厚松散层下采矿沉陷的InSAR与无人机摄影测量协同监测框架

《Geosciences》：Synergistic Monitoring Framework for Mining Subsidence Under Thick Loose Layers by Integrating InSAR and UAV Photogrammetry

　　

煤炭开采引起的地表沉陷是一种限制矿区可持续发展的地质环境灾害。传统监测方法在长期和高精度观测方面存在局限性。因此，研究人员提出了一种集成干涉合成孔径雷达（InSAR）技术与无人机（UAV）摄影测量的厚松散层下采矿沉陷协同监测框架。研究结果表明：（1）UAV摄影测量能够准确获取沉陷盆地中心的大梯度变形，而InSAR在盆地边缘具有更好的精度。所提出的融合方法显著优于单一方法。（2）基于融合数据通过概率积分法（PIM）获得的参数与水准测量数据获得的参数高度一致，参数相对误差小于4%。（3）厚松散层矿区具有沉陷量更大、中心梯度更陡、边缘收敛缓慢、影响范围广的特征。该研究为精确沉陷监测提供了新途径，所揭示的沉陷特征为类似区域的灾害评估和采矿优化提供了科学依据。

**论文解读：厚松散层矿区采矿沉陷的InSAR与无人机摄影测量协同监测研究**

**研究背景与问题**

煤炭作为全球重要基础能源，其大规模开采在创造巨大经济效益的同时，也引发地表沉陷、生态破坏等地质灾害。传统的水准测量和全球导航卫星系统（GNSS）监测方法虽能达到毫米级单点精度，但存在工作强度高、周期长、受地形天气限制大、监测点稀疏且易被破坏等问题，难以满足大范围、长期动态监测需求。近年来，星载合成孔径雷达干涉测量（InSAR）技术和无人机（UAV）摄影测量技术凭借各自优势，逐渐成为矿区沉陷监测的主流手段。InSAR技术具有覆盖广、全天候、对微小形变敏感等优点，但当地表变形梯度过大时，干涉条纹过密导致相位解缠失败，无法准确获取沉陷盆地中心的大梯度变形。UAV摄影测量技术灵活高效，能获取高分辨率数字高程模型（DEM）并通过时序差分提取大梯度变形，但对毫米级微小形变监测精度不足，尤其难以捕捉盆地边缘的小幅度沉陷特征。

厚松散层矿区是一类特殊矿区，松散沉积层厚度大（多介于50~100 m），具有高孔隙度、低固结度、侧向塑性流变显著等地质特征，导致采矿沉陷呈现两大特点：盆地中心变形梯度极陡（沉陷可达数米），使InSAR在该区域严重失相干；盆地边缘微小变形衰减极为缓慢，毫米级位移可远及工作面以外，超出UAV摄影测量的有效精度阈值。单一监测技术或忽略空间位置差异的常规融合方法，难以同时满足大梯度高保真与小变形高灵敏度的双重监测需求。因此，针对厚松散层矿区地质特征，开发高效精准的沉陷监测技术，揭示其独特沉陷演化规律，具有重要的理论与工程意义。

**研究内容与结论**

研究人员以钱营孜矿区W3233厚松散层工作面为研究对象，提出一种考虑沉陷盆地空间位置特征的UAV-InSAR数据融合方法，实现了对盆地边缘小变形与中心大梯度变形的同步精准监测，并基于融合数据反演概率积分法（PIM）参数，系统分析了厚松散层矿区的采矿沉陷规律。该研究发表于《Geosciences》。主要结论包括：（1）UAV摄影测量与差分干涉合成孔径雷达（D-InSAR）技术在沉陷监测中具有显著互补性，提出的融合方法融合后的监测精度显著优于单一方法。（2）基于融合数据反演的PIM参数与水准测量参数高度一致，相对误差均小于4%。（3）厚松散层矿区沉陷呈现沉陷量大、盆地中心陡峭、边缘收敛缓慢、变形高度集中于工作面上方等典型演化特征。

