空天地多源數據地表形變分級監測平臺構建

何原榮，李棟坤，余德清，宋永飛，蔡小櫻，崔城瑋

（1.廈門理工學院 數字福建自然災害監測大數據研究所，福建 廈門 361024；2.洞庭湖區生態環境遙感監測 湖南省重點實驗室，湖南 長沙 410007；3.寧夏國土資源勘測監測研究院，寧夏 銀川 750002）

地面沉降是一種地面下沉或地陷現象。聯合國教科文有關組織預測，到2040年，世界地面沉降潛在面積將增長8%，其中地面沉降風險最嚴重的區域集中于亞洲［1］?？焖匍_展地表形變監測，提前發現和精準排查安全隱患，提高防范能力與水平，尤為重要。

傳統的地表形變監測存在點觀測、成本高、受天氣影響大等不足［2-4］。而差分雷達干涉測量技術不受天氣、光照條件限制，具有全天時、全天候地對地觀測能力［5］，被廣泛應用于形變監測。多時相InSAR 技術進一步克服D-InSAR 技術失相干、大氣延遲等影響，成為近年來研究熱點［7-10］。利用多時相InSAR 技術進行大范圍、高精度形變監測，在時空上彌補了傳統監測手段的不足。近年來，國內學者［11-12］構建了“空天地”一體化監測體系，實現了區域掃面性形變普查、風險區安全排查、隱患點實時監測。

實景三維中國建設，推動了實景三維在災害監測領域的應用和三維可視化平臺的構建，克服了傳統二維數字高程模型和數字正射影像的信息缺乏、片面、抽象等不足，為民眾提供了直觀的形變監測數據，具有多維展示、沉浸感強、直觀等優點［13-14］。

本文提出了構建“空天地”一體化地表形變分級監測體系，并基于Cesium、Spring Boot、MySQL數據庫構建三維可視化平臺，探測地表形變情況，排查安全隱患，實現多源形變監測數據三維展示、動態查詢，進行形變監測預警預報，提升主動防范能力和水平，保障人民群眾的生命財產安全。

1 空天地多源數據形變分級監測體系及系統框架

1.1 地表形變分級監測體系

基于“空天地”多源監測技術構建地表形變分級監測體系，開展大范圍動態普查—局部安全排查—定點實時監測，實現高精度、全方位、立體探測地表形變，排查安全隱患，減少經濟損失。圖1 為地表形變分級監測體系框架圖，具體方案如下。一級大范圍動態普查：借助多時序高分辨率光學影像和PS-InSAR技術初步識別、探測地表形變，實現區域性、掃面性動態普查，并篩選出形變漏斗，視為安全隱患區域。二級安全隱患排查：基于無人機遙感技術對隱患區域定期航拍，構建多時序傾斜模型、正射影像、三維點云，立體探測，分析區域時空變化；并基于VUE 框架構建地表形變外業核查軟件客戶端（App），開展隱患區域信息采集并拍照記錄，排查隱患點。三級定點實時監測：針對隱患點，構建高精度實景三維模型，提取建筑物測繪信息，并數字化存檔；對隱患點架設GNSS 監測站，實現定點實時監測。

圖1 “空天地”多源數據地表形變分級監測體系Fig.1 Hierarchical monitoring system for surface deformation with multi-source data of air-space and earth

1.2 三維可視化系統框架

本系統基于Cesium、Spring Boot、MySQL 數據庫，以二維地圖為底圖，疊加實景三維模型，并通過Node.Js 橋接后端，訪問PS 點、GNSS 監測站、外業核查表數據庫，將形變監測數據以曲線、表格形式表征，提供更直觀的形變監測信息。圖2 為三維可視化系統框架。

圖2 三維可視化系統框架圖Fig.2 3D visualization platform frame diagram

2 關鍵技術原理

2.1 一級形變普查

2.1.1 基于PSI 技術與高分辨率影像的地表形變大范圍動態普查

PS-InSAR 技術由Ferretti［15］首次正式提出，并在2003年Fringe大會上被確認為InSAR領域最具應用前景的技術之一。自此PS-InSAR 技術逐漸成為國際相關領域研究熱點，被廣泛應用于城市地表形變監測［16-18］。PS-InSAR 技術通過提取具有穩定散射特性的高相干點（PS 點）目標上的時序相位信號進行分析，反映區域地表形變平均速率和時間序列形變信息，形變測量精度能夠達到厘米級甚至毫米級［15］；根據PSInSAR 技術提取的形變速率結果篩查沉降漏斗，結合高分辨率光學影像對監測結果進行核驗，確認安全隱患區域，其技術路線如圖3所示。

圖3 PS-InSAR與遙感影像地表形變初識別流程Fig.3 PS-InSAR and remote sensing image surface deformation identification process

