多源SAR数据的昆明地铁沿线形变特征及驱动因子分析

doi:10.13474/j.cnki.11-2246.2026.0414

测绘通报 ›› 2026, Vol. 0 ›› Issue (4): 97-103,126.doi: 10.13474/j.cnki.11-2246.2026.0414

多源SAR数据的昆明地铁沿线形变特征及驱动因子分析

杨卓^1,2, 陈思然¹, 杨梦诗^1,3, 赵志芳^1,3, 黄成^4,5, 刘朝海^3,6

1. 云南大学地球科学学院, 云南昆明 650500;
2. 中国电力工程顾问集团中南电力设计院有限公司, 湖北武汉 430071;
3. 云南省中老孟缅自然资源遥感监测国际联合实验室, 云南昆明 650500;
4. 云南省高原山区地质灾害预报预警与生态保护修复重点实验室, 云南昆明 650216;
5. 云南省地质环境研究院, 云南昆明 650216;
6. 云南省遥感中心, 云南昆明 650034

收稿日期:2025-08-12 发布日期:2026-05-12
通讯作者: 杨诗梦。E-mail:yangms@ynu.deu.cn
作者简介:杨卓(2000—),男,硕士生,研究方向为InSAR多源数据融合方法。E-mail:yz6624@csepdi.com
基金资助:
国家自然科学基金(42474040);云南省基础研究计划(202301AT070145);云南省“兴滇英才”青年人才项目

Analysis of deformation characteristics and driving factors along Kunming metro lines based on multi-source SAR data

YANG Zhuo^1,2, CHEN Siran¹, YANG Mengshi^1,3, ZHAO Zhifang^1,3, HUANG Cheng^4,5, LIU Chaohai^3,6

1. School of Earth Sciences, Yunnan University, Kunming 650500, China;
2. Central Southern China Electric Power Design Institute Co., Ltd. of China Power Engineering Consulting Group, Wuhan 430071, China;
3. Yunnan International Joint Laboratory of China-Laos-Bangladesh-Myanmar Natural Resources Remote Sensing Monitoring, Kunming 650500, China;
4. Yunnan Key Laboratory of Geohazard Forecast and Geoecological Restoration in Plateau Mountainous Area, Kunming 650216, China;
5. Yunnan Institute of Geological Environment Monitoring, Kunming 650216, China;
6. Yunnan Remote Sensing Center, Kunming 650034, China

Received:2025-08-12 Published:2026-05-12

摘要/Abstract

摘要： 城市地下交通网络快速扩张,地铁建设频繁穿越地质复杂区域,易引发地面沉降及存在建筑物结构损伤等安全隐患。昆明市作为典型高原断陷盆地城市,地铁系统面临独特地质挑战,本文旨在解析地铁沿线形变时空分异规律与演化趋势,定量解析驱动机制,为地铁规划和灾害预防提供依据。InSAR技术因大范围、高精度监测能力,成为城市基础设施形变监测重要手段。选取昆明地铁沿线为研究对象,融合多源SAR数据,提出异轨多源InSAR点云融合方法,并利用GIS空间分析技术,结合地表覆盖等四维驱动因子体系开展研究。本文研究揭示了昆明市地铁沿线形变的时空演变格局,识别出主要驱动因素,为地铁规划和灾害预防提供了科学依据。

关键词: PS-InSAR, 昆明地铁, 多源SAR数据, GIS分析, 驱动因子

Abstract: The rapid expansion of the urban underground transportation network and the frequent crossing of subway construction through complex geological areas can easily lead to potential safety hazards such as ground subsidence and structural damage to buildings.As a typical plateau fault basin city,Kunming faces unique geological challenges with its subway system.This study aims to analyze the spatio-temporal differentiation patterns and evolution trends of deformation along the subway line,quantitatively assess the driving mechanisms,and provide a basis for subway planning and disaster prevention.InSAR technology has become an important tool for monitoring deformation in urban infrastructure due to its large-scale and high-precision monitoring capabilities.This study selects the area along the Kunming metro as the subject,integrates multi-source SAR data,and proposes a cross-track multi-source InSAR point cloud fusion method.Using GIS spatial analysis techniques and incorporating a four-dimensional system of driving factors such as land cover,and is conducted.It reveals the spatio-temporal evolution patterns of deformation along the Kunming subway and identifies the main driving factors.This provides a scientific basis for subway planning and disaster prevention.

