2018, Vol. 38
2. 地理国情监测国家测绘地理信息局工程技术研究中心，西安市雁塔路126号，710054;
3. 西部矿产资源与地质工程教育部重点实验室，西安市雁塔路126号，710054
岩石、土体或这些物质的混合体向下和向外移动的现象被称为滑坡[1]。滑坡是当今世界上除地震以外造成巨大经济损失的自然灾害之一[2]。而在水电站库区，由于蓄水、泄洪导致水位的升降直接影响库区上游和下游库岸的稳定性，并会造成库区游轮、坝体以及发电设施的安全隐患。对水电站上下游一定范围内的库岸进行灾害体的识别和重点滑坡体的监测，具有重要的工程应用价值。近年来有许多探测与监测技术已被应用于滑坡研究中[3]，包括滑坡的区域调查、滑坡位移的监测、滑坡的灾害评估以及滑坡的危险性评估等[4]，其中滑坡的调查与监测是最基础的工作[3]。相对于GPS、全站仪、水准测量、光学遥感、三维激光扫描以及工程勘察等调查与监测技术而言[5]，合成孔径雷达干涉测量(InSAR)技术具有覆盖范围广、分辨率高、无需地面控制点、拥有存档数据等优点，已得到广泛应用[6]。
本文选取四川云南交界处金沙江乌东德水电站段为研究对象，采用存档SAR数据对该范围内存在的潜在滑坡体进行探测，并与存档滑坡信息进行对比分析。在此基础上，选择已开展地面监测的金坪子滑坡为例，对该滑坡的空间分区性和形变时间序列进行分析，并用地面监测资料进行验证。
1 研究区域与数据的选取乌东德水电站位于云南省昆明市禄劝县和四川省凉山彝族自治州会东县交界的金沙江上，设计以发电为主，兼有防洪和拦沙等功能，是金沙江下游河段4个水电梯级(乌东德水电站、白鹤滩水电站、溪洛渡水电站与向家坝水电站)的最上游梯级，是国家西电东送的骨干工程之一[7]。对该水电站及其上下游滑坡体的识别与监测不仅对乌东德水电站的安全至关重要，也关系到下游水电站的安全，甚至西电东输工程的顺利实施。为此以金沙江乌东德水电站坝址为中心，选取东西40 km、南北34 km的一个矩形区域开展滑坡调查与监测实验。研究区域内海拔最高3 292 m，最低752 m，最大落差达2 540 m，且地形复杂多变，孕育着大量崩滑流灾害点[8]
本次研究选取两种SAR数据进行滑坡探测，包括14景L波段的ALOS/PALSAR升轨数据(时间跨度为2007-08~2011-03)以及10景C波段的Envisat/ASAR数据(时间跨度为2008-11~2010-06)。DEM为30 m分辨率的SRTM(shuttle radar topography mission)，用于InSAR差分处理和计算InSAR叠掩与阴影区域。ALOS数据多视比为2:5(距离向和方位向比)，多视后的地面分辨率约为15 m×15 m。该分辨率决定了最小可识别滑坡的尺寸，并兼顾了InSAR监测形变的精度[9]。Envisat数据多视比为1:5，多视后的地面分辨率约为20 m×20 m。通过设置垂直基线和时间基线的阈值以及InSAR干涉对相干性筛选，可以得到ALOS数据以及Envisat数据的干涉组合，如表 1与表 2所示。
|
表 1 ALOS数据干涉对组合列表 Tab. 1 The parameters of ALOS interferometric pairs |
|
|
表 2 Envisat数据干涉对组合列表 Tab. 2 The parameters of Envisat interferometric pairs |
利用InSAR技术进行大范围滑坡的识别，主要通过4种数据产品，即形变图、强度图、相干图与叠掩阴影图。这4种数据作用如下：形变图表示所探测到的滑坡具有一定的活动性；相干图和强度图用来衡量InSAR结果的精度与可靠性；叠掩与阴影图用来排除InSAR无法真实获取形变的区域。具体流程如下:1)首先挑选整体相干性较好干涉图，采用相位堆叠技术来获取研究区年平均形变速率图[10]。2)由于SAR卫星侧视成像的方式，以及雷达波与地面场景间的几何关系，导致地形起伏较大的区域将不可避免地在SAR图像上形成叠掩区域与阴影区域[11]。当雷达的入射角θ小于坡度角β时为叠掩区域，而当坡度β小于π/2-θ时为阴影区域[12]。所以根据DEM和SAR侧视角可以计算出叠掩与阴影区域，并将阴影与叠掩区域在形变图中掩膜。3)将掩膜后的形变图通过相干性与SAR强度进行筛选，去除由于相干性较低以及水体等引起的虚假形变区，其中相干性与强度阈值设置分别为0.6与-1 dB[3]。最后确定出疑似滑坡的位置以及疑似滑坡形变的范围等信息，流程如图 1所示。
