工业场地开采地表形变SBAS精细监测与损害评估:以邯郸市峰峰矿区牛儿庄矿为例

刁鑫鹏; 丁绍聪; 王静; 韩小庆; 韩赫阳; 徐飞

doi:10.12404/j.issn.1671-1815.2508060

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (29) :12466-12475 DOI: 10.12404/j.issn.1671-1815.2508060

天文学、地球科学

工业场地开采地表形变SBAS精细监测与损害评估:以邯郸市峰峰矿区牛儿庄矿为例

刁鑫鹏 ¹ ,
丁绍聪 ¹^,^* ,
王静 ¹ ,
韩小庆 ² ,
韩赫阳 ¹ ,
徐飞 ³

作者信息 +

Precise Monitoring and Damage Assessment of Surface Deformation in Industrial Site Mining by SBAS: Niuerzhuang Mine in Fengfeng Mining Area, Handan City

Author information +

文章历史 +

摘要

为实现工业场地开采地表形变的精细监测与建(构)筑物损害评估,提出一种基于PS-InSAR优选地面控制点并与SBAS-InSAR联合处理的方法。利用2024年4月30日—2025年2月12日期间的21景Sentinel-1A升轨影像,结合水准测量数据对形变反演结果进行验证与精度评定,并系统提取关键设施的形变指标,评估建(构)筑物损害等级。结果表明:InSAR监测结果与水准数据吻合良好,平均绝对误差和均方根误差分别为4.1 mm和5.1 mm;研究区地表形变时空演化与56903工作面开采活动高度协同,最大沉降速率达-172.9 mm/年,沉降范围自2024年8月起持续向西扩展,呈现明显不均匀沉降特征;主、副井筒累计沉降量分别为109.2 mm和115.9 mm,工业场地内多处建筑发生倾斜变形,损害等级为I级,绞车及风机等附属设施附加倾斜变形有限。该研究可为资源枯竭型矿井工业场地形变监测与损害评估提供技术参考。

Abstract

In order to achieve precise monitoring of surface deformation at industrial mining sites and to assess damage to buildings and structures, a method integrating PS-InSAR-based ground control point selection with SBAS-InSAR processing was proposed. Using 21 Sentinel-1A orbit-updated images from April 30, 2024 to February 12, 2025, combined with leveling measurement data, the inversion results of deformation were verified and their accuracy was evaluated. Meanwhile, the deformation indicators of key facilities were systematically extracted to assess the damage level of buildings (structures). The results show that the InSAR-derived measurements are in good agreement with the leveling data, with the mean absolute error and root mean square error being 4.1 mm and 5.1 mm, respectively. The spatiotemporal evolution of surface deformation in the study area is highly consistent with the mining activities of the 56903 working face, with a maximum subsidence rate of -172.9 mm/a. Since August 2024, the subsidence area has continuously expanded westward, showing obvious characteristics of uneven subsidence. The cumulative subsidence values of the main shaft and auxiliary shaft are 109.2 mm and 115.9 mm, respectively. Tilting deformation is identified in several buildings within the industrial site, and the damage grade is determined to be Grade I, whereas only limited additional tilting deformation is observed in ancillary facilities such as the hoist and ventilator. It is concluded that the proposed method can provide a technical reference for deformation monitoring and damage assessment of industrial sites in resource-depleted mines.

Graphical abstract

关键词

SBAS-InSAR / PS-InSAR / 工业场地 / 地表形变 / 损害评估 / 精度验证

Key words

SBAS-InSAR / PS-InSAR / industrial sites / ground deformation / damage assessment / accuracy validation

引用本文

引用格式 ▾

刁鑫鹏, 丁绍聪, 王静, 韩小庆, 韩赫阳, 徐飞. 工业场地开采地表形变SBAS精细监测与损害评估:以邯郸市峰峰矿区牛儿庄矿为例[J]. 科学技术与工程, 2026, 26(29): 12466-12475 DOI:10.12404/j.issn.1671-1815.2508060