Key words: PS-InSAR, Kunming metro, multi-source SAR data, GIS analysis, driving factors

中图分类号:

P237

杨卓, 陈思然, 杨梦诗, 赵志芳, 黄成, 刘朝海. 多源SAR数据的昆明地铁沿线形变特征及驱动因子分析[J]. 测绘通报, 2026, 0(4): 97-103,126.

YANG Zhuo, CHEN Siran, YANG Mengshi, ZHAO Zhifang, HUANG Cheng, LIU Chaohai. Analysis of deformation characteristics and driving factors along Kunming metro lines based on multi-source SAR data[J]. Bulletin of Surveying and Mapping, 2026, 0(4): 97-103,126.

参考文献

[1] 朱茂,沈体雁,黄松,等.InSAR技术地铁沿线建筑物形变监测[J].国土资源遥感,2019,31(2): 196-203.
[2] WANG Ru,YANG Mengshi,DONG Jie,et al.Investigating deformation along metro lines in coastal cities considering different structures with InSAR and SBM analyses[J].International Journal of Applied Earth Observation and Geoinformation,2022,115: 103099.
[3] 陈安平,谭远模,阳成,等.雷达技术支持下的福州市地铁沿线形变监测[J].测绘通报,2021(7): 86-91.
[4] MA Peifeng,LI Tao,FANG Chaoyang,et al.A tentative test for measuring the sub-millimeter settlement and uplift of a high-speed railway bridge using COSMO-SkyMed images[J].ISPRS Journal of Photogrammetry and Remote Sensing,2019,155: 1-12.
[5] 杨梦诗,廖明生,常玲,等.城市场景时序InSAR形变解译: 问题分析与研究进展[J].武汉大学学报(信息科学版),2023,48(10): 1643-1660.
[6] 薛传东,刘星,李保珠,等.昆明市区地面沉降的机理分析[J].中国地质灾害与防治学报,2004,15(3):47-54.
[7] YANG Mengshi,WANG Ru,LI Menghua,et al.A PSI targets characterization approach to interpreting surface displacement signals: a case study of the Shanghai metro tunnels[J].Remote Sensing of Environment,2022,280: 113150.
[8] 兰恒星,孟云闪,仉义星.复杂因素影响下的福州市地面沉降时空演化分析[J].工程地质学报,2019,27(6): 1350-1361.
[9] 朱建军,李志伟,胡俊.InSAR变形监测方法与研究进展[J].测绘学报,2017,46(10): 1717-1733.
[10] 李佳豪,周吕,马俊,等.利用PS-InSAR技术进行城市地铁沿线形变监测与机理分析[J].测绘通报,2022(4):20-25.
[11] 周福建.基于地理信息系统的城市规划选址研究[J].城市建设理论研究,2024(30): 25-27.
[12] 李俊晓,李朝奎,殷智慧.基于ArcGIS的克里金插值方法及其应用[J].测绘通报,2013(9): 87-90.
[13] 林珲,陈富龙,江利明,等.多基线差分雷达干涉测量的大型人工线状地物形变监测[J].地球信息科学学报,2010,12(5): 718-725.
[14] 陈有东,张立峰,何毅,等.兰州新区地表形变与土地利用类型关系研究[J].测绘科学,2021,46(10):80-89.
[15] 孙恒,岳建平.基于建筑荷载的城市地面沉降数学模型研究[J].测绘通报,2013(4): 15-17.
[16] 黄委彬,杨梦诗,赵志芳,等.星载InSAR数据驱动的城市建筑稳定性评估: 以昆明市为例[J].武汉大学学报(信息科学版),2025,50(8): 1669-1681.
[17] 秦晓琼,张雅轩,徐彬涛,等.联合时序InSAR和现场测量的地铁枢纽施工形变监测与多参量风险评估[J].测绘通报,2025(2): 71-76.
[18] WU Songbo,ZHANG Bochen,LIANG Hongyu,et al.Detecting the deformation anomalies induced by underground construction using multiplatform MT-InSAR: a case study in to Kwa Wan station,Hong Kong [J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2021,14: 9803-9814.