|
图 1 滑坡探测流程 Fig. 1 Flow chart of the landslide detection |
采用小基线集InSAR技术(SBAS)对重点滑坡体进行高精度时间序列形变监测。由于SBAS技术可以减弱大气效应与DEM误差，此技术已得到广泛应用[13]。其基本原理如下：设图 2中某一差分解缠图为j，某像元(x，r)所对应的解缠相位可表示为：
| $ \begin{array}{c} \delta {\varphi _j}\left( {x,r} \right) = \varphi ({t_B},x,r) - \varphi ({t_A},x,r) \approx \\ \delta \varphi _j^{{\rm{topo}}}\left( {x,r} \right) + \delta \varphi _j^{{\rm{disp}}}\left( {x,r} \right) + \\ \delta \varphi _j^{{\rm{atm}}}\left( {x,r} \right) + \delta \varphi _j^{{\rm{noise}}}\left( {x,r} \right) \end{array} $ | (1) |
式中，δφjtopo(x, r)为DEM误差所造成的相位，δφjdisp(x, r)为形变产生的相位，δφjatm(x, r)为tB与tA时刻之间大气变化所产生的相位，δφjnoise(x, r)为噪声所引起的相位。式(1)右端前3项可以表示为：
| $ \left\{ \begin{array}{l} \delta \varphi _j^{{\rm{topo}}}\left( {x,r} \right) = \frac{{4\pi }}{\lambda }\frac{{{B_{ \bot j}}\Delta z}}{{R{\rm{sin}}\theta }}\\ \delta \varphi _j^{{\rm{disp}}}\left( {x,r} \right) = \frac{{4\pi }}{\lambda }\left[ {d({t_B},x,r) - d({t_A},x,r)} \right]\\ \delta \varphi _j^{{\rm{atm}}}\left( {x,r} \right) = {\varphi _{{\rm{atm}}}}({t_B},x,r) - {\varphi _{{\rm{atm}}}}({t_A},x,r)\\ \forall j = 1, \ldots ,M \end{array} \right. $ | (2) |
式中，λ为波长，θ为雷达视角，Δz为DEM误差，R为雷达到观测物体的斜距，M表示干涉图总数。假设N表示所有的SAR影像数，则有
采用InSAR滑坡调查技术，在本研究区域共获得10处疑似滑坡区域(图 2)，其中多处滑坡体在ALOS数据与Envisat数据探测结果中均表现出明显形变。图 2中选取在两种数据探测中形变较完整并且明显的结果进行表达，其中图 2(a)、图 2(b)疑似滑坡体为Envisat探测到的结果，其余为ALOS数据的探测结果。通过与已有文献资料对比[7-8, 14]发现，其中有4处为已知的滑坡，即图 2(d)、图 2(e)、图 2(f)、图 2(g)，分别为大村-付家坪子滑坡、大坪地滑坡、金坪子滑坡和普福滑坡。其余的疑似滑坡体并没有文献记载，具体还需要进一步现场勘察确认。此外还可以看出，图 2(a)与图 2(b)疑似滑坡以及图 2(e)与图 2(g)滑坡体形变的范围及量级均比较大，今后应予以关注。由此可见，InSAR技术相对于野外调查来说，不仅能够高效准确地确定疑似滑坡的位置，还能获取滑坡的形变范围以及滑坡的活动性，这可为滑坡高精度监测、滑坡机理分析以及滑坡防治奠定基础。
