改进的利用UAV LiDAR DEM约束的小基线子集InSAR长城形变监测方法

《Buildings》：Improved Small Baseline Subset InSAR Deformation Monitoring Method for the Great Wall Using UAV LiDAR DEM Constraints Fei Liu, Xinhui Ma, Zeyu Zhang, Zhitong Wang and Yuyang Tang

　　

为了支持线性文化遗产的长期监测和预防性保护，本研究提出了一种基于UAV-LiDAR DEM约束的SBAS-InSAR长期时间序列监测方法，用于识别怀柔长城近场地表的时空形变模式和风险敏感段。与传统方法不同，本研究首次将高分辨率UAV-derived DEM应用于怀柔长城的地形校正和相位建模，有助于长期地面形变监测。通过整合多尺度气象数据，如降水、温度、湿度，研究人员系统分析了它们对形变的影响。结果显示，怀柔长城沿线地面形变存在显著异质性，其中箭扣段被识别为敏感区域。研究表明，降雨与短期形变波动之间存在清晰的事件尺度对应关系，而气温和相对湿度与累积形变表现出统计一致性，可作为敏感性筛选的扰动线索，但并非直接因果归因。与传统地面监测方法相比，该方法显著降低了劳动力和时间成本，能够在更短时间内实现大范围、高精度、长期监测。它为识别长城风险易发段和开展雨后检查提供了技术基础，为线性文化遗产的长期监测和预防性保护提供了参考。

研究背景方面，长城作为线性文化遗产的象征，长期受自然演化与人类活动复合影响，部分段及近场地表呈现不同程度的形变，微小形变持续累积可能成为突发损伤的前兆。传统地面监测方法受限于空间广度、地形起伏与成本效益，难以同时实现大覆盖、长时间连续与高效监测。合成孔径雷达干涉测量技术（InSAR）虽具备全天候成像能力，但在山地线性遗产中面临地形相位误差、对流层延迟及时空失相干等复合效应，制约了时间序列稳定性与解释可信度。气象过程（降水、气温、湿度）可能通过入渗与热湿循环改变近地表介质状态，产生阶段依赖的形变波动，然而统计关联不等同于因果归因，需联合多因素验证。怀柔长城位于燕山山区，地形起伏大、环境敏感，亟需建立长期形变监测与风险识别框架。为此，研究人员提出一种基于无人机激光雷达数字高程模型（UAV LiDAR DEM）约束的小基线子集InSAR（SBAS-InSAR）方法，集成气象扰动分析，为预防性保护提供可审计的证据链。该研究发表于《Buildings》期刊。

研究人员开展了以下研究：利用欧洲空间局Sentinel-1A升降轨数据（238景，2017–2025年），构建SBAS-InSAR小基线网络，获取怀柔长城75米走廊缓冲区内可观测散射体的垂直形变速率与累积位移，识别形变敏感段；针对箭扣段复杂地形，引入无人机激光雷达点云生成的高分辨率DEM（UAV LiDAR DEM）进行地形相位去除与地理编码，并在10米近场缓冲区内实施质量约束（反演均方根误差RMSE≤5.5毫米，干涉覆盖≥74%）以提升稳健性；融合ERA5-Land再分析数据（日降水总量、2米气温、2米露点温度）与实地气象站观测（2025年4月至9月），进行事件窗口及多时间尺度的扰动-形变响应一致性检验。

关键技术与方法要点如下：主要采用SBAS-InSAR技术，通过设定垂直基线阈值50%与时间基线阈值60天构建干涉网络，利用戈尔茨坦滤波抑制相位噪声，以GACOS产品进行对流层延迟校正；使用COP-DEM（30米分辨率）作为区域地形基底，并对箭扣段采用UAV LiDAR点云生成的约0.5米分辨率DEM进行精细地形校正与地理编码；气象数据融合部分以ERA5-Land再分析数据为背景驱动，并在箭扣段布设多参数气象站获取原位观测，用于局部尺度一致性评估。

