基于SBAS技術的輸電線路地表形變監測

馬 儀，耿 浩，黃 然，張 輝，馬御棠，劉 靖

(1.電力遙感技術聯合實驗室(云南電網有限責任公司電力科學研究院)，昆明 650217；2.云南電網有限責任公司，昆明 650000；3.北京空間飛行器總體設計部，北京 100094)

云南地處我國西南邊陲，位于亞歐板塊與印度洋板塊的交界處，地形復雜，西北部為深谷的橫斷山區，東部和南部為云貴高原。云南緯度低，海拔高，受季風影響，形成了年溫差小、日溫差大、河流縱橫交錯的地形地貌[1]，省內地質災害頻發，僅2021年4月發生地震2009次，按震級統計，其中2.0～2.9級20次、3.0～3.9級5次。云南省主要遭受的地質災害為滑坡、泥石流、崩塌、地面塌陷等[2]。地質災害會對該省的輸電系統造成安全隱患。

輸電線路覆蓋區域廣闊，沿途地理環境復雜，容易受到地質災害的影響，輸電桿塔及輸電網長期在這種環境中會受到擾動，主要影響包括地質災害造成的地表劇烈形變或地表緩慢形變引起的桿塔本體形變。形變會對電網安全產生影響，例如引發桿塔傾斜、倒塌等事故。高成本的人工巡查可以發現形變明顯的桿塔，但不能很好地監測到桿塔地基的緩慢形變，且人工巡查效率較低，巡檢周期長，不能很好地達到巡檢目的。久而久之，桿塔區域地表的形變導致桿塔形變或傾斜，因未及時發現而形成安全隱患，對電網系統造成破壞，會導致大面積斷電，給社會帶來經濟損失[3]。因此，對輸電網絡沿線地表沉降的周期性監測是十分必要的，有效的監測能及時發現輸電網絡中存在的安全隱患，及時對隱患區域做出處理，減少地質災害給電網系統帶來的威脅。

隨著遙感技術的發展，SAR衛星數據在地質方面的研究越來越廣泛，關于SAR衛星測量地表形變的技術越來越成熟，將SAR衛星數據測量技術應用于電網線路的監測，能夠實現輸電線路沿線地表形變的監測，降低各類地質災害引起的輸電網絡故障發生率。衛星運用合成孔徑雷達(SAR)對觀測區域發射微波，并接收后向散射回波完成對地成像，無需依靠太陽輻射，全天候觀測成像，對雨雪穿透力強[4]。將兩幅SAR影像進行干涉處理，即干涉雷達測量技術(Interferometric SAR, InSAR)，可用于對地表形變的測量。InSAR技術有著高精度、高分辨率、短周期、覆蓋范圍廣、全天候等特點，在形變監測中應用廣泛[5]。在InSAR技術的運用過程中，研究人員發現受時間去相干和空間去相干的影響，無法獲得形變隨時間的演化過程，于是Berandino等提出了短基線集(SBAS-InSAR)技術(SBAS)[6]。SBAS能夠有效地獲取長時序的地表形變信息，且形變測量結果精度高，達到mm級，還能消除大氣效應和失相干的影響。綜上，文中利用SBAS技術，基于Sentinel-1A SAR衛星影像，對影像覆蓋區域的3條輸電線路沿線區域進行地表形變監測，并對該區域存在隱患的輸電桿塔加以分析，給出維護建議。

