一种监测城市地铁沿线地表沉降的方法
专利汇可以提供一种监测城市地铁沿线地表沉降的方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种监测城市地 铁 沿线地表沉降的方法，该方法结合多源SAR数据和时序InSAR技术手段，具体包括以下步骤：获取 覆盖 地铁沿线监测范围的同一时段的高中 分辨率 SAR影像数据；地铁沿线区间划分建立；多源数据基于时间序列InSAR技术提取地铁沿线区域形变信息；地铁沿线沉降区间划分评定及 精度 评定。该方法很好地体现了时序PS-InSAR技术和SBAS-InSAR技术的结合价值，也凸显出了不同源数据结合联系的前景，实现了在缺少其他检核条件下的高精度、高准确性的地铁沿线区间地表沉降反演结果。而对地铁沿线地表沉降进行的区间化评价是该方法的创新特点，为城市地铁沉降灾害的发现和防治提供了有效、可靠的技术支持。，下面是一种监测城市地铁沿线地表沉降的方法专利的具体信息内容。
1.一种监测城市地铁沿线地表沉降的方法，其特征在于，包括以下步骤：
S1、挑选至少两种不同数据源数据，在时空上对监测地铁沿线区间影响范围内进行连
续密集覆盖；
S2、运用时序SBAS-InSAR技术和PS-InSAR技术联合干涉处理步骤S1挑选的数据源数
据，得到监测城市区域地表形变最优成果；
S3、对步骤S2得到的最优成果进行精度评定和融合分析，得出地铁沿线形变细节信息
和演变规律。
2.根据权利要求1所述的一种监测城市地铁沿线地表沉降的方法，其特征在于：在步骤
S1中，选取高中分辨率SAR数据，具体如下：选取至少一种高分辨率SAR数据和至少一种中分
辨率SAR数据，多种数据源选取原则均要基于地铁沿线区间分布范围和监测演化时间，在时
间和空间上尽量做到完整覆盖和重叠交叉。
3.根据权利要求2所述的一种监测城市地铁沿线地表沉降的方法，其特征在于：所述高
分辨率SAR数据包含TerraSAR-X高分辨率雷达卫星的SAR数据和COSMO-Skymed高分辨率雷
达卫星的SAR数据中的至少一种。
4.根据权利要求2或3所述的一种监测城市地铁沿线地表沉降的方法，其特征在于：所
述中分辨率SAR数据包含Sentinel-1中分辨率雷达卫星的SAR数据和ALOS-PALSAR中分辨率
雷达卫星的SAR数据中的至少一种。
5.根据权利要求1所述的一种监测城市地铁沿线地表沉降的方法，其特征在于：在步骤
S2中，基于时间序列InSAR技术提取地铁沿线区域形变信息，具体如下：
对地铁沿线地表形变监测的基本思路为：地铁沿线形变监测基于区间法，在地理空间
上确定地铁沿线走向和区间影响范围；
技术手段为：结合SBAS-InSAR和PS-InSAR两种技术手段的优点建立优化处理模型，剔
除掉各种误差因子和不良影响因素，获取最优地表形变信息；
处理思路为：先整体处理后局部处理，具体为：整体处理影像覆盖区域，局部处理地铁
沿线区域；整体精度评价全局区域，局部精度评定单一区域；整体精度评价多种数据源，局
部精度评价单一数据源；
最后综合数据因素和技术处理因素获取可靠的地铁沿线区域形变信息。
6.根据权利要求1或5所述的一种监测城市地铁沿线地表沉降的方法，其特征在于：步
骤S2的细化步骤如下：
S2.1、地铁线路划定和区间影响范围划分：基于获取地铁线路中心线矢量数据和沿线
站点中心位置划分地铁区间位置，设置相关区间影响范围，建立地铁线路区间路线；
S2.2、研究区域DEM生成：采用雷达干涉处理技术挑选一组短基线且完全覆盖研究区域
路线的高分辨率卫星数据对，通过干涉处理分离出地表形变信息和高程信息，建立初始
DEM；结合获取的外部DEM，针对原始DEM找出高程缺失区域；对缺失区域采用中心内插法进
行完善和补充；
S2.3、基于时序InSAR技术干涉处理不同数据源数据，具体包含以下步骤：
S2.3.1、InSAR时序分析数据集和公共主影像选取：
基于小基线SBAS理论原则建立分析处理数据集，即是所有SAR影像组合成若干个子集，
同一集合内的基线距较小，集合之间的基线距较大；公共主影像的挑选采用综合考虑干涉
