李名語，李 政，姚京川，馮海龍，毛文飛，張 瑞,6

(1.西南交通大學(xué) 地球科學(xué)與環(huán)境工程學(xué)院，四川 成都 610031；2.河南測繪職業(yè)學(xué)院 測繪工程系，河南 鄭州 451464；3.雄安高速鐵路有限公司，河北 雄安 071800；4.鐵科檢測有限公司, 北京 100081；5.中國鐵道科學(xué)研究院集團(tuán)有限公司 鐵道建筑研究所, 北京 100081；6.高速鐵路安全運(yùn)營空間信息技術(shù)國家地方聯(lián)合工程實(shí)驗(yàn)室，四川 成都 611756)

京津冀地區(qū)是我國集政治、經(jīng)濟(jì)、文化一體化發(fā)展的核心區(qū)域，鐵路、公路交通網(wǎng)絡(luò)復(fù)雜，地上、地下工程建設(shè)頻繁。大量已有研究表明，受區(qū)域地質(zhì)環(huán)境和人為因素影響，該區(qū)域地表不均勻沉降問題極為顯著，對各類建筑和交通基礎(chǔ)設(shè)施的安全運(yùn)營構(gòu)成了挑戰(zhàn)[1-4]。京雄城際鐵路是連接北京和雄安新區(qū)的高速客運(yùn)專線，承載著重要的歷史使命，各項(xiàng)建設(shè)和運(yùn)營標(biāo)準(zhǔn)均已達(dá)到國內(nèi)領(lǐng)先水平。其中區(qū)域性地質(zhì)環(huán)境及其引起的鐵路基礎(chǔ)設(shè)施差異性沉降，一直是工程監(jiān)測的重點(diǎn)[5-6]。考慮到京津冀地區(qū)地表沉降的歷史背景，有必要對京雄沿線區(qū)域?qū)嵤└呔取⒏邥r(shí)空分辨率的地表形變監(jiān)測，全面掌握區(qū)域性沉降的現(xiàn)勢性分布及發(fā)展態(tài)勢，以確保軌道交通基礎(chǔ)設(shè)施的長期穩(wěn)定安全運(yùn)營。

對于大線路及周邊區(qū)域的高精度地表形變監(jiān)測，傳統(tǒng)的大地測量途徑，如水準(zhǔn)、全站儀、GNSS等，具有作業(yè)成本高、點(diǎn)位密度小的局限，難以滿足大尺度、全覆蓋的形變測量需求[7]。近年來新興的星載合成孔徑雷達(dá)干涉測量技術(shù)(Interferometric Synthetic Aperture Radar, InSAR)，具有全天候、監(jiān)測范圍大、時(shí)空分辨率高、綜合成本低、自動(dòng)化程度高等特點(diǎn)，極大地彌補(bǔ)了傳統(tǒng)技術(shù)手段的不足。借助對同一觀測區(qū)域的多期InSAR數(shù)據(jù)進(jìn)行差分干涉處理，可高效提取高精度地表形變信息[8]，已受到各行業(yè)領(lǐng)域和工程部門的廣泛關(guān)注[9-12]。為進(jìn)一步克服時(shí)空失相干、大氣效應(yīng)等負(fù)面因素的制約，相關(guān)學(xué)者基于長時(shí)序SAR影像數(shù)據(jù)集開展了時(shí)域建模和系統(tǒng)誤差分離的理論研究[13-15]，相繼提出了永久散射體方法(Permanent Scatterer InSAR, PSInSARTM)、小基線集算法(Small Baseline Subsets InSAR, SBAS-InSAR)、干涉點(diǎn)目標(biāo)分析方法(Interferometric Point Target Analysis, IPTA)、斯坦福算法(Stanford Method for Persistent Scatterers, StaMPS)等[15-18]，聚焦非人工地表區(qū)域干涉信息的精確提取，以及形變解算效率的提高。

