楊 斌，劉國(guó)祥，姚京川，李 政，馮海龍，毛文飛，張 瑞，吳明杰

(1.中國(guó)國(guó)家鐵路集團(tuán)有限公司 工程管理中心，北京 100844； 2.西南交通大學(xué) 地球科學(xué)與環(huán)境工程學(xué)院，四川 成都 610031； 3.中國(guó)鐵道科學(xué)研究院集團(tuán)有限公司 鐵道建筑研究所，北京 100081； 4.雄安高速鐵路有限公司，河北 雄安 071800)

地表沉降是自然或人類活動(dòng)引起的一種具有緩變性、不均勻及不可逆性的地質(zhì)災(zāi)害[1-2]。長(zhǎng)期以來(lái)，因我國(guó)北方干旱少雨持續(xù)超采地下水，致使多地存在顯著的不均勻地表沉降。隨著時(shí)間的累積，已對(duì)鐵路基礎(chǔ)設(shè)施結(jié)構(gòu)穩(wěn)定性及軌道平整性等造成嚴(yán)重影響[1-3]。據(jù)統(tǒng)計(jì)，截至2009年，我國(guó)有8萬(wàn)km2的地區(qū)累計(jì)沉降量超過(guò)200 mm，包括多個(gè)知名城市及周邊區(qū)域。因此，及時(shí)把握區(qū)域性沉降的空間分布、及時(shí)探明其發(fā)展趨勢(shì)與演化態(tài)勢(shì)，對(duì)于保障重大交通基礎(chǔ)設(shè)施安全運(yùn)營(yíng)和制定相關(guān)管控政策，均具有重要的參考價(jià)值和意義。

在地表沉降的監(jiān)測(cè)領(lǐng)域，基于時(shí)域建模分析的合成孔徑雷達(dá)時(shí)序干涉(TS-InSAR)技術(shù)克服了時(shí)空失相干、軌道和地形累積誤差、相位解纏誤差以及大氣延遲誤差等負(fù)面因素[4-11]，能夠準(zhǔn)確地提取長(zhǎng)時(shí)間尺度上的地表形變信息，現(xiàn)已廣泛運(yùn)用于各種地災(zāi)調(diào)查、凍土監(jiān)測(cè)[12]及地表沉降監(jiān)測(cè)等。其中，在算法上最有代表性的技術(shù)方法包括Ferretti等于2000年前后提出的永久散射體雷達(dá)干涉(Permanent Scatterers InSAR, 即PSInSAR)[13-16]，Berardino等[16-17]提出的小基線集(Small Baseline Subsets, SBAS)差分雷達(dá)干涉方法，以及Hooper等[18]充分考慮地物的穩(wěn)定性并利用三維解纏法有效消除干涉相位模糊度提出的基于后驗(yàn)估計(jì)的PSI方法[19-21]。而側(cè)重于干涉點(diǎn)目標(biāo)分析的技術(shù)方法，則主要包括Werner等[22-23]提出的IPTA算法、Zhang等[24]提出的時(shí)域相干點(diǎn)目標(biāo)分析(TCP-InSAR)等，這些方法均可統(tǒng)稱為PSI方法[25]。需要注意的是，PSI方法在進(jìn)行PS點(diǎn)探測(cè)時(shí)，振幅離差指數(shù)(Amplitude Dispersion Index, ADI)小于0.25的像元方可認(rèn)為對(duì)應(yīng)于PS點(diǎn)目標(biāo)，且該方法至少需要30景以上 SAR 影像進(jìn)行PS探測(cè)以及形變建模和提取。

為了探究京津冀地區(qū)的不均勻沉降對(duì)高速鐵路的影響，本文選取2015年11月至2018年3月間覆蓋研究區(qū)域的51景C波段SAR影像，對(duì)影像進(jìn)行精密配準(zhǔn)后[1]，利用干涉點(diǎn)目標(biāo)時(shí)序分析方法提取該區(qū)域的沉降信息，并結(jié)合該區(qū)域人類活動(dòng)信息和水文地質(zhì)資料等對(duì)高鐵沿線的沉降漏斗進(jìn)行演化態(tài)勢(shì)分析，為該區(qū)域鐵路安全運(yùn)營(yíng)及維護(hù)等提供數(shù)據(jù)支撐。

