新汶礦區SBAS-StaMPS地表形變監測分析*

叢康林, 岳建平, 董 超, 方云波

(1. 山東農業大學 信息科學與工程學院，山東 泰安 271018；2. 河海大學 地球科學與工程學院，江蘇 南京 211100；3. 上海衛宸測繪科技有限公司，上海 200001)

采礦區地面沉降是一種變化緩慢且不可逆轉的地表形變現象，會造成建筑物地基下沉、房屋開裂、地下管道破損等一系列問題，成因機制錯綜復雜，致災過程緩慢，一旦形成便難以恢復。新汶礦區作為百年老礦區，存在采煤時間久、采空區范圍大、地表沉降嚴重等問題。常規地面大地測量技術和地質監測手段雖能夠準確獲取地面沉降結果，但該類方法是通過離散的監測點獲取形變信息，無法得到大范圍連續面狀區域的地表形變信息，存在一定的局限性。

合成孔徑雷達干涉測量(Interferometric Synthetic Aperture Radar，InSAR)作為一種影像測地技術，以其全天候、全天時、高精度和區域測量的特點，可獲取大范圍面狀連續區域的地表形變信息，被廣泛應用于城市地面沉降監測[1-2]。由于礦區多被農作物和林木等植被覆蓋，導致DInSAR(Differential InSAR)技術的相干性弱，使得監測結果可靠性低[3]。時序合成孔徑雷達差分干涉測量技術能夠克服常規DInSAR技術失相干的缺陷[4]。為了提高時序InSAR在低相干區的監測能力，Andy Hopper等人提出了StaMPS/MTI(Stanford Method for Persistent Scatterers/Multi-Temporal InSAR)方法[5-6]，采用三維時空解纏算法獲取目標的時序形變信息。本文采用StaMPS/MTI方法對覆蓋新汶礦區的48景Sentinel1-A影像進行時序InSAR數據處理，獲取2016～2020年間的新汶礦區地表形變時空分布信息，對近4年的地面沉降情況進行分析，揭示“后煤炭時代”老礦采煤沉陷區的形變規律及現狀。

1 研究區域概況及數據

1.1 研究區域概況

新汶礦區地處山東省新泰市，東起澇坡、員外哨，西至南楊家莊、大霞霧，東西均以煤系地層露頭為界，北至蓮花山斷裂，南至蒙山背斜北坡奧陶系地層出露處，東西長約30 km，南北寬約8～10 km，面積約305 km2，地層呈北西走向。地理位置如圖1所示，礦區主要包括山東能源新礦集團國有煤礦和新泰市地方煤礦，是華東地區重要的能源基地之一。

圖1 新汶礦區地理位置圖

1.2 數據

SAR數據選用2016年1月～2020年1月共48期Sentinel-1A升軌影像，如表1所示。在數據處理過程中，使用歐空局發布的精密軌道數據和SRTM的90 m分辨率的外部DEM。

表1 Sentinel-1A影像軌道和日期

2 SBAS-StaMPS方法

StaMPS是一種MT-InSAR算法[4]，為近年來解決長時序、小位移監測的有效方法，主要用于探測非城市地表區域的形變信息，采用相位時序分析算法，根據時序相干系數判斷相位的時域穩定性[7]。根據干涉相位中雷達信號和噪聲的不同時空屬性特征，通過時空濾波方法加以分離，通過三維相位解纏來獲取地表形變信息[8]。

SBAS-StaMPS方法是在給定的多幅SAR影像中，利用相干測度定義像元信噪比，由滿足信噪比閾值的永久散射體候選點構成StaMPS-MTI技術的高相干點集，按照SBAS(Small Baseline Subsets)法形成時序差分干涉影像序列，從而提取出時序形變信息和年平均形變速率。該方法一方面提供了在高空間分辨率下操作的可能性，并能夠利用干涉相位的空間相關性識別慢去相關濾波相位(SDFP，Slowly-decorrelating Filtered Phase)像元[9]；另一方面，較好地揭示了多主時間序列的三維小基線干涉圖[10]。為了最大限度地提高干涉圖的相干性，SBAS-StaMPS通過考慮空間基線、時間間隔和圖像對的多普勒頻率質心差生成小基線干涉圖，在保證圖像對的網絡中不存在孤立簇的情況下，選擇空間、時間和多普勒基線低于給定閾值的圖像對形成干涉圖。再用頻譜濾波器對干涉圖進行濾波，消除方位向上的非重疊多普勒譜，減少距離向上的幾何去相關[8]。數據處理流程如圖 2所示，基本步驟包括干涉圖生成、相位穩定性估計、PS點選擇和時序位移估計。采用SAR影像生成差分干涉圖，利用外部DEM去除地形相位；基于振幅濾波方法，采用振幅閾值和振幅離差指數選出永久散射體候選點集(PSCs)；對PSCs進行相位穩定性分析，基于時間相干系數閾值篩選PS點；運用3D相位解纏，通過時空濾波提取PS點的相位時間序列，獲取視線向形變信息。

