基于雷达遥感对地观测技术的软土地区公路沉降监测方法

邢学敏; 杨东; 张锐; 熊旭平; 朱珺; 黄丽; 张济航

doi:10.11779/CJGE20220813

基于雷达遥感对地观测技术的软土地区公路沉降监测方法 English Version

邢学敏^{1, 2, 3,},
杨东¹,
张锐^{1, 2, ,},
熊旭平¹,
朱珺^{1, 3},
黄丽^{1, 3},
张济航^{1, 3}

1.
长沙理工大学交通运输工程学院, 湖南长沙 410114
2.
公路养护技术国家工程研究中心, 湖南长沙 410114
3.
洞庭湖生态环境遥感监测湖南省重点实验室, 湖南长沙 410114

基金项目:

国家自然科学基金项目 42074033

湖南省自然科学基金项目 2022JJ30589

中国水利水电第八工程局有限公司科研项目 2023060

湖南省自然资源科研项目 20230118CH

湖南省交通运输厅科技创新项目 202211

长沙市杰出创新青年培养计划项目 kq2209011

洞庭湖生态环境遥感监测湖南省重点实验室开放课题项目

详细信息

作者简介:
邢学敏(1983—)，女，博士，副教授，主要从事时序InSAR技术在地表形变监测中的应用方面的科研工作。E-mail: xuemin.xing@csust.edu.cn

通讯作者:
张锐, E-mail: zr@csust.edu.cn

中图分类号: TU447;P237
计量
- 文章访问数: 341
- HTML全文浏览量: 56
- PDF下载量: 114
出版历程
- 收稿日期: 2022-06-28
- 网络出版日期: 2023-03-05
- 刊出日期: 2023-09-30

Monitoring method for subsidence of highways in soft soil areas based on radar remote sensing earth observation technique

XING Xuemin^{1, 2, 3,},
YANG Dong¹,
ZHANG Rui^{1, 2, ,},
XIONG Xuping¹,
ZHU Jun^{1, 3},
HUANG Li^{1, 3},
ZHANG Jihang^{1, 3}

1.
School of Traffic and Transportation Engineering, Changsha University of Science & Technology, Changsha 410114, China
2.
National Engineering Research Center of Highway Maintenance Technology, Changsha University of Science & Technology, Changsha 410114, China
3.
Hunan Key Laboratory of Remote Sensing of Ecological Environment in Dongting Lake Area, Changsha University of Science & Technology, Changsha 410114, China

摘要

摘要: 为克服传统公路沉降监测方法需耗费大量人力物力且监测范围有限的问题，旨在提出一种基于雷达遥感对地观测技术（InSAR）的软土地区公路沉降自动化、大范围监测方法。考虑软土沉降特征，将非线性黏弹塑性四元件组合流变模型引入InSAR形变建模，提出软土地区公路沉降物理模型，并建立InSAR时序相位方程组，估计沉降未知参数，以计算获取公路大范围面状沉降结果。通过模拟数据和广东伦桂路水准实测数据验证了该方法的可行性和可靠性。结果表明：与软土InSAR线性模型计算方法相比，该方法精度提升24%；与传统地面水准实测方法相比，该方法获取的软土地区公路沉降均方根误差为±5.6 mm，相对精度为5%，且趋势与水准实测结果一致。将该方法应用于湖南岳阳湖区公路大范围沉降监测，获取了该区1.5 a的时序沉降结果；该区域公路沉降呈现先快后慢的趋势，累积最大沉降达46 mm，沿湖区沉降明显大于内陆区。可为软土地区公路沉降早期识别和养护管理提供依据。
- 道路工程 /
- 时序沉降 /
- 合成孔径雷达干涉测量 /
- 形变监测 /
- 软土
Abstract: A large-scale automatic surface monitoring method for highways built in soft soil areas based on the InSAR technique is proposed to overcome the deficiencies of labor-consuming and unavailability of large-scale deformation by the traditional monitoring method for ground subsidence of highways. Considering the deformation characteristics of soft soils, a nonlinear viscoelastic-plastic four-component combined rheological model is introduced into the InSAR deformation modeling. Then the physical soft soil highway subsidence model is proposed and the time-series InSAR functions are established. The parameters for subsidence are estimated to calculate the results of the large-scale surface deformation areas of highways. The simulated and field tests on a segment of Lungui Road in Guangdong Province are carried out. Compared to that of the traditional linear model, the modeling accuracy of the proposed method has an improvement of 24%. The RMSE for Lungui Road is estimated as ±5.6 mm, with a relative accuracy of 5% and a good consistency with its deformation tendency. A case study of a highway near Dongting Lake in Yueyang, Hunan Province is carried out to verify the capacity, and the 1.5-year time-series settlement results are obtained, with the subsidence rate following a fast-to-slow nonlinear capacity. The results show that the subsidence near Dongting Lake is significantly higher than that in the inland area, with the maximum subsidence accumulated to 46 mm. The proposed method may provide a reference for early subsidence detection and maintenance management of soft soil highways.
- road engineering /
- time-series subsidence /
- InSAR /
- deformation monitoring /
- soft soil