1 地表形變信息提取方法

1.1 干涉點(diǎn)目標(biāo)時(shí)序建模原理

PSI技術(shù)以某一影像為主影像，將其他多幅影像配準(zhǔn)到該主影像上，并經(jīng)重采樣處理，運(yùn)用統(tǒng)計(jì)分析的方法獲取時(shí)序的影像強(qiáng)度和相位信息，并識(shí)別出不受時(shí)空基線和大氣延遲影響的點(diǎn)目標(biāo)，其主要提取后向散射特性穩(wěn)定的相干目標(biāo)，對(duì)這些相干目標(biāo)進(jìn)行干涉處理，在處理過(guò)程中將差分干涉相位φdiff分解為[1]

φdiff=φl(shuí)+φtopo+φres

(1)

其中，φres=φbaseline+φatm+φnoise+φnl

式中：φl(shuí)為線性形變差分干涉相位；φtopo為外部DEM引入的地形誤差相位；φres為殘余相位；φbaseline為基線誤差造成的殘余相位；φatm為大氣引起的相位；φnoise為噪聲引起的相位；φnl為非線性引起的相位。

干涉點(diǎn)目標(biāo)時(shí)序分析方法以差分干涉相位φdiff為因變量，高程改正Δhe和線性形變速率Δv為自變量建立相位函數(shù)模型，殘余相位為常量建立的相位回歸分析模型[1]為

φdiff=aΔvT+bΔhe+φres

(2)

式中：T為時(shí)間基線；B為空間垂直基線；λ，R和θ分別為雷達(dá)波長(zhǎng)、雷達(dá)至地面的斜距和入射角。

利用式(2)在時(shí)空域進(jìn)行回歸分析，首先解算出Δhe和Δv，然后更新差分干涉相位，去除殘余相位，接著進(jìn)行迭代回歸分析，最終得到與點(diǎn)目標(biāo)觀測(cè)值最佳擬合的形變速率和沉降值。

1.2 干涉點(diǎn)目標(biāo)時(shí)序處理方法

干涉點(diǎn)目標(biāo)時(shí)序分析方法主要步驟包括：

(1) 獲取N(N≥30)幅SAR影像數(shù)據(jù)[9]，裁剪出研究區(qū)域，選取其中1幅為主影像，將其他影像與主影像進(jìn)行精密配準(zhǔn)；

(2) 生成N-1幅干涉圖，經(jīng)過(guò)去除地形相位和參考橢球相位等處理，生成差分干涉圖；

(3) 選取振幅離差指數(shù)(ADI)閾值，選出高振幅的像素作為PS候選點(diǎn)，但考慮到大氣相位(Atmospheric Phase Screen, APS)對(duì)形變速率和高程誤差估算模型的影響，選點(diǎn)后，需要估算形變速率、高程誤差以及APS[10]；

(4) 根據(jù)Ferretti等提出的二維周期圖(Two Dimensions Periodogram, TDP)[11]解算方法，獲取每個(gè)點(diǎn)的線性形變速率和高程誤差；

(5) 對(duì)殘余相位時(shí)空濾波，分離出大氣相位、非線性形變和噪聲相位(忽略不計(jì))，最終得到研究區(qū)域內(nèi)PS點(diǎn)的形變速率和高程信息。

1.2.1 PS點(diǎn)探測(cè)

振幅離差指數(shù)PS點(diǎn)選取是Ferretti等[10]提出，其主要是利用PS點(diǎn)的強(qiáng)反射特性，挑選出高振幅值的像素作為PS的候選點(diǎn)，而劉國(guó)祥等[26]通過(guò)對(duì)PS散射特性的穩(wěn)定性進(jìn)行分析，提出利用振幅離差指數(shù)閾值從PS候選點(diǎn)中進(jìn)一步精選出PS。本文利用后者提出的方法進(jìn)行PS點(diǎn)選取，其選取條件為

(3)

式(3)中第1個(gè)公式確定相干性，第2個(gè)公式確定的是穩(wěn)定性。

1.2.2 時(shí)序建模及線性參數(shù)求解

永久散射體時(shí)序差分雷達(dá)干涉(PSI)是一種單一主影像的時(shí)序InSAR技術(shù)，利用1.2.1節(jié)中的方法進(jìn)行PS點(diǎn)選取，借助外部DEM生成PS點(diǎn)在時(shí)間維度上的差分干涉相位。差分相位包括形變相位、大氣延遲相位、高程誤差及隨機(jī)噪聲，具體可表達(dá)為

φdiff=φref+φtopo+φdef+φatm+φnoise

(4)

