【文献分享】卫星“看”得见城市的隐患吗？ 光学遥感 + SAR：让基础设施健康监测更精细

论文信息

由团队贺玉芳老师撰写的“Detailed Health Monitoring of Large-Scale Urban Infrastructure by Combining Optical and SAR Images”见刊于《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》。

DOI：10.1109/JSTARS.2025.3592033

原文链接：https://ieeexplore.ieee.org/abstract/document/11091380/figures#figures

导 语

城市在快速生长，建筑、道路和地铁也在持续变化。对城市基础设施而言，真正需要警惕的并不只是“一次性的大变形”，还包括日积月累的缓慢沉降，以及施工、拆除、扩建等活动带来的突变。

那么，能不能不依赖大规模现场巡查，仅通过卫星遥感就把这些变化“看”出来？这篇2025年发表于IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing的研究，以广州和佛山为研究区，将SAR/InSAR形变监测与多时相光学影像变化检测结合起来，尝试回答一个很实际的问题：哪里在变？变了多少？为什么会变？哪些才是真正值得关注的风险？

研究的核心思想可以概括为一句话：SAR负责发现“慢慢变”，光学影像帮助识别“突然变”，两者叠加后，再进一步追踪形变的可能触发因素。

一、先看结论：这项研究发现了什么？

二、研究到底是怎么“看”城市的？

论文没有把某一种遥感数据当作“万能工具”，而是把不同数据的优势组合起来。整体流程大致可以理解为“慢变监测 → 突变识别 → 时空分解 → 叠加归因 → 风险筛选”。

图1 论文技术路线

第一步，用SBAS-InSAR处理多时相SAR影像，获得城市地表及基础设施的缓慢形变信息。研究使用了2017年3月至2020年12月间的110景升轨Sentinel-1 SAR影像，并在处理后获得研究区的形变场。

第二步，利用多时相Google Earth高分辨率光学影像识别地表突变。论文引入SAM进行云及云影处理，并使用ChangeClip模型提取城市地物变化，从而识别建设、拆除、道路扩建等明显地表变化。

第三步，使用FastICA分解形变时间序列，尝试把混合在一起的不同形变信号拆分为相对独立的时空模式。论文指出，前四个独立成分合计解释约71%的累计信号方差。

最后，将光学变化图与InSAR形变图进行空间叠加。这样做的关键价值是：如果某个区域出现InSAR形变，同时光学影像也显示正在施工、拆除或扩建，就需要谨慎判断其是否属于真正的基础设施安全风险；反之，如果明显沉降区域没有对应的地表变化，则更值得进一步核查。

三、研究区：为什么选择广州和佛山？

广州和佛山位于广东省中南部，城市化程度高，基础设施建设活动密集，同时存在广泛分布的粉质软土。论文指出，研究区年降雨量约1700 mm，雨季大致持续4月至9月，这些自然与人为因素共同构成了地表沉降研究的复杂背景。

论文还提到，2018年佛山曾发生道路塌陷事故，造成11人死亡及约5323.8万元人民币经济损失，这进一步说明在高强度城市开发背景下，对地表沉降及基础设施潜在风险开展持续监测具有现实意义。

四、结果一：城市地下“慢变化”，可以被卫星长期追踪

SBAS-InSAR结果显示，广州和佛山存在多个不同尺度的沉降漏斗。研究识别出4个主要大尺度沉降区域，同时还发现了大量小尺度沉降漏斗。不同区域的形变并不是简单同步变化，而是呈现出明显的时空差异。

FastICA进一步将复杂的形变时间序列分解为4个主要独立成分。论文认为，其中一个主要成分表现出较明显的线性形变特征，并可能与地表覆盖物压实、地下水开采等因素有关；另一些成分则表现出与降雨或温度相对应的季节性变化。不过，论文也强调，部分机制仍需要进一步研究验证，因此不宜将统计相关直接等同于确定的因果关系。

广州—佛山区域地表形变与地表变化

五、结果二：建筑变形，关键在于“变形”和“地表变化”一起看

在建筑物健康监测中，论文采用建筑组团尺度进行分析，以降低Sentinel-1空间分辨率和建筑物几何差异带来的影响。研究发现，B1—B12等多个建筑区域存在明显沉降，其中B1—B4部分建筑的形变较为突出，有些超过−10 mm。