1 SBAS的技術原理及其數據處理流程

1.1 InSAR技術的發展

1969年Rogers等首次應用InSAR技術獲取金星的地面高程[7]；1980年Zebker等利用InSAR技術提取了地面的高程信息并應用于監測地表形變[8],1993年Massonnent等利用InSAR技術處理 ERS-1數據獲取了1992年美國蘭德斯地震的形變場[9-10]，此后，InSAR獲取形變技術得到了全世界的關注，被廣泛用于地質災害監測，例如地震、火山活動、滑坡、凍土等。在InSAR的基礎上，Ferretti提出永久性散射差分干涉測量(PS-InSAR)技術(PS)，用于監測意大利安科納地區的滑坡[11]；2002年，Berardino提出了短基線差分干涉測量SBAS技術，并用于意大利的Campo Flegrei火山口的時序地表形變監測，取得了理想的地表形變監測結果[6]。2004年，Trasatti E基于ENVISAT數據，利用SBAS-DInSAR技術成功監測了Campi Flegrei火山口抬升現象[12]。PS和SBAS都是以消除InSAR技術處理過程中遇到的大氣干擾、時間去相干和空間去相干等問題提出來的處理方法，并且都可以有效地抑制去相干和大氣延遲效應以及噪聲。

PS能夠獲取大范圍的高精度形變速率，該技術要求25景以上的SAR影像[13]才可獲得可靠的測量結果，且該方法通常要求具有穩定散射特性的點，采用差值內插出整個監測區域的地表形變，犧牲空間點的密度來獲取地表長時間的形變序列。SBAS技術可通過少量的SAR影像完成對地表形變的監測，結果可靠，該方法以增加時間采樣率來提高時間相干性和空間相干性，相比于PS技術減少了對高相干點數量和空間分布的約束條件，因此SBAS技術在滿足精度要求的條件下，更適用于山區、礦區、流域、滑坡等復雜地形或地質災害的形變監測。孫偉等人利用SBAS技術，結合遙感影像、降雨數據和坡度坡向數據對萬安縣輸油管道重點區段進行形變監測，結果表明降雨天數越多累積形變越大的結論[14]；戴可人等人利用SBAS技術對雅礱江流域雅江縣-木里縣段的高山峽谷區域進行滑坡災害的識別和預警，并成功找到了8處隱患區域，有效減少了滑坡災害的發生[15]；那靜則對迪慶州北部區域進行時間跨度兩年的地表形變周期性監測，通過監測結果對災害易發區域進行排查，為后續形變監測研究和地質災害防治提供技術參考[16]；馮文凱等人同樣利用SBAS技術將金沙江流域沃達村巨型老滑坡進行劃定，分成了強烈形變區和均勻形變區，結果表明SBAS技術在復雜山區地質災害監測預警領域與其他監測方式具有較好的重合度，也印證了SBAS技術監測的準確性[17]。綜上所述，文中采用SBAS技術對輸電桿塔沿線進行形變監測。

1.2 SBAS的基本原理

SAR衛星影像是復數影像，影像的像元記錄地面后向散射信息，后向散射信息包括每一地面單元的后向散射強度以及雷達天線距離相關的相位信息，像元的散射強度與相位共用一個復數表示。通過對SAR影像進行干涉處理，可以得到反映地表起伏和形變的干涉相位條紋，再借助復數影像對的成像幾何關系和已知的控制點信息，即可獲得每個像元的高程或形變量[18-19]。

SBAS是對InSAR差分處理的形變值進行時序分析的技術，該方法將SAR影像依據時間基線和空間基線閾值分成若干短基線子集，生成差分干涉圖，提高相干性[20]。該技術的基本算法是將SAR影像數據分成若干小集合，然后根據干涉條件等設置時間基線和空間基線的閾值，對每個小集合利用最小二乘法求解小集合內的時間形變序列，再聯合各個小集合進行奇異值分解(SVD)，反演出整個地表在影像時間段內完整沉降序列。使用SVD的方法可以將分開的小基線之間聯合起來求解，也可以通過獲取時間和空間信息分離大氣延遲相位，小基線分析了SAR影像間所有可用的干涉圖，大大增加了形變差分干涉圖的空間密度和時間采樣率[19,21-27]。

假設有同一區域的N+1幅SAR影像按時間t排序，任選一幅SAR影像作為主影像，然后將其他N幅SAR影像在同一坐標系下與主影像配準，并進行多視差分處理得到M幅多視后的差分干涉圖，干涉圖的時間基線與空間基線均小于設定的閾值，并且M滿足

(1)

