CN114812496A - 一种基于多源异构数据的区域地面沉降预警方法 - Google Patents

Abstract

本发明涉及工程地质/地质灾害监测技术领域，尤其涉及一种基于多源异构数据的区域地面沉降预警方法，包括包括数据采集模块、数据传输模块、解算模块、分析模块和预警模块，所述数据采集模块用于地面沉降主控因素识别及量化、多源监测技术筛选及评价，所述解算模块包括监测数据解算和预警指标体系构建，信息采集模块基于指数的遥感建筑用地指数IBI提取，首先将三个指数波段叠加生成新影像，进一步分析生成的新影像各波段的波谱特征，发现建筑用地、植被和水体分别在NDBI、SAVI和MNDWI条件下获得最大值，利用这三个指数波段构建基于指数的建筑用地指数IBI。本发明系统稳定，成本低，实时性强。

Description

一种基于多源异构数据的区域地面沉降预警方法

技术领域

本发明涉及工程地质/地质灾害监测技术领域，尤其涉及一种基于多源异构数据的区域地面沉降预警方法。

背景技术

地面沉降作为一种“缓变性地质灾害”，具有持续时间长、生成缓慢、影响范围广、成因机制复杂和防治难度大等特点，已经成为一个全球性的环境地质问题。

随着地面沉降加剧，其对城市规划发展和经济建设的影响逐渐凸显，如诱发地裂缝，造成建(构)筑物损坏，并在一定范围内造成土地资源使用价值的丧失；使地面高程降低，造成城市防汛设施的防御能力下降，导致地下隧道开裂及损坏，影响地铁安全运行，增加维护成本。

目前的地面沉降预警仅考虑区域累计沉降量、沉降速率等地表形变信息，不能体现地面沉降分层变形特征及分布，无法对主要沉降层进行精准判别。我国地面沉降相关规范缺乏明确的地面沉降预警指标体系，很难实现对建设于地下空间不同层位的受灾体进行的精准预警，增大了地面沉降防控措施实施的难度。同时各监控预警设施布设不均，缺少有效单位限定，降低了预警精度。因此亟需建立地面沉降分层、分区预警指标体系以开展高精度地面沉降监测预警。

发明内容

有鉴于此，本发明的目的是提供一种基于多源异构数据的区域地面沉降预警方法以解决背景技术中提到的问题。

本发明的一种基于多源异构数据的区域地面沉降预警方法，基于地面沉降预警指标体系中的各指标因子，进行地面沉降单元划分；在每个地面沉降单元内，设置多类型监测手段，多类型监测手段包括：精密水准测量、GNSS及InSAR；对多类型监测手段归类及优化，建立地面沉降信息解算模型；获得待监测数据，通过地面沉降信息解算模型，计算得到各个地面沉降单元内分层沉降值；根据计算得到的分层沉降值，确定地面沉降风险等级，进行预警本方法由评价体系及模块组成。本方法的评价体系包括地面沉降主控因素识别及量化、多源监测技术筛选及评价、监测数据解算、预警指标体系构建。具体模块包括数据采集模块、数据传输模块、解算模块、分析模块和预警模块

进一步，地面沉降预警指标体系包括：目标层、标准及准则层、指标层。

指标层包括：地面沉降分区指标、地面沉降分层指标。地面沉降分层指标体现：地面沉降的垂向发育深度、地面沉降主要贡献层及敏感层、反映地表形变特征的地面沉降指标及地下空间开发利用程度、深度及规模。地面沉降信息解算模型包括：水准点校正模型、形变投影转换模型，以及地下水-地面沉降耦合模型。

在基于地面沉降预警指标体系中的各指标因子，进行地面沉降单元划分之前，建立地面沉降预警指标体系，并通过PCA获取各指标权重。设计地面沉降预警指标体系框架结构，基于区域地面沉降研究成果开展指标体系筛选。在获得待监测数据，通过地面沉降信息解算模型，计算得到各个地面沉降单元内分层沉降值之前，在对多类型监测手段归类及优化，建立地面沉降信息解算模型之后，设计地面沉降预警指标体系框架结构，基于区域地面沉降研究成果开展指标体系筛选。在结合地面沉降预警分级标准，确定地面沉降风险等级，进行预警之后，综合应用云计算、大数据、WebGIS技术，实现预警结果展示。

进一步，地面沉降主控因素识别及量化，从地面沉降影响因素出发，从自然因素和人为因素两角度，选取地面沉降主控因素。自然因素主要包括：基底构造运动、地层岩性及结构特征；人为因素主要包括：地下水水位变幅、高大建筑物、密集建筑群的静荷载、轨道交通等线性工作的动荷载。基于统计学分析手段，获取不同因素与地面沉降响应关系。

进一步，地下水水位变幅数据通过放置在地下水监测井中的水位测量仪器获取；高大建筑物、密集建筑群的静荷载：借鉴基于遥感建筑用地指数方法，选取覆盖研究区的遥感影像，在NDBI、MNDWI、SAVI指数反演的基础上，进一步采用Erdas Modeler工具，获取建筑载荷时空演化信息。遥感影像预处理过程包括：几何校正、辐射定标、大气校正、图像掩膜。随后进行植被指数SAVI提取公式如式(1)：

SAVI＝[(NIR-Red)(1+L)](NIR+Red+L) 式(1)