國內(nèi)大地測量學(xué)領(lǐng)域也較早開展了系統(tǒng)深入的研究，并在區(qū)域性地質(zhì)災(zāi)害監(jiān)測、大型構(gòu)筑物安全性監(jiān)測等領(lǐng)域開展了行業(yè)示范應(yīng)用[19-22]，特別在鐵路工程與地災(zāi)風(fēng)險(xiǎn)排查與安全性監(jiān)測方面，取得了諸多矚目的進(jìn)展。如Luo等[23]利用PSI方法對覆蓋天津的TerraSAR影像進(jìn)行了時(shí)序處理，得到了鐵路沿線的沉降監(jiān)測結(jié)果。賈洪果等[24]利用超短基線PSI方法，對天津市西青區(qū)西青道和京滬高速鐵路局部路段的地表沉降進(jìn)行了監(jiān)測分析，且對比水準(zhǔn)數(shù)據(jù)驗(yàn)證了監(jiān)測結(jié)果的可靠性。劉歡歡等[25]使用PSI技術(shù)對京津城際高鐵北京段的地面沉降進(jìn)行了監(jiān)測，并根據(jù)監(jiān)測結(jié)果對沉降區(qū)域進(jìn)行了等級(jí)劃分。李廣宇等[26]采用時(shí)序差分干涉方法，完成了2015—2016年京津地區(qū)的時(shí)序沉降監(jiān)測，并針對北京東、天津西等典型地區(qū)，同時(shí)結(jié)合水準(zhǔn)數(shù)據(jù)、地下水?dāng)?shù)據(jù)等分析了沉降原因。楊斌等[27]利用TS-InSAR技術(shù)獲取了2015—2018年間京津冀地區(qū)的地表沉降場，并根據(jù)人類活動(dòng)相關(guān)資料探討了區(qū)域性地表沉降的年際變化及發(fā)展情況?？偟膩砜?，京津冀區(qū)域的地表沉降一直是本領(lǐng)域的研究熱點(diǎn)，但2018年以來京雄城際鐵路建設(shè)期間的現(xiàn)勢性監(jiān)測結(jié)果鮮有報(bào)道，且針對線路周邊沉降的歸因性分析仍不充分，側(cè)重于高速鐵路基礎(chǔ)設(shè)施的針對性研究還有待進(jìn)一步深入。

前期研究結(jié)果表明，基于大量SAR影像的長時(shí)間跨度時(shí)序形變的計(jì)算和分析，由于其復(fù)雜的時(shí)空干涉網(wǎng)絡(luò)和高密度的相干點(diǎn)分布，會(huì)對長期連續(xù)干涉測量的計(jì)算速度與可靠性造成負(fù)面影響。針對京雄城際鐵路在建設(shè)期內(nèi)長時(shí)間序列、大覆蓋范圍、高解算效率的地面形變監(jiān)測需求，本文提出采用ISBAS-InSAR方法[28]提取地表形變信息；選取歐空局Sentinel-1A/B星載SAR系統(tǒng)于2016年5月—2020年3月期間獲取的影像集作為數(shù)據(jù)源，提取分析地表沉降時(shí)間序列；利用氣象站同期實(shí)測獲取的降雨、相對濕度、氣溫等典型氣候因子的觀測數(shù)據(jù)進(jìn)行相關(guān)性分析，旨在進(jìn)一步揭示各沉降漏斗區(qū)域的發(fā)展演化態(tài)勢，為交通基礎(chǔ)設(shè)施沿線的安全性監(jiān)測與治理提供有力的數(shù)據(jù)支撐。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)域

京雄城際鐵路北起李營站，向南途經(jīng)北京大興區(qū)、北京大興國際機(jī)場、河北廊坊市、固安縣、霸州市，終至河北雄縣，全線正線線路92.785 km。本文研究區(qū)域及Sentinel-1A/B影像覆蓋范圍見圖1，其中紅色矩形框部分為京雄城際鐵路北京大興區(qū)—雄縣段沿線區(qū)域，覆蓋面積約為3 547 km2。從地理位置來看，該區(qū)域位于我國三大平原之一的華北平原內(nèi)，屬溫帶半濕潤氣候，四季分明，年平均降水量約為500～600 mm，蒸散在6—9月達(dá)到峰值。從地勢上看，該區(qū)域整體地勢由西北向東南傾斜，平均海拔低于100 m，內(nèi)有泃河、永定河、潮白河等河流攜帶的大量泥沙礫石，沙石大量沉積形成了典型的山前洪積沖積平原地貌。在地層結(jié)構(gòu)方面，該區(qū)域地下軟土層分布較多，軟土層具有含水率高，孔隙率大，低滲透性和高壓縮性的特征[29]，當(dāng)?shù)叵滤L期處于超采狀態(tài)時(shí)，軟土層極易受到影響而發(fā)生固結(jié)壓縮，進(jìn)而引發(fā)地面沉降。在經(jīng)濟(jì)地位方面，該區(qū)域?yàn)槲覈笆锥冀?jīng)濟(jì)圈”的核心區(qū)域，城鎮(zhèn)化程度高，人口密度大，高層建筑荷載、基坑降排水、地?zé)衢_采等人為活動(dòng)是引起地面沉降的重要因素[30]。

圖1 研究區(qū)域及Sentinel-1A/B影像覆蓋范圍

1.2 研究數(shù)據(jù)

