Sentinel-1 连续干涉图叠加技术（CISA）用于高分辨率和近实时地表沉降监测 Sajid Hussain、 Fei Liu、 Bin Pan、 Rui Xu、 Zeeshan Afzal、 Wajid Hussain、 Yucheng Pan 和 Heping Li

《Remote Sensing》：Sentinel-1 Consecutive Interferogram Stacking Approach (CISA) for High-Resolution and Near-Real-Time Ground Subsidence Mapping Sajid Hussain, Fei Liu, Bin Pan, Rui Xu, Zeeshan Afzal, Wajid Hussain, Yucheng Pan and Heping Li

　　**亮点**

主要发现是什么？连续干涉图堆叠方法（CISA）通过生成连续合成孔径雷达（SAR）获取之间的干涉图来最小化时间去相关性，显著提高了干涉图的一致性和质量。来自多维建模的位移模式与隐伏断层相关的结构一致，表明断层带可能影响沉降模式，而地下水抽取和城市化可能加剧了观察到的周期性变形周期。

主要发现的意义是什么？CISA实现了接近實时的沉降监测——新的SAR获取只需与前一张图像结合一个干涉图即可更新变形速度，消除了传统技术需要重新处理整个数据集的需求。这些变形模式的特征为密集人口地区的地震灾害评估提供了见解，支持基础设施韧性规划并制定明智的城市发展策略。

**摘要**

干涉合成孔径雷达（InSAR）对于监测地面位移至关重要，特别是在巴基斯坦的首都地区，那里城市扩张和活跃的地质构造相互作用。本研究介绍了连续干涉图堆叠方法（CISA），这是一种针对使用相邻SAR获取对的全分辨率Sentinel-1数据进行接近實时变形监测而优化的处理框架。与依赖空间多波束来抑制相位噪声的传统InSAR技术不同（这种技术为了计算效率牺牲了空间分辨率），CISA通过连续干涉图堆叠保留了原始分辨率，接受短间隔干涉图保留的散射体去相关性导致的地球物理相位不稳定性（包括衰减信号）。通过连续配对最小化时间去相关性，CISA提高了干涉图的一致性（提高了6-14%），并将均方根误差（RMSE）降低了大约25%，同时保持了操作应用所需的计算效率。该框架的增量架构允许在新图像获取后的几小时内更新速度——只需要添加一个干涉图，而无需完全重新处理网络——使其适用于延迟限制超过长基线相位滤波需求的快速响应灾害评估。CISA揭示了可能反映断层带几何形状、地下水波动和城市化影响的时空沉降模式，全分辨率分析通过多方向位移建模描绘出与隐伏断层迹线空间一致的线性变形模式。这些发现表明，通过在处理延迟和地球物理噪声抑制之间的战略权衡，可以实现对地质灾害的操作监测，为构造活跃城市环境中的基础设施风险管理提供可操作的情报。

**1. 引言**

地面沉降是地球表面的局部下沉，可能是缓慢的也可能是突然的，由未固结的地下材料的自然或人为压缩引起[1,2,3]，例如过度抽取地下水、结构负荷、地震活动、地下建设和采矿。这一过程可以深刻影响土地的使用方式，使城市设计复杂化，破坏交通网络，损害防洪和排水系统，并危及建筑物稳定性。它还可能引发一系列地质灾害，包括突然崩塌、斜坡失稳和泥石流。

全球大约8%的土地面积，即约1200万平方公里，受到潜在地面沉降的威胁。这影响了1596个主要城市，占世界人口的19%，并占全球GDP的12%[4]。此外，由于沉降，全球有11个低洼沿海城市面临在本世纪末被淹没的风险[5,6]。预计到2040年，全球五分之一的人口将受到地面沉降的影响[4]。

伊斯兰堡/拉瓦尔平德地区是巴基斯坦人口最密集的地区之一，位于地震活动频繁的区域。该地区经历了多次重大地震，包括2005年的7.6级穆扎法拉巴德地震[7]、2015年的5.1级法拉地震[8]以及2017年的4.6级地震[9]，这些地震表明隐伏逆冲断层的活动导致了上盘块的抬升和下盘块的沉降[9]。地面沉降与Khairi Murat系统内的隐伏逆冲断层运动有关：这个埋藏的逆冲断层位于南部的Dhurnal逆冲断层和北部的Bokra逆冲断层之间，正是造成当前沉降的原因[9]。该地区不仅容易发生频繁且强烈的地震，还受到不受控制的地下水抽取、城市发展和特定土壤条件等因素引起的地面沉降的影响[10]。因此，迫切需要对首都地区的地面位移进行定期和迅速的监测。

干涉合成孔径雷达（InSAR）是一种强大的大地测量工具，通过比较连续的雷达图像，可以在大范围内提供毫米级精度的位移测量[11,12,13,14]。它广泛用于监测由地震活动、城市地面沉降、火山爆发、滑坡、冰川移动、填海土地稳定性、基础设施变形和采矿沉降引起的地面运动[8,13,14,15,16,17,18,19,20,21,22]。

在过去的几十年中，提出了两种主要的InSAR时间序列分析方法：持续散射体干涉测量（PSI）[11]和小基线子集（SBAS）[23]。PSI以其高精度监测能力而著称，特别是在建筑物和基础设施等持续散射体（PS）普遍存在的城市区域。另一方面，SBAS通常涉及处理更多的干涉图，并通过结合分布式散射体（DS）提供更广泛的覆盖范围[24]，使其更适合于PSI因相对较低的一致性而难以监测的非城市区域。

SAR数据量的指数级增长需要开发接近實时的InSAR处理架构，以绕过传统网络重新处理的计算负担。虽然传统方法能够达到毫米级变形精度，但每次新获取数据时都需要重新计算整个干涉测量网络，这使得它们对于操作监测系统来说计算成本过高。为了解决这一瓶颈，最近的研究提出了利用贝叶斯最小二乘调整或卡尔曼滤波的顺序估计框架，以逐步更新变形参数而无需历史数据重新处理[25]。例如，利用渐进式调整策略的顺序SBAS方法在保持与传统解决方案相同的地测量一致性的同时，计算时间减少了约40%[26]；而基于地面的实现使用顺序估计器实现了接近實时的坡度监测，计算时间减少到了传统批量处理的十分之一[27]。此外，Staniewicz等人[27]最近引入了一种使用压缩单波束复杂图像和迷你堆叠参考方案的大规模顺序相位链接方法，使得在新图像获取后的几小时内即可进行地表位移估计。然而，这些现有的顺序方法通常需要维护庞大的干涉图对档案或在每次更新周期实施复杂的大气相位校正，从而引入存储冗余或延迟，限制了它们在资源受限的操作环境中的适用性。因此，仍然迫切需要算法框架在实现恒定时间复杂度更新的同时消除存储冗余——这正是本文提出的CISA架构所要解决的 gap。

