基于ISBAS-InSAR的京雄城際鐵路建設期區域沉降監測及氣候因子相關性分析

李名語，李 政，姚京川，馮海龍，毛文飛，張 瑞,6

(1.西南交通大學 地球科學與環境工程學院，四川 成都 610031；2.河南測繪職業學院 測繪工程系，河南 鄭州 451464；3.雄安高速鐵路有限公司，河北 雄安 071800；4.鐵科檢測有限公司, 北京 100081；5.中國鐵道科學研究院集團有限公司 鐵道建筑研究所, 北京 100081；6.高速鐵路安全運營空間信息技術國家地方聯合工程實驗室，四川 成都 611756)

京津冀地區是我國集政治、經濟、文化一體化發展的核心區域，鐵路、公路交通網絡復雜，地上、地下工程建設頻繁。大量已有研究表明，受區域地質環境和人為因素影響，該區域地表不均勻沉降問題極為顯著，對各類建筑和交通基礎設施的安全運營構成了挑戰[1-4]。京雄城際鐵路是連接北京和雄安新區的高速客運專線，承載著重要的歷史使命，各項建設和運營標準均已達到國內領先水平。其中區域性地質環境及其引起的鐵路基礎設施差異性沉降，一直是工程監測的重點[5-6]。考慮到京津冀地區地表沉降的歷史背景，有必要對京雄沿線區域實施高精度、高時空分辨率的地表形變監測，全面掌握區域性沉降的現勢性分布及發展態勢，以確保軌道交通基礎設施的長期穩定安全運營。

對于大線路及周邊區域的高精度地表形變監測，傳統的大地測量途徑，如水準、全站儀、GNSS等，具有作業成本高、點位密度小的局限，難以滿足大尺度、全覆蓋的形變測量需求[7]。近年來新興的星載合成孔徑雷達干涉測量技術(Interferometric Synthetic Aperture Radar, InSAR)，具有全天候、監測范圍大、時空分辨率高、綜合成本低、自動化程度高等特點，極大地彌補了傳統技術手段的不足。借助對同一觀測區域的多期InSAR數據進行差分干涉處理，可高效提取高精度地表形變信息[8]，已受到各行業領域和工程部門的廣泛關注[9-12]。為進一步克服時空失相干、大氣效應等負面因素的制約，相關學者基于長時序SAR影像數據集開展了時域建模和系統誤差分離的理論研究[13-15]，相繼提出了永久散射體方法(Permanent Scatterer InSAR, PSInSARTM)、小基線集算法(Small Baseline Subsets InSAR, SBAS-InSAR)、干涉點目標分析方法(Interferometric Point Target Analysis, IPTA)、斯坦福算法(Stanford Method for Persistent Scatterers, StaMPS)等[15-18]，聚焦非人工地表區域干涉信息的精確提取，以及形變解算效率的提高。

國內大地測量學領域也較早開展了系統深入的研究，并在區域性地質災害監測、大型構筑物安全性監測等領域開展了行業示范應用[19-22]，特別在鐵路工程與地災風險排查與安全性監測方面，取得了諸多矚目的進展。如Luo等[23]利用PSI方法對覆蓋天津的TerraSAR影像進行了時序處理，得到了鐵路沿線的沉降監測結果。賈洪果等[24]利用超短基線PSI方法，對天津市西青區西青道和京滬高速鐵路局部路段的地表沉降進行了監測分析，且對比水準數據驗證了監測結果的可靠性。劉歡歡等[25]使用PSI技術對京津城際高鐵北京段的地面沉降進行了監測，并根據監測結果對沉降區域進行了等級劃分。李廣宇等[26]采用時序差分干涉方法，完成了2015—2016年京津地區的時序沉降監測，并針對北京東、天津西等典型地區，同時結合水準數據、地下水數據等分析了沉降原因。楊斌等[27]利用TS-InSAR技術獲取了2015—2018年間京津冀地區的地表沉降場，并根據人類活動相關資料探討了區域性地表沉降的年際變化及發展情況。總的來看，京津冀區域的地表沉降一直是本領域的研究熱點，但2018年以來京雄城際鐵路建設期間的現勢性監測結果鮮有報道，且針對線路周邊沉降的歸因性分析仍不充分，側重于高速鐵路基礎設施的針對性研究還有待進一步深入。