式中，NIR为近红外波段的像元亮度值，Red为红光波段的像元亮度值，L 为土壤调节因子，取值范围为0～1。当L＝0时，表示植被覆盖度为零；当L＝1时，表示土壤背景的影响为零，即植被覆盖度最高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。在城市地区，Huete推荐取 L＝0.5，可以比较好地减弱土壤背景的影响，本论文将L值取为0.5来计算北京地区土壤调节植被指数SAVI。

修正的归一化水体指数MNDWI提取：

MNDWI＝(Green-MIR)/(Green+MIR) 式(2)

式中，Green代表绿光波段的像元亮度值，MIR为中红外波段的像元亮度值。

归一化建筑用地指数NDBI提取：

NDBI＝(MIR-NIR)/(MIR+NIR) 式(3)

式中，MIR为中红外波段的像元灰度值，NIR为近红外波段的像元亮度值， NDBI取值为-1～1。建筑用地和旱地光谱特征表现为中红外波段均值大于近红外波段，而水体、林地及农田等表现出相反特征。NDBI值大于0的地方即为城镇用地，NDBI小于0的地方为非建筑用地。

进一步，基于指数的遥感建筑用地指数IBI提取，首先将三个指数波段叠加生成新影像，进一步分析生成的新影像各波段的波谱特征，发现建筑用地、植被和水体分别在NDBI、SAVI和MNDWI条件下获得最大值。因此，利用这三个指数波段构建基于指数的建筑用地指数IBI，公式如式(4)；

IBI＝[NDBI-(SAVI+MNDWI)2]/[NDBI+(SAVI+MNDWI)/2] 式(4)

轨道交通等线性工作的动荷载：选用轨道交通工程平均静荷载，计算公式如下：

式中P_E：轨道交通静荷载；V_E车辆运行速度。P_ES：车辆平均静荷载；n：车辆数量；Mi：贡献率；Pi车辆平均静荷载PVS线性工程平均静荷载。

统计学分析手段主要包括：SRCC、随机森林，通过对以上数据进行通过以下公式进行计算，如式(6)

其中：Pk表示的是当前样本集合D中第k类样本所占的比例为Pk。

进一步，多源监测技术筛选及评价，从空间测量技术角度出发，选取“天空地”地面沉降立体监测技术，主要技术手段包括：InSAR、GPS、水准测量、分层标、分布式光纤。从空间分辨率、时间分辨率及监测精度等角度对各源监测技术进行评价，筛选出适用于地面沉降预警频率和精度的监测手段，为后续开展地面沉降监控预警提供技术支撑。

进一步，监测数据解算及信息采集，建立筛选后的各源数据解算架构，搭建监测数据—地面沉降直观响应数据解算平台，达到实时获取高精度解算数据。选取InSAR、GNSS、分布式光纤作为地面沉降监控预警优势监测手段，InSAR数据具有高空间分辨率，可获取区域地面沉降形变信息，控制地面沉降形变趋势。GNSS 可实时获取地面形变信息，可用于开展地面沉降中心形变特征长期监测，进行沉降中心地面沉降形变预警。分布式光纤，具有传输与测量相结合的优势，可实时获取全监测深度内土体应变信息，用于沉降中心区及沉降边缘区，分层沉降监测，实现地面沉降分层监控预警。

进一步，InSAR解算主要采用：小基线干涉测量(SBAS-InSAR)技术，公式可以表示为如式(7)：

其中，ν(·)和β(·)分别是高分辨率单视差分干涉图的平均速度和残余形变中的非线性组分，△Z(x，r)是高分辨率单视差分干涉图中的地形组分，△n(x，r)是噪声误差，对于ν(·)和△Z(x，r)的估算，要它们满足最大化时相相干因素，表示如式(8)：

其中，δφ_mo是模拟相位，表示如下，如式(9)：

将公式(8)和式(9)相减，得到新的相位，包括β(·)和△m(x， r)，利用奇异值分解法，去非线性形变速率β(·)，总体形变量可表示为式(10)： d(t_n，x，r)＝d_L(tn，x，r)+(t_n-t₀)v(x，r)+β(t_n，x，r)，n＝0，1，2…N 式(10)

进一步，GNSS解算采用GAMIT基线解算：

GAMIT采用双差法处理原始观测值，双差观测量可以完全消除卫星钟差和接收机钟差影响，同时也可以明显的削弱诸如轨道误差、大气折射等系统误差的影响。假设t时刻在测站i对卫星p进行了观测，则线性化后的双频载波相位观测方程为:

式(11)、(12)中f₁为L₁的载波频率；f₂为L₂的载波频率；

为卫星到接收机间的几何距离；

为电离层延迟；δT_i ^p为对流层延迟；δt_i为接收机钟差；δt^p为卫星钟差；

为初始整周模糊度；

为残差。

假设t时刻在测站i和j对卫星p和q进行了观测，则线性化后的双差载波相位观测方程为式(13)：

式(13)中，对流程延迟可以采用参数估计或者模型改正的方法予以削弱；电离层折射受各种因素的影响难以用一个具体的方法进行处理，目前常采用双频相位观测值消电离层组合LC削弱一阶电离层折射影响，如式(14)所示。