**主要技术方法**

研究人员采用以下关键技术方法：（1）UAV摄影测量数据处理：通过航空三角测量、点云生成与滤波（改进渐进加密三角网，IPTD）、克里金插值生成时序DEM，并利用两期DEM差分提取地表沉陷。（2）D-InSAR数据处理：采用两轨法，利用UAV获取的分米级高精度DEM代替常规低精度公共DEM进行地形相位校正，以12天为短时间基线生成干涉图，经自适应滤波、相位解缠、地理编码获取垂直沉陷。数据源包括Sentinel-1A卫星影像（14景，单视复数SLC，宽幅干涉模式IW，空间分辨率20 m）和同期水准测量数据（沿走向与倾向布设两条观测线，共44个有效监测点）。（3）UAV-InSAR数据融合算法：根据沉陷盆地的空间位置，将盆地划分为UAV高精度区、InSAR高精度区和中间不稳定区，分别采用UAV数据、InSAR数据及基于欧氏距离的反距离加权融合策略，实现分区差异化融合。（4）参数反演：采用遗传算法（GA）反演概率积分法（PIM）的核心参数，包括下沉系数、水平移动系数、主要影响角正切及开采影响传播角。

**研究结果**

**4.1 UAV摄影测量监测结果与精度分析**
通过两期UAV摄影测量（2023年10月25日与2024年4月9日）数据处理，获取了研究区地表沉陷分布图，沉陷盆地呈椭圆形，中心最大沉陷达2.15 m。与水准测量对比，倾向观测线最大沉陷相对误差1.7%，均方根误差（RMSE）0.133 m；走向观测线最大沉陷相对误差1.8%，RMSE 0.183 m。UAV在盆地中心大变形区域精度高，但在边缘毫米级小变形区域监测误差显著增大，无法满足高精度要求。

**4.2 D-InSAR监测结果与精度分析**
利用13对Sentinel-1A影像（2023年10月28日至2024年4月1日）进行两轨D-InSAR处理，引入UAV高精度DEM后，盆地中心因失相干导致沉陷严重低估，但盆地边缘微小变形监测结果与水准测量吻合良好。倾向观测线RMSE 0.391 m，走向观测线RMSE 0.587 m，整体精度低于UAV。D-InSAR在盆地边缘小梯度区域精度高（可达毫米级），但在中心大梯度区域失效。

**4.3 UAV-InSAR融合监测结果与精度分析**
采用考虑空间位置特征的融合算法后，融合数据在走向和倾向方向上的沉陷曲线形态更完整，空间连续性与精度显著提升。与单一UAV或D-InSAR相比，融合数据同时改善了边缘小变形与中心大变形监测能力。经水准验证，走向观测线RMSE从0.183 m（UAV）和0.587 m（InSAR）降至0.051 m，倾向观测线RMSE从0.133 m（UAV）和0.391 m（InSAR）降至0.036 m，精度分别提升超过72%和90%，达到厘米级水平。

**5. 厚松散层矿区沉陷特征**
基于融合数据，利用遗传算法反演概率积分法参数，并与水准测量反演结果对比，关键参数相对误差均小于4%。沉陷参数特征表现为：（1）沉陷幅度大，下沉系数达0.85，显著高于普通硬岩矿区（0.5~0.7）；（2）盆地中心陡峭，主要影响角正切为2.12，大梯度变形集中；（3）盆地边缘收敛缓慢，边界角为52~60°，移动角为68~72°，小变形影响范围广；（4）变形高度集中于工作面上方，平面分布与开采范围高度耦合。

**讨论与结论**

该研究提出的UAV-InSAR融合方法有效解决了厚松散层矿区大梯度与微小变形并存的监测难题，融合数据反演参数可靠，揭示的沉陷演化规律为类似矿区开采方案优化、地质灾害精准防控及生态修复提供了科学依据与技术参考。研究结论强调：UAV摄影测量与D-InSAR技术互补性强，所提融合算法通过分区加权实现空间自适应，显著提升整体监测精度；厚松散层矿区沉陷具有大沉陷、陡中心、缓边缘、宽影响范围的典型特征，这些特征与松散层的高孔隙度、强压缩性及侧向塑性流变密切相关。