2014–2018年中巴經濟走廊地表變形數據集

2014–2018年中巴經濟走廊地表變形數據集
作者：白艷萍　康建芳　李萌　韓守富　趙寶強　艾鳴浩　馬金輝
2019年8月22日

本作品收錄於《中國科學數據》

白艷萍, 康建芳, 李萌, 等. 2014–2018年中巴經濟走廊地表變形數據集[J/OL]. 中國科學數據, 2018. (2019-04-01). DOI: 10.11922/csdata.2018.0075.zh.

摘要&關鍵詞

摘要：中巴經濟走廊北起中國新疆喀什，南至巴基斯坦瓜達爾港，經過興都庫什山脈、喀喇崑崙山脈和喜馬拉雅山脈地區，全長3000公里，是一條包括公路、鐵路、油氣和光纜通道在內的貿易走廊。本數據集基於時序InSAR技術對2014–2018年間覆蓋中巴經濟走廊全部區域的Sentinel 1A數據進行地表形變監測，從而獲取形變數據，反映了4年來該地區地表物質遷移運動情況和地質災害風險水平。本數據集可以作為研究中巴經濟走廊建設的參考數據，滿足用戶對中巴經濟走廊自然災害科學數據的需求，支撐科學研究和技術創新活動，服務中巴經濟走廊經濟社會可持續發展。

關鍵詞：中巴經濟走廊；時序InSAR；Sentinel 1A；影像變化檢測技術

Abstract & Keywords

Abstract: Originated in Kashgar of Xinjiang province, China, the China-Pakistan Economic Corridor runs southwards through Hindu Kush, Karakoram and Himalayas and ends at Gwadar Port of Pakistan. The trade road is 3,000 kilometers long, covering highways, railways, oil and gas channels, and cable trenches. Using time-series InSAR technology, this study performs surface deformation monitoring of Sentinel 1A data covering all areas of the Economic Corridor from 2014 to 2018, which reflects the surface material movement and geological hazard risk level in the region over the past four years. This dataset can be used as a reference for studying the corridor construction, sufficing users』 demand for scientific data on natural disasters along the China-Pakistan Economic Corridor. It can support scientific research and technological innovation. and serve for the corridor’s sustainable economic and social development.

Keywords:  China-Pakistan Economic Corridor; time-series InSAR; Sentinel 1A;  image change detection technology

數據庫（集）基本信息簡介

數據庫（集）名稱	2014–2018年中巴經濟走廊境內地表形變數據集
數據作者	白艷萍、馬金輝
通訊作者	馬金輝（majh@lzu.edu.cn ）
數據時間範圍	2014–2018年
地理區域	中巴經濟走廊
空間分辨率	20 m
數據量	145 MB
數據格式	KML、ESRI SHAPE FILE
數據服務系統網址	http://www.sciencedb.cn/dataSet/handle/698
項目基金	國際（地區）合作與交流項目（41661144046）
數據庫（集）組成	本數據集分為兩類，其一為KML數據，其二是ESRI SHAPE FILE數據。KML數據點的顏色表示平均位移量，且蘊含相干性值和變形過程曲線等信息，樣本數據量為145 MB。ESRI SHAPE FILE屬性表包含的字段有：ID、LAT（緯度）、LON（經度）、HEIGHT（高程）、HEIGHT WRT DEM、SIGMA HEIGHT、VEL（形變速率）、CUMUL.DISP.（累計形變量）、COHER（相干性係數）、STDEV（累計形變量標準差）、20141021-20180619（日期字段：基於上一個重訪日期的形變量位移）。

Dataset Profile

Title	A dataset of surface deformation along the China-Pakistan Economic Corridor from 2014 to 2018
Data corresponding authors	Bai Yanping, Ma Jinhui
Data authors	Ma Jinhui (majh@lzu.edu.cn)
Time period	2014–2018
Geographical scope	China-Pakistan Economic Corridor
Spatial resolution	20 m
Data volume	145 MB
Data format	KML and ESRI SHAPE FILE
Data service system	<http://www.sciencedb.cn/dataSet/handle/698>
Souces of funding	International (Regional) Cooperation and Exchange Project (41661144046)
Dataset composition	The dataset consists of KML data and ESRI shapefile data. The color of the KML data points denotes average displacement, and it contains information on such aspects as coherence value and deformation process curve. The sample data have a total volume of 145 MB. ESRI shapefiles contain data fields including ID, LAT, LON, HEIGHT, HEIGHT WRT DEM, SIGMA HEIGHT, VEL (Deformation rate), CUMUL.DISP.(Cumulative shape variable), COHER (Coherence coefficient), STDEV (Cumulative form factor standard deviation), and date (e.g., 20141021…20180619, showing deformation variation based on the latest date of revisit).

