【技术】区域地面沉降研究进展与展望（1985—2025年）

摘要

【目的】全面梳理1985—2025年区域地面沉降研究主题、热点聚类及前沿突现词，系统阐述区域地面沉降演化归因、模拟预测与风险评价核心领域的研究进展与问题，为深化区域地面沉降演化归因认知、提升模拟预测能力、完善风险评价体系提供科学依据。【方法】本文基于WoS（Web of Science）英文数据库、CNKI中文数据库，采用文献计量学方法和CiteSpace软件，对1985—2025年区域地面沉降研究主题、热点聚类结果及前沿突现词进行系统分析。在此基础上，依据可视化分析结果，系统梳理了区域地面沉降演化归因、模拟预测、风险评价三大核心领域的研究进展。【结论】区域地面沉降发展方向主要包括以下3个方面。① 深化“自然-人为”二元水循环驱动、多灾害链互馈下的非均匀沉降演化归因研究。气候变化驱动区域二元水循环、南水进京等新水情背景下，揭示区域地下水-地面沉降耦合演化与临界条件。② 在大模型时代背景下，进一步构建“数据-知识”双驱动的智能预测模型。将知识嵌入机器学习框架，提升地面沉降长期预测精度，增强模型应对非线性、非平稳沉降过程的能力。③ 在新水情背景下，构建多源协同的区域地面沉降灾变风险评价体系，需厘清沉降与伴生灾害的互馈机制、优化二元水循环下地下水位临界阈值识别方案，建立重大线性工程全生命周期预警机制，形成沉降灾害精准防控技术框架。【意义】通过揭示区域地面沉降的研究主题、热点聚类及前沿演进特征，可更好地理解与应对气候变化、极端天气事件及人类活动对区域地面沉降的影响，为区域地面沉降研究提供科学依据。

引用本文

郭琳, 眭嘉田, 王海刚, 宫辉力, 朱琳, 陈蓓蓓, 周超凡, 张锦冉, 高鑫祎. 区域地面沉降研究进展与展望[J]. 地球信息科学学报, 2026, 28(9): 2861-2883

1 引言

地面沉降是在自然因素与人类工程活动叠加影响下，地下松散岩层发生固结压缩，导致一定区域内地面高程降低的缓变性地质灾害[1]。目前，全球已有200多个国家和地区发生地面沉降，已成为制约可持续发展的全球性复杂地质环境问题。2021年，联合国教科文组织地面沉降工作组在《科学》（Science）上发表《Mapping the global threat of land subsidence》[2]论文，指出到2040年地面沉降可能影响全球19%的人口，总计达16亿。在我国，随着地下水调控政策实施、南水北调工程通水及极端天气事件频发等新水情背景，多地出现了地面沉降-回弹共生、地裂缝活化等复杂演化现象，对特大城市安全与基础设施韧性构成严峻挑战[3]。对此，党中央、国务院高度重视，2021年自然资源部先后印发《全国地质灾害防治“十四五”规划》[4]与《关于开展我国特大城市地面沉降风险评估与区划的通知》[5]，明确将地面沉降列为重点治理的地质灾害，要求开展系统性评估与综合治理。

回顾学科发展脉络，区域地面沉降研究历经40余年积淀演进，整体可划分为以下几个阶段。初期为初始观测阶段，以野外地质勘查、单点形变监测为主，重点厘清沉降空间分布规律与灾害发育特征；中期迈入单因素沉降机理探究阶段，着重剖析地下水开采、地质构造等要素单独作用下的沉降驱动机制；后续逐步进入多技术融合监测阶段，InSAR遥感探测、自动化监测等技术广泛应用；现阶段为耦合机理与综合防控阶段，研究重点聚焦多因素耦合致灾机理解析。目前，面对区域沉降日趋复杂的演化态势，现有研究仍存在部分亟需解决的科学问题。多重因素耦合下的致灾机理尚未完全厘清，沉降预测模型适配性仍有欠缺；同时风险评估标准尚不统一，难以满足差异化区域的灾害防控实际需求。

历经40余年的发展，区域地面沉降研究已积累了海量文献，研究主题日益多元，技术方法迭代迅速。现有相关综述大多局限于定性梳理总结，普遍聚焦单一研究方向、局部典型案例展开论述，缺少对中英文海量文献的长时序量化分析，无法客观完整梳理本领域整体发展脉络，也难以厘清研究脉络的演变轨迹、精准识别前沿热点的迁移规律。相较于已有综述研究，本文采用文献计量分析手段，整合中外核心数据库文献开展全景式梳理，以此全面掌握全球研究动态、明晰区域沉降研究的发展趋势。

综上，本文以1985—2025年 Web of Science（WoS）英文数据库与CNKI中文数据库文献为基础，采用文献计量学方法和 CiteSpace 软件，对区域地面沉降研究的主题分布、热点聚类及前沿突现词进行系统分析。综合关键词聚类、时区分析和突现分析的文献计量结果，本文聚焦演化归因、模拟预测、风险评价三大区域沉降研究核心领域，系统梳理各方向研究进展与现存瓶颈，并结合“数据知识”双驱动与二元水循环新背景展望未来发展方向。

2 数据来源与研究方法

01

2.1 数据来源与检索策略

本文采用CNKI中文数据库和WoS英文数据库开展文献检索和筛选。遵循研究主题精确匹配、专业术语体系全面覆盖、检索范围充分完备、布尔逻辑严谨构建的检索式构建原则。在CNKI数据库中，以主题字段为检索项，检索式为：'地面沉降' OR '地面塌陷' OR '地裂缝' OR '沉降监测' OR '沉降预测'；在Web of Science核心合集中，以主题字段（TS）为检索项，检索式为：TS=(land subsidence OR ground subsidence OR surface subsidence OR ground settlement OR land collapse OR surface deformation)。检索时间跨度为1985—2025年，限定文献类型为学术期刊论文（Article）。人为核验按照文献去重、摘要关键词比对和主题相关性判定的流程依次开展，剔除与研究主题无关的内容，共保留中文文献数据2 456条，英文文献数据9 004条，以此为数据样本进行系统分析。