在本文中，我们介绍了一种针对接近實时变形监测优化的InSAR处理工作流程。与依赖广泛网络重新处理或空间多波束来抑制地球物理噪声的传统InSAR时间序列算法不同，我们的连续干涉图堆叠方法（CISA）按照获取时间的顺序连续形成全分辨率干涉图，每个时期既作为后续获取的主要参考，也作为前一个时期的次要参考。这种连续配对最小化了时间去相关性——这对于保持干涉图一致性至关重要——但本质上将时间基线限制在卫星重复间隔内（例如，Sentinel-1的12天）。

虽然短时间基线提高了一致性，但它们保留了被称为衰减信号的地球物理相位不稳定性——这些随机变化源于散射体的电磁不稳定性（例如土壤湿度波动、植被物候、介电变化），随着时间基线的减小而加剧[28]。与传统观点相反，空间多波束并不会引入这些伪影；相反，它作为一种机制，通过空间平均检测、减轻和纠正衰减，但代价是分辨率损失[29]。CISA故意放弃多波束处理以保持全空间分辨率，并在新图像获取后的几小时内实现增量速度更新，接受短间隔干涉图保留的衰减信号，这些信号在长基线或多波束处理下会被抑制。因此，该框架在操作上进行了权衡：计算效率和时间保真度优先于通过传统空间滤波实现的相位稳定。

CISA故意放弃空间多波束处理以保持全空间分辨率，并在新图像获取后的几小时内实现增量速度更新。因此，该框架接受短间隔、全分辨率干涉图保留的地球物理衰减信号，这些信号在长基线平均下会被抑制。虽然这保留了检测局部基础设施变形所需的高空间频率变形场，但它需要认识到相位噪声（包括衰减）是通过时间一致性约束和操作速度来管理的，而不是通过传统空间滤波。因此，CISA作为一个操作框架，适用于延迟限制超过长基线相位稳定要求的快速响应监测，为灾害评估提供可操作的变形情报，而不是毫米级精度的地测量。

在这里，我们应用CISA来估计地面沉降，并将其与传统的InSAR时间序列技术进行了比较评估。提取了2022年7月至2024年8月的两年Sentinel-1 SAR图像，涵盖了拉瓦尔平德/伊斯兰堡双城的下降和上升几何形状，以生成干涉图。连续的干涉图被用来估计视线（LOS）位移速度，进一步分解为垂直和水平位移速度进行研究。对InSAR输出进行了相关性分析，考虑了自然和人为引起的沉降因素。通过多方向位移建模显著检测到了隐伏断层的存在，并结合之前的InSAR和地质研究进行了分析[9,30]。研究表明，所提出的方法不仅能够揭示地面沉降特征，还能够阐明地质构造过程、城市发展和地面沉降之间的联系，同时为操作监测系统提供了必要的计算效率。

本文的其余部分结构如下。第2节概述了研究区域的水文地质条件，确定了本研究中使用的主要数据集，并详细介绍了提出的时间序列CISA处理方法。第3节展示了从模拟数据和真实世界数据中得出的实验结果。第5节考察了研究区域内地面沉降的演变特征，考虑了空间和时间变化以及影响因素。最后，第5节简要总结了本文。

**2. 材料与方法**

**2.1. 研究区域**

伊斯兰堡和拉瓦尔平德这对双城位于Margalla山丘的脚下，处于North Potwar变形区的东部（图1）。与伊斯兰堡北部的高山地区不同，Sub-Himalayas标志着喜马拉雅山脉的南部边界[31]。该地区的特点是低矮狭窄的山丘，两山丘之间有宽阔的山谷。位于Potwar高原的北部边界并成为喜马拉雅山脉的一部分，伊斯兰堡-拉瓦尔平德大都市区的地下地质特征是大量的褶皱和断层。这些结构是在喜马拉雅造山期间形成的。这个构造活跃区在地质上属于Salt Range和Potwar高原[10]。

图1. 研究区域位置图：(a) 表示带有地表岩性单元、断层线和过去地震震中位置的地质图，红色圆圈分别代表Golra逆冲断层、Bokra逆冲断层、Dhurnal逆冲断层和Riwat逆冲断层；(b) 显示了区域地图，绿色和紫色矩形分别代表下降和上升几何形状的Sentinel-1图像数据框；(c) 显示了研究区域的地形变化，上面叠加了主要道路和流线。红色星星表示主要位置。拉瓦尔平德/伊斯兰堡大都市区是巴基斯坦第四大都市区，2010年至2024年间，拉瓦尔平德的人口增长了35%，伊斯兰堡增长了11%。在建设方面，拉瓦尔平德的建成区从3.7%（60平方公里）增加到14.1%（228平方公里），而伊斯兰堡从5.7%（52平方公里）增加到25.7%（233平方公里）[32]。这种建成区的显著扩张反映了两个城市的快速城市化和建设活动。在这项研究中，我们调查了一个高度密集、建设密集且人口众多的地区，以估计中心城市的地面沉降并分析地面运动的控制参数。

从地质上看，该区域属于Sub-Himalayan地区[33]。该地区直接位于主要边界断层（MBT）的脚下，这是喜马拉雅山脉的主要边界断层之一。在伊斯兰堡东北部的克什米尔地区，这条重要的区域断层的一部分是2005年重大地震（7.6级）的源地[7,34]。图1a说明了研究区域中构造活动的重要性。该图显示，研究区域周围有许多结构断层，包括逆冲断层、正断层、隐伏断层以及通过各种InSAR研究揭示的盲断层证据。Treloar [35]指出，该地区的大部分地形和地貌变化都可以归因于构造活动。北部的主要边界逆冲断层（MBT）、Golra逆冲断层（GT）和Bokra逆冲断层（BT）是该地区的显著断层。地形、断层角砾岩和特定地点的水渗漏等地质特征提供了有关存在的断层系统的信息。在Soan向斜以北，中中新世到第四纪的Siwalik地层厚度超过3公里。Soan反向逆冲断层（也称为Dhurnal反向逆冲断层）和Khairi Murat逆冲断层都是该地区的主要断层线[36]。从岩石学上看（图1），包含这两座城市的区域可以分为三个主要单元。北部广阔的Margalla Hills由侏罗纪到始新世的页岩与Murree和Kamlial地层的石灰岩交替构成，以及在该地区暴露的leigh砾岩组成。Margalla Hills南部是Piedmont带，其特征是梯田和平原。该带下衬有属于Rawalpindi组的砂岩和页岩的截断褶皱（图1）。该地区的一个显著地貌特征是Soan河，它主要沿着Soan向斜轴流动[37]。

巴基斯坦的伊斯兰堡/Rawalpindi地区已经进行了多项研究，表明存在盲断层或隐伏断层[9,30,38]。这些断层，如Dhurnal反向逆冲断层（DBT）和Khairi Murat逆冲断层（KMT），与地震事件和显著的地面位移有关。该地区复杂的地质历史，包括反向逆冲和抬升，进一步复杂化了构造景观[39]。在这项研究中，使用连续干涉图InSAR技术可以对这些构造结构进行更详细的调查。