式(14)中，LC观测值经双差组合后消除了电离层影响，但LC观测值的模糊度已不再具有整数特性，为了准确固定LC观测值的整周模糊度，可借助于宽巷WL和窄巷NL组合观测值对LC模糊度进行分解。

光纤的应变量与布里渊频移可用下式表示：

其中，v_B(ε)为当应变为ε时的布里渊频率的漂移量；v_B(0)为当应变为0时的布里渊频率的漂移量；

为比例系数，约为493MHz(/％strain)；ε为光纤的应变量。

进一步，预警指标体系构建及阈值确定，依据地面沉降主控因素识别及量化结果，确定地面沉降预警指标体系建设所需各类评价因子及其权重，采用聚类分析和模糊数学方法，对各类单因子评价指标图件进行耦合叠加分析，建立地面沉降预警评价指标体系。

进一步，一种地面沉降监控预警装置，包括一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据上述的任意一项所述的一种基于多源异构数据的区域地面沉降预警方法。

以地面沉降综合单元为基准，建立预警标准。预警标准综合“全国地面沉降防治规划”、《区域地面沉降防治规划》、地面沉降造成各建筑物/线性工程变形的阈值及“区域地面沉降灾害风险评估因子等级”，对各类阈值进行综合比对，从小到大进行预警等级划分。区域预警指标

1)地下水位

将地面沉降年度防控指标依据年内发育规律分解到季度、月、天，重点沉降地层压缩量和造成沉降的相邻含水层地下水下降量在不断迭代的基础上形成清晰的替代模型，从时间和垂向空间上详细分解沉降量值，并与地下水位作为主要预警阈值和指标，以地下水位动态监测数据结果进行实时监控预警。

2)地表形变

将地面沉降年度防控指标依据年内发育规律分解到季度、月、天，应用典型地区GPS连续站监测实施监测成果，通过构建网格，利用GIS手段进行插值，实现对地表形变进行监测，监测值与防控指标比对，开展实时监控预警。

(3)预警等级划分

通过构建年内动态累计沉降值为代表的沉降指标和地下水位指标相结合的双预警指标体系，实现预警预报。预警风险防控等级依据风险大小分为三级，各等级对应了相应的沉降和地下水位指标，其中一级为最高，显示颜色为红色，二级次之，显示颜色为橙色，三级最低，显示颜色为黄色。

本发明将提出基于评价体系及模块组成的地面沉降监控预警系统，可实时获取高精度地表、地下立体监测数据，实现全地面沉降尺度范围内监控预警。解决了传统地面沉降模型预警的低精度、低空间分辨率，只能进行区域(小比例尺) 地面沉降预警，无法实现小区域尺度地面沉降分层预警的缺陷。该系统集成了多源监测技术筛选及信息数据实时处理、主控因子识别及量化、预警指标体系、信息系统、成果表达形式及实时发布等多个过程，通过计算机编程实现各过程的有机融合，可对地面沉降灾害进行实时、一站式预警，简化中间过程，更有利于推广和使用。针对传统预警方法只能根据地表形变信息进行预警，无法实现分层、分区预警的缺陷，设计在对地面沉降主控影响因子识别基础上，构建多源地面沉降监测技术框架体系，获取、实时沉降信息，克服现有监测技术的局限性，结合区域及重点工程地面沉降评价标准，建立地面沉降预警评价指标体系，综合应用云计算、大数据、WebGIS技术，实现地面沉降监控预警。

具体实施方式

以下是具体实施例对本发明进行详细说明，显然，所描述的实施例仅仅只是本申请一部分实施例，而不是全部的实施例，基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

由评价体系及模块组成。评价体系包括：地面沉降主控因素识别及量化、多源监测技术筛选及评价、监测数据解算、预警指标体系构建。模块包括：数据采集模块、数据传输模块、解算模块、分析模块和预警模块

本实施例中，地面沉降主控因素识别及量化，从地面沉降影响因素出发，从自然因素和人为因素两角度，选取地面沉降主控因素。自然因素主要包括：基底构造运动、地层岩性及结构特征；人为因素主要包括：地下水水位变幅、高大建筑物、密集建筑群的静荷载、轨道交通等线性工作的动荷载。基于统计学分析手段，获取不同因素与地面沉降响应关系。

本实施例中，地下水水位变幅数据通过放置在地下水监测井中的水位测量仪器获取；高大建筑物、密集建筑群的静荷载：借鉴基于遥感建筑用地指数方法，选取覆盖研究区的遥感影像，在NDBI、MNDWI、SAVI指数反演的基础上，进一步采用Erdas Modeler工具，获取建筑载荷时空演化信息。遥感影像预处理过程包括：几何校正、辐射定标、大气校正、图像掩膜。随后进行植被指数SAVI提取公式如式(1)：

SAVI＝[(NIR-Red)(1+L)]/(NIR+Red+L) 式(1)

式中，NIR为近红外波段的像元亮度值，Red为红光波段的像元亮度值，L 为土壤调节因子，取值范围为0～1。当L＝0时，表示植被覆盖度为零；当L＝1时，表示土壤背景的影响为零，即植被覆盖度最高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。在城市地区，Huete推荐取 L＝0.5，可以比较好地减弱土壤背景的影响，本论文将L值取为0.5来计算北京地区土壤调节植被指数SAVI。