本文選取歐空局Sentinel-1A/B衛(wèi)星獲取的C波段SAR影像作為監(jiān)測數(shù)據(jù)。該數(shù)據(jù)具有VV/VH兩種極化方式，重訪周期為12 d，距離向和方位向的空間分辨率約為2.3 m × 14 m，干涉寬幅模式影像覆蓋范圍為180 km × 250 km，可免費(fèi)獲取[31]。本文共選取100景影像作為監(jiān)測數(shù)據(jù)，其中包括2016年5—9月期間的9景降軌Sentinel-1A影像，以及2016年10月—2020年3月期間的91景降軌Sentinel-1B影像。Sentinel-1A/B數(shù)據(jù)見表1。

表1 Sentinel-1A/B數(shù)據(jù)

此外，為了校正軌道誤差以及地形相位，獲取了與SAR影像對應(yīng)的精軌數(shù)據(jù)(Precision Orbit Data, POD)用于修正軌道參數(shù)，以及日本宇宙航空局2015年5月公布的30 m空間分辨率的AW3D30數(shù)字地表模型(DSM)數(shù)據(jù)作為差分干涉處理的外部參考數(shù)據(jù)。

2 ISBAS-InSAR方法

經(jīng)典SBAS-InSAR方法由Berardino等于2002提出，其主要思想是通過設(shè)置時(shí)空基線閾值將干涉圖集劃分為若干子集，在集合內(nèi)選取高相干性的干涉對，采用最小二乘方法求解?？紤]到系數(shù)矩陣的秩虧問題，Berardino等又提出利用奇異值分解求解時(shí)序形變信息。SBAS方法能夠有效削弱傳統(tǒng)差分干涉中的失相干誤差和大氣延遲的影響，同時(shí)克服了永久散射體方法單一主影像導(dǎo)致的部分干涉圖相干性較低的缺點(diǎn)。然而，常規(guī)的SBAS-InSAR方法采用了多主影像基于短時(shí)空基線構(gòu)建干涉網(wǎng)絡(luò)，干涉對數(shù)量的豐富勢必增加了數(shù)據(jù)解算的時(shí)間，尤其對于長時(shí)間序列、高密度干涉網(wǎng)的監(jiān)測需求，低解算效率將顯著影響最終的形變監(jiān)測結(jié)果。針對上述局限，Zhang等[28]提出將所有干涉圖集限定在一個(gè)干涉網(wǎng)絡(luò)中，利用加權(quán)最小二乘估計(jì)，即網(wǎng)絡(luò)反演方法求解時(shí)序形變，具有較高的可靠性。面向大區(qū)域工程應(yīng)用的需求，采用全連接干涉網(wǎng)絡(luò)能夠更充分利用所有干涉圖，實(shí)現(xiàn)對于低相干區(qū)域的最優(yōu)相位估計(jì)，具有明顯優(yōu)勢，但相比之下計(jì)算效率則更低。鑒于此本文提出針對全連接干涉網(wǎng)絡(luò)的ISBAS-InSAR方法，對于具有改進(jìn)軌道控制和短重訪周期的Sentinel-1衛(wèi)星影像，所有干涉對在時(shí)間域上是連續(xù)的，干涉圖網(wǎng)絡(luò)可實(shí)現(xiàn)完全連接，從而將網(wǎng)絡(luò)反演方法簡化為超定方程組的無偏加權(quán)最小二乘估計(jì)，進(jìn)一步提高計(jì)算效率。此外，本文還引入了多種有效的誤差校正模型，對大氣誤差、解纏誤差等系統(tǒng)誤差分量進(jìn)行精化改正處理。

2.1 時(shí)序干涉算法模型

對于N+1景覆蓋同一區(qū)域的具有相同成像幾何特征的SAR影像，設(shè)定影像對間的相關(guān)系數(shù)和短時(shí)空基線閾值組合后生成的M幅干涉圖滿足

(1)

對于第i(i=1, 2,…,M)幅干涉圖中方位向和距離向坐標(biāo)分別為x和r的像素點(diǎn)，其干涉相位中包含的各相位貢獻(xiàn)分量?φi(x,r)為

(2)

式中：tA、tB為SAR影像的獲取時(shí)間；φdef為LOS向形變相位；φtopo為地形起伏的相位貢獻(xiàn)，可借助外部DEM數(shù)據(jù)去除；φflat為平地相位，可利用軌道數(shù)據(jù)模擬并去除；φatm為大氣延遲誤差；φnoise為噪聲誤差。

SBAS-InSAR方法主要通過逐像元計(jì)算來獲取形變時(shí)間序列，解算模型可構(gòu)建為

?φ=Aφ+?φε

(3)

(4)

對于每個(gè)像素，反演得到的相位可以通過計(jì)算時(shí)間相干性γtemp進(jìn)行評(píng)估[32]為

(5)

(6)

(7)