引 言

中巴經濟走廊區域地勢北高南低，區域構造活躍、地勢險峻、冰川活躍，地質、水文等工程地質條件極為惡劣，公路沿線雪崩、泥石流、坍方、滑坡、岩崩等地質災害頻發，嚴重影響公路的安全運營^[1]。2005年克什米爾7.6級地震導致公路洪扎河（Huza River）以北段的岩體結構嚴重破壞，這種歷時短、規模大的災害已導致中巴公路的路面與路基嚴重損毀^[2]。類似地質災害問題在中巴經濟走廊區域普遍存在，而且隨着未來工程建設的進行和氣候環境的變化，地質災害有可能進一步頻發。

地質災害識別、活動性調查與分析以及危險性評價是走廊內公路、鐵路、通信、油氣管道等重大工程建設、安全運行與科學減災的基礎。基於此，學術界和工程界採用多種手段開展了該區域地質災害研究。但由於該區域自然環境複雜、野外實際勘測難度很大，基於先進的衛星遙感技術和時序InSAR技術進行地表變形的反演和地質災害的早期識別、監測預警，已成為值得重視的研究手段。星載合成孔徑雷達干涉測量（Interferometric synthetic aperture radar，InSAR）因其高精度、高分辨率、全天候等優點已迅速成為常用的大地測量技術之一^[3][4]，旨在通過對同一區域兩次或多次過境的合成孔徑雷達（Synthetic Aperture Radar，SAR）影像的復共軛相乘，來提取地物目標的地形或者形變信息^[5]。如易靖鬆通過時序InSAR技術進行地表形變監測，分析潛在滑坡的時空分布特徵^[6]。朱建軍提出SAR數據的全球無縫覆蓋和高密度重返都會為潛在災害識別和地質監測提供重要的數據源^[5]。Hilleyge利用永久散射體星載合成孔徑雷達干涉測量（Persistent scatterer InSAR，PSInSAR）技術對美國Berkley地區的滑坡展開監測，結果較好地反應了滑坡形變的歷史演變進程^[7]。均可以說明利用時序InSAR變形監測技術，識別並監測潛在地質災害的可能性。潛在災害的識別和監測是地質災害成災機制研究風險評估和工程防治的基礎，也是科學預測自然災害發展、演化趨勢，合理評估潛在自然災害影響的關鍵科學問題。

本數據集為中巴經濟走廊全部區域時序地表形變數據，通過PSInSAR技術對2014–2018年間覆蓋中巴經濟走廊全部區域的Sentinel 1A數據進行地表形變監測而獲取，為中巴經濟走廊的地質災害識別和經濟建設提供參考數據。

1 數據採集和處理方法

1.1 原始數據說明

1.1.1 DEM數據

DEM數據是進行地形因子計算的基礎，本數據集選擇SRTM 90 m分辨率的DEM數據（https://dds.cr.usgs.gov/srtm/version2_1/SRTM3/Eurasia/），基础影像共19景，将其进行拼接、裁剪和空值填补后建立了覆盖走廊范围的完整DEM，高程范围为986～7770 m，空間參考橢球體為WGS_1984。

1.1.2 InSAR數據

本研究根據SAR數據的分辨率、波長、觀測角度、性價比和可獲得性等，針對研究區地形和變形特徵選用歐空局合成孔徑雷達（C波段）Sentinel 1A數據（https://scihub.copernicus.eu/dhus/#/home。）。所涉及轨道为相对轨道107（下降轨道）、27（上升轨道）。覆盖范围如图1所示。时间范围从2014年10月到2018年6月。其中107轨道共400景、覆盖74天，27轨道共340景、覆盖85天，数据基本特征如表1所示。空间覆盖范围如图1所示，时间覆盖范围如图2所示。107轨道和27轨道影像的采样时间分布如图2。虽然107轨道缺少20161014、20161026、20161107、20161119、20161201、20161213、20161225等日期的数据，但是采样时间分布相对均匀，可以满足图像高精度配准要求。

圖片

圖1 數據集覆蓋範圍

圖片

圖2 影像數據時間分布圖左圖：107軌道；右圖：27軌道

表1 Sentinel 1A 數據基本信息

軌道	數據名稱	軌道類型	數據模式	UTC採集時間	'極化'方式	入射角（度）	距離向採樣間距（m）	方位向採樣間距（m）	波長（m）
107	Sentinel 1A	降軌	IW干涉寬幅模式	1:5	VV	13.95	20	5	0.055466
27	Sentinel 1A	升軌	IW干涉寬幅模式	12:56	VV	13.93	20	5	0.055466