圖2 StaMPS數據處理流程

SBAS-StaMPS方法在短時間基線中進行空間上高相干性的濾波，能夠克服PSInSAR方法的長基線低相干問題，對于植被覆蓋較多而散射體密度較低的礦區，通過PS點和SDFP點的共同選取，能夠獲取更多的PS點，且提高了點位的可信度。

3 數據處理結果

根據三基線和最小原則[11]選取2017年12月10日的影像作為主影像，其余影像與其配準，形成201個SBAS干涉對，最大時間基線為192d，最大垂直基線為99.27 m，得到新泰市2016～2020年間地表形變的雷達視線向(LOS)年平均速率圖，如圖3所示，正值(藍色)表示上升，負值(紅色)表示下沉。選取覆蓋新汶礦區的區域作為研究區，如圖4所示，提取沉降明顯的A～H共8處區域進行分析，其形變時間序列如圖5所示，藍色表示相對于主影像的形變量，紅色直線表示年平均形變速率。

圖3 新泰市地表形變年平均速率圖(2016～2020)

圖4 新汶礦區地表形變年平均速率圖(2016～2020)

圖5 礦區沉降時間序列

4 實驗結果分析

(1)在沉降區域整體空間分布上，從圖 3可以看出，整個新泰市轄區的主要地面沉降區域位于中東部的新汶地區，該區域是山東能源新汶礦業集團和新泰市地方煤礦的主要采煤區。圖 4顯示了新汶礦區A～H的8個明顯沉降區域，均分布在柴汶河以北，經過實地調繪及同相關煤礦生產企業調研，沉降區域所屬煤礦如表2所示，除兩處地方煤礦外，其余6處均為山東能源新汶礦業集團的權屬企業采煤區。說明SBAS-StaMPS方法提取的形變區域與實際相符，能夠反映礦區沉降區域。

表2 沉降區域關系對應表

(2)在形變速率上，提取各煤礦沉降中心區域按照沉降速率分類，如表3所示。年平均速率超過40 mm/a的有1處，為孫村煤礦，年平均速率在35～40 mm/a的有1處煤礦，年平均速率在30～35 mm/a的有3處煤礦，其余小于30 mm/a。

表3 沉降區分類表

(3)從沉降量上看，自2016年以來，各煤礦累計沉降量及年平均速率，如表 4所示。其中，4處礦區沉降量超過150 mm，分別是協莊煤礦、翟鎮煤礦、孫村煤礦和碗窯頭地方礦；其余煤礦沉降量都在100～150 mm，良莊礦業沉降量最小。

表4 沉降量及平均沉降速率

(4)從沉降趨勢上看(如圖6所示)，A、C、F沉降速率平穩，為線性勻速沉降趨勢。B、E、H在2019年后有明顯的沉降加速趨勢，沉降速率分別為-70.86 mm/a、-74.84 mm/a和-52.12 mm/a，表明存在沉降速度增大現象，不均勻沉降具有災害隱患，需要加強監測，關注沉降趨勢。D、G表現為階梯型趨勢，特別地，D在2019年后沉降量趨于平穩，沉降趨勢明顯減緩，該區域屬于盛泉礦業采煤區，由于該企業資源枯竭，按照國家退出產能政策于2018年11月后開始實施關井閉坑，停止開采，故沉降量減緩，監測結果與實際情況吻合。

圖6 典型沉降區的沉降趨勢圖

5 結 論

SBAS-StaMPS方法以其獨特的PS和SDFP選點算法，有效克服了D-InSAR技術的時空和幾何失相干問題，對林地和農田覆蓋較多而散射體密度較低的礦區能夠提取可靠的PS點，且以mm級的精度獲取年沉降速率。本文采用該方法對2016～2020年間的C波段Sentinel-1A數據進行時序分析，有效識別出新汶礦區8處采煤沉陷區，提取了4年的大范圍連續沉降結果，累計沉降量均在100 mm以上，最大平均沉降速率為44.49 mm/a，揭示了各采煤區地面沉降的時空分布和形變趨勢。研究結果表明SBAS-StaMPS是一種礦區長時序地表形變監測的有效技術，能夠為監測礦區地表形變，指導煤礦合理開采和可持續發展提供一定的技術支持和理論借鑒。