對干涉圖進行濾波以及解纏處理，并在解纏后的干涉圖中篩選相干性較好的點，對這些點用式(2)計算。假設第i幅解纏后的差分干涉圖分別由主圖像和輔影像tA和tB時刻獲得的SAR影像干涉差分生成的，那么距離向坐標為r和方位向坐標為x的高相干性相干點的像元干涉相位可以寫成：

δφi(x,r)=φA(x,r)-φB(x,r)≈

(2)

忽略地形殘余相位、大氣延遲相位以及噪聲相位，式(2)簡化為：

δφi(x,r)=φA(x,r)-φB(x,r)≈

(3)

待求的像元點的形變量所對應的N個未知相位值可表示為：

ΦT=[φ(t1),φ(t2),…,φ(tN)].

(4)

通過M個差分干涉圖得出的干涉相位表示為：

ΔΦT=[δφ1,δφ2,…,δφM].

(5)

主影像和從影像的時間序列分別為：

IE=[IE1,…IEJ,…,IEM],

(6)

IS=[IS1,…IEJ,…,ISM].

(7)

第j幅差分干涉圖對應的干涉相位為：

δφ1=φ(tIEj)-φ(tISj),j=1,2,…,M.

(8)

將所有干涉圖的干涉相位用方程表示，并擴展為矩陣形式：

AΦ=ΔΦ.

(9)

A是M×N的一個矩陣，每一行對應一幅干涉圖，每一列對應一個時間序列的SAR影像。

(10)

矩陣中-1表示從影像所在列，+1表示主影像所在列。對于式(9)，當矩陣Φ為N×1的矩陣時，M≥N，A的秩為N，根據最小二乘法求得形變相位：

Φ=(ATA)-1ATΔΦ.

(11)

在實際中，SAR影像數據往往分為不同的子集矩陣，因此ATA的秩小于列數N，即ATA為奇異矩陣，這使得式(11)有無窮的解。為求得合適的解，需通過SVD方法求得矩陣A的廣義逆矩陣，大致步驟為利用SVD分解矩陣A，在最小二乘約束下，求解相位，對相位在時間上量化獲得形變速率，用于形變量的計算和形變分析。

1.3 處理流程

SBAS技術用于形變量估計的步驟大致如下：選定主影像和從影像，設定空間基線閾值，對配準完成的SAR數據干涉處理，生成M幅干涉圖，計算相干系數；根據相干系數，選擇高相干點作為相位解纏參考點；利用干涉圖基線和外部DEM進行差分干涉處理，去除平地效應和地形相位的影響，再對差分干涉圖進行濾波；利用SVD和最小二乘法解算小基線幾何，獲得大氣延遲差和地形相位；最后去噪，獲取時間序列地表形變信息。

具體處理流程如圖1所示。

圖1 SBAS技術處理流程

2 輸電桿塔線路形變監測

2.1 數據介紹

文中的SAR衛星數據來源于哨兵1號 A(Sentinel-1A)衛星。哨兵一號為歐洲航天局研制的SAR衛星，通過C波段對地全天時全天候觀測，該衛星重訪周期為12 d，具有雙極化和重訪周期短的優點，可實現全球高分辨率監測和對同一地區的長時間序列監測。哨兵1A具有4種成像模式，每種成像模式分辨率與幅寬不一致。文中SAR衛星數據覆蓋的3條輸電線，即位于云南省楚雄彝族自治州元謀縣北部的RT甲線、RT乙線、YF直流線，針對3條輸電線路的分布和沿線的形變規律，選取40景升軌Sentinel-1A影像作為處理數據。區域中心坐標為101°46′E，25°50′N，影像覆蓋面積為1 000 km2，影像采集時間范圍為2018年11月3日至2020年5月8日。該組影像成像模式為IW模式，分辨率為5 m×12 m，采用VV+VH極化方式，數據的成像日期間隔12 d/景，數據覆蓋范圍如圖2所示。