修正的归一化水体指数MNDWI提取：

MNDWI＝(Green-MIR)/(Green+MIR) 式(2)

式中，Green代表绿光波段的像元亮度值，MIR为中红外波段的像元亮度值。

归一化建筑用地指数NDBI提取：

NDBI＝(MIR-NIR)/(MIR+NIR) 式(3)

式中，MIR为中红外波段的像元灰度值，NIR为近红外波段的像元亮度值， NDBI取值为-1～1。建筑用地和旱地光谱特征表现为中红外波段均值大于近红外波段，而水体、林地及农田等表现出相反特征。NDBI值大于0的地方即为城镇用地，NDBI小于0的地方为非建筑用地。

本实施例中，基于指数的遥感建筑用地指数IBI提取，首先将三个指数波段叠加生成新影像，进一步分析生成的新影像各波段的波谱特征，发现建筑用地、植被和水体分别在NDBI、SAVI和MNDWI条件下获得最大值。因此，利用这三个指数波段构建基于指数的建筑用地指数IBI，公式如式(4)：

IBI＝[NDBI-(SAVI+MNDWI)/2]/[NDBI+(SAVI+MNDWI)/2] 式(4)

轨道交通等线性工作的动荷载：选用轨道交通工程平均静荷载，计算公式如下：

式中P_E：轨道交通静荷载；V_E车辆运行速度。P_ES：车辆平均静荷载；n：车辆数量；Mi：贡献率；Pi车辆平均静荷载PVS线性工程平均静荷载。

统计学分析手段主要包括：SRCC、随机森林，通过对以上数据进行通过以下公式进行计算，如式(6)

其中：Pk表示的是当前样本集合D中第k类样本所占的比例为Pk。

本实施例中，多源监测技术筛选及评价，从空间测量技术角度出发，选取“天空地”地面沉降立体监测技术，主要技术手段包括：InSAR、GPS、水准测量、分层标、分布式光纤。从空间分辨率、时间分辨率及监测精度等角度对各源监测技术进行评价，筛选出适用于地面沉降预警频率和精度的监测手段，为后续开展地面沉降监控预警提供技术支撑。

本实施例中，监测数据解算及信息采集，建立筛选后的各源数据解算架构，搭建监测数据—地面沉降直观响应数据解算平台，达到实时获取高精度解算数据。选取InSAR、GNSS、分布式光纤作为地面沉降监控预警优势监测手段，InSAR 数据具有高空间分辨率，可获取区域地面沉降形变信息，控制地面沉降形变趋势。 GNSS可实时获取地面形变信息，可用于开展地面沉降中心形变特征长期监测，进行沉降中心地面沉降形变预警。分布式光纤，具有传输与测量相结合的优势，可实时获取全监测深度内土体应变信息，用于沉降中心区及沉降边缘区，分层沉降监测，实现地面沉降分层监控预警。

InSAR解算主要采用：小基线干涉测量(SBAS-InSAR)技术，公式可以表示为如式(7)：

其中，ν(·)和β(·)分别是高分辨率单视差分干涉图的平均速度和残余形变中的非线性组分，△Z(x，r)是高分辨率单视差分干涉图中的地形组分，△n(x，r)是噪声误差，对于ν(·)和△Z(x，r)的估算，要它们满足最大化时相相干因素，表示如式(8)：

其中，δφ_mo是模拟相位，表示如下，如式(9)：

将公式(8)和式(9)相减，得到新的相位，包括β(·)和△m(x， r)，利用奇异值分解法，去非线性形变速率β(·)，总体形变量可表示为式(10)： d(t_n，x，r)＝d_L(t_n，x，r)+(t_n-t₀)ν(x，r)+β(t_n，x，r)，n＝0，1，2…N 式(10)

本实施例中，GNSS解算采用GAMIT基线解算：

GAMIT采用双差法处理原始观测值，双差观测量可以完全消除卫星钟差和接收机钟差影响，同时也可以明显的削弱诸如轨道误差、大气折射等系统误差的影响。假设t时刻在测站i对卫星p进行了观测，则线性化后的双频载波相位观测方程为:

式(11)、(12)中f₁为L₁的载波频率；f₂为L₂的载波频率；

为卫星到接收机间的几何距离；

为电离层延迟；δT_i ^p为对流层延迟；δt_i为接收机钟差；δt^p为卫星钟差；

为初始整周模糊度；

为残差。

假设t时刻在测站i和j对卫星p和q进行了观测，则线性化后的双差载波相位观测方程为式(13)：

式(13)中，对流程延迟可以采用参数估计或者模型改正的方法予以削弱；电离层折射受各种因素的影响难以用一个具体的方法进行处理，目前常采用双频相位观测值消电离层组合LC削弱一阶电离层折射影响，如式(14)所示。

式(14)中，LC观测值经双差组合后消除了电离层影响，但LC观测值的模糊度已不再具有整数特性，为了准确固定LC观测值的整周模糊度，可借助于宽巷 WL和窄巷NL组合观测值对LC模糊度进行分解。