DIAO Xin-peng, DING Shao-cong, WANG Jing, HAN Xiao-qing, HAN He-yang, XU Fei. Precise Monitoring and Damage Assessment of Surface Deformation in Industrial Site Mining by SBAS: Niuerzhuang Mine in Fengfeng Mining Area, Handan City[J]. Science Technology and Engineering, 2026, 26(29): 12466-12475 DOI:10.12404/j.issn.1671-1815.2508060

登录浏览全文

4963

注册一个新账户忘记密码

工业场地作为煤炭企业生产运营的核心,集中了矿井提升、通风、供电及生产指挥等关键系统,其地表稳定性直接关系到整个矿区的安全生产与连续运营。一旦工业场地内的建(构)筑物、井筒设备、重要设施因地表变形受损,将可能导致矿井停产、系统瘫痪,甚至引发重大安全事故,造成难以估量的经济损失与社会影响^[1]。随着中国中东部矿区许多矿井进入深部开采或资源枯竭阶段,为最大限度回收资源,开采活动逐渐逼近工业场地下方的煤层,不可避免地会引发覆岩移动及地表变形^[2]。因此,开展高精度、大范围的地表形变监测,精准评估开采对工业场地的影响,对保障矿区安全生产具有重要意义^[3]。

传统的变形监测方法,如常规大地测量技术,虽然拥有较高的监测精度,但存在监测周期长、监测效率低下和成本高等缺点^[4];而现代测量技术中,全球导航卫星系统(global navigation satellite system,GNSS)静态测量获取的是点位形变信息,三维激光扫描技术精度有限且价格昂贵,难以满足工业场地对变形细节与整体趋势全面掌握的需求^[5]。相比之下,合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)技术,凭借其毫米级监测精度、大面积、全天候等优势,已经成为矿区地表形变监测的重要技术手段^[6]。

中外学者对时序InSAR在矿区的应用陆续开展了大量研究并取得了显著成果^[7]。时序InSAR技术体系主要包括永久散射体干涉测量(persistent scatterer InSAR,PS-InSAR)、分布式散射体干涉测量(distributed scatterers InSAR,DS-InSAR)以及短基线集干涉测量(small baseline subset InSAR,SBAS-InSAR)等。在PS-InSAR方面,该技术因其对高相干永久散射体的识别能力,被广泛应用于城市、基础设施及人工构筑物的形变监测中,体现出在高分辨率形变场提取方面的独特优势,如王新龙等^[8]将其用于晋城矿区地表形变监测及地质灾害风险预警。在DS-InSAR方面,该技术通过优化分布式目标(如农田、荒野)的相位质量,有效补充了PS点稀疏区域的形变信息,例如,李晓田等^[9]提出一种联合M估计和贝叶斯估计的时序DS-InSAR形变解算方法,并验证了这一方法在分布式目标形变参数估计中的有效性。与此同时,面向大范围沉降监测的SBAS-InSAR技术也取得了一系列成功应用。Samsonov等^[10]采用多轨SBAS方法成功监测了卢森堡矿区的地表沉降,其结果与法国地质调查局的水准测量数据高度吻合;Chen等^[11]通过SBAS技术与水准测量验证研究实现了对废弃采区长期残余变形的高精度监测,揭示了其不均匀沉降机制;赵伟颖等^[12]利用SBAS技术监测徐州矿区沉降,结果优于D-InSAR;李达等^[13]证实了SBAS在榆林矿区形变监测中的良好效果。

近年来,PS-InSAR与SBAS-InSAR联合处理逐渐成为研究热点,多项研究表明该组合在复杂场景下可进一步提升形变解算精度与空间完整性。黄标等^[14]利用StaMPS-PS(Stanford method for persistent scatters persistent scatterers)与SBAS-InSAR技术获取了园区地表形变信息,验证结果表明StaMPS-PS技术适用性更好;李新宇等^[15]对2018—2019年的哨兵1号数据进行解算对比,证明PS-SBAS-InSAR技术在滑坡灾害精细化强度分区方面效果最佳。然而,现有研究多集中于这样的大范围沉降漏斗识别,较少有研究将PS-InSAR用于GCP优选,并与SBAS-InSAR联合处理以提升工业场地内部形变监测精度。