02

2.2 研究方法与工具

CiteSpace 软件能够直观呈现研究领域的热点分布与前沿演进脉络[6]，其核心包含多种可视化分析功能。其中，聚类视图为默认分析模式，主要用于划分领域研究分支，识别主流研究方向；时区分析梳理不同阶段研究重心变化，厘清学科发展时序脉络；突现词分析捕捉新兴研究热点，判定领域未来前沿趋势[7]。相较于其他文献计量软件，CiteSpace 在知识图谱绘制、时序演化分析、热点突变识别方面优势突出，可视化效果清晰，可高效挖掘海量文献内在关联，适配本次对区域地面沉降研究开展长时序、多维度全面梳理的工作。因此，本文以 CiteSpace 6.4 为核心工具，采用文献计量学与可视化分析相结合的方法，整合关键词聚类、时区分析与突现分析3种功能，对1985—2025年区域地面沉降研究的主题分布、热点聚类及前沿动态开展系统解析。

03

2.3 参数设置与研究框架

在具体参数设置上，时间切片长度为1年，确保以年度为单位捕捉研究主题的时序演变；选择“关键词”作为分析节点，聚焦研究主题的核心概念；节点筛选采用 G-index 策略，比例因子k设为5，以平衡网络规模与研究主题覆盖度；网络剪枝运用路径搜寻网络（Pathfinder）算法，对分时段网络和整体网络分别剪枝，既保留每个时间切片内的核心主题关联，又保留跨年度的长期演化主线，同时避免过度简化导致信息丢失[8]。综合聚类分区结果、时序演化规律与前沿热点特征，归纳整合领域核心探究内容，提炼出演化归因、模拟预测、风险评价三大区域沉降研究核心领域，以此搭建全文整体框架，整体研究框架如图1所示。

图1 研究框架图

3 区域地面沉降研究现状可视化分析

关键词是文献主题、核心内容、研究思路及方法的高度凝练，其内涵与频次分布能直观反映领域研究的聚焦方向，已成为信息计量研究中刻画领域特征的重要指标[9]。通过关键词分析可精准提炼年度研究热点，能基于其演变规律对领域未来发展趋势进行预测。本文采用CiteSpace软件，以关键词为节点，分别对中文、英文文献数据进行分析。

01

3.1 研究热点聚类分析

本文采用聚类分析对数似然比算法（Log-Likelihood Ratio, LLR），通过计算关键词在不同聚类中的分布差异，实现主题标签的精准提取、生成关键词聚类图谱，如图2、图3所示。CiteSpace依据网络结构和聚类清晰度提供模块值（Q值）和平均轮廓值（S值）2个指标，验证聚类结果的有效性。其中，Q>0.3表示聚类的社团结构显著，即不同聚类间主题差异清晰，无明显交叉重叠；S>0.7表示聚类内部关键词关联性强、主题聚焦度高，聚类结果可信[7]。本文CNKI中文数据库文献聚类Q值为0.83、S值为0.97，WoS英文数据库文献聚类Q值为0.87、S值为0.96，上述数值均处于合理区间，说明本研究聚类效果显著，具有一定参考价值。图中生成的聚类标签反映目前CNKI中文数据库、WoS英文数据库中的区域地面沉降领域的热点，聚类号越小，所包含关键词数量越多。

图2 1985—2025年CNKI中文数据库区域地面沉降领域关键词聚类图谱

图3 1985—2025年WoS英文数据库区域地面沉降领域关键词聚类图谱

如图2所示，CNKI中文数据库文献中区域地面沉降领域关键词分为7个聚类标签，热点强度由高至低依次为地下水开采、沉降监测、InSAR（合成孔径雷达干涉测量技术，Interferometric Synthetic Aperture Radar）、沉降预测、防治措施、地裂缝、时序分析。其中，“地下水开采”聚焦地下水超采与地面沉降的耦合机理，是我国华北平原、长江三角洲等典型沉降研究区的核心主题；“沉降监测”、“InSAR”和“时序分析”共同构成多源时序形变监测技术体系；“沉降预测” 侧重各类预测模型的应用；“防治措施”面向区域地面沉降综合治理与风险防控；“地裂缝”关注沉降伴生灾害的演化成因与防控对策。

如图3所示，WoS英文数据库文献中区域地面沉降领域关键词分为7个聚类标签，热点强度由高至低依次为GIS（地理信息系统）、InSAR（合成孔径雷达干涉测量技术）、Numerical Simulation（数值模拟）、Monitoring（监测）、Groundwater（地下水）、Machine Learning（机器学习）、Climate Change（气候变化）。其中，“GIS”侧重空间分析与数据管理应用；“Numerical Simulation”强调沉降演化机理的精细化模拟；“Monitoring”与“InSAR”对应多尺度动态监测技术；“Groundwater”关注水文地质过程与沉降驱动机制；“Machine Learning”代表智能算法驱动的前沿研究方向；“Climate Change”则体现全球气候变化背景下的多要素耦合研究。

综合聚类结果可见，CNKI中文数据库和WoS英文数据库的研究热点具有较高的共性特征。地面沉降监测、InSAR是两大数据库共有的核心聚类标签，均以监测、模拟预测和风险评价等作为重点研究方向。依据各聚类的研究目标与功能定位，可将7个聚类归并为3个维度：归因维度、方法维度与应用维度。归因维度涵盖CNKI聚类（地下水开采）与WoS聚类（Groundwater），聚焦地下水-地面沉降耦合机制，构成区域地面沉降研究的理论基础；方法维度包含CNKI聚类（沉降监测）、（InSAR）、（时序分析）与WoS聚类（InSAR）、（Monitoring），其技术路径经历了从传统水准测量到InSAR遥感监测、再到多源协同监测体系的代际更新，构成区域地面沉降研究的技术基础；应用维度涵盖CNKI聚类（沉降预测）、（防治措施）、（地裂缝）与WoS聚类（Numerical Simulation）、（Machine Learning）、（Climate Change），面向模拟预测与灾变风险评价，构成区域地面沉降研究的应用基础。3个维度在中英文数据库中高度对应，验证了区域地面沉降研究知识体系的稳定性。