光纤的应变量与布里渊频移可用下式表示：

其中，v_B(ε)为当应变为ε时的布里渊频率的漂移量；

v_B(0)为当应变为0时的布里渊频率的漂移量；

为比例系数，约为 493MHz(/％strain)；ε为光纤的应变量。

本实施例中，预警指标体系构建及阈值确定，依据地面沉降主控因素识别及量化结果，确定地面沉降预警指标体系建设所需各类评价因子及其权重，采用聚类分析和模糊数学方法，对各类单因子评价指标图件进行耦合叠加分析，建立地面沉降预警评价指标体系。

本实施例中，一种地面沉降监控预警装置，包括一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据上述的任意一项所述的一种基于多源异构数据的区域地面沉降预警方法。

本发明的第二种实施例，一种基于多源异构数据的区域地面沉降预警方法包括：

设计地面沉降预警指标体系框架结构，基于区域地面沉降研究成果开展指标体系筛选。框架结构包括三个部分、目标层、标准及准则层、指标层。

其中目标层为实现地面沉降监控预警，标准及准则层，标准为遵循现行涉及地面沉降监测及评价各类相关规范、准则，各指标反映由于自然因素或人类工程活动引发的地下松散岩层固结压缩并导致一定区域范围内地面高程降低的缓变性地质灾害。指标筛选过程中遵循(1)筛选指标以数值形式表示(定量)；(2) 突出反映地面沉降形变特征；(3)各指标具有不可替代性，唯一性。指标层为反映地面沉降时、空变化特征，支撑地面沉降预警的各类指标。

指标层包括两个部分：地面沉降分区、地面沉降分层。地面沉降分区指标筛选要突出以下四个部分：(1)影响地面沉降发育的自然因素主要包括：地质构造、可压缩层厚度、含水层特性；(2)影响地面沉降发育的人为因素，主要包括地下资源开采层位、地下资源开采量、建筑物静荷载及车辆动荷载；(3)城市规划及重大工程、生命线工程等；(4)已有地面沉降灾害地区。地面沉降分层指标筛选要突出以下四个部分：(1)地面沉降的垂向发育深度；(2)地面沉降主要贡献层及敏感层；(3)反映地表形变特征的地面沉降指标；(4)地下空间开发利用程度、深度及规模。建立地面沉降预警指标体系，并获取各指标权重。

预警指标体系包括地面沉降分区指标、地面沉降分层指标。该步骤主要采用统计学分析手段综合确定预警指标体系。具体确定步骤如下：

基于城市规划及地面沉降机理研究结果，选取可以充分反应区域地面沉降分区特征的指标，分发给相关各领域专家，从地质背景、结构破坏等多角度对不同指标评分，评分分为4个等级，非常重要(10-8分)，比较重要(8-6分)，一般重要(6-4分)，不重要(4-2分)。去除不重要部分，将剩余3个等级中选择的各指标进行量化处理，基于统计学原理，分别分析各指标与地面沉降关系(包括对地面沉降发展的影响及受地面沉降影响程度)，分析手段主要通过相关性分析法结合主成分分析法(PCA)，对各指标进行再一次的综合筛选。最终选取作为地面沉降监控预警指标，建立地面沉降监控预警指标体系。

基于各指标因子，进行地面沉降单元划分。

基于分区指标筛选结果及权重，选择表征自然因素的指标因子，利用线性加权综合法(equation1)将各因子进行叠加分析，获取地面基础沉降单元，该单元主要反映地面沉降基础格局，将该结果叠加人为因素及地面沉降灾害指标因子，获取地面沉降动态单元，该单元表征地面沉降严重程度及发育范围。最后将反映重大工程形变特征指标因子叠加，获取地面沉降综合单元，该单元表征地面沉降对城市建设影响，如式(16)；

式中：y——综合评价值；x_j——评价指标；w_j——评价指标；x_j相应的权重系数；n——评价指标个数。

本实施例中，在每个地面沉降单元内，设置多类型监测手段，各监测手段可获取地表形变信息或地层垂向形变特征。

基于地面沉降综合单元结果，依据内部主控影响指标/受体，选择可有效反映各指标特征的监测方法或手段。主要手段包括分布式光纤、CMT多级监测井、GNSS、InSAR等可实时获取数据信息的监测技术。

本实施例中，对各类型监测手段归类，并进行集成优化，建立地面沉降信息解算模型。

依据不同监测尺度进行归类，一般分为地表监测系统和垂向监测系统，地表监测系统包含区域监测手段及重点工程小范围监测手段，对于不同工程监测手段略有不同，参照不同工程手段监测标准规范。目前区域监测手段主要包括精密水准测量、GNSS及InSAR，其中精密水准测量通过布设多级水准网，经平差计算和空间内插来获得地表形变信息，该方法无法满足对地面沉降实时动态监测的要求，精密水准测量以其高精度的优势通常用于地面沉降监测技术精度的验证。 GNSS测量技术，具有周期短、定位精度高、布网迅速、全天侯等优点。但GNSS 测量所获取的是点状分布的地面监测点形变信息，因此该手段主要用于沉降中心地区或差异沉降严重地区地面沉降信息监测。合成孔径雷达差分干涉测量技术可实时快速、大尺度、高精度，获取垂直形变信息监测精度可达到mm级，可用于区域沉降实时监测。但在水平形变监测方面其探测能力有限，对水平形变不敏感。并且在相位解缠方面受大气延迟和时空失相关影响较为严重，因此在解算时需消除这些误差的影响。基于以上分析，选择InSAR数据综合多解译手段作为区域地面沉降实时动态监测的主要方法，并利用GNSS、精度水准测量结果进行结果的校正。