前期研究結果表明，基于大量SAR影像的長時間跨度時序形變的計算和分析，由于其復雜的時空干涉網絡和高密度的相干點分布，會對長期連續干涉測量的計算速度與可靠性造成負面影響。針對京雄城際鐵路在建設期內長時間序列、大覆蓋范圍、高解算效率的地面形變監測需求，本文提出采用ISBAS-InSAR方法[28]提取地表形變信息；選取歐空局Sentinel-1A/B星載SAR系統于2016年5月—2020年3月期間獲取的影像集作為數據源，提取分析地表沉降時間序列；利用氣象站同期實測獲取的降雨、相對濕度、氣溫等典型氣候因子的觀測數據進行相關性分析，旨在進一步揭示各沉降漏斗區域的發展演化態勢，為交通基礎設施沿線的安全性監測與治理提供有力的數據支撐。

1 研究區域與數據

1.1 研究區域

京雄城際鐵路北起李營站，向南途經北京大興區、北京大興國際機場、河北廊坊市、固安縣、霸州市，終至河北雄縣，全線正線線路92.785 km。本文研究區域及Sentinel-1A/B影像覆蓋范圍見圖1，其中紅色矩形框部分為京雄城際鐵路北京大興區—雄縣段沿線區域，覆蓋面積約為3 547 km2。從地理位置來看，該區域位于我國三大平原之一的華北平原內，屬溫帶半濕潤氣候，四季分明，年平均降水量約為500～600 mm，蒸散在6—9月達到峰值。從地勢上看，該區域整體地勢由西北向東南傾斜，平均海拔低于100 m，內有泃河、永定河、潮白河等河流攜帶的大量泥沙礫石，沙石大量沉積形成了典型的山前洪積沖積平原地貌。在地層結構方面，該區域地下軟土層分布較多，軟土層具有含水率高，孔隙率大，低滲透性和高壓縮性的特征[29]，當地下水長期處于超采狀態時，軟土層極易受到影響而發生固結壓縮，進而引發地面沉降。在經濟地位方面，該區域為我國“首都經濟圈”的核心區域，城鎮化程度高，人口密度大，高層建筑荷載、基坑降排水、地熱開采等人為活動是引起地面沉降的重要因素[30]。

圖1 研究區域及Sentinel-1A/B影像覆蓋范圍

1.2 研究數據

本文選取歐空局Sentinel-1A/B衛星獲取的C波段SAR影像作為監測數據。該數據具有VV/VH兩種極化方式，重訪周期為12 d，距離向和方位向的空間分辨率約為2.3 m × 14 m，干涉寬幅模式影像覆蓋范圍為180 km × 250 km，可免費獲取[31]。本文共選取100景影像作為監測數據，其中包括2016年5—9月期間的9景降軌Sentinel-1A影像，以及2016年10月—2020年3月期間的91景降軌Sentinel-1B影像。Sentinel-1A/B數據見表1。

表1 Sentinel-1A/B數據

此外，為了校正軌道誤差以及地形相位，獲取了與SAR影像對應的精軌數據(Precision Orbit Data, POD)用于修正軌道參數，以及日本宇宙航空局2015年5月公布的30 m空間分辨率的AW3D30數字地表模型(DSM)數據作為差分干涉處理的外部參考數據。

