基于SBAS-InSAR技術(shù)的新疆某煤礦長(zhǎng)時(shí)序地表形變監(jiān)測(cè)與分析

摘" "要：新疆某煤礦長(zhǎng)期開采導(dǎo)致礦區(qū)出現(xiàn)嚴(yán)重地表形變，嚴(yán)重威脅礦區(qū)的安全生產(chǎn)和區(qū)域可持續(xù)發(fā)展，有必要采用有效方法監(jiān)測(cè)煤礦地表形變。為深入研究礦區(qū)地表形變規(guī)律，選取2017年1月23日至2022年12月23日共178景Sentinel-1A升軌雷達(dá)影像數(shù)據(jù)，利用SBAS-InSAR技術(shù)實(shí)測(cè)礦區(qū)2017—2022年地表形變信息，并引入GACOS數(shù)據(jù)去除大氣誤差影響，分析了礦區(qū)地表形變空間分布特征、時(shí)空演化規(guī)律及地表形變驅(qū)動(dòng)因素。研究結(jié)果表明：①監(jiān)測(cè)期間，研究礦區(qū)內(nèi)地表形變以沉降為主，地表最大形變速率約為-113 mm/a，最大累計(jì)沉降量約為580 mm，主要地表沉降區(qū)域面積約為15.2 km2；②研究礦區(qū)地表沉降面積和累計(jì)沉降量不斷增大，地表沉降符合煤礦開采沉降曲線，地表沉降將會(huì)進(jìn)一步增加；③研究礦區(qū)地表形變主要由采礦工程所致，降水也是影響該礦區(qū)地表變形的重要因素。本研究為煤礦區(qū)地表形變監(jiān)測(cè)、地質(zhì)災(zāi)害預(yù)警與防控及礦區(qū)安全生產(chǎn)提供科學(xué)依據(jù)。

關(guān)鍵詞：SBAS-InSAR；GACOS；地表形變監(jiān)測(cè)；地表沉降；時(shí)空演化規(guī)律；驅(qū)動(dòng)因素

煤炭是我國(guó)能源安全的保障和壓艙石，煤炭開采在促進(jìn)我國(guó)經(jīng)濟(jì)發(fā)展的同時(shí)也引發(fā)了一系列地質(zhì)災(zāi)害問題[1]。隨著開采規(guī)模不斷擴(kuò)大，礦區(qū)出現(xiàn)嚴(yán)重的地面塌陷問題，嚴(yán)重破壞了礦區(qū)建筑、交通道路、管線等基礎(chǔ)設(shè)施，加劇水土流失和土地沙漠化，對(duì)礦區(qū)安全生產(chǎn)和區(qū)域可持續(xù)發(fā)展造成嚴(yán)重威脅[2]。因此，采取高效準(zhǔn)確的方法對(duì)礦區(qū)開展地表形變監(jiān)測(cè)，研究地表形變特征和時(shí)空演化規(guī)律，并分析其影響因素，對(duì)礦區(qū)災(zāi)害預(yù)警及治理具有重要意義。