式中：φref為參考橢球相位；φtopo為地形相位；φdef為真實(shí)形變相位。

為了克服大氣延遲等影響，PSI技術(shù)采用鄰域差分建模方法。相鄰2個(gè)PS點(diǎn)在第i幅干涉圖中的相位差Δφdiff,i可表示為

(5)

式中：Bi和Ti分別為第i幅干涉對(duì)的空間垂直基線和時(shí)間基線；(xl,yl)和(xp,yp)分別為第i幅干涉圖中點(diǎn)l和點(diǎn)p的位置坐標(biāo)； Δε(xl,yl;xp,yp)， Δφres，i(xl,yl;xp,yp;Ti)和Δv(xl,yl;xp,yp)分別為第i幅干涉圖中點(diǎn)l和點(diǎn)p的高程誤差、殘留相位增量和LOS向的形變速率增量。

利用Ferretti等[11]提出的二位周期圖解算方法，在|Δφres，i|<π的條件下，可基于多個(gè)纏繞的基線增量，通過(guò)使目標(biāo)函數(shù)最大化，即式(6)，并搜索估計(jì)出二維解空間最優(yōu)的Δε和Δv。

(6)

式中：γ為基線模型相干系數(shù)；Δωi為觀測(cè)值與擬合值之差。

1.2.3 非線性形變及大氣延遲相位

在差分干涉相位中，除了形變速率和高程誤差外，還有非線性形變相位，大氣延遲相位和噪聲相位，即殘留相位φres，i為

φres，i=φnl，i+φatm，i+φnoise，i

(7)

式中：φnl，i為第i幅干涉圖的非線性形變相位；φatm，i為第i幅干涉圖的大氣延遲相位；φnoise，i為第i幅干涉圖的噪聲。

由于各幅干涉圖相位的殘留相位在時(shí)空域的特性不同，因此可對(duì)以上幾個(gè)相位進(jìn)行分離。利用空間低通濾波消除干涉失相關(guān)和其他隨機(jī)相位分量，然后在時(shí)間域?yàn)V波，便可以通過(guò)時(shí)序變化趨勢(shì)識(shí)別對(duì)應(yīng)的非線性形變相位。得到的真實(shí)形變相位φdef為

φdef=φl(shuí)+φnl

(8)

2 研究區(qū)域及試驗(yàn)數(shù)據(jù)

2.1 研究區(qū)域概況

研究區(qū)域?yàn)榫┙蚣降貐^(qū)，主要包含雄安縣、霸州市、廊坊市、北京以及部分縣鎮(zhèn)等，面積約為1.5萬(wàn)(km)2。該研究區(qū)域是京津冀一體化的核心區(qū)域，人口密度較大，經(jīng)濟(jì)開發(fā)區(qū)眾多，交通基礎(chǔ)設(shè)施較多且路網(wǎng)復(fù)雜。區(qū)域內(nèi)大部分地區(qū)地下水開采處于超采狀態(tài)；地質(zhì)條件復(fù)雜，存在地裂縫、崩滑流和地面塌陷、地表沉降以及地下水污染等環(huán)境地質(zhì)問題[27]；地基主要為軟土、松軟土層，壓縮性較高[1]。研究區(qū)域如圖1所示。

圖1 研究區(qū)域

2.2 試驗(yàn)數(shù)據(jù)選取

選取研究區(qū)域2015年11月至2018年3月51景C波段的SAR影像，具體干涉對(duì)及其時(shí)空基線見表1，分辨率(距離向×方位向)約為2.3 m×13.9 m，寬幅約為250 km，2016年12月14日的影像被選為主影像，從影像與主影像的空間基線最長(zhǎng)為257.104 6 m，最短為3.291 6 m，而時(shí)間基線最長(zhǎng)為468 d，最短為12 d。此外，為了去除參考橢球和地形相位的影響，選取30 m空間分辨率的AW3D30數(shù)字地表模型(DSM)數(shù)據(jù)作為地形數(shù)據(jù)，該數(shù)據(jù)官方公布的高程精度為5 m標(biāo)準(zhǔn)差。

