損失；201904—201905，距離周臺(tái)子村約90 m的三采區(qū)連續(xù)發(fā)生兩次采空區(qū)地面塌陷，塌陷坑深度約40 m，直徑約50 m，造成礦路損毀斷交。潛在的塌陷安全隱患會(huì)對(duì)周邊建筑和居民區(qū)造成巨大威脅，因此對(duì)礦區(qū)進(jìn)行形變調(diào)查和監(jiān)測，對(duì)采空區(qū)塌陷進(jìn)行災(zāi)害預(yù)警十分必要。

傳統(tǒng)礦區(qū)形變監(jiān)測的方法有水準(zhǔn)測量、GPS測量、三維激光掃描[1-3]等。這些以“點(diǎn)”為基礎(chǔ)的形變監(jiān)測技術(shù)耗費(fèi)大量人力、物力、財(cái)力，且監(jiān)測結(jié)果空間和時(shí)間分辨率較低，因此無法進(jìn)行大范圍、高密度的礦區(qū)地表形變監(jiān)測[4]。近幾十年發(fā)展起來的InSAR(合成孔徑雷達(dá)干涉測量技術(shù))[5]具有監(jiān)測精度高、全天時(shí)全天候、監(jiān)測結(jié)果時(shí)間分辨率和空間分辨率較高等優(yōu)勢，其中監(jiān)測精度可達(dá)到厘米甚至毫米級(jí)，為礦區(qū)形變監(jiān)測和范圍調(diào)查提供了新的有效監(jiān)測手段[6-12]。傳統(tǒng)時(shí)序InSAR技術(shù)采用永久散射體來獲取地表形變信息，但這種方法的缺陷是自然地表測量點(diǎn)較少、空間采樣率低，且很難確定出鐵礦采空區(qū)的沉降范圍和形變趨勢。針對(duì)礦區(qū)內(nèi)監(jiān)測點(diǎn)數(shù)量不足的問題，本文采用DS(distributed scatterer，分布式散射體)和高相干點(diǎn)時(shí)間序列InSAR技術(shù)來對(duì)礦區(qū)進(jìn)行形變解算。DS點(diǎn)是指分辨單元內(nèi)具有相同散射特性的散射體，例如沙漠、草甸等。DS點(diǎn)處理流程包括同質(zhì)像素點(diǎn)的提取和最優(yōu)相位估計(jì)。提取同質(zhì)像素點(diǎn)的現(xiàn)有方法是利用配準(zhǔn)后的時(shí)間序列SAR(合成孔徑雷達(dá))振幅影像進(jìn)行t檢驗(yàn)、KS(Kolmogorov-Smirnov)檢驗(yàn)、AD(Anderson-Darling)檢驗(yàn)等[13]。這些方法雖然在效率和魯棒性方面存在不足，但大多數(shù)都能有效地解決同質(zhì)像素點(diǎn)的識(shí)別問題?，F(xiàn)有的最優(yōu)相位估計(jì)方法主要有MLE(極大似然估計(jì))、PL(phase linking, 相位鏈接)算法和PT(phase triangulation,相位三角)算法[14-16]等。然而，這些方法不能在一個(gè)分辨單元中分解多個(gè)散射機(jī)制，否則可能會(huì)影響同質(zhì)像素點(diǎn)相位的估計(jì)精度。由于中低分辨率SAR數(shù)據(jù)的分辨單元包括很多不同類型的地面目標(biāo)；因此，可采用樣本協(xié)方差矩陣或者相干矩陣EVD(特征值分解)方法進(jìn)行單個(gè)分辨率單元中多個(gè)散射機(jī)制的區(qū)分，并進(jìn)一步提高相位優(yōu)化精度。此外，可基于分布式散射體的時(shí)間序列InSAR技術(shù)獲得高密度監(jiān)測點(diǎn)，提取鐵礦開采區(qū)引起的地表形變不同時(shí)空特征，進(jìn)而對(duì)礦區(qū)形變進(jìn)行精確識(shí)別和監(jiān)測。