地表形變監(jiān)測(cè)的傳統(tǒng)方法主要有精密水準(zhǔn)測(cè)量、全站儀測(cè)量及全球?qū)Ш叫l(wèi)星系統(tǒng)測(cè)量等[3]。這些方法具有成熟可靠，監(jiān)測(cè)精度高等優(yōu)點(diǎn)，在監(jiān)測(cè)礦區(qū)地表形變中發(fā)揮了重要作用[4]。但仍存在諸多不足，如監(jiān)測(cè)周期長(zhǎng)、成本高、監(jiān)測(cè)點(diǎn)易丟失、時(shí)空分辨率低且無法進(jìn)行大范圍沉降監(jiān)測(cè)[5，6]。近年來，合成孔徑雷達(dá)干涉測(cè)量（InSAR）技術(shù)迅速發(fā)展并逐步應(yīng)用于礦區(qū)地表形變的長(zhǎng)時(shí)序監(jiān)測(cè)，與傳統(tǒng)方法相比，該方法具有全天候、覆蓋廣、分辨率高、成本低等優(yōu)點(diǎn)[7]。差分雷達(dá)干涉測(cè)量（D-InSAR）技術(shù)是利用同一地區(qū)的兩幅不同時(shí)間的SAR影像進(jìn)行干涉處理，從而獲取高精度微小變形，監(jiān)測(cè)精度理論上可達(dá)毫米級(jí)，但D-InSAR技術(shù)受時(shí)空失相干、大氣延遲及軌道誤差等干擾較大[8，9]。為解決D-InSAR技術(shù)缺陷，諸多學(xué)者提出了時(shí)序InSAR（TS-InSAR）技術(shù)，極大地提高了利用InSAR技術(shù)監(jiān)測(cè)地表微小形變的能力，其主要包括永久散射體干涉測(cè)量（PS-InSAR）技術(shù)、小基線集干涉測(cè)量（SBAS-InSAR）技術(shù)和分布散射體干涉測(cè)量（DS-InSAR）技術(shù)等[10，11]。Ferretti等首次提出了PS-InSAR技術(shù)[12，13]，時(shí)間序列上的幅度和相位信息穩(wěn)定性選取SAR圖像上的永久散射體目標(biāo)，并利用形變模型反演地面形變速率。DS-InSAR技術(shù)是近年來研究的熱點(diǎn)，它利用分布散射體獲取地表形變信息，現(xiàn)在仍處于探索階段[14，15]。Berardino等首次提出了SBAS-InSAR技術(shù)[10，16]，該技術(shù)主要以多主影像的干涉對(duì)為基礎(chǔ)，利用高相干點(diǎn)獲取地表時(shí)間序列形變信息。

目前，國(guó)內(nèi)外學(xué)者利用SBAS-InSAR技術(shù)對(duì)礦區(qū)地表形變監(jiān)測(cè)與分析開展大量研究，并對(duì)算法進(jìn)行相應(yīng)的改進(jìn)。杜建濤等利用SBAS-InSAR對(duì)蔚縣煤礦區(qū)進(jìn)行地表形變監(jiān)測(cè)，獲取礦區(qū)在2017—2018年間的地表形變空間分布特征，并對(duì)礦區(qū)地表沉降量級(jí)及面積進(jìn)行統(tǒng)計(jì)分析[17]。刁鑫鵬等基于SBAS-InSAR技術(shù)對(duì)河北某礦區(qū)進(jìn)行監(jiān)測(cè)，反演了研究區(qū)2019年07月14日—2020年04月27日期間地表形變的空間分布形態(tài)和時(shí)間演變過程，并利用水準(zhǔn)數(shù)據(jù)進(jìn)行驗(yàn)證，最后結(jié)合區(qū)域地質(zhì)資料分析地表沉降原因[18]。Wang等以SAR圖像間的平均相干性作為基線約束指標(biāo)[19]，對(duì)SBAS-InSAR干涉對(duì)進(jìn)行優(yōu)化選擇，并利用優(yōu)化方法對(duì)江西萍鄉(xiāng)煤礦區(qū)的地表形變進(jìn)行監(jiān)測(cè)和分析。雖然SBAS-InSAR在礦區(qū)地表形變監(jiān)測(cè)中得到了較好結(jié)果，但結(jié)果仍受大氣延遲影響，針對(duì)這一問題，Yu等提出使用一種通用大氣校正模型對(duì)InSAR干涉圖進(jìn)行校正[20]。Liu等利用SBAS-InSAR技術(shù)對(duì)三山島金礦開采沉陷進(jìn)行分析和研究[21]，并利用通用大氣校正在線服務(wù)（GACOS）對(duì)大氣相位進(jìn)行校正，降低數(shù)據(jù)誤差對(duì)研究結(jié)果的影響。

目前，已有部分學(xué)者利用SBAS-InSAR技術(shù)對(duì)礦區(qū)地表形變開展研究，但針對(duì)新疆煤礦區(qū)的研究相對(duì)較少，且部分研究結(jié)果受大氣延遲的干擾，精度和可靠度較差。因此，本文以新疆某煤礦為研究對(duì)象，選取178景Sentinel-1A升軌雷達(dá)影像數(shù)據(jù)，利用SBAS-InSAR技術(shù)獲取礦區(qū)2017—2022年的地表形變信息，并結(jié)合GACOS數(shù)據(jù)對(duì)干涉圖進(jìn)行大氣校正，進(jìn)而分析地表形變的空間分布特征及時(shí)空演化規(guī)律，并進(jìn)一步研究地表形變的相關(guān)驅(qū)動(dòng)因素，科學(xué)指導(dǎo)礦區(qū)未來的安全生產(chǎn)與發(fā)展。

