2. 云南省高校高原山区空间信息测绘技术应用工程研究中心,昆明市文昌路68号,650093;
3. 昆明理工大学公共安全与应急管理学院,昆明市文昌路68号,650093
泥石流多发于山区地形险峻区域,具有成灾速度快、影响范围广及侵蚀、搬运和冲击能力强等特点。云南省德钦县境内发育多条泥石流沟,属于泥石流高发地区。2019-07-27一中河流域受连日暴雨影响暴发泥石流,造成严重经济损失。
泥石流的发育与物源及水源密切相关[1]。部分学者对泥石流的触发因子及具体失稳模式进行研究。戚国庆等[2]对降雨型滑坡进行阶段划分,并探究降雨作用与松散物源力学特性的变化关系;Zhao等[3]分析福建省泰宁县泥石流后发现,崩积层是识别泥石流的重要基础;Banihabib等[4]推导出一种经验公式,以判断触发泥石流的降雨阈值;Ma等[5]通过研究北京密云县泥石流的触发条件及侵蚀过程发现,泥石流激活前的累积降雨具有重要作用,而控制侵蚀的主要因素为泥沙体积;Zhao等[6]通过分析四川省丹巴县梅陇泥石流认为,该泥石流由河道侵蚀后重新激活。目前,通过岩性、地形、水文信息等研判泥石流发育过程的地质手段已相当成熟,但难以定量描述其发育过程中的重要信号。
由于监测面积较大,传统手段通常难以满足监测需求,而InSAR技术以其高时空分辨率及多视角的优势被广泛运用于地表形变探测[7-8],能够多时相多维度地解译地表形变机理,可有效识别泥石流物源汇集区。SAR卫星收集的后向散射信息对土壤含水量敏感[9-10],相较于传统土壤水分测量方法,SAR卫星可实现大范围精细尺度的土壤含水量反演,有利于掌握研究区土壤含水量的时空动态迁移情况。土壤含水量与土壤稳定性存在响应关系,干旱状态会使土层开裂[11],高含水量易破坏土层稳定性而形成滑动面,因此联合InSAR探测地表形变技术及SAR卫星后向散射信息反演地表含水量,可有效识别泥石流。
本文联合SAR卫星后向散射信息和相位信息,反演德钦县一中河泥石流流域土壤水含量变化趋势及地表形变规律,全面识别泥石流早期物源汇集及汇水模式,通过对比多阶段、多视角时序形变、土壤含水量及降雨数据等,解译其失稳机理。
1 研究区概况及数据选取 1.1 研究区概况德钦县地处云南省西北部横断山脉中段,位于青藏高原南缘滇、川、藏三省交会区(28.475°N, 98.918°E),雨热同期,雨季为5~10月[12]。德钦县境内山高谷深,活动断裂分布密集,地质条件复杂且脆弱,德钦-中甸大断裂从一中河中游穿过。受区域断裂构造控制及不同时期构造活动的影响,研究区岩体松散破碎,变质作用强烈(图 1(a))。
一中河为芝曲河左岸支流,位于青藏高原南延部位横断山脉纵谷地带,三江并流腹地,总体以构造侵蚀-剥蚀斜坡为主,冰川地貌为辅,流域整体为冰蚀槽谷地形。一中河最高点海拔为4 540 m,坡度约为30°~50°,流域面积约3.3 km2,主沟长2.03 km。该地区泥石流的暴发具有一定的周期性,活跃期主要集中在6~9月[13]。研究区沟谷呈“V”字型,斜坡稳定性差,顺沟两岸坡面侵蚀、侧蚀作用强烈,坡面陡直且多裸露岩石面,固体物源易被启动,松散物源发生崩落、坍滑或剥落后,顺着有利地形直冲并汇集于沟内,沟谷纵坡降大且两岸坡面较陡,有利于大气降水快速汇集,并在水动力条件的激发下形成泥石流。泥石流的形成区位于“V”型沟口及其上部区域(图 1(b))。
1.2 数据选取一中河泥石流暴发于2019-07-27。为获取泥石流形成区的发育规律,本文选取欧空局(ESA)提供的2017-06-17~2019-07-25共62景Sentinel-1A降轨数据,辅以2017-06-10~2019-07-18共62景Sentinel-1A升轨数据,以多视角解译泥石流物源汇集规律。极化方式选用对含水量敏感的垂直同向极化模式(VV)[14],具体参数见表 1。
Sentinel-1A轨道数据稳定,具有较高时间分辨率,可较好地抑制时空失相干性。为保证干涉对的相干质量,本文选用10%最大垂直基线距离,以45 d时间基线作为阈值,共生成132个干涉对,剔除相干性较差的干涉对后,基线分布见图 2。
SAR卫星获取的形变信息为真实形变在卫星LOS向的投影[15],而对泥石流发育的判断需分析其整体滑移及土体纵向滑动情况,仅靠单轨数据难以满足需求。本文利用升降轨数据进行多视角观测,以获取泥石流发育的二维形变,通过角度关系将形变分解为垂直向和沿坡面方位向[16],图 3为分解示意图。
