DInSAR技術在成昆鐵路復線路基及邊坡垂直變形監測中的應用

劉歡 王立娟 馬松 靳曉 范冬麗 黃永威

（1.四川省安全科學技術研究院，成都 610045；2.重大危險源測控四川省重點實驗室，成都 610045；3.四川安信科創科技有限公司，成都 610045；4.中鐵西南科學研究院有限公司，成都 611731）

截至2019年底，中國鐵路營業里程達13.9萬km以上，其中高速鐵路3.5萬km。鐵路路基及邊坡的穩定性是保障鐵路安全平穩運行的重要基礎，及時準確的變形監測對于鐵路建設和安全運營具有重要意義。

隨著空間信息技術的快速發展，合成孔徑雷達（Synthetic Aperture Radar，SAR）憑借不受氣候影響、高分辨率、大區域對地觀測的優勢［1］，已經成為當前空間對地觀測的有效途徑。基于干涉測量原理形成的合成孔徑雷達干涉測量技術（Interferometric Synthetic Aperture Radar，InSAR）的出現則提供了一種全新的地表變形監測手段，而利用不同的數據處理方法可以獲取大范圍、厘米級甚至毫米級精度的地表變形信息，在地震、城市及礦區地面沉降、火山等監測方面開展了應用［2-5］。合成孔徑雷達差分干涉測量技術（DInSAR技術）是通過兩次或多次干涉測量，以SAR的復數影像的相位信息變化來獲取地表變形信息的技術，是InSAR技術的進一步發展，具有監測精度高、監測效率高的優點。

目前，鐵路工程垂直變形監測的主要技術方法仍然是精密水準測量、局部全站儀、傳感器監測等。以上方法雖然也具有較高的監測精度，但由于鐵路等大型線狀人工地物地理跨度大，采用定期的常規地面人工測量的方法效率較低，具有較強的局限性。特別是我國西部地區山多地險，氣候惡劣，傳統的鐵路工程垂直變形監測方法受到了極大的限制［6-9］。本文基于在建成昆鐵路復線工程需要，提出DInSAR技術在鐵路路基及邊坡垂直變形監測中的應用方案，研究了其在鐵路工程應用中的可行性及達到的效果。

1 研究區域及數據簡介

1.1 成昆鐵路復線越西段及重點分析區域

成昆鐵路復線是在既有成昆鐵路基礎上新建或增建二線的鐵路線，北起四川省成都市，南至云南省昆明市。本文以成昆鐵路復線越西段為研究區域，里程約為DK322+200—DK326+920。根據設計資料，此區間由越西河1號雙線特大橋、土官垣隧道、越西河2號雙線大橋、北河村雙線特大橋和路基組成。選擇此段1處路基及邊坡作為重點分析對象，命名為R1，如圖1所示。

圖1 研究區域無人機影像

1.2 ALOS?2衛星及PALSAR?2影像

通常情況下，SAR影像數據的選擇需要考慮3個主要參數，分別是影像的空間分辨率、衛星重復觀測周期和雷達波長。影像空間分辨率的大小直接關系到能夠識別的地物尺寸的大小，對于鐵路路基及邊坡監測而言，較高的空間分辨率才能滿足較小區域的變形監測需求；重復觀測周期，即時間基線，表示同一監測區域獲取2次雷達數據的時間間隔，周期越短則監測頻率就越高，數據失相干的概率就越小；雷達波長越長，穿透能力就越強。我國西南地區常年有云霧覆蓋，且植被覆蓋度高，因此通常選擇穿透力較強的L波段雷達數據。

本文在數據選擇上，充分考慮了研究區地理位置及地形條件，選取日本ALOS?2衛星PALSAR?2條帶模式影像，PALSAR?2傳感器工作于L波段，波長22.9 mm。選取2017年12月29日（A）、2018年2月9日（B）、2018年3月23日（C）及2018年5月4日（D）4個時間節點的水平極化升軌數據為研究對象，其幅寬55 km×70 km，距離向及方位向分辨率均為3 m。

2 鐵路路基及邊坡垂直變形監測方案

2.1 InSAR技術原理

合成孔徑雷達干涉測量技術是傳統合成孔徑雷達成像技術與射電天文學中的干涉測量技術相結合的一種新技術［10］。根據行進軌道的不同，常用的InSAR方式有交軌（Cross Track）、順軌（Along Track）和重復軌（Repeat Track）。由于地表變形監測是測量一定時間間隔內地表變形量，即利用同一地區不同時刻獲取的SAR影像數據進行差分干涉處理以提取地表變形信息，所以重復軌干涉測量模式在科研工程領域應用較為廣泛［11］。

以常規InSAR技術數據處理方法為基礎形成的DInSAR技術，具有處理方法簡單、精度較高的優點。傳統DInSAR技術實現方法主要有二軌法（2?Pass）、三軌法（3?Pass）和四軌法（4?Pass）3種［12］。二軌法是由Massonnet于1993年提出的，其基本思想是利用研究區地表變化前后的2幅SAR影像生成干涉條紋圖，再利用已有的數字高程模型（Digital Elevation Model，DEM）數據模擬地形相位，經差分處理，即去除平地和模擬地形相位，最后得到包含相應變形的相位信息并將其轉換為雷達視線向（Line of Sight，LOS）的變形量［13］。