式中：λ為雷達(dá)波長；c為未知常數(shù)。

2.2 時(shí)序干涉處理流程

時(shí)序干涉計(jì)算所涉及的誤差主要來自數(shù)據(jù)質(zhì)量(軌道誤差、相干性質(zhì)量等)、大氣誤差相位和相位解纏引入的誤差，而方法的關(guān)鍵則是要選取合適的時(shí)空基線閾值以減輕失相干的影響[32]。Zhang等[28]在已有研究的基礎(chǔ)上重點(diǎn)提高了SBAS-InSAR技術(shù)的計(jì)算效率，并集成了各類誤差校正模型，如相位解纏誤差、大氣誤差等。本文選擇GAMMA作為SAR影像預(yù)處理軟件，并采用開源算法平臺(tái)MintPy開展后續(xù)的時(shí)序干涉處理，整體流程如下：

(1)影像配準(zhǔn)與干涉預(yù)處理

Step1對Sentinel-1單視復(fù)數(shù)數(shù)據(jù)進(jìn)行聚焦，同時(shí)利用外部精密軌道數(shù)據(jù)完成軌道校正。

Step2選定主影像，并利用外部DEM數(shù)據(jù)完成地理編碼，生成雷達(dá)坐標(biāo)系下模擬的DEM，以及雷達(dá)坐標(biāo)系與地理坐標(biāo)系的對應(yīng)關(guān)系列表，稱之為查詢列表。

Step3利用模擬的DEM，基于光譜差異和強(qiáng)度匹配算法生成主影像和從影像間的查詢列表并計(jì)算偏移量，然后將從影像重采樣至主影像幾何空間下；檢查配準(zhǔn)精度及生成的差分干涉圖是否存在相位跳變，如果存在異常，則進(jìn)行迭代配準(zhǔn)，直至方位向偏移量小于0.001像素，且不存在明顯相位跳變。

Step4裁剪研究區(qū)域，并對裁剪后的干涉圖進(jìn)行相位解纏。相位解纏使用最小費(fèi)用流技術(shù)進(jìn)行，最后輸出解纏后的干涉圖集。

預(yù)處理流程見圖2。

圖2 預(yù)處理流程

(2)ISBAS時(shí)序干涉精化處理

Step1設(shè)定時(shí)間基線閾值為108 d，空間基線為80 m，構(gòu)成包含435對干涉對的基線網(wǎng)，見圖3。

圖3 時(shí)空基線網(wǎng)

Step2設(shè)定空間相干性閾值為0.25，時(shí)間相干性閾值為0.5，以篩選相干點(diǎn)目標(biāo)。選定的相干目標(biāo)需要盡可能分布在相干區(qū)域內(nèi)，以最大程度減少空間域相干大氣延遲誤差的影響。此外，本文提出的ISBAS方法通過在單個(gè)干涉對中采用空間域相干性掩膜以去除低相干觀測點(diǎn)，并在長時(shí)域選取滿足一定閾值的高相干性干涉對，進(jìn)行最小二乘構(gòu)網(wǎng)平差，以提高參與解算的干涉對整體質(zhì)量。

Step3在時(shí)間域上采用時(shí)間域相干性優(yōu)選方法，最終提取得到高質(zhì)量的形變監(jiān)測點(diǎn)。為了扣除干涉圖中大氣的影響，ERA-5數(shù)據(jù)作為外部氣象模型的輸入來校正對流層延遲誤差[33-34]。而對于殘余對流層、電離層延遲誤差及軌道誤差引起相位斜坡，以及由DEM誤差引入的地形誤差，則在對流層延遲校正后，利用多項(xiàng)式進(jìn)行建模校正。然而，殘余誤差相位僅利用多項(xiàng)式建模并不能完全校正，而通過計(jì)算均方根誤差RMSE及絕對離差中位數(shù)MAD可對其識(shí)別并移除。

Step4在所有誤差剔除后，通過反演可得到研究區(qū)域內(nèi)LOS向的年平均形變速率，即形變時(shí)間序列最佳擬合線的斜率值。將該速率轉(zhuǎn)成垂直向，則可得到垂向形變的年平均速率。

