1. 引言
地面沉降是指在多种自然及人为因素综合作用下,地壳表层土体压缩而导致区域性地面高程降低的一种自然现象,是世界上常见的地质灾害之一[1]。区域差异性地面沉降会对线性轨道交通造成重大威胁,制约着经济和社会的可持续发展。对铁路沿线地面沉降进行长期持续监测,获取地面沉降时空分布信息,为铁路安全运营提供技术支持,具有重要的现实意义。
传统地面监测方法有精密水准测量、GNSS测量、三角高程测量等,传统地面监测精度高,但存在工作量大、观测时间长、观测不连续、人工成本高、观测范围小等缺点,难以实现大空间尺度与高空间分辨率的变形监测与分析[2]。合成孔径雷达干涉技术(Interferometric Synthetic Aperture Radar, InSAR)具有高精度、长时间、成本低、监测区域大、受天气影响小等特点,弥补了传统形变监测的不足,已被广泛应用于地面沉降监测、滑坡灾害识别等领域[3]。
近年来,国内外学者对InSAR地面沉降监测进行了广泛的研究,包括单一主影像的永久散射体技术[4] (permanent scatterer InSAR, PS-InSAR)、多主影像的小基线集技术[5] (small baseline subset InSAR, SBAS-InSAR)等。SBAS-InSAR技术是一种基于多主影像的InSAR时间序列方法,只利用时空基线较短的干涉对来提取地表形变信息[6]。李珊珊等[7]运用SBAS-InSAR监测了青藏高原的季节性冻土形变,张金芝等[8]运用SBAS时序分析技术监测现代黄河三角洲地面沉降,并得到了较好的实验结果。
目前,利用InSAR技术对铁路沿线地面沉降进行监测及成因分析的研究颇多,但在研究方法上主要集中在PSI技术,SBAS技术的应用研究较少。SBAS-InSAR技术克服了PS-InSAR因选取一幅影像作为公共主影像而引起的部分干涉图相干性较差的不足[9],同时降低了对SAR数据的需求量,运算效率较高,用SBAS技术可以实现对铁路沿线的长时间序列的形变监测。
中老铁路建设的发展,有效连接了中国和老挝之间的贸易往来,对于促进中国与东南亚地区的对外联系,实现经济战略具有重要意义。在国家层面研究背景下,铁路沿线地区施工建设等工程活动加速,再加上地质作用与气候条件等影响,引起了大量沿线区域出现不同程度地面沉降。已有学者利用小基线InSAR技术监测发现中老铁路所经过的玉溪市存在多处地面沉降现象,最大年沉降速率达−85.25 mm/a [10]。不均匀地面沉降会改变铁路线坡度,严重威胁高速铁路的安全运营。因此,对中老铁路沿线进行长时间的地面沉降监测十分必要。鉴于此,本文选取2020年9月~2023年9月覆盖中老铁路玉溪–化念段的Sentinel-1A影像数据,采用差分干涉测量短基线集时序分析(SBAS-InSAR)技术,对研究区域的地面沉降情况进行监测,在大范围和长时间尺度的基础上,进行地面沉降的详细分析,旨在为中老铁路沿线地面沉降监测体系的构建提供科学依据和决策支持。
2. 研究区概况
本文研究对象为中老铁路玉溪化念段,研究区域内中老铁路玉溪化念段整体位于云南省中部的玉溪市,沿线长度约为69601.38米,跨玉溪市红塔区、峨山彝族自治县和新平彝族傣族自治县3个区县,途径大营街街道、高仓街道、研和镇、双江街道、化念镇几个主要乡镇,包括玉溪站、研和站、峨山站和化念站四个站点。本研究选取中老铁路玉溪化念段沿线经过的乡镇区域进行地面形变分析,研究对象地理位置图与研究区高程图如图1、图2所示。
Figure 1. Geographical location map of the study area
图1. 研究对象地理位置图
2.1. 研究区自然人文地理概况