在共性研究基础上，两大数据库聚类特征存在一定差异。CNKI中文数据库的研究以地下水超采为核心，紧扣国家重大战略需求，重点面向典型沉降区治理、高速铁路及城市重大工程安全保障开展研究，工程实践与灾害防控导向突出；WoS英文数据库中的研究更注重空间分析、数值模拟及机器学习的技术创新，并更多关注全球气候变化背景下的环境效应问题。

02

3.2 国内外研究主题分析

CiteSpace提供G-index节点筛选策略，该方法结合了2006年Egghe提出的G指数，可有效融合论文数量与被引质量、量化学术影响力，且对高被引论文更为敏感。CiteSpace在G指数原始定义基础上，通过增设“比例因子k”以构建“修正G-index”，使节点筛选结果更贴合具体研究需求。因此本文选取G指数为筛选方法，比例因子k=5。将筛选后的关键词按1985—2025年时间顺序排列，得到关键词共现时区图，并按照研究对象、遥感数据源、模型、方法、措施将关键词进行分类，如图4、图5所示。

图4 1985—2025年CNKI中文数据库区域地面沉降领域关键词共现时区图谱

图5 1985—2025年WoS英文数据库区域地面沉降领域关键词共现时区图谱

中英文文献在区域地面沉降研究中整体围绕重点区域监测、成因机制解析与模拟预测方向展开。在研究区域上，中英文文献均以地下水超采区为重点研究对象，WoS英文数据库文献聚焦美国加州、拉斯维加斯和意大利威尼斯等典型沉降区域，CNKI中文数据库文献以长江三角洲、华北平原和珠江三角洲等地下水超采问题突出的区域为主。在技术应用上，中英文文献均侧重将监测技术和多学科理论相结合，采用合成孔径雷达干涉测量技术（InSAR）、全球导航卫星系统（GNSS）等监测手段获取地表形变数据，分析地下水流场变化、土层固结特性等与地面沉降的相互关联与相互作用，解析沉降演化成因机制。在模拟预测方面，早期均通过构建数值模型模拟区域沉降过程，但传统经验公式或数值模拟在参数获取、过程刻画和不确定性估计方面存在局限。2019年以来人工智能（Artificial Intelligence, AI）技术凭借其对高维、非线性映射的天然优势，被广泛用于地面沉降的预测、监测与风险评估。

时区分析进一步揭示了上述研究主题的时序演化特征（图4、图5）。1985—2000年，研究侧重沉降空间识别与单一成因描述，监测手段以水准测量、分层标为主；2000—2015年，InSAR技术的引入实现了区域地表形变广域、连续、高精度监测，区域地面沉降研究从定性描述转向定量机理解析，“耦合模型”、“渗流场”等关键词持续活跃；2015年以来，机器学习、大数据驱动方法兴起，“Machine Learning”、“Risk Assessment”等成为热点，区域沉降研究逐步向智能化、精准化方向发展，风险评价从静态区划向动态预警升级。上述演化轨迹为“演化归因-模拟预测-风险评价”三大核心领域的形成提供了时序依据。

03

3.3 研究前沿突现分析

突现词是指在短时间内出现频次突然增加，或使用频次显著增长的关键性术语，关键词突现强度可反映某一时期内影响力较大的研究领域，有助于研究人员准确把握研究前沿[10]。本文采用CiteSpace软件的突现分析功能，以1年为时间切片，对区域地面沉降发展演化过程与研究前沿进行突现分析。1985—2025年区域地面沉降领域关键词突现分析如表1、表2所示。

表1 1985—2025 年CNKI中文数据库区域地面沉降领域关键词突现分析

表2 1985—2025 年WoS英文数据库区域地面沉降领域关键词突现分析

从演化趋势来看，两大数据库相关文献中，区域地面沉降研究呈同步发展态势，经历了从传统监测与单一成因分析，逐步向多技术融合、大数据驱动与智能管控的全方位升级。依据关键词突现的时序分布，该过程呈现以下3个方面的更新。

首先，区域沉降演化归因研究从单一因素走向多要素耦合。1985年后伴随矿区开发、城市建设[11-12]，早期研究聚焦土层压缩、地下水超采[13]等单一成因机理，随着南水北调、全球极端天气事件频发等新水情，归因研究从单一因素识别，拓展至融合多源监测数据、构建耦合模型，开展自然-人为二元驱动下的多要素权重解析与演化规律探究[14-15]。

其次，区域沉降监测与预测方法从传统手段走向智能协同。监测方法上，从水准测量、分层标测量等传统手段，逐步向时序InSAR、GNSS等“天-地-深”一体化时空监测技术迭代，实现了广域覆盖、长时序连续、高精度探测的技术突破[16-17]。值得注意的是，CNKI中文数据库中，GNSS监测于2020—2025年成为突现热点。其原因一方面在于北斗三号系统全面建成，国产高精度接收机普及应用使设备成本显著下降，监测体系自主可控能力大幅提升；另一方面，全国及重点沉降区CORS基准站网持续加密，普适型低成本GNSS监测站点实现规模化部署，可保障毫米级、全天候、连续实时的动态探测。同时，京津冀地面沉降综合治理、国家万亿国债地质灾害防治等重大工程实施，均对“天-地-深”一体化监测提出迫切需求。GNSS可与InSAR、水准数据有效融合，弥补InSAR空间采样密度不足、高精度垂直形变获取能力有限等短板[18]。模拟预测方面，从传统确定性模型[19]、统计模型[20]逐步向智能化、大数据驱动方向发展[21]，研究方法不断更新。2019年后依托AI大模型底层逻辑，“人工智能”成为突现热点，2023年后“Machine Learning”以16.66的高强度持续突现，且与“SBAS-InSAR”（27.08）、“PS-InSAR”（15.35）等监测技术突现词形成共现簇，实现了从静态模拟到动态预测、从机理粗略刻画到高精度量化模拟的升级。

再次，区域沉降风险评价从静态评价走向动态调控。早期的区域沉降风险评价以单一防治对策为核心，“风险评价”（2003—2006）为突现热点；后期结合沉降演化机制与智能监测数据[22-23]，形成“监测—识别—归因—预测—防控”的全过程调控体系。2023年后“Risk Assessment”（16.01）、“Construction”（12.10）同步突现，且与“Machine Learning”紧密共现，既覆盖地铁等城市新空间的风险评估，也支撑地下水超采区、软土区等典型区域的防控策略制定，进一步完善了区域地面沉降综合管控的技术路径。上述三个方面共同指向：区域地面沉降研究已从“单一监测—简单归因—静态评价”的格局，走向“演化归因—模拟预测—风险评价”的系统化集成。

