本文为单一原创研究论文，以下按学术报告形式进行介绍。

该研究由国网福建省电力有限公司电力科学研究院的王晓杰、陈少康，以及天津航天中为数据系统科技有限公司的孙振蓉、王森、孟秀军共同完成，发表于《工程勘察》（Geotechnical Investigation & Surveying）2026年第6期。研究依托国网福建省电力有限公司科技项目“基于高分遥感卫星的输电线路通道环境及灾害广域监测技术研究”（项目编号：52130423000x），面向山区输电线路环境地表形变监测与滑坡隐患识别问题，提出了一种基于优化时序InSAR（合成孔径雷达干涉测量，Interferometric Synthetic Aperture Radar）的技术策略。

在学术背景方面，我国大量输电线路建设于山区和高山峡谷地区，这些区域地质条件复杂、地壳运动活跃，容易发生滑坡等地质灾害，直接影响电网设备运行安全。传统的地表形变探测主要依靠人工巡查或安装探测设备，受巡查效率和成本限制，难以在偏远高山区开展及时、全面的形变监测。山区地形陡峭、植被覆盖度高、交通困难，传统方法难以满足输电线路环境地灾隐患排查的需求。近年来，InSAR技术因其空间覆盖范围广、监测成本低、受天气影响小、能够监测大范围毫米级地表形变等优势，被广泛应用于复杂山区地表形变研究与地质灾害隐患早期探测。然而，山区陡峭地形和密集植被容易造成大气延迟和失相干问题，影响形变探测精度。时序InSAR技术利用同一地区长时间序列的多景SAR影像，通过干涉像对组合和相位稳定性分析，能够有效去除大气延迟和失相干影响，提高形变观测可靠性。目前应用较广泛的时序InSAR技术包括PS-InSAR（永久散射体合成孔径雷达干涉测量，Persistent Scatterer InSAR）和SBAS-InSAR（短基线集合成孔径雷达干涉测量，Small Baseline Subset InSAR）。本文针对研究区复杂地形和气候条件，重点优化干涉像对组合策略，以获取更可靠的地表形变速率，并用于潜在滑坡隐患识别。

在研究方法和工作流程方面，本文采用2021年1月至2023年12月共30景Sentinel-1A SLC升轨数据，成像模式为IW，极化方式为VV，并使用POD精密轨道数据和SRTM 3″ DEM数据辅助处理。研究首先分析了PS-InSAR和SBAS-InSAR技术原理，指出干涉像对组合和选取是时序InSAR技术中最重要的一环，直接影响相位稳定性和形变结果准确度。传统干涉像对组合方法主要包括单一主影像组合法和小基线组合法。由于研究区主要为非人工地表环境，建筑物极少，且时间跨度较大，单一主影像组合法容易导致干涉像对相干性较低，因此本文优先选用小基线组合法，即多主影像干涉组合法。在多主影像干涉组合过程中，可能产生三类低质量干涉像对：一是干涉像对质量差，表现为相干系数低、解缠结果不连续或含有明显大气相位和轨道条纹；二是明显季节性失相关，主要受雨季影像和地表覆盖突变影响；三是实际形变梯度超过阈值，两景SAR影像可探测的最大形变梯度阈值为1/4λ，当形变速率较大且时间基线较长时，形变梯度可能超过阈值，产生粗差。基于上述问题，本文提出优化干涉像对组合策略：首先对所有SAR影像选择配准主影像，完成影像精确配准；然后根据时间跨度和空间基线临界值，设置合适时空基线阈值进行干涉像对组合；再依据优化策略剔除季节性失相关像对、形变梯度超过阈值的像对以及干涉质量差的像对。实际操作中，理想情况是每景影像至少有5个连接，即包含其作为主影像和从影像的干涉对，这样既可满足干涉计算要求，也能排除时间基线过长引起的形变梯度超限情况。优化后的技术流程包括：影像精确配准、干涉像对组合、差分干涉图生成、高相干点筛选、相位解缠、利用SVD（奇异值分解，Singular Value Decomposition）法解算形变参数和高程误差、滤波分离非线性形变与大气相位，最终获得时间序列形变。该研究通过设定合适的时间基线阈值和空间基线阈值，最终形成72对干涉像对进行数据处理。

