Risk Assessment and Zoning of Land Subsidence in Pearl River Delta Plain Based on InSAR Data Sources
-
摘要:
风险评价与区划是实现地面沉降地质灾害科学管控与精准防治的重要前提。本文基于2016年8月至2019年6月SBAS-InSAR技术获取的珠江三角洲平原区高精度地表形变数据，结合层次分析法（AHP）与模糊综合评价法，从危险性（软土厚度、地层岩性等）和易损性（人口密度、经济要素等）两个维度建立指标体系，划分风险等级矩阵开展风险评价。结果显示：全区地面沉降高危险区110.84 km2，集中分布于珠海白蕉镇、中山坦洲镇等地；高易损区853.60 km2，集中于广州天河区、深圳宝安区等城市核心区；高风险区主要分布在顺德容桂街道、珠海白蕉镇等地。重点防治区需强化地下水管控与监测网络建设，一般防治区注重风险指标调控与公众意识提升。本文验证了InSAR数据与多因素评价模型在区域地质灾害风险评价中的适用性，为珠江三角洲平原区防灾减灾及空间规划建设提供了科学依据。
-
关键词:
- 地面沉降 /
- SBAS-InSAR /
- AHP-模糊综合评价法 /
- 风险评价 /
- 珠江三角洲平原区
Abstract:Land subsidence is a significant geohazard that requires scientific control and precise prevention. The research uses high-precision surface deformation data from the Pearl River Delta plain acquired by SBAS-InSAR technology from August 2016 to June 2019. It combines the AHP hierarchical analysis method and the fuzzy comprehensive evaluation method to establish an index system based on two dimensions: danger (e.g., soft soil thickness and stratum lithology) and susceptibility (e.g., population density and economic factors). The research classifies the risk level matrix to evaluate the risk. Substantial land subsidence poses a critical concern across the study region, with spatial patterns revealing distinct vulnerability zones. Notably, high-risk subsidence areas (110.84 km2) are concentrated in Baijiao Town (Zhuhai) and Tanzhou Town (Zhongshan), while high-vulnerability zones encompass 853.60 km2 spanning Guangzhou's Tianhe District, Shenzhen's Bao'an District, and other urban cores. Furthermore, high-susceptibility zones are predominantly located in Ronggui Street (Shunde) and Baijiao Town (Zhuhai), underscoring the need for targeted mitigation strategies in these geographically clustered risk hotspots. The key prevention and control areas must strengthen groundwater control and monitoring network construction, while general prevention and control areas must focus on risk indicator regulation and public awareness promotion. The research verifies the applicability of InSAR data and the multi-factor evaluation model in regional geohazard risk evaluation and provides a scientific basis for disaster prevention, mitigation, and spatial planning in the Pearl River Delta plain area.
-
-
表 1 Sentinel-1A数据源
Table 1. Sentinel-1A data source
序号 成像时间 时间基线（d） 空间基线（m） 序号 成像时间 时间基线（d） 空间基线（m） 1 2016-08-20 −540 − 24.9201 22 2018-02-11 0 0 2 2016-09-25 −504 − 71.5122 23 2018-03-07 24 33.6569 3 2016-10-19 −480 41.0221 24 2018-03-31 48 33.0937 4 2016-11-12 −456 22.8894 25 2018-04-24 72 − 4.5008 5 2016-12-06 −432 − 52.7644 26 2018-05-18 96 − 9.4160 6 2016-12-30 −408 − 23.2413 27 2018-06-11 120 − 20.2598 7 2017-01-23 −384 24.5559 28 2018-07-05 144 65.0861 8 2017-02-16 −360 25.6406 29 2018-07-29 168 48.4791 9 2017-03-12 −336 17.3661 30 2018-08-22 192 8.7526 10 2017-04-05 −312 − 30.6814 31 2018-09-15 216 − 33.1615 11 2017-04-29 −288 19.8775 32 2018-10-09 240 43.0673 12 2017-05-23 −264 26.6421 33 2018-11-02 264 − 30.4242 13 2017-06-28 −228 − 13.9288 34 2018-11-26 288 41.0173 14 2017-07-22 −204 41.7083 35 2018-12-20 312 96.9486 15 2017-08-15 −180 − 77.8193 36 2019-01-13 336 − 21.7101 16 2017-09-08 −156 42.5166 37 2019-02-06 360 95.7160 17 2017-10-02 −132 − 20.0324 38 2019-03-02 384 − 46.6752 18 2017-10-26 −108 − 71.2759 39 2019-03-26 408 − 68.8817 19 2017-11-19 −84 19.4738 40 2019-04-19 432 − 85.6731 20 2017-12-13 −60 56.1508 41 2019-05-13 456 − 19.0388 21 2018-01-06 −36 19.38088 42 2019-06-18 492 56.9094 
