基于多源数据的深圳市地面沉降时空演化及驱动机制分析

参赛学校：深圳大学

指导老师：秦晓琼

队员姓名：朱国亮 周芸悦 江可彬 税珊珊

作品简介

地面沉降作为一种典型的缓变性地质灾害，在全国范围内广泛分布。《Science》中关于中国城市地面沉降的研究表明，我国有29%的城市正面临地面沉降，其中16%的城市沉降速率超过每年1厘米，这些城市主要分布在沿海地区。而深圳作为沿海特大城市，在2016–2020年间共发生地面塌陷事故1430起，造成7人死亡，财产损失约2.38亿元。而深圳作为国内的超大滨海城市，长期面临地面沉降灾害风险，深圳机场、宝安中心等沿海区域沉降速率平均达2.5 mm·yr?¹，最大可达6 mm·yr?¹。因此，对深圳市开展地面沉降监测及驱动因素分析对于确保本市的安全高效和可持续发展至关重要。

本研究基于2017、2021年Sentinel-1数据及土地利用、路网密度、地下水位等多源地理数据，使用时序InSAR技术与SuperMap中的地理探测器方法，聚焦铁路/地铁距离、道路网核密度、地下水位年际变化、填海造陆工程活动以及土地利用类型转化等关键因子开展研究，定量分析多因子对地面沉降的影响及交互作用，系统解析了深圳市地面沉降的驱动机制。

结果表明，深圳地表沉降呈“西部核心、中部扩张、东部稳定”的格局；深圳地面沉降驱动机制以“交通因子”（铁路/地铁距离和道路网加密）、“水文因子”（地下水位年际变化）以及土地利用开发扩张三大因子协同作用的结果，并识别出三大风险区域。

一、基础数据

本研究的数据来源涵盖多类权威平台，保障了数据的科学性与可获取性：Sentinel-1A卫星影像数据来自美国阿拉斯加卫星平台，NASA DEM 2020数字高程数据源于美国地质调查局（USGS）的MEASURES数据集平台，用于地形分析与沉降监测的几何校正，铁路/地铁、道路网的矢量数据来自开源地图平台OpenStreetMap，地下水动态数据取自国家冰川冻土沙漠科学数据中心平台，用于解析地下水变化与地面沉降的关联机制，所有数据详细来源如表1所示。

表1 研究数据来源

二、 实现过程

基于SuperMap软件，围绕深圳市地表沉降相关多源数据处理与驱动因子分析展开研究，具体如下：首先，针对沉降速率数据，拼接多幅Sentinel影像后以深圳边界裁剪，通过克吕金插值（velocity字段）填补空缺，再经二次裁剪与水系、山体重分类结果掩膜优化；其次，对无权重路网数据添加 qz 权重字段（按道路类型赋值：motorway为 3、primary为 2），完成核密度分析后，通过栅格代数运算获取2017-2021年核密度变化图；再者，土地利用类型数据经统一投影（GCS_WGS 1984）、栅格镶嵌、边界裁剪后重分类为6类，利用栅格计算器（2017年栅格值×10+2021年栅格值）计算类型变化，统计面积矩阵并完成栅转矢与专题图制作；随后，通过12月与1月地下水Tiff数据差值运算及双线性内插重采样，得到地下水位年际变化数据；最后，将沉降速率、道路网核密度、地铁/铁路距离、地下水位变化等数据统一分辨率与坐标系并由栅转矢，结合原生矢量数据完成属性关联集成，调用地理探测器开展因子探测与交互探测，导出结果用于沉降驱动机制解析与防控策略制定。

三、分析过程

1. 沉降速率分析

基于PS-InSAR技术监测的2017年与2021年地表沉降速率图（图1），可直观解析区域形变的时空差异。从分级标准看，2017年沉降速率以-15 mm/y为强沉降阈值，2021年则下探至-20 mm/y，反映后者监测到更剧烈的沉降结果。

深圳沉降呈现“西部核心沉降、中部范围扩张、东部基本稳定”的空间差异，且2021年西部及中部沉降速率普遍加快。为探寻这种变化的成因，对铁路/地铁距离、土地利用类型变化、道路网核密度、地下水位年际变化、填海造陆工程活动5个因素进行驱动因子分析。

图1 a.2017年沉降速率图；b.2021年沉降速率图

2. 深圳市地铁线路分布分析

采用2000米缓冲区分析深圳市地铁网络演变，既能体现核心区集聚性，也能捕捉线路向外围扩展对服务盲区的覆盖效果，比单一步行核心区缓冲区更贴合宏观变化趋势。深圳市2017、2021年沉降速率地铁线路分布图（图2），2017年，地铁2000米服务区域主要集中于深圳南部及中部（福田、南山、罗湖、龙岗中心城周边），东西两部覆盖较少，整体呈现“南密西疏”的空间格局，核心区地铁服务的集聚性突出。2021年，新增地铁线路有5号线南延、6号线、9号线西延，铁路有穗深城际、龙华有轨电车。西部、东部的铁路/地铁2000米服务区域显著扩展，网络密度的空间均衡性明显增强，“全域覆盖、加密成网”的格局初步显现。

