基于GIS支持的多时相DInSAR自动化框架：城市建筑地基沉降估算及其不确定性量化

《Developments in the Built Environment》：An automated GIS-supported multi-temporal DInSAR approach for estimating foundation settlements and associated uncertainties of buildings in urban areas

　　

摘要专业翻译 提出了一种利用高分辨率双轨道卫星数据对单体建筑刚性体运动进行大范围自动化监测的框架。通过采用研究人员此前建立的公式体系，从持久散射体（Persistent Scatterers, PSs）位移及定位误差中提取精确的运动分量并量化其不确定性。本研究的核心创新在于将雷达卫星数据与制图数据相集成，在大范围区域内解析单体建筑的结构行为，确保目标点被准确归属至对应建筑。该方法被应用于意大利摩德纳（Modena）一处70 km2的区域，利用COSMO-SkyMed数据识别出相对周边环境表现出异常行为的建筑。研究对全部建筑群体的估计运动分量统计特征及不确定性进行了检验，并对呈现异常趋势的建筑开展进一步分析，以识别可靠的离群值。结果表明，该方法能够有效应对高密度城市布局及小尺度建筑足迹带来的挑战，在单体结构的大范围分析中实现了效率与有效性的良好平衡。

论文解读文章

一、研究背景与问题

建筑遗产的保存与维护是现代社会面临的重大课题。建筑结构在环境因素作用下会发生劣化，而地基沉降是影响建筑结构安全的关键因素之一，其发展过程往往持续数月甚至数年，传统现场结构健康监测（Structural Health Monitoring, SHM）手段因需要长期观测而成本高昂且后勤复杂。近年来，多时相差分干涉合成孔径雷达（multi-temporal Differential Interferometric Synthetic Aperture Radar, DInSAR）技术凭借其能够在广域范围内以毫米级精度测量大量目标（即持久散射体，Persistent Scatterers, PSs）位移的能力而日益受到关注。然而，现有应用大多局限于单一案例研究，缺乏在大尺度上对建筑存量进行综合评估，且缺乏严格的不确定性误差模型。此外，传统方法需要对升降轨PSs进行空间和时间重采样，限制了其在大范围建筑监测中的应用效率。

二、研究内容与结论

针对上述问题，研究人员提出了一套自动化的大范围建筑地基沉降监测框架。该框架基于研究人员此前建立的刚性体运动估计公式（Bassoli et al., 2023），将双轨道卫星视线向（Line of Sight, LOS）位移数据与从GIS数据库提取的建筑几何信息（建筑足迹、屋顶高度）相集成，实现同时对多个建筑进行运动分量估计和不确定性量化。该方法被应用于意大利摩德纳市70 km²区域，利用COSMO-SkyMed卫星StripMap HIMAGE模式数据（空间分辨率约3 m×3 m），识别出相对周边环境表现出异常行为的建筑，并通过离群值检测进一步筛选出可能处于临界状态的建筑。研究结果以吉兰迪纳塔（Ghirlandina Tower）为验证对象，与大地测量网络和内部摆锤系统的地面实测数据进行了对比验证。该研究的重要意义在于：首次实现了将制图数据与SAR数据结合，在大范围区域内评估单体建筑行为；引入了运动不确定性估计，确保运动评估的可靠性；提出了综合考虑SAR测量值和运动不确定性的高优先级建筑识别框架。

三、主要技术方法

研究采用的主要技术方法包括：其一，多时相DInSAR分析，对双轨道（升轨和降轨）SAR数据进行持久散射体干涉处理，获取PSs的三维位置、年均视线向速度及时间相干性，并使用内华达大地测量实验室（Nevada Geodetic Laboratory）处理的GNSS速度进行年均速度校准；其二，基于制图数据的建筑-PSs对应关系建立，从区域制图资料库获取建筑足迹和屋顶高度等几何信息，通过缓冲区定义和高度阈值筛选将PSs归属至对应建筑，并定义建筑周围500 m×500 m区域内的地面PSs作为地面运动参考；其三，三维刚性体运动分量估计，利用升降轨的航向角、入射角、PSs坐标及LOS年均速度，基于刚性体假设估计建筑沿东西向和垂直向的平移以及绕东西向、南北向和垂直向的旋转；其四，运动分量不确定性评估，根据Bassoli et al.（2023）提出的公式，综合考虑斜距方向位移误差和PSs定位误差；其五，离群值检测与分析，对全部建筑的运动行为进行统计评估，识别异常建筑并进一步分析其是否真正处于临界状态。研究基于相干性（Coherence, COH）阈值设置了低（COH≥0.45）、中（COH≥0.55）、高（COH≥0.70）三组PS数据集以评估其对结果的影响。

四、研究结果

Step 1: 多时相DInSAR分析结果。 通过对COSMO-SkyMed双轨道数据进行持久散射体干涉处理，研究区域内的PSs被成功识别并实现了亚米级三维定位，每个PSs均获得了年均LOS速度、标准差、位移时间序列和时间相干性等参数，为后续建筑运动估计提供了关键输入数据。

Step 2: 建筑-PSs对应关系结果。 通过将PSs坐标与从GIS数据库提取的建筑足迹和屋顶几何信息进行空间关联，并采用缓冲区（大小为半个分辨率单元）和高度阈值筛选准则，PSs被有效归属至对应建筑屋顶。同时，在建筑周围500 m×500 m区域内获取了足够数量的地面PSs，为建筑相对地面运动的估计提供了可靠参考基准。

Step 3: 三维刚性体运动分量估计结果。 基于刚性体运动假设，利用全部位于建筑屋顶的PSs（无需空间重采样），成功估计了每栋建筑沿东西向和垂直向的平移速度以及绕东西向、南北向和垂直向的旋转速度，实现了对建筑刚性体运动的全面表征。

Step 4: 运动分量不确定性评估结果。 根据Bassoli et al.（2023）的公式体系，量化了每个运动分量估计的不确定性，该不确定性同时考虑了斜距方向位移测量误差和PSs定位误差，为运动评估的可靠性提供了量化依据。

Step 5: 离群值检测与分析结果。 通过对全部建筑运动分量的统计分布分析，识别出呈现异常运动趋势的建筑。对这些异常建筑进行进一步分析，以区分真正的地基沉降异常与由位移估计误差导致的虚假异常。研究还评估了不同相干性阈值（低、中、高三组数据集）对结果的影响。最终，以吉兰迪纳塔为验证对象，将估计结果与地面大地测量网络和内部摆锤系统的实测数据进行对比，验证了方法的有效性。

五、讨论与结论

讨论部分指出，该方法能够有效应对高密度城市布局和小尺度建筑足迹带来的挑战，在单体结构的大范围分析中实现了效率与有效性的良好平衡。研究同时指出，部分建筑因PSs密度不足而无法获得可靠的运动估计，这一局限可通过引入更多卫星星座数据来缓解。

研究结论表明，所提出的GIS支持的DInSAR监测程序能够在大范围区域内自动估计单体建筑的刚性体运动分量及其不确定性，并有效识别出可能处于临界状态的建筑。该方法在摩德纳市的应用证明了其在大范围建筑结构监测中的实用价值，为利用卫星遥感技术进行城市尺度建筑健康筛查提供了可行的技术路径，有助于优先安排需要进一步采用传统SHM技术进行详细调查的建筑。