為查明灤平縣周臺(tái)子村鐵礦采空區(qū)空間分布，本文采取融合分布式散射體和相干散射體(distribute scatterer-coherent scatterer InSAR,DS-CSInSAR)的方法對(duì)研究區(qū)地表形變進(jìn)行監(jiān)測。即先采用AD檢驗(yàn)的方法提取同質(zhì)像素點(diǎn)，再采用基于協(xié)方差矩陣特征值分解算法來對(duì)DS點(diǎn)的最優(yōu)相位進(jìn)行估計(jì)，然后通過融合相干點(diǎn)來對(duì)礦區(qū)地表形變進(jìn)行反演，并確定礦區(qū)形變的空間分布；以期為采空區(qū)塌陷災(zāi)害預(yù)警及治理提供技術(shù)支撐。

1 研究區(qū)和數(shù)據(jù)集

1.1 研究區(qū)介紹

研究區(qū)位于河北省承德市灤平縣周臺(tái)子村，鐵礦采區(qū)位于灤河北岸。研究區(qū)的地理位置見圖1a，范圍為117.447°E—117.678°E，40.867°N—41.082°N，紅色邊框?yàn)檠芯繀^(qū)覆蓋范圍。該區(qū)地貌類型為低山侵蝕構(gòu)造地貌(圖1b)，高程范圍為269～1 650 m；氣候?qū)俅箨懠撅L(fēng)氣候，冬長寒冷，夏短而炎熱，多年平均氣溫9.1 ℃，最熱月(7月)平均氣溫24.4 ℃，最冷月(1月)平均氣溫-9.4 ℃，極端最高氣溫41.5 ℃，極端最低氣溫-24.2 ℃，最大日溫差23.8 ℃；歷年最大降水量835.9 mm，最小降水量326.7 mm，平均降水量557.9 mm。研究區(qū)GPS監(jiān)測點(diǎn)分別位于華兵礦業(yè)、JC33廣場、JC34二采、JC35路邊(圖1c，d)，A—J鐵礦區(qū)的位置見圖1d。

a.研究區(qū)地理位置；b.研究區(qū)地質(zhì)地貌圖；c.研究區(qū)數(shù)字高程模型(DEM)圖；d.鐵礦和GPS監(jiān)測點(diǎn)位置圖。a圖中，藍(lán)色邊框?yàn)镾entinel-1數(shù)據(jù)的覆蓋范圍，紅色邊框?yàn)檠芯繀^(qū)；b圖中，紅色邊框?yàn)檠芯繀^(qū)；c圖中，紅色圓圈為該地區(qū)GPS監(jiān)測點(diǎn)；d圖中，A—J為鐵礦區(qū)位置。

1.2 數(shù)據(jù)集

本文采用C波段48景250 km幅寬的Sentinel-1數(shù)據(jù)來對(duì)調(diào)查區(qū)進(jìn)行形變反演。Sentinel-1數(shù)據(jù)集時(shí)間跨度為20170316—20201002，IW(interfe-rometric wide swath)TOPS(terrain observation with progressive scans，漸進(jìn)掃描地形觀測)模式，升軌軌道號(hào)為69，距離向和方位向分辨率分別為2.3 m和13.9 m。48景SAR圖像的Sentinel-1數(shù)據(jù)時(shí)空基線圖見圖2，設(shè)置時(shí)間基線和空間基線的閾值分別為120 m和80 d，同時(shí)剔除一些受大氣影響嚴(yán)重的干涉對(duì)，最終得到88個(gè)干涉對(duì)，其中最大的垂直基線和最大的時(shí)間基線分別為115.435 m和60 d。

圖2 Sentinel-1數(shù)據(jù)時(shí)空基線圖

2 技術(shù)方法

為了更精確地識(shí)別和監(jiān)測調(diào)查區(qū)，首先提取出DS點(diǎn)并與相干點(diǎn)進(jìn)行融合，得到研究區(qū)更精確的地表形變信息；然后使用沉降信息進(jìn)行礦區(qū)的時(shí)空分析及沉降影響因素分析；最后確定出礦區(qū)的沉降區(qū)域。具體技術(shù)流程見圖3，主要包括Sentinel-1 TOPS模式預(yù)處理、相干點(diǎn)和DS點(diǎn)處理、時(shí)序形變解算等。