04

3.4 不同数据库区域沉降研究差异成因与核心领域提炼

综合本章聚类特征、研究主题与时序前沿演化结果可知，CNKI中文数据库区域沉降研究紧扣国家重大战略需求，主要聚焦地下水超采综合治理、流域水资源调配、城乡重大基础设施安全防护等，研究重点面向典型沉降区治理、高铁及城市重大工程安全防护等，整体呈鲜明的工程实践与灾害防控研究导向；WoS英文数据库中的研究更注重空间分析、数值模拟及机器学习的技术创新，较多关注全球气候变化背景下的地质环境响应问题。在研究区域上，中英文文献均以地下水超采区为重点研究对象，WoS英文数据库文献聚焦美国加州、意大利威尼斯等典型沉降区域，CNKI中文数据库文献则以华北平原、长江三角洲等地下水超采问题突出的区域为主。中英文数据库区域沉降研究出现分化，根源在于水资源开发利用格局、区域工程开发强度与科研定位的不同，其本质是应用需求与研究视角的差异。但在数值模拟、智能算法等关键技术领域，CNKI中文数据库和WoS英文数据库中的研究整体呈现同步起步、并行发展的态势。

结合本章关键词聚类、时区分析和突现分析的文献计量结果，1985—2025年区域地面沉降研究可凝练为“演化归因—模拟预测—风险评价”三大核心领域。聚类分析揭示了区域地面沉降研究的三个结构性维度（归因维度、方法维度、应用维度），时区分析明晰了3次技术的范式转换（经验观测→机理解析→智能预测），突现分析识别了3个前沿转向（多要素耦合归因、智能动态预测、全链条风险管控）。三者共同指向“演化归因—模拟预测—风险评价”的“认知—预测—应对”的逻辑链。

4 核心研究现状

当前区域地面沉降研究已成多学科交叉、多源数据融合、多技术集成的发展态势。在“人为-自然”的二元水循环框架下，综合水文地质、遥感、大地测量等多领域理论知识，集成多源形变监测、时空分析、机器学习等新技术方法，开展区域沉降演化归因与灾变风险研究（图6）。

图6 区域地面沉降研究逻辑框架

结合第3节凝练的“演化归因—模拟预测—风险评价”逻辑框架，本章聚焦区域地面沉降研究的演化归因、模拟预测、风险评价3个方向，系统梳理各方向研究进展，具体如图7所示。

图7 区域地面沉降领域研究进展分类

01

4.1 区域地面沉降演化归因的研究进展

从关键词聚类与突现分析结果可知，地面沉降演化归因是区域地面沉降研究的核心热点，也是贯穿该领域发展的基础科学问题。基于文献计量识别的研究脉络，本节从监测技术、演化规律与成因机制三方面系统梳理相关研究进展。

4.1.1 InSAR监测技术发展方向

地面沉降传统监测方法包含水准监测、分层标、基岩标和GNSS（GPS）监测等。传统的监测方法精度高，但需投入大量人力物力，且空间分辨率低，难以全面反映整个区域地面沉降情况。InSAR技术通过分析同一地区多时相全球合成孔径雷达数据的雷达相位信息，反演地形及地表形变，具有全天时、全天候、大范围监测的优势[24]。伴随InSAR技术快速发展，以及ERS-1/2、ALOS PALSAR、ENVISAT ASAR、TerraSAR-X、COSMO-SkyMed和Sentinel 1/2等多平台SAR卫星相继发射（图8）。多代SAR卫星组网拓展了遥感监测的时空覆盖能力，弥补了早期卫星观测时序短、数据不连续的局限，为大区域、长时序的地面沉降演化归因研究提供了关键数据支撑。近年来，InSAR监测正向广域空间识别、长时序地表形变和多维度变形探测等方面发展[25]。

图8 SAR卫星分波段时间发展图谱

在广域InSAR空间识别中，其应用目标是构建全域覆盖的统一数据集，典型成果包括欧洲地表形变服务（EGMS，目前规模最大的InSAR变形测量服务，监测范围覆盖欧洲27个成员国）、中国地表形变一张图等。其中，国内相关工作主要包括：武汉大学李德仁院士、龚健雅院士团队基于哨兵1A/B时序InSAR数据研制完成全国地表形变一张图，地表形变速率精度达4.82 mm/年[26-27]；中国测绘科学研究院张永红等依托自主处理平台研制2022—2024版全国地表形变一张图，建成全国地表形变成果在线服务系统，面向行业提供200 m分辨率免费数据服务与高精度定制化监测服务[28]；中国地质调查局自然资源航空物探遥感中心葛大庆等采用时序 InSAR技术开展全国地表形变监测，形成覆盖全国的广域形变监测产品，重点服务于地质灾害隐患识别与地面沉降防控工作。

在长时序地表形变监测中，其应用目标是获取长时间序列连续地表形变信息，探究区域沉降演化过程，具有代表性的工作包括：2021年Francesca Cigna[29]利用ERS-1/2、Envisat ASAR和Sentinel-1数据，获取墨西哥Aguascalientes山谷1996—2020年地表形变信息；2022年李光荣[30]利用ERS1/2、Envisat/ASAR、TerraSAR-X、ALOS/PALSAR-2和Sentinel-1数据，联合QQA和分段插值方法，获取西安地区1992—2021年30年连续融合地表形变信息；2023年董杰[31]运用ERS-1/2、ENVISAT ASAR、RADARSAT 2和Sentinel-1数据，结合逻辑曲线模型，获取北京平原区1992—2022年地表形变信息。

4.1.2 区域地面沉降演化规律研究

现阶段区域沉降演化规律研究，主要包括传统地面点位监测、区域遥感InSAR监测两类（图9），在获取区域地表形变速率的基础上，采用时序分析、空间差异性分析和时空耦合等多元化分析方法，系统开展区域地面沉降的时空分布特征研究。