HTML全文

0. 引言

大型LNG储罐作为国家重大战略设施，其地震安全性是当前工程抗震领域关注的核心问题之一。中国现有LNG储罐以地上为主，而半地下和地下储罐是未来储罐发展的主要形式，如刚刚建成的龙口LNG项目^#5储罐，原因为地下储罐具有节省地面空间、防空中碰撞安全性高、泄露产生影响小、降低风/雨/日照环境长期危害等特点。

近几年来，国内外学者针对储罐的抗震安全问题，通过物理试验和数值方法进行了大量研究。Park等^[1]通过动力离心试验，对比了3种不同类型基础下LNG储罐动力特性的差异。Sahraeian等^[2]基于多组离心物理试验，探讨了饱和、干砂场地上桩筏基础油罐的力学性能。Sharari等^[3]采用ABAQUS评估了LNG储罐在端承桩和摩擦桩基础下的地震反应，并考虑了SFSI效应。Luo等^[4]开展振动台试验，分析了不同场地条件下保温层和场地效应对LNG储罐地震响应的影响，并验证数值方法。Zhao等^[5]利用SPH-FEM数值方法，探讨了16万m³ LNG预应力储罐在不同液位条件下的地震响应。Chen等^[6-7]借助振动台试验与数值模拟方法，给出了非隔震储罐和隔震储罐地震反应特征，并提出了简化力学模型。Luo等^[8]探讨了振动台试验储液罐在地震作用下的晃动波高度规律，分析了不同计算方法的适用性。总体而言，以往LNG储罐的物理试验和数值方法研究，主要集中于地上LNG储罐地震反应与抗震性能，而对半地下、地下及超大型LNG储罐的地震响应研究尚待深入。

本文以中国某27万m³大型LNG储罐为原型，设计与开展半地下式LNG储罐动力离心模型试验，发展考虑自振周期的储罐设计方法，对比有桩、无桩基础的半地下式LNG储罐地震响应，分析储罐加速度、摆角、晃动波高等影响特征与规律。设计方法和研究成果，将为LNG储罐离心模型试验提供借鉴。

1. 试验介绍

1.1 试验设备

试验利用中国地震局工程力学研究所DCIEM-40-300动力离心机完成，该离心机有效半径5.0 m，离心加速度100g，振动负载1500 kg，振动台加速度30g，振动位移±15 mm，频宽10~300 Hz。振动台面1.6 m×0.8 m，设备如图 1所示。试验采用层状剪切箱（如图 2所示），以减小模型箱的边界效应。

图 1 DCIEM-40-300动力离心机试验设备

Figure 1. DCIEM-40-300 dynamic centrifuge test equipment

下载: 全尺寸图片幻灯片

图 2 层状剪切箱和试验模型

Figure 2. Laminar container model box and test model

下载: 全尺寸图片幻灯片

1.2 试验模型

试验储罐模型设计参照API650规范^[9]，选取储罐自振周期T_i为主要设计控制参数，其计算公式如下：

${T_{\text{i}}} = \frac{1}{{20\sqrt 5 }}{C_{\text{i}}}H\sqrt {\frac{D}{{{t_{\text{u}}}}}} \sqrt {\frac{\rho }{E}} 。$