将沿坡面方位向形变分量da投影至地距向得到da′,再将垂直向形变分量du与da′投影至卫星视线向,得到视线向形变dLOS,表达式为:
$ {\rm{dLOS}} = {\rm{d}}u\cos \theta - {\rm{d}}a\sin \theta \cos \left( {\varphi - \left( {\alpha + {{90}^\circ }} \right)} \right) $ | (1) |
$ \begin{array}{*{20}{c}} {\left[ {\begin{array}{*{20}{l}} {{\rm{d}}u}\\ {{\rm{d}}a} \end{array}} \right] = }\\ {{{\left[ {\begin{array}{*{20}{l}} {\cos {\theta _1} - \sin {\theta _1}\cos \left( {{\varphi _1} - \left( {{\alpha _1} + {{90}^\circ }} \right)} \right)}\\ {\cos {\theta _2} - \sin {\theta _2}\cos \left( {{\varphi _2} - \left( {{\alpha _2} + {{90}^\circ }} \right)} \right)} \end{array}} \right]}^{ - 1}}\left[ {\begin{array}{*{20}{l}} {{\rm{dLO}}{{\rm{S}}_1}}\\ {{\rm{dLO}}{{\rm{S}}_2}} \end{array}} \right]} \end{array} $ | (2) |
SAR卫星后向散射信息由土壤含水量、地表粗糙度、植被覆盖率主导,通过实地调查可知,一中河泥石流沟谷区域几乎无植被覆盖(图 4),且高原地区植被对SAR土壤含水量反演的影响较小[17],因此可忽略植被覆盖对数值的影响。将研究区时序范围内后向散射系数最小值σ0视作区域干燥状态,则该后向散射系数σ0由地表粗糙度贡献,σ为各时段后向散射系数,因此可将剔除地表粗糙度贡献值的后向散射系数σ′视为土壤含水量的后向散射系数[18]:
$ \sigma ' = \sigma - {\sigma ^0} $ | (3) |
由于泥石流的发育与土壤含水量密切相关,为探究研究区土壤含水量的时空变化趋势,自2017-06起,以3个月为时间间隔,选取9幅SAR影像进行处理,并提取后向散射信息。图 4为研究区土壤含水量的时空变化,表 2为土壤含水量分级统计信息。
从图 4可以看出,坡体顶部及底部常年处于高含水量状态,坡顶常年积雪(图 4中箭头所指区域),为水源补给区;坡底为一中河的流经区域,河岸常年处于水分浸润状态。该泥石流沟在每年6月和9月整体含水量较高,泥石流沟右侧边坡及“V”型沟口处尤为明显,符合泥石流沟地形特征。“V”型沟谷有利于地表径流汇集,左岸由于被长时间冲蚀,滑坡体大部分已流失,因此地表径流多沿右岸内侧流动。对沟谷整体含水量进行统计可知,6~9月高含水量区域占比较高,该时段为汛期,符合该地区雨热同期的气候特点,且随着气温升高并达到峰值,融雪速率达到最大值,地表径流量增大,研究区含水量明显升高。表 2中2018-12含水量较高,对比图 4可知,该时段内泥石流沟内含水量极低,可能是一中河的具体水文气候导致区域内出现含水量较高的情况。
由图 4还可看出,随着气温的升高,地表径流量增加,水分沿坡向下迁移。2018-03泥石流冲沟附近含水量升高;2018-06随着雨季来临,在融雪与降雨共同作用下,冲沟附近含水量进一步升高,地表水开始在坡底汇集;2018-09全域含水量达到最大值,占比约为26%,坡底两侧均出现明显的高含水量信号,冲沟沿线存在液态水;2018-12随着气温的降低,液态水凝固,且冬季气候干旱,全域基本处于较干燥状态,高含水量区域仅占10%。反演2019-07-25含水量可知,受连日暴雨影响,高含水量区域占比高达38%,为研究时段最高值,与泥石流失稳边界基本重合。