2.2. 数据集
在这项研究中，我们使用了2022年8月至2024年8月的Sentinel-1 SAR单次观测复合（SLC）图像，具体方法如图2所示。我们的数据集包括52张下降路径（路径107，帧478）的图像和59张上升路径（路径100，帧107）的图像。我们选择了ALOS全球数字表面模型“ALOS World 3D—30 m（AW3D30）”，因为它在复杂地形中提供更高的精度和更好的性能，优于广泛使用的Shuttle Radar Topography Mission（SRTM）。AW3D30在相位解缠和位移监测方面被证明提供了更可靠的结果，这对于InSAR应用中的准确地形校正和高程建模至关重要[40]。图2. 本研究的方法流程图。为了考虑降雨对地面位移的潜在影响，我们纳入了巴基斯坦气象部门（PMD）同一时期（2022年8月至2024年8月）的月降雨数据。PMD通过自动化气象站和手动雨量计网络收集Rawalpindi和伊斯兰堡的降雨数据[41]。此外，我们还使用了1999年发布的1:50,000比例尺的地质图，由巴基斯坦地质调查局提供，以更深入地了解地质背景[37]。我们还使用了Rawalpindi水务和卫生机构提供的14年的地下水位（GWL）数据，以评估地下水位的变化及其对地表沉降的影响。

2.3. CISA处理
我们通过使用两个在采集时间上相邻的图像来创建连续干涉图。对于连续获取的N + 1张图像，每张图像分别作为后续图像的参考和前一张图像的次级参考，从而生成N张连续的干涉图。这样，上升路径生成了58张干涉图，下降路径生成了51张干涉图（图3c,f）。图3. 时间-空间基线分布：(a–c) 下降路径数据集的PSI、SBAS和CISA基线分布；(d–f) 上升路径的相同分布。我们在全Sentinel-1分辨率下处理干涉图（单次观测范围和方位角），不应用空间多视处理。这种配置保留了原始的空间分辨率，同时在新图像获取时允许增量速度更新——这对于近实时操作监测至关重要。因此，这种方法接受全分辨率、短基线干涉图保留了地球物理相位不稳定性（由土壤湿度波动、植被物候和散射体电磁不稳定性引起的衰减信号），否则这些不稳定性会在空间平均过程中被抑制，从而损失分辨率。因此，CISA战略性地牺牲了噪声抑制以换取时间保真度和空间细节，适用于延迟限制超过长基线相位稳定要求的快速响应应用。此外，通过避免多视处理，该方法保留了Sentinel-1数据的全空间分辨率，使得能够检测到更局部化和微妙的沉降模式，这些模式可能会被SBAS等技术抑制，后者为了减少噪声而牺牲了分辨率。这提高了变形测量的细节和可靠性，尤其是在地面运动复杂或异质的区域（图4）。图4. 机场区域（图1c中显示为白色多边形）的一致性比较。上面三张图像分别显示了PSI、SBAS和我们的CISA估计的下降几何数据的一致性，下面三张图像显示了上升数据的一致性。PSI和SBAS的处理细节在补充文本S1中有描述。

2.3.1. 相干点选择
在干涉合成孔径雷达监测地面沉降的过程中，识别和选择相干点至关重要。这些点来自SAR图像像素，随时间保持一致、可靠的相位信息，成为准确测量地面位移的稳定参考位置。相干点大致分为永久散射体（PS）和分布散射体（DS），每种类型都需要不同的选择方法。对于相干候选点的初步筛选，通常使用振幅分散分析。该方法识别在整个SAR图像堆栈中保持高度一致振幅值的像素，表明该像素内存在一个主导的、稳定的散射体。具体来说，对于给定的像素，可以计算振幅分散指数（DA）来评估其振幅值随时间的一致性，如方程（1）所示[23]。这里，δA表示标准差，μA表示一系列振幅值的平均值。较低的DA值阈值表示选择相干点的标准更为严格。通常，0.4的阈值对于这一步骤的初步选择是足够的[42]。相干点的识别是通过结合振幅稳定性和干涉相干性的双重阈值混合方法实现的。首先，算法计算整个时间堆栈的振幅分散指数（DA）以识别潜在的永久散射体（PS）。振幅分散指数（DA）≤ 0.4的像素被保留为主要候选者，对应于振幅变化低于平均值的40%，表明它们是稳定的人造结构或裸露的岩石表面。随后，对这些候选点进行0.75的相干性阈值时间相干性分析，以消除受时间去相关性、大气噪声或未建模相位斜坡影响的像素。这种两步过滤确保选定的点同时具有辐射测量稳定性（振幅域）和相位可靠性（干涉域）。为了确保大地测量精度，我们实施了空间一致性检查：排除了与邻居相距超过500米的孤立相干点，以防止单像素伪影，并生成了三角形不规则网络（TIN）来评估空间连通性。相干性是评估选定相干点质量的关键指标。高相干值表明一个点随时间保持稳定的相位测量，使其成为可靠变形分析的强有力候选者。这种稳定性显著提高了相位解缠的鲁棒性，从而获得更准确和精确的变形估计，通常达到毫米甚至亚毫米级别[43]。植被区域、水体或经历快速表面变化的区域通常被排除在InSAR时间序列分析之外。我们的方法通过使用短时间基线来增强相干性，允许在更广泛的土地覆盖类型上进行可靠的变形测量。这种方法最小化了噪声和去相关误差在数据堆栈中的传播，最终提高了长期监测能力，并有助于区分各种变形成分（例如，线性趋势、季节性周期、非线性事件）[44]。相干性阈值是一个关键参数，通常用于过滤掉相干值较低的相干点，尽管其具体设置可能因应用而异。通常使用0.7到0.8的相干性阈值。这确保只有在其相位测量中表现出高时间稳定性的点被选为可靠的变形分析候选者[45]。在我们的研究中，我们采用了0.75的相干性阈值（如表1所述）来细致地筛选和选择高相干点。表1. 时间序列InSAR处理的阈值选择。PSI和SBAS的详细信息可以在补充材料部分找到。为了评估我们变形估计的稳健性，我们测试了0.65、0.75和0.85的相干性阈值，揭示了空间覆盖度和相位可靠性之间的特征性权衡。宽松的阈值（0.65）使点密度增加了35%，但引入了来自植被像素的相位噪声，使速度标准差增加了18%，并导致了局部解缠伪影。相反，严格的阈值（0.85）使点密度减少了40%，在住宅区和水体附近产生了数据间隙，尽管相位噪声降低了12%。采用的0.75阈值实现了最佳平衡，保持了足够的密度以完全覆盖空间，同时确保了相位可靠性，并且与独立水准基准相比，获得了最低的均方根误差（±2.8毫米/年），比0.65（±4.5毫米/年）和0.85（±3.1毫米/年）更好。