大营街街道位于玉溪市红塔区西南部,地形为山前平坝,耕地包括旱地和水田,地下矿藏有煤炭、石灰岩、黏土和地热温泉资源。自20世纪末以来,依托温泉资源发展旅游业,建成了汇龙生态园和映月潭休闲文化中心两个4A级景区;高仓街道地处红塔区中南部,境内有3条主要河道,矿藏主要为磷、硅石,地下水资源储量86.4万立方米;研和镇位于红塔区南部,地形复杂,四周山系环抱。主要土壤类型为自然土、旱地红壤、水稻土,境内土壤多属弱酸性;双江街道是峨山县的政治、经济、文化中心,地形为断陷盆地,境内地势起伏,相对高差大。地下矿藏有铁矿,品位较高,多属富矿,年产量200万吨;化念镇地处峨山县西南部,境内属高山丘陵、河谷盆地相间的地形,地下矿藏主要为铁矿,储量较大,约上百万吨。
整体而言,研究区气候属亚热带季风气候,温和湿润,降水丰富;地形复杂,山地、峡谷、高原、盆地交错分布,地势陡峭,位于断层陷落盆地[11],构造运动相对活跃,广泛分布着板岩、页岩和砂岩等的岩层,且玉溪市处喀斯特地貌区,地下岩溶发育,易形成地下溶洞,地面塌陷灾害时有发生。已有研究发现,玉溪盆地地区地面沉降量已达−161 mm [12]。
Figure 2. Elevation map of the study area
图2. 研究区高程图
2.2. 中老铁路社会经济带动作用
中老铁路的开通,不仅促进中国与老挝的经济交流,更是中国与东南亚、南亚和印度洋地区交流沟通的重要通道[13],这不仅为途径城市带来了前所未有的经济机遇,促进沿线地区的经济[14]发展,更是有利于推进中南半岛区域一体化进程。于玉溪市[15]而言,中老铁路的开通不仅改善沿线站点城市的基础设施和营商环境,并且使得玉溪市的开放优势和枢纽地位更加明显,从而与东盟国家的贸易合作更加紧密,扩大了国际产业的合作空间,促进经济发展,带动就业。据统计,2021年中老铁路通车前玉溪市铁路运输方式外贸进出口货值[16]仅为900万元,2022年增加到5.2亿元,2023年1至10月实现7.66亿元,较上年同期增长了125%。此外,截止2023年1至10月,玉溪市共有124家企业开展外贸进出口业务,实现外贸进出口总额37.44亿元。
3. 数据源
3.1. SAR数据
本文从ASF Data Search网站下载了覆盖研究区域的32景的升轨Sentinel-1A斜视单视复数(SLC)哨兵影像数据,极化方式选择双极化(VV极化和VH极化),观测模式为干涉宽幅(IW)模式,幅宽为250 km,地面分辨率为5 m × 10 m (方位向 × 距离向),影像覆盖时间为2020年9月~2023年9月。数据参数如表1、表2所示。
Table 1. Sentinel-1A data parameter table
表1. Sentinel-1A数据参数表
数据类型 |
Sentinel-1A |
升降轨 |
升轨 |
波段(波长/cm) |
C (5.6) |
成像模式 |
IW |
方位向分辨率/m |
5 |
距离向分辨率/m |
10 |
极化方式 |
VV + VH |
重访周期/d |
12 |
影像数 |
32 |
时间范围 |
2020.09~2023.09 |
Table 2. SAR dataset time series
表2. SAR数据集时间序列
序号 |
时间 |
序号 |
时间 |
序号 |
时间 |
1 |
2020.09.17 |
12 |
2021.12.17 |
23 |
2022.12.12 |
2 |
2020.11.04 |
13 |
2022.01.10 |
24 |
2023.01.17 |
3 |
2021.01.03 |
14 |
2022.02.15 |
25 |
2023.02.10 |
4 |
2021.03.28 |
15 |
2022.03.11 |
26 |
2023.03.18 |
5 |
2021.05.15 |
16 |
2022.04.16 |
27 |
2023.04.11 |
6 |
2021.06.06 |
17 |
2022.05.10 |
28 |
2023.05.05 |
7 |
2021.07.14 |
18 |
2022.06.17 |