图2 a.2017年深圳市铁路/地铁2000米距离图；b.2021年深圳市铁路/地铁2000米距离图

3. 土地利用类型变化分析

 通过对比2017年与2021年深圳市土地利用类型图（图3），可直观了解土地利用类型的时空转变。在空间维度上，建筑用地（橙色）分布呈现扩张态势，从2017年相对集中的区域向周边蔓延，尤其在城市边缘地带，建筑用地对耕地、裸地、绿地等的侵占较为明显。水体（蓝色）虽整体格局相对稳定，但局部区域受人类活动影响，边界出现微调，部分小面积水体被填充或形态改变。绿地（绿色）在城市中心区占比有所波动，外围区域因城市开发，绿地被压缩或转化，但在部分规划引导区域，绿地也有新增。耕地（黄色）与裸地（浅橙色）的分布范围收缩显著，反映出城市化进程中土地开发强度的提升。

图3 a.2017年深圳市土地利用类型图；b.2021年深圳市土地利用类型图

基于2017年-2021年深圳市土地利用类型转移面积（平方千米）表格，结合2017至2021年土地利用类型变化图（图4），能深入剖析各类用地的转移方向与强度。2017-2021年深圳市土地利用类型以建筑用地扩张为核心，其外源输入总量约64.78平方千米（净增 33.62平方千米），主要源于绿地（占比58.7%）、裸地（21.1%）、耕地（12.5%）和水域（7.6%）的转入；土地类型变化整体分散，主要集中在西部沿海填海区域、北部光明区、龙岗区东北部及大鹏新区白沙湾。

图4  2017至2021年深圳市土地利用类型变化图

从图5及图6的空间分布看，西部填海区域及周边是建筑用地扩张的集中区。填海形成的裸地经整治后快速转化为建筑用地（裸地→建筑用地的粉色斑块），原有内陆绿地也持续向建筑用地转换（绿地→建筑用地的红色斑块）。此外，少量水体（如沿海滩涂或内陆水域）向建筑用地的转移。

图5  1979-2010填海造陆工程活动示意图

图6  2017至2021年深圳西部土地利用类型变化图

4. 道路网和密度变化分析

基于SuperMap软件中的核密度分析方法，开展区域内道路网核密度的时空演变探究，道路网核密度变化结果如图7所示。核密度分析用于计算点、线要素测量值在指定邻域范围内的单位密度。简单来说，它能直观的反映出离散测量值在连续区域内的分布情况。2017-2021年深圳市道路网核密度（基于SuperMap分析）空间格局动态演变：2017年呈显著空间异质性，西南核心区（南山区、福田区、罗湖区）道路密集、核密度高，东北及边缘区域稀疏，形成“西南密、东北疏”格局；2021年西南核心区高密度范围拓展，中部、东部新增高值区，边缘低值区收缩，整体呈现核心区强化、次核心区涌现的发展特征。

图7 a.2017年道路网核密度图；b.2021年道路网核密度图；c.2017至2021年道路网核密度变化图

5. 地下水位年际变化分析

选取深圳区域2017年与2021年两个典型年份，通过计算12月与1月地下水水位差值（差值=12月水位-1月水位），利用空间可视化手段，分析区域地下水水位年内变化差异特征，如图8。2017年12月-1月深圳地下水水位差值集中于0.0-1.5m，呈单一蓝色系，空间分布均匀、无极端差异，年内变化空间一致性强，与区域气候、用水等因素导致的地下水开采与补给空间均衡相关；2021年该差值色彩梯度丰富，红色区域（差值＜-2.1m）集中于西部（12月水位低于1月），东部及北部多为蓝色区域（差值＞1.5m，12月水位显著高于1月），空间异质性增强，与降水分布不均、人类用水活动空间差异等导致的补给-消耗关系改变相关。

图8 a.2017年地下水位年际变化图；b.2021年地下水位年际变化图

6. 地理探测器分析

因子探测结果分析。如表2和图9所示，对比2017年与2021年各驱动因子的q值（地理探测器中表征因子对沉降分异的解释力），可揭示深圳沉降驱动机制的时间演变特征。

表2 2017年-2021年因子探测器结果对比

图9 2017年和2021年因子探测器q值对比图

交互探测结果分析。交互探测结果显示，因子间交互作用对城市沉降分异的解释力（q值）是评估协同驱动效应的关键指标，值越高表明因子间协同作用越强。

图10 2017年和2021年交互探测器q值对比图

生态探测结果分析。生态探测的核心作用是检验不同驱动因子对沉降分异的解释力是否存在显著统计学差异。如表3所示，所有非对角线交叉项（如道路网核密度与土地利用类型变化、铁路/地铁距离等）均为TRUE，说明道铁路/地铁距离、地下水位年际变化、道路网核密度、土地利用类型变化、填海造陆工程活动这5个因子之间，对沉降分析的解释力存在显著差异。