但一个非常值得注意的结果是：不少明显形变区域同时存在新建、扩建、拆除或维修等地表变化。论文据此指出，大量较大的InSAR形变可能与建设施工、维修和拆除活动有关，而并非都意味着基础设施自身出现了不可解释的结构性异常。

研究进一步以年沉降速率超过5 mm的建筑像元作为筛选条件，并剔除受地表变化影响的区域。经过这一处理后，B1、B2、B4等区域仍有部分建筑表现出较高沉降速率，因此这些位置更值得作为后续重点核查对象。

图3 建筑组团沉降与地表变化对比

六、结果三：地铁线路同样存在“形变—活动”耦合现象

在城市轨道交通方面，论文对佛山和广州地铁沿线进行了详细分析。佛山某地铁站附近的4号线区域出现显著大尺度形变，LoS方向累计形变达到−169 mm；广州部分地铁沿线也存在不同程度的沉降漏斗。

广州地铁沿线的结果显示，一些显著沉降区域附近同时可以观察到明显的地表施工变化。例如，部分区域的沉降与城市建设活动在空间上具有较强对应关系。论文同时发现，部分运营线路整体较为稳定，说明“附近有地表变化”并不意味着一定已经对地铁运营造成显著影响，仍需要结合具体形变程度与工程背景进行判断。

图4 佛山地铁沿线形变与地表变化

七、几个数字，帮你快速读懂论文

八、这项研究真正有价值的地方：从“发现异常”走向“解释异常”

传统遥感形变监测往往可以回答“哪里沉降了”，但对于城市基础设施管理而言，仅知道“哪里变了”还不够。因为城市本身就是一个持续变化的系统：修路、盖楼、拆迁、地铁施工、地下工程等活动都可能改变地表形态，并在遥感结果中留下明显信号。

这篇论文的思路因此非常清晰：不要把所有形变都直接定义为风险，而是把“形变信息”和“地表变化信息”放到同一个空间框架下进行比对。这样，遥感监测就从单纯的“异常检测”，进一步走向“异常解释”和“风险筛选”。

从应用角度看，这种方法尤其适合大范围、持续性的城市基础设施巡查。它可以先利用卫星数据完成区域筛查，再将真正值得关注的区域交给现场调查、工程检测或其他高精度手段进一步核实，从而提高监测资源的使用效率。

九、论文也提醒我们：遥感结果不能“看到什么就相信什么”

论文明确指出，Sentinel-1 SAR空间分辨率有限，在复杂城市环境中可能出现相位解缠误差和信号丢失。例如，某些低层建筑表现出明显形变，但周围并没有相应地表变化，进一步分析后发现，这类异常可能来自周边高层建筑造成的相位突变与解缠误差。

因此，真正可靠的基础设施健康监测，需要把算法结果、影像变化、工程背景以及必要的现场核查结合起来。论文未来工作也提出，将使用更高分辨率SAR影像开展精细建筑监测，并利用高分辨率光学影像构建样本数据集，进一步识别建筑高度、屋顶等显著变化，以减少伪风险并实现更精细的基础设施网络筛查。

十、写在最后：从“看见变化”到“理解风险”

城市基础设施健康监测正在从“单一传感器、单一指标”走向“多源数据融合”。这篇研究给出的启示并不只是一个具体算法，而是一种更接近实际管理需求的研究范式：用SAR/InSAR捕捉长期、缓慢的形变，用光学影像识别城市表面正在发生的明显变化，再通过空间叠加和时序分析追踪形变可能的触发因素。

对于城市管理者而言，最重要的不是得到一张“哪里沉降”的地图，而是进一步知道：哪些变化与正常建设活动有关？哪些异常可能代表更值得关注的风险？哪些区域需要优先复核？

当遥感从“监测工具”进一步成为“风险筛查与解释工具”，卫星数据才真正开始参与城市基础设施的精细化治理。

引用格式

Y. He et al., "Detailed Health Monitoring of Large-Scale Urban Infrastructure by Combining Optical and SAR Images," in IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol.18, pp. 21419-21429,2025,doi:10.1109/JSTARS.2025.3592033.

本文仅用于学术交流与科研学习，内容依据原始论文整理与解读。文中对研究背景、创新点、研究亮点、编辑推荐等栏目进行了编辑性归纳，旨在帮助读者理解论文内容，不代表原论文作者观点。如有理解偏差，欢迎交流指正。