基于改进MT-InSAR的日兰高铁巨野煤田段沉降监测

日兰高铁巨野煤田段农田遍布,合成孔径雷达干涉(InSAR)的时间失相干严重,可用于时序InSAR(MT-InSAR)分析的永久散射体(PS)稀少.将SAR数据限制在失相干影响较弱的10月至次年4月初并联合PS和分布式散射体(DS)有望解决该问题.然而,受限于SAR卫星的重访周期,仅采用10月至次年4月初的SAR影像会导致数据量变少.而当SAR数据较少、相干性较低时,难以准确估计协方差矩阵和相干矩阵,使得现有的DS相位估计方法误差较大.为此,提出了一种基于Fisher信息量的DS相位优化估计算法,利用Fisher信息量调节各干涉对的权重,抑制低相干干涉对的影响.通过模拟数据和真实数据验证了算法的可靠性和可行性.另外,构建了联合PS和DS的小基线(SBAS)干涉处理框架,在增加观测方程的同时保证干涉对的相干质量,从而实现形变信息的稳健估计.利用2020年10月至2021年4月间的Sentinel-1 SAR数据获取了日兰高铁巨野煤田段地表沉降,并结合已有的监测资料分析了地表沉降的成因及时空演化信息.研究结果表明:采用上述方法,能够根据10月至次年4月初的少量SAR数据监测高铁沿线沉降情况;日兰高铁巨野煤田段沿线仍在持续沉降,3 km内的平均形变速率集中在-3.5～-0.5 cm/a,与2015-2019年的观测结果一致,未出现加剧现象;巨野煤田段存在可能由断层活化、深层地下水流失等因素间接造成的更大范围地表沉降,并且沉降靠近高铁侧,这一点需引起注意.