对的主从影像之间的多普勒中心频率差、时间基线和空间基线的优化主影像选取方法，对
应的函数模型表示为：
其中，K表示影像的数量，γm表示整体相关系数， 表示干涉对的垂直基线，Tk，m表示
干涉对的时间基线， 表示多普勒中心频率差，Bc、Tc和fc分别为对应的临界条件，α、β和θ
分别为对应的指数因子；
S2.3.2、干涉像对处理及干涉点元目标选取：
前面分离出来的数据集中SAR影像间进行两两干涉处理，处理过程中参照PS-InSAR技
术特点进行改进的针对干涉点元目标选取处理，形成了一系列时间序列上的干涉图；通过
剔除掉干涉质量较差的干涉影像对，保留较好的干涉结果，为最终的形变反演减少误差和
错误；基于时间序列的干涉处理基本理论流程如下：
假设同一区域的SAR影像数据为N+1幅，影像获取时间为t0/t1/t2…tn，至少将其组合成M
个干涉条纹图像；(2/N≤M≤(N-1)/2)对于任意两个微分干涉图(ta＜tb)，相位表达式为：
δαx，i＝αx，i(tb)-αx，i(ta)＝Δαflat，x，i+Δαele，x，i+Δαdisp，x，i+Δαatm，x，i+Δαnoise (1)在公式(1)中，δαx，i为i图像中x像素点的干涉相位值，αx，i(tb)和αx，i(ta)为两个不同时刻的原始相位值，Δαflat，x，i为平地相位差值，Δαele，x，i为地形相位差值，Δαdisp，x，i为真实地表形变相位值，Δαatm，x，i为大气相位误差值，Δαnoise为卫星噪声误差相位值；以上的平地相位差值、地形相位差值、地表形变相位值和大气相位进一步表示为：
Δαatm，x，i＝αatm(tb，x，i)-αatm(ta,x,i) (5)
在以上公式中，λ为雷达波长，R为雷达斜向距离，Bn为垂直基线，Δq为DEM高程差值，θ为
雷达入射角；
假设两个不同干涉图之间的变形速率为Vi(i＝1，...，n)，则ta和tb两者之间的累积变
形表示为：
即是干涉图主、从图像之间时间间隔内的变形速率的积分；
根据PS-InSAR技术衍生出来的干涉点元思想，以选取的干涉点元目标作为地表形变代
表；干涉点目标指的是在长时间序列的SAR影像上散射特性保持长期稳定的点目标；在进行
形变反演之前，首先进行干涉点目标的识别；
S2.3.3、大气延迟相位及非线性形变相位的分离：
干涉点目标的残余相位主要由非线性形变相位、大气延迟相位以及噪声相位组成；为
了获取完整的形变信息，有必要对残余相位进行有效地分离；大气延迟相位表现出较强的
空间相关性，其在空间域为低频信号，而在时间域是不相关的，为高频信号；因此，通过在稳
定的相关区域选取预定数量的地面控制点，依据所选取控制点位置进行空间域的滤波处理
来分离出大气相位，进一步得到非线性的形变相位；
S2.3.4、建立基于沉降速率的形变模型：
为获得沉降序列，将相位转化到平均相位速度，即：
将式(7)代替式(2)中的相位得：
从而得到一个新的矩阵方程，即：
D·v＝ΔΦ (9)
式(9)中，D是一个M×N矩阵；对第j行，位于主辅图像获取时间之间的列，D(j,k)＝tk+1-
tk，其它D(j,k)＝0；
在这种情况下，将SVD分解应用于矩阵D，得到速度矢量v的最小范数解；另外从差分相
位的组成出发，除了形变相位贡献外，还有高程误差ε的相位贡献；因此，建立如下方程组：
D·v+C·ε＝ΔΦ (10)
式(10)中，C是基线距相关的系数矩阵，大小为M×1，由此得到DEM误差。
7.根据权利要求6所述的一种监测城市地铁沿线地表沉降的方法，其特征在于：在步骤
S2.3.2中，干涉点目标的识别采用联合阙值法，即依据点目标的低光谱变化、高后向散射以
及低强度离散特性，综合相干系数阈值法、点目标检测法和幅度离散指数法三种方法的优
缺点，利用多重阈值法来识别干涉点目标。
8.根据权利要求1所述的一种监测城市地铁沿线地表沉降的方法，其特征在于：在步骤
S3中，对地铁沿线沉降区间划分评定及精度评定，具体如下：通过时序InSAR技术对同时段
的地铁沿线区间分别反演出点目标地表形变累计量和年均速率；根据过往城市地表形变发
展规律，在多种数据源成果的年均速率图上划定具有相同稳定沉降趋势的区间范围；在划