1" 研究區(qū)概況與數(shù)據(jù)源

研究區(qū)為新疆某煤礦，位于阿克蘇地區(qū)庫(kù)車縣北部，占地面積約為33 km2。研究區(qū)所處地勢(shì)較平坦，平均海拔1 914 m，地表植被覆蓋率較低，受時(shí)間失相干影響較小。

研究數(shù)據(jù)源主要有Sentinel-1A影像數(shù)據(jù)、AW3D30數(shù)字高程（DEM）數(shù)據(jù)、GACOS數(shù)據(jù)和降水?dāng)?shù)據(jù)等。其中，選取了2017年1月23日—2022年12月23日共178景Sentinel-1A升軌影像數(shù)據(jù)用于提取研究礦區(qū)地表形變信息。利用空間分辨率為30 m的AW3D30 DEM數(shù)據(jù)模擬地形相位，去除地形相位和平地效應(yīng)的影響。此外，采用GACOS數(shù)據(jù)對(duì)所有差分干涉圖進(jìn)行大氣相位校正，削弱大氣延遲對(duì)監(jiān)測(cè)結(jié)果的影響。

2" 研究方法

2.1" "SBAS-InSAR技術(shù)基本原理

2002年Berardino等首次提出SBAS-InSAR技術(shù)，其主要原理是：N+1幅覆蓋同一區(qū)域的SAR影像組成若干子集合，設(shè)置適當(dāng)?shù)臅r(shí)空極限閾值形成不同的干涉對(duì)，從而生成差分干涉圖[16， 22]。假設(shè)不考慮高程、大氣及噪聲等誤差因素，干涉圖中像元干涉相位為：

[δφk（i，j）=φ（tA，i，j）-φ（tB，i，j）≈4πλ[d（tA，i，j）-d（tB，i，j）]]" " （1）

式（1）中：[δφk（k=1，…，M）]為干涉相位值；[φ（tA，i，j）]和[φ（tB，i，j）]分別表示像元[tA]和[tB]時(shí)刻的相位；[d（tA，i，j）]和[d（tB，i，j）]分別表示像元在[tA]和[tB]時(shí)刻沿雷達(dá)視線向的形變。

計(jì)算得到的差分干涉圖，利用奇異值分解法將若干子集合聯(lián)合求解獲取研究區(qū)的形變速率，進(jìn)而求解出研究區(qū)的形變量。

2.2" 基于GACOS的大氣校正技術(shù)基本原理

本文利用GACOS生成的大氣校正圖對(duì)SBAS-InSAR中的差分干涉圖進(jìn)行大氣校正，提高監(jiān)測(cè)的精確度和可靠度。GACOS的基本原理是利用迭代對(duì)流層分解（ITD）模型生成90 m分辨率的大氣校正圖，利用ITD模型可從對(duì)流層天頂總延遲（ZTD）中分離出分層延遲和湍流延遲，ZTD被定義為[23，24]：

[ZTDk=T（xk）+L0e-βhk+εk] （2）

式（2）中：[ZTDk]為[k]處的天頂總延遲；[xk]為站點(diǎn)坐標(biāo)向量；[T（xk）]為[xk]處的湍流分量；[L0]為海平面的分層分量延遲；[e-β]為分層分量； [hk]為高度標(biāo)尺；[εk]為剩余未建模殘余誤差。