時(shí)序干涉處理流程見圖4。

圖4 時(shí)序干涉處理流程

3 區(qū)域沉降時(shí)空分布與線路緩沖區(qū)分析

按照上文的方法及處理流程，獲得研究區(qū)地表形變速率場，見圖5。圖5中，由北至南車站依次為：李營站、北京大興站、大興機(jī)場站、固安東站、霸州東站、雄安站。選定地表穩(wěn)定的點(diǎn)作為形變解算參考點(diǎn)，本研究的參考點(diǎn)位于(116.862 097 °E, 39.693 289 °N)(圖5中右上角黑色圓形)。從形變場的總體分布來看，研究區(qū)域內(nèi)存在5個(gè)明顯的沉降漏斗區(qū)，其中A區(qū)域(大興機(jī)場站—永定河岸)和B區(qū)域(霸州北站—雄安站之間)的沉降漏斗分布于鐵路沿線或附近，可能對鐵路的運(yùn)營安全帶來潛在威脅，而距線路較遠(yuǎn)的C區(qū)域(北京通州區(qū)西北)、D區(qū)域(廊坊市)和E區(qū)域(霸州市以東)存在另外3個(gè)沉降漏斗區(qū)。考慮到A、B區(qū)域覆蓋了京雄城際鐵路線路兩側(cè)，對線路建設(shè)和后續(xù)運(yùn)營有較大的影響，故分別針對這2個(gè)區(qū)域內(nèi)的地表形變空間分布及累計(jì)形變的時(shí)序曲線進(jìn)行深入研究；而C、D、E區(qū)域距離鐵路沿線較遠(yuǎn)，對鐵路運(yùn)營安全的威脅較小，本文不再做拓展分析。

圖5 研究區(qū)域地表形變速率場

3.1 鐵路沿線典型區(qū)域性地表沉降分析

區(qū)域A形變速率與遙感影像見圖6。如圖6(b)所示，大興機(jī)場站—永定河岸不均勻沉降區(qū)的沉降漏斗主要分布于大興區(qū)禮賢鎮(zhèn)、榆垡鎮(zhèn)和固安縣城。為了分析該區(qū)域的沉降特征，選取形變速率最大的典型沉降點(diǎn)a、b、c，并提取2016年5月—2020年3月間的累積形變量，見圖7。由圖7可見，3個(gè)沉降點(diǎn)的累積形變量總體呈線性趨勢，累積形變量分別達(dá)到-268、-168、-241 mm，對應(yīng)的年形變速率分別約為70、55、65 mm/a。在某些季節(jié)，如每年的6—9月間，該區(qū)域的地表沉降存在較為明顯的波動(dòng)，可初步判斷與區(qū)域地質(zhì)構(gòu)造和雨季的降雨補(bǔ)給相關(guān)。

圖6 區(qū)域A形變速率與遙感影像

圖7 區(qū)域A內(nèi)沉降點(diǎn)累積形變量

為進(jìn)一步探究區(qū)域A中沉降漏斗形成的原因，同樣提取2019年9月3日的MAXAR衛(wèi)星9.6 m分辨率Vivid拼接光學(xué)影像(見圖6(a)、圖6(c)、圖6(d))與形變速率圖進(jìn)行對比，發(fā)現(xiàn)禮賢鎮(zhèn)以南和榆垡鎮(zhèn)以東的大興國際機(jī)場附近存在多處不均勻沉降，在建筑區(qū)、施工區(qū)等機(jī)場周邊區(qū)域多有分布，但機(jī)場區(qū)域總體上相對穩(wěn)定。通過與光學(xué)影像對比發(fā)現(xiàn)(見圖6(d))，機(jī)場周邊主要分布有大量居民區(qū)及種植區(qū)，周邊的地表下沉主要與人類活動(dòng)有關(guān)。此外，機(jī)場以北出現(xiàn)自西北向東南的長條帶沉降區(qū)域(見圖6(a)、圖6(b)中白色虛線所示)，通過光學(xué)影像發(fā)現(xiàn)，該區(qū)域是永定河的河道，河道附近人類種植活動(dòng)頻繁。同時(shí)，永定河流域中下游洼淀較多、水流條件復(fù)雜[35]，已出現(xiàn)河道淤積、改道等問題，河道的自然變化和人工改造活動(dòng)也是地表沉降的相關(guān)因素之一。值得一提的是，A區(qū)域中不均勻沉降的峰值點(diǎn)出現(xiàn)在安定鎮(zhèn)內(nèi)(見圖6(c)中紅色圓圈標(biāo)識(shí)區(qū)域)，其形變速率遠(yuǎn)超周邊區(qū)域，達(dá)到110.70 mm/a。經(jīng)調(diào)查，該沉降峰值及周邊的沉降漏斗位于一個(gè)垃圾填埋場(見圖6(c))，填埋坑的開挖與堆積使得該處的地表形變信號(hào)異常顯著，這也從側(cè)面體現(xiàn)了InSAR技術(shù)空間全覆蓋的技術(shù)特點(diǎn)，和對地表形變極為敏感的優(yōu)勢?？傮w上，禮賢鎮(zhèn)以西以及榆垡鎮(zhèn)與固安縣之間的永定河區(qū)域存在較為典型的不均勻沉降，可能對鐵路的安全運(yùn)營和維護(hù)構(gòu)成威脅，應(yīng)予持續(xù)關(guān)注。