(1)

式中：C_i为罐液耦合系数；H为储罐设计高度；t_u为罐壁厚度；D为储罐直径； $\rho$ 为储液密度；E为罐体材料弹性模量。

根据LNG储罐原型自振周期T₁=0.575 s，试验LNG储罐模型选用PP塑料，弹性模量为890 MPa，外径400 mm，高280 mm，壁厚5 mm。由式（1）计算的储罐模型自振周期T₂=0.01145 s，T₁/T₂=50.22，满足试验模型周期相似比要求。桩基原型为20根外径0.5 m，内径0.3 m的预应力管群桩，以抗弯刚度EI为相似控制参数，结合加工难度和考虑尺寸效应，将群桩基础简化为5根钢管桩，其设计参数计算公式如下：

$4{E}_{原}\frac{{\rm{ \mathsf{ π} }}}{64}\text{(}{D}_{原}^{4}-{d}_{原}^{4}\text{)=}{N}^{4}{E}_{模}\frac{{\rm{ \mathsf{ π} }}}{64}({D}_{模}^{4}-{d}_{模}^{4}) 。$

(2)

式中： ${E}_{原}$ 和 ${E}_{模}$ 分别为原型和模型桩材料的弹性模量；N为几何相似比； ${D}_{原}^{}$ 和 ${D}_{模}^{}$ 分别为原型和模型桩的外径， ${d}_{原}^{}$ 和 ${d}_{模}^{}$ 分别为原型和模型桩的内径。

试验桩基模型材料选用6061-T6铝合金，桩长270 mm，外径15 mm，内径13.6 mm。本试验罐体和群桩的主要设计参数和相似比，如表 1所示。试验选用福建标准中砂，采用砂雨法制作地基模型，控制相对密实度为80%。

表 1 试验模型参数

Table 1. Parameters of test model

部件	参数	原型	模型
罐体	外径/m	96	0.4
	罐壁高度/m	47	0.28
	罐壁厚度/mm	30	5
	自振周期/s	0.575	0.01145
群桩	外径/mm	500	15.0
	内径/mm	300	13.6
	抗弯刚度/N·m²	1.708×10⁹	277.846

下载: 导出CSV

| 显示表格

1.3 试验方案设计

试验模型设计和传感器布设如图 3所示，土体内布设3列加速度传感器，用以测量土体动力响应；储罐内壁布设孔压传感器，监测振动荷载下罐内液体的晃动情况；储罐底部和穹顶布设加速度传感器，监测储罐的动力响应。试验离心加速度为50g，选用El Centro波作为振动台输入荷载，包含峰值为0.05g，0.1g，0.3g等3个工况，台面记录的0.3g El Centro波加速度时程，如图 4所示。需要指出，本文数据除特别说明外均为经相似比换算后的原型数据。

图 3 试验模型设计与传感器布置

Figure 3. Model design and layout of instruments

下载: 全尺寸图片幻灯片

图 4 台面记录0.3g El Centro波加速度时程

Figure 4. Time histories of acceleration of earthquake with El Centro waves of 0.3g recorded on shaking table

下载: 全尺寸图片幻灯片

2. 试验结果分析

2.1 储罐的自振频率

利用罐底土体和罐顶的加速度幅值谱比分析储罐的自振频率，0.05g El Centro波下，有桩和无桩储罐的加速度谱比如图 5所示，可知两种基础的储罐自振频率基本相同，均约为1.84 Hz，对应原型自振周期为0.543 s，与设计目标自振周期0.575 s误差5.6%。该试验结果，一方面说明了以储罐自振周期为离心模型设计的控制参数，具有可行性；另一方面，说明了该离心试验模型设计，满足设计要求和原则。