研究结果部分：3.1 节 通过SBAS-InSAR反演得到2017–2025年怀柔长城75米缓冲区内垂直形变速率与累积位移。结果显示，形变速率主要范围为?25.52至22.25毫米/年，累积形变范围为?220.27至153.80毫米。中部区段地形起伏大、表面过程活跃，形变空间集中且负趋势明显；东西两端地形较平缓，形变幅度较小。箭扣段及其邻近区域为形变敏感区，负向变化集聚。3.2 节 利用UAV LiDAR DEM约束的SBAS-InSAR在箭扣段10米缓冲区内进行质量约束后，形变速率为?21.60至6.40毫米/年，累积形变?175.45至40.59毫米。东部形变信号较强，中部相对稳定，西部较弱。134–135号敌楼附近为负向变化最集中区域，最大累积沉降约17.5厘米，可能与地表径流汇聚和风化侵蚀有关；136–139号敌楼周围较稳定；140号敌楼呈正向变化（最大约4厘米）；141–145号敌楼以轻度负向变化为主。3.3 节 对21个敌楼进行时间序列分析，将形变演化模式分为三类：沉陷主导型（11个敌楼，如122、131、134–137、139、143–145、154），表现为持续向下趋势，累积沉降幅度较大；低水平回弹型（10个敌楼，如110、117、133、137、138、141、142、149、156、159），呈早期至中期下降、后期低水平回弹；整体抬升型（仅140号敌楼），呈长期上升趋势，2020年后抬升明显，机制尚需现场验证。3.4 节 选取6个沉陷敌楼（110、122、131、143、145、149），联合ERA5气象数据与SBAS-InSAR形变序列分析。结果表明，日降水总量与短时形变波动具有清晰的事件尺度对应：雨季形变速率显著增大，旱季趋于稳定，降水入渗与坡面径流汇聚可能与阶段性形变加速有关。气温和相对湿度与形变序列表现出共变趋势：升温期沉降速率普遍增加，持续高湿条件下沉降大于相对干燥期，但统计一致性不直接等同于因果归因。3.5 节 在箭扣段138和145号敌楼，利用2025年4月1日至9月1日实地气象观测与UAV LiDAR DEM约束的SBAS-InSAR形变序列进行时空响应分析。结果验证了降水对短时形变的显著影响（高降雨期形变速增），高温高湿亦促使沉降速率增大，表明热湿循环可能形变演化。3.6 节 综合分析指出，UAV DEM约束改善了复杂地形下时间序列反演的稳定性，增强结果可审计性；降水与短时形变对应明确，气温和湿度提供扰动线索；整体形变异质性为风险段识别和雨后检查提供依据。并强调非气象驱动因子（如人类活动、植被变化）尚未分离，解释存在局限性。

讨论部分指出，该方法相较于已有文献，从预防性保护视角出发，先在75米走廊尺度标定形变敏感区，后在箭扣10米近场尺度细化，通过质量约束增强工程管理可追溯性。形变聚类可用于优先巡查与资源配置。气象分析表明降水事件尺度的对应性最强，而气温与湿度通过长期热湿循环调节敏感性。强调SBAS-InSAR获取的是走廊缓冲区内可观测散射体所反映的近场地面形变，非墙体直接位移；统计关联不视为严格因果。建议将遥感形变异常与日常检查、数字管理平台结合，对整体抬升节点进行现场验证，避免误判。

研究结论部分翻译：本研究提出了一种基于无人机激光雷达获得的高精度数字高程模型约束的SBAS-InSAR时间序列形变监测框架，成功应用于长城文化遗产的地表形变监测。通过集成高分辨率UAV LiDAR DEM与SBAS-InSAR，减轻了复杂地形条件下的相位建模误差，为文化遗产长期监测提供了新技术方案。将遥感技术融入文化遗产领域，为风险评估和监测提供了新途径，同时为文化遗产管理提供了可操作的技术基础，尤其是在地质灾害预防和环境变化监测方面，具有显著的实际应用前景。此外，通过长期形变监测，为预先筛查长城风险敏感段、确定雨季后检查窗口以及优先分配修复资源提供了可量化的空间证据，从而支持长城的预防性保护决策，具有重要的理论和实践价值。