下载: 导出CSV
表 2 研究区地面沉降危险性指标及其量化分级
Table 2. Land subsidence risk index and quantitative classification in the study area
贡献率 高 较高 中 较低 低 5 4 3 2 1 软土厚度(m) > 30 30 ~ 20 20 ~ 10 10 ~ 5 5 ~ 0 地层岩性 易压缩 可压缩 较坚硬 坚硬 极坚硬 距构造断裂(m) < 300 300 ~ 600 600 ~ 900 > 900 地下水利用强度 高 中 低 极低 大气降水(mm) >2000 1800 ~20001600 ~1800 1400 ~1600 < 1400 河网缓冲区(m) < 500 500 ~ 1000 1000 ~1500 > 2000 高程(m) < 10 10 ~ 50 > 50 累计形变量(mm) > 300 300 ~ 200 200 ~ 100 100 ~ 50 < 50
下载: 导出CSV
表 3 研究区地面沉降易损性指标及其量化分级
Table 3. Vulnerability index of land subsidence and quantitative classification in the study area
贡献率 高 较高 中 较低 低 5 4 3 2 1 人口密度 稠密 适宜 稀疏 极度稀疏 道路密度（km/km2） > 7.19 4.55 ~ 7.19 3.13 ~ 4.55 0 ~ 3.13 建筑密度（km/km2） > 10.2 7.3 ~ 10.2 3.6 ~ 7.3 0 ~ 3.6 单位面积GDP（亿元/ km2） > 12 4 ~ 12 2 ~ 4 0 ~ 2 土地利用强度 高 较高 中 较低 低
下载: 导出CSV
表 4 研究区地面沉降危险性评价体系表
Table 4. Land subsidence risk assessment system in the study area
一级指标 二级指标 权重 地质基础属性 软土厚度 0.232 地层岩性 0.123 构造断裂 0.087 高程 0.082 动力驱动因子 地下水利用 0.117 河网缓冲区 0.109 大气降水 0.076 灾害历史特征 累计形变量 0.174
下载: 导出CSV
表 5 研究区地面沉降易损性评价体系表
Table 5. Vulnerability assessment system for land subsidence in the study area
一级指标 二级指标 权重 人员承灾体 人口密度 0.232 建筑密度 0.129 土地利用强度 0.102 经济承灾体 单位面积GDP 0.360 道路密度 0.177
下载: 导出CSV
表 6 研究区地面沉降风险性等级划分表
Table 6. Risk classification of land subsidence in the study area
风险程度 易损性（Vulnerability） 高HV 较高MHV 中MV 较低LV 低VLV 危险性
（Risk）高HR HH-RV HMH-RV HM-RV HL-RV HVL-RV 较高MHR MHH-RV MHMH-RV MHM-RV MHL-RV MHVL-RV 中MR MH-RV MMH-RV MM-RV ML-RV MVL-RV 较低LR LH-RV LMH-RV LM-RV LL-RV LVL-RV 低VLR VLH-RV VLMH-RV VLM-RV VLL-RV VLVL-RV
下载: 导出CSV
表 7 研究区地面沉降危险性及易损性分区统计结果
Table 7. statistical results of risk and vulnerability zoning of land subsidence in the study area
风险分级 危险性 易损性 面积（km2） 占比（%） 面积（km2） 占比（%） 高 110.84 1.03 853.6 7.75 较高 330.82 2.98 2269.3 20.58 中 1929.75 17.49 2705.1 24.54 较低 5923.43 53.69 2729.3 24.76 低 2737.26 24.81 2465.7 22.37
下载: 导出CSV
-
[1] 戴真印,刘岳霖,张丽平,张 贤.2023.基于改进时序 InSAR 技术的东莞地面沉降时空演变特征[J]. 中国地质灾害与防治学报,34(1):58-67.
[2] 高 峰,赵团芝,王文军,章旬立,郑凌逶.2023.宁波市地面沉降现状分析及风险评价[J]. 中国地质灾害与防治学报,34(6):127-135.
[3] 高 磊,陈运坤,屈尚侠,余革淼.2020.广州南沙区软土地面沉降特征及监测预警分析[J]. 人民长江,51(S2):94-97+157.
[4] 国家市场监督管理总局,国家标准化管理委员会. 2021. 地质灾害危险性评估规范 GB/T 40112—2021[S].
[5] 黄建龙,刘亦农,曾伟国.2019.粤港澳大湾区地质特点与地质环境保护策略分析[J]. 人民珠江,40(9):103-109. doi: 10.3969/j.issn.1001-9235.2019.09.015
[6] 姜守俊.2013.内伶仃岛以北海域填海造地活动及其引发的环境地质问题探讨[J]. 广东水利水电,(5):16-19. doi: 10.3969/j.issn.1008-0112.2013.05.004
[7] 林超奇,陈克杰,梁存任,朱 海,李明佳,崔文峰,柴海山. 2023. 基于InSAR和高密度GNSS的粤港澳大湾区地面沉降监测与深度学习预测[C]. 珠海:中国地球科学联合学术年会.
[8] 刘 晓.2022.基于AHP的吉林省辽源市地质灾害危险性评价[J]. 首都师范大学学报(自然科学版),43(5):35-43.
[9] 刘颖琛,夏少红,张昌榕,王新洋. 2021. 基于背景噪声的粤港澳大湾区上地壳三维速度结构研究[C]. 珠海:中国地球科学联合学术年会.