在主要研究结果方面，研究获取了研究区2021—2023年LOS向（雷达视线向，Line of Sight）年均地表形变速率。整体上，地表形变速率主要集中在-15～7 mm/a之间，明显负向形变区域主要出现在水域周边及山体斜坡度较大区域，形变速率达到-20 mm/a以上，个别区域达到-37 mm/a以上；正向形变区域主要分布在平地、山体斜坡度较缓区，形变速率缓慢，正向形变较明显区域主要出现在水域周边，形变可达9 mm/a以上。研究区地表形变比较明显的区域有3处：两处山体斜坡处负向形变明显，区域一最大负向形变值为-26.1 mm/a，区域二最大负向形变值为-21 mm/a、最大正向形变值为6.7 mm/a；水域周边有6处明显负向形变，最大值分别为-43.6、-41.4、-34.1、-30.2、-28.5、-25.2 mm/a，另有1处明显正向形变出现在水域北部沿岸，最大值为12.3 mm/a。在结果可靠性评估方面，形变速率反演精度范围为1～4 mm，高程精度范围为2～6 mm，精度满足要求。交叉验证采用PS-InSAR技术对同一数据进行形变反演，两种方法获取的地表沉降速率在数值分布趋势上表现一致，相关系数r²=0.70，表明二者具有较高相关性，进一步证实了本文方法的可靠性。降雨响应性分析显示，强降雨后地表累计形变量出现加速下降或抬升现象，表明降雨与地表形变趋势具有一定响应关系。在潜在滑坡识别方面，研究设定了形变不稳定阈值为±16 mm/a。在输电线路周边200 m范围内，地表形变速率主要集中在-5.1～1.0 mm/a之间，1～3号输电杆塔处存在明显负向形变区域，最大形变速率为-5.1 mm/a，最大累计沉降量超过14.2 mm，虽未达到不稳定阈值，但距离杆塔较近且呈现逐年下沉趋势，认为存在滑坡隐患，需定期关注。在水域周边，6处明显负向形变区域最大形变速率可达-43.6 mm/a，最大累计沉降量分别为115.8、108.5、96.4、84.4、76、72 mm，均超过不稳定阈值，认为具有潜在滑坡隐患。在山区一处形变较明显区域，负向形变速率最大为-26.7 mm/a，最大累计沉降量达-68.7 mm，同样超过不稳定阈值，认为具有潜在滑坡隐患。

在结论方面，本文采用30景Sentinel-1 SAR数据，通过探讨符合研究区的干涉像对组合策略，提出一种优化的时序InSAR技术方法，获取了2021—2023年年平均地表形变速率。研究结果表明，基于优化干涉像对组合策略的时序InSAR技术符合研究区复杂地形和气候条件特点，通过精度评估、交叉验证和降雨响应性分析验证了该技术应用的可靠性和有效性。研究区地表形变速率主要集中在-15～7 mm/a之间，明显负向形变区域出现在水域周边及山体斜坡度大的区域。基于形变不稳定阈值，识别出3处潜在滑坡隐患，需重点关注。该研究的地表形变探测和分析方法能够为潜在滑坡识别提供有力依据，也可为类似山区输电线路环境地表形变和地质灾害监测提供参考。

本研究的亮点在于：针对山区复杂地形和气候条件，提出了优化的干涉像对组合策略，有效解决了传统时序InSAR技术在植被覆盖高、地形陡峭山区容易出现的失相干和形变梯度超限问题；通过精度评估、PS-InSAR交叉验证和降雨响应性分析三重手段验证了方法的可靠性；并将优化时序InSAR技术成功应用于输电线路环境潜在滑坡隐患识别，识别出3处需重点关注的滑坡隐患区，为电网安全运行提供了技术支撑。此外，研究对输电线路杆塔周边、水域周边及其他山区区域分别进行了形变时序分析，结合累计沉降量和形变速率变化趋势进行滑坡隐患判别，体现了从区域形变监测到重点目标风险评估的完整分析链条，具有较高的工程应用价值。