研究区土壤含水量的迁移可在一定程度上揭示松散物源的时空运动规律。地表水直接作用于坡表,削弱了表土的吸附能力,同时搬运松散土质为泥石流补充物源。因此,利用SAR卫星后向散射信息反演土壤含水量,识别研究区汇水区域及汇水规模,可较好地研判泥石流发育情况;通过捕捉高含水量信号,排查高风险区域,可对泥石流进行预警。
2.2 一中河泥石流发育特征识别泥石流的发育主要表现为物源在空间上的聚集,通过SAR卫星对地观测可掌握地表形变,并较为全面地识别其形成机制。由于研究区的形变具有周期性,地表形变经过周期运动后接近初始值,不利于形变机理的解译,因此提取2019-01-02~07-25半年累积形变值,以研判坡表滑移前的整体活动情况(图 5)。
从图 5可以看出,以坡体上部形成区为界(图中虚线2),不同区域具有不同的形变特征,其中正值表示形变靠近卫星传感器,负值表示形变远离卫星传感器。为探究该现象的成因,对一中河泥石流失稳坡体沿沟谷延伸方向作A-A′剖面,并提取累积形变值(图 6)。
一中河泥石流各分区的物质组成为:1) 形成区出露地层主要为中上三叠统板岩夹流纹岩、页岩、硅质岩、石英砂岩等和第四系冰坡积、泥石流堆积层,受区域多期构造控制,岩石节理裂隙发育,风化强烈,多呈碎裂状;2) 流通区为更新统冰川堆积层碎石土,坡体较为稳定,顺冰积层坡面局部发育细小切沟;3) 堆积区有多期泥石流堆积卵石。
坡体自上而下呈相反的形变趋势,下侧堆积区及近县城区域为冻土层,该时段内固态水融化,地表表现为沉降。随着海拔的升高,形变信号减弱,气温升高,顶部积雪融化,同时降雨量增加,土壤含水量升高,致使高位处泥石流形成区土壤泡胀,LOS向形变值表现为正值。泥石流形成区剖面线呈双峰状,前、后缘形变明显,且后缘位于峰顶,邻近积雪区。随着气温的升高,积雪融化下渗并充满孔隙,致使附近土层泡胀,液态水随地势向下迁移,流经形成区中段后贮存于前缘;而前缘受径流搬运作用,物源在“V”型沟口上部堆积。由于形成区中段为地表水流经区域,常伴随水流冲蚀,形变量较小。
泥石流的发育一方面松散物源受重力牵引沿坡滑移汇集于形成区,另一方面孔隙水变化致使土壤在垂直向膨胀收缩,因此是在二维框架下进行的。为探究坡表形变机理,对泥石流形成区(图 5中虚线1)进行二维形变分解。由图 7可知,2019-01~07时段内,形成区前、后缘沿坡面方位向和垂直向的形变具有较高一致性。形成区前缘沿坡面方位向与垂直向的最大位移均约为30 mm,后缘右岸沿线垂直向形变约为20 mm,方位向沿坡面向外侧位移约10 mm。产生上述现象的原因为:经前阶段侵蚀作用,物源由高处向低处搬运,使形成区前缘土体较为松散,局部含水量升高,土体膨胀,孔隙水压作用使垂直向出现形变,土体滑移导致沿坡面方位向形变为正值。后缘经历剥离后表土依附性较强,因此该阶段沿坡面方位向形变信号较前缘弱,形变区在一定程度上可反映泥石流形成区的规模。
对泥石流形成区采样点A和B进行二维时序分析(图 8,A、B具体点位见图 7),结果具有明显的周期性,可较为直观地反映泥石流物源的汇集模式。周期性具体表现为:每年1~7月受土壤含水量升高的影响,在高孔隙水压作用下表土上浮,高于起始面,表现为垂直向及沿坡面方位向向外侧鼓胀(图 9(a));7月末高含水量导致表土处于高重力势能状态,受雨水及雪水冲刷的作用,坡体开始出现滑动;9~12月,受强烈风化作用伴随表土剥落的影响,垂直向及沿坡面方位向向内侧凹陷(图 9(b)),该阶段为泥石流发育补充了丰富物源,坡表将被剥离为陡峭临空面。
由图 8可知,2017-06~2019-07期间,点A位于前缘,在物源补给下沿坡面方位向向外累积移动约20 mm,垂直向约为10 mm;坡体后缘处点B经周期性侵蚀导致物源亏损,垂直向累积向下位移10 mm,沿坡面方位向向外移动10 mm。图 9(c)为坡表物源搬运情况,后缘土层由于受到侵蚀而崩解,向下被搬运于前缘堆积。从时序曲线可以看出,2018-01~12形变较为剧烈,推测该时段侵蚀较前阶段加剧,破坏了坡面几何形态,影响其稳定性。
