摘" "要：新疆某煤礦長期開采導(dǎo)致礦區(qū)出現(xiàn)嚴(yán)重地表形變，嚴(yán)重威脅礦區(qū)的安全生產(chǎn)和區(qū)域可持續(xù)發(fā)展，有必要采用有效方法監(jiān)測煤礦地表形變。為深入研究礦區(qū)地表形變規(guī)律，選取2017年1月23日至2022年12月23日共178景Sentinel-1A升軌雷達(dá)影像數(shù)據(jù)，利用SBAS-InSAR技術(shù)實測礦區(qū)2017—2022年地表形變信息，并引入GACOS數(shù)據(jù)去除大氣誤差影響，分析了礦區(qū)地表形變空間分布特征、時空演化規(guī)律及地表形變驅(qū)動因素。研究結(jié)果表明：①監(jiān)測期間，研究礦區(qū)內(nèi)地表形變以沉降為主，地表最大形變速率約為-113 mm/a，最大累計沉降量約為580 mm，主要地表沉降區(qū)域面積約為15.2 km2；②研究礦區(qū)地表沉降面積和累計沉降量不斷增大，地表沉降符合煤礦開采沉降曲線，地表沉降將會進(jìn)一步增加；③研究礦區(qū)地表形變主要由采礦工程所致，降水也是影響該礦區(qū)地表變形的重要因素。本研究為煤礦區(qū)地表形變監(jiān)測、地質(zhì)災(zāi)害預(yù)警與防控及礦區(qū)安全生產(chǎn)提供科學(xué)依據(jù)。

關(guān)鍵詞：SBAS-InSAR；GACOS；地表形變監(jiān)測；地表沉降；時空演化規(guī)律；驅(qū)動因素

煤炭是我國能源安全的保障和壓艙石，煤炭開采在促進(jìn)我國經(jīng)濟(jì)發(fā)展的同時也引發(fā)了一系列地質(zhì)災(zāi)害問題[1]。隨著開采規(guī)模不斷擴(kuò)大，礦區(qū)出現(xiàn)嚴(yán)重的地面塌陷問題，嚴(yán)重破壞了礦區(qū)建筑、交通道路、管線等基礎(chǔ)設(shè)施，加劇水土流失和土地沙漠化，對礦區(qū)安全生產(chǎn)和區(qū)域可持續(xù)發(fā)展造成嚴(yán)重威脅[2]。因此，采取高效準(zhǔn)確的方法對礦區(qū)開展地表形變監(jiān)測，研究地表形變特征和時空演化規(guī)律，并分析其影響因素，對礦區(qū)災(zāi)害預(yù)警及治理具有重要意義。

地表形變監(jiān)測的傳統(tǒng)方法主要有精密水準(zhǔn)測量、全站儀測量及全球?qū)Ш叫l(wèi)星系統(tǒng)測量等[3]。這些方法具有成熟可靠，監(jiān)測精度高等優(yōu)點，在監(jiān)測礦區(qū)地表形變中發(fā)揮了重要作用[4]。但仍存在諸多不足，如監(jiān)測周期長、成本高、監(jiān)測點易丟失、時空分辨率低且無法進(jìn)行大范圍沉降監(jiān)測[5，6]。近年來，合成孔徑雷達(dá)干涉測量（InSAR）技術(shù)迅速發(fā)展并逐步應(yīng)用于礦區(qū)地表形變的長時序監(jiān)測，與傳統(tǒng)方法相比，該方法具有全天候、覆蓋廣、分辨率高、成本低等優(yōu)點[7]。差分雷達(dá)干涉測量（D-InSAR）技術(shù)是利用同一地區(qū)的兩幅不同時間的SAR影像進(jìn)行干涉處理，從而獲取高精度微小變形，監(jiān)測精度理論上可達(dá)毫米級，但D-InSAR技術(shù)受時空失相干、大氣延遲及軌道誤差等干擾較大[8，9]。為解決D-InSAR技術(shù)缺陷，諸多學(xué)者提出了時序InSAR（TS-InSAR）技術(shù)，極大地提高了利用InSAR技術(shù)監(jiān)測地表微小形變的能力，其主要包括永久散射體干涉測量（PS-InSAR）技術(shù)、小基線集干涉測量（SBAS-InSAR）技術(shù)和分布散射體干涉測量（DS-InSAR）技術(shù)等[10，11]。Ferretti等首次提出了PS-InSAR技術(shù)[12，13]，時間序列上的幅度和相位信息穩(wěn)定性選取SAR圖像上的永久散射體目標(biāo)，并利用形變模型反演地面形變速率。DS-InSAR技術(shù)是近年來研究的熱點，它利用分布散射體獲取地表形變信息，現(xiàn)在仍處于探索階段[14，15]。Berardino等首次提出了SBAS-InSAR技術(shù)[10，16]，該技術(shù)主要以多主影像的干涉對為基礎(chǔ)，利用高相干點獲取地表時間序列形變信息。