图9 区域地面沉降演化规律研究框架

2022年以来，唐伟等[32]利用时序InSAR技术，结合小波分析等方法，探讨了汾河流域地下水位回升背景下的地面沉降时空演化格局。2023年，王国权等[33]运用时序InSAR、GPS技术和地下水水位数据，结合主成分分析等方法，对比了南水北调前后天津地面沉降的演化模式，揭示了天津地面沉降的主要诱因。2023年，张金华[34]利用PS-InSAR技术，获取了2013—2020年上海地铁沿线地表形变，结果表明上海进入微沉降阶段，地铁沿线地面沉降趋势总体较为稳定，变形较大区域主要分布在郊区（特别是新开通的5号线和浦江线）。2023年，武哲戎[35]利用MT-InSAR方法，获取2015—2021年粤港澳大湾区地表形变信息，采用空间自相关、空间互相关方法，选取地面沉降驱动因子，运用地理加权回归模型，厘定各区域沉降的主导影响因素。2024年以来，宫辉力等以华北平原为研究区，综合运用时序InSAR、空间分析、时间序列分析等技术方法，系统获取了近20年华北平原地表形变时空格局；集成时间序列分析、机器学习、时空数据挖掘等新技术方法，精准识别了华北平原沉降中心、非均匀形变梯度、沉降-回弹共生区及高铁异常形变区段[36-37]；通过构建的新背景下多要素不同层次结构的传递函数集[38-39]，动态识别其相互关联、相互作用，揭示山前平原、中部平原、滨海平原的差异性（沉降-回弹）互馈过程[40-42]。

4.1.3 区域地面沉降演化机制研究

地面沉降发生、发展、演化的成因包括自然和人为两类因素，其中自然因素包括地质构造运动、土体自重固结等，人为因素包括地下水过量开采、大面积建筑荷载和地下空间开发等。自然-人为二元驱动下的地面沉降机制日趋复杂，单一监测手段与分析方法已难以满足归因识别需求，GNSS、InSAR等遥感监测技术与台站观测、空间分析、时间序列分析的多维度融合，成为揭示二元耦合机制的核心技术路径（图10）。

图10 区域地面沉降演化机制研究框架图

（1）地面沉降对地下水流场的响应研究现状

地下水开采引发含水层系统释水压缩、土层固结变形，是抽水引起地面沉降的成因机制。2007年，贾三满等[13]对北京平原区含水层组和压缩层组进行系统划分，并运用土层固结实验、分层标和地下水位数据，证实地下水超量抽汲是引起北京平原区地面沉降的主要诱因，地面沉降的发生发展、分布规律与地下水动态变化、地层岩性和结构特征密切相关。2008年，Bell等[43]运用PSI和GPS技术，获取美国拉斯维加斯长时序地表形变信息，发现在人工回灌区域浅层地下水水位呈持续上升趋势，但山谷部分地区受非弹性含水层系统压实影响，地面沉降仍在持续。宫辉力、陈蓓蓓等[44-45]选取北京平原典型区域，系统开展区域地面沉降演化机制研究，证实地下水过量开采是北京平原区地面沉降发生与演化的主要原因，区域沉降主导贡献层位为100~180 m，动静载荷对区域沉降演化具有一定影响。2024年，雷坤超[46]运用多源监测数据，分析了南水北调前后北京平原区地下水-地面沉降响应变化，阐明不同水位变化下不同岩性及深度土层的变形特征，并探讨了黏性土层变形滞后效应的产生机制。

（2）地面沉降对区域动静荷载应力场的响应研究现状

随着城市集群的快速扩张，高层高密度建筑群产生的静荷载、立体交通网络（地铁、立交桥等）形成的动荷载急剧增加，区域差异性沉降问题日益突出。2007年，唐益群等[47]通过室内模型试验，揭示阐述上海典型地质背景下地面沉降对高层建筑群的响应特征，结果表明密集高层建筑群之间存在显著的应力叠加效应。2017年，伊尧国等[48]从地理信息模型构建和建筑荷载引发沉降的机制入手，综合考虑建筑容积率、压缩层厚度、土体压缩模量等6个诱发因子对沉降的影响，构建天津建筑荷载背景下区域地面沉降模型。陈蓓蓓、周超凡等[49-50]，结合数据场、建筑指数和随机森林等技术方法，定量揭示各因素对北京平原地面沉降的贡献程度。

02

4.2 地面沉降模拟预测研究进展

地面沉降模拟预测是关键词聚类中的核心主题，同时也是近年来突现强度持续走高的前沿方向，尤其以机器学习、多模型耦合为代表的新方法不断涌现，是解析沉降演化规律、识别灾变风险与制定防控策略的核心技术支撑。依托文献计量揭示的演进趋势，本节对确定性模型[51-52]、随机统计模型[53]和机器学习模型[54-55]的发展进行系统梳理。这些模型基于各异的理论逻辑与技术路径，在数据需求、机理刻画、适用场景等方面呈现显著差异，分别在不同阶段为地面沉降研究提供了关键方法支撑，如表3所示。

4.2.1 确定性模型的应用与发展

确定性模型是地面沉降模拟领域基于物理机制构建的经典模型体系，利用有限差分法等模拟地面沉降的复杂过程，此类模型基于经典力学理论，可反映地面沉降的水土应力关系。依据渗流模型和土体模型的不同结合方式，可分为两步走模型、部分耦合模型和完全耦合模型[56]。确定性模型可以良好地模拟地下水-地面沉降的过程，在美国休斯敦、意大利威尼斯、我国苏锡常地区等广泛应用[57-58]。但此类模型需要详尽的基础地质、水文地质参数，准确刻画复杂的地层结构，才能具有较高的模拟精度。先验知识和参数信息难以获取且数据密度较低，实际应用难度较高[59-60]。近年来，针对地表形变非连续性模拟不足的问题，朱琳[19]、张可[61]等依托地球数值模拟大科学装置，引入近场动力学理论，模拟区域差异性沉降、地裂缝萌生-扩展-结构破坏的灾变过程，开展不同气候情景下地面沉降发生-突变-回弹一体化演化模拟和区域预测。