2.3 一中河泥石流失稳模式探究为揭示泥石流失稳模式,对一中河泥石流形成区采样点进行二维时序分析,结果表明,土壤含水量与形变相关性较强,均呈现出较为一致的周期性特点。含水量时序曲线在7~12月下降,1~6月上升,符合雨季及季节性融雪的周期性规律;形变较含水量变化呈趋势滞后,由水动力驱动。1~6月由于气温升高,土壤含水量升高,土体孔隙被液态水填充,孔隙水压增大致使土体膨胀并抬升;7~12月供水速度减缓,地表裸露,储水能力较差,表土水分随地表径流下渗迁移,含水量持续降低,至12月几乎为0。由此可知,研究区在干燥环境下发生风化崩解,在垂直向与沿坡面方位向均表现为负值,物源自坡表剥离。
泥石流事件与当年的干旱情况具有一定的对应关系。从降雨数据可以看出,2019-01~06降雨量远低于往年,坡体处于较干燥状态,粘土在干燥状态下产生缝隙;2019-07累积降雨量为198 mm,期间大量液态水下渗,增加了渗流压力,导致坡表孔隙水含量升高,表土表现为高含水量,垂直向及沿坡面方位向短时间内形变量为15 mm,表土鼓胀阻力减小,下滑力增加。风化作用会破坏坡体的几何结构,影响其稳定性。从图 10可以看出,2019-07-13~07-25泥石流出现滑移信号,表土在重力和高孔隙压条件下平衡状态遭到破坏而形成滑动面,出现滑移迹象。由图 4可知,在泥石流发生前2 d,泥石流排导槽内高含水量信号明显,蓄水能力达到饱和状态。由于山体表层植被极稀疏,植被稳固坡面松散物的能力十分有限,且“V”型沟有利于水流的快速汇聚,高含水量使坡表处于高重力势能状态。加之受风化侵蚀作用的影响,坡体稳定性受后缘压迫处于临界状态,在2019-07暴雨的冲击下,坡体抗剪强度丧失,滑动面贯通而发生泥石流。
对比泥石流前后影像(图 11)可知,1区为历史滑移区块,位于泥石流沟谷右岸,失稳后裸露面积增大。在接近山顶处可清晰看到许多由地表水冲刷形成的狭长裸露岩面,表明该地区受雨水、雪水等的冲蚀严重,土壤含水量的反演与实地情况相符。图 11(b)中3区为识别的泥石流形成区,该区域滑塌方量较大,失稳边界与图 7的形变分区基本一致。1、2两个形变区在早期并无明显形变信号,因此为上部区域失稳后刮擦牵引形成,与形变解译结果较为一致,故本文提出的监测方法所得结论与实际情况较为吻合。
本文利用时序InSAR技术识别云南省德钦县一中河泥石流形成区,通过后向散射信息反演得到该地区土壤含水量时空变化趋势,分析形变与土壤含水量的关联性,以探究一中河泥石流的发育及失稳模式,得出以下结论:
1) 利用后向散射信息跟踪反演一中河泥石流2017-06~2019-07土壤含水量时空变化趋势,通过时序InSAR技术获取坡表LOS向时序曲线。结果表明,形变与土壤含水量具有强关联性,证明泥石流形成区早期形变由水动力驱动,形成区内物源迁移受研究区干湿循环的影响。
2) 结合Sentinel-1A升降轨数据解算泥石流形成区垂直向及沿坡面方位向的二维形变,分析其2 a内坡表时空运动规律。结果表明,1~7月区域内含水量上升,表层鼓胀并浮于起始面;8~12月在重力势能及风化作用影响下,表层剥落向下搬运,为泥石流发育提供松散物源。
3) 实验结果表明,阶段性坡表侵蚀会破坏坡体结构的稳定性。泥石流在暴发前先经历干旱阶段、土壤开裂,为雨水冲击形成滑动面提供支持,后在连日暴雨作用下区域内含水量激增,破坏了坡体抗剪强度而发生泥石流。
本文方法能够较好地应用于对泥石流发育特征及失稳模式的识别,对泥石流防灾减灾领域的研究具有借鉴意义。
[1] |
吴礼舟, 黄润秋, 胡瑞林, 等. 膨胀土自然边坡吸力和饱和度量测[J]. 岩土工程学报, 2005, 27(3): 343-346 (Wu Lizhou, Huang Runqiu, Hu Ruilin, et al. Measurement of Suction and Saturation of Natural Expansive Soil Slope[J]. Chinese Journal of Geotechnical Engineering, 2005, 27(3): 343-346 DOI:10.3321/j.issn:1000-4548.2005.03.020)
(0) |
[2] |