目前，國內(nèi)外學(xué)者利用SBAS-InSAR技術(shù)對礦區(qū)地表形變監(jiān)測與分析開展大量研究，并對算法進(jìn)行相應(yīng)的改進(jìn)。杜建濤等利用SBAS-InSAR對蔚縣煤礦區(qū)進(jìn)行地表形變監(jiān)測，獲取礦區(qū)在2017—2018年間的地表形變空間分布特征，并對礦區(qū)地表沉降量級及面積進(jìn)行統(tǒng)計分析[17]。刁鑫鵬等基于SBAS-InSAR技術(shù)對河北某礦區(qū)進(jìn)行監(jiān)測，反演了研究區(qū)2019年07月14日—2020年04月27日期間地表形變的空間分布形態(tài)和時間演變過程，并利用水準(zhǔn)數(shù)據(jù)進(jìn)行驗證，最后結(jié)合區(qū)域地質(zhì)資料分析地表沉降原因[18]。Wang等以SAR圖像間的平均相干性作為基線約束指標(biāo)[19]，對SBAS-InSAR干涉對進(jìn)行優(yōu)化選擇，并利用優(yōu)化方法對江西萍鄉(xiāng)煤礦區(qū)的地表形變進(jìn)行監(jiān)測和分析。雖然SBAS-InSAR在礦區(qū)地表形變監(jiān)測中得到了較好結(jié)果，但結(jié)果仍受大氣延遲影響，針對這一問題，Yu等提出使用一種通用大氣校正模型對InSAR干涉圖進(jìn)行校正[20]。Liu等利用SBAS-InSAR技術(shù)對三山島金礦開采沉陷進(jìn)行分析和研究[21]，并利用通用大氣校正在線服務(wù)（GACOS）對大氣相位進(jìn)行校正，降低數(shù)據(jù)誤差對研究結(jié)果的影響。

目前，已有部分學(xué)者利用SBAS-InSAR技術(shù)對礦區(qū)地表形變開展研究，但針對新疆煤礦區(qū)的研究相對較少，且部分研究結(jié)果受大氣延遲的干擾，精度和可靠度較差。因此，本文以新疆某煤礦為研究對象，選取178景Sentinel-1A升軌雷達(dá)影像數(shù)據(jù)，利用SBAS-InSAR技術(shù)獲取礦區(qū)2017—2022年的地表形變信息，并結(jié)合GACOS數(shù)據(jù)對干涉圖進(jìn)行大氣校正，進(jìn)而分析地表形變的空間分布特征及時空演化規(guī)律，并進(jìn)一步研究地表形變的相關(guān)驅(qū)動因素，科學(xué)指導(dǎo)礦區(qū)未來的安全生產(chǎn)與發(fā)展。

1" 研究區(qū)概況與數(shù)據(jù)源

研究區(qū)為新疆某煤礦，位于阿克蘇地區(qū)庫車縣北部，占地面積約為33 km2。研究區(qū)所處地勢較平坦，平均海拔1 914 m，地表植被覆蓋率較低，受時間失相干影響較小。

研究數(shù)據(jù)源主要有Sentinel-1A影像數(shù)據(jù)、AW3D30數(shù)字高程（DEM）數(shù)據(jù)、GACOS數(shù)據(jù)和降水?dāng)?shù)據(jù)等。其中，選取了2017年1月23日—2022年12月23日共178景Sentinel-1A升軌影像數(shù)據(jù)用于提取研究礦區(qū)地表形變信息。利用空間分辨率為30 m的AW3D30 DEM數(shù)據(jù)模擬地形相位，去除地形相位和平地效應(yīng)的影響。此外，采用GACOS數(shù)據(jù)對所有差分干涉圖進(jìn)行大氣相位校正，削弱大氣延遲對監(jiān)測結(jié)果的影響。