區(qū)域B地面形變速率場與沉降點(diǎn)累積形變量見圖8。由圖8(a)不難判斷，線路西北側(cè)近30 km的帶狀區(qū)域下沉極為顯著，且嚴(yán)重程度明顯高于其他沉降漏斗區(qū)。其中，帶狀區(qū)域內(nèi)形變速率超過60 mm/a的區(qū)域面積超過190 km2，整體沿西南至東北走向，分布于鐵路西北，且向周邊擴(kuò)展的趨勢較為明顯。目前，京雄城際鐵路受波及程度尚不嚴(yán)重，但長期累積的影響亦不容忽視。在B區(qū)域選取固安以南、馬莊鎮(zhèn)與北沙口鄉(xiāng)之間、大營與北沙口鄉(xiāng)之間3 個(gè)典型沉降點(diǎn)d、e、f(見圖8(a))，分別提取累積形變量，見圖8(b)。由圖8(b)不難看出，d、e、f三點(diǎn)在2016年5月—2020年3月間的累積形變量分別達(dá)到了-271、-310、-380 mm，對應(yīng)的形變速率分別超過了73、90、100 mm/a。在地表沉降量的年際變化規(guī)律方面，每年的6—9月之間亦存在較大波動(dòng)。根據(jù)張永紅等[36]的研究結(jié)果，雄縣在2012—2016年間大部分地區(qū)的形變速率在40 mm/a以內(nèi)，而雄縣大營鎮(zhèn)、北沙口鄉(xiāng)一帶的地面沉降從2013年初開始逐步加劇，形變速率和范圍都在不斷增大，至2016年底累積沉降量達(dá)到最大，這與本文監(jiān)測結(jié)果基本吻合。而不同的是，本文采用了監(jiān)測時(shí)間跨度為2016—2020年的現(xiàn)勢性數(shù)據(jù)和ISBAS-InSAR時(shí)序干涉測量技術(shù)手段，相較于以往的時(shí)序InSAR手段，ISBAS-InSAR方法采用全連接干涉網(wǎng)絡(luò)，大量Sentinel-1時(shí)序干涉網(wǎng)絡(luò)可實(shí)現(xiàn)完全連接，并通過超定方程組的無偏加權(quán)最小二乘估計(jì)進(jìn)行網(wǎng)絡(luò)反演計(jì)算，在有效提升長時(shí)序干涉測量精度的基礎(chǔ)上，實(shí)現(xiàn)了計(jì)算效率的顯著提升。此外，本文將該區(qū)域的長時(shí)序InSAR地表形變監(jiān)測數(shù)據(jù)拓展至2020年3月，對于鐵路工程的后續(xù)運(yùn)營安全維護(hù)具有良好的現(xiàn)勢性和指導(dǎo)意義。最后，本文的監(jiān)測結(jié)果進(jìn)一步證實(shí)了該區(qū)域的不均勻地表沉降仍處于持續(xù)發(fā)展的過程中。

圖8 區(qū)域B地面形變速率場與沉降點(diǎn)累積形變量

針對地處南部的B區(qū)域顯著性地表沉降，結(jié)合地質(zhì)背景分析發(fā)現(xiàn)，雄縣總體位于渤海灣盆地冀中坳陷內(nèi)，區(qū)內(nèi)主要包含有牛駝鎮(zhèn)凸起、容城凸起、高陽低凸起等次級(jí)構(gòu)造單元[37]。同時(shí)區(qū)域B位于牛駝鎮(zhèn)地?zé)崽飪?nèi)，該處的地?zé)崽锸侨A北地區(qū)地?zé)豳Y源最具開發(fā)利用價(jià)值的地?zé)崽?，且雄縣境內(nèi)60%以上的區(qū)域地下儲(chǔ)藏有地?zé)崴?，固安縣礦泉水資源豐富，廣布在境內(nèi)地下300～800 m處，資源埋藏淺、溫度高、開采量大?？偟膩砜矗叵滤煞?yīng)為該區(qū)域產(chǎn)生持續(xù)沉降的主要原因。

3.2 鐵路沿線緩沖區(qū)沉降分析

為面向京雄客運(yùn)專線開展有針對性的應(yīng)用分析、探究線路及周邊沉降漏斗的分布，本文提取鐵路沿線兩側(cè)4 km的緩沖區(qū)形變速率(見圖9(a))和路基縱剖面形變速率(見圖9(b))，其中路基縱剖面形變速率為對時(shí)序InSAR形變速率結(jié)果沿鐵路中線逐像素提取、繪制而成。

