基于时序InSAR技术与灰色-马尔可夫模型的北京平原区地面沉降时空预测研究

Land subsidence monitoring and control is a hot topic in global environment study, and regional land subsidence prediction is essential for land subsidence control. The objective of this proposal is to develop a regional land subsidence spatial-temporal prediction model based on the combination of InSAR time-series techniques and Grey-Markov modeling method. We select Beijing Plain area as our study site. First, temporal evolution of regional land subsidence during 2003~2010 is derived using the integration of InSAR interferometry techniques and level surveying. The regional time-series land subsidence monitoring results is then clustered using Self-Organization feature Maps (SOMs) algorithm and the classes are characterized in terms of the spatial auto-correlation and heterogeneity of land subsidence evolution. For each class, GM(1,1)-Markov prediction model is developed and optimized to estimate the seasonal and annual land subsidence during 2010-2012. This research is aimed to enhance regional land subsidence prediction theory in that it avoids extensive dependency on environmental factor data required by conventional deterministic numerical model and empirical model, and it presents a spatial-heterogeneous land subsidence prediction. The research is an inter-disciplinary study based on InSAR techniques and uncertainty system prediction theory and will provide theoretical basis and data support for regional land subsidence control.

地面沉降灾害及其防治是当前全球环境领域研究热点，区域地面沉降预测研究是地面沉降灾害防治的重要基础。以北京平原区为研究区，结合时序InSAR测量技术和灰色-马尔可夫预测模型，研究区域地面沉降时空预测。联合时序InSAR测量技术及水准测量等传统监测方法，进行北京平原区2003-2010年地面沉降的时序演变监测及验证；利用自组织神经网络算法进行时序演变监测结果的空间聚类，分析区域地面沉降时序演变特征；进而建立并改进非等时距灰色-马尔可夫预测模型，进行研究区地面沉降于2010-2012年季节、年际变化预测,揭示研究区地面沉降发展不均匀性特征。本研究拟解决传统确定性预测模型及经验预测模型对外部环境因素数据的过分依赖，同时解决现有灰色预测模型仅针对“点”测量值展开而无法反应沉降时空演变不均匀性的问题，开展InSAR测量与不确定性系统预测方法的交叉研究，可为控制地面沉降的发生发展提供理论依据和数据支持。

由于过量开采地下水而引发的地面沉降是北京地区面临的重要地质灾害之一。地面沉降造成的建筑物损害，铁路、桥梁等基础设施的破坏等已给经济、城市建设和人民生活造成的巨大损失，成为制约区域社会经济可持续发展的重大问题。基于地面沉降监测资料的分析从而预测地面沉降时空演化趋势，开展区域地面沉降预报方法研究，对于有效预防、控制和减缓区域地面沉降，具有重大的理论与现实意义。. 本课题提出了结合InSAR技术以及改进灰色-马尔科夫模型的区域地面沉降时空预测方法。以北京市平原区为主要研究区，基于2003 -2010年39景ENVISAT ASAR数据与2010-2014年27景Radarsat-2数据，利用PS-InSAR技术获取了2003-2014年地表形变，并进行PS-InSAR方法参数敏感性分析和最佳参数选择，进而利用水准点和GPS观测数据对形变监测结果进行验证。结果显示，2003-2014年，北京市平原区地面沉降最大量为1426mm，最大沉降速率为124mm/year，与水准测量值比较，沉降速率平均误差在2mm/year以内。. 随后建立了改进的灰色-马尔科夫预测模型，通过新城代谢动态理论改进灰色模型，减小模型的累计误差，增加模型输入数据序列的时效性，提高预测精度；通过K-means聚类算法划分马尔科夫区间，增加区间划分的科学性，解决传统马尔科夫模型不能预测批量数据的不足。对模型模拟和预测值与实际值进行比较分析预测模型的性能。通过2003-2012年时序建立两步预测模型，预测2013-2014年地面沉降信息，并同2013-2014年监测值进行比较，进一步验证预测模型精度。结果显示拟合直线的斜率分别为1.05和1.16，拟合的决定系数 分别为0.94与0.91，总体上预测精度都超过90%。最后通过2003-2014年时序数据建立两步预测模型，预测了2015-2016年地面沉降量，预测结果显示，自2003年起，截至2016年，北京市的地面累计沉降量最大可达1717mm，沉降速率呈现加速状态。. 最后建立了地面沉降管理信息系统。借助Java语言与Oracle数据库，采用SSH框架与MVC模型基于面向对象的思想建立了地面沉降信息管理平台。完成了数据录入、管理、预测与分析，使地面沉降信息的管理更加安全、可靠与高效，有利于对地面沉降信息的分析与挖掘。