|
图 2 疑似滑坡探测位置及形变 Fig. 2 The location and deformation map of suspiciou slandslides |
金坪子滑坡离水电站较近，且形变量与范围较大，此滑坡一旦失稳将会造成巨大损失[14]。该滑坡体已开展较长时间的地面周期监测，并且金坪子滑坡位于Envisat数据的叠掩区域，为此本文采用ALOS数据(表 1)第3个子集的InSAR干涉对，通过SBAS方法对此滑坡进行形变时间序列监测。图 3(a)为金坪子滑坡分区图、Ⅱ区的放大图与地面监测点点位分布图。为了对InSAR监测结果与地面监测结果进行时间序列对比分析，将二者的形变均投影到金坪子滑坡坡向上[3]。为此得到2009-10-17~2011-03-07共计506 d的坡向累积形变时间序列结果。InSAR监测结果分别如图 3(b)~(g)所示，图例中的数字表示累积形变天数，并且规定形变沿坡向向下为负。
|
图 3 金坪子滑坡分区图及滑坡Ⅱ区沿坡向形变时间序列 Fig. 3 The zonation of Jinpingzi landslide and downslope cumulative time-series deformation maps of the No.Ⅱ zone of the landslide |
从图 3可以看出，金坪子滑坡形变在InSAR监测时段内具有明显的分区性，即Ⅰ、Ⅲ和Ⅳ区处于相对稳定期，而Ⅱ区较活跃；形变具有整体性，且坡脚形变量较大，滑坡体上缘形变相对较小。
图 4所示为沿图 3(a)PP′方向的形变剖线图，图例中的数字表示累积形变天数。可以看出，P到P′的方向上，形变逐渐增大，形变具有随高程降低而逐渐增大的趋势。监测时段内金坪子Ⅱ区沿坡向最大形变速率为23.4cm/a，最大累计形变达32.5 cm。Ⅱ区滑坡体的形变特征进一步验证该区属于堆积型滑坡体，在监测时段活跃性较强[14]。
|
图 4 PP′方向滑坡坡向累积形变 Fig. 4 Cross-section map of the down slope cumulative time series deformation along the profile PP′(The numbers on the corner of image mark the accumulated days) |
为验证与分析InSAR滑坡监测结果的精度，将全站仪观测数据在时间上内插，得到与SAR数据接收日期相对应的形变序列，并且将全站仪的三维形变投影到滑坡坡向上，选取图 4(a)中TP04、TP08等6个监测点进行对比验证，对比结果如图 5所示。
|
图 5 InSAR与全站仪监测结果比较 Fig. 5 Monitoring results comparison between InSAR and total station |
从图 5中可以看出，全站仪与InSAR监测形变趋势一致性较强。据统计，中误差最大的为点TP16，中误差达17.8 mm，而在所有点的监测序列中最大较差为24.9 mm。由此说明，InSAR在金坪子滑坡监测成果的精度较高，本文对金坪子滑坡形变时空特征的分析可靠。
4 结语本文探讨了利用InSAR大范围探测滑坡的技术，并在乌东德库区成功探测出10个疑似滑坡，其中有4处为已知滑坡。通过SBAS-InSAR技术监测获取了金坪子滑坡的形变时间序列结果，显示与同期地面监测结果具有高度的一致性，展示了InSAR技术在大范围滑坡探测与高精度滑坡监测中的独特优势。
通过对探测出的滑坡分析发现，在研究区域还存在一些没有被探测出来的滑坡体，这主要归因于SAR数据分辨率较低以及某些滑坡体位于SAR监测的叠掩或阴影区，以及由于SAR成像的几何关系致使对部分滑坡方向的形变不敏感。而分辨率更高、数据源更多的SAR影像以及PS算法等，可以提高InSAR滑坡识别率以及监测精度。
致谢 本文ALOS数据由日本JAXA提供，30 m分辨率DEM数据从http://e4ftl01.cr.usgs.gov/MODV6_Dal_D/SRTM/SRTMGL1.003/2000.02.11/网站免费下载，在此一并感谢!
