一种聚类引导的统计推断工作流程用于大范围TS-InSAR形变解释：以门源冻土区为例的研究

《Remote Sensing Applications: Society and Environment》：A Clustering-Guided Statistical Inference Workflow for Large-Area TS-InSAR Deformation Interpretation: A Case Study in the Menyuan Permafrost Region

　　

摘要
冻土变形反映了冻结地表内部热学、水文和力学过程的耦合作用，表现为季节性的冻融位移、长期变形趋势以及局部瞬态响应。然而，这些异质性行为难以从大规模时间序列干涉合成孔径雷达（TS-InSAR）观测中系统地识别出来。现有方法可以表征变形模式或单个时间分量，但仍缺乏将区域变形机制发现与统计上可靠的运动学解释相联系的统一策略。在此，我们开发了一种基于聚类引导和统计约束的框架，用于祁连山门源冻土区的大规模TS-InSAR变形解释。利用2017至2023年间获取的179景上升轨道和181景下降轨道Sentinel-1影像，通过上升-下降联合反演，生成了约180万个像元的垂直和东西向变形时间序列。将时间特征聚类与像元级统计推断相结合，以识别具有空间组织的变形机制和具有统计支持的运动学分量。结果显示了七个垂直和四个东西向变形机制，具有各自不同的空间组织。这些机制表明，门源地区的变形响应涉及多种共存行为，包括季节性主导变形、长期演化和局部速率变化，而非单一的冻融响应。所识别的机制在冻土条件、高程和热环境关联方面表现出系统性差异。本研究为大规模TS-InSAR变形解释提供了一种可解释的方法，并增进了对冻土区异质性变形响应的理解。

引言
冻土区地表变形反映了冻结地表内部热学、水文和力学过程的耦合作用。气候变暖正在升高冻土温度，威胁冻结地表稳定性和基础设施安全（Biskaborn等，2019；Hjort等，2022）。冻融循环产生季节性隆升和沉降（Liu等，2010；Zhao等，2016；Reinosch等，2020），而地震则可引入瞬态变形和速率变化（Li等，2022）。这些信号为了解冻结地表变化提供了重要信息。因此，表征其时空变异性对于研究冻结地表演化至关重要。

时间序列干涉合成孔径雷达（TS-InSAR）提供了一种有效的方法，能够以高空间分辨率和毫米级灵敏度监测大规模地表变形。永久散射体干涉测量（PSI）和小基线子集（SBAS）方法为时间序列变形监测提供了成熟的框架（Ferretti等，2001；Berardino等，2002）。这些方法随后被应用于冻土环境中的季节性变形和活动层研究（Li等，2015；Zhao等，2016；Rouyet等，2019）。近年来的研究揭示了高纬度和高海拔冻土区在长期和季节性变形方面存在显著的空間变异性（Chen等，2022；Xue等，2024；Liu等，2025）。然而，与许多以单调运动为主导的变形场景不同，冻土变形涉及在不同时间尺度上作用的多种过程。单个TS-InSAR时间序列可能包含长期趋势、季节性冻融循环、变化的季节特征和局部瞬态响应，这使得区域尺度的解释变得困难。

传统的区域解释通常依赖变形速率产品和选定的时间序列（Meisina等，2008）。这种方法难以扩展到大数据集（Berti等，2013）。为了提高自动化水平，以往的研究开发了基于规则的分类和半自动监测（Berti等，2013；Cigna等，2013；Raspini等，2018）、季节信号分析（Tomas等，2016）以及无监督模式发现（Festa等，2023）。最近，机器学习和深度学习方法被用于自动变形热点检测（Tiwari和Shirzaei，2024）、InSAR位移时间序列趋势分类（Li等，2024）、基于迁移学习的变形模式识别（Yang等，2025）以及结合InSAR时间序列和地理空间信息的地面变形分类（Dong等，2025）。这些方法对于从大数据中提取复杂模式是有效的；然而，统计显著性、不确定性表征和单个变形分量的解释仍不足以得到充分解决。

因此，冻土区大规模TS-InSAR解释面临两个挑战。首先，需要识别区域变形机制，因为冻结地表景观表现出与地表条件、高程和热环境相关的地表异质性响应。单独的速度估计或模式分类无法完全表征涉及季节性和长期组分的变形。其次，TS-InSAR时间序列受时间依赖性、去相关和残余大气误差的影响（Hanssen，2001；Zebker和Villasenor，1992）。在区域尺度上，百万个像元级检验还会产生多重比较问题（Benjamini和Yekutieli，2001）。尽管聚类方法可以组织主要的瞬时模式，但它们通常对单个分量只能提供有限的统计评估（Festa等，2023）。相反，统计时间序列方法可以评估特定信号，但通常缺乏对异质性变形行为的区域尺度组织（Chang和Hanssen，2016；Hussain等，2021；Ghaderpour等，2024a；Ghaderpour等，2024b）。因此，对于大面积冻土TS-InSAR解释而言，仍将变形机制发现与统计约束的运动学推断相联系的整合框架仍处于缺失状态。