29 |
2023.05.29 (代替6月份数据) |
8 |
2021.08.19 |
19 |
2022.07.09 |
30 |
2023.08.09 (代替7月份数据) |
9 |
2021.09.12 |
20 |
2022.09.19 |
31 |
2023.08.21 |
10 |
2021.10.06 |
21 |
2022.10.13 |
32 |
2023.09.02 |
11 |
2021.11.11 |
22 |
2022.11.18 |
|
|
3.2. 精密轨道数据
在本文的干涉处理过程中,选择了AUX_POEORB精密星历作为轨道参数。POD精密定轨星历数据目前是最为精确的轨道参数数据。这类数据通常是在GNSS运行21天后生成,每天会生成一个新的文件,每个文件的覆盖时间为26小时,定位精度在5厘米以内。故为了提高影像轨道精度,本文从精密轨道数据网站Index of/aux_poeorb/获取了Sentinel-1A对应成像日期的精密定轨星历数据。
3.3. DEM数据
另外,为了去除地形相位影响,本文还采用地理空间数据云提供的ASTER GDEM 30M分辨率数字高程数据作为外部参考DEM数据。
4. SBAS-InSAR技术方法
SBAS方法是由Berardino和Lanari等研究人员于2002年正式提出的一种InSAR时间序列分析方法[17]。该方法通过选取数据自由组合所有短基线干涉对,得到一系列短基线差分干涉图,以克服空间去相关现象,这种方法不仅能够连接所有中短基线集,还能够通过连接具有较大空间基线的孤立SAR数据集,提高观测数据的时间采样率。在计算形变速率时,SBAS方法使用奇异值分解(SVD)法来获取高相干点的沉降速率和时间序列。具体原理如下:
获得某一研究区X + 1幅SAR影像,按照时间(t0, t1, …, tx)排列,选取其中一幅影像为主影像,其他影像配准到这幅主影像上,在短基线干涉组合条件限制下,生成M幅差分干涉图,且M满足:
(1)
对ta、tb时刻获取的SAR影像进行干涉处理,可以得到任意干涉图j (1 < j < M),则干涉图j在方位向坐标n和距离向坐标r处的相位可表示为:
(2)
式中,λ为雷达信号波长;Φj (ta, n, r)和Φj (tb, n, r)分别表示ta和tb时刻SAR影像的位置值;d (ta, n, r)和d (tb, n, r)分别表示ta和tb时刻相对于初始时刻t0雷达天线入射方向上的形变累积量。
用获取时间段的平均相位速率vj与该时段tk的乘积表示式(2)中的相位值,则第j幅干涉图的相位值可表示为:
(3)
(4)
则第j幅干涉图的相位值也可表示为vj在[ta, tb]上的积分,可由矩阵表示为:
(5)
式中A为M*X的矩阵。通常而言,SBAS处理中所有的时间序列SAR数据组成了多个小基线子集,假设形成了L个小基线子集,则A的秩为X – L + 1,方程组有无穷多个解,此时需要用SVD法来求解最小范数意义解。求出v后,只需计算v在各个时段上的积分便可以计算出各时段的沉降累积量。
5. 数据处理流程
SBAS-InSAR数据处理流程如图3所示。
Figure 3. SBAS-InSAR technology flowchart
图3. SBAS-InSAR技术流程图
5.1. 预处理
读取32景原始数据,利用矢量文件裁剪出研究的区域(不进行子区域裁剪),极化方式为VV only,只输出VV数据,并进行同轨道镶嵌。
5.2. 生成连接图
在试验中,时间基线和空间基线的阈值分别设定为550天和±250米。所有干涉对都被配准到主影像上,并进行了多主影像干涉对组合,剔除了质量较差的干涉对。最终选取了109个高质量的差分干涉对,如图4所示,黄色代表超级主影像,绿色代表SAR影像,线段代表干涉对。最大时间基线为240天,最小为12天,平均为111天;最大空间基线为113.278米,最小为4.72699米,平均为45.7397米。