γ.平均相干系數(shù)；γt.時(shí)間相干性；γth.平均相干系數(shù)的固定閾值。

2.1 Sentinel-1 TOPS模式預(yù)處理

進(jìn)行預(yù)處理時(shí)，首先采用30 m分辨率的SRTM(shuttle radar topography mission，航天飛機(jī)雷達(dá)地形測繪使命)數(shù)據(jù)進(jìn)行DEM(digital elevation model，數(shù)字高程模型)配準(zhǔn)；其次，由于TOPS成像模式中多普勒中心頻率的變化，因此需要采用ESD(enhanced spectral diversity，增強(qiáng)譜分集)配準(zhǔn)方法來減少Burst間的相位跳變，并進(jìn)一步優(yōu)化方位向的偏移；然后，在將輔圖像重新采樣到主圖像的坐標(biāo)系中之前，需要對(duì)輔圖像進(jìn)行降噪去斜，同時(shí)對(duì)每個(gè)Burst都進(jìn)行去斜、插值和反去斜的流程[17]，從而使SAR圖像方位向上的配準(zhǔn)精度優(yōu)于1/1000像素[18]；之后，將每個(gè)條帶的Burst進(jìn)行拼接，因?yàn)檠芯繀^(qū)位于第2個(gè)條帶，因此不需要進(jìn)行條帶拼接；最后按照研究區(qū)的范圍進(jìn)行ROI(感興趣區(qū))的提取。

2.2 相干點(diǎn)和DS點(diǎn)處理

本文利用研究區(qū)時(shí)間序列的相干系數(shù)圖得到平均相干系數(shù)圖，利用平均相干系數(shù)閾值法，即γ≥γth，提取平均相干系數(shù)γ在固定閾值(γth=0.7)以上的相干點(diǎn)作為高相干點(diǎn)。為了提取研究區(qū)的DS點(diǎn)，利用AD檢驗(yàn)提取同質(zhì)像素點(diǎn)，并利用特征值分解算法對(duì)同質(zhì)像素點(diǎn)進(jìn)行最優(yōu)相位估計(jì)。

2.2.1 AD檢驗(yàn)

相對(duì)于KS檢驗(yàn)對(duì)尾部差異不敏感的缺點(diǎn)，AD檢驗(yàn)在尾部增加了權(quán)因子，以有效減少第二類錯(cuò)誤[19]。對(duì)配準(zhǔn)后時(shí)間序列的SAR振幅圖像，其中任意兩個(gè)像素a和b的AD檢驗(yàn)統(tǒng)計(jì)參數(shù)A2可表示為

(1)

式中：N為SAR圖像個(gè)數(shù)；Fa(x)和Fb(x)分別為兩個(gè)像素a和b的振幅的CDF(經(jīng)驗(yàn)累積分布函數(shù))；Fa,b(x)為a和b兩像素點(diǎn)的CDF。當(dāng)A2滿足特定的閾值，則a和b為SHP(statistically homogeneous pixels，同質(zhì)像素點(diǎn))。

為了提取同質(zhì)像素點(diǎn)，取13×13窗口作為本文的搜索窗口，使用上述的AD檢驗(yàn)去比較該窗口內(nèi)的中心像素點(diǎn)和其他像素點(diǎn)的檢驗(yàn)統(tǒng)計(jì)量。本文中顯著性水平取0.95，同質(zhì)像素點(diǎn)閾值取20。當(dāng)初始的同質(zhì)像素點(diǎn)提取后，先判斷其與中心像素點(diǎn)是否連接，舍棄與中心像素點(diǎn)沒有連接的像素點(diǎn)，則剩下的像素點(diǎn)即為初始的DS點(diǎn)集。

2.2.2 同質(zhì)像素點(diǎn)的最優(yōu)相位估計(jì)

最優(yōu)相位估計(jì)是SHP識(shí)別的關(guān)鍵步驟，本文基于協(xié)方差矩陣特征值分解算法對(duì)最優(yōu)相位進(jìn)行估計(jì)，該方法優(yōu)勢是不用進(jìn)行相干矩陣求逆操作，避免了迭代耗時(shí)且計(jì)算效率高，且該方法適用于中低分辨單元內(nèi)的多種散射機(jī)制[20]。

上述提取DS點(diǎn)的協(xié)方差矩陣C見下式：

(2)

式中：E為數(shù)學(xué)期望；p為時(shí)間序列像素x的復(fù)數(shù)向量，即p=[p1,p2,p3,…,pN]?；?為厄米特共軛轉(zhuǎn)置；k為同質(zhì)像素點(diǎn)集合的第k個(gè)點(diǎn)；Ω為Nx個(gè)同質(zhì)像素點(diǎn)的集合。