2" 研究方法

2.1" "SBAS-InSAR技術(shù)基本原理

2002年Berardino等首次提出SBAS-InSAR技術(shù)，其主要原理是：N+1幅覆蓋同一區(qū)域的SAR影像組成若干子集合，設(shè)置適當(dāng)?shù)臅r空極限閾值形成不同的干涉對，從而生成差分干涉圖[16， 22]。假設(shè)不考慮高程、大氣及噪聲等誤差因素，干涉圖中像元干涉相位為：

[δφk（i，j）=φ（tA，i，j）-φ（tB，i，j）≈4πλ[d（tA，i，j）-d（tB，i，j）]]" " （1）

式（1）中：[δφk（k=1，…，M）]為干涉相位值；[φ（tA，i，j）]和[φ（tB，i，j）]分別表示像元[tA]和[tB]時刻的相位；[d（tA，i，j）]和[d（tB，i，j）]分別表示像元在[tA]和[tB]時刻沿雷達(dá)視線向的形變。

計算得到的差分干涉圖，利用奇異值分解法將若干子集合聯(lián)合求解獲取研究區(qū)的形變速率，進(jìn)而求解出研究區(qū)的形變量。

2.2" 基于GACOS的大氣校正技術(shù)基本原理

本文利用GACOS生成的大氣校正圖對SBAS-InSAR中的差分干涉圖進(jìn)行大氣校正，提高監(jiān)測的精確度和可靠度。GACOS的基本原理是利用迭代對流層分解（ITD）模型生成90 m分辨率的大氣校正圖，利用ITD模型可從對流層天頂總延遲（ZTD）中分離出分層延遲和湍流延遲，ZTD被定義為[23，24]：

[ZTDk=T（xk）+L0e-βhk+εk] （2）

式（2）中：[ZTDk]為[k]處的天頂總延遲；[xk]為站點坐標(biāo)向量；[T（xk）]為[xk]處的湍流分量；[L0]為海平面的分層分量延遲；[e-β]為分層分量； [hk]為高度標(biāo)尺；[εk]為剩余未建模殘余誤差。

2.3" 數(shù)據(jù)處理流程

本文利用SBAS-InSAR技術(shù)對所獲取的178景Sentinel-1A影像數(shù)據(jù)進(jìn)行時間序列處理，求解出形變速率，進(jìn)而求解出研究區(qū)整個觀測時間段的形變量，SBAS-InSAR的技術(shù)主要包括以下5個步驟（圖1）：①基線估算和生成連接圖。綜合考慮研究區(qū)的地形、氣候、時間基線和空間基線等因素，確定時間基線閾值為72天，空間基線閾值為臨界基線的2%，形成708個干涉對，其中2020年2月1日獲取的影像為超級主影像，時空基線見圖2；②數(shù)據(jù)干涉處理。首先對主輔影像進(jìn)行多級精確配準(zhǔn)，其次利用復(fù)數(shù)像對共軛相乘得到干涉圖，并利用DEM數(shù)據(jù)去除地形相位。采用Goldstein濾波方法進(jìn)行濾波處理，去除干涉結(jié)果中的噪聲。采用Delaunay最小費用流算法（Delaunay MCF）對濾波后的干涉圖解纏，獲得解纏相位圖，解纏相干系數(shù)閾值設(shè)置為0.2；③軌道精煉與重去平。解纏后仍存在殘余恒定相位和相位坡道，在相位相對穩(wěn)定且無明顯形變的區(qū)域選擇適量的地面控制點（GCP），然后利用多項式擬合優(yōu)化方法去除殘余相位的影響；④SBAS反演。第一次反演：利用線性模型估算形變速率和殘余地形相位；第二次反演：在第一次反演基礎(chǔ)上，利用大氣濾波，去除大氣相位與殘余相位；⑤地理編碼。反演得到的形變信息由SAR坐標(biāo)系轉(zhuǎn)為地理坐標(biāo)系，并投影到雷達(dá)視線向和垂直向。