戚国庆, 黄润秋. 泥石流成因机理的非饱和土力学理论研究[J]. 中国地质灾害与防治学报, 2003, 14(3): 12-15 (Qi Guoqing, Huang Runqiu. Study on Genetic and Mechanical Analysis of Debris Flow Based on Unsaturated Soils Mechanics[J]. The Chinese Journal of Geological Hazard and Control, 2003, 14(3): 12-15 DOI:10.3969/j.issn.1003-8035.2003.03.003)
(0) |
[3] |
Zhao R, Li Z W, Feng G C, et al. Monitoring Surface Deformation over Permafrost with an Improved SBAS-InSAR Algorithm: With Emphasis on Climatic Factors Modeling[J]. Remote Sensing of Environment, 2016, 184: 276-287 DOI:10.1016/j.rse.2016.07.019
(0) |
[4] |
Banihabib M E, Tanhapour M. An Empirical Equation to Determine the Threshold for Rainfall-Induced Landslides Developing to Debris Flows[J]. Landslides, 2020, 17(9): 2 055-2 065 DOI:10.1007/s10346-020-01430-6
(0) |
[5] |
Ma C, Deng J Y, Wang R. Analysis of the Triggering Conditions and Erosion of a Runoff-Triggered Debris Flow in Miyun County, Beijing, China[J]. Landslides, 2018, 15(12): 2 475-2 485 DOI:10.1007/s10346-018-1080-3
(0) |
[6] |
Zhao B, Zhang H Q, Liao H J, et al. Emergency Response to the Reactivated Aniangzhai Landslide Resulting from a Rainstorm-Triggered Debris Flow, Sichuan Province, China[J]. Landslides, 2021, 18(3): 1 115-1 130 DOI:10.1007/s10346-020-01612-2
(0) |
[7] |
郭瑞, 李素敏, 陈娅男, 等. 基于SBAS-InSAR的矿区采空区潜在滑坡综合识别方法[J]. 地球信息科学学报, 2019, 21(7): 1 109-1 120 (Guo Rui, Li Sumin, Chen Ya'nan, et al. A Method Based on SBAS-InSAR for Comprehensive Identification of Potential Goaf Landslide[J]. Journal of Geo-Information Science, 2019, 21(7): 1 109-1 120)
(0) |
[8] |
廖明生, 董杰, 李梦华, 等. 雷达遥感滑坡隐患识别与形变监测[J]. 遥感学报, 2021, 25(1): 332-341 (Liao Mingsheng, Dong Jie, Li Menghua, et al. Radar Remote Sensing for Potential Landslides Detection and Deformation Monitoring[J]. National Remote Sensing Bulletin, 2021, 25(1): 332-341)
(0) |
[9] |