定的同等范围严重沉降区间内对多种数据源成果进行相关精度评定；精度评定的标准为点
目标的年均速率标准差和在时间序列上的形变趋势规律；最终评定地铁沿线沉降危害区间
及区间形变速率差，为地铁工程形变灾害系统提供有用预警信息。
一种监测城市地铁沿线地表沉降的方法
技术领域
背景技术
市可持续发展的前景。地铁工程作为城市建设中最为常见的一种地下工程，带来的负面沉
降灾害影响也是不可忽视的，比如水土流失、建筑物倒塌和地下管线破裂等。为了能预防和
控制减少灾害的发生，迫切需要建立一个有效的监测预警系统。对于建筑群密集、地质条件
复杂和快速发展的城市区域，提出了高精度、全覆盖和短期限的要求。
规的D-InSAR技术容易受到时空基线失相干以及大气延迟等因素的影响，在地表形变监测
的应用受到很大限制。近年来，基于常规D-InSAR技术发展起来的时间序列InSAR技术(永久
散射体干涉测量技术PS-InSAR；短基线集干涉测量技术SBAS-InSAR)以在长时间序列SAR影
像上散射特性保持稳定的点目标作为研究对象，利用它们的相位特性，进行地表形变的反
演，极大限度地克服了失相干、大气延迟相位的影响，从而大大地提高形变监测结果的精
度。该项技术在理论层面甚至可以达到毫米级别的监测水准。大量实践表明，该技术方法在
大范围、长时间缓慢地表形变的监测方面是有效的，可广泛应用于城市地表形变监测。
多源SAR卫星数据的融合处理研究不但成为可能，也成为未来技术发展的方向。但是，不同
数据源之间也存在差异明显的优势和劣势因素。比如，高分辨卫星数据(TerraSAR-X、
COSMO-SkyMed)虽然在平面的像素分辨率可以达到1m以内，远高于其他中等分辨率卫星数
据(Sentinel-1等)。但是由于卫星重访周期较长(11天)和卫星传感器成像模式差异，使得
SAR图像覆盖幅宽较小和数据量短缺，最终造成城市地铁沿线监测区域在时空上难以得到
完全连续覆盖。而如中等分辨率卫星数据Sentinel-1(平面分辨率30m)的出现则很好地弥
补了这一缺陷，该卫星数据不仅重访周期短(5天)，而且成像模式为条带式，大大地提高了
SAR图像数据量和覆盖面积。因此，融合处理多种数据源，将会大大提高监测的精度和覆盖
范围。然而，目前在地铁施工和运营安全方向，并没有提出这样一种融合多源数据和基于时
间序列InSAR技术的有效监测方法手段。
发明内容
捕捉动态演化过程等问题，本发明的目的在于提供一种监测城市地铁沿线地表沉降的方
法，它可以大大提升地铁沿线地表形变InSAR精细化监测水平。
S1、挑选至少两种不同数据源数据，在时空上对监测地铁沿线区间影响范围内进行连
续密集覆盖；
S2、运用时序SBAS-InSAR技术和PS-InSAR技术联合干涉处理步骤S1挑选的数据源数
据，得到监测城市区域地表形变最优成果；
S3、对步骤S2得到的最优成果进行精度评定和融合分析，得出地铁沿线形变细节信息
和演变规律。
范围和监测演化时间，在时间和空间上尽量做到完整覆盖和重叠交叉。
对地铁沿线地表形变监测的基本思路为：地铁沿线形变监测基于区间法，在地理空间
上确定地铁沿线走向和区间影响范围；
技术手段为：结合SBAS-InSAR和PS-InSAR两种技术手段的优点建立优化处理模型，剔
除掉各种误差因子和不良影响因素，获取最优地表形变信息；
处理思路为：先整体处理后局部处理，具体为：整体处理影像覆盖区域，局部处理地铁
沿线区域；整体精度评价全局区域，局部精度评定单一区域；整体精度评价多种数据源，局
部精度评价单一数据源；
最后综合数据因素和技术处理因素获取可靠的地铁沿线区域形变信息。
站点中心位置划分地铁区间位置，设置相关区间影响范围，建立地铁线路区间路线；
S2.2、研究区域DEM生成：采用雷达干涉处理技术挑选一组短基线且完全覆盖研究区域
路线的高分辨率卫星数据对，通过干涉处理分离出地表形变信息和高程信息，建立初始
DEM；结合获取的外部DEM，针对原始DEM找出高程缺失区域；对缺失区域采用中心内插法进
行完善和补充；
S2.3、基于时序InSAR技术干涉处理不同数据源数据，具体包含以下步骤：