2.3.2. 垂直和水平速度估计
将视线（LOS）位移速度分解为垂直和水平速度分量有助于更好地理解地面位移。当没有显著的南北方向位移时，这种转换特别有用，例如在我们的案例研究中，大部分地面沉降是垂直的，因为它允许更好地解释垂直和水平方向的位移模式和风险评估[46]。视线位移（dLOS）与垂直位移（dU）和水平位移（dE）之间的关系由以下方程（2）表示[47]：
dLOS = dU
dE = dE
θA, θD = 从北方顺时针方向的雷达入射角
αA, αD = 卫星航向方位角
该系统表示两个线性方程和两个未知数（dU和dE），需要上升和下降几何数据才能得到唯一解。这种公式假设南北方向（N-S）位移可以忽略不计，这对于本研究区域是有效的，因为该地区以垂直沉降和东西方向构造缩短为主。这种分解的可靠性取决于南北方向（N-S）位移相对于垂直和东西方向分量的可忽略。为了验证这一假设，我们对Sentinel-1下降轨道几何形状（入射角θ约为34–43°，航向方位角α约为190°）进行了几何敏感性分析。分析证实，即使假设每年5毫米的N-S位移——超过这种倾滑主导环境的预期构造速率——也会在垂直速度估计中引入小于±1毫米/年的误差。这代表了观察到的沉降信号（50–78毫米/年）的2%以下，并且完全在测量不确定性（±2.8毫米/年）范围内，证实了垂直速度场的稳健性。这一假设在物理上是合理的，因为该区域的主边界逆冲作用主要表现为垂直压实（地下水抽取）和倾滑推动力学，这最小化了N-S方向的表面表达。我们明确将水平输出标记为“东西方向投影”，以指示可解析的分量，承认如果没有上升路径数据，完整的3D向量将是不确定的。

2.3.3.位移测量

在进行相位解缠[48]之后，第i个干涉图中特定像素x的相位可以通过方程（3）来描述：
(3)
这里，ψD,x,i代表卫星视线（LOS）方向的位移相位。ψφ,x,i对应于地形误差相位。ψA,x,i是由于不同时间获取之间的大气延迟差异所导致的相位。ψN,x,i包含了去相关、热噪声以及由于卫星轨道不精确而产生的残余相位误差。此外，kx,i是一个整数歧义性，是每个解缠干涉图的一个未知参数。如果解缠过程足够精确，对于给定干涉图中的大多数像素（x），kx,i将保持恒定。所选的相干点是指ψN,i的幅度足够小，不会掩盖底层信号的那些点。

通过最小成本流（MCF）进行解缠后，使用一个线性模型来估计位移，该模型将解缠相位与地面位移关联起来，因为它符合变形模型，从而得到一个更稳健和可靠的结果[49]。这一过程产生了与每个获取日期相关的位移解。位移时间序列值被锚定在最古老的日期，该日期作为参考点，其值为零。接下来，通过变差图工具进行细化处理，以评估和应用大气去除算法[50]，这些算法在应用特定大气过滤器之前和之后进行统计比较，以提高解缠相位的质量，包括去除残余的大气效应，并根据更新的模型重新平整数据。

此外，初始的位移时间序列估计值，即位移模型组成部分，被用来在大气相位屏蔽（APS）校正过程中对其进行保护[51]。在此阶段，对位移时间序列应用空间低通（LP）和时间高通（HP）滤波器[52]。为每个获取日期生成的LP-HP层代表了大气伪影的贡献。最后，通过初始位移时间序列估计出大气伪影，以得到精细化的最终位移时间序列。在最后一步，结果被转换成地理坐标，以便分析和可视化，生成可用于进一步解释的地理编码栅格和矢量输出。

2.3.4 增量更新机制

增量更新机制是CISA框架的一个独特算法优势，它实现了接近实时的高效监测，而无需重新处理历史数据集。与传统的SBAS或PSI方法不同，后者在每次获取新的SAR图像时都需要重新计算干涉测量网络，CISA通过其线性链架构促进了数据的高级集成。

当获取新图像Sn + 1时，通过连续干涉图的加性特性来更新累积位移：
(4)
其中表示第n个时期的累积位移，?n,n + 1表示在Sn（SAR图像数量）和Sn + 1之间的新形成的干涉图的解缠相位。这种公式利用了先前的解作为相位解缠的边界条件，确保了时间一致性，同时只需要一个干涉图生成步骤。随后通过线性回归从扩展的时间序列中得出更新的速度场，从而消除了重建整个历史数据集的需要。这种做法将计算复杂性从传统的网络重处理的二次方缩放降低到了常数时间加法，有效地消除了维护大量干涉测量对存档相关的存储冗余。因此，运营监测系统可以在新图像获取后的几小时内生成更新的位移图，使得CISA特别适用于快速响应应用。

3. 结果

3.1 视线方向的地面位移

图5展示了我们方法测量的该区域的视线（LOS）速率图。在机场周围（图1c）观察到了显著的最大地面沉降，特别是在位于断层线网络上的人口密集的双城区域。其他明显的位移线出现在Soan向斜沿线（图1）。通过解缠干涉相位并将其转换为地面变形速率来计算LOS位移速度。这些速度的精度通常使用诸如模型拟合均方根误差（RMS EMM）之类的指标来评估。RMS EMM量化了估计速度模型与观测相位变化的偏差，从而反映了模型与输入数据的一致性。

图5. 使用CISA方法的LOS速率图：图（a,b）分别显示了下降和上升方向的速率图；图（c,d）描绘了AA’和BB’线上的剖面。在这些剖面中，蓝线表示下降累积位移的方向，绿线表示上升累积位移的方向。CISA显著提高了速度精度，分别比PSI（图S1）和SBAS（图S2）高出10.96%和17.72%，对于上升和下降轨迹数据都是如此。此外，我们使用CISA的均方根误差（RMSE）值来评估结果的整体准确性。RMSE是预测值（我们的估计位移）与观测值之间差异的统计度量，表示误差的平均幅度。这些RMSE值与传统PSI和SBAS方法相比分别减少了大约25%和29%，表明我们的位移估计精度有了显著提高。高相干值表明相位测量是可靠的，而低值则表明存在噪声。CISA将PSI的相干性分别提高了14%和11%，对于上升和下降数据都是如此。相反，SBAS方法在两个方向上的相干性分别减少了7%和6%，突显了我们方法在保持信号质量方面的优越性能。

3.2 时间序列位移

时间序列位移图提供了研究区域内地面位移的详细视图。在检查速率图时，观察到了几种不同的位移模式，并选择了一些变形发生的代表性点。地图显示中间沉降区有明显的下沉趋势，其中三个显著点（p1、p2和p3）（图6）显示出一致的下沉速率。这些点表现出轻微的季节性波动，但随着时间的推移保持了下降趋势。

图6. （a,b）展示了通过CISA获得的垂直和水平位移速度。图（c）以图形形式展示了时间序列位移和月降水量模式。在研究区域的Soan向斜区域的南部，还识别出三个额外的点（p4、p5和p6）（图6）。这些点在位移模式上显示出更多的变异性，特别是在2023年和2024年的季风降雨季节[38]。这种变异性表明这些区域更容易受到季节变化的影响，可能是由于季风期间水分渗透和土壤饱和度增加。