水准点校正模型

利用空间投影转换模型，将精密水准点与PS点校正到同一坐标系，以水准点为圆心，将100m范围内的PS点的累计沉降量取平均值，与精密水准点的测量值进行对比，计算相关系数和均方根误差。具体步骤如下：

将PS点视线向形变量通过公式a转换成垂直方向形变量。

计算水准点与转换后的PS形变量误差值(E_vari)，该值包含轨道误差、大气延迟和随机误差。

利用系统性误差模型计算大气延迟和地形引起的误差(E_s)，结合变异函数计算区域性误差估值(E_a)。

利用式b进行PS点校正。

V_v＝V_los/cosθ 式(17)

E_vair＝V_v-V_b 式(18)

E_vair＝E_s+E_a 式(19)

V_verif＝V_v-E_vair 式(20)

上式中，V_v是PS值垂直方向形变量，V_Los是PS值LOS方向的形变量，ΔH 是地表在垂直方向的位移量，θ为SAR卫星的成像侧视角。

本实施例中，GNSS与InSAR的形变投影转换模型

(1)GNSS数据投影变换模型

设地表的实际形变矢量为V，在沿东、北、垂直三个方向的形变分量为(ΔE，ΔN，ΔH)，采用GNSS观测得到其在东、北方向的水平形变分量为(ΔE_GNSS，ΔN_GNSS)，令V_GPS＝(ΔE_GNSS，ΔN_GNSS)。假设SAR卫星运行轨迹方向(SAR影像方位向)与北方向的夹角为Φ，借助Φ角将GNSS水平位移量(ΔE_GNSS，ΔN_GNSS)转换为其在SAR影像的距离向(Range)和方位向(Azimuth)的形变投影分量(Δ R，ΔA)，令V_SAR＝(ΔR，ΔA)，两者之间的转换关系为：

方位向相对于距离向和LOS方向均为垂直关系，因此方位向的形变量ΔA在 LOS方向形变投影为零，而距离向(Range)的形变量ΔR与LOS方向的夹角为θ，因此ΔR在LOS方向的形变投影分量为(ΔE_GNSScosΦ+ΔN_GNSSsinΦ)·sinθ，垂直方向的形变量ΔH在LOS方向的形变分量为ΔH·cosθ，两者之和即为地表三维形变量投影到雷达视线方向(LOS的形变Δr，因此有：

Δr＝ΔH·cosθ+(ΔE_GNSScosΦ+ΔN_GNSSsinΦ)·sinθ 式(22)

上式中，Δr是InSAR测量得到的LOS方向的形变量，ΔH是地表在垂直方向的位移量，θ为SAR卫星的成像侧视角。把上式改写为如下形式：

上述的公式建立了雷达LOS形变量与地表垂直方向形变量的转换关系。从该式可以看出，如果已测得地表的水平位移量(ΔE_GNSS，ΔN_GNSS)以及基于卫星轨道参数计算出的夹角Φ、θ，使用(3)就可以把InSAR在雷达视线方向(LOS) 形变量Δr转换为地表在垂直方向上的形变量ΔH。

本实施例中，大气延迟均值模型

①利用GNSS解算结果解算出SAR卫星过境时间内高精度的对流层天顶总延迟(ZTD)。利用地面气象数据计算出天顶静力学延迟(ZHD)，进而通过ZTD-ZHD 得出天顶湿延迟(ZWD)。将GNSS联合地面气象数据解算出的天顶湿延迟GNSS (ZWD)与MODIS数据反演获取的天顶湿延迟MODIS(ZWD)进行回归拟合，实现利用GPS(ZWD)校正MODIS(ZWD)。

式中,P_s为地面大气压值，

为GPS站点纬度，H为GPS站点高程值。

②计算SAR主、辅影像获取时刻的差分大气延迟相位。公式为:

式中，θ_inc为雷达入射角。为了消弱噪声和操作误差影响，需要对

进行低通滤波。

将PS-InSAR残余相位中分离出来的大气延迟相位

与GPS/MODIS数据联合反演得到的大气延迟相位

做均值融合处理，建立高精度、高时空分辨率的大气延迟均值模型。

(3)大气延迟校正模型

由于大气延迟相位的去除是针对像元进行的，因此还需将

相位图与初始差分干涉相位图进行配准，达到像元尺度的统一，才能进行栅格计算，求取消除大气延迟影响的高精度差分干涉相位图。

式中，

为大气延迟改正后的差分干涉相位图，

为初始差分干涉相位图。

垂向监测系统目前主要包括基岩-分层标、分布式光纤及地下水监测井。基岩标-分层标监测方法通过将标杆放入不同沉降层位，实现高精度垂向分层地面沉降形变信息的获取，其精度达到0.01—0.1mm。但由于操作复杂，占地面积大、施工工艺较高，费用昂贵等，该方法仅用作地面沉降分层监测模型的验证及目地面沉降机理研究。分布式光纤技术指在被测物中布设传感光缆，实现一维方向上的多物理参量连续性测试的技术方法。利用布里渊散射可以反映光纤应变的特性，通过公式推算出该方法施工工艺相对简单，可获得多层位连续沉降信息，被广泛应用，但其施工成本相对较高，可用于沉降中心/次中心分层监测。

