我国西南山区地形复杂、气候变化敏感，是中国地质灾害发生较多、致灾较为严重的地区 [1] 。位于西南山区的高速公路容易受到如滑坡、泥石流、山体垮塌等地质灾害的影响，对于山区高速公路的地质灾害隐患点的早期识别与持续监测是有必要的 [2] 。滑坡等地质灾害的发生往往是长时间所累积形变的结果 [3] ，通过连续观测同一地区的地表沉降及趋势，可以识别出潜在的灾害隐患点 [4] 。传统的沉降监测技术如通过GPS测量、水准测量、GNSS等 [5] ，工作量大且需要耗费较多人力财力，对于地势陡峭、海拔较高的区域基本无法做到有效监测 [6] 。

合成孔径雷达干涉测量技术(Interferometric Synthetic Aperture Radar, InSAR)具有对地表物理特性和几何形状的变化敏感、监测范围广以及获取数据不受时间和天气影响的优势，能避免传统监测技术的限制，现已广泛应用于各种地质灾害监测分析 [7] [8] 和地表的沉降监测分析 [9] [10] 。在大型基础设施如水坝 [11] 、桥梁 [12] 、铁路网 [13] 、地铁网 [14] 等的形变及沉降监测方面也有众多研究。近年来，国内学者在高速公路的沉降监测也进行了广泛的研究，文献 [15] 使用PS-InSAR (Persistent Scatterer InSAR)识别出滇中地区的三条高速公路共五个沉降较为严重区域；文献 [16] 使用D-InSAR (Differential InSAR)技术结合高精度多时相光学遥感图像，在川藏高速芒康段共识别出890个地质灾害点；文献 [17] 基于InSAR技术发现煤炭与地下水的开采会使周边高速公路产生沉降。利用InSAR技术不仅可用于对已有高速公路地质灾害点的识别，也可为高速公路的选线做出参考 [18] 。

上述研究均证明了InSAR技术在滑坡等地质灾害识别中的独特优势和有效性。随着西南山区高速公路总里程的增长，目前迫切需要能够实现大范围、高精度、可持续的山区高速地质灾害隐患点的识别技术。为了解决传统技术在山区高速地质灾害监测中的不足，本文采用2015~2022年Sentinel-1A卫星数据，基于SBAS-InSAR (Small Baseline Subset-InSAR)技术对串新高速公路及周边区域进行长时序动态监测，分析多个沉降区域，识别出地质灾害隐患点，为该公路的养护及地质灾害防治提供实际依据。

传统D-InSAR技术是利用同一地区不同成像时间的两幅SAR影像，通过干涉获取两幅影像的相位差，利用该相位差值反演出地物目标在两次成像时间内的形变量。干涉相位的计算过程为：

$S=S_1{S}_2^{*}=\left|{\text{A}}_1\right|\left|{\text{A}}_2\right|e^{j\left({}_1{-}_2\right)}$(1)

${\phi }_{\mathrm{int}}={\phi }_{def}+{\phi }_{topo}+{\phi }_{flat}+{\phi }_{atm}+{\phi }_{noise}$(2)

SAR数据通常用复数表示，其中 $S_1=\left|{\text{A}}_1\right|e^{j_1}$， $S_2=\left|{\text{A}}_2\right|e^{j_2}$，为两次在同一区域不同时间成像的像元值，A₁和A₂为幅值，₁和₂为相位值，其中_int为干涉相位，_def，_topo，_flat，_atm，_noise依次为形变相位、地形相位、平地效应相位、大气相位和噪声相位，去除其余四个相位提取形变相位，通过相位转形变方法可以获取形变值。SBAS-InSAR技术与D-InSAR的区别在于SBAS-InSAR可一次处理多幅SAR影像，通过设定时间基线和空间基线阈值使得满足条件的SAR图像自由组合成干涉对。若输入影像为M幅，则最多可产生M(M-1)/2幅干涉影像。基于多幅时序干涉影像，不仅可以反演出时序形变数据，还可以很好的去除噪声，提高反演结果的精度。

本文选取串新高速并以其沿线为中心设置宽度为3 km的缓冲区作为研究对象，研究区域范围如 图1 所示。串新高速位于云南省昭通市境内，所在区域属中山山原地貌，地势南高北低，气候具有干雨季分明、雨热同季的特点。串新高速于2017年3月15日正式开工建设，2020年6月30日正式通车运营，起于盐津县普洱镇串丝村，止于绥江县南岸镇，全长49.14公里，桥梁总长度为7660.85米，隧道总长度为33026.7米，桥隧比高达82.73%。

实验数据选取覆盖研究区域2015年1月到2022年12月共204幅欧空局提供的Sentinel-1A升轨影像，成像模式为干涉宽幅(IW)，极化方式为水平极化(VV)，基于SBAS-InSAR技术获取串新高速建设前、建设中及通车后的时序沉降数据。实验中对数据进行PS-InSAR处理，以获取在SBAS-InSAR过程中所需的地面控制点；为去除地形相位的影响，选用地理空间数据云提供的全球高程数字模型(Global Digital Elevation Model)的高程数据作为参考DEM，并对每幅SAR影像使用精密轨道文件以消除轨道误差。

本文通过SBAS-InSAR技术，以2015年1月到2022年12月共204幅Sentinel-1A数据作为数据源，研究串新高速公路建设期间及通车后，沿线3 km范围的地表沉降的成因，重点分析监测到的五个典型沉降区域。研究结果表明：

(1) 观测到的5个沉降区域都曾发生过滑坡现象，为地质灾害易发点。其中沉降区域B、C、E对串新高速的危害较小。沉降区域A、D由于覆盖了串新高速公路部分主干道，且两沉降区域的沉降较为严重，对串新高速的危害较大。

(2) 其中沉降区域A、C、D出现沉降现象主要是由于串新高速的施工过程引起，在施工下半期的沉降尤为严重。沉降区域A在施工结束后地表形变较为稳定，但沉降区域C和D在施工结束后其年均沉降速率和年沉降量仍然较大，需对其进行持续监测以防止发生滑坡地质灾害。

美国地质调查局和欧洲空间局分别为本研究提供了数字高程模型和卫星影像数据，湖南联智科技股份有限公司提供了实地监测结果，在此表示感谢。

本文获得了国家自然科学基金青年科学基金项目(62101081, 62205039)，湖北省交通运输厅科技项目(2022-4-1)，重庆市教委科学技术研究重大项目(KJZD-M202300703)的联合资助。