InSAR时间序列在垃圾填埋场特征分析与监测中的验证：一种保障生态安全和土地系统可持续性的地理空间方法 克里斯蒂娜·阿连德-普里托（Cristina Allende-Prieto）、 帕布罗·罗德里格斯-冈萨雷斯（Pablo Rodríguez-Gonzálvez）、 大卫·阿尔瓦雷斯-富尔特斯（David álvarez-Fuertes） 以及 拉克尔·佩尔迪格尔-洛佩兹（Raquel Perdiguer-Lopez）

《ISPRS International Journal of Geo-Information》：The Validation of InSAR Time Series for Landfill Characterization and Monitoring: A Geospatial Approach to Ecological Security and Land System Sustainability Cristina Allende-Prieto, Pablo Rodríguez-Gonzálvez, David álvarez-Fuertes and Raquel Perdiguer-Lopez

　　摘要：本研究应用了基于Sentinel-1卫星数据（升轨和降轨）的InSAR时间序列分析方法，通过ISCE2和StaMPS（v.4.1）软件进行处理，以评估西班牙希洪附近三种类型垃圾填埋场的变形动态。首先，使用一组城市控制区域内的永久散射体（PS），通过两种分析方法（EGMS协议和PSDefoPAT(2023)）对数据进行了验证。结果显示高度一致性，82-85%的点被分类为高度可靠。随后，将这一对照组与每种类型的垃圾填埋场（活性卫生填埋场、运行中的惰性填埋场和已关闭的惰性填埋场）的PS进行了比较。在每种类型的垃圾填埋场中都发现了显著的变形差异：活性卫生填埋场根据轨道的不同表现出不同的异常现象，且检测到强烈的残差方差不稳定性（p < 0.003）；运行中的惰性填埋场在两种轨道上都显示出显著异常（p < 0.001），稳定性各异；而已关闭的惰性填埋场则表现出较强的稳定性（p > 0.7）和变化的异常现象。这些结果证实了InSAR方法在检测活性填埋场区域方面的有效性，有助于定位非法或未经授权的倾倒地点，并指导现场检查计划。

1. 引言
固体废物的有效管理是全球环境政策的关键组成部分，特别是考虑到城市人口的快速增长以及随之而来的废物量增加[1,2]。此外，如果废物管理不当，这种压力会加剧对土壤、地表水、地下水和空气质量以及人类健康的威胁[2]。根据废物类型和应用的技术，垃圾填埋场主要分为两类：用于处理城市固体废物的卫生填埋场和用于处理工业来源或土壤挖掘过程中产生的惰性废物的惰性填埋场[3,4]。卫生填埋场通常通过工程化的衬垫和渗滤液收集系统来限制由生物降解引起的排放和渗滤液的产生[5]，而惰性填埋场则主要依赖地质技术措施进行控制，因为其生物降解作用很小[6]。受控填埋场在严格的工程指南下运行，以确保地质稳定性。相比之下，未经授权或非法填埋场的扩散构成了重大威胁，因为它们会导致不受控制的污染和结构不稳定风险。在西班牙，自2008年以来至少有195个非法填埋场仍未关闭、密封或修复，对环境造成了“严重破坏，并危及人类健康”，这导致欧盟委员会将西班牙告上欧盟法院（CJEU），因其未能遵守《废物框架指令》[7]。受控填埋场具备访问控制、渗滤液管理系统、废物压实以及每日覆盖等特性，以最小化环境影响。未经授权的填埋场通常缺乏这些控制措施，导致污染风险和废物堆积不稳定，进而引发环境退化和公共卫生问题[8,9]。非法倾倒往往发生在缺乏地下监测和监管监督的地区，增加了危险物质未被发现的概率[10]。

卫生填埋场中的运动主要由有机分解和渗滤液的存在引起的差异沉降所主导，这会导致废物内部水分含量和压力的变化[11]。差异沉降是指由于废物组成、分解速率和水分分布的异质性而产生的空间变化的垂直位移；这些过程会导致缓慢的、长期的、空间不均匀的地表运动[12]。在整个填埋场的使用寿命中，这种过程会导致逐渐且不均匀的沉降。相比之下，在惰性填埋场中，变形主要与沉积和压实作业期间重型机械的动态载荷有关；一旦机械活动停止，固结会迅速发生，随后的地表变化很小[13,14]。这种以机械作用为主的行为通常会产生短期的、局部的变形，这些变形与操作活动（如车辆通行、压实周期）相关，而不是与长期的生物降解过程相关。在非受控填埋场区域检测到这种异常活动可以作为非法倾倒地点存在的指示。传统上，这种监测依赖于现场检查，但这种方法成本高昂、耗时且空间限制较大。因此，这些操作上的限制推动了远程和主动监测方法的发展，以便更有效地识别异常活动并优先安排现场检查。远程方法能够实现更广泛的空间覆盖和重复观测，从而揭示与背景地形动态不一致的时间模式[15]。

