作品单位：兰州交通大学测绘与地理信息学院
小组成员：高秉海、包玉龙、周卫永、李鹏羽
指导教师：何毅、周亮
获奖情况：三等奖
作品点评：本作品使用ENVI/SARscape平台，应用时序InSAR及SBAS-InSAR技术对Sentinel-1A影像进行处理，获取时间序列形变速率图，提取龙首矿区地表沉降信息，分析矿区及其周围的沉降时空特征。并将SBAS监测结果与马尔科夫预测模型结合进行相关性验证，对开采区沉降进行长时间序列监测，为相关部门提供决策依据。
1. 作品概述
金昌市龙首矿区是我国典型的露天转地下的矿山之一，其采用的无底柱分段崩落采矿法对地质结构破坏性极大，自开采之初，就出现了严重的地面沉降与变形，一直影响着矿区的正常生产，建立沉降监测机制成为当务之急。在现有的传统监测方法仍具有较大局限性的情况下，本作品基于ENVI/SARscape平台，应用SBAS-InSAR技术对甘肃省金昌龙首矿区的Sentinel-1A影像进行处理，提取地表沉降信息，制作矿区时间序列形变速率图，并利用Markov model进行相关性验证，得到可靠数据，进行地面沉降预测，最后将符合要求的结果作为决策依据提交给相关部门，制定应对矿区沉降的策略，助力矿区的可持续发展。
图：研究区位置
2. 作品技术流程
作品技术路线包括预处理部分，SBAS处理以及基于马尔可夫模型的沉降预测三部分。
图：技术流程
3. 主要处理过程
3.1遥感数据源
选取sentinel-1A 128条带升轨数据，以及sentinel-1A 135条带降轨数据，由2019年06月14日—2020年03月28日共28景影像，用于长时段时序的形变分析。参考DEM数据选取30m分辨率SRTM。
表 1数据列表
图 2 数据获取区域
3.2数据预处理
对原始数据进行TOPSAR模式处理和裁剪，结果如下图所示。
图 3 裁剪后影像
3.3升轨数据SBAS处理
SBAS处理包括连接图生成、干涉处理、轨道精炼和重去平以及SBAS反演。
3.3.1生成连接图
为了进行干涉工作流处理以及之后的SBAS反演，要对输入的数据进行干涉像对配对。
图 7 时间位置图图 8 时间和空间基线图
3.3.2干涉处理
这一步对配对的干涉像对进行干涉处理，得到干涉图、适应滤波后干涉图、相干系数图以及相位解缠图，如下图所示。
|
|
|
|
|
|
图：干涉处理结果
3.3.3轨道精炼和重去平
这一步是估算和去除解缠后的相位图中依然存在的恒定相位和相位跃变，重去平后的结果就是SBAS反演第一步的输入数据。
图：轨道精炼后干涉图和轨道精炼后解缠图
3.3.4 SBAS反演
SBAS第一次反演估算形变速率和残余地形。这一步也会做二次解缠用来对输入的干涉图进行优化。SBAS第二次反演的核心是计算时间序列上的位移，在第一步得到的形变速率基础上，进行定制的大气滤波，从而估算和去除大气相位，得到更加纯净的时间序列上的最终位移结果。
图 23 第一第二次反演结果
对SBAS的结果进行地理编码得到升轨平均形变速率结果。
图 37 升轨平均速率专题图
3.4降轨数据SBAS处理
降轨数据处理在ENVI Modeler中构建工作流进行自动化处理。与上述升轨数据处理步骤大致相同，在ENVI Modeler中依次添加如下节点：
|
Task名称 |
功能 |
说明 |
|
SARscape SBAS Connection Graph |
生成连接图 |
该功能定义了SAR图像像对连接网，用于生成多个差分干涉图。 |
|
SARscape SBAS Interferometric Process |
干涉处理工作流 |
该功能按顺序自动执行下列处理1.干涉图生成，重去平2.自适应滤波和相干产生3.相位解缠。 |
|
SARscape SBAS Refinement and ReFlattening |
轨道精炼和重去平 |
此功能能够同时对所有像对执行轨道精炼和相位重去平处理。 |
|
SARscape Inversion Step1 |
SBAS 反演 step1 |
第一次估算形变速率和残余地形，同时二次解缠用来对输入的干涉图进行优化。 |
|
SARscape Inversion Step2 |
SBAS 反演 step2 |
在第一步得到的形变速率基础上，进行大气滤波，从而估算和去除大气相位，得到更加纯净的时间序列上的最终位移结果。 |
|
SARscape SBAS Geocoding |
地理编码 |
对SBAS的结果进行地理编码，同时可以将地表形变结果投影到用户自定义方向上。 |
图：降轨数据SBAS处理建模
图： 降轨平均速率专题图
最后对升降轨数据进行合并处理，生成研究区水平分量的形变速率文件和垂直分量的形变速率数据，如下图所示：
图：垂直和水平方向沉降速率图
3.6CA-MARCOV沉降预测模型
沉降模型预测首先需要重分类，之后获取马尔可夫矩阵，之后使用马尔可夫模型进行沉降预测，预测结果如下图所示：
图： 升降轨沉降速率预测
使用第8(2020.2.2)和第13(2020.3.28)景影像预测未来相同时间段的沉降速率情况，并对预测结果进行精度验证。通过对以上两组升降轨数据预测模型的精度检验（kappa系数分别为0.7413和0.7762），可以说明该预测模型具有足够的精度。
图： 升轨沉降预测结果（KAPPA系数: 0.7413）
图：降轨沉降预测结果（KAPPA系数: 0.7762）
4. 结果分析与结论
4.1空间域特征分析
由图中可以看出，矿区受采动影响空间上表现出整体的下沉趋势， 号、号矿井沉降量小，且空间差异性不大。相比之下号、号矿井的水平和垂直沉降值均较高，且存在较大空间差异性，其中号矿坑受岩土体节理裂隙发育情况的影响，东南部垂直沉降强度明显高于其他方位，而从水平沉降速率图来看，号、号矿井均呈现向东形变的趋势。
图：水平方向沉降速率图
图：垂直方向沉降速率图
在号，号和矿区绘制剖面线，分别得出在水平东西方向和垂直方向剖面形变结果，在四个矿区中，号和号矿坑东西方向和垂直方向沉降最为显著，其中号矿区变化最大。
图：水平方向剖面图
图：垂直方向剖面图
4.2时间域特征分析
选择第11、12、13号图像，分别在号号和号矿区对应的时间序列的速率图中选择三个具有代表性的兴趣点roi1,roi2,roi3，绘制出在监测时间段内的时间序列形变历史图，可以明显发现沉降速率均呈现加速变化趋势。
图：时间域特征分析
4.3结论
本作品基于ENVI/SARscape平台，应用SBAS-InSAR技术对龙首矿区Sentinel-1A影像进行处理，获取时间序列形变速率图，并利用经CA-Markov模型相关性验证后的可靠数据，进行地面沉降预测，在对以上处理结果进行分析后得出以下结论：