S2.3.1、InSAR时序分析数据集和公共主影像选取：
基于小基线SBAS理论原则建立分析处理数据集，即是所有SAR影像组合成若干个子集，
同一集合内的基线距较小，集合之间的基线距较大；公共主影像的挑选采用综合考虑干涉
对的主从影像之间的多普勒中心频率差、时间基线和空间基线的优化主影像选取方法，对
应的函数模型表示为：
其中，K表示影像的数量，γm表示整体相关系数， 表示干涉对的垂直基线，
Tk，m表示干涉对的时间基线， 表示多普勒中心频率差，Bc、Tc和fc分别为对应的临
界条件，α、β和θ分别为对应的指数因子；
S2.3.2、干涉像对处理及干涉点元目标选取：
前面分离出来的数据集中SAR影像间进行两两干涉处理，处理过程中参照PS-InSAR技
术特点进行改进的针对干涉点元目标选取处理，形成了一系列时间序列上的干涉图；通过
剔除掉干涉质量较差的干涉影像对，保留较好的干涉结果，为最终的形变反演减少误差和
错误；基于时间序列的干涉处理基本理论流程如下：
假设同一区域的SAR影像数据为N+1幅，影像获取时间为t0/t1/t2…tn，至少将其组合成
M个干涉条纹图像；(2/N≤M≤(N-1)/2)对于任意两个微分干涉图(ta＜tb)，相位表达式为：
δαx，i＝αx，i(tb)-αx，i(ta)＝Δαflat，x，i+Δαele，x，i+Δαdisp，x，i+Δαatm，x，i+Δαnoise (1)在公式(1)中，δαx，i为i图像中x像素点的干涉相位值，αx，i(tb)和αx，i(ta)为两个不同时刻的原始相位值，Δαflat，x，i为平地相位差值，Δαele，x，i为地形相位差值，Δαdisp，x，i为真实地表形变相位值，Δαatm，x，i为大气相位误差值，Δαnoise为卫星噪声误差相位值；以上的平地相位差值、地形相位差值、地表形变相位值和大气相位进一步表示为：
Δαatm，x，i＝αatm(tb，x，i)-αatm(ta,x,i) (5)
在以上公式中，λ为雷达波长，R为雷达斜向距离，Bn为垂直基线，Δq为DEM高程差值，θ
为雷达入射角；
假设两个不同干涉图之间的变形速率为Vi(i＝1，...，n)，则ta和tb两者之间的累积变
形表示为：
即是干涉图主、从图像之间时间间隔内的变形速率的积分；
根据PS-InSAR技术衍生出来的干涉点元思想，以选取的干涉点元目标作为地表形变代
表；干涉点目标指的是在长时间序列的SAR影像上散射特性保持长期稳定的点目标；在进行
形变反演之前，首先进行干涉点目标的识别；
S2.3.3、大气延迟相位及非线性形变相位的分离：
干涉点目标的残余相位主要由非线性形变相位、大气延迟相位以及噪声相位组成；为
了获取完整的形变信息，有必要对残余相位进行有效地分离；大气延迟相位表现出较强的
空间相关性，其在空间域为低频信号，而在时间域是不相关的，为高频信号；因此，通过在稳
定的相关区域选取预定数量的地面控制点，依据所选取控制点位置进行空间域的滤波处理
来分离出大气相位，进一步得到非线性的形变相位；
S2.3.4、建立基于沉降速率的形变模型：
为获得沉降序列，将相位转化到平均相位速度，即：
将式(7)代替式(2)中的相位得：
从而得到一个新的矩阵方程，即：
D·v＝ΔΦ (9)
式(9)中，D是一个M×N矩阵；对第j行，位于主辅图像获取时间之间的列，D(j,k)＝tk+1-
tk，其它D(j,k)＝0；
在这种情况下，将SVD分解应用于矩阵D，得到速度矢量v的最小范数解；另外从差分相
位的组成出发，除了形变相位贡献外，还有高程误差ε的相位贡献；因此，建立如下方程组：
D·v+C·ε＝ΔΦ (10)
式(10)中，C是基线距相关的系数矩阵，大小为M×1，由此得到DEM误差。
离散指数法三种方法的优缺点，利用多重阈值法来识别干涉点目标。
过往城市地表形变发展规律，在多种数据源成果的年均速率图上划定具有相同稳定沉降趋
势的区间范围；在划定的同等范围严重沉降区间内对多种数据源成果进行相关精度评定；
精度评定的标准为点目标的年均速率标准差和在时间序列上的形变趋势规律；最终评定地