2.2 DInSAR技術路基及邊坡垂直變形監測方案

利用DInSAR技術進行鐵路路基及邊坡垂直變形監測主要步驟有：

1）數據選擇與資料收集。綜合考慮研究需求，SAR數據特點、存檔、質量及成本等因素，選擇具有針對性、性價比最高的SAR數據及輔助數據，以獲得最優的地形及變形干涉像對。

2）數據處理。按照差分干涉處理流程，通過影像配準、干涉處理、相位濾波、相位解纏、垂直變形轉換、地理編碼等步驟完成數據處理。

3）重點研究區域垂直變形結果分析。通過數據裁剪、數據提取及統計，形成重點研究區域分析結果，同時開展精度驗證工作以驗證結果可靠性。

4）監測報告及工程應用。根據數據結果，制作相關圖件，結合其他資料，如根據同期（或相近時期）高分辨率遙感影像、無人機影像，分析變形原因，編寫監測報告。可根據鐵路工程需求，開展大范圍、大區域應用。

3 應用研究

3.1 SAR數據處理

成昆鐵路復線DK322+200—DK326+920段是峨眉至米易段先期開工路段。研究所選取的路基及邊坡建設工作已經于2017年6月完成。本文利用A?D 4期ALOS?2衛星PALSAR?2數據，形成了3個差分干涉像對，其時空基線信息見表1。為降低數據運算量，避免數據冗余，對整幅影像作了多視處理。多視處理后影像方位向和距離向像元大小均為2.5 m。

表1 差分干涉像對時空信息

重復軌道的DInSAR技術直接量測的是雷達視線（LOS）向的變形，所以在對結果進行解譯時，需要根據變形的類型作出不同方向上的調整。在本文研究中，路基及邊坡的變形大部分發生在垂直于地表的方向，所以需根據雷達入射角將視線向變形投影為垂直變形（Vertical Displacement），從而可與地面水準測量、高精度全站儀水準測量、三角高程測量等進行對比。由雷達視線方向轉換為垂直方向的計算式為

式中：Δd′，Δd，θ分別為垂直方向變形量、雷達視線方向變形量、雷達入射角。

經過數據處理、變形量轉換，得出了成昆鐵路復線越西段A?B，B?C，C?D時段內DInSAR監測結果，并根據R1重點研究區域范圍，裁剪得到此區域的3期監測結果。R1重點研究區域監測結果最大、最小值見表2。

表2 重點研究區域R1地表垂直變形 m

3.2 R1重點研究區域監測結果分析

R1區域由路基及邊坡組成，共計4 912個像元，面積約12 280 m2。提取R1區域4 912個像元值，通過占比區間劃分，統計不同區間的垂直變形量，結果見表3。

表3 重點研究區域R1垂直變形監測結果

由表3可知：在A?B時段，R1區域地表抬升區域（垂直變形“+”表示抬升，“-”表示沉降）共有2 637個像元，沉降區域共有2 275個像元，所占比例分別為53.68%，46.32%；在B?C時段，R1區域地表抬升區域共有2 209個像元，沉降區域共有2 703個像元，所占比例分別為44.97%，55.03%；在C?D時段，R1區域地表抬升區域共有998個像元，沉降區域共有3 914個像元，所占比例分別為20.32%，79.68%。由3期數據可知，R1區域沉降區域面積隨時間的增加而增大。

基于InSAR的干涉原理，在常規數據處理中，不會采用時間基線較長的2期數據的干涉差分結果，所以對3期監測結果數據進行累加處理（地表像元為一一對應），得出R1區域A?D時段累計地表的垂直變形量監測結果，如圖2所示。結合表3可知，A?D時段R1區域地表抬升區域共有1 426個像元，沉降區域共有3 495個像元，所占比例分別為28.83%，71.15%；［-0.060，0.020）m區間的占比為17.79%，占比最大。

圖2 R1區域A?D時段DInSAR監測結果

綜上所述，A?D時段共計126 d，R1區域地表垂直變形速率為0.12～-0.13 mm/d。

3.3 精度驗證

對于區域性地表變形，DInSAR監測結果驗證的參考數據為精密水準測量值。

3.3.1 水準測量情況

為驗證DInSAR監測結果，對DK322—DK327段15個水準點的測量數據進行精度分析。在施工過程中，為監測工程開挖、震動等活動對周圍居民地的影響，施工方在工程周邊布設了水準測量點，并開展定期測量。