因此基于協(xié)方差矩陣的特征分解可見下式：

(3)

(4)

由于分辨單元內(nèi)主導(dǎo)散射機(jī)制數(shù)量n沒有建立先驗(yàn)知識(shí)且不同特征值對(duì)應(yīng)的特征向量相互正交；因此，求解最大特征值λi對(duì)應(yīng)的特征向量vi的相位分量作為優(yōu)化相位的估計(jì)值。

2.2.3 DS點(diǎn)與相干點(diǎn)融合

根據(jù)時(shí)間相干性γt對(duì)DS點(diǎn)進(jìn)一步篩選，先將平均相干系數(shù)γ大于γt的DS點(diǎn)提取出來，即

(5)

式中：M為最優(yōu)干涉相位值數(shù)目；φjk為原始干涉相位；θ為時(shí)間域?yàn)V波后求得的最優(yōu)相位，j和k分別表示第j個(gè)和第k個(gè)干涉對(duì);i為虛數(shù)單位。

然后，將上述提取的高相干點(diǎn)與DS點(diǎn)進(jìn)行融合，同時(shí)將DS點(diǎn)最優(yōu)相位估計(jì)與相干點(diǎn)的原始相位進(jìn)行融合，進(jìn)行時(shí)序形變解算。

2.3 時(shí)序形變解算

將DS點(diǎn)和相干點(diǎn)融合后，對(duì)這些點(diǎn)集構(gòu)建Delanuary三角網(wǎng)。步驟如下：首先，構(gòu)建線性形變模型進(jìn)行鄰近測量點(diǎn)的干涉相位差分，對(duì)三角網(wǎng)中每條邊進(jìn)行相對(duì)形變速率和相對(duì)高程誤差解算，采用空間搜索方法對(duì)三角網(wǎng)中每條邊進(jìn)行求解，邊的閾值取0.6，小于該閾值的邊則被剔除，不參與形變解算，得到三角網(wǎng)每條邊的相對(duì)形變速率和高程誤差。然后，選擇一個(gè)參考點(diǎn)，建立絕對(duì)形變速率與相對(duì)形變速率的系數(shù)矩陣，采用最小二乘算法對(duì)絕對(duì)形變速率和絕對(duì)高程誤差進(jìn)行求解。再將求出的形變速率和高程誤差從干涉相位中減去，即可得到每個(gè)點(diǎn)的殘余相位。最后，對(duì)殘余相位進(jìn)行MCF(minimum cost flow，最小費(fèi)用流)相位解纏，得到其真實(shí)相位。殘余相位包括大氣相位、非線性形變相位和噪聲相位，利用大氣相位在時(shí)域上表現(xiàn)為高頻信號(hào)、在空域上表現(xiàn)為低頻信號(hào)的特性，采用時(shí)間域的高頻和空間域的低頻濾波對(duì)大氣相位進(jìn)行去除并估計(jì)出大氣相位，將上述求得線性形變與非線性形變相加即可得到研究區(qū)的時(shí)序形變量結(jié)果。

3 結(jié)果與分析

3.1 相干點(diǎn)和DS點(diǎn)預(yù)處理結(jié)果

同質(zhì)像素點(diǎn)的提取結(jié)果能夠反映出同質(zhì)區(qū)域同質(zhì)點(diǎn)的分布情況，采用AD檢驗(yàn)識(shí)別的同質(zhì)像素點(diǎn)集見圖4a。該區(qū)域大部分同質(zhì)像素點(diǎn)的數(shù)目在100～255之間。圖4b為利用相干性系數(shù)大于0.7篩選出來的高相干點(diǎn)，可見研究區(qū)由于位于自然地表區(qū)域，相干點(diǎn)非常少，僅為3 514個(gè)。圖4c為利用時(shí)間相干性閾值為0.5篩選的最終的DS點(diǎn)，數(shù)量為57 766，圖4d為DS點(diǎn)和相干點(diǎn)融合的結(jié)果?？梢娊?jīng)過DS點(diǎn)加密，測量點(diǎn)的數(shù)量得到極大的提升，提高了時(shí)序形變解算的精度，且減小了相位解纏的誤差。

a.同質(zhì)像素點(diǎn)集分布圖；b.高相干點(diǎn)目標(biāo)分布圖；c.DS點(diǎn)分布圖；d.DS點(diǎn)與相干點(diǎn)融合圖。b、c、d圖中，紅色點(diǎn)代表選出的點(diǎn)。