在此基础上,现提出并实现PS-InSAR优选GCP与SBAS-InSAR联合解译的方法,旨在解决老矿区工业场地非均匀沉降监测难题,特别是对于进入生命周期末期的老矿区,其工业场地抗变形能力弱,开展精细化损害评估与预警刻不容缓。牛儿庄矿历经多年开采,现已进入服务末期,56903工作面的开采已直接进入工业场地,对场地内重要建(构)筑物构成威胁。在此背景下,通过21景2024年4月—2025年2月的Sentinel-1A SAR影像,利用PS-InSAR进行地面控制点优选与传统SBAS-InSAR联合处理的方法,获取邯郸市牛儿庄矿工业场地及周边地区高精度地表形变的时序信息;结合实测水准数据验证解译结果的可靠性;进而分析牛儿庄工业场地地表形变的时空演变规律,开展建(构)筑物及关键附属设施的损害评估。以期为矿井工业场地形变监测与损害评估提供技术参考。

1 研究区域与数据源

1.1 研究区域概况

研究区域位于邯郸市峰峰矿区牛儿庄矿,位置坐标为36°30'20″N~36°31'39″N,114°13'08″E~114°14'51″E。南距峰峰镇6 km,东距邯郸市33 km。研究对象主要为56903工作面,其平均开采厚度为1.5 m,走向为NE,平均长600 m,倾向SE,长236 m,煤层倾角7°~18°,平均11°。开采时间为2024年5月30日—10月31日。

工作面地面位置位于工业场地,主井以东70 m,坑木厂东南55 m,工作面相对位置如图1所示。

1.2 数据源

用于研究区域形变提取的试验数据选用Sentinel-1A SAR卫星2024年4月30日—2025年2月12日间隔最大24 d的21景升轨图像,其空间分辨率为5 m×20 m,入射角度为37.8°,卫星精密轨道数据为欧空局提供的精密定轨星历数据(precise orbit ephemerides,POD)。差分干涉所用的数字高程模型(digital elevation model,DEM)数据为空间分辨率为30 m的SRTM-1 Version3数据,覆盖范围为36°N~37°N,114°E~115°E,覆盖整个煤矿区域。

2 原理与方法

InSAR技术经过长时间发展,使得PS-InSAR、SBAS-InSAR和DS-InSAR等多种时序监测方法得以广泛应用^[16]。为提升非均匀沉降区域的监测可信度,采用PS-InSAR优选地面控制点(ground control point,GCP)并与传统SBAS-InSAR联合处理。该方法的核心在于利用PS-InSAR对高相干点(如建筑物、井筒等)的识别能力,筛选出形变稳定区域作为GCP,以校正SBAS-InSAR解算中的轨道误差和大气延迟,从而提高形变反演的精度与可靠性。

2.1 SBAS-InSAR技术基本原理

具体而言,假设研究区域有N+1景SAR影像(对应影像时相t₀~t_N)。选择其中第n幅影像为公共主影像,完成配准与重采样,设定时空基线阈值后生成M幅差分干涉图^[17],M满足条件为

(1)$\frac{\mathit{N}+1}{2}\le \mathit{M}\le \mathit{N}\frac{\mathit{N}+1}{2}$

假设所有解缠相位已校正到高相干参考点(形变趋势稳定或已知^[18]),则任意时刻t_i(i=1,2,…,N)相对t₀的差分干涉相位为$\mathit{\varphi }\left({\mathit{t}}_{\mathit{i}}\right)$,即未知参数,通过数据处理得到的差分干涉相位为已知观测量^[19],计算公式为