3 結(jié)果及分析

3.1 沉降

根據(jù)上面提出的技術(shù)方法，得到研究區(qū)域的沉降速率場(chǎng)，如圖2所示。不難發(fā)現(xiàn)，研究區(qū)域局部沉降較為明顯，沉降漏斗主要分布在雄縣、霸州市以東的勝芳鎮(zhèn)和左各莊鎮(zhèn)、固安縣、廊坊市以及北京通州區(qū)，全局沉降速率分布在20～206 mm·a-1之間。其中沉降最為嚴(yán)重的是勝芳鎮(zhèn)，最高沉降速率達(dá)206 mm·a-1，漏斗中心累積沉降量為248 mm；左各莊鎮(zhèn)、通州地區(qū)、雄縣和廊坊市的沉降漏斗中心沉降速率分別為159，152，185和110 mm·a-1，累計(jì)沉降量分為186，181，200和124 mm；而沉降最為緩慢的是固安縣，但沉降速率也達(dá)79 mm·a-1，漏斗中心累積沉降量為116 mm。李廣宇等[1]利用2015年6月至2016年8月間的C波段SAR數(shù)據(jù)，監(jiān)測(cè)到左各莊鎮(zhèn)、通州區(qū)黑莊戶、勝芳鎮(zhèn)和廊坊市的沉降速率分別為163，159，197和108 mm·a-1，累積沉降量分別為191，187，234和120 mm，與本文監(jiān)測(cè)結(jié)果基本相當(dāng)。與李廣宇等[1]文中采用的數(shù)據(jù)集相比，本文觀測(cè)的時(shí)間跨度為2016年11月至2018年3月，新增了2016年9月至2018年3月的數(shù)據(jù)，一方面，驗(yàn)證了前人在研究區(qū)域監(jiān)測(cè)結(jié)果的可靠性；另一方面，在一定程度上表明2016年9月至2018年3月間，研究區(qū)域的沉降變化趨勢(shì)基本穩(wěn)定。由圖2可知，高鐵線1沿線經(jīng)過(guò)雄縣、霸州及固安縣等區(qū)域，高鐵線2沿線河北段經(jīng)過(guò)了廊坊市，高鐵線3沿線北京段經(jīng)過(guò)通州區(qū)，而以上分析表明，這幾個(gè)區(qū)域均存在年沉降速率超過(guò)100 mm·a-1的大范圍沉降漏斗，其中漏斗中心累積沉降量最大的是雄縣，達(dá)200 mm。這些不均沉降可能會(huì)對(duì)高速鐵路的安全運(yùn)營(yíng)及相關(guān)基礎(chǔ)設(shè)施的穩(wěn)定造成潛在的危害，應(yīng)引起關(guān)注。

3.2 演化態(tài)勢(shì)

為了進(jìn)一步分析高速鐵路沿線區(qū)域的不均勻沉降演變過(guò)程，以高鐵線1為例，對(duì)鐵路左右兩邊10 km范圍內(nèi)的沉降進(jìn)行分析。圖3給出了高鐵線1沿線區(qū)域的年沉降速率。從圖3可以看出，線路沿線的沉降漏斗主要集中在雄縣至黃村段，沉降明顯，范圍分布較大，其中，雄縣至霸州段不均勻沉降最為顯著，漏斗中心相對(duì)的最大沉降速率達(dá)185 mm·a-1。為了分析鐵路沿線的不均勻沉降變化，在鐵路沿線選取9個(gè)PS點(diǎn)(圖3中點(diǎn)a—k) ，對(duì)其進(jìn)行時(shí)序分析。

圖3 高鐵線1沿線10 km沉降速率緩沖圖

圖4給出了9個(gè)PS點(diǎn)累積形變量的變化情況。由圖4可以看出：從2015年11月8日至2018年3月27日，雄縣至新機(jī)場(chǎng)段總體呈下沉趨勢(shì)，沉降速率相對(duì)穩(wěn)定；點(diǎn)a—f的累積沉降量均超過(guò)130 mm，其中點(diǎn)b的累積沉降量達(dá)200 mm，點(diǎn)g和h處的沉降速率緩慢，累積沉降量分別為38和68 mm；點(diǎn)a—k的累積形變量曲線中有4個(gè)明顯的加速段 (如圖4中粉紅色框所示)，分別是2016年4月12日至2016年5月30日(圖4中粉紅框1所示) 、2017年5月31日至2017年6月12日(圖4中粉紅框2所示) 、2017年10月22日至2017年11月03日(圖4中粉紅框3所示)以及2018年1月2日至2018年2月7日(圖4中粉紅框4所示)。而這9個(gè)PS點(diǎn)中，除點(diǎn)h外，其余各點(diǎn)基本上都選在鐵路附近，因此，這些不均勻沉降可能會(huì)對(duì)鐵路安全運(yùn)營(yíng)及其基礎(chǔ)配套設(shè)施的穩(wěn)定造成潛在的危害，必要時(shí)需提前預(yù)防。