Figure 4. Spatio-temporal base map
图4. 时空基线图
5.3. 干涉工作流
在干涉处理工作中,所有配对的干涉对都会进行处理,并配准到超级主影像上。这一过程生成了一系列对应的干涉图,但其中部分干涉图由于失相干现象,效果不明显。为获得高相干性的干涉图,采用Goldstein滤波法对生成的干涉图进行增强处理,该方法能提高干涉条纹的清晰度,并减少由空间和时间基线引起的失相干噪声。随后,使用Minimum Cost Flow方法进行相位解缠,从解缠的相位中提取研究区域的地表沉降信息。
5.4. 轨道精炼和重去平
用于估算并去除残余相位,由于卫星轨道不准确或DEM地理定位不准确,用地面控制点(ground control point, GCP)来修正SAR数据,其中,选择GCP需要参考的标准有:1) 选择没有残余地形条纹的区域;2) 选择没有形变的区域,除非知道该点的形变速率;3) 选择没有相位跳跃的点:一共选择了15个GCP。
5.5. 第一步反演
使用Minimum Cost Flow方法反演估算形变速率和残余地形,同时还会对干涉图做二次解缠来对其进行优化,去除大气影响的相位,去除由于平地效应所造成的间隔相同有规律的条纹,保留因地形起伏、高程起伏所导致的干涉条纹。第一次反演是SBAS反演的核心步骤。
5.6. 第二步反演
SBAS二次解缠的干涉相位图残余相位分离为低通和高通两部分相位,在第一次反演估算得到的形变速率基础之上,在时间域上分别用低通滤波和高通滤波对残余相位滤波,获得非线性形变,把线性形变相位和非形变相加,即所得地表精确的形变信息。
5.7. 地理编码
这一步骤将经过校准和解缠的相位信息转换为形变信息,进而将地表形变结果投影到用户自定义的方向上也就是将形变结果从斜距坐标系转换到地理坐标系上,将相位解缠后获得的LOS方向上的速率转换到垂直方向上。
6. 形变结果分析
6.1. 研究区地表形变情况
本研究通过SBAS-InSAR技术处理,获取了研究区2020年9月~2023年9月地表年均形变速率,如图5所示。研究区地表形变呈现出不均匀分布的特征,地表形变现象主要集中在图示东北部区域,其中地表抬升现象与地面沉降现象交错出现。研究区内发生地表抬升的地区,其年均抬升速率皆小于8.27 mm/a,其余区域出现地表沉降,程度有较大差异,其中沉降较严重区域集中在大营街街道东部、高仓街道西北部以及研和镇北部,即玉溪站的南部区域。其中大营街街道与高仓街道两镇的交界处周围为地面沉降最严重地区(即图示A地区),由四周到中心A区域的地面沉降速率越来越大,中心最大年均沉降速率达−71.65 mm/a。
6.2. 铁路沿线地表形变分布特征
时序InSAR结果表明,中老铁路玉溪化念段沿线呈现不同程度的形变特征,为方便研究,以铁路为中心在两侧各3 km做缓冲区,对其结果进行分析,见图6。
中老铁路玉溪化念段于2016年4月19日开工建设,于2021年12月3日通车运营。本文选取时间跨度为2020年9月~2023年9月的哨兵影像进行监测,监测时间段包括铁路后期建设阶段与前期运营阶段。铁路后期建设阶段主要涉及轨道铺设和车站建设等工程活动,可能导致轻微地表压实和局部形变。而在前期运营阶段,轨道和地基的适应性测试、列车对于新建设的轨道和周边地质结构的振动冲击,以及排水系统对地下水流动和地表水平面的影响成为主要挑战,这些因素可能导致更为明显的地表形变。如图6所示,中老铁路玉溪化念段地表形变情况大致可以分为三个部分:玉溪站到研和站的线路段不稳定,整段都位于地表形变区域,且形变速率跨度大,高达−65.41 mm/a,低达−3.28 mm/a;研和站到峨山站的线路段总体较为稳定,有大部分的地区都未出现地表形变现象;峨山站到化念站的线路段则几乎没有发生地表形变。
Figure 5. Annual average deformation rate map of the study area (2020~2023)