2.2 二級安全排查

2.2.1 基于無人機遙感技術安全排查

針對安全隱患區域，利用無人機搭載相機、LiDAR傳感器航飛采集數據，并使用大疆制圖軟件，生產多時序正射影像、傾斜模型、三維激光點云，通過多時序對比分析篩查安全隱患點，可為人工巡查縮小調查范圍。圖4為無人機遙感技術安全排查流程。

圖4 基于無人機遙感技術安全排查Fig.4 Security investigation based on UAV remote sensing technology

2.2.2 基于外業核查App人工巡檢安全排查

根據初步提取的安全隱患區域，開展人工巡檢，采集環境信息并拍照記錄，可為相關部門提供數據支撐。為提高外業采集的效率，保障數據實時傳輸，本實驗還基于Vue 框架構建外業核查App，該App 是三維可視化平臺配套的外業實地核查客戶端，根據核查信息采集需求，軟件設計功能如圖5所示。

圖5 外業核查App功能構架Fig.5 Field verification App functional architecture

2.3 三級定點實時監測

2.3.1 基于高精度實景三維建筑信息提取

針對安全隱患點，利用無人機航拍建模生成傾斜模型，結合機載LiDAR 和架站式三維激光掃描獲取三維激光點云數據，融合傾斜模型與三維激光點云數據，構建高精度實景三維模型，進一步對存在安全隱患的建筑物進行安全排查，提取區域總平面圖，繪制建筑物的分層平面圖、立面圖、剖面圖，并數字化存檔，可為制定相應的防范措施提供數據參考，也可作為定責的重要依據。高精度實景三維建筑信息提取技術路線如圖6所示。

圖6 建筑物數字化建檔Fig.6 Building digital documentation

2.3.2 基于GNSS技術的隱患點實時監測

本實驗基于太陽能，自主設計電能與電源管理電路，使監測站點供電自給自足，再集成GNSS 定位系統采集地表沉降數據，實現毫米級監測，最后基于互聯網將數據實時傳輸至數據中心進行解譯，獲取高精度經緯度及高程。圖7 為GNSS 高精度定位監測。

圖7 GNSS高精度定位監測Fig.7 GNSS high-precision positioning monitoring

3 “空天地”形變監測三維可視化平臺構建

構建“空天地”形變監測三維可視化平臺，平臺采用前后端分離開發，采用Node.Js 作為橋梁架接服務器端API 輸出的JSON。前端采用Vue、Cesium 框架設計構建網頁界面和功能；后端采用Spring Boot+tomact進行系統發布、數據發布、處理請求、數據庫操作等；數據庫采用MySQL 關系型數據庫，構建InSAR、外業核查、GNSS監測站數據庫表，如表1-3所示。

表1 PSI解算數據庫表設計Tab.1 Database table design for PSI solution

表2 GNSS監測數據庫表設計Tab.2 Database table design of GNSS monitoring

表3 外業核查App數據庫表設計Tab.3 Field verification App database table design

3.1 三維可視化平臺功能實現

3.1.1 三維可視化平臺搭建

系統前端基于Vue、Cesium 框架設計、構建網頁界面和功能；后端基于Spring Boot+tomact 進行系統發布、數據發布、處理請求。瀏覽器請求服務器端的Node.Js；Node.Js再發起HTTP去請求JSP；JSP依然原樣API 輸出JSON 給Node.Js；Node.Js 收到JSON 后再渲染出HTML頁面，將HTML頁面Flash到瀏覽器。

3.1.2 系統功能設計與實現

（1）底圖管理模塊。Cesium 框架支持各種地圖底圖的顯示，包含天地圖、谷歌等標準影像加載接口，不同類型的地圖有相應的加載類及在線地圖服務URL，選擇不同的地圖，加載底圖顯示。

（2）數據圖層管理模塊。數據圖層管理模塊主要管理遙感影像、InSAR圖層、實景三維模型及三維激光點云等數據的加載與刪除。

（3）InSAR 監測模塊。InSAR 監測模塊用于展示InSAR監測數據，功能包含色域顯示調整、監測圖層選擇、監測點三維渲染、形變速率變化曲線。圖8 為InSAR 監測功能模塊。InSAR 監測數據，通過配置本地MySQL 數據庫代理，前端借助Node.Js 訪問后端數據庫，從數據庫中調取監測數據的點位坐標、年平均形變速率及時間節點形變量。PS 點加載顯示主要依據經緯度與系統二維地圖匹配疊加，依據年平均形變速率調整色域顯示范圍，并以不同顏色展示。

圖8 InSAR監測功能模塊Fig.8 InSAR monitoring module

監測點三維渲染模塊主要依據該區域的實景三維模型坐標與PS 點坐標匹配算法，通過PS 點的經緯度坐標值（B1，L1）與三維模型經緯度（B2，L2）匹配，當PS點坐標與模型坐標相一致時，獲取三維模型的高度值（H2），將H2暫存于PS 點（B1，L1，H2），再次加載PS點，根據（B1，L1，H2）實現三維渲染。