3.3 垂直和水平位移估计

使用方程（2）将视线（LOS）速度分解为垂直和水平速度。分解结果显示水平方向的位移较小（平均约为?16至25毫米）。相比之下，垂直分量中表现出强烈的局部特征（图6）。这一发现加强了存在盲断层的假设（图6中的黑色虚线），表明在断层沿线垂直和水平方向上都有明显的沉降过渡。

对图6的详细检查揭示了机场区域周围的沉降区（图S3和S4分别表示通过PSI和SBAS技术开发的垂直和水平速度模型），在两年的调查期间最大沉降为?94毫米，表明地面明显下陷。这种显著的沉降表明地面发生了向下移动，这也在之前的研究中有讨论[9,38,53,54]。考虑了构造和人为因素的影响。此外，沉降区北部和南部的隆起区表明了构造运动，表现为地面的向上推举，两年内的最大隆起记录为34毫米。构造运动可以导致地面显著的变形，包括沉降和抬升，这可能是该研究中发现的毫无痕迹的断层的指示。沉降区北部和南部的隆起区表明构造力量正在积极影响该地区的地表动态。

3.4 相干点的分布

选定高质量点的分布定义了InSAR时间序列结果的覆盖范围，这是InSAR测量质量的关键指标。例如，在PSI处理过程中，PS点通常位于城市地区，那里的人造结构如建筑物和基础设施作为稳定的反射体（补充材料）。然而，在农村或自然地形中，它们的分布可能较为稀疏，而在SBAS方法中，DS点更多地补偿了覆盖范围。

在这里，我们发现PSI方法的PS候选点密度通常较低，这是预期之中的。对于下降轨迹数据，PSI中的点密度大约比CISA低7.48%，而SBAS中的点密度大约比CISA高6.11%。对于上升轨迹数据，PSI中的点密度大约比CISA低11.63%，而SBAS中的后向散射密度大约比CISA高12.16%。SBAS技术提供了更广泛的覆盖范围，捕获了高达85%的调查区域，相比之下，PSI方法主要覆盖了城市地区。我们的方法覆盖了更多的相干点，后向散射密度低于SBAS，但仍能在城市和非城市区域检测到稳定点（图5）。这是因为PSI专注于持久散射体，这些点是那些在长时间内保持高相位相干性和幅度稳定性的点，通常对应于建筑物、岩石或裸露的地面。相比之下，SBAS利用了具有小空间和时间基线的干涉图网络来最大化不同后向散射范围内的相干性，包括分布式散射体，这些散射体可能在较短的时间段或平均窗口内表现出较低的但仍然可用的相干性。

尽管PSI和SBAS都检测到了机场跑道上的相干候选点（图7），但CISA方法在高度活跃的跑道上没有检测到相干候选点，这突显了在动态环境中进行点选择的挑战。跑道的高活动和变异性使得获得高质量点识别所需的稳定反射变得困难。这与之前的研究结果一致，这些研究强调了在具有显著移动和变化的区域内选择后向散射的挑战。

图7. 机场区域内的后向散射候选点分布：（a–c）显示了通过PSI、SBAS和CISA在Google Earth（GE）影像上提取的点；（d）GE影像。CISA方法排除了Soan河沿岸的湿地或水域内的后向散射（图8），与PSI和SBAS相比，进一步突显了其在识别错误点时的选择性。在这种错误更可能发生的环境中，选择性至关重要。例如，PSI和SBAS技术虽然在更广泛的区域内能够检测到高质量的后向散射，但也更容易在动态环境中识别错误点[49]。CISA方法的选择性表明它更重视准确性而非覆盖范围，这在复杂和动态环境中特别有益。

3.5 增量更新机制的验证

为了验证CISA增量更新框架的计算效率和时间一致性，我们将五个新的Sentinel-1A/B获取数据（下降轨迹）依次集成到现有的干涉测量链中，而没有重新处理之前的51个图像档案。加性更新程序成功地在扩展的观测期间保持了相位相干性和位移连续性。

图9展示了增量扩展后的线性链架构的时间-位置图。编号的获取序列（时期52–56）表明继续遵循单主对策略，基线时间间隔范围从12天到24天。值得注意的是，新追加的获取数据的相对轨道位置（用红色突出显示）与历史堆栈保持了几何上的一致性，确保了形成的干涉对中的最小空间去相干。

图9**CISA增量更新机制通过顺序集成五张新的Sentinel-1影像来实现。**(a) 时间-位置图展示了扩展的线性链架构；编号为52-56的影像（用红色突出显示）代表了2024年7月28日至2024年9月26日期间新采集的SAR影像。(b-f) 五张顺序形成的干涉图的干涉相位图（RGB合成）。RGB合成干涉图（图9b-f）记录了五个增量更新周期中的相位演变。每个面板都显示了连续采集之间的干涉相位。保持的条纹连续性和干涉相干性——特别是在农业和城市目标上稳定的相位特征——证实了利用先前累积解作为边界条件的加性相位解包初始化成功减轻了相位歧义的传播。历史数据与新处理数据之间的交接处没有相位不连续性，验证了累积位移场的时空一致性。**图10展示了从扩展的56张影像时间序列中得到的累积视线（LOS）位移图，包括了历史的51张影像档案和新增的五张干涉图。变形的空间分布在整个时间范围内显示出无缝的连续性，在重新处理的历史数据与增量更新区域之间的过渡处没有明显的伪影或阶跃变化。位移场显示北部区域（p1-p3）存在持续的沉降模式（图10），而南部监测点（p4-p6）相对稳定，这与前一个观测期间建立的长期变形趋势一致。**图10。(a) 包含全部56张影像档案（2022年7月至2024年9月）的视线（LOS）位移图，(b) 在六个持续散射体位置提取的位移时间序列（p1-p6），展示了整个观测期间变形的时间演变。通过六个持续散射体位置的位移时间序列定量评估了增量更新的时间一致性（图10b）。位于高速沉降盆地的p1、p2和p3点在2024年9月时的累积位移分别达到-96.2毫米、-82.4毫米和-41.8毫米，保持了历史记录中建立的线性沉降速率（-35至-45毫米/年）。关键的是，位移曲线在集成时间戳（2024年8月）处没有显示相位跳跃或时间偏移，证实了加性更新机制成功传递了累积相位而没有误差累积。增量更新时间序列与参考解（通过对所有56张影像进行完整网络重新处理生成）之间的均方根偏差在所有验证点上都保持在2.1毫米以下，远低于系统的噪声阈值。**