2.3" 數(shù)據(jù)處理流程

本文利用SBAS-InSAR技術(shù)對(duì)所獲取的178景Sentinel-1A影像數(shù)據(jù)進(jìn)行時(shí)間序列處理，求解出形變速率，進(jìn)而求解出研究區(qū)整個(gè)觀測(cè)時(shí)間段的形變量，SBAS-InSAR的技術(shù)主要包括以下5個(gè)步驟（圖1）：①基線估算和生成連接圖。綜合考慮研究區(qū)的地形、氣候、時(shí)間基線和空間基線等因素，確定時(shí)間基線閾值為72天，空間基線閾值為臨界基線的2%，形成708個(gè)干涉對(duì)，其中2020年2月1日獲取的影像為超級(jí)主影像，時(shí)空基線見圖2；②數(shù)據(jù)干涉處理。首先對(duì)主輔影像進(jìn)行多級(jí)精確配準(zhǔn)，其次利用復(fù)數(shù)像對(duì)共軛相乘得到干涉圖，并利用DEM數(shù)據(jù)去除地形相位。采用Goldstein濾波方法進(jìn)行濾波處理，去除干涉結(jié)果中的噪聲。采用Delaunay最小費(fèi)用流算法（Delaunay MCF）對(duì)濾波后的干涉圖解纏，獲得解纏相位圖，解纏相干系數(shù)閾值設(shè)置為0.2；③軌道精煉與重去平。解纏后仍存在殘余恒定相位和相位坡道，在相位相對(duì)穩(wěn)定且無明顯形變的區(qū)域選擇適量的地面控制點(diǎn)（GCP），然后利用多項(xiàng)式擬合優(yōu)化方法去除殘余相位的影響；④SBAS反演。第一次反演：利用線性模型估算形變速率和殘余地形相位；第二次反演：在第一次反演基礎(chǔ)上，利用大氣濾波，去除大氣相位與殘余相位；⑤地理編碼。反演得到的形變信息由SAR坐標(biāo)系轉(zhuǎn)為地理坐標(biāo)系，并投影到雷達(dá)視線向和垂直向。

3" 結(jié)果與分析

3.1" 地表沉降空間分布特征分析

利用SBAS-InSAR技術(shù)對(duì)研究礦區(qū)2017年1月23日—2022年12月23日的Sentinel-1A升軌影像數(shù)據(jù)進(jìn)行處理，得到研究礦區(qū)長(zhǎng)時(shí)序地表形變速率圖（圖3），其中，負(fù)值表示地表沉降，正值表示地表抬升，藍(lán)色越深表示地表沉降越大。InSAR監(jiān)測(cè)結(jié)果表明，2017年1月—2022年12月研究礦區(qū)范圍內(nèi)多處發(fā)生地表沉降，地表沉降分布范圍較廣，主要集中在A1～A2和B1～B4重點(diǎn)監(jiān)測(cè)點(diǎn)位置附近，沉降區(qū)域呈條帶狀分布。研究礦區(qū)地表最大形變速率約為-113 mm/a，最大累計(jì)沉降量約為580 mm，主要地表沉降區(qū)域面積約為15.2 km2。從表1可看出，地表形變速率最大區(qū)域位于A1處，該區(qū)域由于地表形變速率過大，出現(xiàn)較為嚴(yán)重的失相干問題。

3.2" 地表沉降時(shí)空演化特征分析

3.2.1" 地表沉降空間演化特征分析

為研究礦區(qū)地表沉降空間演化特征，以2017年6月4日為起始時(shí)間，每6個(gè)月時(shí)間為一個(gè)間隔，共選取12幅研究礦區(qū)的累計(jì)形變量圖（圖4）。從圖4可看出，2017年6月—2018年6月礦區(qū)地表沉降面積增加明顯，B3重點(diǎn)監(jiān)測(cè)點(diǎn)附近區(qū)域沉降明顯，最大累計(jì)沉降量約為165 mm，主要沉降面積約7 km2；2018年12月—2019年12月礦區(qū)地表沉降面積持續(xù)增加，A1重點(diǎn)監(jiān)測(cè)點(diǎn)附近沉降面積增加明顯，B1和B3重點(diǎn)監(jiān)測(cè)點(diǎn)附近局部區(qū)域（藍(lán)色區(qū)域）沉降量變化迅速，累計(jì)沉降量增加明顯，最大累計(jì)沉降量約338 mm，主要沉降面積約為11.01 km2；2020年6月—2021年6月礦區(qū)整體地表沉降面積增加放緩，A1、B1和B3重點(diǎn)監(jiān)測(cè)點(diǎn)附近局部區(qū)域沉降繼續(xù)增大（藍(lán)色加深），B4區(qū)域沉降面積增加明顯，最大累計(jì)沉降約為463 mm，主要沉降面積約13.7 km2；2021年12月—2022年12月，礦區(qū)沉降面積總體保持穩(wěn)定，A1、B1和B3重點(diǎn)監(jiān)測(cè)點(diǎn)附近沉降繼續(xù)增加，累計(jì)沉降量約580 mm，主要沉降面積約15.2 km2。在整個(gè)監(jiān)測(cè)期間，研究礦區(qū)逐漸形成2個(gè)沿煤礦工作面走向的主要沉降漏斗，隨時(shí)間推移，礦區(qū)范圍內(nèi)沉降漏斗未來可能逐步連片形成一個(gè)較大范圍的沉降區(qū)。