形變速率變化曲線模塊依據PS 點時間序列形變速率繪制形變速率變化曲線，其中以時間序列為X軸，形變速率為Y軸。點擊PS點，前端調取數據庫中的形變量，所繪制的形變速率曲線如圖9所示。

圖9 形變速率變化曲線Fig.9 Deformation rate change curve

（4）GNSS 監測數據模塊。GNSS 監測數據以點號、名稱、經緯度、高程數據類型存儲于數據庫中，GNSS 監測數據模塊主要通過后端實時調取數據，不斷迭代更新數據，X軸表示實時時間，Y軸表示高程數據，根據實時高程數據繪制GNSS 監測數據曲線圖如圖10所示。

圖10 GNSS監測數據曲線Fig.10 GNSS monitoring data curve

（5）外業核查數據展示模塊。外業核查數據展示模塊，以PS 點ID 唯一值作為信息錄入、數據調用的匹配標準，保障前端數據調取展示。前端開啟外業核查數據模塊，用戶通過點擊PS點，系統調取核查數據，并以表格形式表征采集信息。

（6）空間分析工具模塊?？臻g分析工具包含空間距離測量、面積測量、高度差測量及方量計算等。

4 應用案例

根據“空天地”多源數據地表形變分級監測體系，以廈門市為研究對象，開展全天候、全區域、全要素的立體監測，構建地表形變監測三維數字大屏，實現多源形變監測數據三維動態展示、實時查詢。

利用PSI技術提取2018—2021年實驗區地表形變速率，結合高分辨率遙感影像對比分析，開展一級形變大范圍普查，初步識別監測時段內沉降漏斗，顯示整體形變速率主要集中在-1.60～1.37 mm/y，部分地方沉降速率較大，為-4.35～-2.64 mm/y，包含有6個沉降漏斗，圖11 為PSI 沉降監測圖。對比多時序高分辨率影像，分析沉降漏斗區影像紋理特征、顏色變化，發現某區域存在地標硬化、自建新房、屋頂加蓋等現象。這些可能是沉降漏斗形成的重要原因之一。

圖11 2018-2021年廈門島內及周邊地表沉降監測專題圖Fig.11 Thematic map of surface subsidence monitoring in and around Xiamen Island from 2018 to 2021

針對某安全隱患區，利用外業核查App 對隱患點開展人工巡檢，記錄地理位置、地形地貌并拍照記錄。該區域地處商業街，經濟活動頻繁，建筑物密布且以自建房為主。因此，可能由于增建房屋，導致地面沉降；還可能由于人類經濟活動加劇，地下水開發利用導致地面沉降。

針對安全隱患點，結合“一級、二級”形變篩查，利用無人機與三維激光掃描技術獲取高精度實景三維模型，繪制建筑物總平面圖、立面圖，并數字化存檔，形成一棟一表，為決策管理服務提供真實數據。

針對高樓、橋基、地災隱患體布設GNSS 監測站，進行實時監測，將采集數據實時傳輸至數據庫。GNSS 監測站點選址部署及監測數據接收如圖12 所示，并繪制3 個監測站高程監測數據曲線圖如圖13所示。由圖13 可知，監測站的擬合曲線趨于直線，說明在短時間內幾乎沒有發生形變，而實時數據由于外界的環境干擾導致數據波動。因此，需要對監測點做更長時間的監測。

圖13 GNSS監測站高程曲線Fig.13 GNSS monitoring station elevation curve

最終構建地面沉降監測數字大屏，以廈門市高分辨率遙感影像為二維底圖，融合與集成實景三維數據體、監測體、多源監測數據，實現形變監測數據三維實時展示、動態查詢。監測數據數字大屏展示如圖14所示。

圖14 監測數據數字大屏展示Fig.14 Digital large screen display for monitoring data

5 結論與展望

本文基于衛星遙感測繪、無人機遙感、三維激光掃描、GNSS 等現代測繪技術，提出“空天地”一體化地表形變分級監測體系，并基于Cesium 框架、Spring Boot框架、MySQL 數據庫構建三維可視化平臺，實現多源形變監測數據三維、動態、實時展示，探測城市地表基礎設施形變情況，排查安全隱患，進行形變監測預警預報，提升主動防范能力和水平。

后續將集成更多源監測技術，挖掘地面沉降數據，結合空天地一體化監測模式，實現地質災害智能化、現代化監測，為災害預警與災損評估提供技術支撐，減少災害經濟損失，保障人民群眾安全，進一步推動社會經濟、生態環境可持續發展。將地面沉降災害監測模式延伸至滑坡監測、水庫堤壩監測、危房監測等相關行業應用。將多方面資源整合利用起來，全面提高監測能力和服務水平，為全方位推動全國地質災害智能化監測、預警預報奠定堅實基礎。