多源SAR数据的昆明地铁沿线形变特征及驱动因子分析

Analysis of deformation characteristics and driving factors along Kunming metro lines based on multi-source SAR data

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	熊春宝, 安贺雯, 苏广利. 大型引水工程地面沉降PS-InSAR监测与分析[J]. 测绘通报, 2025, 0(7): 19-25,72.
[2]	张诗玉, 张姿旗, 李雯雯, 高廷婷, 祁礼刚, 曹宏文. 融合PS与DS方法的2019—2023年郑州城区地表形变研究[J]. 测绘通报, 2025, 0(2): 127-131.
[3]	李德威, 张胜, 孙彤, 贺全鹏. 基于复合神经网络GRNN-BP的高铁路基沉降区间预测[J]. 测绘通报, 2025, 0(11): 164-169.
[4]	李国成, 陈光武, 司涌波. 结合多源气象数据的TSCSO-SVR季冻区铁路路基形变预测[J]. 测绘通报, 2025, 0(1): 143-149.
[5]	汪雯雯, 李佳芳, 杨文府. 山西省矿区NPP动态变化特征及驱动因素研究——以轩岗矿区为例[J]. 测绘通报, 2024, 0(7): 71-76,163.
[6]	苏婉, 邱春霞, 赵镠. 西藏“一江两河”流域2000—2020年土地利用演变及多情景预测[J]. 测绘通报, 2024, 0(6): 90-95.
[7]	高鹏, 耿长良, 李鹏, 熊琦智. 时序InSAR技术在地铁沿线形变监测中的应用[J]. 测绘通报, 2024, 0(4): 112-118.
[8]	李胤, 詹雅婷, 赵立鸿, 赵立科, 崔艳梅. 地理探测器方法下长江经济带(江苏段)土地城镇化时空演变及驱动因子分析[J]. 测绘通报, 2024, 0(4): 135-139.
[9]	张敏, 郑哲, 陈哲锋. 基于PS-InSAR的福建寿宁地区地表形变监测与分析[J]. 测绘通报, 2024, 0(12): 117-122.
[10]	李鑫, 魏冠军, 张德龙. 联合PS-InSAR技术与多变量LSTM神经网络的高铁路基冻胀形变预测研究[J]. 测绘通报, 2024, 0(1): 58-64.
[11]	石银涛, 胡超, 赵钢, 侯婷婷. PS-InSAR技术在长江堤防沉降监测中的应用[J]. 测绘通报, 2023, 0(7): 142-148.
[12]	胡海涛, 刘绥华. 喀斯特山区地表反照率时空变化及其驱动因子[J]. 测绘通报, 2023, 0(2): 110-116.
[13]	陶威, 贾洪果, 亢邈迒, 刘雨鑫. 基于时序合并的PS-InSAR方法在雄县及周边区域地表形变监测中的应用[J]. 测绘通报, 2023, 0(1): 101-106.
[14]	朱邦彦, 唐超, 任志忠, 马状, 张琪, 李云. 基于PS-InSAR技术的珠海市地表形变监测与驱动力分析[J]. 测绘通报, 2022, 0(6): 108-113.
[15]	李佳豪, 周吕, 马俊, 杨飞, 咸凌霄. 利用PS-InSAR技术进行城市地铁沿线形变监测与机理分析[J]. 测绘通报, 2022, 0(4): 20-25.