式中，υ_B(ε,T)为环境温度为T、应变为ε时，光纤布里渊频率的漂移量；υ_B(0,T₀)表示温度为T₀、应变为0时光纤布里渊频率的漂移量；

分别表示与光纤类型有关的应变和温度的比例系数。

FBG反射特定波长的光，该波长满足以下条件：

λ_B＝2n_effΛ 式(30)

式中，λ_B为反射光的中心波长；n_eff为纤芯的有效折射率；Λ为光纤光栅折射率调制的空间周期。

外界应力和温度变化会引起折射率和栅距的变化，导致FBG波长λ_B的移位，满足线性关系式：

式中Δλ为FBG波长变化量，ε为光纤轴向应变，ΔT为温度变化，P_s为光纤光弹系数，α为光纤热膨胀系数，ζ为光纤热光系数。

我国地面沉降严重发育区，地下水超采为其主要影响因素，地下水位下降导致孔隙水压力消散，有效应力增加导致压缩土层沉降，因此地下水位变幅可指示该含水层系统沉降量。

通过地下水-地面沉降耦合模型或经验模型实现地面沉降分层监测。其公式如下：

式中：Ω—渗流区域；h—地下水的水位标高；K—渗透系数；w—含水层的源汇项；h₀—初始水位；S_s—储水率；Γ₁—一类边界；Γ₂—二类边界；K_n—二类边界界面法线方向的渗透系数，n—二类边界边界面的法线方向；Δb—变形量量；b—土层厚度；S_sk—骨架储水率(当水位低于前期最低水位时，该参数为S_skv—非弹性骨架储水率，当水位高于前期最低水位时，该参数为S_skv—弹性骨架储水率)。

其中：S_sk和S_skv分别为弹性贮水率和非弹性贮水率：

式中：C_c压缩指数；C_r回弹指数；γ_w水的容重；σ有效应力；e₀初始孔隙比。

本实施例中，基于多目标地面沉降评价标准，各地面沉降单元内分别建立地面沉降预警分级标准。

以地面沉降综合单元为基准，建立各单元内部预警标准。预警标准综合“全国地面沉降防治规划”、《区域地面沉降防治规划》、单元内地面沉降造成各建筑物/线性工程变形的阈值及“区域地面沉降灾害风险评估因子等级”，对各类阈值进行综合比对，依据不同沉降层中受体的阈值，从小到大进行预警等级划分。获得待监测数据，通过解算模型，计算得到各单元内分层沉降值。结合分级标准，确定地面沉降风险等级，进行预警。综合应用云计算、大数据、WebGIS技术，实现预警结果展示。

例如，所述地面沉降监控预警装置可以用于充当向下延拓过程的计算设备。如本文所述，地面沉降监控预警装置可以用于在计算设备中实现重力或者磁场数据的向下延拓计算的功能。地面沉降监控预警装置可以在单个节点中实现，或者地面沉降监控预警装置的功能可以在网络中的多个节点中实现。本领域的技术人员应意识到，术语地面沉降监控预警装置包括广泛意义上的设备，地面沉降监控预警装置仅是其中一个示例。包括地面沉降监控预警装置是为了表述清楚，并不旨在将本发明的应用限制为特定的地面沉降监控预警装置实施例或某一类地面沉降监控预警装置实施例。本发明所述的至少部分特征/方法可以在网络装置或组件，例如，地面沉降监控预警装置，中实现。例如，本发明中的特征/方法可以采用硬件、固件和/或在硬件上安装运行的软件实现。地面沉降监控预警装置可以是任何通过网络处理，存储和/或转发数据帧的设备，例如，服务器，客户端，数据源等。地面沉降监控预警装置可以包括收发器(Tx/Rx)210，其可以是发射器，接收器，或其组合。Tx/Rx210可以耦合到多个端口250(例如上行接口和/或下行接口)，用于从其他节点发送和/或接收帧。处理器230可耦合至 Tx/Rx 210，以处理帧和/或确定向哪些节点发送帧。处理器230可以包括一个或多个多核处理器和/或存储器设备232，其可以用作数据存储器，缓冲区等。处理器230可以被实现为通用处理器，或者可以是一个或多个专用集成电路 (applicationspecific integrated circuit，简称ASIC)和/或数字信号处理器(digital signalprocessor，简称DSP)的一部分。

以地面沉降综合单元为基准，建立预警标准。预警标准综合“全国地面沉降防治规划”、《区域地面沉降防治规划》、地面沉降造成各建筑物/线性工程变形的阈值及“区域地面沉降灾害风险评估因子等级”，对各类阈值进行综合比对，从小到大进行预警等级划分。区域预警指标

1)地下水位

将地面沉降年度防控指标依据年内发育规律分解到季度、月、天，重点沉降地层压缩量和造成沉降的相邻含水层地下水下降量在不断迭代的基础上形成清晰的替代模型，从时间和垂向空间上详细分解沉降量值，并与地下水位作为主要预警阈值和指标，以地下水位动态监测数据结果进行实时监控预警。

2)地表形变

将地面沉降年度防控指标依据年内发育规律分解到季度、月、天，应用典型地区GPS连续站监测实施监测成果，通过构建网格，利用GIS手段进行插值，实现对地表形变进行监测，监测值与防控指标比对，开展实时监控预警。