铁沿线沉降危害区间及区间形变速率差，为地铁工程形变灾害系统提供有用预警信息。
InSAR技术监测地铁沿线形变的区别之处在于：(i)所利用的时序InSAR技术结合了PS-
InSAR技术和SBAS-InSAR技术的优势所在，明显能提高InSAR监测手段的精度；(ii)不同卫
星数据源的联合使用，从根本上提高了InSAR技术的监测能力和科学性；(iii)对地铁沿线
的形变监测引进了区间概念，拓展了发掘地铁沿线危害形变内容。因此，本发明的方法能大
大提升城市地铁沿线地表形变InSAR监测水平。
附图说明
具体实施方式
本发明。
续密集覆盖；
S2、运用时序SBAS-InSAR技术和PS-InSAR技术联合干涉处理步骤S1挑选的数据源数
据，得到监测城市区域地表形变最优成果；
S3、对步骤S2得到的最优成果进行精度评定和融合分析，得出地铁沿线形变细节信息
和演变规律。
分布范围和监测演化时间，在时间和空间上尽量做到完整覆盖和重叠交叉。其中，所述高分
辨率SAR数据可以包含TerraSAR-X高分辨率雷达卫星的SAR数据和COSMO-Skymed高分辨率
雷达卫星的SAR数据中的至少一种；所述中分辨率SAR数据可以包含Sentinel-1中分辨率雷
达卫星的SAR数据和ALOS-PALSAR中分辨率雷达卫星的SAR数据中的至少一种。
星则为城市地铁沿线地表形变突发性监测提供了数据源。高分辨率雷达卫星数据主要体现
两方面优势：(1)高密度相关干涉点，数据处理成果更为密集和直观；(2)平面像元点精确定
位地表地物，偏移量更小，便于精准分析单一地物和地表形变。中分辨率雷达卫星数据也体
现了两方面主要优势：(1)数据影像间时间基线短，形变像元点时间序列上形变更为连续和
缓和；(2)数据影像幅宽更大，监测范围可以扩展，在大范围形变区域像元点形变解算有更
好结果。
对地铁沿线地表形变监测的基本思路为：地铁沿线形变监测基于区间法，在地理空间
上确定地铁沿线走向和区间影响范围；
技术手段为：结合SBAS-InSAR和PS-InSAR两种技术手段的优点建立优化处理模型，剔
除掉各种误差因子和不良影响因素，获取最优地表形变信息；
处理思路为：先整体处理后局部处理，具体为：整体处理影像覆盖区域，局部处理地铁
沿线区域；整体精度评价全局区域，局部精度评定单一区域；整体精度评价多种数据源，局
部精度评价单一数据源；
最后综合数据因素和技术处理因素获取可靠的地铁沿线区域形变信息。
站点中心位置划分地铁区间位置，设置相关区间影响范围，建立地铁线路区间路线；
S2.2、研究区域DEM生成：采用雷达干涉处理技术挑选一组短基线且完全覆盖研究区域
路线的高分辨率卫星数据对，通过干涉处理分离出地表形变信息和高程信息，建立初始
DEM；结合获取的外部DEM，针对原始DEM找出高程缺失区域；对缺失区域采用中心内插法进
行完善和补充；
S2.3、基于时序InSAR技术干涉处理不同数据源数据，具体包含以下步骤：
S2.3.1、InSAR时序分析数据集和公共主影像选取：
基于小基线SBAS理论原则建立分析处理数据集，即是所有SAR影像组合成若干个子集，
同一集合内的基线距较小，集合之间的基线距较大；该方法限制了长基线导致的失相干问
题，提高了影像的利用效率，并且提高了目标点的密度。公共主影像的挑选则考虑了干涉对
的主从影像之间的多普勒中心频率差、时间基线和空间基线等会影响干涉处理相干性的重
要因素；本实施例基于Kampes等人提出的一种采用综合考虑时间基线、空间垂直基线和多
普勒中心频率差的优化主影像选取方法，对应的函数模型表示为：
其中，K表示影像的数量，γm表示整体相关系数， 表示干涉对的垂直基线，
Tk，m表示干涉对的时间基线， 表示多普勒中心频率差，Bc、Tc和fc分别为对应的临
界条件，α、β和θ分别为对应的指数因子；
S2.3.2、干涉像对处理及干涉点元目标选取：
前面分离出来的数据集中SAR影像间进行两两干涉处理，处理过程中参照PS-InSAR技
术特点进行改进的针对干涉点元目标选取处理，形成了一系列时间序列上的干涉图；通过
剔除掉干涉质量较差的干涉影像对，保留较好的干涉结果，为最终的形变反演减少误差和