4.2.2 随机统计模型的应用与发展

随机统计模型是在建立白化模型较为困难的情况下，普遍采用的一种方法，它侧重于运用统计方法分析变量之间关系和依赖性。依据数据特征与建模目标的差异，随机统计模型主要包括三类：回归模型（多元线性回归模型[62]等）、时间序列模型（ARIMA模型等）和灰色模型（GM (1,1) 模型[63-64]等）。在关系较为明确的场景下，其可提供直观且可解释的模拟结果，但在建模过程中，难以反映地面沉降与地下水系统的动力学机制，且面对非线性、高维度数据时，无法有效捕捉数据间的复杂关联。针对上述局限，近年来多个团队通过对贝叶斯框架[65]、蒙特卡洛模拟[66]、随机介质理论等传统随机模拟方法的算法优化，以及传统随机模拟与确定性动力学模型、有限元方法[67]的耦合应用，实现了针对性改进，在滨海平原、软土区、超采区等典型沉降区取得高拟合精度，有效弥补了传统建模在动力学机制表征及复杂数据关联捕捉上的不足。

4.2.3 机器学习模型的应用与发展

地面沉降是多因子复杂系统的叠加响应，其发生、发展和演化是非线性的过程，传统的确定性模型难以精准刻画其复杂关联，机器学习模型凭借无需预设变量间函数关系、可高效挖掘高维数据非线性映射的优势，已成为区域地面沉降模拟预测的研究热点。长期多源监测数据的积累、典型沉降区丰富算例及区域水文地质认知的深化，为大数据驱动分析提供了坚实的数据基础与理论支撑。现有应用中，常用的区域沉降机器学习模型包括随机森林、梯度决策树和支持向量机等传统方法，以及长短时记忆网络、注意力机制模型等深度学习方法，研究者已开展诸多实验探索。周超凡、李蕙君、郭琳等运用随机森林、梯度决策树[68]、蒙特卡罗-极端随机森林[69]、麻雀搜索算法[70]和注意力机制的长短时记忆网络等[71]模型，量化各影响因素对北京平原区地面沉降的贡献率，并开展模拟预测。纯粹数据驱动的框架忽视了地下水波动-有效应力变化-土体压缩这一物理链条，导致在沉降机制突变或样本稀疏情景下泛化性能骤降，长期预测可靠性不足。

目前，机器学习模型从数据驱动向“数据-知识”联合驱动发展，通过数据预处理、模型构建与评估环节嵌入领域先验知识，有效提升模型精度与鲁棒性并降低数据需求[72]。现有研究已实现二者初步融合，但仍限于单一物理约束嵌入，尚未形成系统化双驱动框架，在可解释性与外推能力上仍存在较大提升空间。

03

4.3 地面沉降风险评价的研究进展

地面沉降风险评价是近年国内外突现词中的重要研究方向，标志着该领域从机理分析逐步走向灾害防控与应用实践。结合文献计量展现的热点迁移特征，本节重点从评价方法体系与地下水位临界阈值两方面总结研究进展。地面沉降风险评价可用于分析其可能引发的潜在风险和影响。依据自然灾害风险的定义，其理论体系包含危险性、易损性、易发性和风险性[74]。其中，危险性指一定时间内地面沉降发生的概率与危险程度[75]；易损性指发生地面沉降难易程度和遭受地面沉降破坏的概率[76]；易发性指孕灾地质条件控制下灾害发生的空间可能性分布[75]；风险性则为定量表达各要素的综合作用结果[77]。在实际开展风险评价工作时，需结合地面沉降灾害自身特点、承灾体对其的敏感性程度，同时考虑区域地面沉降发生的动力条件与人类社会经济易损性等因素，选择适配的评价方法与核心指标，以确保评价结果的科学性与实用性。

4.3.1 区域地面沉降风险评价方法体系

地质灾害领域常用的评估模型为地面沉降风险评价提供了多元技术路径。目前，地面沉降风险评估的定量方法日趋丰富，已由单一指标定性评价拓展至多因子综合定量评价。目前，常用区域地面沉降评价方法包括专家经验法、统计分析法、机器学习法和物理机制法等，各类方法基于不同的理论逻辑与技术路径，在数据需求、机理刻画和适用场景等呈显著差异[74]，如表4所示。

（1）专家经验法

专家经验法指综合分析区域地面沉降各驱动因素后，依靠专家知识经验开展评价，主要包含专家打分法、层次分析法和模糊综合评价法等。2009年，Hu等[78]针对天津沿海地区，将危险性、易损性与抗灾能力纳入评价体系，采用AHP确定权重，实现了区域地面沉降风险的定性评估。2010年，王寒梅[79]构建了上海市地面沉降风险评价体系，综合考虑沉降发育程度、驱动因素、人口经济密度及减灾防护投入，采用AHP与因子加权叠加法开展评价。2016年，房浩等[80]以沧州地区为研究区，运用AHP与专家打分法，结合地质背景、地下水开采、累计沉降量等因子，完成地面沉降灾害风险评价。2017年，Richa Bhattarai[81]针对尼泊尔加德满都谷地，联合运用灾害风险指数法、层次分析法（AHP）与地理信息系统技术，综合考虑区域地质条件、人类活动强度等因素，完成了该区域地面沉降风险评估，为沉降防控提供了基础依据。2019年，Lyu等[82]聚焦上海特大城市基础设施安全，选取地下水开采强度、历史沉降量、高程、地铁密度、建筑面积比等14个关键指标，创新地提出改进的梯形模糊层次分析法（Fuzzy Analytic Hierarchy Process，FAHP），有效提升了特大城市复杂场景下地面沉降风险评价的精准度，为基础设施防护提供了科学支撑。

（2）统计分析法

统计分析评价法以概率统计为基础，通过建立各驱动因子与沉降的关联关系实现客观评价，主要包括信息量模型、Logistic回归模型、确定性系数模型、证据权模型等。2014年，Pradhan等[83]采用证据信念函数和频率比法，开展马来西亚坚打盆地地面沉降易发性评价，指出多变量统计分析法优于双变量统计分析法。2022年，何理等[84]构建确定性系数-逻辑回归耦合模型，应用于天津市地面沉降危险性评价，验证了耦合模型在复杂水文地质条件下的适用性。2023年，Qi等[85]以唐山市为研究区，采用AHP与信息量模型相结合的方式，将地质岩性、降雨、人口密度、路网密度等因素纳入评价体系，进一步丰富了不同地质背景下风险评价方法的应用场景。