图 5 储罐加速度傅里叶变换谱比

Figure 5. Fourier transform acceleration spectral ratios of storage tank

下载: 全尺寸图片幻灯片

2.2 储罐地震动力响应

图 6给出了加速度峰值为0.05g，0.3g El Centro波荷载下有桩和无桩储罐的罐顶、罐底与台面的加速度反应谱；表 2给出了各个工况下罐顶加速度峰值及放大系数。从图 6可发现，0.05g El Centro波荷载下，有桩和无桩储罐的加速度响应基本一致，幅值和周期无明显差异；而0.3g El Centro波荷载下，有桩和无桩储罐罐顶的加速度响应差异显著，无桩储罐的加速度峰值和特征周期，分别高于和低于有桩储罐，一定程度说明储罐地震响应主要受周围土体影响，而受桩基影响较小。从表 2可得出，在0.05g，0.1g，0.3g El Centro波荷载下，桩基础使储罐罐顶加速度峰值分别降低了5.0%，20.5%，36.6%，表明桩基础有利于提升储罐抵御地震性，且提升效果随着地震强度的增大而增大。

图 6 加速度时程频谱对比

Figure 6. Comparison of pseudo-spectral accelerations

下载: 全尺寸图片幻灯片

表 2 储罐罐顶加速度响应分析特征值

Table 2. Analysis of acceleration records at tank top

地震动峰值/g	有桩罐顶加速度峰值/g	放大系数	无桩罐顶加速度峰值/g	放大系数
0.05	0.1268	2.54	0.1335	2.67
0.1	0.2040	2.04	0.2566	2.57
0.3	0.3565	1.19	0.5624	1.87

下载: 导出CSV

| 显示表格

此外，由表 2还可发现，两种储罐罐顶加速度峰值随着输入地震强度增大而增大，但放大系数逐渐减小，这说明半地下储罐的地震响应受土-结作用影响，且周围土体响应对储罐具有重要约束作用。综上，半地下埋置和桩基础均有利于降低LNG储罐的地震加速度响应与提升抗震性能。

基于罐顶对称布设的竖向LVDT测试位移记录，分析储罐的摆动响应时程与最大摆角，结果如图 7所示。不难发现，地震作用下无桩和有桩储罐的摆动响应过程基本一致，且无桩储罐摆角幅度明显大于有桩储罐。同时，随着地震动增大，储罐的最大摆角基本呈线性增加，有桩储罐的最大摆角相比于无桩储罐，减小13%~33%。

图 7 无桩和有桩储罐摆角响应

Figure 7. Behavsior of tank-swing angles with and without piles

下载: 全尺寸图片幻灯片

2.3 储液晃动波高响应

0.3g El Centro波作用下有桩和无桩储罐内储液的晃动波高时程和各工况下储液晃动的最大波高，如图 8所示。可以得出，有桩和无桩储罐的储液晃动波高响应大致相同；随着地震动强度增大，两类储罐的储液晃动波高均呈现增大，有桩储罐的储液晃动波高小于无桩储罐，约降低8%~18%，其规律性一定程度说明桩基础有助于降低储罐和储液的固液耦合作用。

图 8 晃动波高

Figure 8. Heights of slosh waves

下载: 全尺寸图片幻灯片

3. 结论

（1）提出了大型LNG储罐以自振周期为控制参数的离心模型设计方法。试验结果表明该方法可满足设计原则和要求，为今后类似模型试验提供设计参考。

（2）对比无桩半地下式LNG储罐地震响应，桩基础减小储罐罐顶加速度峰值5.0%~36.6%、储罐摆动响应最大摆角13.8%~33.6%，桩基础有利于提高半地下式LNG储罐的抗震性能。

（3）储罐内储液晃动波高随地震动强度增大而增大；桩基础减小不同工况下储液晃动波高8.4%~18.8%，一定程度说明其有助于降低半地下式LNG储罐和储液的固液耦合作用，提升LNG储罐安全性。

图 1 时序InSAR沉降监测方法技术流程图

Figure 1. Flow chart of time-series InSAR subsidence monitoring method

下载: 全尺寸图片幻灯片

图 2 参数估计值偏差与真实值对比(噪声水平为0.5 rad)

