蔡程晨 吴多辉
北京兴遥数据科技有限公司 北京100000
摘要：本文从InSAR技术概述入手，并以具体的工程项目为例，对InSAR技术下的高速公路滑坡、路桥变形监测进行深入探讨，希望通过本文研究，为InSAR技术的良好应用提供参考借鉴。
关键词：InSAR技术；高速公路滑坡；路桥变形监测
引言
随着我国工程领域的不断发展，各工程逐渐加大对于工程监测工作的重视程度，特别是高速公路工程，其所面临的环境较为复杂，更应通过先进的监测技术确保项目质量与结构安全性，为此，本文对此进行分析，具体如下。
1.InSAR技术概述
InSAR是合成孔径雷达干涉技术的简称，其作为主动式成像传感器，主要是通过微波的方式探测地表目标。InSAR技术通过雷达成像传感器，得到被测对象的复数图像信息，同时，经多个环节的处理，包括图像配准、基线估计、干涉图滤波、相位高程转换以及相位解缠等[1]，基于干涉相位下，反演地形信息。托马斯·杨在1801年发现了光的相干效应，并通过波的叠加原理对该效应进行解释，此次实验被称为“杨氏双缝光干涉实验”，而“光干涉条纹”则是InSAR技术的基本原理，同一区域被两幅SAR影响覆盖后，其各自会存在对应的像素相位值，两者相减最终得到干涉相位图，通过有效的数据处理发放时，分离并提出相应的相位信息[2]。InSAR技术的几何原理图详见图1。其中H表示的是主传感器与地面的距离，B表示的是空间基线，S1与S2分别代表主辅图像传感器，P表示地面目标点，R1与R2表示的是主辅图像斜距，表示的是基线B在水平方向的倾角，表示的是主图像的入射角，h表示的是P点高程，P0表示的是P在参考平地上的等斜据点，与分别表示的是B在雷达视线方向以及垂直视线方向上的投影[3]。
.png)
图1： InSAR技术的几何原理图
2.工程概况
某项目的示范区域为长晋高速路线，全长93.045公里，经5个市（县、区），晋城市境内与长治境内分别为61.545公里、31.5公里。沿线的边坡以及高速公路高架桥、路基作为重点的监测对象，主要监测内容包括地质地貌、边坡的各种病害等，例如变形、裂缝、崩解、碎落、掉皮等，对于高架桥主要监测的是桥面变形与隆起、累积沉降、桥墩差异沉降以及裂缝的早期识别等，对于路基主要监测的是路基沉降、隆起、沉降趋势与速度、累积形变量等等。
3.基于InSAR技术下的高速公路滑坡、路桥变形监测
3.1雷达数据采集与处理
在2019年1月~2020年10月这一期间采集图像，获取到50景的图像，处理时间为22个月，后续每个月观测影像将按要求持续采集。采集到相关数据后，需要对其进行处理，由于高速路段边坡存在较多的植被及感兴趣区域的大尺寸，研究区域的海拔范围在700至800米。数据处理环节需要有超过25景的图像，区域中存在几处隧道，由于其在监测盲区，因此无法获得形变数据信息，地势相对平坦。
3.2参考点位置
对于TS-InSAR技术而言，其具备较高的测量精度，实际测量过程中，需要设置相对准确的参考点，下图2表示的是用于整个图像解算的全部参考点。通过优化程序，最终完成参考点选择，在优化程序的使用下，能够对所有目标进行统计分析，例如高相干性、低时空变化以及低标准偏差，最终获得较为精准的结果。
.png)
图2：数据集设定的参考点位置
3.3 TS-InSAR技术监测结果
3.3.1累计形变量
经过实际的监测，最终获得累积沉降总量，所有点均对应于TS或DS，同时，按照总形变量方向与大小用不同的颜色进行编码，共得出81131个形变点，具体是通过卫星视线（LOS）相对于数据集的第一图像测量形变量。该路段的累积形变量为，相对重要的高速公路段，在露天场地及边坡位置处存在几个局部隆起和沉降的区域位置。
3.3.2形变速率