（3）机器学习法

机器学习评价法是通过算法自动从数据中学习非线性映射规律的智能评价方法，具有高效挖掘高维数据非线性映射的优势，主要包括随机森林、支持向量机和神经网络等。2020年，Ebrahimy等[86]采用提升回归树、随机森林和分类回归树等方法，开展了伊朗塔苏杰平原区域地面沉降易发性评价。2022年，Sekkeravani等[87]采用逻辑回归、随机森林等方法，开展伊朗法尔斯省中东部平原区域地面沉降易发性评价，结果显示多个机器学习模型评价精度均较高。

4.3.2 二元水循环背景下地下水位临界阈值的识别与确定

识别并确定二元水循环背景下的地下水位临界阈值，是区域地面沉降风险防控与适应性调控研究中的关键科学问题。地下水位的变化与地面沉降的发生、发展密切相关，当地下水位降至某一临界值时，地面沉降可能出现加速或性质转变（如从弹性变形转为塑性变形），因此准确界定该临界值对沉降防控具有重要意义。1998年，牛修俊[88]最早提出地面沉降临界水位的概念，基于超固结值确定了天津第二承压含水层组的临界水位值。姜媛[89]、袁伟民[90]、邢忠信[91]等，通过地下水位与地面沉降量的相关性分析，确立了长江三角洲、沧州和北京地区的地下水位临界值。

地下水位与地面沉降之间呈显著非线性响应关系，传统线性相关分析难以准确识别复杂条件下的临界水位。近年来，非线性时频分析、机器学习被逐步应用于地下水位临界阈值的精准识别。2023年，田苗壮等[92]采用北京天竺站长时序分层监测数据，通过交叉小波变换与皮尔逊相关分析，识别出北京平原区第二、三、四含水层控制区域沉降的临界水位分别为-14.30、-17.3 和-10.12 m。2024年，Wang等[93]利用随机森林机器学习模型，确定华北平原浅层含水层临界水位埋深应小于 20 m，深层含水层临界水位埋深应小于70 m。上述研究分别从非线性时频特征与智能预测角度，提出了可直接应用于工程实践的临界水位量化指标。鉴于不同区域地下水位与地面沉降的耦合演化机制存在显著差异，在二元水循环背景下，如何精准识别、科学确定地下水位临界阈值并优化适应性调控方案，仍是当前需要重点解决的关键科学问题。

04

4.4 区域地面沉降各研究方向的耦合关系

上述区域地面沉降演化归因研究，揭示了地下水-地面沉降耦合演化及多过程互馈机制，为区域沉降模拟预测模型提供了物理机制约束与关键参数输入。模拟预测研究从静态确定性模型向动态智能预测演进，为风险评价提供了多情景、长时序的沉降预测数据支撑。风险评价研究从单一灾害风险评估向“监测-识别-归因-预测-防控”全过程调控拓展，其识别的临界阈值、灾害风险等级为归因研究划定重点监测区，为预测模型提供边界条件约束。三者构成“归因约束预测、预测服务评价、评价反馈归因与预测”的闭环耦合体系，为区域地面沉降精准防控提供了系统化的技术支撑。

5 展望

伴随遥感技术的跃迁式发展与数据可获取性的大幅提升，区域地面沉降研究已步入全新范式阶段。早期国内相关研究多聚焦于长三角、华北平原等区域沉降显著的典型区域；近年来，伴随InSAR技术的持续迭代优化，以及多平台SAR卫星的相继发射与协同组网运行，InSAR监测已从局域性、单时相、一维形变探测，快速迈向广域覆盖、长时序演化追踪与多维变形精细解析的新阶段。随着数据源的全面拓展与时空分辨率的成倍提升，区域地面沉降研究也从传统热点区，逐步拓展至中西部盆地、城市群外围扩张带等以往数据匮乏的地域。当前，地面沉降演化已呈沉降与回弹并存的复杂格局，为灾害风险评估与精准防控研究提出了新挑战。

在大模型、数字孪生、实景三维等前沿技术的赋能下，未来可依托大模型、多过程耦合模拟、三维精细可视化等新技术方法，开展区域地面沉降演化归因与灾变风险研究，为实现区域地面沉降精细化防控、地下水资源优化配置和城市地质安全提供技术支撑（图11）。

图11 区域地面沉降发展方向框架

01

5.1 深化“自然-人为”二元水循环驱动、多灾害链互馈下非均匀沉降的演化归因研究

“自然-人为”二元水循环是指自然水循环（降水-径流-蒸发-入渗）与人为水循环（取水-用水-排水-回灌）的叠加耦合系统。在区域地面沉降研究中，二元水循环驱动体现为：自然因素（极端天气事件频发等）与人为因素（地下水综合治理、跨流域调水等）共同改变含水层系统的补给-排泄平衡，影响区域沉降的发生、发展与演化模式。该理论框架为解析新水情背景下非均匀地面沉降的演化提供了科学依据。在实景三维等前沿技术支撑下，可实现含水层结构、地表形变的空间精细化表征，进一步提升非均匀沉降演化机理解析的准确性。

当前，在气候变化驱动区域二元水循环、南水进京等新水情背景下，华北平原受人为因素（地下水综合治理、生态修复等）和自然因素（气候变化背景下区域降水格局调整、水资源补给条件改善等）的叠加影响，近年来该区呈沉降-回弹共生的复杂态势。值得注意的是，非均匀形变问题仍对线性基础设施（高速铁路等）的安全运行构成潜在威胁，微小差异沉降可引发轨道不平顺、结构应力集中等病害，影响行车安全与稳定。在极端天气气候事件频发且强度加剧的背景下，如何通过多源手段实现地面沉降精准防控、降低其与极端气象事件耦合的连锁灾害风险，已成为提升城市气候韧性与地质安全的核心环节。目前区域地面沉降成因机制研究尚未充分适配复杂气候、水位回升、国土空间开发利用等新形势，相应的沉降模型仍需更新。未来研究应重视多重因素叠加下地面沉降的突变、非线性特征，引入突变理论、非线性分析等方法，重新捕捉区域地面沉降快速变化的空间模式，揭示区域沉降触发机制与临界条件，为城市工程的风险预警提供理论依据。