3.2.2" 地表沉降時(shí)間演化特征分析

為研究礦區(qū)地表沉降隨時(shí)間的演化，選取礦區(qū)6個(gè)重點(diǎn)監(jiān)測(cè)點(diǎn)（圖3），提取監(jiān)測(cè)點(diǎn)2017—2022年長(zhǎng)時(shí)序形變信息，獲取重點(diǎn)監(jiān)測(cè)點(diǎn)累計(jì)形變量隨時(shí)間變化折線圖（圖5）。從圖5可看出，各個(gè)重點(diǎn)監(jiān)測(cè)點(diǎn)均呈現(xiàn)出不同速率的非線性地表沉降，各重點(diǎn)監(jiān)測(cè)點(diǎn)累計(jì)沉降量曲線基本符合煤礦開采沉陷曲線，總體來看，地表累計(jì)沉降量呈逐年增加的趨勢(shì)。其中，A1點(diǎn)在監(jiān)測(cè)時(shí)間段內(nèi)地表累計(jì)沉降量最大，約為568 mm，該區(qū)域在整個(gè)監(jiān)測(cè)期間開采時(shí)間較長(zhǎng)，開采強(qiáng)度較高，地表形變最為嚴(yán)重；B4點(diǎn)在監(jiān)測(cè)時(shí)間段內(nèi)地表形變累計(jì)沉降量最小，約253 mm，該區(qū)域開采時(shí)間較短，開采強(qiáng)度較低，因而地表形變較為緩慢。

3.2.3" 地表沉降未來趨勢(shì)

運(yùn)用線性擬合方法對(duì)重點(diǎn)監(jiān)測(cè)點(diǎn)累計(jì)形變量進(jìn)行擬合（圖6）。由圖6分析可知，2017—2022年地表累計(jì)形變與時(shí)間基本呈線性關(guān)系，隨時(shí)間增加，地表累計(jì)沉降逐漸增大。據(jù)此推測(cè)礦區(qū)地表沉降會(huì)進(jìn)一步增加，且在未來很長(zhǎng)時(shí)間內(nèi)不會(huì)停止，需引起相關(guān)部門的高度重視，做好防治工作，防止嚴(yán)重地質(zhì)災(zāi)害的發(fā)生。

3.3" SBAS-InSAR結(jié)果精度驗(yàn)證

由于缺乏水準(zhǔn)測(cè)量數(shù)據(jù)和GNSS等精密外部測(cè)量數(shù)據(jù)，本文利用內(nèi)符合精度和實(shí)地調(diào)查來對(duì)比驗(yàn)證本次監(jiān)測(cè)結(jié)果精度和可靠性[25，26]。結(jié)果表明，不同時(shí)段SAR影像干涉測(cè)量獲得的形變速率均方差多在3 mm/a內(nèi)，內(nèi)符合精度滿足《地質(zhì)災(zāi)害InSAR監(jiān)測(cè)技術(shù)指南》（T/CAGHP 013—2018）要求。同時(shí)，據(jù)現(xiàn)場(chǎng)實(shí)地調(diào)查發(fā)現(xiàn)，礦區(qū)東北部出現(xiàn)因地表沉降造成的地表拉張裂縫和地面塌陷（圖7），證實(shí)了通過SBAS-InSAR技術(shù)監(jiān)測(cè)地表沉降的可行性。