Figure 2. Comparison between deviation of parameter estimation and the real data (noise level 0.5 rad)

下载: 全尺寸图片幻灯片

图 3 伦桂路测区位置

Figure 3. Location of Lungui Road

下载: 全尺寸图片幻灯片

图 4 伦桂路测区时序沉降

Figure 4. Time-series subsidences of Lungui Road (reference date: 1 January—December 2015)

下载: 全尺寸图片幻灯片

图 5 与水准点形变结果进行对比

Figure 5. Comparison of results by proposed method and levelling measurements on benchmark

下载: 全尺寸图片幻灯片

图 6 洞庭湖测区位置

Figure 6. Location of Dongting Lake

下载: 全尺寸图片幻灯片

图 7 洞庭湖测区时序沉降（起始时间：2011年12月28日）

Figure 7. Time-series subsidences in Dongting Lake area (reference date: 28 December 2011)

下载: 全尺寸图片幻灯片

图 8 特征点时序沉降结果对比

Figure 8. Comparison of subsidence results at feature points

下载: 全尺寸图片幻灯片

图 9 模型残余相位对比结果

Figure 9. Comparison of results of residual phase of models

下载: 全尺寸图片幻灯片

参考文献(18)

[1]	张晗, 杨石飞, 王琳, 等. 上海地区软土旁压加卸载变形特性试验研究[J]. 岩土工程学报, 2022, 44(4): 769-777. doi: 10.11779/CJGE202204021 ZHANG Han, YANG Shifei, WANG Lin, et al. Experimental researches on in situ loading and unloading deformation characteristics of soft soil based on pressuremeter tests in Shanghai area[J]. Chinese Journal of Geotechnical Engineering, 2022, 44(4): 769-777. (in Chinese) doi: 10.11779/CJGE202204021
[2]	王敏, 李义杰, 徐林荣. 高铁路基动载沉降现场监测分析[J]. 土木建筑与环境工程, 2017, 39(6): 22-29. https://www.cnki.com.cn/Article/CJFDTOTAL-JIAN201706003.htm WANG Min, LI Yijie, XU Linrong. Field monitoring and analysis of dynamic load settlement of high speed railway subgrade[J]. Journal of Chongqing Jianzhu University, 2017, 39(6): 22-29. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JIAN201706003.htm
[3]	薛祥, 宋连亮, 贾亮, 等. 高速公路软土路基工后沉降预测的新方法[J]. 岩土工程学报, 2011, 33(增刊1): 132-137. http://www.cgejournal.com/cn/article/id/14239 XUE Xiang, SONG Lianliang, JIA Liang, et al. New prediction method for post-construction settlement of soft-soil roadbed of expressway[J]. Chinese Journal of Geotechnical Engineering, 2011, 33(S1): 132-137. (in Chinese) http://www.cgejournal.com/cn/article/id/14239
[4]	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. doi: 10.11947/j.AGCS.2017.20170350 ZHU Jianjun, LI Zhiwei, HU Jun. Research progress and methods of InSAR for deformation monitoring[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10): 1717-1733. (in Chinese) doi: 10.11947/j.AGCS.2017.20170350
[5]	BERARDINO P, FORNARO G, LANARI R, et al. A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(11): 2375-2383. doi: 10.1109/TGRS.2002.803792
[6]	何秀凤, 高壮, 肖儒雅, 等. 多时相Sentinel-1A InSAR的连盐高铁沉降监测分析[J]. 测绘学报, 2021, 50(5): 600-611. https://www.cnki.com.cn/Article/CJFDTOTAL-CHXB202105005.htm HE Xiufeng, GAO Zhuang, XIAO Ruya, et al. Monitoring and analysis of subsidence along Lian-Yan railway using multi-temporal Sentinel-1A InSAR[J]. Acta Geodaetica et Cartographica Sinica, 2021, 50(5): 600-611. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-CHXB202105005.htm
[7]	BAO L, XING X M, CHEN L F, et al. Time series deformation monitoring over large infrastructures around Dongting lake using X-band PSI with a combined thermal expansion and seasonal model[J]. Journal of Sensors, 2021, 21(2): 1-17. doi: 10.1109/JSEN.2020.3042733