1.2 數據集處理方法及過程

1.2.1 採用原理和技術路線

本文採用PSInSAR技術獲得地表形變量，其基本原理是利用多景同一地區的SAR影像，通過統計分析時間序列上幅度和相位信息的穩定性，探測不受時間、空間基線去相關影響的穩定點目標^[8]。PSInSAR技術通過對主輔影像進行干涉處理，將獲取的強度與相位信息進行統計分析，選取在時間上散射特性相對穩定、回波信號較強的永久散射體（Persistent Scatterer，PS）目標點作為觀測對象。這些目標點可能是人工建築物、裸露的岩石、人工布設的角反射器等。由於它們在時間序列SAR影像中幾乎不受斑點噪聲的影響，經過長時間間隔仍然保持穩定的散射特性，所以被稱作PS。構建PS點網絡，網絡中任意相鄰PS點間經過差分處理的方式分離出形變信息，進而求出相鄰點間的高程差值和形變速度差值^[9]。以高程差和形變速度差作為原始數據，利用相位解纏算法求解出所有PS點的形變、高程參數，再通過最小二乘法等求得研究區內PS點的形變量和形變速度^[10]。

本文採用SARProZ軟件——SAR影像處理系統，主要面向雷達影像數據PSInSAR處理技術及相關應用，基於並行多線程處理技術，能夠快速處理分析海量雷達影像數據，可識別區分建築物和地面上的PS點，區分建築物形變和地表形變；精確反演影像採集時間的大氣相位圖，剔除大氣相位殘值；對於城市區域或強反射硬目標形變速率監測精度可達3～5 mm。其數據處理流程如圖3。

圖片

圖3 PSInSAR數據處理流程圖

1.2.2 中巴經濟走廊PSInSAR的數據處理過程

（1）中巴經濟走廊計算範圍設計

計算範圍選取107軌道和27軌道覆蓋的中國境內的經濟走廊區域。具體計算時，採用分幅計算的方式，各分幅計算範圍如圖4所示。本文僅展示境內重點區域的計算結果。

圖片

圖4 樣本數據覆蓋範圍

境內重點區域的覆蓋範圍為圖4中紫色區域所示，涵蓋了慕士塔格山和塔什庫爾干塔吉克自治縣兩個典型沉降區，其四角點經緯度分別為：（38°42′12″N，75°03′41″E）、（38°34′16″N，75°48′54″E）、（37°26′35″N，75°29′34″E）、（37°31′22″N，74°46′01″E）。面積約為8000 km2。

（2）InSAR主影像選擇和影像連接拓撲圖構建

針對研究區Sentinel 1A數據集，獲取所有影像對的時間、空間基線，將時間、空間基線之和為最小的影像作為主影像，構建時間和空間影像連接拓撲圖（圖5），其中主影像日期為2016年12月31日。

圖片

圖5 PSInSAR影像連接拓撲圖

（3）影像配准

配准過程中先採用精確軌道參數進行粗配准，為精配准提供初始偏移量，以加快精配准速度。然後參考90 m分辨率的SRTM數據，選擇整景影像上均勻分布的同名像素點建立多項式方程進行精配准，配准精度小於1/8個像元。

（4）干涉相位計算

採用Goodstein mode濾波器，濾波窗口為15×15。對已經過濾波的主輔影像像元對生成干涉相位值，逐像元計算干涉相位，且採用DEM去除地形相位，生成時間序列干涉圖集。干涉圖用於評價InSAR的計算結果，干涉環越明顯，形變效果越好。根據圖6所示干涉圖（共85幅干涉圖，本文選擇部分干涉圖進行展示），可以看出殘留地形相位不明顯，且存在明顯干涉環，表明各時期影像與主影像相干性較好，干涉結果可以用於後繼PSInSAR計算。

圖6 干涉處理結果

圖片	圖片	圖片	圖片	圖片	圖片	圖片	圖片	圖片
20170524-20161231	20170605-20161231	20170629-20161231	20170711-20161231	20170723-20161231	20170804-20161231	20170828-20161231	20170909-20161231	20170921-20161231
圖片	圖片	圖片	圖片	圖片	圖片	圖片	圖片	圖片
20171003-20161231	20171015-20161231	20171027-20161231	20171120-20161231	20171202-20161231	20171214-20161231	20171226-20161231	20180107-20161231	20180119-20161231
圖片	圖片	圖片	圖片	圖片	圖片	圖片	圖片	圖片
20180131-20161231	20180212-20161231	20180224-20161231	20180308-20161231	20180320-20161231	20180413-20161231	20180425-20161231	20180507-20161231	20180612-20161231

（5）干涉相位解纏

由於干涉圖整體相干性較高時，採用枝切法進行相位解纏，解纏效果良好。

（6）候選PS點選擇、空間網絡構建、大氣效應剔除

在進行候選PS點計算時，採用Amplitude Stable. index進行PS點選擇，閾值設置為0.65，線性趨勢估值設置為−20和20，高程的估值參數設置為−50和50，多項式項數設置為1，計算過程中將相干性（Coherence）作為權重，以此估算大氣效應，並反演得到地表形變速度和各時期形變量，最終PS點的相干性大於0.7，符合國際PS點選擇的慣例。