在这种背景下，遥感技术已成为检测垃圾填埋场体积变化和地表变形的革命性技术。最近的研究采用了数据融合方法，整合了光学（可见光/近红外）、热成像和合成孔径雷达（SAR）后向散射传感器，以生成多光谱指数、地表温度和SAR后向散射系数，显著提高了对场地几何变化的敏感性[16]。与此同时，用于自动检测非法倾倒地点的遥感技术也取得了显著进展[10,17]。多传感器融合可以提高检测的稳健性，因为不同的传感器对不同的物理特性有响应（例如，与分解相关的热异常、废物覆盖的光谱特征以及与表面粗糙度和水分相关的雷达后向散射变化）[18]。然而，这些基于哥白尼计划的技术和深度学习方法在很大程度上忽略了地表变形的时间动态——这对于区分合法的操作活动、生物沉降过程和机械引起的运动至关重要——并且受到气象条件的限制，因为光学传感器容易受到云层覆盖、雾霾和光照变化的影响，从而降低数据的连续性和准确性。此外，仅基于空间特征训练的深度学习模型可能会将短暂的操作活动误分类为持续变形，而缺乏时间分辨的输入[19]。

合成孔径雷达（InSAR）干涉测量技术已成为在大范围内以毫米级精度监测地表变形的革命性技术[20]。InSAR在垃圾填埋场监测中的应用已经证明了其在预测废弃土堆滑坡发生方面的有效性[21]。InSAR时间序列分析结合了几种成熟的算法来恢复随时间变化的地表变形[22]。例如，永久散射体干涉测量（PSI）可以识别具有时间稳定雷达后向散射的地面点[23]，小基线子集（SBAS）技术使用最小的时间和空间基线生成干涉图[24]。PSI适用于存在稳定、类点反射体的情况（例如人造结构），而SBAS更适合分散的散射体和具有中等时间去相关性的区域；结合这两种方法可以扩大空间覆盖范围并提高时间分辨率[25]。通过结合PSI和SBAS的输出，可以生成连续的位移时间序列，从而沿卫星视线（LOS）获取地表变形速度。然而，InSAR得到的位移受到大气延迟、时间去相关性和投影几何（LOS灵敏度）的影响，这些因素在处理和解释过程中必须加以考虑[26]。

欧洲航天局的Sentinel-1任务是哥白尼计划的一部分[27]，它通过提供具有12天重访周期的免费数据，以干涉宽幅（IW）模式运行，覆盖250公里的宽幅区域，空间分辨率为大约5 × 20米[28]。这种系统的采集能力，加上ISCE2（InSAR科学计算环境）[29]和StaMPS（斯坦福永久散射体方法，v.4.1）[30]等处理框架的可用性，使得高质量InSAR时间序列分析变得普及。Sentinel-1的定期重访频率和开放数据政策使得密集的时间序列数据堆叠成为可能，这对于恢复缓慢或间歇性的垃圾填埋场相关变形至关重要[31]。

本研究旨在应用InSAR时间序列分析来检测和表征不同类型垃圾填埋场中的变形模式。研究重点关注三种代表性的垃圾填埋场：一种由有机分解和渗滤液产生引起的渐进式差异沉降主导的活性卫生填埋场（样本1），一种由于重型设备负载导致的机械压实特征的运行中的惰性填埋场（样本2），以及一种在几乎没有外部力的情况下经历残余固化的已关闭惰性填埋场（样本3）。选择这三种情况是为了涵盖垃圾填埋场监测的主要变形机制，从而测试InSAR时间序列在区分它们方面的能力。对于非活性填埋场（样本3），分析了在场地多个位置部署的地面传感器收集的数据，以验证没有动态活动，从而通过直接现场测量补充了InSAR分析。