3" 結(jié)果與分析

3.1" 地表沉降空間分布特征分析

利用SBAS-InSAR技術(shù)對研究礦區(qū)2017年1月23日—2022年12月23日的Sentinel-1A升軌影像數(shù)據(jù)進(jìn)行處理，得到研究礦區(qū)長時序地表形變速率圖（圖3），其中，負(fù)值表示地表沉降，正值表示地表抬升，藍(lán)色越深表示地表沉降越大。InSAR監(jiān)測結(jié)果表明，2017年1月—2022年12月研究礦區(qū)范圍內(nèi)多處發(fā)生地表沉降，地表沉降分布范圍較廣，主要集中在A1～A2和B1～B4重點監(jiān)測點位置附近，沉降區(qū)域呈條帶狀分布。研究礦區(qū)地表最大形變速率約為-113 mm/a，最大累計沉降量約為580 mm，主要地表沉降區(qū)域面積約為15.2 km2。從表1可看出，地表形變速率最大區(qū)域位于A1處，該區(qū)域由于地表形變速率過大，出現(xiàn)較為嚴(yán)重的失相干問題。

3.2" 地表沉降時空演化特征分析

3.2.1" 地表沉降空間演化特征分析

為研究礦區(qū)地表沉降空間演化特征，以2017年6月4日為起始時間，每6個月時間為一個間隔，共選取12幅研究礦區(qū)的累計形變量圖（圖4）。從圖4可看出，2017年6月—2018年6月礦區(qū)地表沉降面積增加明顯，B3重點監(jiān)測點附近區(qū)域沉降明顯，最大累計沉降量約為165 mm，主要沉降面積約7 km2；2018年12月—2019年12月礦區(qū)地表沉降面積持續(xù)增加，A1重點監(jiān)測點附近沉降面積增加明顯，B1和B3重點監(jiān)測點附近局部區(qū)域（藍(lán)色區(qū)域）沉降量變化迅速，累計沉降量增加明顯，最大累計沉降量約338 mm，主要沉降面積約為11.01 km2；2020年6月—2021年6月礦區(qū)整體地表沉降面積增加放緩，A1、B1和B3重點監(jiān)測點附近局部區(qū)域沉降繼續(xù)增大（藍(lán)色加深），B4區(qū)域沉降面積增加明顯，最大累計沉降約為463 mm，主要沉降面積約13.7 km2；2021年12月—2022年12月，礦區(qū)沉降面積總體保持穩(wěn)定，A1、B1和B3重點監(jiān)測點附近沉降繼續(xù)增加，累計沉降量約580 mm，主要沉降面積約15.2 km2。在整個監(jiān)測期間，研究礦區(qū)逐漸形成2個沿煤礦工作面走向的主要沉降漏斗，隨時間推移，礦區(qū)范圍內(nèi)沉降漏斗未來可能逐步連片形成一個較大范圍的沉降區(qū)。

3.2.2" 地表沉降時間演化特征分析

為研究礦區(qū)地表沉降隨時間的演化，選取礦區(qū)6個重點監(jiān)測點（圖3），提取監(jiān)測點2017—2022年長時序形變信息，獲取重點監(jiān)測點累計形變量隨時間變化折線圖（圖5）。從圖5可看出，各個重點監(jiān)測點均呈現(xiàn)出不同速率的非線性地表沉降，各重點監(jiān)測點累計沉降量曲線基本符合煤礦開采沉陷曲線，總體來看，地表累計沉降量呈逐年增加的趨勢。其中，A1點在監(jiān)測時間段內(nèi)地表累計沉降量最大，約為568 mm，該區(qū)域在整個監(jiān)測期間開采時間較長，開采強(qiáng)度較高，地表形變最為嚴(yán)重；B4點在監(jiān)測時間段內(nèi)地表形變累計沉降量最小，約253 mm，該區(qū)域開采時間較短，開采強(qiáng)度較低，因而地表形變較為緩慢。

3.2.3" 地表沉降未來趨勢

運用線性擬合方法對重點監(jiān)測點累計形變量進(jìn)行擬合（圖6）。由圖6分析可知，2017—2022年地表累計形變與時間基本呈線性關(guān)系，隨時間增加，地表累計沉降逐漸增大。據(jù)此推測礦區(qū)地表沉降會進(jìn)一步增加，且在未來很長時間內(nèi)不會停止，需引起相關(guān)部門的高度重視，做好防治工作，防止嚴(yán)重地質(zhì)災(zāi)害的發(fā)生。