圖9 鐵路沿線緩沖區(qū)及剖面形變速率

由圖9可見，鐵路沿線的沉降漏斗主要集中在大興機(jī)場站附近，以及霸州北站與雄安站之間，分別對應(yīng)圖9(b)中約13～38 km路段及68 km以后路段，年形變速率約在20～60 mm。而在其他區(qū)域，形變量級(jí)較小，基本穩(wěn)定在15 mm/a以內(nèi)。大量針對Sentinel-1衛(wèi)星時(shí)序干涉測量的應(yīng)用研究表明，時(shí)序InSAR的地表沉降監(jiān)測技術(shù)可達(dá)到二、三等水準(zhǔn)測量的精度水平[38]。不過，本文時(shí)序監(jiān)測的時(shí)間跨度覆蓋京雄客運(yùn)專線建設(shè)期，現(xiàn)場的施工作業(yè)和土方填埋等都將對監(jiān)測結(jié)果精度造成負(fù)面影響。此外，從鐵路沿線的形變速率剖面可以看出，局部數(shù)值波動(dòng)極大，這主要是受2018—2020年期間鐵路建設(shè)施工的影響。

為進(jìn)一步探究鐵路沿線主要沉降漏斗的沉降規(guī)律，本文沿鐵路線在典型沉降漏斗區(qū)域選取6個(gè)特征點(diǎn)R1～R6(圖9(a)中白色×處)提取其在2016年5月—2020年3月間的累積形變量，見圖10。由圖10可見，總的來看這6個(gè)點(diǎn)的沉降趨勢基本一致；位于小里程段的R1處于地表沉降較為緩慢的區(qū)域，但近4年間的累積形變量仍約達(dá)-120 mm；R2、R3、R4處沉降漏斗的年形變速率在40～60 mm之間，近4年的累積形變量分別約為-172、-163、-226 mm；R5、R6點(diǎn)位于霸州北站—雄安站路段內(nèi)，該區(qū)域形變速率較快，年形變速率最大超過65 mm，近4年的累積形變量分別約為-205、-210 mm。此外，在2018年7月—2019年3月之間，R2、R4、R5、R6的形變速率明顯高于R1和R3；在2019年6月以后，R3、R4、R5、R6的形變速率顯著增加，其中R3與R2基本相當(dāng)，而R4、R5、R6基本一致。另外，這6個(gè)點(diǎn)的沉降波動(dòng)性與區(qū)域A中a—d點(diǎn)的波動(dòng)起伏規(guī)律相似，主要原因應(yīng)歸于地質(zhì)構(gòu)造、降雨補(bǔ)給與地下水采伐。

圖10 鐵路沿線沉降點(diǎn)累積形變量

4 氣候因子相關(guān)性分析

上文已有述及，本研究區(qū)內(nèi)各沉降漏斗及特征點(diǎn)除形變速率存在差異外，其累積沉降的多年演化規(guī)律基本一致，尤其在每年的6—9月間存在明顯的非線性波動(dòng)?？紤]到這個(gè)時(shí)間段與雨季有所重合，為探討其與氣候環(huán)境因子的相關(guān)性，獲取了氣象站(圖5中黑色方塊)的同期觀測數(shù)據(jù)，包括降雨(見圖11(c))、平均相對濕度(見圖11(d))、平均氣溫(見圖11(e))等，并進(jìn)一步聯(lián)合氣象站空間位置相同的InSAR累積形變量時(shí)間序列(見圖11(a))進(jìn)行關(guān)聯(lián)分析。為凸顯外部環(huán)境因素與累積形變波動(dòng)性間的關(guān)系，首先對累積形變量的時(shí)間序列進(jìn)行二階曲線趨勢去除，得到去除趨勢后的累積形變，見圖11(b)。

圖11 累積形變與氣候因素時(shí)間序列

由圖11(b)～圖11(e)可見，降雨量、相對濕度以及氣溫的波動(dòng)時(shí)間段(每年6—9月間，即圖中紅色虛線)與去趨勢后的累積形變量基本一致，表明區(qū)域性沉降與降雨量、相對濕度、氣溫的關(guān)系較為密切。隨后，本文分別計(jì)算了2016—2019年每年6—9月間累積形變量與降雨量、平均相對濕度、平均氣溫的相關(guān)系數(shù)，結(jié)果見表2。由表2可見，降雨因素與地表累計(jì)沉降的相關(guān)性最強(qiáng)，除2016年因降雨較少未得出相關(guān)系數(shù)外，其余每年降雨量與累積形變的相關(guān)系數(shù)基本穩(wěn)定在-0.55左右，兩者間存在穩(wěn)定的負(fù)相關(guān)關(guān)系；而平均相對濕度和平均氣溫與累積形變量之間的關(guān)系并不固定。

表2 累積形變與氣候因素相關(guān)系數(shù)