InSAR时间序列数据与欧洲地面运动服务（EGMS，2019-2022年更新）[32]的测量结果进行了验证[32]，EGMS是哥白尼土地监测服务（CLMS）的一个运营组成部分，它提供了基于Sentinel-1影像的大规模分析的欧洲首个大陆尺度的地表变形数据集[33]。本研究侧重于检测运动或异常的存在与否，而不是量化这些位移的数值。通过将这些结果与检测点的空间邻近性分析相结合，可以识别出非法或未经授权的垃圾填埋场区域，从而优化并减少后续现场验证所需的时间和资源。最终，该方法旨在通过标记具有与非法倾倒或非典型操作行为一致的变形特征的位置来优先安排现场检查。

2. 材料
2.1. 研究区域
希洪是位于西班牙西北部阿斯图里亚斯省的一个市镇，以其历史悠久的工业和矿业发展而闻名。数十年来，工业设施和采矿活动的集中导致了有效管理这些活动产生的废物的需求，包括指定的垃圾填埋区。图1显示了该市镇的地理位置以及所研究的垃圾填埋场的位置（样本1至3），这些填埋场靠近市中心。红色框标出了用于后续StaMPS-EGMS验证分析的控制点区域。这种配置突显了希洪特有的生产活动与城市和工业环境中适当废物管理所带来的环境挑战之间的直接关系。

图1. 研究区域的位置以及西班牙西北部阿斯图里亚斯省希洪市镇内的垃圾填埋场样本位置（EPSG 25830，2026年访问）。图2以放大比例详细展示了与样本1、2和3相关的垃圾填埋场，便于精确可视化其形态、范围和特定场地特征。

图2. 放大比例下的垃圾填埋场样本（样本1、2和3）的详细地理表示（EPSG 25830，2026年访问）。样本1（活性卫生填埋场）面积为0.125平方公里，平均坡度为2.09%；样本2（运行中的惰性填埋场）面积为0.09平方公里，平均坡度为13.15%；样本3（已关闭的惰性填埋场）面积为0.05平方公里，平均坡度为9.51%。

2.2. 图像
对于InSAR时间序列分析，使用了58张Sentinel-1A雷达图像。这些数据对应于干涉宽幅（IW）模式下的单视复合（SLC）产品，采用VV（垂直-垂直）极化方式。该数据集被分为两种观测几何类型，每种类型都保持了卫星的12天重访频率：升轨29张图像（时间跨度为2022年1月20日至12月22日）和降轨29张图像（时间跨度为2022年1月7日至12月21日），从而提供了必要的密集时间覆盖，以减少去相关性和执行位移分析。

2.3. InSAR数据处理软件
原始的Sentinel-1 SLC数据堆首先使用InSAR科学计算环境（ISCE）进行了处理，这是一个由NASA JPL开发的开源模块化框架，用于干涉SAR处理[34,35]。首先验证了仪器处理设施（IPF）版本，以确保每次采集之间的辐射度和几何校准一致。然后使用WGS84航天飞机雷达地形任务（SRTM）数字高程模型（DEM）（分辨率为1弧秒，约30米）进行精确的地形相位去除，接着将每个子SLC与优化的主日期（升轨为2022年6月13日和降轨为2022年7月18日）进行配准，以最小化垂直和时间基线[34,35]（图3显示了干涉图的粗略网络和选定的参考日期）。后续处理包括干涉图生成、相位展开以及去除大气和轨道伪影，从而提取用于时间序列分析的可靠地表变形信号[36]。

图3. 升轨（A）和降轨（B）的干涉图粗略网络及选定的参考日期。Y轴表示垂直基线（Bperp），以米为单位，表示每个SAR采集对相对于选定参考日期的卫星轨道之间的垂直分离距离。干涉测量处理是使用斯坦福持久散射体方法（StaMPS）软件包执行的，该软件包是InSAR时间序列分析领域广泛认可的工具[30]。StaMPS采用持久散射体干涉测量（PSI）技术来识别地面上的点（称为持久散射体或PS），这些点在时间上保持稳定的雷达反射率，例如稳定的岩石露头或工程结构。该方法可以从Sentinel-1图像集合中估计表面变形速度和位移时间序列，精度达到毫米级别，同时最小化大气和时间去相关性的影响。这种方法对于监测缓慢移动的现象（如沉降和滑坡）至关重要，因为它可以提供沿卫星视线（LOS）的累积位移测量数据。