3.3" SBAS-InSAR結(jié)果精度驗證

由于缺乏水準(zhǔn)測量數(shù)據(jù)和GNSS等精密外部測量數(shù)據(jù)，本文利用內(nèi)符合精度和實地調(diào)查來對比驗證本次監(jiān)測結(jié)果精度和可靠性[25，26]。結(jié)果表明，不同時段SAR影像干涉測量獲得的形變速率均方差多在3 mm/a內(nèi)，內(nèi)符合精度滿足《地質(zhì)災(zāi)害InSAR監(jiān)測技術(shù)指南》（T/CAGHP 013—2018）要求。同時，據(jù)現(xiàn)場實地調(diào)查發(fā)現(xiàn)，礦區(qū)東北部出現(xiàn)因地表沉降造成的地表拉張裂縫和地面塌陷（圖7），證實了通過SBAS-InSAR技術(shù)監(jiān)測地表沉降的可行性。

3.4" 地表形變驅(qū)動因素分析

3.4.1" 采礦對地表形變的影響

煤礦區(qū)地表形變多因地下煤礦開采導(dǎo)致，從圖4可看出，隨采礦的進(jìn)行，地表沉降面積不斷擴(kuò)大，地表累計沉降量不斷增大，地表沉降區(qū)域基本成條帶狀分布，符合現(xiàn)代煤礦以綜采工作面為主的開采方式。

為進(jìn)一步分析采礦對地表形變的影響，選取B研究區(qū)為研究對象，分別沿1-1′和2-2′繪制地表形變剖面，分析其在時間序列上的沉降變化情況，提取地表形變剖線上各時期累計沉降量繪制曲線圖（圖8）。從沿1-1′和2-2′剖線各期地表形變圖可看出，2017年6月—2018年6月煤礦開采工作面由中北部向西不斷推進(jìn)，B研究區(qū)西部地表沉降逐漸增大；2018年12月礦區(qū)通過產(chǎn)能核增，礦區(qū)整體開采規(guī)模和開采強(qiáng)度增大，因此，2018年12月—2021年6月研究礦區(qū)整體地表沉降迅速增大；2021年6月—2021年12月研究礦區(qū)以西部工作面開采為主，地表累計沉降繼續(xù)增加；2021年12月—2022年12月研究礦區(qū)中西部開采基本結(jié)束，考慮對采空區(qū)進(jìn)行放頂處理，因此中西部地表沉降保持穩(wěn)定。綜上，2017—2022年采礦工程是引起并加快研究礦區(qū)大面積地表沉降的主要因素。

3.4.2" 降水對地表形變的影響

大氣降水同樣是影響地表形變的重要因素。為研究地表形變與降水量之間的關(guān)系，本文選取了礦區(qū)所在地區(qū)2017—2020年月降水量數(shù)據(jù)與A1和B1監(jiān)測點地表沉降速率進(jìn)行對比分析（圖9）。據(jù)圖9分析發(fā)現(xiàn)，年降水量較多月份重點監(jiān)測速率點地表沉降速率呈上升趨勢，附近區(qū)域地表沉降速率加快。但圖9中A1監(jiān)測點在2018年5月地表沉降速率降低，考慮該區(qū)為煤矸石堆積，地表累計沉降量減小，導(dǎo)致地表沉降速率降低。綜上可知，降水也是影響地表形變的重要因素之一。

4" 結(jié)論

（1） 整個監(jiān)測期間，研究礦區(qū)內(nèi)地表形變以沉降為主，地表沉降分布較廣，局部沉降明顯，地表最大形變速率約為-113 mm/a，最大累計沉降量約為580 mm，主要地表沉降區(qū)域面積約為15.2 km2。

（2） 隨煤礦不斷開采，研究礦區(qū)地表沉降的面積和程度不斷增大，礦區(qū)沿煤礦開采工作面形成2個沉降漏斗，并在未來可能連片形成一個整體沉降區(qū)。

（3） 研究礦區(qū)各重點監(jiān)測點呈現(xiàn)不同程度的非線性變形，累計沉降量曲線基本符合煤礦開采沉陷曲線，推測礦區(qū)地表沉降在未來會進(jìn)一步增加，相關(guān)部門需高度重視，做好地表沉降的防治工作，防止嚴(yán)重地質(zhì)災(zāi)害的發(fā)生。

（4） 據(jù)研究礦區(qū)地表沉降驅(qū)動因素發(fā)現(xiàn)，采礦工程是導(dǎo)致地表沉降的主要因素，降水是影響礦區(qū)地表形變的重要因素。

參考文獻(xiàn)

[1] 袁亮.我國煤炭主體能源安全高質(zhì)量發(fā)展的理論技術(shù)思考[J].中國科學(xué)院院刊，2023，38（1）：11-22.