利用DS點(diǎn)所有干涉對(duì)的相位信息，采用基于協(xié)方差矩陣特征值分解算法對(duì)單一主圖像干涉對(duì)的最優(yōu)相位進(jìn)行估計(jì)，以20181013—20181130和20181130—20181224兩個(gè)干涉對(duì)為例，結(jié)果見圖5。從圖5a、5c可看出原始干涉相位去相干噪聲較嚴(yán)重；對(duì)分布式散射體進(jìn)行相位優(yōu)化后，相位質(zhì)量和整體的相干性得到明顯的提高，在低相干地區(qū)，干涉相位的相干性也得到提高(圖5b、5d)。

a.20181013—20181130原始相位；b.20181013—20181130最優(yōu)相位；c.20181130—20181224原始相位；d.20181130—20181224最優(yōu)相位。

3.2 鐵礦區(qū)形變結(jié)果

通過本文的融合分布式和相干散射體時(shí)序InSAR處理后，得到鐵礦區(qū)年平均形變速率(圖6)，可知研究區(qū)的形變速率區(qū)間為-34.50～24.50 mm/a，形變趨勢較大的地區(qū)主要集中在圖6紅色矩形框內(nèi)。提取圖6中紅色邊框的形變速率數(shù)據(jù)，結(jié)果見圖7a。由該地區(qū)A—J鐵礦區(qū)域紅色曲線范圍(圖7b、c)可發(fā)現(xiàn)，這些地區(qū)的形變速率較大，且均出現(xiàn)不同程度的沉降。提取圖7b和圖7c中A—J鐵礦區(qū)域中點(diǎn)目標(biāo)(白色圓圈)進(jìn)一步分析時(shí)序形變位移。圖8為A—J形變區(qū)域提取的點(diǎn)目標(biāo)時(shí)序形變位移曲線圖，可發(fā)現(xiàn)：A—D區(qū)域在每年6—9月出現(xiàn)不同程度的沉降，沉降幅度在-33.40～32.70 mm，其中負(fù)值表示下沉，正值表示抬升；E區(qū)域在20200827沉降量最大，為50.76 mm；F—I區(qū)域在每年6—9月形變量變化區(qū)間為-35.02～26.03 mm，其中周臺(tái)子村附近礦區(qū)F、G區(qū)域的最大沉降量分別為32.00 mm和34.00 mm，離路邊最近的礦區(qū)H區(qū)域最大沉降量為33.00 mm；在J區(qū)域窯嶺溝礦區(qū)出現(xiàn)明顯的抬升現(xiàn)象，最大抬升量為24.03 mm。

紅色矩形框內(nèi)代表形變趨勢較大的地區(qū)。

a.年平均形變速率圖；b.鐵礦區(qū)A—G形變區(qū)域；c.鐵礦區(qū)H—J形變區(qū)域。

3.3 精度驗(yàn)證

為驗(yàn)證本文時(shí)序InSAR結(jié)果的準(zhǔn)確性和精度，本研究獲取灤平縣礦區(qū)華兵礦業(yè)、JC33廣場、JC34二采、JC35路邊4個(gè)GPS監(jiān)測點(diǎn)20200715—20201002期間24 h間隔的GPS實(shí)測數(shù)據(jù)和圖8中GPS點(diǎn)對(duì)應(yīng)的InSAR時(shí)序測量值進(jìn)行對(duì)比驗(yàn)證。二者InSAR時(shí)序形變量與GPS的結(jié)果對(duì)比見圖9，進(jìn)而可計(jì)算出4個(gè)監(jiān)測點(diǎn)與InSAR測量值之間的絕對(duì)誤差分別為-1.70～3.70，-0.80～4.20，-3.42～3.77，-2.86～4.79 mm。InSAR與GPS監(jiān)測相關(guān)性對(duì)比結(jié)果(圖10)表明：JC33廣場和JC35路邊的相關(guān)系數(shù)分別為0.93和0.81，這是由于這2個(gè)GPS監(jiān)測點(diǎn)位于建筑物附近，形變趨勢穩(wěn)定，且InSAR干涉圖的相干性較好，在進(jìn)行形變反演時(shí)受到的大氣、地形誤差影響較小，InSAR形變精度較高，因此與GPS測量值有著較高的相關(guān)性；華兵礦業(yè)和JC34二采相關(guān)系數(shù)分別為0.51和0.65，這是由于這2個(gè)GPS監(jiān)測點(diǎn)位于礦區(qū)附近，屬于自然地表，在InSAR處理過程中，易受到去相干的影響，形變解算精度沒有建筑區(qū)的高。此外InSAR測量值與入射角和LOS(line-of-sight，雷達(dá)視線方向)、殘余大氣相位也有關(guān)系，因此與GPS測量值有著較低的相關(guān)性，但是它們的絕對(duì)誤差范圍較小，從而證明了InSAR監(jiān)測灤平縣礦區(qū)的地表形變結(jié)果與GPS野外觀測結(jié)果一致性較好，結(jié)果可信度較高。