3.4" 地表形變驅(qū)動(dòng)因素分析

3.4.1" 采礦對(duì)地表形變的影響

煤礦區(qū)地表形變多因地下煤礦開采導(dǎo)致，從圖4可看出，隨采礦的進(jìn)行，地表沉降面積不斷擴(kuò)大，地表累計(jì)沉降量不斷增大，地表沉降區(qū)域基本成條帶狀分布，符合現(xiàn)代煤礦以綜采工作面為主的開采方式。

為進(jìn)一步分析采礦對(duì)地表形變的影響，選取B研究區(qū)為研究對(duì)象，分別沿1-1′和2-2′繪制地表形變剖面，分析其在時(shí)間序列上的沉降變化情況，提取地表形變剖線上各時(shí)期累計(jì)沉降量繪制曲線圖（圖8）。從沿1-1′和2-2′剖線各期地表形變圖可看出，2017年6月—2018年6月煤礦開采工作面由中北部向西不斷推進(jìn)，B研究區(qū)西部地表沉降逐漸增大；2018年12月礦區(qū)通過產(chǎn)能核增，礦區(qū)整體開采規(guī)模和開采強(qiáng)度增大，因此，2018年12月—2021年6月研究礦區(qū)整體地表沉降迅速增大；2021年6月—2021年12月研究礦區(qū)以西部工作面開采為主，地表累計(jì)沉降繼續(xù)增加；2021年12月—2022年12月研究礦區(qū)中西部開采基本結(jié)束，考慮對(duì)采空區(qū)進(jìn)行放頂處理，因此中西部地表沉降保持穩(wěn)定。綜上，2017—2022年采礦工程是引起并加快研究礦區(qū)大面積地表沉降的主要因素。

3.4.2" 降水對(duì)地表形變的影響

大氣降水同樣是影響地表形變的重要因素。為研究地表形變與降水量之間的關(guān)系，本文選取了礦區(qū)所在地區(qū)2017—2020年月降水量數(shù)據(jù)與A1和B1監(jiān)測(cè)點(diǎn)地表沉降速率進(jìn)行對(duì)比分析（圖9）。據(jù)圖9分析發(fā)現(xiàn)，年降水量較多月份重點(diǎn)監(jiān)測(cè)速率點(diǎn)地表沉降速率呈上升趨勢(shì)，附近區(qū)域地表沉降速率加快。但圖9中A1監(jiān)測(cè)點(diǎn)在2018年5月地表沉降速率降低，考慮該區(qū)為煤矸石堆積，地表累計(jì)沉降量減小，導(dǎo)致地表沉降速率降低。綜上可知，降水也是影響地表形變的重要因素之一。

4" 結(jié)論

（1） 整個(gè)監(jiān)測(cè)期間，研究礦區(qū)內(nèi)地表形變以沉降為主，地表沉降分布較廣，局部沉降明顯，地表最大形變速率約為-113 mm/a，最大累計(jì)沉降量約為580 mm，主要地表沉降區(qū)域面積約為15.2 km2。

（2） 隨煤礦不斷開采，研究礦區(qū)地表沉降的面積和程度不斷增大，礦區(qū)沿煤礦開采工作面形成2個(gè)沉降漏斗，并在未來可能連片形成一個(gè)整體沉降區(qū)。

（3） 研究礦區(qū)各重點(diǎn)監(jiān)測(cè)點(diǎn)呈現(xiàn)不同程度的非線性變形，累計(jì)沉降量曲線基本符合煤礦開采沉陷曲線，推測(cè)礦區(qū)地表沉降在未來會(huì)進(jìn)一步增加，相關(guān)部門需高度重視，做好地表沉降的防治工作，防止嚴(yán)重地質(zhì)災(zāi)害的發(fā)生。

（4） 據(jù)研究礦區(qū)地表沉降驅(qū)動(dòng)因素發(fā)現(xiàn)，采礦工程是導(dǎo)致地表沉降的主要因素，降水是影響礦區(qū)地表形變的重要因素。

參考文獻(xiàn)

[1] 袁亮.我國(guó)煤炭主體能源安全高質(zhì)量發(fā)展的理論技術(shù)思考[J].中國(guó)科學(xué)院院刊，2023，38（1）：11-22.