[2] 仝云霄，楊俊泉，王雪，等.基于時序InSAR的山西大同煤田地表沉降監(jiān)測及時空演化分析[J].中國地質(zhì)，2024.51（1）：170-183.

[3] 劉輝，陳斯滌，朱曉峻，等.基于D-InSAR技術(shù)的煤礦工業(yè)廣場動態(tài)沉降特征研究[J].煤田地質(zhì)與勘探，2023，51（5）：99-112.

[4] 周大偉，安士凱，吳侃，等.礦山開采損害InSAR/UAV融合監(jiān)測關(guān)鍵技術(shù)及應(yīng)用[J].煤炭科學(xué)技術(shù)，2022，50（10）：121-134.

[5] 張豐，刁鑫鵬，譚秀全，等.基于SBAS技術(shù)的煤礦采空區(qū)探查與穩(wěn)定性評價[J].煤炭科學(xué)技術(shù)，2022，50（3）：208-214.

[6] 柴華彬，胡吉彪，耿思佳.融合實測數(shù)據(jù)的地表沉降SBAS-InSAR監(jiān)測方法[J].煤炭學(xué)報，2021，46（S1）：17-24.

[7] 許強(qiáng)，董秀軍，李為樂.基于天-空-地一體化的重大地質(zhì)災(zāi)害隱患早期識別與監(jiān)測預(yù)警[J].武漢大學(xué)學(xué)報（信息科學(xué)版），2019，44（7）：957-966.

[8] DU Y，ZHANG L，F(xiàn)ENG G，et al.On the Accuracy of Topographic Residuals Retrieved by MTInSAR[J].IEEE transactions on geoscience and remote sensing，2017，55（2）：1053-1065.

[9] 李達(dá)，鄧喀中，高曉雄，等.基于SBAS-InSAR的礦區(qū)地表沉降監(jiān)測與分析[J].武漢大學(xué)學(xué)報（信息科學(xué)版），2018，43（10）：1531-1537.

[10] 朱建軍，李志偉，胡俊.InSAR變形監(jiān)測方法與研究進(jìn)展[J].測繪學(xué)報，2017，46（10）：1717-1733.

[11] 明小勇，田義超，張強(qiáng)，等.基于Sentinel-1A欽防地區(qū)地面沉降監(jiān)測與分析[J].自然資源遙感，2024（1）：35-48.

[12] FERRETTI A，PRATI C，ROCCA F.Nonlinear subsidence rate estimation using permanent scatterers in differential SAR interferometry[J].IEEE transactions on geoscience and remote sensing，2000，38（5）：2202-2212.

[13] A.F，C.P，F(xiàn).R.Permanent scatterers in SAR interferometry[J].IEEE Transactions on Geoscience and Remote Sensing，2001，39（1）：8-20.

[14] FERRETTI A，F(xiàn)UMAGALLI A，NOVALI F，et al.A New Algorithm for Processing Interferometric Data-Stacks：SqueeSAR[J].IEEE transactions on geoscience and remote sensing，2011，49（9）：3460-3470.

[15] 范銳彥，焦健，高勝，等.InSAR時序分析高相干目標(biāo)選取方法比較研究[J].地球信息科學(xué)學(xué)報，2016，18（6）：805-814.

[16] BERARDINO P，F(xiàn)ORNARO 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.

[17] 杜建濤，閆麗，趙超英.蔚縣礦區(qū)地面沉陷InSAR多維形變監(jiān)測[J].煤田地質(zhì)與勘探，2020，48（1）：168-173.

[18] 刁鑫鵬，孫全帥，白志輝，等.采動區(qū)地表異常形變SBAS識別與損害原因揭示[J].煤炭科學(xué)技術(shù)，2022，50（11）：168-175.