2 ISBAS-InSAR方法

經典SBAS-InSAR方法由Berardino等于2002提出，其主要思想是通過設置時空基線閾值將干涉圖集劃分為若干子集，在集合內選取高相干性的干涉對，采用最小二乘方法求解。考慮到系數矩陣的秩虧問題，Berardino等又提出利用奇異值分解求解時序形變信息。SBAS方法能夠有效削弱傳統差分干涉中的失相干誤差和大氣延遲的影響，同時克服了永久散射體方法單一主影像導致的部分干涉圖相干性較低的缺點。然而，常規的SBAS-InSAR方法采用了多主影像基于短時空基線構建干涉網絡，干涉對數量的豐富勢必增加了數據解算的時間，尤其對于長時間序列、高密度干涉網的監測需求，低解算效率將顯著影響最終的形變監測結果。針對上述局限，Zhang等[28]提出將所有干涉圖集限定在一個干涉網絡中，利用加權最小二乘估計，即網絡反演方法求解時序形變，具有較高的可靠性。面向大區域工程應用的需求，采用全連接干涉網絡能夠更充分利用所有干涉圖，實現對于低相干區域的最優相位估計，具有明顯優勢，但相比之下計算效率則更低。鑒于此本文提出針對全連接干涉網絡的ISBAS-InSAR方法，對于具有改進軌道控制和短重訪周期的Sentinel-1衛星影像，所有干涉對在時間域上是連續的，干涉圖網絡可實現完全連接，從而將網絡反演方法簡化為超定方程組的無偏加權最小二乘估計，進一步提高計算效率。此外，本文還引入了多種有效的誤差校正模型，對大氣誤差、解纏誤差等系統誤差分量進行精化改正處理。

2.1 時序干涉算法模型

對于N+1景覆蓋同一區域的具有相同成像幾何特征的SAR影像，設定影像對間的相關系數和短時空基線閾值組合后生成的M幅干涉圖滿足

(1)

對于第i(i=1, 2,…,M)幅干涉圖中方位向和距離向坐標分別為x和r的像素點，其干涉相位中包含的各相位貢獻分量?φi(x,r)為

(2)

式中：tA、tB為SAR影像的獲取時間；φdef為LOS向形變相位；φtopo為地形起伏的相位貢獻，可借助外部DEM數據去除；φflat為平地相位，可利用軌道數據模擬并去除；φatm為大氣延遲誤差；φnoise為噪聲誤差。

SBAS-InSAR方法主要通過逐像元計算來獲取形變時間序列，解算模型可構建為

?φ=Aφ+?φε

(3)

(4)

對于每個像素，反演得到的相位可以通過計算時間相干性γtemp進行評估[32]為

(5)

(6)

(7)

式中：λ為雷達波長；c為未知常數。

2.2 時序干涉處理流程

時序干涉計算所涉及的誤差主要來自數據質量(軌道誤差、相干性質量等)、大氣誤差相位和相位解纏引入的誤差，而方法的關鍵則是要選取合適的時空基線閾值以減輕失相干的影響[32]。Zhang等[28]在已有研究的基礎上重點提高了SBAS-InSAR技術的計算效率，并集成了各類誤差校正模型，如相位解纏誤差、大氣誤差等。本文選擇GAMMA作為SAR影像預處理軟件，并采用開源算法平臺MintPy開展后續的時序干涉處理，整體流程如下：

(1)影像配準與干涉預處理

Step1對Sentinel-1單視復數數據進行聚焦，同時利用外部精密軌道數據完成軌道校正。

Step2選定主影像，并利用外部DEM數據完成地理編碼，生成雷達坐標系下模擬的DEM，以及雷達坐標系與地理坐標系的對應關系列表，稱之為查詢列表。

Step3利用模擬的DEM，基于光譜差異和強度匹配算法生成主影像和從影像間的查詢列表并計算偏移量，然后將從影像重采樣至主影像幾何空間下；檢查配準精度及生成的差分干涉圖是否存在相位跳變，如果存在異常，則進行迭代配準，直至方位向偏移量小于0.001像素，且不存在明顯相位跳變。