圖4 沉降區(qū)域內(nèi)所選PS點(diǎn)的累積沉降曲線

為了探究高鐵線1沿線的沉降速率分布，圖5給出了鐵路沿線沉降速率。由圖5可以看出：整體上，鐵路沿線呈下降趨勢(shì)；里程在0～15 km之間(李營(yíng)至黃村附近)的沉降速率基本在6 mm·a-1左右波動(dòng)；里程在15～55 km之間(黃村至固安縣附近)的沉降速率出現(xiàn)3次陡崖式下降，位置分別在約DK23，DK30以及DK44處；里程55～85 km的沉降速率穩(wěn)定在12～38 mm·a-1之間，里程85～95 km之間，沉降速率急劇下降，在DK98前后，出現(xiàn)陡崖式下降，沉降速率約達(dá)88 mm·a-1，而相應(yīng)的地理位置是霸州至雄縣段。通過(guò)距離量算發(fā)現(xiàn)，該結(jié)果與圖3和圖4的結(jié)果及地理位置基本對(duì)應(yīng)。

圖5 高鐵線1沿線剖面沉降速率

為了更好地解釋高鐵線1沿線的沉降演變過(guò)程，還獲取了該區(qū)域的水文地質(zhì)資料。通過(guò)水文地質(zhì)資料發(fā)現(xiàn)，固安及其附近區(qū)域的淺層水位埋深大致分布在15～25 m之間，霸州地區(qū)大致在28～33 m之間，而雄縣地區(qū)大致在13～35 m之間。整個(gè)研究區(qū)域地下水埋深變化較大，水位季節(jié)性變化幅度在3～5 m之間，局部區(qū)域達(dá)7～9 m，而這些水位變化與不均勻沉降息息相關(guān)。表2統(tǒng)計(jì)了研究區(qū)域部分的集中供水井。由表2可以看出，供水井的供水面積普遍較廣，深水井多，年供水量均在10萬(wàn)m3以上。據(jù)調(diào)查，李營(yíng)至北京新機(jī)場(chǎng)路段兩側(cè)200 m范圍內(nèi)分布12 個(gè)集中供水井，59 個(gè)灌溉井，新機(jī)場(chǎng)至雄安路段兩側(cè)200 m范圍內(nèi)分布36個(gè)集中供水井，125 個(gè)灌溉井，由于淺部地層更松散，工程地質(zhì)性質(zhì)較深部地層差，多屬中等壓縮性地層，地層結(jié)構(gòu)是黏性土層與砂層交互成層，為雙面排水的地層結(jié)構(gòu)，在相同的水位下降條件下，同樣厚度的地層，淺部地層引起的局部不均勻沉降比深部地層更嚴(yán)重一些。通過(guò)以上資料分析，一定程度上解釋了雄縣至黃村段不勻沉降嚴(yán)重的原因。

圖6給出了高鐵線1—3沿線及周邊的幾個(gè)典型的沉降漏斗，并結(jié)合沉降漏斗周邊的人口、交通、工業(yè)以及自然資源等對(duì)沉降漏斗演化進(jìn)行分析。固安縣位于北京市、廊坊市、天津市以及涿州市等中間，京九鐵路縱穿全縣，還有106國(guó)道、大廣高速等橫貫東西，北面有大興機(jī)場(chǎng)，工業(yè)園區(qū)眾多，流動(dòng)人口較大，常住人口達(dá)52萬(wàn)左右，且該地區(qū)長(zhǎng)期的天然氣、地?zé)嵋约笆偷茸匀毁Y源開采，是該地區(qū)沉降的主要原因之一。廊坊市的沉降主要集中在廣陽(yáng)和安次2個(gè)區(qū)。已有研究表明，2個(gè)區(qū)人口密度大，產(chǎn)業(yè)和水資源豐富[1，28]，地?zé)岷偷叵滤倪^(guò)度開采，導(dǎo)致該區(qū)域持續(xù)的地面沉降；勝芳和左各莊2鎮(zhèn)工業(yè)園區(qū)眾多，區(qū)域人口密度大，人類相關(guān)活動(dòng)頻繁，結(jié)合唐嘉等[26]研究，初步認(rèn)為該因素為霸州市發(fā)生沉降的主要原因之一；雄縣城鎮(zhèn)人口達(dá)17.9萬(wàn)，城鎮(zhèn)化率達(dá)47.82%，降水量為600 mm左右，天然氣、石油、地?zé)峒暗責(zé)崴葍?chǔ)量豐富，該縣原油年產(chǎn)70萬(wàn)t，天然氣1 800萬(wàn)m3，人口的集中，自然資源的大量開采，是該區(qū)域沉降的主要原因之一。前已述及，9各PS點(diǎn)的累積沉降量均存在4個(gè)明顯的加速段，而從這4個(gè)加速段的季節(jié)分布看，均在夏季或冬季，而夏季用水量巨大，冬季對(duì)地?zé)岷吞烊粴獾荣Y源消耗較大，這在一定程度上呼應(yīng)了以上分析。