错误；基于时间序列的干涉处理基本理论流程如下：
假设同一区域的SAR影像数据为N+1幅，影像获取时间为t0/t1/t2…tn，至少将其组合成
M个干涉条纹图像；(2/N≤M≤(N-1)/2)对于任意两个微分干涉图(ta＜tb)，相位表达式为：
δαx，i＝αx，i(tb)-αx，i(ta)＝Δαflat，x，i+Δαele，x，i+Δαdisp，x，i+Δαatm，x，i+Δαnoise (1)在公式(1)中，δαx，i为i图像中x像素点的干涉相位值，αx，i(tb)和αx，i(ta)为两个不同时刻的原始相位值，Δαflat，x，i为平地相位差值，Δαele，x，i为地形相位差值，Δαdisp，x，i为真实地表形变相位值，Δαatm，x，i为大气相位误差值，Δαnoise为卫星噪声误差相位值；以上的平地相位差值、地形相位差值、地表形变相位值和大气相位进一步表示为：
Δαatm，x，i＝αatm(tb，x，i)-αatm(ta,x,i) (5)
在以上公式中，λ为雷达波长，R为雷达斜向距离，Bn为垂直基线，Δq为DEM高程差值，θ
为雷达入射角；
假设两个不同干涉图之间的变形速率为Vi(i＝1，...，n)，则ta和tb两者之间的累积变
形表示为：
即是干涉图主、从图像之间时间间隔内的变形速率的积分；
根据PS-InSAR技术衍生出来的干涉点元思想，以选取的干涉点元目标作为地表形变代
表；干涉点目标指的是在长时间序列的SAR影像上散射特性保持长期稳定的点目标；在进行
形变反演之前，首先进行干涉点目标的识别；干涉点目标的识别有如下方法：1)基于像元强
度的稳定性；2)基于空间的相干性；3)点目标检测。基于不同的点目标识别方法发展出了三
种点目标选取方法：
1、相干系数阈值法：在小基线集(SBAS)技术中，认为相干性很高的点应该与地面上的
高相干性区域相对应，如城市区域，裸露的岩石等。相干系数值γ越大，表明干涉图的相干
性就越好；相干系数γ越小，则表明相干性越差。因此，相干系数值γ可以作为点目标识别
的一个指标。其基本思想为利用各个像元在各干涉图对应的相干系数，通过设定合适的阈
值进行点目标识别。识别的准则如下：利用相干系数的均值进行识别，即选取平均值大于给
定阈值的像元作为干涉点目标候选点：
式中，M为干涉图的数目，i为第i幅干涉图对应的相干系数值，T为给定的阈值；
相干系数阈值法是一种最简单和最直接的点目标识别方法，但是由于估计相干性时通
常采用的是局部窗口的信息，窗口设置的过大或者过小会使相干系数过低或过高的估计，
影响最终选取的点目标的准确性；
2、点目标检测法：一个雷达分辨率单元包含多个不同的散射体，其后向散射强度占主
导地位的散射体可称为点目标。因为点目标的后向散射特性比较稳定，其在SAR原始信号的
各个子视图像上都会呈现出相近的散射特性。因此，可以将单视复数(SLC)影像进行反变
换，生成多个子视图(sub-looks)，将子视图进行谱相关分析，根据对应的相关性大小来识
别点目标。假设将一幅SLC的频谱分成两个子视图，则子视间的相干值为：
其中，X1和X2是对应的子视影像，*表示共轭复数，<>表示总体均值。通过设置合适的子
视相干性阈值，采用单景单视复数SAR影像就可以识别出高信噪比的点作为点目标候选点。
但是该方法仅仅适合于数据量较小的情况；
3、幅度离散指数：幅度离散指数主要依据强度值的大小以及同一像元在时间序列上强
度值的离散特性来进行点目标的识别，但前提是所有的SAR影像必须经过辐射校正。对于雷
达影像，目标的强度会随时间的改变而改变。根据其特点，将均值和方差的比值作为选择的
测度，选择强度值大于给定的阈值且相位保持稳定的目标作为干涉点目标。幅度离散指数
的定义可表示为：
其中，σA与mA分别为幅度的标准差与均值。幅度离散指数方法具有简单快捷的优点，但
是SAR影像必须经过辐射校正；其次，需要的影像数量较大；再次，在阴影和水中的一些点会
被错误的识别为干涉点目标；
本实施例采用联合阙值法进行干涉点目标的识别，即依据点目标的低光谱变化、高后
向散射以及低强度离散特性，综合相干系数阈值法、点目标检测法和幅度离散指数法三种