Step4裁剪研究區域，并對裁剪后的干涉圖進行相位解纏。相位解纏使用最小費用流技術進行，最后輸出解纏后的干涉圖集。

預處理流程見圖2。

圖2 預處理流程

(2)ISBAS時序干涉精化處理

Step1設定時間基線閾值為108 d，空間基線為80 m，構成包含435對干涉對的基線網，見圖3。

圖3 時空基線網

Step2設定空間相干性閾值為0.25，時間相干性閾值為0.5，以篩選相干點目標。選定的相干目標需要盡可能分布在相干區域內，以最大程度減少空間域相干大氣延遲誤差的影響。此外，本文提出的ISBAS方法通過在單個干涉對中采用空間域相干性掩膜以去除低相干觀測點，并在長時域選取滿足一定閾值的高相干性干涉對，進行最小二乘構網平差，以提高參與解算的干涉對整體質量。

Step3在時間域上采用時間域相干性優選方法，最終提取得到高質量的形變監測點。為了扣除干涉圖中大氣的影響，ERA-5數據作為外部氣象模型的輸入來校正對流層延遲誤差[33-34]。而對于殘余對流層、電離層延遲誤差及軌道誤差引起相位斜坡，以及由DEM誤差引入的地形誤差，則在對流層延遲校正后，利用多項式進行建模校正。然而，殘余誤差相位僅利用多項式建模并不能完全校正，而通過計算均方根誤差RMSE及絕對離差中位數MAD可對其識別并移除。

Step4在所有誤差剔除后，通過反演可得到研究區域內LOS向的年平均形變速率，即形變時間序列最佳擬合線的斜率值。將該速率轉成垂直向，則可得到垂向形變的年平均速率。

時序干涉處理流程見圖4。

圖4 時序干涉處理流程

3 區域沉降時空分布與線路緩沖區分析

按照上文的方法及處理流程，獲得研究區地表形變速率場，見圖5。圖5中，由北至南車站依次為：李營站、北京大興站、大興機場站、固安東站、霸州東站、雄安站。選定地表穩定的點作為形變解算參考點，本研究的參考點位于(116.862 097 °E, 39.693 289 °N)(圖5中右上角黑色圓形)。從形變場的總體分布來看，研究區域內存在5個明顯的沉降漏斗區，其中A區域(大興機場站—永定河岸)和B區域(霸州北站—雄安站之間)的沉降漏斗分布于鐵路沿線或附近，可能對鐵路的運營安全帶來潛在威脅，而距線路較遠的C區域(北京通州區西北)、D區域(廊坊市)和E區域(霸州市以東)存在另外3個沉降漏斗區。考慮到A、B區域覆蓋了京雄城際鐵路線路兩側，對線路建設和后續運營有較大的影響，故分別針對這2個區域內的地表形變空間分布及累計形變的時序曲線進行深入研究；而C、D、E區域距離鐵路沿線較遠，對鐵路運營安全的威脅較小，本文不再做拓展分析。

圖5 研究區域地表形變速率場

3.1 鐵路沿線典型區域性地表沉降分析

區域A形變速率與遙感影像見圖6。如圖6(b)所示，大興機場站—永定河岸不均勻沉降區的沉降漏斗主要分布于大興區禮賢鎮、榆垡鎮和固安縣城。為了分析該區域的沉降特征，選取形變速率最大的典型沉降點a、b、c，并提取2016年5月—2020年3月間的累積形變量，見圖7。由圖7可見，3個沉降點的累積形變量總體呈線性趨勢，累積形變量分別達到-268、-168、-241 mm，對應的年形變速率分別約為70、55、65 mm/a。在某些季節，如每年的6—9月間，該區域的地表沉降存在較為明顯的波動，可初步判斷與區域地質構造和雨季的降雨補給相關。