(2)$\begin{array}{l}\mathrm{\delta }{\mathit{\varphi }}_{\mathit{K}}(\mathit{x},\mathit{r})=\mathit{\varphi }({\mathit{t}}_{\mathit{B}},\mathit{x},\mathit{r})-\mathit{\varphi }({\mathit{t}}_{\mathit{A}},\mathit{x},\mathit{r})\\ \approx \frac{4\mathrm{\pi }}{\mathit{\lambda }}\left[\mathit{d}\right({\mathit{t}}_{\mathit{B}},\mathit{x},\mathit{r})-\mathit{d}({\mathit{t}}_{\mathit{A}},\mathit{x},\mathit{r}\left)\right]\end{array}$

式(2)中:λ为雷达波长;t_A和t_B分别为第k幅差分干涉图对应的主、从影像获取时刻;$\mathit{\varphi }({\mathit{t}}_{\mathit{A}},\mathit{x},\mathit{r})$和$\mathit{\varphi }({\mathit{t}}_{\mathit{B}},\mathit{x},\mathit{r})$分别为t_A和t_B时刻像元的相位;d(t_A,x,r)和d(t_B,x,r)分别为t_A和t_B时刻像元(x,r)在LOS方向形变累积量^[20]。

为便于理解,式(2)并未考虑大气变化引起的相位变化、去相关现象,也未精确去除地形相位^[21]。

差分干涉图有m幅,根据式(2)就可以得到相应的方程组,可利用最小二乘法求解待求差分干涉相位转化为相邻时相位变化的平均速率,最后对各时间段速率进行奇异值分解(singular value decomposition,SVD),获取视线方向(line of sight,LOS)平均相位速率的最小范数解,再进一步求解出各时相累积地表形变量^[22]。

2.2 PS-InSAR进行GCP优选与SBAS-InSAR联合处理的方法

关键技术环节与具体实施方法如下。

2.2.1 PS点识别与GCP优选

此环节是联合方法的基础,旨在从大量候选点中筛选出形变稳定、相位质量高的点作为后续校正的基准,具体如下。

(1)PS候选点初选:首先计算整个SAR影像堆栈的振幅离差指数,设定阈值范围为0.2~0.4。振幅离差指数低于0.2的点被视为高质量永久散射体,而指数在0.2~0.4范围内的点作为分布式散射体的补充。

(2)GCP二次精选:在初选PS点基础上,设定严格的形变速率稳定性阈值(±0.1 mm/年),通过初步线性模型反演,筛选出整个监测时段内形变近乎为零的PS点。

最终,综合低振幅离差指数与近乎零的形变速率两个指标,确定用于轨道精炼和相位重去平的高质量GCP点集。

2.2.2 干涉图生成与相位校正

利用优选的GCP点对干涉图进行系统性误差校正,是提升精度的关键步骤。

(1)干涉对组合与处理:根据Sentinel-1A影像,设置时间基线阈值(180 d)与空间基线百分比(5%)生成短基线干涉对集,并进行配准、干涉图生成及地形相位去除。

(2)GCP辅助相位校正:对生成的差分干涉图,利用GCP点进行轨道精炼和相位重去平。具体而言,假设GCP点处的残余相位主要由轨道误差和长波长大气效应构成,通过在这些点上拟合线性相位平面,估算并去除整个干涉图中的系统性相位误差。

2.2.3 形变反演与优化

在完成相位校正的基础上,进行时序形变反演,并利用GCP点约束优化解算过程。

(1)形变序列反演:采用SVD方法求解相位观测方程组,反演每个高相干点在雷达视线方向(LOS)的平均形变速率与时间序列累积形变量。

(2)GCP约束与优化:在反演过程中,将GCP点集的形变速率强制约束在零附近,作为先验条件融入解算。这一操作可有效解决方程系统的病态问题,显著提升形变结果在非均匀沉降区的稳定性与可靠性。