[10] 庞栋栋,刘 刚,何 敬,王 彬,赵绪强.2021.基于层次分析法的甘肃省地质灾害风险评估分析[J]. 自然资源信息化,(6):41-47. doi: 10.3969/j.issn.1674-3695.2021.06.007
[11] 王会强,冯光财,喻永平,毛晓康,丁 超,陈晨月.2016.基于C波段和L波段的SBAS-InSAR技术监测广州地面沉降[J]. 测绘工程,25(11):60-64+71.
[12] 王 颖,王志一,纪轶群.2022.北京地质灾害风险评价研究[J]. 首都师范大学学报(自然科学版),43(3):54-61.
[13] 谢先明,王 松,李 明,周振钊,吴丽霞.2021.珠江三角洲地区地面沉降现状及成因分析[J]. 西部探矿工程,33(8):8-10. doi: 10.3969/j.issn.1004-5716.2021.08.003
[14] 薛禹群,张 云,叶淑君,李勤奋.2003.中国地面沉降及其需要解决的几个问题[J]. 第四纪研究,(6):585-593. doi: 10.3321/j.issn:1001-7410.2003.06.001
[15] 闫 斌,董建军,梅 媛,刘士乙.2023.高海拔石灰石排土场汛期潜在滑移区域的D-InSAR评价研究[J]. 安全与环境工程,30(6):162-168.
[16] 殷跃平,张作辰,张开军.2005.我国地面沉降现状及防治对策研究[J]. 中国地质灾害与防治学报,6(2):1-8. doi: 10.3969/j.issn.1003-8035.2005.02.001
[17] 于海若,宫辉力,陈蓓蓓,刘凯斯.2020.京津冀地区地面沉降研究进展与思考[J]. 测绘科学,45(4):125-133+141.
[18] 余革淼,李德洲,屈尚侠.2017.广州市软土地面沉降特征分析[J]. 上海国土资源,38(2):22-25. doi: 10.3969/j.issn.2095-1329.2017.02.006
[19] 曾 敏,皮鹏程,赵信文,陈 松,彭红霞,侯清芹,孙慧敏,薛紫萱.2023.基于PS-InSAR的珠江口典型填海造地区地面沉降时空特征研究[J]. 华南地质,39(1):116-126.
[20] 赵团芝,侯艳声,胡新锋.2016.宁波市工程性地面沉降成因分析及防治对策研究[J]. 上海国土资源,37(3):60-64. doi: 10.3969/j.issn.2095-1329.2016.03.014
[21] Berardino P, Fornaro G, Lanari R, Sansosti E. 2002. A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms[J]. IEEE Transactions on Geoscience and Remote Sensing, 40(11): 2375-2383. doi: 10.1109/TGRS.2002.803792
[22] Barends F B J, Brouwer F J J, Schröder F H. 1995. Land subsidence[C]. Proceedings of the fifth international symposium on land subsidence, the Hague, Netherlans, 16-20 october 1995. Rotterdam: Balkema, 128-138.
[23] Gambolati G, Teatini P, Tomasi L. 1999. Coastline regression of the Romagna region, Italy, due to natural and anthropogenic land subsidence and sea level rise[J]. Water Resources Research, 35(1): 163-184. doi: 10.1029/1998WR900031
[24] Ohenhen L O, Shirzaei M, Ojha C, Sherpa SF, Nicholls R J. 2024. Disappearing cities on US coasts[J]. Nature, 627: 108-115. doi: 10.1038/s41586-024-07038-3
[25] Miura N, Taesiri Y, Sakai A. 1988. Land subsidence and its influence to geotechnical aspect in Saga plain[R]. Proceeding of the international symposium on shallow sea & lowland. Saga: Saga University.
[26] Teatini P, Ferronato M, Gambolati G, Bertoni W, Gonella M. 2005. A century of land subsidence in Ravenna, Italy[J]. Environmental Geology, 47(6): 831-846. doi: 10.1007/s00254-004-1215-9
[27] Ao Z R, Hu X M, Tao S L, Hu X, Wang G Q, Li M J, Wang F, Hu L T, Liang X Y, Xiao J F, Yusup A, Qi W H, Ran Q W, Fang J Y, Chang J F, Zeng Z Z, Fu Y S, Xue B L, Wang P, Zhao K F, Li L, Li W K, Li Y M, Jiang M, Yang Y H, Shen H H, Zhao X, Shi Y, Wu B, Yan Z B, Wang M J, Su Y J, Hu T Y, Ma Q, Bai H, Wang L J, Yang Z Y, Feng Y H, Zhang D H, Huang E H, Pan J M, Ye H Y, Yang C, Qin Y W, He C Q, Guo Y P, Cheng K, Ren Y, Yang H T, Zheng C Y, Zhu J L, Wang S P, Ji C J, Zhu B, Liu H Y, Tang Z Y, Wang Z H, Zhao S Q, Tang Y H, Xing H F, Guo Q H, Liu Y, Fang J Y. 2024. A national-scale assessment of land subsidence in China's major cities[J]. Science, 19;384(6693): 301-306.
-
图(5)
表(7)
计量
- 文章访问数: 78
- PDF下载数: 4
- 施引文献: 0