在此基礎(chǔ)上，本文再次獲取2016年5月—2020年3月間氣象站測得的降雨量月均值S，并同時(shí)對累積形變量的月均值P進(jìn)行計(jì)算，之后對時(shí)間序列進(jìn)行經(jīng)典加性模型分解，得到趨勢項(xiàng)、季節(jié)項(xiàng)、殘差項(xiàng)3個(gè)子項(xiàng)的時(shí)間序列，見圖12。由圖12可見，總的來看，區(qū)域性累積沉降呈現(xiàn)顯著線性下沉趨勢，而降雨量具有較為典型的單峰結(jié)構(gòu)和年循環(huán)特征。結(jié)合趨勢項(xiàng)分析，累積沉降逐年加劇，而降雨量則具有持續(xù)下降的趨勢特征。其中，2016—2017年間累積沉降幅度明顯，而在2018年1月后沉降則逐漸趨于穩(wěn)定；與之對比，降雨量的減少趨勢則經(jīng)歷了先緩后急的變化過程。從季節(jié)項(xiàng)來看，區(qū)域性累積沉降與降雨量均存在極強(qiáng)的重復(fù)性季節(jié)波動(dòng)，同時(shí)，二者的波動(dòng)持續(xù)時(shí)間與波動(dòng)幅度高度吻合。綜上所述，累積沉降與降雨量在整體趨勢上高度一致，降雨量的季節(jié)性變動(dòng)對形變速率的影響極為顯著。這一結(jié)果從側(cè)面證實(shí)，地下水的補(bǔ)給對減緩和治理沉降有較為積極的作用。

圖12 累積形變、降雨的月均值時(shí)間序列分解

5 結(jié)論

針對長時(shí)間序列下干涉網(wǎng)絡(luò)的高復(fù)雜度、相干點(diǎn)的高密度等引起的低解算效率問題，本文基于ISBAS時(shí)序InSAR監(jiān)測方法，借助Sentinel-1A/B星載SAR影像數(shù)據(jù)集，獲取了京雄城際鐵路沿線及周邊區(qū)域2016年5月—2020年3月間的地面沉降時(shí)序監(jiān)測結(jié)果，揭示了鐵路沿線沉降漏斗的空間分布以及時(shí)序演化規(guī)律；同時(shí)結(jié)合光學(xué)影像對比分析和地質(zhì)背景資料，對沉降漏斗的形成原因進(jìn)行了歸因性分析；最后結(jié)合降雨量等典型氣候因素對累積形變量進(jìn)行了相關(guān)性分析，進(jìn)一步探究了降雨補(bǔ)給對區(qū)域性地表沉降的影響與作用規(guī)律。得出以下結(jié)論：

(1)大區(qū)域時(shí)序干涉測量結(jié)果表明，該研究區(qū)內(nèi)的沉降漏斗主要分布在北京的大興區(qū)和通州區(qū)，以及固安縣、雄縣、廊坊市和霸州市內(nèi)。通過分析位于京雄城際鐵路沿線及附近的不均勻沉降區(qū)A(大興機(jī)場站—永定河岸)和顯著沉降漏斗區(qū)B(霸州北站—雄安站之間)的沉降演變情況得出，在區(qū)域A的禮賢鎮(zhèn)、榆垡鎮(zhèn)和固安縣城內(nèi)，形變速率超過70 mm/a，沉降漏斗主要分布在大興機(jī)場周邊的居民地及沿永定河河道的條帶狀區(qū)域，人類活動(dòng)及河道變遷可視作A區(qū)域內(nèi)發(fā)生沉降的主要成因；沉降漏斗區(qū)B位于京雄城際鐵路的西北，沿西南至東北走向且呈帶狀分布，最大形變速率超過100 mm/a，形變速率的加劇與沉降范圍的擴(kuò)張趨勢明顯，結(jié)合已有研究資料判定，地面沉降的發(fā)生主要與雄縣及固安縣境內(nèi)地?zé)峒暗V泉水采伐有關(guān)。

(2)針對京雄城際鐵路提取總剖面圖并建立4 km緩沖區(qū)開展分析表明，13～38 km路段及大里程68 km之后路段，在建設(shè)期已表現(xiàn)出較為顯著的區(qū)域性沉降趨勢，最大形變速率超過60 mm/a，有必要在后續(xù)的運(yùn)營期持續(xù)關(guān)注。

(3)進(jìn)一步結(jié)合氣象站實(shí)測獲取的降雨等同期數(shù)據(jù)開展相關(guān)性分析表明，京雄城際鐵路沿線4年間的整體沉降趨勢較為穩(wěn)定，但每年6—9月間降水與地表沉降的波動(dòng)特征高度吻合、負(fù)相關(guān)性顯著，表明地下水的補(bǔ)給對減緩和治理區(qū)域性沉降有較為積極的作用。

本文相關(guān)研究數(shù)據(jù)旨在全面反映京雄城際鐵路周邊的不穩(wěn)定沉降漏斗及其發(fā)展演化態(tài)勢，為京雄城際鐵路的安全運(yùn)營和科學(xué)維護(hù)提供支撐。