(3)后处理:最后,通过时空滤波分离并去除大气延迟相位,得到最终优化的地表时序形变结果。

通过上述3个关键技术环节的紧密耦合,在传统SBAS-InSAR的基础上,通过PS-InSAR的GCP优选引入了可靠的空间基准,可显著增强在复杂矿区环境下地表形变监测的精细度和可信度。整个处理流程如图2所示。

3 精度评定与结果分析

3.1 精度评定

为验证InSAR解译结果的可靠性,采用2024年9月21日、10月4日与10月27日三次水准测量数据,获取了16个水准点的高程变化。为消除InSAR与水准测量在时间与空间上的不一致性,将InSAR结果内插至水准点位置,并选取同期形变值进行对比。图3为本次研究区内水准点位的分布图,图4(a)~图4(c)显示各水准点的变形曲线,并对InSAR与水准测量数据进行了对比,图4(d)为两种类型数据之间差异的统计直方图。

InSAR与水准数据之间的差异主要集中于-10~+10 mm区间,且其分布形态接近高斯分布。两组数据具有较高的线性相关性(r²=0.63),表明其变形趋势一致。误差主要来源于大气延迟、空间插值和相位解缠误差,以水准数据为参考基准,计算得出的平均绝对误差(mean absolute error,MAE)与均方根误差(root mean square error,RMSE)分别为4.1 mm和5.1 mm,进一步验证了反演获得的工业场地地表形变结果具有可靠性。

3.2 结果分析

3.2.1 沉降速率与形变时空分布特征分析

依据图2流程处理后,获得了牛儿庄工业场地及周边区域在2024年4月30日—2025年2月12日期间平均沉降速率图(图5)和以2024年4月30日为基准的21期累计沉降量结果(图6)。牛儿庄矿工业场地整体平均沉降速率集中分布在-61.7~ -45.1 mm/年范围,工业场地位于一处较为明显的沉降漏斗(56903工作面内),最大沉降速率为-172.9 mm/年。

结果显示,研究区地表形变时空分布与56903工作面开采活动呈现显著相关性。工作面自2024年5月30日开始回采,至10月31日结束。2024年6—7月为监测初期,工业场地无明显形变。8月4日之后,随着工作面持续推进,上巷推进156.0 m、下巷推进92.5 m,场地内开始出现零星沉降,量级约10 mm。此后沉降范围持续向西扩展,至2025年2月形成以56903工作面为中心的沉降漏斗,最大沉降速率达-172.9 mm/年,呈现显著非均匀沉降特征。

为分析时间演变规律,选择了如图5(a)所示分布的12个特征点(D1~D12),其形变曲线揭示了三类区域的响应特征(图7)。

区域一特征点包括D1~D4,时序变形曲线如图7(a)所示。位于工作面及铁路沿线,自2024年8月16日后,D2沉降量变化显著大于D1,倾斜变形为[-0.17, 0.01]mm/m;主、副井绞车房(D3、D4)最大沉降分别为89.9 mm与73.7 mm。

区域二特征点包括D5~D8,时序变形曲线如图7(b)所示,整体下沉趋势一致,从2024年4月30日—9月9日期间整体持续下沉,其间伴随小幅波动,污水处理站(D5)沉降最大,为77.8 mm。

区域三特征点包括D9~D12,时序变形曲线如图7(c)所示,沉降趋势与区域二相似,但地表沉降尚未稳定。体育馆(D9)、工人宿舍(D10)沉降量较大,形变范围向西扩展,预计沉降可能影响周边村落。

3.2.2 井筒及主要设施受开采影响分析

基于SBAS-InSAR获取的LOS向形变结果,结合建(构)筑物平面位置,提取其形变时间序列。倾斜变形通过计算相邻像元高差与水平距离之比获得,计算得到的井筒及设施的倾斜变形值如表1所示。

分析表明,56903工作面开采导致主井井筒累积下沉109.2 mm,副井井筒下沉115.9 mm。主井绞车总倾斜变形为-0.75 mm/m;副井绞车总倾斜变形为0.28 mm/m;中央风机轴线方向倾斜变形为0.07 mm/m。上述设施的倾斜变形主要发生在指向56903工作面方向的水平轴上,并且变形均在允许变形指标范围内。

