一种用于监测和预测沿海地面沉降的综合框架：以中国厦门市为例

《Ecological Indicators》：An integrated framework for monitoring and predicting coastal land subsidence: a case study of Xiamen, China

本文构建了沿海地区地面沉降的综合研究框架，基于Sentinel-1A卫星影像和水准测量数据，结合SARIMA、XGBoost和Informer模型，分析厦门地面沉降时空特征、风险评估及预测。结果显示，沉降速率主区间为-12.5至7.5 mm/yr，Xiang'an区最严重，Huli区最轻微；高险区占评估总面积5.73%，需重点关注厦门岛及 Dadeng岛工程区域。模型融合后预测精度提升，验证了方法的有效性。

　　土地沉降是沿海地区面临的一个重要环境问题，其对城市基础设施、生态环境以及可持续经济发展构成潜在威胁。本文提出了一套针对沿海地区土地沉降的监测、评估和预测综合研究框架，并以中国厦门为例进行了应用。通过结合Sentinel-1A卫星影像与2017年5月至2023年12月期间的水准测量数据，结合多种预测模型，该框架实现了对土地沉降的精准识别和预测。研究发现，厦门的主要沉降速度范围在-12.5至7.5毫米/年之间，其中翔安区表现出最显著的沉降趋势，而湖里区则是最轻微的区域。此外，土地沉降风险（LSR）被划分为五个等级，识别出65.37平方公里的高风险区域，约占整个评估区域的5.73%。这些高风险区域主要集中在海沧区、集美区、同安区和思明区，而翔安区和湖里区则风险较低。为了确保沿海地区的经济安全与可持续发展，必须对厦门岛和大嶝岛的土地沉降风险给予特别关注，因为这些区域在经济价值和正在进行的基础设施建设方面具有重要地位。通过引入融合模型，进一步提升了预测的准确性，相较于XGBoost和SARIMA模型，Informer模型表现出更强的适用性，其预测效果在多个指标上优于单一模型。

土地沉降的监测、评估和预测对于应对这一环境问题至关重要。传统的大地测量技术，如水准测量、地面摄影测量和全球导航卫星系统（GNSS），虽然提供了高精度的点或剖面测量数据，但其空间密度有限。相比之下，合成孔径雷达干涉测量（InSAR）技术能够提供连续的、全覆盖的观测结果。然而，InSAR技术在空间分辨率方面存在局限，难以实现大范围的高密度监测。为此，研究采用了改进的PS-SBAS-InSAR技术，结合Sentinel-1A卫星影像和水准测量数据，获取了厦门过去7年的土地沉降速度场、累积沉降空间分布以及长期时间序列，为后续的风险评估和预测提供了基础数据支持。通过与地势数据的对比，验证了InSAR监测数据的准确性，表明其在实际应用中具有较高的可靠性。

在土地沉降风险评估方面，研究引入了新的评估指标，包括历史地质灾害点的距离、历史地震焦点的距离、海岸线距离、建筑面积密度和建筑高度密度。这些指标不仅反映了土地沉降的自然和人为因素，还突出了厦门的地理和经济特征。例如，厦门岛的面积较小，但人口密度和经济总量较高，因此需要特别关注其土地沉降风险。而大嶝岛由于正在进行大规模的工程建设项目，同样面临较高的沉降风险。通过对这些指标的综合分析，研究建立了土地沉降风险评估系统，并通过GIS综合加权叠加算法进行定量分级，从而为土地沉降风险的识别提供了科学依据。

预测方面，研究采用了SARIMA、XGBoost和Informer三种模型，并通过融合模型进一步提升预测的准确性和稳定性。SARIMA模型适用于具有季节性特征的时间序列数据，能够有效捕捉季节性和趋势性变化。XGBoost算法因其优秀的预测性能和处理非线性问题的能力，被用于考虑地质条件和建设参数的土地沉降预测。而Informer模型基于Transformer架构，结合了稀疏注意力机制，能够在处理长序列数据时更好地捕捉长期依赖关系，尤其适用于非平稳信号的预测。通过模型融合方法，研究在不同时间段调整各模型的权重，从而提高了预测的综合性能。结果显示，融合模型在多个评估指标上优于单一模型，表明其在土地沉降预测中的优越性。

此外，研究还分析了土地沉降的时空分布特征，发现土地沉降并不均匀分布，且在某些区域呈现出明显的沉降趋势。通过分析2017年至2023年间的土地沉降数据，研究揭示了土地沉降与自然环境和人类活动之间的复杂关系。例如，地下水开采、地质结构、土地开发和地面负荷等都可能加剧土地沉降的风险。同时，厦门的气候条件和地理位置也使其成为地质灾害频发的区域，这进一步凸显了其土地沉降问题的紧迫性。

研究还探讨了土地沉降监测和预测技术的适用性。通过引入融合模型，不仅提高了预测的准确性和稳定性，还增强了模型对复杂、非平稳动态变化的适应能力。研究还强调了模型的泛化能力和对缺失数据的处理能力，指出Informer模型在处理非平稳信号和长序列数据方面具有显著优势。同时，通过时间变化权重方法，模型能够在不同时间段动态调整各模型的贡献，从而更全面地反映土地沉降的变化趋势。

在更广泛的背景下，本文提出的研究框架具有一定的可移植性，可以应用于其他面临土地沉降问题的沿海城市，如上海。这些城市在基础设施、城市形态和地质条件方面具有相似性，因此本文的指标体系和建模方法可以为类似地区的土地沉降监测和管理提供参考。此外，研究还指出了未来工作的方向，包括扩大监测范围、延长监测时间、采用更高效的评估方法，以及引入更多重要的评估指标，如重大线性工程项目的密度，以进一步优化预测模型的性能。

总之，本文通过结合多种技术手段，构建了一个系统性的研究框架，为土地沉降的监测、评估和预测提供了科学依据。这一框架不仅有助于提升对土地沉降的理解，还为增强城市韧性和支持沿海地区政策制定提供了实用的参考。研究结果表明，土地沉降问题在沿海地区尤为突出，其监测和预测对于保障城市安全和可持续发展具有重要意义。未来的研究将继续深化对土地沉降机制的理解，并探索更先进的技术手段，以应对这一复杂且动态变化的环境挑战。