[2] 仝云霄，楊俊泉，王雪，等.基于時(shí)序InSAR的山西大同煤田地表沉降監(jiān)測(cè)及時(shí)空演化分析[J].中國(guó)地質(zhì)，2024.51（1）：170-183.

[3] 劉輝，陳斯滌，朱曉峻，等.基于D-InSAR技術(shù)的煤礦工業(yè)廣場(chǎng)動(dòng)態(tài)沉降特征研究[J].煤田地質(zhì)與勘探，2023，51（5）：99-112.

[4] 周大偉，安士凱，吳侃，等.礦山開采損害InSAR/UAV融合監(jiān)測(cè)關(guān)鍵技術(shù)及應(yīng)用[J].煤炭科學(xué)技術(shù)，2022，50（10）：121-134.

[5] 張豐，刁鑫鵬，譚秀全，等.基于SBAS技術(shù)的煤礦采空區(qū)探查與穩(wěn)定性評(píng)價(jià)[J].煤炭科學(xué)技術(shù)，2022，50（3）：208-214.

[6] 柴華彬，胡吉彪，耿思佳.融合實(shí)測(cè)數(shù)據(jù)的地表沉降SBAS-InSAR監(jiān)測(cè)方法[J].煤炭學(xué)報(bào)，2021，46（S1）：17-24.

[7] 許強(qiáng)，董秀軍，李為樂.基于天-空-地一體化的重大地質(zhì)災(zāi)害隱患早期識(shí)別與監(jiān)測(cè)預(yù)警[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2019，44（7）：957-966.

[8] DU Y，ZHANG L，F(xiàn)ENG G，et al.On the Accuracy of Topographic Residuals Retrieved by MTInSAR[J].IEEE transactions on geoscience and remote sensing，2017，55（2）：1053-1065.

[9] 李達(dá)，鄧喀中，高曉雄，等.基于SBAS-InSAR的礦區(qū)地表沉降監(jiān)測(cè)與分析[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2018，43（10）：1531-1537.

[10] 朱建軍，李志偉，胡俊.InSAR變形監(jiān)測(cè)方法與研究進(jìn)展[J].測(cè)繪學(xué)報(bào)，2017，46（10）：1717-1733.

[11] 明小勇，田義超，張強(qiáng)，等.基于Sentinel-1A欽防地區(qū)地面沉降監(jiān)測(cè)與分析[J].自然資源遙感，2024（1）：35-48.

[12] FERRETTI A，PRATI C，ROCCA F.Nonlinear subsidence rate estimation using permanent scatterers in differential SAR interferometry[J].IEEE transactions on geoscience and remote sensing，2000，38（5）：2202-2212.

[13] A.F，C.P，F(xiàn).R.Permanent scatterers in SAR interferometry[J].IEEE Transactions on Geoscience and Remote Sensing，2001，39（1）：8-20.

[14] FERRETTI A，F(xiàn)UMAGALLI A，NOVALI F，et al.A New Algorithm for Processing Interferometric Data-Stacks：SqueeSAR[J].IEEE transactions on geoscience and remote sensing，2011，49（9）：3460-3470.

[15] 范銳彥，焦健，高勝，等.InSAR時(shí)序分析高相干目標(biāo)選取方法比較研究[J].地球信息科學(xué)學(xué)報(bào)，2016，18（6）：805-814.

[16] BERARDINO P，F(xiàn)ORNARO G，LANARI R，et al.A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms[J].IEEE transactions on geoscience and remote sensing，2002，40（11）：2375-2383.

[17] 杜建濤，閆麗，趙超英.蔚縣礦區(qū)地面沉陷InSAR多維形變監(jiān)測(cè)[J].煤田地質(zhì)與勘探，2020，48（1）：168-173.

[18] 刁鑫鵬，孫全帥，白志輝，等.采動(dòng)區(qū)地表異常形變SBAS識(shí)別與損害原因揭示[J].煤炭科學(xué)技術(shù)，2022，50（11）：168-175.