2 數據樣本描述

本數據集採用PSInSAR技術獲取中巴經濟走廊地表形變數據，本文選擇兩個典型的境內重點區域對數據集樣本進行描述。第一個典型重點區域位於塔什庫爾干塔吉克自治縣，以東經75°17′，北緯37°39′為區域中心，沿軌道方向長為98公里、寬42公里的長方形區域。圖7所示為27軌道數據計算結果，圖8所示為107軌道數據計算結果。對比兩條軌道數據的計算結果可以看出，庫孜滾村的東南方向2.2公里的位置均發生明顯的下沉，下沉位置完全吻合。其餘地方沒有明顯變形。

圖片

圖7 PSInSAR計算結果樣本數據（27軌道）

圖片

圖8 PSInSAR計算結果樣本數據（107軌道）

第二個典型重點區域位於克孜勒蘇柯爾克孜自治州阿克陶縣，有着世界冰山之父之名的慕士塔格山，以東經75°08′，北緯38°13′為區域中心。本文選用27軌道的計算結果，圖9所示的慕士塔格山的冰川下緣，沿着冰川觸水徑流方向有明顯的下沉現象，其在山腳下西南方向也有局部明顯沉降。

圖片

圖9 慕士塔格山PSInSAR計算結果樣本數據（27軌道）

3 數據質量控制

本數據集基礎數據選用歐空局合成孔徑雷達（C波段）Sentinel 1A數據，它具有良好的基線控制和短暫的重返周期，能夠在短暫時間積累大量影像數據，有利於InSAR時序分析，並且提升雷達圖像參數反演的精度。在PSInSAR數據處理過程中，通過影像配准、干涉成像、相位解纏、高程解算和地理編碼等關鍵步驟，有效地去除地平、高程相位以及大氣效應，獲得了理論精度毫米級的形變信息。並且文中採用了107軌道和27軌道兩個軌道，分別對研究區進行計算，不同軌道計算結果吻合較好。

4 數據使用方法和建議

使用數據時，可利用ArcGIS地理信息系統軟件對shape文件進行查詢、編輯等操作，其shape中的屬性表可作為分析與統計地表形變的基本數據。用Google Earth可對KML文件進行查詢、分析等操作。本數據集可靠性高，代表性較強，可以結合地質岩性結構數據，用於中巴經濟走廊地質變化研究，滿足用戶對中巴經濟走廊自然災害科學數據的需求。

參考文獻

1. 朱穎彥, 楊志全, 廖麗萍, 等. 中巴喀喇崑崙公路冰川地貌地質災害[J]. 災害學, 2014, 29(03): 81-90.
2. 廖麗萍, 朱穎彥, 楊志全, 等. 中巴喀喇崑崙公路順層岩質邊坡受力分析[J]. 地下空間與工程學報, 2016, 12(01): 243-249.
3. GABRIEL A K, GOLDSTEIN R M, ZEBKER H A. Mapping small elevation changes over large areas —Differential radar interferometry[J]. Journal of Geophysical Research Solid Earth, 1989, 94(B7): 9183-9191.
4. ZEBKER H A , GOLDSTEIN R M. Topographic mapping from interferometric synthetic aperture radar observations[J]. Journal of Geophysical Research, 1986, 91(B5): 4993.
5. ^ ^{5.0 5.1} 朱建軍, 李志偉, 胡俊. InSAR變形監測方法與研究進展[J]. 測繪學報, 2017, 46(10): 1717-1733.
6. 易靖松. 川東紅層滑坡的形成條件與早期識別研究[D]. 成都: 成都理工大學, 2015.
7. HILLEY G E. Dynamics of Slow-Moving Landslides from Permanent Scatterer Analysis[J]. Science, 2004, 304(5679): 1952-1955.
8. 田馨, 廖明生. InSAR技術在監測形變中的干涉條件分析[J]. 地球物理學報, 2013, 56 (03): 812-823.
9. 黃佳璇. 基於PSInSAR蠕動型滑坡動態監測及區域穩定性分析[D]. 北京: 北京科技大學, 2018.
10. MILCZAREK W. Application of PSInSAR for assessment of surface deformations in post-mining area—case study of the former Walbrzych Hard Coal Basin (SW Poland)[J]. Acta Geodynamica et Geomaterialia, 2016, 14(1185): 41-52.

數據引用格式

白艷萍, 馬金輝. 2014–2018年中巴經濟走廊地表變形數據集[DB/OL]. Science Data Bank, 2018. (2018-12-03). DOI: 10.11922/sciencedb.698.