圖2 Sentinel-1A影像覆蓋范圍

2.2 輸電線路周邊地質沉降分析

2.2.1 數據處理

對40景SAR影像干涉處理，得到的干涉對時空基線如圖3所示。由圖知，數據中未生成連續的干涉對，因此采用SBAS技術進行年平均形變速率反演。經InSAR技術處理得到的形變速率是沿雷達視線方向上的速率，為更加直觀地看到地面點在垂直方向上的變化情況，將數據平均形變速率投影到垂直地面方向，結果如圖4所示。數據結果表明，影像中大部分區域呈現出±40 mm/a的形變速率波動，形變速率為正的代表地表抬升，形變速率為負表示地表下沉形變。

圖3 40景Sentinel-1A數據時空基線

圖4 數據覆蓋范圍內年平均形變速率

2.2.2 基于桿塔線路的形變分析

數據范圍內存在3條不同的桿塔線路，分別為RT甲線、RT乙線和YF直流線，線路分布情況如圖4所示，RT甲線和RT乙線分布一致，為東西走向，YF直流線為南北走向。分別對3條線路進行沿線形變速率分析，結果如圖5所示。

圖5顯示，RT甲線、RT乙線和YF直流線3條線路上的點在形變速率上均存在不同程度的波動，其中，RT甲線的波動幅度較小，其波動范圍在±40 mm/a之間，最大抬升速率與最大下沉速率的差值最大為80 mm/a；RT乙線沿線上的形變速率極差最大，該線大部分點的形變速率波動范圍在±30 mm/a之間，沿線最大下沉速率點超過了-60 mm/a，最大抬升速率點大概為50 mm/a；YF直流線的波動幅度受到其線路上出現的沉降漏斗影響，形變速率極差達到了90 mm/a。數據結果顯示，RT甲線和RT乙線在沿線上沒有明顯的下沉量逐漸變大或變小的趨勢，YF直流線則呈現下沉速率逐漸變小的趨勢，綜上所述，RT甲線、RT乙線和YF直流線3條線路沿線地表狀態整體較為穩定。

3 重點桿塔區域形變分析

3條輸電線路桿塔沿線均呈現出較為穩定的波動，沉降速率大多不超過±40 mm/a。而圖5(b)、圖5(c)顯示，在RT乙線和YF直流線上存在明顯的沉降漏斗，為更好地了解每條線路上出現的形變異常點和區域內的時間序列形變情況，文中對RT乙線和YF直流線的部分區域重點分析。

3.1 RT乙線重點觀察區域

RT乙線桿塔沿線大部分形變點速率處于-40～40 mm/a之間，局部監測到“漏斗”式的形變速率變化段。根據圖5(b)知，漏斗靠近#84桿塔，因此對#83～#85桿塔線路進一步分析。將#83～#85桿塔線路視為剖面線，分析剖面線年平均形變速率變化情況，如圖6所示，剖面線上的形變速率變化情況如圖7所示，在#84桿塔東側出現明顯的沉降漏斗，最大下沉速率達到了-70 mm/a。#84處于沉降漏斗的邊緣，容易受到沉降漏斗面積逐漸擴大的的影響。

圖5 輸電線路沿線形變速率折線圖

圖6 RT乙線重點觀察區域干涉影像

圖7 RT乙線#83～#85形變速率

對#84桿塔和#85桿塔所在位置和沉降漏斗中心點(25°50′36″N，101°49′19.76″E)作為采樣點分別進行時序分析，結果如圖8所示，結果表明，#84桿塔形變速率為負，處于沉降趨勢，#85形變速率為正，為抬升趨勢。與沉降中心對比，漏斗中心下沉速率明顯，兩桿塔的形變速率則顯得平穩。2018年11月3日至2020年5月8日期間，漏斗中心累計下沉量達到了110 mm，且呈現繼續下沉的趨勢，下沉速率趨向于增大的狀態。