02

5.2 构建“数据-知识”双驱动的智能预测模型

5.2.1 双驱动模型核心内涵与整体构建逻辑

“数据-知识”双驱动是指将数据驱动方法（机器学习、深度学习等）与知识驱动方法（物理机制模型、领域先验约束）相融合的建模范式。传统的地面沉降模拟模型，需要详尽的基础地质、水文地质参数，准确刻画复杂的地层结构，才能具有较高的模拟精度。这类先验知识和参数信息难以获取且数据密度较低，实际应用难度较高。灰色沉降模型仅从时序数据本身出发，通常难以进行长期预测达到防控的目的。在大模型技术持续发展的背景下，构建的“数据-知识”双驱动智能预测模型，旨在实现“数据支撑”与“知识引导”协同统一，打破物理模型高参数依赖与数据驱动模型“黑箱”双重局限。该模型以多源空间数据为基础，将土力学、地下水动力学等理论与土体本构关系、水量平衡方程等物理机制嵌入模型全流程，实现物理合理性与预测精度同步提升。

5.2.2 双驱动模型的现有研究进展与优化方向

近年来，地面沉降建模思路已从单纯数据驱动，逐步转向数据与机理知识协同驱动。通过在模型构建中引入土力学、水力学等先验知识，可有效降低对海量数据的依赖，提升预测精度与鲁棒性。2024年，宫辉力等[73]针对地下水-地面沉降复杂演化的科学问题，在AI大模型的思维链（COT）和思维树（TOT）的底层逻辑上，基于多级水文地质控制性剖面和野外台站网的先验约束，探索了多源信号分离、多场耦合分析、耦合深度学习与地下水-地面沉降数值模式的物理信息神经网络（PINNs, Informed Neural Networks）应用。为揭示区域地面沉降复杂演化机理，开展量化归因与调控阈值研究，提供了可借鉴的新思路。

在此基础上，未来可进一步完善双驱动模型：一是优化物理知识嵌入方式，提升模型对区域地质条件的适配性；二是改进网络结构，增强复杂场景与样本稀疏条件下的泛化能力；三是建立多维度评估体系，兼顾预测精度、物理合理性与模型可解释性。

5.2.3 双驱动模型应用场景与未来研究方向

在上述模型优化思路的基础上，未来可进一步形成集成化、工程化的双驱动建模技术体系，在数据驱动模块引入遥感信号分离结果，在机理约束模块融入土体力学、地下水动力学等先验知识，实现数据特征与演化机理的深度耦合，提升模型在复杂地质条件下的长期预测可靠性与物理一致性。该技术体系可重点应用于华北平原、长江三角洲等典型沉降区，服务于区域沉降动态预警、演化趋势模拟及防控决策支撑，形成集“数据驱动-机理约束-区域适配”一体的智能预测技术体系，为不同地质背景下的地面沉降科学防控与水资源优化配置提供系统化、可推广的技术支撑。

03

5.3 发展多源协同区域地面沉降灾变风险评价体系

当前区域地面沉降风险评价方法仍存在以下问题：其一，对与沉降共生的地裂缝发育、地下水漏斗扩张、城市内涝频发及海岸带侵蚀加剧等链生灾害的关联性考量不足，尚未形成多灾害协同防控的评价体系。其二，现有评价多以静态分析为主，难以捕捉多重因素叠加（如人类工程活动、气候变化等）下，地面沉降系统呈现的突变性、非线性与非平稳特征；尤其在“自然-人为”二元水循环耦合背景下，地下水流场演化与地面沉降过程的动态耦合机制极为复杂，导致地下水位临界阈值的识别与确定缺乏适配性方案，难以满足复杂场景下的风险防控需求。此外，针对重大线性工程（如交通干线、输油输气管道等）全生命周期的动态风险预警模型与精准调控机制尚未健全，难以充分支撑基础设施的长期安全稳定运行。

依托数字孪生技术等前沿技术，可实现多灾害过程动态仿真与风险情景模拟，能够有效弥补传统静态评价的短板，为动态、精细化区域沉降风险评价提供全新技术支撑。未来研究需从以下重点突破：一是系统厘清地面沉降与地裂缝、城市内涝、海水入侵等链生灾害的互馈机理，在整合多源监测数据的基础上，构建多灾害耦合、多源数据协同的区域地面沉降灾变风险评价体系；二是推动风险评价从静态分析向动态化、精细化演进，聚焦各研究区地下水位与地面沉降的复杂耦合演化规律，建立适配不同水文地质条件的动态临界阈值风险评价模型，提升对系统突变特征的捕捉能力；三是将地面沉降风险防控贯穿于重大线性工程规划、建设、运维全生命周期，融合大数据、人工智能与工程实践经验，构建全周期动态风险预警与闭环调控机制，为重大基础设施的长期安全与韧性提升提供科学支撑。

6 结语

地面沉降作为制约全球经济社会可持续发展的关键地质环境问题，其研究价值与实践意义日益凸显。本文以WoS英文数据库与CNKI中文数据库为数据支撑，采用文献计量学方法和CiteSpace 软件，系统解析了1985—2025年区域地面沉降研究的核心主题、热点聚类及前沿突现趋势；基于可视化分析结果，梳理了区域地面沉降在演化归因、模拟预测、风险评价三大核心领域的研究进展与现存瓶颈，并对未来研究方向进行了展望。

未来应重点深化“自然-人为”二元水循环耦合驱动机制下，多灾害链互馈作用引发的非均匀沉降演化归因研究；在大模型技术赋能背景下，持续推进“数据-知识”双驱动智能预测模型的构建与优化，提升地面沉降长期预测的精准度与可靠性；同时，针对极端天气事件频发、地下水综合治理等复杂场景，构建多源数据协同、多风险因子耦合的区域地面沉降灾害风险评价体系，为实现区域地质安全与可持续发展提供科学支撑。

来源：测绘学术资讯