(3)预警等级划分

通过构建年内动态累计沉降值为代表的沉降指标和地下水位指标相结合的双预警指标体系，实现预警预报。预警风险防控等级依据风险大小分为三级，各等级对应了相应的沉降和地下水位指标，其中一级为最高，显示颜色为红色，二级次之，显示颜色为橙色，三级最低，显示颜色为黄色。

以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。本发明未详细描述的技术、形状、构造部分均为公知技术。

Claims (8)

1.一种基于多源异构数据的区域地面沉降预警方法，其特征在于，本方法包括数据采集模块、数据传输模块、解算模块、分析模块和预警模块，所述数据采集模块用于地面沉降主控因素识别及量化、多源监测技术筛选及评价，所述解算模块包括监测数据解算和预警指标体系构建。

2.根据权利要求1所述的一种基于多源异构数据的区域地面沉降预警方法，其特征在于，地面沉降主控因素识别及量化通过放置在地下水监测井中的水位测量仪器获取；高大建筑物、密集建筑群的静荷载，使用基于遥感建筑用地指数方法，选取覆盖研究区的遥感影像，在NDBI、MNDWI、SAVI指数反演的基础上，采用Erdas Modeler工具，获取建筑载荷时空演化信息，

遥感影像预处理过程包括：几何校正、辐射定标、大气校正、图像掩膜，随后进行植被指数SAVI提取公式如式1：

SAVI＝[(NIR-Red)(1+L)]/(NIR+Red+L) 式(1)

其中，NIR为近红外波段的像元亮度值，Red为红光波段的像元亮度值，L为土壤调节因子，取值范围为0～1。

3.根据权利要求2所述的一种基于多源异构数据的区域地面沉降预警方法，其特征在于，修正的归一化水体指数MNDWI提取，如式(2)

MNDWI＝(Green-MIR)/(Green+MIR) 式(2)

式中，Green代表绿光波段的像元亮度值，MIR为中红外波段的像元亮度值，

归一化建筑用地指数NDBI提取，如式(3)

NDBI＝(MIR-NIR)/(MIR+NIR) 式(3)

式中，MIR为中红外波段的像元灰度值，NIR为近红外波段的像元亮度值，NDBI取值为-1～1。

4.根据权利要求1所述的一种基于多源异构数据的区域地面沉降预警方法，其特征在于，所述信息采集模块基于指数的遥感建筑用地指数IBI提取，首先将三个指数波段叠加生成新影像，进一步分析生成的新影像各波段的波谱特征，发现建筑用地、植被和水体分别在NDBI、SAVI和MNDWI条件下获得最大值，利用这三个指数波段构建基于指数的建筑用地指数IBI，公式如式(4)：

IBI＝[NDBI-(SAVI+MNDWI)/2]/[NDBI+(SAVI+MNDWI)/2] 式(4)

轨道交通等线性工作的动荷载：选用轨道交通工程平均静荷载，计算公式如(5)

P_ES＝0.26P_E(1+0.004V_E)；

式中P_E：轨道交通静荷载；V_E车辆运行速度；P_ES：车辆平均静荷载；n：车辆数量；Mi：贡献率；Pi车辆平均静荷载PVS线性工程平均静荷载。

5.根据权利要求1所述的一种基于多源异构数据的区域地面沉降预警方法，其特征在于，所述分析模块包括SRCC、随机森林的方法，通过对权利要求2-4所获取的数据通过以下公式进行计算具体如式(6)

其中：Pk表示的是：当前样本集合D中第k类样本所占的比例为Pk。

6.根据权利要求1所述的一种基于多源异构数据的区域地面沉降预警方法，其特征在于，所述多源监测技术筛选及评价包括InSAR、GPS、水准测量、分层标、分布式光纤的方法，使用InSAR、GNSS、分布式光纤作为地面沉降监控预警优势监测手段，InSAR解算采用小基线干涉测量(SBAS-InSAR)技术，公式如式(7)

其中，ν(·)和β(·)分别是高分辨率单视差分干涉图的平均速度和残余形变中的非线性组分，△Z(x，r)是高分辨率单视差分干涉图中的地形组分，△n(x，r)是噪声误差，对于ν(·)和△Z(x，r)的估算，要它们满足最大化时相相干因素，表示如式(8)

其中，δφ_mo是模拟相位，表示如下：

将公式(8)和(9)相减，得到新的相位，包括β(·)和△m(x，r)，利用奇异值分解法，去非线性形变速率β(·)，总体形变量可表示为式(10)

d(t_n，x，r)＝d_L(t_n，x，r)+(t_n-t₀)v(x，r)+β(t_n，x，r)，n＝0，1，2…N 式(10)。

7.根据权利要求1所述的一种基于多源异构数据的区域地面沉降预警方法，其特征在于，预警指标体系构建及阈值确定依据地面沉降主控因素识别及量化结果，确定地面沉降预警指标体系建设所需各类评价因子及其权重，采用聚类分析和模糊数学方法，对各类单因子评价指标图件进行耦合叠加分析，建立地面沉降预警评价指标体系。

8.一种地面沉降监控预警装置，其特征在于，包括一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据权利要求1-7任意一项所述的一种基于多源异构数据的区域地面沉降预警方法。