图5. 2020~2023年研究区年平均形变速率图
Figure 6. Annual average deformation rate map along the Yuxi-Huanian section of the China-Laos railway (2020~2023)
图6. 2020~2023年中老铁路玉溪化念段沿线年平均形变速率图
6.3. 时序特征分析
中老铁路玉溪化念段途径4个站点,由图6所示,玉溪站、研和站、峨山站3个站点周围区域都存在一定程度的地表形变。车站是乘客出行、货物运输的重要枢纽,对铁路正常运营起着关键作用。为准确获取各时间段内这3个站点地表形变速率的变化情况,研究定位到有关站点上的像元,绘制出该像元在每个时相上的累计形变量,以此得到了3个时序分布图。时序图横轴表示研究监测时间,纵轴表示的是累积形变量(以监测开始时间2020.09.17为基准点),通过折线斜率大小即可反映出形变速率。
6.3.1. 玉溪站
Figure 7. Temporal distribution map of cumulative deformation at Yuxi station
图7. 玉溪站累积形变量
从整体来看,玉溪站自2019年到2023年地面总体呈现下降趋势,监测时间段内累计沉降量为−16 mm,其中2021年年初出现地面抬升现象,抬升高度为2.5 mm,其余时间均为地面沉降。折现斜率大小可反映出这段时间内形变速率,2021.10.06~2021.11.11时间段内,玉溪站最大形变速率达62.57 mm/a。
地面发生沉降的主要原因是1) 地质构造:玉溪站位于断层陷落盆地,靠近哀牢山、红河两大区域性活动断裂带,广泛分布着松散岩、碎屑岩、碳酸盐岩等岩类,次级构造发育,地质构造运动频繁,地底地层岩性变化大,促进地下水活动[18],地面沉降现象频发。2) 地下水开采:近年来,随着人类用水量的不断增加,地表水已经不足以供应,开始抽取地下水用以生产,造成地下水位处于下降状态[19]。此外,自2001年起,玉溪市大营街街道开始进行温泉开发,由于开采量和开采密度大、超采严重,使得玉溪市地下水位大幅下降,形成严重的地下水位下降区[20],从而使得地面沉降现象严重。3) 城市扩张:随着城市化建设的加快建设,城区面积不断扩张,城市建筑在施工过程之中,往往需要挖掘基坑,伴随着降水形成基坑积水,这是形成地面沉降的一大因素[21]。
由玉溪站累积形变量时序分布图7可知,2020.9.17~2021.01.03时间段内玉溪站呈现地表抬升,这可能与中老铁路在铺设铁路前期进行的地面填土行为有关。2021.01.03~2021.10.06期间,地面呈现持续下降趋势,且沉降加剧,沉降量达到−7 mm,原因可能为玉楚铁路的开工建设,玉楚铁路于2020年12月开工建设,突然增加的工程建设导致玉溪站及其周边地区地面发生急剧沉降。2023.02.10之后,沉降突然加剧,最大沉降量达到−16 mm,与2021年相比,沉降速度进一步提高,这可能是2023年以来,玉溪市同时推进了多项社会服务工程而引起的地面大幅沉降。
6.3.2. 研和站
由研和站累积形变量时序分布图8所示,研和站在监测时间段内累计形变量持续下降,总累积沉降量高达−51 mm。这与研和站所处区域的密切经济建设活动有很大关联。玉溪研和工业园区是云南30个重点工业园区之一,园区重点发展高端装备制造业等多种产业,是生产、活动密集的地区。此外,研和站还是重要的交通枢纽,昆玉铁路终点站、泛亚铁路东线和中线均在研和站接口,火车站附近地区形成以仓储、物资集散、转运及流通市场为重点的滇中物流中心区,这些经济活动皆会对研和站地区地表形变产生一定影响。尤其是2021.01.03~2021.05.15期间,研和站地表沉降速率较快,该时段内,研和镇研平路、欣裕路两条集镇道路工程建设项目以及玉磨铁路研和站进站道路一期主体工程项目开始实施,道路施工所引起的应力释放、土体松动、水土流失对地面、地下环境都将产生影响,主要表现在地面沉降、建筑物沉降,严重的会导致地面塌陷等次生灾害。2023.05.29~2023.09.02期间发生强烈沉降后小幅度抬升,可能是由于玉溪机场高速公路(红塔区研和至江川区江城)工程第二批临时用地使用前的准备工作,如表土剥离、堆放的实施等。