图8展示了主、副井绞车及中央风机的倾斜变形空间分布。可见主井绞车在指向工作面的方向上倾斜最为显著,与表1结果一致。

研究指出,地表形变尚未稳定,后续开采活动可能进一步加剧损害。建议对工业场地内重要建(构)筑物实施全面加固,对井筒、绞车及风机等关键设施加强定期监测与维护,必要时对受损严重区域进行拆除或搬迁,以保障矿区人员与财产安全。

3.2.3 建筑物受开采影响分析

基于上述SBAS-InSAR技术获取的地表形变结果,结合《建筑物、水体、铁路及主要井巷煤柱留设与压煤开采规范》,进一步对工业场地内重要建(构)筑物受开采影响的损害程度进行了系统评估。

56903工作面的开采会致使工业场地内多处重要建筑(如污水处理站、35 kV变电站、6 kV变电所等)发生轻微倾斜变形,倾斜量在0.11~0.28 mm/m,损害等级均为Ⅰ级,表明结构已受到开采活动的轻微影响,但尚未危及整体安全,具体建筑物倾斜变形情况如表2所示。

4 结论

(1)提出PS-InSAR进行地面控制点优选与传统SBAS-InSAR联合处理的方法。基于21景Sentinel-1A影像对工业场地地表形变进行了监测与分析;与水准测量对比显示,平均绝对误差和均方根误差分别为4.1 mm和5.1 mm,表明了监测结果的可靠性。

(2)研究区地表形变与56903工作面开采活动表现出显著的时空相关性。最大沉降速率达-172.9 mm/年,沉降范围自2024年8月起随工作面推进不断扩展,工业场地内呈现出明显不均匀沉降的特性。

(3)工业场地内主、副井筒位置累计沉降量分别为109.2 mm和115.9 mm;场内建筑倾斜变形 0.11~0.28 mm/m,损害等级均为Ⅰ级,关键设施变形在允许范围内。

(4)工作面开采后,工业场地内重要建构筑物及附属设施保持安全运营,研究结果可为资源枯竭型矿井工业场地采动形变精细化监测及建(构)筑物损害评估提供指导与技术借鉴,可为附属工业设施抗变形指标及防护设计提供数据参考。

(5)仅开展了10个月时序监测,未结合岩土力学参数进行长期沉降预测,未考虑地下水、地层岩性对形变的耦合影响。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	刘辉, 陈斯涤, 朱晓峻, 等. 基于D-InSAR技术的煤矿工业广场动态沉降特征研究[J]. 煤田地质与勘探, 2023, 51(5): 99-112.

[2]	Liu Hui, Chen Sidi, Zhu Xiaojun, et al. Study on dynamic subsidence characteristics of coal mine industrial squares based on D-InSAR technology[J]. Coal Geology and Exploration, 2023, 51(5): 99-112.

[3]	李乃一, 伍吉仓. 基于时序InSAR技术监测胜利油田地表沉降[J]. 工程勘察, 2018, 46(5): 50-54.

[4]	Li Naiyi, Wu Jicang. Monitoring surface subsidence in Shengli oilfield using time-series InSAR technology[J]. Geotechnical Investigation & Surveying, 2018, 46(5): 50-54.

[5]	刘遵义, 孙雪亮, 武博强, 等. 基于SBAS-InSAR的露天煤矿排土场沉降监测与分析[J]. 煤炭技术, 2023, 42(6): 192-196.

[6]	Liu Zunyi, Sun Xueliang, Wu Boqiang, et al. Settlement monitoring and analysis of open-pit coal mine waste dumps based on SBAS-InSAR[J]. Coal Technology, 2023, 42(6): 192-196.

[7]	张树衡, 赵萍, 王宁, 等. 集成DInSAR与SBAS InSAR的淮南丁集煤矿地面沉降监测[J]. 地质科学, 2023, 58(4): 1521-1534.

