摘要
油田地面沉降对基础设施和可持续发展构成威胁。尽管设施检测、因素关联分析和变形预测各自已有相当进展，但在农业平原地区的油田中，C波段SAR在农田和湿地上的去相关性导致变形观测稀疏且不均匀，使得设施提取、相互作用因素间关联的定量分析以及稳健的时间预测面临困难。针对这些挑战，本研究在中国松原市典型石油产区开发并应用了一套用于地表沉降监测、分析与预测的集成模块化工作流。首先，利用PS-InSAR进行高精度变形监测，并用水准测量数据进行验证。随后，使用YOLOv12模型进行油井自动识别，并应用地理探测器模型量化沉降与所考察自然及人为因素之间的空间关联性。最后，构建了LSTM–Transformer混合模型进行时间序列预测，并用于预测至2025年11月的变形趋势，即超出最后一次SAR获取时间十二个月的预测。结果表明，变形存在显著的空间分异特征，最大沉降速率为?26.0 mm/y。分析发现，在所考察因素中，油井密度和地表高程是主要的空间因素，缓冲区分析表明油井与沉降速率之间存在约700米的距离相关关联。混合模型的整体精度优于单独的LSTM和Transformer模型。研究结果为油城的减灾风险管理提供了具体的科学依据。