为弥补这一空白，本研究开发了一种聚类引导和统计约束的TS-InSAR框架，用于祁连山门源区的大规模变形解释。该框架将区域变形机制发现与像元级统计推断相结合，以识别可解释的运动学分量。具体而言，本研究：（1）利用时间特征聚类从大规模TS-InSAR观测中识别具有空间组织的变形机制；（2）开发统计约束的推断策略，从变形时间序列中识别可靠的趋势、季节性和速率变化分量；（3）调查门源区变形机制的空间分布和环境背景，该区域同时包含冻土和季节性冻结地表，以揭示异质性变形响应。

本文其余部分组织如下。第2节描述研究区和数据集。第3节介绍方法论。第4节报告结果，第5节讨论意义和局限性，第6节总结结论。

第2节片段
研究区
祁连山位于青藏高原东北边缘，海拔呈西高东低趋势，具有山间盆地和纵向河谷（Wu等，2007）。本研究聚焦于祁连山东部的门源地区（图1），海拔约为2600至5200米。该地区属高原山地气候，温度和降水具有显著的高程梯度，高峰被冰川或积雪覆盖（Sun等，2016）。冻土是……

方法论
本研究开发了一个用于TS-InSAR时间序列分析的三阶段框架（图2）：（i）TS-InSAR后处理，通过上升和下降轨道数据的联合反演获取垂直和东西向变形时间序列，以确保一致的空间和时间参考框架；（ii）模式识别，使用主成分分析（PCA）进行降维，随后使用加权K-means++聚类提取主要变形模式；

一维和二维变形结果与GNSS一致性比较
InSAR数据衍生的视线方向变形速率图揭示了研究区内地表运动的明显空间变异性（图5a–b）。在2017年5月至2023年6月期间，视线方向变形速率范围为-35至+20毫米/年，大多数数值落在±10毫米/年范围内。正视线方向值表示朝向卫星的运动，而负值表示远离卫星的运动。当水平运动可忽略时，朝向卫星的运动主要代表抬升，而……

门源冻土区变形机制的空间异质性及环境背景
大规模TS-InSAR观测表明，门源地区的变形无法用一个单一速度或季节指示量来充分表征。相反，观测到的变异性反映了冻结地表系统对环境条件差异（包括地表特征、高程和热环境）的空间异质性响应。所识别的变形机制在其环境背景方面表现出系统性差异（图14；

结论与展望
本研究开发了一种聚类引导和统计约束的TS-InSAR框架，用于祁连山门源区的大规模变形解释。通过整合变形机制识别与像元级统计推断，该框架能够对复杂变形时间序列进行可解释的分析。结果显示，研究区的变形由多种具有空间组织的行为组成，而非单一的主导变形……

CRediT作者贡献声明
张启斌：撰写—审阅与编辑。梁永平：撰写—审阅与编辑。刘智远：撰写—审阅与编辑。周红宇：撰写—审阅与编辑，撰写—原稿撰写，可视化，验证，软件，资源，方法论，调查，正式分析，数据管理，概念化。窦喜莹：撰写—审阅与编辑。魏关军：撰写—审阅与编辑，监督，项目管理，资金获取。

利益冲突声明
作者声明他们没有已知的竞争性经济利益或个人关系可能影响本文所报告的工作。

数据可用性
支持本研究主要发现的已处理InSAR变形产品子集及衍生的聚类/模型选择结果可在Zenodo获取（Zhou和Wei，2026）。该仓库包括代表性的垂直和东西向变形时间序列、聚类标签、选定的模型类型、估计的模型参数，以及用于聚类、模型选择、FDR控制、消融和敏感性分析的汇总表。源代码、感兴趣区域样本数据和预计算的演示……

人类/动物研究声明
本研究不涉及人类参与者、人类数据、人类组织、动物或动物衍生物。该研究基于卫星遥感数据、GNSS观测、数字高程数据、冻土图、ERA5-Land再分析数据以及衍生的地理空间产品。因此，不需要伦理审批、知情同意和动物福利审批。

稿件准备过程中生成式人工智能及AI辅助技术的声明
在本文准备过程中，作者使用了OpenAI Codex辅助语言编辑、格式化和代码审查。在使用该工具后，作者对内容进行了审查和必要编辑，并对出版内容承担全部责任。

资助
本工作得到了国家自然科学基金（批准号42364003）、兰州新区科技计划（批准号2025YJ1028）和甘肃省高校教师教育创新基金（项目编号2025B-312）的资助。

利益冲突声明
? 作者声明他们没有已知的竞争性经济利益或个人关系可能影响本文所报告的工作。

致谢
作者感谢欧盟哥白尼计划提供Sentinel-1 SAR数据，以及NASA/USGS提供本研究使用的SRTM DEM产品。

周红宇|魏关军|窦喜莹|梁永平|张启斌|刘智远
兰州交通大学测绘工程学院，兰州730070，中国