[8]	Zhang Shuheng, Zhao Ping, Wang Ning, et al. Integrated DInSAR and SBAS InSAR monitoring of ground subs-idence at Dingji coal mine, Huainan[J]. Chinese Journal of Geology, 2023, 58(4): 1521-1534.

[9]	张丰, 刁鑫鹏, 谭秀全, 等. 基于SBAS技术的煤矿采空区探查与稳定性评价[J]. 煤炭科学技术, 2022, 50(3): 208-214.

[10]	Zhang Feng, Diao Xinpeng, Tan Xiuquan, et al. Detection and stability assessment of coal mine goaf areas based on SBAS technology[J]. Coal Science and Technology, 2022, 50(3): 208-214.

[11]	徐亚欣, 刘琼, 冯耀武, 等. 基于SBAS-InSAR的海口江东新区地面沉降时空特征与成因分析[J]. 科学技术与工程, 2025, 25(18): 7511-7523.

[12]	Xu Yaxin, Liu Qiong, Feng Yaowu, et al. Temporal and spatial characteristics and causative analysis of ground subsidence in Jiangdong New District, Haikou Based on SBAS-InSAR[J]. Science Technology and Engineering, 2025, 25(18): 7511-7523.

[13]	张建波. 巴隆图露天矿排土场边坡稳定性InSAR监测与评估[D]. 徐州: 中国矿业大学, 2020.

[14]	Zhang Jianbo. InSAR monitoring and evaluation of slope stability at the Barontu open-pit mine waste dump[D]. Xuzhou: China University of Mining and Technology, 2020.

[15]	王新龙, 车子杰, 马飞, 等. 基于PS-InSAR技术的晋城矿区地表形变监测及地质灾害风险预警[J]. 安全与环境工程, 2024, 31(2): 173-179, 212.

[16]	Wang Xinlong, Che Zijie, Ma Fei, et al. Surface deformation monitoring and geological hazard risk early warning in Jincheng mining area based on PS-InSAR technology[J]. Safety and Environmental Engineering, 2024, 31(2): 173-179, 212.

[17]	李晓田, 谢磊, 江坤, 等. 联合M估计和贝叶斯估计的DS-InSAR形变解算方法[J]. 武汉大学学报(信息科学版), 2026, 51(3): 519-530.

[18]	Li Xiaotian, Xie Lei, Jiang Kun, et al. A DS-InSAR deformation estimation method combining M-estimation and Bayesian estimation[J]. Journal of Wuhan University (Information Science Edition), 2026, 51(3): 519-530.

[19]	Samsonov V S, D'oreye N, Smets B. Ground deformation associated with post-mining activity at the French-German border revealed by novel InSAR time series method[J]. International Journal of Applied Earth Observation and Geoinformation, 2013, 23: 142-154.

[20]	Chen D, Chen H, Zhang W, et al. Characteristics of the residual surface deformation of multiple abandoned mined-out areas based on a field investigation and SBAS-InSAR: a case study in Jilin, China[J]. Remote Sensing, 2020, 12(22): 3752.

[21]	赵伟颖, 邓喀中, 杨俊凯, 等. 基于SBAS技术的采动区形变对建筑物的影响监测[J]. 煤矿安全, 2015, 46(2): 205-208.

[22]	Zhao Weiying, Deng Kezhong, Yang Junkai, et al. Monitoring the impact of mining-induced deformation on buildings using SBAS technology[J]. Safety in Coal Mines, 2015, 46(2): 205-208.

[23]	李达, 邓喀中, 高晓雄, 等. 基于SBAS-InSAR的矿区地表沉降监测与分析[J]. 武汉大学学报(信息科学版), 2018, 43(10): 1531-1537.

[24]	Li Da, Deng Kezhong, Gao Xiaoxiong, et al. Monitoring and analysis of surface subsidence in mining areas based on SBAS-InSAR[J]. Geomatics and Information Science of Wuhan University, 2018, 43(10): 1531-1537.