| [1] |
王治华. 滑坡遥感[M]. 北京: 科学出版社, 2012 (Wang Zhihua. Remote Sensing for Landslide[M]. Beijing: Science Press, 2012)
(  0) |
| [2] |
王治华. 滑坡遥感调查、监测与评估[J]. 国土资源遥感, 2007, 19(1): 10-15 (Wang Zhihua. Remote Sensing for Landslide Survey, Monitoring and Evaluation[J]. Remote Sensing for Land & Resources, 2007, 19(1): 10-15 DOI:10.3969/j.issn.1001-070X.2007.01.002)
( 0) |
| [3] |
Zhao C, Lu Z, Zhang Q, et al. Large-Area Landslide Detection and Monitoring with ALOS/PALSAR Imagery Data over Northern California and Southern Oregon, USA[J]. Remote Sensing of Environment, 2012, 124: 348-359
( 0) |
| [4] |
Parise M. Landslide Mapping Techniques and Their Use in the Assessment of the Landslide Hazard[J]. Physics and Chemistry of the Earth, Part C: Solar, Terrestrial & Planetary Science, 2001, 26(9): 697-703
( 0) |
| [5] |
Ding X, Montgomery S B, Tsakiri M. Integrated Monitoring Systems for Open Pit Wall Deformation, Australian Centre for Geomechanics[R]. ACG: 1005-98, Meriwa Report No.186, Perth, Australia
( 0) |
| [6] |
Massonnet D, Feigl K L. Radar Interferometry and Its Application to Changes in the Earth's Surface[J]. Reviews of Geophysics-Richmond Virginia Then Washington, 1998, 36: 441-500
( 0) |
| [7] |
王立伟.基于D-InSAR数据分析的高山峡谷区域滑坡位移识别[D].北京: 北京科技大学, 2015 (Wang Liwei. Identification of Landslide Displacement in Alpine Valley Region Based on D-InSAR Data Analysis[D].Beijing: University of Science and Technology Beijing, 2015) http://cdmd.cnki.com.cn/Article/CDMD-10008-1015545842.htm
( 0) |
| [8] |
徐黎明.基于突变理论的乌东德水电站近坝区泥石流风险评价与防治研究[D].长春: 吉林大学, 2013 (Xu Liming. Risk Assessment and Study on Prevention of Debris Flows near the Dam of Wudongde Hydropower Station Based on Catastrophe Theory[D]. Changchun: Jilin University, 2013) http://cdmd.cnki.com.cn/Article/CDMD-10183-1013193238.htm
( 0) |
| [9] |
Yun S H, Zebker H, Segall P, et al. Interferogram Formation in the Presence of Complex and Large Deformation[J]. Geophysical Research Letters, 2007, 34(12): 237-254
( 0) |
| [10] |
Sandwell D T, Price E J. Phase Gradient Approach to Stacking Interferograms[J]. Journal of Geophysical Research: Solid Earth (1978-2012), 1998, 103(B12): 30183-30204
( 0) |
| [11] |
Rosen P, Hensley S, Joughin I R, et al. Synthetic Aperture Radar Interferometry[J]. Proceedings of the IEEE, 2000, 88(3): 333-382 DOI:10.1109/5.838084
( 0) |
| [12] |
Wasowski J, Bovenga F. Investigating Landslides and Unstable Slopes with Satellite Multi Temporal Interferometry: Current Issues and Future Perspectives[J]. Engineering Geology, 2014, 174: 103-138
( 0) |
| [13] |
Berardino P, Costantini M, Franceschetti G, et al. Use of Differential SAR Interferometry in Monitoring and Modeling Large Slope Instability at Maratea (Basilicata, Italy)[J]. Engineering Geology, 2003, 68(1): 31-51
( 0) |
| [14] |
王团乐, 刘冲平, 郝文忠, 等. 乌东德水电站金坪子巨型滑坡地质研究[J]. 人民长江, 2014, 45(20): 54-58 (Wang Tuanle, Liu Chongping, Hao Wenzhong, et al. Geological Research on Jinpingzi Giant Landslide of Wudongde Hydropower Station[J]. Yangtze River, 2014, 45(20): 54-58 DOI:10.3969/j.issn.1001-4179.2014.20.015)
( 0) |
2. Engineering Research Center of National Geographic Conditions Monitoring, NASMG, 126 Yanta Road, Xi'an, 710054, China;
3. Key Laboratory of Western China's Mineral Resources and Geological Engineering, Ministry of Education, 126 Yanta Road, Xi'an 710054, China