增量处理工作流程在整个更新周期内实现了恒定的计算复杂度。处理这五张新影像仅需要额外的五张干涉图和一次基于线性回归的速度精细化处理，而传统SBAS重新处理则需要生成干涉图对。每次新影像采集后更新位移图的总处理时间平均为3.2小时（包括数据下载、配准、干涉图形成和相位解包），而完全重新处理整个档案所需的时间估计为18.7小时。这种效率的提升验证了CISA框架用于近实时变形监测的 operational 可行性，能够在不牺牲大地测量精度或时空一致性的情况下实现快速响应能力。**4. 讨论** **4.1. 与传统InSAR技术的比较分析** 本研究中提出的CISA方法相比传统InSAR方法具有多个优势。PSI依赖于长时间跨度的差分干涉图来分析逐点时间连贯的回波，这在人工结构丰富的城市区域中有效，但由于时间和几何解相关性的原因，在非城市区域通常会遭受高质量点密度低的问题[55]。我们的方法改善了这种情况，产生了更高质量的干涉图（图4和图11）。这在植被密集的区域特别有益，因为那里的解相关性噪声显著，提高了InSAR的实用性和效率，并且有助于更好的数据可视化和解释，这对于灾难评估等应用至关重要，其中快速准确的数据解释是必不可少的[56]。**图11. 通过PSI（a）、SBAS（b）和CISA（c）检测到的回波点相干性的图形表示。**与SBAS相比，CISA不进行多视处理，并简化了干涉图网络和处理步骤，同时保持了完整的空间分辨率，并实现了近实时变形监测。虽然传统SBAS采用短时间基线来最小化解相关性，但它通常应用空间多视处理来抑制相位噪声（包括地球物理衰减信号），但代价是分辨率的损失和高频信号的抑制。区分时间解相关性（通过短时间间隔最小化）和保留地球物理相位不稳定性是关键的。由散射体电磁不稳定性（如土壤湿度、植被物候）引起的衰减信号是短基线干涉测量的固有现象，并且随着时间基线的缩短而加剧[29]。通过消除多视处理，CISA接受全分辨率、连续的干涉图保留了这些在传统处理中会被空间平均的地球物理相位不稳定性。因此，该框架在操作上做出了一个权衡：它放弃了通过空间平均实现的相位稳定，以实现计算效率和空间保真度。使用Sentinel-1数据，其高时间和空间分辨率，为CISA处理提供了坚实的基础，允许在新影像采集后几小时内进行增量速度更新——这是网络重新处理方法无法实现的操作能力。这种效率，加上保留原始分辨率，使得CISA特别适合于响应速度要求高于长基线相位过滤的应用。**

此外，一致且非常短的时间基线对非线性、瞬态或快速演变的变形事件更为敏感，这些事件可能会被SBAS中常用的长时间基线或PSI的长期平均所平滑或模糊。**图6中的AA’轮廓线展示了CISA的优势。**PSI、SBAS和CISA三种方法都识别出了轮廓线上相同的总体位移模式（图12）。然而，CISA的轮廓线显示出更少的波动和数据点之间的更平滑过渡。这表明CISA在没有空间滤波的情况下更好地估计了位移信号，而空间滤波可能会引入伪影或噪声到数据中。这对于城市规划、基础设施管理和在Rawalpindi/Islamabad等地区进行风险缓解工作特别有价值，因为在这些地方地面位移监测至关重要。CISA轮廓线更平滑且波动更小（图12）定量反映了多视处理引起的衰减信号偏差的缺失，这在传统多视干涉图中通常表现为人为的相位“模糊”和非高斯相位统计。**图12.**这是图6a中的AA’轮廓线，橙色线条代表PSI，粉色线条代表SBAS。相比之下，绿色线条显示了基于CISA的位移变化。**此外，我们的方法相比传统InSAR处理技术的另一个优势是能够将新的SAR影像集成到现有的数据栈中，而无需从头开始重新处理整个历史数据集。在PSI中，不断添加新影像可能需要通过最小化垂直和时间差异来重新选择最佳参考影像。同样，在SBAS中，新影像的引入扩展了干涉图网络，与之前的影像创建新的对。这种扩展通常涉及复杂的重新计算，因为网络几何和冗余性已经改变。相比之下，CISA通过仅从连续采集的影像生成干涉图来支持增量更新，使得新数据的集成更加直接。**4.2. 土地沉降的空间和时间变化** **巴基斯坦Rawalpindi/Islamabad地区的土地沉降的空间和时间变化受到自然地质因素和人为活动的共同影响（图13）。**研究区域位于Potwar高原的北部边缘，不同位置和时期的沉降率存在显著差异[54]。**图13. 选择图中PS1和PS2的位移时间变化，用于PSI、SBAS和CISA。**在Rawalpindi/Islamabad地区，地质结构活跃和地下水过度抽取的区域地面沉降更为明显。沉降模式通常遵循该地区的断层和裂隙的方向，最显著的沉降发生在人口最多的老城区Rawalpindi[38]。沉降由该地区最具破坏性的活动断层之一——Main Boundary Thrust的埋藏分支控制[35]。在地下水抽取量大的区域观察到最大的沉降率，尤其是在水资源需求最高的市中心。**从时间上看，该地区在监测期间经历了不同程度的沉降和抬升。**2024年的沉降率显著增加到-78毫米/年，而2023年为70毫米/年[9]。这很可能是由于积极的地下水资源抽取[38,54]，尽管当局提供了替代水源。水位下降与管井数量的增加成正比，表明抽取量与补给量之间存在不足。还观察到了沉降率的季节性变化。**这种构造环境导致了断层、褶皱和抬升阶地的形成，这些因素影响了沉降的分布。**靠近活跃断层（如Main Boundary Thrust（MBT）和Kalabagh Fault）的区域更容易发生沉降，因为应力不断积累和释放。**从地质上看，该地区由冲积沉积物、沉积岩和未固结沉积物组成。**特别是在Rawalpindi，由于城市基础设施的重量和地下水抽取，冲积平原极易发生沉降。**4.3. 地质构造对地面沉降的影响** **巴基斯坦Rawalpindi/Islamabad地区具有显著的地质构造和地质复杂性，这对地面位移有深远的影响。**该地区建立在第四纪冲积沉积物上，主要由未固结的砾岩、粘土、沙子、粉砂和砾石组成[10]。**这些未固结的沉积物本身就容易发生沉降，在构造活跃的环境中这种倾向可能更加明显。**该地区靠近北部的Main Boundary Thrust（MBT）和南部的Salt Range Thrust（SRT），形成了一个地质结构复杂的背景，这可能导致观察到的地面变形模式。**观察到的位移模式显示出与已知构造趋势空间一致的线性特征，可能反映了隐藏断层系统的影响（图12）。**垂直位移场的变化与区域构造框架大致对齐，包括北部Bokra断层和南部Dhurnal back thrust及Khairi Murat断层的梯度[9]（图14）。**这些发现强调了断层系统的复杂性，揭示了它们的岩性是如何影响整个研究区域观察到的位移模式的。**盲断层迹线的划定基于结构地貌标准，而不是单一的沉降率阈值。**具体来说，我们识别出以下线性区域：(1) 垂直速度场的突变横向梯度（>3×当地背景梯度的标准偏差）；(2) 沉降盆地的终止或偏移；以及(3) 与地震数据中已知的地下结构的对齐。**虽然没有应用绝对的沉降率阈值（因为盲断层可以适应不同的滑移率），但划定的迹线对应于位移场显示与断层边界块运动一致的机械不连续性的区域，这与地下水抽取引起的渐进梯度不同（图14）。**图14.** (a) BB’线的横截面模型，改编自[9,30]，缩写如下：KMT代表Khairi Murat断层，DBT代表Dhurnal backthrust，Tm代表Murree地层，P-E表示二叠纪至始新世的沉积岩，Ts代表Soan地层。(b) 本研究中检测到的先前和断层线通过使用Inverse Distance Weighting（IDW）分析从点转换为栅格，以便更突出地显示沉降。**我们的结果揭示了与盲断层迹线空间一致的两种线性变形模式（图14）。**Jadoon等人[30]和Afzal等人[9]也讨论了该区域存在盲断层线。**[30]（图14）之前绘制的盲断层线与我们研究中的盲断层线接近。**我们的分析表明，要么该地区的地质图比例尺较小，未能显示这条断层线的信息；要么所绘制的那条隐蔽断层线（与本研究中探测到的盲断层线相距800米）在空间上的准确性存在问题。Soan地向斜（图14）位于我们研究中发现的盲断层线500-550米之外。然而，这条隐蔽断层线（图12）几乎与研究中探测到的盲断层线位于相同的位置，并遵循相同的模式。在[30]年之后的近期文献中，关于这条盲断层线的任何线索都不存在，但InSAR的输出清楚地表明了这条断层线的存在。我们的分析表明，该地区的地质图需要更新。