为了在统一的框架内管理之前的处理步骤，我们使用了EZ-InSAR工具箱，这是一个基于MATLAB的开源软件，旨在简化和自动化InSAR时间序列分析的工作流程[37]。EZ-InSAR提供了直观的图形用户界面，便于那些不熟悉底层理论和计算工具的人使用。它不是作为一个独立的处理器运行，而是集成了三个广泛使用的开源InSAR工具：ISCE用于干涉图生成，StaMPS用于持久散射体干涉测量（PSI），以及MintPy用于小基线子集（SBAS）分析[38]。

2.4. 现场传感器网络
对封闭的惰性垃圾填埋场（样本3）的现场监测是使用专门的传感器网络系统进行的。该系统包括封装的高精度加速度计和陀螺仪，它们战略性地安装在垃圾填埋场表面，以提供连续、自主和实时的地面振动和位置变化测量[39]。共有六个传感器分布在垃圾填埋场表面，记录了2019年至2022年间的数据。这些设备通过基于物联网的通信模块相互连接，实现数据自动传输到中央收集和分析中心。图4显示了传感器的安装情况。图4. “样本3”区域的传感器安装。该传感器网络系统由EXCADE S.L.（西班牙希洪）设计和实施，作为一个临时性的物联网网络，包括配备TDK ICM-20689三轴传感器和13GD20H高精度单元的加速度计-陀螺仪节点。这些传感器可以测量任何方向上的位置变化，精度为0.2°（相当于1米距离处的0.03毫米），加速度范围为±2 G至±16 G。该系统能够连续监测偶发现象和长期地面位移，并具有自动警报模块，当超过预设的安全阈值时生成紧急电子邮件/SMS通知。

这些警报级别的校准遵循欧洲规范7（UNE-EN 1997-1，第2.4.8条和附录H）中定义的服务性极限状态（SLS）框架及相关公差。具体来说，这些阈值代表了确保沉积物结构完整性和功能稳定性的最大允许角度变形和位移。通过将我们的InSAR衍生的变形值与这些既定的岩土工程标准对齐，我们确保检测到的“异常”对应于根据欧洲法规需要技术检查的物理运动。

数据采集配置为所需的频率，以便有效检测运动，任何超过预设阈值的值都会触发自动警报。这个传感器网络对于区分人为和自然引起的地面运动至关重要，它确认了运营中的垃圾填埋场内仍有机械活动，并证实了封闭垃圾填埋场内没有活跃过程。强大的实时监测架构确保所有观察到的表面运动都可以客观验证，并可靠地归因于观察到的垃圾填埋场区域的相应运营状态。图5显示了传感器网络数据及其地理位置。图5. 传感器网络的地理位置（A）以及2019年6月至2022年12月的位移时间数据（B），显示了六个地面传感器监测研究区域（样本3）的地面变形（SIGNA，2026年访问）。

3. 方法
3.1. InSAR时间序列数据的验证
为了验证和比较InSAR处理结果，本研究使用了欧洲地面运动服务（EGMS）校准的数据集（Level 2b）。校准后的产品用于与StaMPS处理得到的视线（LOS）速度和位移时间序列进行直接比较。其校准性质有助于克服InSAR时间序列的典型相对测量限制，从而实现对独立处理的StaMPS结果的稳健和统计上可靠的验证[40,41]。

实施了一个系统程序来识别EGMS数据集和StaMPS结果之间的共同控制点。目的是确保两个数据集在相同的地理位置进行比较，从而消除位置变化作为验证中的误差来源。这一过程依赖于严格的空间采样，其中StaMPS数据集中的每个点都与EGMS数据集中的所有点进行比较（L2b级别，包括上升和下降轨道）。通过使用欧几里得距离和10米的阈值进行最近邻搜索来识别共同点，这与Sentinel-1 IW模式数据的名义分辨率特性一致[42]。这些点属于希洪的城市区域，它们的地理位置显示在图6中，这是距离研究用垃圾填埋场最近的城市区域，从而确保了验证结果的空间代表性和相关性。选择这种城市环境是基于先前研究的证据，这些研究表明，在城市区域中，由于存在稳定的人造结构，InSAR测量具有更高的稳定性和可靠性，而在植被或自然区域，时间去相关性通常会降低数据质量和一致性[43]。图6. 用于验证InSAR时间序列数据的城市区域控制点的地理表示。EPSG 25830（SIGNA，2026年访问）。通过这种空间采样和严格的匹配程序，共提取了18,670个点用于后续分析。