圖8 #84、#85桿塔及下沉中心時序形變分析圖

3.2 YF直流線重點觀察區域

圖5(c)顯示，沿桿塔線路由北(#51)至南(#70)距#51桿塔2.1～2.3 km范圍內形變速率驟降，該區域形變速率與周邊地區速率明顯不同。沉降漏斗區域位置如圖9所示，圖中顯示，下沉區域位于桿塔#55～#56之間，為西南-東北的走向，此外，在#55～#58桿塔間存在離散的下沉點。對形變區域進一部研究，分析形變情況，將#55～#58桿塔線路作為剖面線，如圖10所示。

圖9 YF直流線重點觀察區域干涉圖

圖10 YF直流線#55～#58形變速率

圖10顯示，4座桿塔之間存在3個明顯的沉降漏斗，其中，#55～#57之間的形變速率處于-15～-45 mm/a之間，兩線桿間形變采樣點最大與最小形變速率差值小于30 mm/a，最大下沉速率為-45 mm/a，兩桿塔之間的形變速率變化較小，下沉速率不大，故將#55～#57桿塔線路視為穩定變化的線路。#58桿塔位于沉降漏斗的邊緣部分，漏斗區域最大下沉速率大于-60 mm/a。

對#58桿塔和沉降漏斗中心(25°56′23.47″N，101°47′35.07°E)進行時間序列形變分析，兩點形變速率變化如圖11所示。2019年6月之前，兩點的形變趨勢及累計形變量未出現較大差異；自2019年6月起，#58桿塔開始趨于平穩，而下沉中心仍然在緩慢下沉，且截至2020年5月8日，該中心點仍存在下沉趨勢，考慮到逐漸下沉帶來的累計形變增大、形變差異的擴大，需將#58桿塔列為重點觀察對象，繼續觀察該桿塔的形變規律和周邊區域累計沉降量的變化。

圖11 YF直流線#58和下沉中心時間序列形變分析圖

3.3 區域形變分析

不同方向上累計形變差異會致使桿塔塔基在不同方向上出現形變，而隨著形變差異的不斷擴大，桿塔會出現傾斜、桿塔區域出現地面裂縫等影響桿塔穩定性及壽命的情況。出現形變嚴重的“沉降漏斗”時，漏斗范圍內及范圍外1 km區域內的桿塔均作為重點觀察的對象，以防范和應對地面下沉和抬升引起的裂縫、地面塌陷、地面沉降等不同程度的地質災害給桿塔帶來的影響。

4 結 論

為監測輸電桿塔沿線區域的地表形變，消除地質災害帶來的輸電安全隱患，確保輸電系統的正常運作，文中提出運用SBAS技術監測3條輸電桿塔沿線形變情況。將40景Sentinel-1A數據運用SBAS技術處理，得出數據覆蓋范圍內的3條桿塔線路在2018年11月至2020年5月期間的年平均形變速率和時間序列形變情況。RT甲線、RT乙線和YF直流線均呈現為穩定的形變規律，多在±40 mm/a之間，此外，YF直流線沿線的年平均形變速率呈現下沉速率逐漸減小的情況。

鑒于RT甲線波動幅度小的特點，僅在RT乙線以及YF直流線中挑選出重點分析區域進一步分析。結果表明，RT乙線上的#84和#85桿塔之間存在沉降漏斗，且#84 桿塔位于漏斗邊緣地區，易受到該漏斗的影響。在YF直流線沿線的#55～#58 線路上，存在大小程度不一的沉降漏斗，目前影響范圍較小，但形變速率為-70 mm/a，且靠近#58桿塔，因此#58號桿塔容易受到該沉降漏斗的影響。綜上，需對RT乙線#84桿塔和YF直流線#58桿塔加強監測，避免因地表形變引發桿塔形變隱患。

通過運用SBAS技術，有效地完成對3條線路輸電桿塔沿線的地表形變監測，并對監測結果進行分析，給出輸電桿塔在地表形變上的維護建議。下一步考慮擴大SBAS用于輸電桿塔沿線監測范圍，普及到其他各個輸電線路，降低維護成本，提高監測效率。