根據施工方提供的監測數據，HY01，HY02，CP165，TGY01，TGY03，TGY04，CP164，BL01，BL02，CP163這10個監測點的監測時間為：2017年12月15日至16日、2018年3月9日至10日、2018年5月29日至30日，共進行了3次水準測量。監測值所跨時間段為2017年12月15日—2018年5月29日。HD01，HD02，HD04，HD05，HD06這5個監測點的監測時間為2017年12月8日、2018年3月8日、2018年5月30日，亦進行了3次水準測量。監測所跨時間段為2017年12月8日—2018年5月30日。

在時間跨度上，DInSAR的監測周期（本文所使用的雷達數據）為A?D，與水準測量的時間跨度比較接近，2種數據具有可比性。

3.3.2 DInSAR監測結果處理

水準點的平面位置為WGS?84坐標系下的經緯度坐標。由于對DInSAR的監測結果進行了地理編碼，將其結果轉換到了WGS?84坐標系下，所以水準測量結果和DInSAR的監測結果有了相同的坐標系統。

然而，由于水準測量結果為矢量形式，以點的形式呈現，而DInSAR的監測結果為柵格形式，以面的形式呈現，其從測量本質上不具備點-點直接比較的可能，所以需要將DInSAR的監測結果的面假設為1個點，從而將點-面對比變成點-點對比。考慮到坐標系的誤差，DInSAR技術監測的點目標與水準點的平面位置總是存在一定偏差，不可能完全一致。為了獲得準確的結果，本文研究使用鄰近點原則，即以水準點為中心選擇距其一定范圍內的、具有較高相干目標結果參與精度分析。

考慮到結果一致性的原則，以水準點所在的柵格像元為中心像元，取其周邊鄰近8個像元，共計9個像元值作為DInSAR監測結果樣本值，并對9個樣本值開展標準差分析；隨后根據標準差剔除與中心像元互差較大或較小的像元；最后，對剩余像元做平均處理，即得到此水準點對應的DInSAR監測結果。

3.3.3 精度分析

DInSAR監測結果、水準測量值及兩者之間差值見表4。可知：以水準測量值為真值，比較與A?D時段DInSAR累計監測值之間的差值，可得出最大差值（絕對值）為13.2 mm，最小差值（絕對值）為1.0 mm。經誤差分析，其中誤差為7.57 mm，監測精度較高。

表4 DInSAR監測與水準測量垂直變形對比 mm

根據表4計算了15個點的A?D時段DInSAR累計監測值和水準測量值之間的PEARSON相關系數，其相關系數為0.928，相關性較高。結合圖3可知，A?D時段DInSAR累計監測值和水準測量值的走勢十分接近，存在一致性。

圖3 DInSAR與水準測量地表垂直變形對比

通過以上分析，說明用水準測量結果來驗證DInSAR監測結果有一定合理性、可行性，且DInSAR監測結果具有可靠性。

3.4 DInSAR技術用于鐵路工程

在此次DInSAR監測結果分析過程中，發現越西河2號雙線大橋（DK324+167）右側（鐵路北南走向）有一區域地表垂直變形較大，最大沉降為-0.198 m，且較為集中，面積約15 400 m2，如圖4（a）所示。根據現場踏勘，此處為一小型污水處理廠的施工區域，此區域最外邊界離越西河2號雙線大橋橋墩最近處僅約20 m。利用不同時相遙感、無人機影像進行佐證分析。由圖4（b）可知，2017年3月29日時污水處理廠尚未施工修建，但用地范圍有了基本雛形（農作物停止了耕種）。由圖4（c）可知，經過1年多的建設，污水處理廠的范圍已經明確，基本設施都修建完成。由圖4（d）可知，相較于上一期影像圖，污水處理廠基本設施沒有太大變化，但是新建了圍墻等外圍防護措施。從3期影像圖上可以看出污水處理廠區域建設隨時間的變化情況，此時間段存在大量的人工活動。

圖4 污水處理廠區域影像

通過對比遙感、無人機影像圖發現，DInSAR監測的集中變形區域范圍與污水處理廠的輪廓基本吻合。因此認為DInSAR監測的結果具有一定的可靠性，可以持續地對某一區域進行監測，從而發現地表的時空變化（特別是大范圍的不均勻沉降）情況，在鐵路勘察、設計、施工、運行的整個過程中都能發揮必要的作用。

4 結論

1）利用DInSAR技術監測了成昆鐵路復線越西段（里程區間DK322+200—DK326+920）1處（R1）路基及邊坡，126 d內R1區域地表垂直變形速率為0.12～-0.13 mm/d。

2）以傳統水準測量監測結果為真值，經誤差分析，DInSAR鐵路路基及邊坡監測中誤差為7.57 mm，監測精度較高。

3）污水處理廠的應用實踐證明，多技術手段的結合是解決鐵路工程領域監測問題的有效途徑，鐵路工程中應加強雷達影像與高分辨遙感、無人機等光學影像的互補使用。

4）SAR影像覆蓋面積大、地面分辨率高，具有較高的監測精度，監測范圍亦可大可小，監測得到的點（像元）密度遠遠大于水準點的密度，能更好地反映區域性地表變形的細節特征，是鐵路勘察、設計、施工、運行過程中地表變形監測的重要手段。