StaMPS变形时间序列与校准后的EGMS数据集的验证采用了两种互补的方法。首先，应用了EGMS标准化的三阶段统计协议[44]，该方法依赖于单个持久散射体（PS）之间的点对点比较策略。其次，使用了持久散射体变形模式分析工具（PSDefoPAT，2023）[45]框架进行PS InSAR分析，实施基于PS组的比较策略。通过整合这两种方法，验证过程提供了稳健和全面的结果。

这两种处理方法都将变形时间序列分解为三个关键组成部分：趋势、季节性和残差。然而，本质的区别在于这些组件的建模方式以及每个点或散射体的适应性水平。过程1（EGMS标准化协议）对所有数据应用统一的谐波模型，结合线性趋势和周期性（正弦和余弦）项来表示季节性效应，从而确保方法论的一致性，符合标准的InSAR协议。相比之下，过程2（PSDefoPAT）采用数据自适应策略，根据贝叶斯信息准则（BIC）为每个点选择最合适的模型——线性、二次或分段——这允许在时间演变偏离简单或严格周期性行为时更精确地表示变形。因此，过程1便于点与点之间的直接比较，而过程2优先考虑对每个信号的最佳拟合，提高了在复杂或快速变化变形条件下的分解准确性。

设计了统计验证程序来补充相应的分解方法。对于过程1，应用了两样本独立t检验来评估数据集之间差异的统计显著性。对于残差成分，使用了皮尔逊相关系数和余弦相似性指标：皮尔逊相关系数量化了瞬态运动中的线性一致性或独立性，而余弦相似性测量了未建模变化的整体形状相似性，不论其大小如何。这种综合方法确保了对长期和瞬态地面运动的严格和透明评估，完全符合国际InSAR验证标准。

图7显示了使用StaMPS和EGMS在三个随机选定的验证点（A、B和C）获得的地面位移测量的时间序列比较。每个面板将位移信号分解为原始速度数据、标准化的谐波模型（EGMS L2b为青色；StaMPS为橙色）和应变速度趋势。这种可视化使得可以详细评估季节性和线性成分的时间一致性，从而清楚地证明了每种InSAR处理方法在捕获地面运动动态方面的相对性能。图7. InSAR时间序列验证：StaMPS与EGMS在三个随机点（A–C）的位移比较，以及分解后的谐波模型和上升轨道数据的速度趋势。对于过程2，应用了非参数假设检验来检验非正态分布和抗异常值分析——具体来说，使用了Wilcoxon–Mann–Whitney检验来检验所有PS的线性趋势速度，并使用Levene检验来评估拟合最简单模型后的残差方差。

图8展示了使用PSDefoPAT方法分析的一个随机单个持久散射体（PS）点的位移时间序列。EGMS和StaMPS记录的原始位移时间序列（图8，面板A）被分解为趋势、季节性和残差成分。面板B显示的趋势代表了变形速度的长期演变，而面板C显示的周期性成分被标记为季节性。最后，面板D显示了模型无法解释的时间序列部分，即残差。图8. 使用PSDefoPAT框架分解位移时间序列。面板（A）显示了EGMS和StaMPS的原始速度数据。面板（B）显示了线性变形速度趋势。面板（C）展示了季节性成分。面板（D）显示了残差变化。