圖6 區域A形變速率與遙感影像

圖7 區域A內沉降點累積形變量

為進一步探究區域A中沉降漏斗形成的原因，同樣提取2019年9月3日的MAXAR衛星9.6 m分辨率Vivid拼接光學影像(見圖6(a)、圖6(c)、圖6(d))與形變速率圖進行對比，發現禮賢鎮以南和榆垡鎮以東的大興國際機場附近存在多處不均勻沉降，在建筑區、施工區等機場周邊區域多有分布，但機場區域總體上相對穩定。通過與光學影像對比發現(見圖6(d))，機場周邊主要分布有大量居民區及種植區，周邊的地表下沉主要與人類活動有關。此外，機場以北出現自西北向東南的長條帶沉降區域(見圖6(a)、圖6(b)中白色虛線所示)，通過光學影像發現，該區域是永定河的河道，河道附近人類種植活動頻繁。同時，永定河流域中下游洼淀較多、水流條件復雜[35]，已出現河道淤積、改道等問題，河道的自然變化和人工改造活動也是地表沉降的相關因素之一。值得一提的是，A區域中不均勻沉降的峰值點出現在安定鎮內(見圖6(c)中紅色圓圈標識區域)，其形變速率遠超周邊區域，達到110.70 mm/a。經調查，該沉降峰值及周邊的沉降漏斗位于一個垃圾填埋場(見圖6(c))，填埋坑的開挖與堆積使得該處的地表形變信號異常顯著，這也從側面體現了InSAR技術空間全覆蓋的技術特點，和對地表形變極為敏感的優勢。總體上，禮賢鎮以西以及榆垡鎮與固安縣之間的永定河區域存在較為典型的不均勻沉降，可能對鐵路的安全運營和維護構成威脅，應予持續關注。

區域B地面形變速率場與沉降點累積形變量見圖8。由圖8(a)不難判斷，線路西北側近30 km的帶狀區域下沉極為顯著，且嚴重程度明顯高于其他沉降漏斗區。其中，帶狀區域內形變速率超過60 mm/a的區域面積超過190 km2，整體沿西南至東北走向，分布于鐵路西北，且向周邊擴展的趨勢較為明顯。目前，京雄城際鐵路受波及程度尚不嚴重，但長期累積的影響亦不容忽視。在B區域選取固安以南、馬莊鎮與北沙口鄉之間、大營與北沙口鄉之間3 個典型沉降點d、e、f(見圖8(a))，分別提取累積形變量，見圖8(b)。由圖8(b)不難看出，d、e、f三點在2016年5月—2020年3月間的累積形變量分別達到了-271、-310、-380 mm，對應的形變速率分別超過了73、90、100 mm/a。在地表沉降量的年際變化規律方面，每年的6—9月之間亦存在較大波動。根據張永紅等[36]的研究結果，雄縣在2012—2016年間大部分地區的形變速率在40 mm/a以內，而雄縣大營鎮、北沙口鄉一帶的地面沉降從2013年初開始逐步加劇，形變速率和范圍都在不斷增大，至2016年底累積沉降量達到最大，這與本文監測結果基本吻合。而不同的是，本文采用了監測時間跨度為2016—2020年的現勢性數據和ISBAS-InSAR時序干涉測量技術手段，相較于以往的時序InSAR手段，ISBAS-InSAR方法采用全連接干涉網絡，大量Sentinel-1時序干涉網絡可實現完全連接，并通過超定方程組的無偏加權最小二乘估計進行網絡反演計算，在有效提升長時序干涉測量精度的基礎上，實現了計算效率的顯著提升。此外，本文將該區域的長時序InSAR地表形變監測數據拓展至2020年3月，對于鐵路工程的后續運營安全維護具有良好的現勢性和指導意義。最后，本文的監測結果進一步證實了該區域的不均勻地表沉降仍處于持續發展的過程中。

圖8 區域B地面形變速率場與沉降點累積形變量

針對地處南部的B區域顯著性地表沉降，結合地質背景分析發現，雄縣總體位于渤海灣盆地冀中坳陷內，區內主要包含有牛駝鎮凸起、容城凸起、高陽低凸起等次級構造單元[37]。同時區域B位于牛駝鎮地熱田內，該處的地熱田是華北地區地熱資源最具開發利用價值的地熱田，且雄縣境內60%以上的區域地下儲藏有地熱水，固安縣礦泉水資源豐富，廣布在境內地下300～800 m處，資源埋藏淺、溫度高、開采量大。總的來看，地下水采伐應為該區域產生持續沉降的主要原因。