Figure 8. Temporal distribution map of cumulative deformation at Yanhe station
图8. 研和站累积形变量时序分布图
6.3.3. 峨山站
Figure 9. Temporal distribution map of cumulative deformation at Eshan station
图9. 峨山站累积形变量时序分布图
由峨山站累积形变量时序分布图9可知,峨山站所处位置的地表在监测时间段内整体抬升14 mm,地表形变呈现明显的阶段性特征。在2020.09.17~2021.07.14时间段内,该站点一直呈现地表抬升现象,这可能与峨山县2021年年初开展的历史遗留废弃矿山生态修复项目有关,项目生态修复矿山68个,工程治理矿山14个,修复面积654.8314 hm2,这反映出矿山修复、国土空间治理对地表抬升成效显著。2021.07.14~2022.05.10期间,该站点的地表形变呈现不断的波动变化特征,这可能是由于区域地面建设活动频繁,包括从2021年5月持续至2022年5月的小法竜地下采矿工程,以及弥勒至玉溪高速钱王隧道右幅工程、云南绿色钢城配套项目(绿色加能站)等。矿区开采会导致开采区周围原始应力平衡被打破,引起应力重新分布和覆岩移动,会对地表形变造成重大影响。而在2023.03.18~2023.08.09时间段内,该站点又呈现出持续的地面沉降特征,这可能与2023年玉昆钢铁项目南大门至G213国道道路的开工建设有关联。除此之外,峨山站所位于的双江街道是峨山县的政治、经济、文化活动中心,全市有许多人为工程建设活动,会对地面造成巨大载荷压力,进而导致地表形变灾害的发生。
7. 结论与建议
本研究利用SBAS-InSAR技术,对2020年9月~2023年9月期间中老铁路玉溪化念段沿线的地表形变进行了系统细致的分析,研究得出结论如下:
1) 研究区地表形变呈现出不均匀分布的特征,整体沉降速率明显大于抬升速率,沉降分布状况集中于研究区东北部,尤其大营街街道与高仓街道两镇的交界处为地面沉降最严重地区,中心最大年均沉降速率达−71.65 mm/a。
2) 针对中老铁路玉溪化念段建立3 km缓冲区开展分析表明,沉降情况在整体上存在南北向差异。玉溪站到研和站的线路段为严重沉降区,其最严重的年平均沉降速率可达−65.41 mm/a,而峨山站到化念站的线路段则几乎无地表形变。
3) 时序分布图分析显示,玉溪站、研和站所在区域表现出显著沉降,累积沉降量分别为−16 mm、−51 mm,受地质构造和人为活动的影响明显。而峨山站则因生态修复和矿山治理等策略表现出地表抬升。
中老铁路主要采用无砟轨道,该轨道抗变形能力相较于有砟轨道较弱,严重沉降区域对于无砟轨道的影响是十分严重的,对列车的高速运行安全产生了威胁。在中老铁路玉溪化念段的安全维护上,建议重点对沉降最为严重的玉溪站到研和站的沿线铁路进行时序的检查及维护,同时进行具体的量化监测,以期为列车安全运行提供保障。
致 谢
在此,我谨向在我整个论文写作过程中给予我支持和帮助的所有人表示衷心的感谢。首先,我要特别感谢我的指导老师李益敏。她在我整个研究过程中给予了我无私的指导和帮助。她的专业知识和严谨的治学态度深深地影响了我,使我在学术道路上受益匪浅。同时,我要感谢我的同学和朋友们,他们在我遇到困难时给予了我宝贵的建议和鼓励,尤其是在数据分析方面提供了许多帮助。我向所有在我研究和论文写作过程中给予过帮助和支持的师长、同学、朋友和家人,表示最诚挚的谢意。