3.2. 垃圾填埋场的变形模式
为了检测垃圾填埋场和对照PS组之间的差异，仅实施了PSDefoPAT方法。虽然EGMS在区域尺度上提供验证，但PSDefoPAT直接作用于单个持久散射体，从而能够对特定区域进行重点分析。对于比较垃圾填埋场和城市稳定区域，PSDefoPAT更为合适，因为它允许点对点的谐波分解（趋势、季节性、残差），避免了EGMS滤波器引入的区域偏差，这些滤波器可能会掩盖相关的局部差异。图9和图10展示了上升和下降轨道下垃圾填埋场区域内PS的空间分布，使用最近的正射影像作为参考（2023年），比较了StaMPS结果（左侧面板）与EGMS L2产品（右侧面板）。比较显示，StaMPS获得的PS密度一致较高，反映了处理链和PS选择标准的差异。尽管垃圾填埋场环境的典型一致性较低，但StaMPS衍生的PS在垃圾填埋场内部提供了代表性的空间覆盖，捕捉到了受差异沉降影响的区域。分析是在垃圾填埋场内部划定的区域内进行的，确保比较反映了内部条件而不是边缘效应。EGMS-StaMPS一致性的先前验证（图7）支持了基于StaMPS数据的这种重点方法的稳健性。对照组对应于在希洪城市区域使用StaMPS检测到的同一组PS点（图6），这些点也用于与EGMS数据集的验证。对于垃圾填埋场样本，上升轨道的样本1使用了138个PS点，样本2使用了38个PS点，样本3使用了40个PS点（图9）。对于下降轨道，样本1的数量分别为99个PS点，样本2使用了36个PS点，样本3使用了40个PS点（图10）。垃圾填埋场区域内PS点数量较少反映了废物环境固有的挑战性一致性条件。垃圾填埋场土壤由松散且随时间变化的废物材料组成，导致雷达信号快速去相关，限制了满足可靠变形分析一致性的PS候选者的识别。尽管如此，保留的样本量仍足以通过PSDefoPAT分析检测到显著的变形模式。图9. 上升轨道。三个垃圾填埋场内持久散射体（PS）的空间分布，比较了StaMPS处理（左侧面板：(A.1–C.1)）与EGMS L2（右侧面板：(A.2–C.2)）。红色多边形勾勒出主要的垃圾填埋场主体（A-样本1；B-样本2；C-样本3）。颜色显示最小（蓝色）和最大（红色）LOS速度（毫米/年）。EPSG 25830（SIGNA，2026年访问）。图10. 下降轨道。三个垃圾填埋场内持久散射体（PS）的空间分布，比较了StaMPS处理（左侧面板：(A.1–C.1)）与EGMS L2（右侧面板：(A.2–C.2)）。红色多边形标出了主要的填埋场区域（A样本1；B样本2；C样本3）。颜色表示最小（蓝色）和最大（红色）的视距（LOS）速度（毫米/年）。EPSG 25830（SIGNA，2026年获取）。在图9和图10中，面板显示了2022年研究期间的LOS速度（毫米/年）。颜色条包括定量速度区间（最小值、0、最大值），并在图例中提供了具体的数值以增强可解释性。颜色渐变仅用于定性空间模式比较；由于处理流程、点选择（PS）和时间起源的不同（EGMS数据的时间起源为2019年1月；2019-2022年的收集数据，2022年的子集提取），以及StaMPS（2022年的特定主日期为2022年6月13日），因此不假设EGMS和StaMPS之间存在直接的度量等效性。

3.3. 不活跃惰性填埋场的监测
对于这项分析，进行了统计分析，包括Shapiro-Wilk正态性测试以检测分布的稳定性，方差计算以识别可能的波动或不稳定性，以及时间斜率分析以确定移动的幅度和方向，区分残余沉降和活跃或加速移动。所有统计分析和模型拟合都是使用开源软件R v. 4.5.2（R Core Team）进行的，这是一个广泛用于统计计算和图形的工具[46]。

4. 结果
4.1. InSAR时间序列数据的验证
图11的A面板显示了上升轨道和下降轨道的点对点分析（过程1）的统计验证，该面板显示了按变形速度趋势一致性分类的点的百分比，上升轨道的一致性很高，有84.8%的点达到高验证水平（p ≥ 0.10，每个EGMS协议的双样本t检验），下降轨道为82.0%。B面板展示了残差的余弦相似度值分布，以零为中心，上升轨道的平均值为-0.025，下降轨道的平均值为0.029，表明比较的时间序列之间缺乏相似性（值更接近零）。C面板显示了残差组分的皮尔逊相关系数直方图，平均值接近零（平均ASC：-0.025；平均DESC：-0.015），证实了StaMPS和EGMS数据集之间的结构独立性，表明这两种处理方法不会引入相关的噪声伪影。图11. 上升和下降轨道的变形速度趋势一致性和残差分析的统计验证。图12显示了EGMS产品和StaMPS处理的Sentinel-1 InSAR数据集之间的点对点分析的统计验证，上升轨道（左列：A.1、B.1、C.1）和下降轨道（右列：A.2、B.2、C.2）。A.1和A.2面板显示了从STAMPS得出的LOS变形速度（毫米/年），而B.1和B.2面板显示了相应的EGMS参考速度；颜色渐变范围从最小值（蓝色）到最大值（红色）的位移值。C.1和C.2面板展示了共同点上变形速度趋势的一致性，上升轨道的高验证一致性为84.8%（p ≥ 0.10），下降轨道为82.0%。次要颜色方案表示p值分类：高（绿色，p > 0.10），中等（橙色，0.05 ≤ p < 0.10），低（黄色，0.01 ≤ p < 0.05），以及无效（p < 0.01）。图12. STAMPS（左面板：(A.1–C.1)）与EGMS（右面板：(A.2–C.2)）的LOS速度的点对点验证：上升和下降轨道。EPSG 25830（SIGNA，2026年获取）。PSDefoPAT质量分析加强了趋势的可靠性，因为Wilcoxon检验没有发现EGMS和StaMPS在任一轨道上的绝对平均速度有显著差异（两种情况下p = 1.0），表明这两个数据集提供了等效的长期变形率估计。然而，Levene检验非常显著（两个轨道的p < 0.001），证实StaMPS的残差方差在统计上不同于EGMS，可能表明其短期信号更清洁。