此外，该地区的地震效应是多方面的，对自然环境和人类基础设施都有重大影响。历史统计数据显示，该地区曾多次发生地震，震级在改良默卡利烈度（MMI）量表上达到7到8级[58]。值得注意的是，2005年的那次地震（震级7.6）造成了严重的结构破坏，包括Margala Tower的倒塌，导致70多人死亡[34]。这一事件凸显了该地区对强烈地震的脆弱性。活跃断层（如Riwat Thrust）的存在进一步表明了该地区的构造活动仍在继续，例如2015年和2017年记录到的5.1级地震。通过InSAR检测到的地面位移对伊斯兰堡/拉瓦尔品第地区的地震危险性评估具有重要意义。沿活跃断层积累的应变增加了未来地震发生的可能性，尤其是在人口密集的城市中心，因为该地区在2025年2月15日凌晨1:48（格林尼治标准时间+8）发生了一次4.7级地震（来源：美国地质调查局），这类事件在该地区较为频繁。此次地震的深度为49公里（31英里），在该地区广泛感受到。地震的较浅深度使得震中附近的震动感更强，而同等震级的深层地震则不会如此。地震的这种较浅深度导致拉瓦尔品第/伊斯兰堡的震动更为强烈，造成了建筑物破裂和道路裂缝。这表明该地区对地震的高度敏感。沿活跃断层积累的应变增加了未来地震发生的可能性，特别是在人口密集的城市地区。从InSAR获得的位移数据可以用来改进断层滑动速率的估算，并完善地震危险性模型。此外，识别非地震位移突显了在危险性评估中同时考虑地震和非地震过程的重要性。

该地区的地震活动可能导致地面剧烈震动，尤其是在沉积层较软的地区。InSAR数据揭示了沉降区域，这些区域在地震中可能容易发生液化现象。液化发生在饱和土壤失去强度并表现像液体一样的情况，从而导致建筑物和基础设施的倒塌。2005年的地震中观察到了这种现象，液化加剧了多个地区的破坏[59]。横截面分析（图14）显示了一个核心楔形结构，位于Dhurnal逆冲断层和Khairi Murat逆冲断层之间，其几何特征为平-斜坡-平形态。该结构中的逆冲断层随深度增加而角度逐渐增大，最终在盲层断层的末端合并。这个核心楔形结构经历了显著的变形，包括大约4.5公里的水平压缩和最大约5.5公里的位移[36]。

地理测量显示，沉降模式与城市密集发展和地下水开采区空间上一致，尽管这些观察结果本身并不能确定因果关系。根据联合国的数据，2010年至2024年间，拉瓦尔品第和伊斯兰堡的人口大幅增长。根据Macrotrends的数据，拉瓦尔品第的人口从2010年的约184.7万增加到2024年的约248.7万，14年间增长了约34.6%（图15）。同样，伊斯兰堡的人口从2010年的约131.2万增加到2024年的约145.9万，增长了约11.2%。这种增长趋势反映了城市扩张的普遍现象，导致自然资源的过度开发。城市扩张涉及大量的基础设施建设，增加了地表负荷。这种负荷可能会压缩下层土壤和沉积物，从而导致沉降[60]。在不稳定或可压缩的土壤上进行不当规划的建筑会加剧这一问题。城市化通常包括铺设道路、停车场等，减少了雨水渗入地下的量，从而限制了地下水的自然补给，进一步耗尽了含水层并加速了沉降。地下水开采是拉瓦尔品第/伊斯兰堡地区沉降的常见原因[61]。该地区依赖地下水进行生活和工业用水，导致钻井数量显著增加，从而过度开采了地下水资源。拉瓦尔品第的水资源与卫生局（WASA）报告称，该市依赖超过450口地下井以及大量私人钻井。地下水位在过去二十年下降了10至73米。1998年至2003年间，地下水位下降了10至14米；2003年至2007年间又下降了5米；2017年至2021年间，地下水位显著下降至58至73米[62,63]（图15）。整个研究期间，地下水位持续下降。其他统计数据显示，1986年时地下水位约为-12米，几十年来这一水平逐渐下降，到2013年约为-35米，2015年约为-36米（图15）。图表中的红色虚线表示地下水位线性下降趋势（图16）。水位下降与钻孔数量的增加成正比，表明抽取水量与补给量之间存在显著差距。

图15. 拉瓦尔品第/伊斯兰堡地下水位和人口的时间变化。地下水位数据由[38,54,62]和伊斯兰堡的巴基斯坦水资源研究委员会（PCRWR）插值得出。联合国的人口数据用于了解城市化趋势。图16. 1986年至2015年地下水位的变化图（来源：巴基斯坦气象部门和[64]）。沉降在人口密集区更为普遍，这些区域也是钻孔数量最多的地方（图17）。机场周围建筑最为密集的区域（图1c中的白色多边形）显示出快速的地面位移，地下水位下降迅速，是住宅和商业建筑最为集中的区域。我们的结果揭示，2024年平均地面沉降速度达到了每年78毫米，而此前[9,54]估计2022年每年沉降量小于70毫米，2017年约为50毫米。如果由于地下水过度开采和城市化，伊斯兰堡/拉瓦尔品第地区的地面位移趋势继续下去，将产生严重后果。建筑物和基础设施面临更大的损坏风险，因为地面沉降可能导致结构不稳定甚至倒塌。交通网络可能会因道路和铁路的位移而中断，并增加维护成本。此外，洪水风险也会增加，因为降雨在已经沉降的地面上会导致更频繁和更严重的洪水。