表3 生态探测器结果(2017年与2021年一致)

结合地理探测器对驱动因子解释力及交互作用的量化结果，得出深圳市2017年、2021年沉降风险等级划分图，如图9所示。2017年深圳市沉降中等风险区主要分布在光明区、南山区南部以及罗湖、盐田、坪山等区域，此时交通网络（路网密度、地铁规模）尚未大规模扩张，地下水等因子的单一或弱协同作用使风险呈中等风险且分散分布未形成高风险集群。到2021年，受地下水动态变化、道路密度提升（路网加密）及地铁铁路网络扩张等因素共同驱动（地理探测器中“地下水位年际变化×道路网核密度”“地下水位年际变化×铁路/地铁距离”交互q值显著增高，协同效应显著），形成了三大风险集群（2021年综合风险图中的黑色虚线所示）：南山区北部-龙华区南部形成高风险区域，西部沿海区域呈现局部中高风险，宝安区北部-光明区北部为中等风险区。

图11 a.2017年深圳市沉降风险图；b.2021年深圳市沉降风险图

根据以上划分的三大风险集群，进行多因子交互分析，如图10所示。 深圳三大沉降风险集群的形成均与多因子协同作用相关：    1. 高风险区：南山区北部-龙华区南部因地铁6/5南延/9西延等轨道交通密集更新、路网加密，叠加地下水剧烈减少，三者协同驱动沉降（速率＜-10mm/y）；西部沿海区域沉降更剧烈（部分＜-20mm/y），源于轨道交通（6号线、穗深城际等）+路网加密带来的交通荷载大幅提升、地下水剧烈消耗、填海区域建筑用地快速扩张的强协同作用。2. 中等风险区：宝安区北部存在局部沉降＜-10mm/y，地铁6号线贯穿+路网加密，建筑用地扩张显著，交通荷载与土地开发的协同效应推动其形成（地下水波动但驱动较弱）。3.低风险区：光明区北部沉降平缓（极少＜-10mm/y），路网加密幅度、建筑用地扩张强度均较低，地下水动态稳定，仅局部因小规模交通建设或土地开发存在中等沉降风险。

图12  三大风险集群多因子驱动分析

作品亮点及提升方向

本作品主要亮点如下： 

本文聚焦沿海特大城市深圳的地面沉降问题，研究价值与技术方法兼具显著优势。

1. 数据支撑扎实可靠，整合了 Sentinel-1A 影像、NASA DEM、土地利用、交通网络、地下水等多源权威数据，保障了研究的科学性与可重复性。

2. 技术方法融合创新，将时序 InSAR 技术与地理探测器相结合，既实现了沉降速率的精准监测，又定量解析了交通、水文、土地利用等多因子对沉降的影响及交互作用，突破了单一方法的局限性。

3. 研究视角兼具时空维度，通过对比 2017-2021 年数据，清晰揭示了沉降 “西部核心、中部扩张、东部稳定” 的空间格局演变及驱动机制的时间变化特征，且精准识别出三大沉降风险集群，为区域防控提供了明确靶向。

4. 成果应用导向明确，通过风险分区与多因子协同分析，厘清了不同风险区的核心驱动诱因。

作品可能的提升方向如下：

1. 时间维度连续性不足，仅选取 2017、2021 两个时间节点，难以捕捉沉降及驱动因子的连续动态过程，若增加年度时序数据，可更精准刻画演变规律与滞后效应。

2. 验证与预警机制待强化，地理探测器的量化结果缺乏实地调研数据（如典型区域沉降监测点实测值）的验证，且未建立基于研究成果的动态预警模型，削弱了成果的落地应用效能。

指导老师评语

该作品围绕深圳市地面沉降的时空演化与驱动机制展开研究，选题紧密结合国家地质灾害防治需求与城市安全现实问题，具有较强的理论价值与实践意义。研究团队创新性地融合PS-InSAR时序监测与地理探测器定量分析方法，构建了"多源数据协同-驱动机制量化-风险分区评估"的技术框架，成功揭示了深圳市2017-2021年间地面沉降"西部核心沉降、中部范围扩张"的时空演化规律。

成果系统揭示了深圳市沉降的时空分异特征，尤其是通过地理探测器精准量化了深圳地面沉降受铁路/地铁距离、地下水位年际变化、道路网核密度、土地利用类型变化、填海造陆工程活动五大因子协同驱动，体现了较高的学术洞察力与分析深度。

团队数据处理规范、论证严谨，结论对深圳市地面沉降防控具有参考价值，展现了扎实的GIS应用与科研能力。总体而言，本作品是一项完成度高、创新性较强的优秀研究成果。

团队合影

从左到右：税珊珊、周芸悦、秦晓琼（指导老师）、朱国亮、江可彬