4.2. 填埋场的变形模式
对每个填埋场的PS样本与对照组进行比较分析的结果显示，根据填埋场类型，变形的幅度和稳定性存在统计学上的显著差异。这些结果突出了与运营状态和填埋场类型相关的不同变形行为。活跃的卫生填埋场（样本1）在下降轨道上表现出显著的变形，中位绝对速度几乎是对照组的三倍（Wilcoxon，p < 2.2 × 10^-16），而上升轨道未检测到异常（p = 0.6428），这表明观察到的变形信号具有方向敏感性。两个轨道的残差方差（Levene检验）都显著较高（ASC：p = 0.0027；DESC：p = 2.5 × 10^-5，表明由于有机废物分解过程导致的高度不稳定性和时间变化的沉降）。运营中的惰性填埋场（样本2）在两个轨道上都显示出一致的幅度异常（Wilcoxon，p < 0.001），表明这是一个正在运行的设施的特征。在下降轨道上检测到的增加的不稳定性（p = 3.26 × 10^-6）表明了各向异性的变形行为，可能受到填埋场几何形状或压实实践的影响。最后，封闭的惰性填埋场（样本3）在两个轨道上都表现出稳定性（Levene检验，p≈0.74），变形速度没有显著差异。然而，在下降轨道上观察到了小但显著的残余变形（Wilcoxon，p = 1.04 × 10^-5），这可能反映了惰性填埋场关闭后的典型残余固结。

填埋场活动分类的解释标准基于标准统计阈值（α = 0.05）。Wilcoxon秩和检验评估填埋场PS组与城市对照组之间的变形速度差异，其中p ≤ 0.05表示“检测到异常”（显著的速度偏差），p > 0.05表示“未检测到异常”。Levene检验评估残差方差的均匀性，其中p ≤ 0.05表示“检测到不稳定性”（不均匀的变形模式），p > 0.05表示“检测到稳定性”。这些标准能够对填埋场的运营状态和岩土行为进行稳健的分类，如表1中详细说明的。这些结果在表1中总结，可以清楚地识别评估填埋场的活动和岩土稳定性的差异。Wilcoxon检验评估变形速度的中心性（p ≤ 0.05表示检测到异常，反映了平均速度的偏差），而Levene检验评估方差的均匀性（p ≤ 0.05表示检测到不稳定性，表明变形模式的不规则性）；这两个指标通过表1中的p值，根据稳健的统计测试（Wilcoxon和Levene）对填埋场进行分类。这些稳健的统计指标允许根据填埋场的变形行为和潜在风险对其进行分类，强调了InSAR作为填埋场稳定性评估监测工具的价值。

4.3. 不活跃惰性填埋场的监测
进行的统计分析表明，六个研究点（来自传感器网络，图5）显示出正态分布，p值超过0.05（0.167–0.950），表明稳定性和没有异常干扰。所有点的方差一致较低（6 × 10^-6至15 × 10^-5），反映了最小的分散和没有显著的动态波动。根据传感器网络中呈现的相对位移数据，从2019年6月到2020年12月的测量期间，负斜率占主导地位，这是由于封闭填埋场中残余沉降导致的缓慢累积运动的特点。这种增量位移的系统性减少反映了监测系统的逐步稳定，其中关闭后的变形随时间逐渐减小。随后的时期（2020年12月以后）显示出接近零的斜率和最小的位移值，表明沉降过程已经达到平衡。2021年12月在传感器6中观察到的孤立正斜率代表了一个局部异常，而不是系统范围内的行为，证实了整体趋势与废物容纳结构中预期的关闭后固结动态一致。