表2 研究區(qū)域部分集中供水井統(tǒng)計(jì)表

圖6 典型的沉降漏斗

4 結(jié) 語(yǔ)

通過(guò)對(duì)研究區(qū)域全局的沉降速率進(jìn)行分析，發(fā)現(xiàn)嚴(yán)重的沉降漏斗主要分布在雄縣、霸州市、固安縣、廊坊市及北京通州區(qū)，最大沉降速率達(dá)206 mm·a-1。將本文的監(jiān)測(cè)結(jié)果與前人相同區(qū)域的監(jiān)測(cè)結(jié)果進(jìn)行對(duì)比，發(fā)現(xiàn)沉降速率基本相當(dāng)，表明研究區(qū)域的沉降態(tài)勢(shì)趨于穩(wěn)定。分析研究區(qū)域內(nèi)3條重要的高速鐵路沿線的沉降信息，發(fā)現(xiàn)它們經(jīng)過(guò)了雄縣、霸州市、廊坊市及北京通州區(qū)等這幾個(gè)沉降嚴(yán)重的區(qū)域，漏斗中心的相對(duì)沉降速率均在100 mm·a-1以上，且累積沉降量最高達(dá)200 mm。利用高鐵線1的沉降信息，發(fā)現(xiàn)雄縣至霸州段不均勻沉降最為顯著，漏斗中心相對(duì)的最大沉降速率達(dá)185 mm·a-1；分析雄縣至新機(jī)場(chǎng)段的9個(gè)PS點(diǎn)的累積沉降速率發(fā)現(xiàn)，該段整體呈下降勢(shì)態(tài)，且沉降速率相對(duì)穩(wěn)定，但雄縣至霸州段，累積沉降均超過(guò)130 mm，且各點(diǎn)在相同的時(shí)段出現(xiàn)4明顯的加速沉降段，而4個(gè)加速段均在夏季或者冬季；從鐵路沿線的剖面沉降速率來(lái)看，其結(jié)果基本與沿線的沉降信息及地理位置相對(duì)應(yīng)。為了更好地解釋沉降漏斗的演化態(tài)勢(shì)，利用水文地質(zhì)和相關(guān)的人類活動(dòng)資料以及前人的相關(guān)解釋對(duì)研究區(qū)域進(jìn)行分析，結(jié)果表明各地區(qū)的不均勻沉降主要與區(qū)域本身的水文地質(zhì)條件、自然資源的過(guò)度開采、區(qū)域人口高度集中、工農(nóng)業(yè)活動(dòng)頻繁及交通情況相關(guān)。

以上研究和分析表明，研究區(qū)域內(nèi)的不均勻沉降可能會(huì)對(duì)高速鐵路的安全運(yùn)營(yíng)及相關(guān)附屬建筑的穩(wěn)定造成潛在的危害，需要密切關(guān)注。時(shí)序InSAR技術(shù)克服了傳統(tǒng)InSAR技術(shù)的不足，能夠精確，并全覆蓋地探測(cè)出高速鐵路沿線的沉降漏斗，這是傳統(tǒng)監(jiān)測(cè)技術(shù)無(wú)法相比的，但由于該技術(shù)不能進(jìn)行定位，需借助外部DEM進(jìn)行地理編碼，完成雷達(dá)坐標(biāo)到地理坐標(biāo)的轉(zhuǎn)換，其精度與DEM的分辨率密切相關(guān)；另外，星載SAR衛(wèi)星是側(cè)視成像，這勢(shì)必會(huì)產(chǎn)生畸變誤差，影響監(jiān)測(cè)精度。因此，聯(lián)合多源數(shù)據(jù)對(duì)高速鐵路沿線進(jìn)行監(jiān)測(cè)，是一種必然趨勢(shì)。