[8]	XING X M, CHANG H C, CHEN L F, et al. Radar interferometry time series to investigate deformation of soft clay subgrade settlement-a case study of Lungui Highway China[J]. Remote Sensing, 2019, 11(4): 429. doi: 10.3390/rs11040429
[9]	张永红, 吴宏安, 孙广通. 时间序列InSAR技术中的形变模型研究[J]. 测绘学报, 2012, 41(6): 864-869, 876. https://www.cnki.com.cn/Article/CJFDTOTAL-CHXB201206015.htm ZHANG Yonghong, WU Hongan, SUN Guangtong. Deformation model of time series interferometric SAR techniques[J]. Acta Geodaetica et Cartographica Sinica, 2012, 41(6): 864-869, 876. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-CHXB201206015.htm
[10]	姜兆英. 短基线集InSAR形变模型的不适定问题解算方法研究[J]. 测绘学报, 2020, 49(3): 399. https://www.cnki.com.cn/Article/CJFDTOTAL-CHXB202003018.htm JIANG Zhaoying. Study on the solving methods of the ill-posed problems of the SBAS InSAR deformation model[J]. Acta Geodaetica et Cartographica Sinica, 2020, 49(3): 399. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-CHXB202003018.htm
[11]	ZHAO R, LI Z W, FENG G C, et al. Monitoring surface deformation over permafrost with an improved SBAS-InSAR algorithm with emphasis on climatic factors modeling[J]. Remote Sensing of Environment, 2016, 184: 276-287.
[12]	WANG C, ZHANG Z J, ZHANG H, et al. Seasonal deformation features on Qinghai-Tibet railway observed using time-series InSAR technique with high-resolution TerraSAR-X images[J]. Remote Sensing Letters, 2017, 8(1): 1-10. http://www.onacademic.com/detail/journal_1000039574009010_dcd3.html
[13]	高彦斌, 张松波, 郭永发. 软土地基的变形速率及稳定性控制[J]. 中国公路学报, 2017, 30(2): 11-17. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL201702002.htm GAO Yanbin, ZHANG Songbo, GUO Yongfa. Deformation rates and stability control of soft foundation[J]. China Journal of Highway and Transport, 2017, 30(2): 11-17. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL201702002.htm
[14]	刘新喜, 童庆闯, 侯勇, 等. 高应力泥质粉砂岩非线性蠕变损伤模型研究[J]. 中国公路学报, 2018, 31(2): 280-288. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL201802031.htm LIU Xinxi, TONG Qingchuang, HOU Yong, et al. Research on nonlinear creep damage model of high stress argillaceous siltstone[J]. China Journal of Highway and Transport, 2018, 31(2): 280-288. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGGL201802031.htm
[15]	刘开云, 薛永涛, 周辉. 参数非定常的软岩非线性黏弹塑性蠕变模型[J]. 中国矿业大学学报, 2018, 47(4): 921-928. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGKD201804030.htm LIU Kaiyun, XUE Yongtao, ZHOU Hui. A nonlinear viscoelastic-plastic creep model of soft rock with unsteady parameters[J]. Journal of China University of Mining & Technology, 2018, 47(4): 921-928. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGKD201804030.htm
[16]	赵维炳, 施健勇. 软土固结与流变[M]. 南京: 河海大学出版社, 1996: 12-13. ZHAO Weibing, SHI Jianyong. Consolidation and Rheology of Soft Soil[M]. Nanjing: Hohai University Press, 1996: 12-13. (in Chinese)
[17]	XING X M, ZHANG T F, CHEN L F, et al. InSAR modeling and deformation prediction for salt solution mining using a novel CT-PIM function[J]. Remote Sensing, 2022, 14(4): 842-865.
[18]	HU J Y, MOTAGH M, GUO J M, et al. Inferring subsidence characteristics in Wuhan (China) through multitemporal InSAR and hydrogeological analysis[J]. Engineering Geology, 2022, 297: 106530.