[25]	黄标, 张辉, 尹剑辉. 基于时序InSAR技术的工业园区地表形变监测[J]. 测绘通报, 2024(6): 157-163.

[26]	Huang Biao, Zhang Hui, Yin Jianhui. Monitoring surface deformation in industrial parks using time-series InSAR technology[J]. Bulletin of Surveying and Mapping, 2024(6): 157-163.

[27]	李新宇, 殷坤龙, 梁鑫, 等. 基于PS-SBAS-InSAR的藕塘滑坡灾害时序变形特征分析[J]. 安全与环境工程, 2025, 32(3): 216-229.

[28]	Li Xinyu, Yin Kunlong, Liang Xin, et al. Analysis of time-series deformation characteristics of the Outang landslide disaster based on PS-SBAS-InSAR[J]. Safety and Environmental Engineering, 2025, 32(3): 216-229.

[29]	李振洪, 朱武, 余琛, 等. 雷达影像地表形变干涉测量的机遇、挑战与展望[J]. 测绘学报, 2022, 51(7): 1485-1519.

[30]	Li Zhenhong, Zhu Wu, Yu Chen, et al. Opportunities, challenges, and prospects for interferometric surface deformation measurement using radar imagery[J]. Acta Geodaetica et Cartographica Sinca, 2022, 51(7): 1485-1519.

[31]	张金盈, 崔靓, 刘增珉, 等. 利用Sentinel-1 SAR数据及SBAS技术的大区域地表形变监测[J]. 测绘通报, 2020(7): 125-129.

[32]	Zhang Jinying, Cui Liang, Liu Zengmin, et al. Large-area surface deformation monitoring using Sentinel-1 SAR data and SBAS technology[J]. Bulletin of Surveying and Mapping, 2020(7): 125-129.

[33]	李幸丽, 戴华阳, 方军, 等. 基于SBAS-InSAR技术的老采空区注浆充填地表变形时空分布特征分析[J]. 中国矿业, 2024, 33(11): 86-94.

[34]	Li Xingli, Dai Huayang, Fang Jun, et al. Spatiotemporal distribution characteristics of surface deformation in grout-filled old mining areas based on SBAS-InSAR technology[J]. China Mining Magazine, 2024, 33(11): 86-94.

[35]	方迎潮, 赵雪, 陈文乐, 等. Sentinel-1A影像在山区管道地表形变监测中的适用性评价指标构建[J]. 科学技术与工程, 2024, 24(18): 7639-7645.

[36]	Fang Yingchao, Zhao Xue, Chen Wenle, et al. Construction of evaluation indicators for the applicability of Sentinel-1A imagery in surface deformation monitoring of pipelines in mountainous areas[J]. Science Technology and Engineering, 2024, 24(18): 7639-7645.

[37]	王鹏, 程海强, 王翔. D-InSAR技术与SBAS-InSAR技术在矿区地面沉降监测中的应用研究[J]. 中国矿业, 2024, 33(3): 133-141.

[38]	Wang Peng, Cheng Haiqiang, Wang Xiang. Application research of D-InSAR technology and SBAS-InSAR technology in ground subsidence monitoring of mining areas[J]. China Mining Magazine, 2024, 33(3): 133-141.

[39]	魏纪成, 张红霞, 白泽朝, 等. 融合D-InSAR与PS-InSAR的神东矿区开采沉陷监测方法[J]. 金属矿山, 2019(10): 55-60.

[40]	Wei Jicheng, Zhang Hongxia, Bai Zechao, et al. A method for monitoring mining subsidence in the Shendong mining area integrating D-InSAR and PS-InSAR[J]. Metal Mines, 2019(10): 55-60.

[41]	Yao J, Yao X, Liu X. Landslide detection and mapping based on SBAS-InSAR and PS-InSAR: a case study in Gongjue County, Tibet, China[J]. Remote Sensing, 2022, 14(19): 4728.