[19] WANG S，ZHANG G，CHEN Z，et al.Surface deformation extraction from small baseline subset synthetic aperture radar interferometry （SBAS-InSAR） using coherence-optimized baseline combinations[J].GIScience and remote sensing，2022，59（1）：295-309.

[20] YU C，LI Z，PENNA N T，et al.Generic Atmospheric Correction Model for Interferometric Synthetic Aperture Radar Observations[J].Journal of Geophysical Research：Solid Earth，2018，123（10）：9202-9222.

[21] LIU J，MA F，LI G，et al.Evolution Assessment of Mining Subsidence Characteristics Using SBAS and PS Interferometry in Sanshandao Gold Mine，China[J].Remote sensing （Basel，Switzerland），2022，14（2）：290.

[22] 張香凝，賀黎明，劉翠芝，等.基于SBAS-InSAR技術(shù)的煤礦開采沉陷監(jiān)測(cè)與分析[J].遙感技術(shù)與應(yīng)用，2022，37（4）：1021-1028.

[23] YU C，LI Z，PENNA N T.Interferometric synthetic aperture radar atmospheric correction using a GPS-based iterative tropospheric decomposition model[J].Remote Sensing of Environment，2018，204：109-121.

[24] YU C，PENNA N T，LI Z.Generation of real-time mode high-resolution water vapor fields from GPS observations[J].Journal of Geophysical Research：Atmospheres，2017，122（3）：2008-2025.

[25] 劉琦，岳國(guó)森，丁孝兵，等.佛山地鐵沿線時(shí)序InSAR形變時(shí)空特征分析[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2019，44（7）：1099-1106.

[26] 姚鑫，張路青，李凌婧，等.工程場(chǎng)址區(qū)域地殼穩(wěn)定性In SAR評(píng)價(jià)研究[J].工程地質(zhì)學(xué)報(bào)，2021，29（1）：104-115.

Long-Term Surface Deformation Monitoring and Analysis of A Coal

Mine in Xinjiang Based on SBAS-InSAR Technology

Zhang Xuehui1， Cui Zhendong2，3，4， Zhang Zhongjian1， Zhao Leilei5， Wei Tao2，3，4， Liu Dongxu5， Wang Longcan5

（1.School of Engineering and Technology，China University of Geosciences， Beijing，100083，China;2.Key Laboratory of Shale Gas and Geoengineering，Institute of Geology and Geophysics， Chinese Academy of Sciences， Beijing，100029，China;3.Institutions of Earth Science，Chinese Academy of Sciences， Beijing，100049，China;4.College of Earth

and Planetary Sciences， University of Chinese Academy of Sciences，Beijing，100049，China;5.School of Mechanics

and Civil Engineering，China University of Mining and Technology-Beijing， Beijing，100083，China）

Abstract： The long-term mining of a coal mine in Xinjiang causes serious surface deformation in the mining area， which poses a serious threat to the mining area's ability to produce safely and to the area's ability to develop sustainably.Effective procedures must be adopted to keep track of the mining area's surface deformation.This work selected 178 Sentinel-1A ascending radar image data from January 23， 2017， to December 23， 2022， to further examine the surface deformation law of the mining area.The mining area's surface deformation data from 2017 to 2022 was measured using SBAS-InSAR technology.To eliminate the impact of atmospheric inaccuracy， GACOS data was added.Analysis was done on the surface deformation in the mining region， including its driving elements， driving features， and spatial-temporal evolution law. According to the findings： （1） Surface subsidence is the predominant cause of surface deformation in the studied area during the monitoring period.The greatest rate of surface deformation is around -113 mm/a， the maximum cumulative subsidence is approximately 580mm， and the primary surface subsidence area is approximately 15.2 km2; （2） The mining area's cumulative sinking and surface subsidence are both expanding.The surface subsidence follows the coal mining subsidence curve， and it will continue to rise in the future; （3） Mining engineering is primarily to blame for the surface deformation of the mining region， although precipitation is also a significant influence in this deformation.This study provides a scientific foundation for surface deformation monitoring， geological disaster warning， prevention， and control， and mine safety production in coal mining areas.

Key words： SBAS-InSAR; GACOS; Surface deformation monitoring; Surface subsidence; Spatial-temporal evolution law; Driving factors