[19] WANG S，ZHANG G，CHEN Z，et al.Surface deformation extraction from small baseline subset synthetic aperture radar interferometry （SBAS-InSAR） using coherence-optimized baseline combinations[J].GIScience and remote sensing，2022，59（1）：295-309.

[20] YU C，LI Z，PENNA N T，et al.Generic Atmospheric Correction Model for Interferometric Synthetic Aperture Radar Observations[J].Journal of Geophysical Research：Solid Earth，2018，123（10）：9202-9222.

[21] LIU J，MA F，LI G，et al.Evolution Assessment of Mining Subsidence Characteristics Using SBAS and PS Interferometry in Sanshandao Gold Mine，China[J].Remote sensing （Basel，Switzerland），2022，14（2）：290.

[22] 張香凝，賀黎明，劉翠芝，等.基于SBAS-InSAR技術(shù)的煤礦開采沉陷監(jiān)測與分析[J].遙感技術(shù)與應(yīng)用，2022，37（4）：1021-1028.

[23] YU C，LI Z，PENNA N T.Interferometric synthetic aperture radar atmospheric correction using a GPS-based iterative tropospheric decomposition model[J].Remote Sensing of Environment，2018，204：109-121.

[24] YU C，PENNA N T，LI Z.Generation of real-time mode high-resolution water vapor fields from GPS observations[J].Journal of Geophysical Research：Atmospheres，2017，122（3）：2008-2025.

[25] 劉琦，岳國森，丁孝兵，等.佛山地鐵沿線時序InSAR形變時空特征分析[J].武漢大學(xué)學(xué)報（信息科學(xué)版），2019，44（7）：1099-1106.

[26] 姚鑫，張路青，李凌婧，等.工程場址區(qū)域地殼穩(wěn)定性In SAR評價研究[J].工程地質(zhì)學(xué)報，2021，29（1）：104-115.

Long-Term Surface Deformation Monitoring and Analysis of A Coal

Mine in Xinjiang Based on SBAS-InSAR Technology

Zhang Xuehui1， Cui Zhendong2，3，4， Zhang Zhongjian1， Zhao Leilei5， Wei Tao2，3，4， Liu Dongxu5， Wang Longcan5

（1.School of Engineering and Technology，China University of Geosciences， Beijing，100083，China;2.Key Laboratory of Shale Gas and Geoengineering，Institute of Geology and Geophysics， Chinese Academy of Sciences， Beijing，100029，China;3.Institutions of Earth Science，Chinese Academy of Sciences， Beijing，100049，China;4.College of Earth

and Planetary Sciences， University of Chinese Academy of Sciences，Beijing，100049，China;5.School of Mechanics

and Civil Engineering，China University of Mining and Technology-Beijing， Beijing，100083，China）

Abstract： The long-term mining of a coal mine in Xinjiang causes serious surface deformation in the mining area， which poses a serious threat to the mining area's ability to produce safely and to the area's ability to develop sustainably.Effective procedures must be adopted to keep track of the mining area's surface deformation.This work selected 178 Sentinel-1A ascending radar image data from January 23， 2017， to December 23， 2022， to further examine the surface deformation law of the mining area.The mining area's surface deformation data from 2017 to 2022 was measured using SBAS-InSAR technology.To eliminate the impact of atmospheric inaccuracy， GACOS data was added.Analysis was done on the surface deformation in the mining region， including its driving elements， driving features， and spatial-temporal evolution law. According to the findings： （1） Surface subsidence is the predominant cause of surface deformation in the studied area during the monitoring period.The greatest rate of surface deformation is around -113 mm/a， the maximum cumulative subsidence is approximately 580mm， and the primary surface subsidence area is approximately 15.2 km2; （2） The mining area's cumulative sinking and surface subsidence are both expanding.The surface subsidence follows the coal mining subsidence curve， and it will continue to rise in the future; （3） Mining engineering is primarily to blame for the surface deformation of the mining region， although precipitation is also a significant influence in this deformation.This study provides a scientific foundation for surface deformation monitoring， geological disaster warning， prevention， and control， and mine safety production in coal mining areas.

Key words： SBAS-InSAR; GACOS; Surface deformation monitoring; Surface subsidence; Spatial-temporal evolution law; Driving factors