3.2 鐵路沿線緩沖區沉降分析

為面向京雄客運專線開展有針對性的應用分析、探究線路及周邊沉降漏斗的分布，本文提取鐵路沿線兩側4 km的緩沖區形變速率(見圖9(a))和路基縱剖面形變速率(見圖9(b))，其中路基縱剖面形變速率為對時序InSAR形變速率結果沿鐵路中線逐像素提取、繪制而成。

圖9 鐵路沿線緩沖區及剖面形變速率

由圖9可見，鐵路沿線的沉降漏斗主要集中在大興機場站附近，以及霸州北站與雄安站之間，分別對應圖9(b)中約13～38 km路段及68 km以后路段，年形變速率約在20～60 mm。而在其他區域，形變量級較小，基本穩定在15 mm/a以內。大量針對Sentinel-1衛星時序干涉測量的應用研究表明，時序InSAR的地表沉降監測技術可達到二、三等水準測量的精度水平[38]。不過，本文時序監測的時間跨度覆蓋京雄客運專線建設期，現場的施工作業和土方填埋等都將對監測結果精度造成負面影響。此外，從鐵路沿線的形變速率剖面可以看出，局部數值波動極大，這主要是受2018—2020年期間鐵路建設施工的影響。

為進一步探究鐵路沿線主要沉降漏斗的沉降規律，本文沿鐵路線在典型沉降漏斗區域選取6個特征點R1～R6(圖9(a)中白色×處)提取其在2016年5月—2020年3月間的累積形變量，見圖10。由圖10可見，總的來看這6個點的沉降趨勢基本一致；位于小里程段的R1處于地表沉降較為緩慢的區域，但近4年間的累積形變量仍約達-120 mm；R2、R3、R4處沉降漏斗的年形變速率在40～60 mm之間，近4年的累積形變量分別約為-172、-163、-226 mm；R5、R6點位于霸州北站—雄安站路段內，該區域形變速率較快，年形變速率最大超過65 mm，近4年的累積形變量分別約為-205、-210 mm。此外，在2018年7月—2019年3月之間，R2、R4、R5、R6的形變速率明顯高于R1和R3；在2019年6月以后，R3、R4、R5、R6的形變速率顯著增加，其中R3與R2基本相當，而R4、R5、R6基本一致。另外，這6個點的沉降波動性與區域A中a—d點的波動起伏規律相似，主要原因應歸于地質構造、降雨補給與地下水采伐。

圖10 鐵路沿線沉降點累積形變量

4 氣候因子相關性分析

上文已有述及，本研究區內各沉降漏斗及特征點除形變速率存在差異外，其累積沉降的多年演化規律基本一致，尤其在每年的6—9月間存在明顯的非線性波動。考慮到這個時間段與雨季有所重合，為探討其與氣候環境因子的相關性，獲取了氣象站(圖5中黑色方塊)的同期觀測數據，包括降雨(見圖11(c))、平均相對濕度(見圖11(d))、平均氣溫(見圖11(e))等，并進一步聯合氣象站空間位置相同的InSAR累積形變量時間序列(見圖11(a))進行關聯分析。為凸顯外部環境因素與累積形變波動性間的關系，首先對累積形變量的時間序列進行二階曲線趨勢去除，得到去除趨勢后的累積形變，見圖11(b)。

圖11 累積形變與氣候因素時間序列

由圖11(b)～圖11(e)可見，降雨量、相對濕度以及氣溫的波動時間段(每年6—9月間，即圖中紅色虛線)與去趨勢后的累積形變量基本一致，表明區域性沉降與降雨量、相對濕度、氣溫的關系較為密切。隨后，本文分別計算了2016—2019年每年6—9月間累積形變量與降雨量、平均相對濕度、平均氣溫的相關系數，結果見表2。由表2可見，降雨因素與地表累計沉降的相關性最強，除2016年因降雨較少未得出相關系數外，其余每年降雨量與累積形變的相關系數基本穩定在-0.55左右，兩者間存在穩定的負相關關系；而平均相對濕度和平均氣溫與累積形變量之間的關系并不固定。