该地区的地质特征为软粘土层，这进一步加剧了沉降的脆弱性，可能会放大人为因素引起的位移信号。受水文地质因素影响的地下水位季节性变化反映在大地测量时间序列中。季风降雨有助于拉瓦尔品第和伊斯兰堡的地下水补给，但其缓解地面沉降的作用有限。强降雨会增加土壤的重量，由于水分渗透，给地下层带来压力。这可能在具有可压缩土壤或未固结沉积物的地区引发沉降。强降雨会侵蚀地下材料，特别是在松散或压实不良的土壤中，导致严重的沉降[65]。在第四纪冲积层中，这种情况尤为明显。这可能导致地下空洞的形成，进而引发地表位移（图18）。本研究发现在季风季节（如2023年和2024年的7月和8月），位移发生了变化（图5c），导致土壤含水量和孔隙水压力的变化，从而诱发或加速沉降。图18. 地震后建筑物裂缝的照片；(a) 2015年伊斯兰堡5.1级地震后Rawalpindi-Islamabad地铁高架道路柱子的裂缝，震级为19.2公里；(b,c) 2023年3月21日巴基斯坦大部分地区发生的6.5级地震造成的建筑物裂缝；(d,e) 2025年2月15日距离Rawalpindi 21公里的地区发生的4.7级地震造成的道路裂缝和裂缝，震级为35.8公里（来源：美国地质调查局）。在强降雨期间（这两座城市位于巴基斯坦降雨量最大的季风区），雨水渗入第四纪冲积层，增加了土壤含水量[66]。这会导致土壤膨胀，特别是在含有膨胀性粘土矿物的情况下。土壤颗粒的膨胀会增加土壤体积，从而导致地表向上和水平方向位移。相反，当土壤干燥时，它会收缩，也可能导致沉降。这种膨胀和收缩的循环会在该地区长期引起地面移动。因此，这不仅会导致与地面沉降相关的自然灾害，还会增加基础设施修复的成本，支持受影响社区，并解决公共卫生问题。此外，水资源的长期可持续性也将受到威胁，可能导致水资源短缺和社会冲突。因此，实施可持续的水资源管理和城市规划策略对于减轻这些风险和确保地区稳定性和韧性至关重要。

4.5. 对全球沉降监测的影响和局限性

连续干涉图叠加方法虽然在巴基斯坦首都地区的特定背景下得到了验证，但其固有特性表明它可以应用于各种地理和地质环境。该框架能够从相邻的影像生成干涉图，以最大化一致性和最小化时间相关性，这不仅限于研究区域，也是InSAR处理中的一个普遍问题。该方法在改善信号质量和覆盖范围方面的优势预计可以直接应用于面临类似挑战的其他地区，例如监测城市地区因地下水开采引起的沉降、构造活跃区或季节性波动较大的地区的基础设施稳定性。它是一个适用于全球多种应用的强大工具，符合InSAR理解地球表面动态的总体目标。尽管CISA在提高干涉图一致性和改进地面位移监测方面具有显著优势，但也需要认识到其局限性，以便全面了解其实际适用性和潜在的失败情景。CISA框架高度依赖于卫星数据的时间采样率。该方法的核心优势——通过连续采集最小化时间相关性——在较短的 revisit 间隔下最为有效。虽然Sentinel-1的6天重复周期提供了有利条件，但其他 revisit 间隔较长（例如24天或更长时间）的SAR任务可能会显著限制可用连续图像对的数量，从而降低该方法的有效性。这可能导致时间序列的可靠性降低，以及捕捉短期变形信号的能力减弱。虽然CISA有效地消除了由空间多视处理引入的系统性偏差，但我们认识到它并不能消除短间隔干涉图中固有的所有相位不稳定来源。衰减信号包含两个不同的组成部分：（1）由分辨率单元内的空间平均引起的多视偏差，CISA通过保持全分辨率完全消除了这一偏差；（2）来自散射介质本身的残余时间去相干噪声，即使在植被覆盖的表面上，这种噪声也可能在12天的间隔内持续存在。全分辨率数据中仍然存在大气延迟和热噪声。与依赖冗余干涉测量连接来解决相位歧义的SBAS不同，CISA基于时间相位一致性进行操作——连续的干涉图具有共同的获取日期，从而形成了一个隐含的约束条件，即连续相位的加性属性（φ1,2 + φ2,3 = φ1,3）在数学上确保了解的唯一性，而不需要冗余的基线对。因此，CISA更适合用作高分辨率、近实时变形监测的专用处理框架，而不是一个全面的噪声消除解决方案。

5. 结论

本研究介绍了CISA，这是一种为城市环境中的近实时变形监测优化的处理框架。与依赖广泛网络重处理或空间多视处理来抑制地球物理噪声的传统InSAR方法不同，CISA利用连续的短基线干涉图在全空间分辨率下实现新图像获取后的数小时内逐步更新速度。案例研究表明，CISA为快速响应应用提供了宝贵的见解，揭示了巴基斯坦首都地区的显著变形模式。机场周边地区以密集的建筑和每年1-5米的地下水位下降为特征，最大沉降速率达到了78毫米/年。这些观测到的变形模式与Dhurnal盲断层和Bokra断层的测绘轨迹在空间上一致，同时也可能与之前未被识别的隐蔽结构有关，表明结构控制可能对局部沉降分布有贡献。Soan向斜沿线的地区显示出与盲断层相关的独特沉降-抬升模式，这是通过多方向位移分解得到的。这些发现对于运营基础设施监测和风险缓解具有重要意义。CISA能够逐步更新变形速度——而无需重新处理历史数据——使其适用于时间敏感的应用，例如故障预警系统，在这些系统中，24小时内检测到20毫米的位移比30天后以2毫米的精度测量到位移具有更大的社会价值。然而，用户必须认识到，CISA更重视延迟和空间分辨率，而不是通过长基线或多视技术实现的相位稳定。

未来的工作应侧重于将CISA生成的位移时间序列与地质调查、更新的地下水位数据以及GNSS网络相结合，以建立人为提取与地表变形之间的定量关联。此外，基于CISA的快速更新能力开发自动化预警系统，并结合考虑已检测到的盲断层区域的自适应城市规划策略，对于减轻构造活跃、快速城市化地区的地面位移风险至关重要。

补充材料

以下支持信息可以在以下链接下载：https://www.mdpi.com/article/10.3390/rs18101486/s1
- 图S1：通过PSI方法绘制的视距（LOS）位移速度图：(a) 和 (b) 分别代表下降方向和上升方向的位移图；(c) 和 (d) 显示了轮廓线AA’和BB’的图形，其中蓝线表示下降方向，上升方向用绿色表示；
- 图S2：使用SBAS方法绘制的视距（LOS）位移速度图：(a) 和 (b) 分别显示下降方向和上升方向的位移图；(c) 和 (d) 展示了沿线AA’和BB’的轮廓。在这些轮廓中，蓝线表示下降方向，绿色线表示上升方向；
- 图S3：(a) 和 (b) 通过PSI技术绘制的垂直和水平位移速度图；(c) 是PS p1至p6的时间序列位移和月降水量数据的图形表示；
- 图S4：(a) 和 (b) 使用SBAS方法绘制的垂直和水平位移速度图。图 (c) 提供了时间序列位移和月降水量数据的图形表示。

参考文献 [50,51,52,67,68,69] 在补充材料中引用。