方法的优缺点，利用多重阈值法来识别干涉点目标；
S2.3.3、大气延迟相位及非线性形变相位的分离：
干涉点目标的残余相位主要由非线性形变相位、大气延迟相位以及噪声相位组成；为
了获取完整的形变信息，有必要对残余相位进行有效地分离；大气延迟相位表现出较强的
空间相关性，其在空间域为低频信号，而在时间域是不相关的，为高频信号；因此，通过在稳
定的相关区域选取预定数量的地面控制点，依据所选取控制点位置进行空间域的滤波处理
来分离出大气相位，进一步得到非线性的形变相位；
S2.3.4、建立基于沉降速率的形变模型：
为获得沉降序列，将相位转化到平均相位速度，即：
将式(7)代替式(2)中的相位得：
从而得到一个新的矩阵方程，即：
D·v＝ΔΦ (9)
式(9)中，D是一个M×N矩阵；对第j行，位于主辅图像获取时间之间的列，D(j,k)＝tk+1-
tk，其它D(j,k)＝0；
在这种情况下，将SVD分解应用于矩阵D，得到速度矢量v的最小范数解；另外从差分相
位的组成出发，除了形变相位贡献外，还有高程误差ε的相位贡献；因此，建立如下方程组：
D·v+C·ε＝ΔΦ (10)
式(10)中，C是基线距相关的系数矩阵，大小为M×1，由此得到DEM误差。
均速率；根据过往城市地表形变发展规律，在多种数据源成果的年均速率图上划定具有相
同稳定沉降趋势的区间范围；在划定的同等范围严重沉降区间内对多种数据源成果进行相
关精度评定；精度评定的标准为点目标的年均速率标准差和在时间序列上的形变趋势规
律；最终评定地铁沿线沉降危害区间及区间形变速率差，为地铁工程形变灾害系统提供有
用预警信息。
步骤一：获取覆盖地铁沿线监测范围内的同一时段的高中分辨率SAR影像数据；
本应用实例的监测区域位于福建省福州市核心区域(鼓楼区、晋安区、台江区、仓山
区)，这些区域内含密集的高建筑群，人员流动量大，地质条件复杂。选取德国TerraSAR-X
(TSX)星载X波段3米分辨率的2015年7月至2018年2月的SLC数据和欧空局Sentinel-1星载C
波段30米分辨率的2015年7月至2018年2月的SLC数据作为本应用实例研究数据源。
TerraSAR-X雷达卫星主要数据参数如表1所示；Sentinel-1雷达卫星主要数据参数如表2所
示；两种高中分辨率SLC数据扫描日期详见表3；
表1：选用TerraSAR-X雷达主要参数表
幅宽 30km×60km
波段 X波段
入射角 26.3°
方位向分辨率 1.96m
距离向分辨率 0.91m
表2：选用Sentinel-1雷达主要参数表
表3：雷达数据日期表
步骤二：多源数据基于时间序列InSAR技术提取地铁沿线区域形变信息方法；
对地铁沿线的地表沉降研究方法为区间法，而主要技术处理手段为PS-InSAR和SBAS-
InSAR。通过时序InSAR技术手段获取福州地区沉降成果，结合福州地铁区间信息挖掘地铁
沿线区域形变信息。详细步骤如下：
(1)地铁线路划定和区间影响范围划分
本应用实例针对福州地铁线路主要为一号线和二号线，利用两条地铁线路沿线各站点
中心位置的地理位置和沿线区间地理信息建立地铁线路矢量文件。统一设置福州地铁线路
区间影响范围为地表宽度100米，利用地铁线路矢量文件在GIS系统中建立好缓冲影响区。
缓冲影响区的作用是用来提取地铁沿线区间InSAR结果；
(2)研究区域DEM生成
在TerraSAR-X数据集组合中选取一组时空基线组合最佳的干涉像对作为提取研究区
域DEM对象。经过实验选取了一组时间基线小于30天、空间基线小于40米的干涉像对，通过
InSAR技术分离出形变相位和高程相位，利用高程相位反演出区域高程信息；
(3)基于时序InSAR技术干涉处理两种数据源数据
基于SBAS-InSAR技术中的小基线原则在时间序列上构建干涉像对集，经过多次实验研
究设定最优空间基线值为0—300米，最优时间基线为0—200天。根据优化主影像选取方法
确定影像对集中的超级主影像，在TerraSAR数据中选取20160806作为超级主影像，在
Sentinel-1数据中选取20160407作为超级主影像。同时，经过对干涉像对质量优化后，在