5. 讨论
将InSAR衍生的变形时间序列与欧洲地面运动服务（EGMS）数据集进行验证，显示出很强的一致性。分析显示，在大多数点上（>82%），变形趋势是一致的，验证了这两种方法都能有效捕捉地面运动。残差的统计独立性（余弦相似度和皮尔逊相关系数都接近零）证实了噪声或错误是方法特定的，而不是共有的。这种变形速度趋势的高度一致性和不相关的残差行为表明，观察到的变形信号是稳健的并且具有物理意义，而不是特定处理策略的伪影。这些发现支持使用EGMS作为验证InSAR衍生时间序列的可靠外部参考，并确认所应用的处理方法能够准确检索地面变形。PSDefoPAT质量分析通过检测EGMS和StaMPS之间的绝对平均速度没有显著差异（Wilcoxon，p = 1.0）来确认这些趋势的可靠性。然而，Levene检验显示StaMPS的残差方差显著较低（p < 0.001），表明StaMPS的短期信号稳定性更好，残差噪声更少。这意味着虽然两种方法都能有效捕捉主要的变形行为，但StaMPS可能提供更清晰、更稳定的信号，特别是在需要高时间保真度或局部变形评估的应用中。在填埋场样本的变形分析中，使用Levene检验评估残差方差的均匀性，清楚地区分了不同填埋场类型之间的稳定性和不稳定性区域（表1）。在活跃的填埋场（样本1）中，显著较低的p值表明残差变异性增加，揭示了与有机废物降解和异质沉降相关的明显不稳定性。这些特征是活跃卫生填埋场的典型特征，证实了InSAR衍生残差指标的敏感性。相比之下，惰性运营填埋场表现出中等异常，这是由于重型机械在堆放、摊铺和压实材料中的影响。尽管惰性废物不会发生显著的生物化学降解，但运营实践引入了短期和空间变化的变形信号，这些可以通过残差方差分析捕捉到。封闭的惰性填埋场显示出整体稳定性，残差异常特征与沉降和固结过程相符，传感器网络对这一填埋场的监测结果可以确信其从岩土工程角度来看是无效的。这些发现验证了结合InSAR方法在准确表征填埋场变形动态方面的有效性，为环境监测和风险评估提供了可靠的工具。

6.结论
InSAR时间序列分析的应用使得能够可靠地检测和表征不同类型填埋场的变形动态，明确区分了活跃的卫生填埋场、运营中的惰性填埋场以及已关闭的惰性填埋场。对StaMPS和EGMS数据集的验证和质量评估显示，变形速度趋势具有高度的统计一致性，大多数采样点达到了较高的验证水平，并通过接近零的平均残差相关性和余弦相似度指标确认了瞬态信号的统计独立性。比较统计测试（Wilcoxon和Levene）揭示了不同填埋场类型在变形幅度和稳定性方面的显著差异：活跃的卫生填埋场表现出明显的沉降速率和由于有机物质持续分解及渗滤液产生而导致的不稳定性；运营中的惰性填埋场主要出现由机械活动引起的中等程度的变形异常；而已关闭的惰性填埋场则表现出整体的地质技术稳定性，这一点得到了遥感结果和现场传感器网络数据的支持。

为了有效利用基于InSAR的技术来识别未经授权或非法填埋场的潜在位置，必须考虑检测到的具有填埋场活动特征的持久散射体（PS）的空间邻近性。孤立的高异常变形PS点的存在本身并不能可靠地定位非法倾倒地点；然而，在有限的空间区域内存在多个异常PS点的集群显著增加了正确识别和确认这些地点的可能性。因此，应将空间相关的PS检测结果进行聚类分析系统地整合到监测工作流程中，以提高操作可靠性、减少误报并支持现场检查的优先级排序。

总之，基于InSAR的监测方法可以作为传统现场检查策略的补充工具，既可用于授权填埋场的控制和监测，也可用于识别未经授权或非法填埋场，从而提高效率和覆盖范围。将检测到的变形模式与地籍数据集、土地利用信息和保护区清单相结合，可以进一步增强决策过程，使当局能够优化监管工作、优先安排检查并改善环境风险管理。