a.A—E區(qū)域；b.F—J區(qū)域。

a.華兵礦業(yè)；b.JC33廣場；c.JC34二采；d.JC35路邊。

a.華兵礦業(yè)；b.JC33廣場；c.JC34二采；d.JC35路邊。

為了對(duì)比分析DS-CSInSAR 技術(shù)結(jié)果的準(zhǔn)確性，我們采用CSInSAR技術(shù)對(duì)該鐵礦區(qū)進(jìn)行了PSI(永久散射體雷達(dá)干涉)分析、Delaunay三角網(wǎng)構(gòu)建、相對(duì)形變和絕對(duì)形變解算等步驟得到研究區(qū)的年平均形變速率，結(jié)果見圖11。圖11表明：兩種方法得到的形變趨勢基本一致，但與 CSInSAR 技術(shù)對(duì)比，本文提出的DS-CSInSAR方法極大地提高了點(diǎn)的密度；通過 DS 的空域?yàn)V波和最優(yōu)相位估計(jì)，DS-CSInSAR方法提高了低相干鐵礦區(qū)干涉圖相位的質(zhì)量和相干性，從而間接證明了該算法的可靠性。

圖11 CSInSAR技術(shù)(a)與DS-CSInSAR技術(shù)(b)結(jié)果對(duì)比圖

4 結(jié)論與建議

1)為彌補(bǔ)礦區(qū)監(jiān)測點(diǎn)目標(biāo)不足的情況，本文提出了DS-CSInSAR技術(shù)的鐵礦區(qū)識(shí)別與監(jiān)測的方法，利用雙樣本AD檢驗(yàn)和協(xié)方差矩陣特征值分解方法進(jìn)行相位優(yōu)化，大大提高了礦區(qū)的測量點(diǎn)數(shù)量和形變解算的精度。與CSInSAR技術(shù)方法相比，DS-CSInSAR技術(shù)方法在監(jiān)測點(diǎn)密度和干涉圖的質(zhì)量上均有明顯改善。

2)通過對(duì)研究區(qū)地表形變的時(shí)空分析發(fā)現(xiàn)，研究區(qū)年平均形變速率為-34.50～24.50 mm/a。不同礦區(qū)在每年的6—9月出現(xiàn)不同程度的沉降，其中周臺(tái)子村和路邊附近F、G、H區(qū)域的最大沉降量分別為32.00、34.00、33.00 mm；窯嶺溝礦區(qū)出現(xiàn)明顯抬升現(xiàn)象，最大抬升量為24.03 mm。InSAR 監(jiān)測結(jié)果與4個(gè)GPS站點(diǎn)結(jié)果一致，相關(guān)性較好，絕對(duì)誤差為-3.42～4.79 mm。

3)本文利用高密度的DS點(diǎn)確定了鐵礦區(qū)形變趨勢，相對(duì)于其他技術(shù)具有空間分辨率高、監(jiān)測范圍大的優(yōu)勢。該方法較好地解決了在地形復(fù)雜鐵礦區(qū)進(jìn)行形變監(jiān)測的問題，進(jìn)一步提高了利用InSAR形變結(jié)果識(shí)別和監(jiān)測鐵礦區(qū)的能力；同時(shí)，根據(jù)沉降結(jié)果進(jìn)行的分析也為預(yù)測鐵礦區(qū)形變強(qiáng)度和位移趨勢提供了重要信息。