表2 累積形變與氣候因素相關系數

在此基礎上，本文再次獲取2016年5月—2020年3月間氣象站測得的降雨量月均值S，并同時對累積形變量的月均值P進行計算，之后對時間序列進行經典加性模型分解，得到趨勢項、季節項、殘差項3個子項的時間序列，見圖12。由圖12可見，總的來看，區域性累積沉降呈現顯著線性下沉趨勢，而降雨量具有較為典型的單峰結構和年循環特征。結合趨勢項分析，累積沉降逐年加劇，而降雨量則具有持續下降的趨勢特征。其中，2016—2017年間累積沉降幅度明顯，而在2018年1月后沉降則逐漸趨于穩定；與之對比，降雨量的減少趨勢則經歷了先緩后急的變化過程。從季節項來看，區域性累積沉降與降雨量均存在極強的重復性季節波動，同時，二者的波動持續時間與波動幅度高度吻合。綜上所述，累積沉降與降雨量在整體趨勢上高度一致，降雨量的季節性變動對形變速率的影響極為顯著。這一結果從側面證實，地下水的補給對減緩和治理沉降有較為積極的作用。

圖12 累積形變、降雨的月均值時間序列分解

5 結論

針對長時間序列下干涉網絡的高復雜度、相干點的高密度等引起的低解算效率問題，本文基于ISBAS時序InSAR監測方法，借助Sentinel-1A/B星載SAR影像數據集，獲取了京雄城際鐵路沿線及周邊區域2016年5月—2020年3月間的地面沉降時序監測結果，揭示了鐵路沿線沉降漏斗的空間分布以及時序演化規律；同時結合光學影像對比分析和地質背景資料，對沉降漏斗的形成原因進行了歸因性分析；最后結合降雨量等典型氣候因素對累積形變量進行了相關性分析，進一步探究了降雨補給對區域性地表沉降的影響與作用規律。得出以下結論：

(1)大區域時序干涉測量結果表明，該研究區內的沉降漏斗主要分布在北京的大興區和通州區，以及固安縣、雄縣、廊坊市和霸州市內。通過分析位于京雄城際鐵路沿線及附近的不均勻沉降區A(大興機場站—永定河岸)和顯著沉降漏斗區B(霸州北站—雄安站之間)的沉降演變情況得出，在區域A的禮賢鎮、榆垡鎮和固安縣城內，形變速率超過70 mm/a，沉降漏斗主要分布在大興機場周邊的居民地及沿永定河河道的條帶狀區域，人類活動及河道變遷可視作A區域內發生沉降的主要成因；沉降漏斗區B位于京雄城際鐵路的西北，沿西南至東北走向且呈帶狀分布，最大形變速率超過100 mm/a，形變速率的加劇與沉降范圍的擴張趨勢明顯，結合已有研究資料判定，地面沉降的發生主要與雄縣及固安縣境內地熱及礦泉水采伐有關。

(2)針對京雄城際鐵路提取總剖面圖并建立4 km緩沖區開展分析表明，13～38 km路段及大里程68 km之后路段，在建設期已表現出較為顯著的區域性沉降趨勢，最大形變速率超過60 mm/a，有必要在后續的運營期持續關注。

(3)進一步結合氣象站實測獲取的降雨等同期數據開展相關性分析表明，京雄城際鐵路沿線4年間的整體沉降趨勢較為穩定，但每年6—9月間降水與地表沉降的波動特征高度吻合、負相關性顯著，表明地下水的補給對減緩和治理區域性沉降有較為積極的作用。

本文相關研究數據旨在全面反映京雄城際鐵路周邊的不穩定沉降漏斗及其發展演化態勢，為京雄城際鐵路的安全運營和科學維護提供支撐。