集中处理所有SAR图像获得视线方向上的（LOS）位移速率，所有点均会对应一个分布式散射体（DS）或者相干散射体（CS），同时，按照其年形变速率选择不同的颜色进行编码。根据卫星图像覆盖的整个周期内测量的地面运动线性回归计算出平均位移值，并且，能够通过位移时间序列得到地面运动的详细信息，这些时间序列主要在每个CS及DS上发挥着作用。整个感兴趣区域的形变速率处于-70至66mm /年，95％在-35和+10mm/年之间。
3.3.3形变速率标准差
由于地表形变速率数据的标准偏差表征了测量误差，所以可以得出，任何测量都应以形变速率±标准偏差的形式进行解释，在与参考点距离不断增大的情况下，标准偏差值也会逐渐增加，值越高表示形变速率的变化越大，同时，通常与快速或不规则地面运动的区域相关。整个感兴趣区域的标准偏差值较低，处于0.058 至1.43mm/年范围内。在远离参考点的区域上识别出某几个稍高的标准偏差值。整体数据的内部质量控制达到标准，估测精度可靠。
3.3.4 K993+343高边坡
该区域在10月的形变速率处于-3.15mm/年到7.73mm/年范围内，累计形变量处于-10.17mm到16.57mmm范围内。可以得出以下结论：第一，T1位置与公路相隔79m,这一位置处于经纬度累积形变量为-10.17mm,并且呈现出逐年下降的趋势，沉降大概是每年-3.15mm,全监测时段内呈现周期性，2020年的10月，单月形变量为-2m；第二，T2位置与公路相隔34m,这一位置的经纬度为累积形变量为5.78mm，具体在监测过程中，其形变速率为2.325mm/年，2019年1月至今，呈现出隆起状态，10月份单月形变量达到了0.08mm。
3.3.5 K971+119路基沉降区
该区域的路基沉降区主要位于司马村附近，该位置的经纬度为，周围有较多大小不同的沉降漏斗区域。将高速路作为基准线，划定1km范围内的点进行分析，得出整个区域，在2019年1月至2020年10月形变速率处于-33.2mm/年至-7.32mm/年范围内，最大累积形变量-58.3mm。得出以下结论：第一，第一个弯道位置T1存在较为明显的形变情况，可以将其看作为高变形区域，累积形变量达到-58.3mm，同时，呈现出逐年均匀沉降的趋势[4]，沉降速度在-33.2mm左右，为线性形变趋势持续发展，在10月份的单月形变量为-4mm;第二，第二个位置T2这一区域存在橙色形变点，从时序形变图中可以看出，累积形变量达到-33.42mm，同时，呈现出逐年均匀沉降的趋势，沉降速度在-18.568mm左右，10月份单月形变量约-3.2mm。
结束语
综上所示，通过TSInSAR技术，对某公路项目做出实际监测，在稳定建筑区域设置了参考点，由于位置稳定，不会出现较大的数据差异，得到的结果精度较高，实际监测过程中主要得出以下结果:第一，10月K993+343高边坡区域的形变速率处于范围内，累计形变量处于-10.17mm到16.57mmm范围内；第二，K971+119 10月整体位置在监测期间的形变速率在-33.2mm/year至-7.32mm/year之间，发生的最大累积形变量为-58.3mm。
参考文献
[1]唐尧、王立娟、廖军、贾洁琼. 基于遥感回溯与InSAR技术的滑坡灾情及形变监测分析[J].国土资源信息化, 2020, No.120(06):16-21.
[2]何沐,赵有兵.DS-InSAR技术在复杂艰险山区滑坡形变监测中的应用前景研究[J].测绘科学技术,2020,8(3):8.
[3]黄洁慧,谢谟文,王立伟.基于SBAS-InSAR技术的白格滑坡形变监测研究[J].人民长江,2019,050(012):101-105.
[4]肖建东.基于InSAR技术的滑坡崩滑分析[J].农业技术与装备,2019, No.355(07):50-52.
作者简介：蔡程晨 1994年7月31日；性别：男；民族：汉；籍贯：江苏南通；学历：本科；单位：北京兴遥数据科技有限公司；研究方向：InSAR