TerraSAR数据中获取了114对有效干涉对，在Sentinel-1数据中获取了162对有效干涉对。
根据研究区域中相干点目标的散射特征，采用PS-InSAR技术中点目标检测方法和幅度离散
指数方法来综合选择具有稳定相位的点目标候选点。通过数次试验后，TerraSAR数据在地
铁沿线缓冲区间内共识别出的候选点目标大约有21万个，Sentinel-1数据中也识别出了大
约5万个稳定目标点。地铁沿线区域的候选点目标数量较大，点目标主要集中在建筑物集中
区和地表道路上。识别出点目标后，对点目标上的干涉相位进行去平地与去地形处理，得到
对应的差分干涉图。对差分干涉图进行时空误差反演之前，需要选择一些稳定的点作为参
考点，其余点目标的形变都是相对于给定的参考点的。本次实验中，选取的参考点主要位于
福州鼓楼区附近，从平均相位图和当地历史资料显示该区一直处于比较稳定的状态。利用
时间域与空间域滤波对各点目标的残余相位进行处理，得到各点目标上的非线性形变相位
与大气延迟相位。最后，利用基于沉降速率的形变模型换算出2015年7月-2018年2月期间各
点目标的年均形变速率图(见图2和图3)及对应的形变时间序列；
步骤三：地铁沿线沉降区间信息划分评定及精度评定；
通过对地铁沿线缓冲区域内的点目标进行分析计算出各区间的年均速率均值，明显可
以观察到地铁二号线存在3个年均速率均值都超过了-10mm/year的区间，这在两种数据源
成果上体现了一致性。通过在沉降趋势明显的3个区间内选取一些特征点对比分析在时间
序列上的形变趋势和形变累计量，特征点详细位置参见图4至图6。可以发现的是，在同区间
区域内的特征点在时间序列上的形变曲线特征上保持了高度的相似性。同时，两种数据源
成果在同一沉降特征点上的形变展示上也基本保持了一致。(详细特征点时序形变情况参
见图7至图12)整体来说，由于Sentinel-1的数据量大，该数据源的特征点在形变曲线上更
为连续和平滑；TerraSAR数据源成果的形变特征点在沉降累计量上大部分比前者要偏大，
这体现了该数据源高分辨率精确平面定位的特点。对地铁区间内的两种数据源沉降量均值
作差评定分析。(详见表4)这表明两类数据获取的结果的差异均在毫米级，从验证了时序
InSAR分析技术在地铁沿线形变监测结果的可靠性。
表4：两种数据源在地铁沿线区间沉降量均值精度评定(单位：mm)
InSAR技术和SBAS-InSAR技术的结合价值，也凸显出了不同源数据结合联系的前景，实现了
在缺少其他检核条件下的高精度、高准确性的地铁沿线区间地表沉降反演结果。而对地铁
沿线地表沉降进行的区间化评价是该方法的创新特点，为城市地铁沉降灾害的发现和防治
提供了有效、可靠的技术支持。
施例所做任何简单的修改、均等变化与修饰，皆应属本发明的涵盖范围。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 多通道相干拉曼散射光学装置和成像系统 | 2020-05-12 | 95 |
| 极化相似度匹配下的极化相干矩阵散射能量分解方法 | 2020-05-14 | 125 |
| 基于光学相干背散射效应的原子气体浓度检测装置及方法 | 2020-05-14 | 606 |
| 用于相干散射CT的射束硬化和衰减校正 | 2020-05-12 | 152 |
| 一种超分辨快速扫描的相干拉曼散射成像方法 | 2020-05-13 | 30 |
| 低相干增强背散射光谱的系统、方法和设备 | 2020-05-13 | 893 |
| 一种集受激布里渊散射与光学相干弹性成像于一体的检测装置 | 2020-05-14 | 265 |
| 一种基于simulink的非相干散射雷达回波模拟方法及系统 | 2020-05-14 | 441 |
| 基于旋转反射面和散射体的匀场消相干装置 | 2020-05-13 | 147 |
| 一种基于散射的消相干匀场装置 | 2020-05-13 | 487 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