Santi E, Dabboor M, Pettinato S, et al. Combining Machine Learning and Compact Polarimetry for Estimating Soil Moisture from C-Band SAR Data[J]. Remote Sensing, 2019, 11(20): 2 451 DOI:10.3390/rs11202451
(0) |
[10] |
Velde R, Su Z B, Oevelen P, et al. Soil Moisture Mapping over the Central Part of the Tibetan Plateau Using a Series of ASAR WS Images[J]. Remote Sensing of Environment, 2012, 120: 175-187 DOI:10.1016/j.rse.2011.05.029
(0) |
[11] |
陈宁生, 王凤娘. 2010年极端干湿循环对我国西南山区大规模泥石流滑坡灾害的促进作用[J]. 工程地质学报, 2015, 23(增1): 63-69 (Chen Ningsheng, Wang Fengniang. Promoting Impact of the Extreme Dry-Wet Cycle in 2010 on the Large-Scale Debris Flows and Landslides in Southwest Mountain Areas of China[J]. Journal of Engineering Geology, 2015, 23(S1): 63-69)
(0) |
[12] |
王研. 云南省德钦县一中河泥石流形成机制和防治对策[D]. 北京: 中国地质大学(北京), 2016 (Wang Yan. The Forming Conditions and Engineering Revention of Yizhong River Debris Flow in Yunnan Province Deqin County[D]. Beijing: China University of Geosciences, 2016)
(0) |
[13] |
刘珍. 云南德钦县城泥石流物源汇集模式探讨[J]. 云南地质, 2020, 39(2): 284-287 (Liu Zhen. A Probe into the Convergence Model of Debris Flow in Deqin, Yunnan[J]. Yunnan Geology, 2020, 39(2): 284-287)
(0) |
[14] |
李森. 基于IEM的多波段、多极化SAR土壤水分反演算法研究[D]. 北京: 中国农业科学院, 2007 (Li Sen. Soil Moisture Inversion Model Research of Multi-Band and Multi-Polarization SAR Based on IEM[D]. Beijing: Chinese Academy of Agricultural Sciences, 2007)
(0) |
[15] |
刘国祥, 张瑞, 李陶, 等. 基于多卫星平台永久散射体雷达干涉提取三维地表形变速度场[J]. 地球物理学报, 2012, 55(8): 2 598-2 610 (Liu Guoxiang, Zhang Rui, Li Tao, et al. Extracting 3D Ground Deformation Velocity Field by Multi-Platform Persistent Scatterer SAR Interferometry[J]. Chinese Journal of Geophysics, 2012, 55(8): 2 598-2 610)
(0) |
[16] |
康亚. InSAR技术在西南山区滑坡探测与监测的应用[D]. 西安: 长安大学, 2016 (Kang Ya. Landslide Detection and Monitoring over Southwestern Mountainous Area with InSAR[D]. Xi'an: Chang'an University, 2016)
(0) |
[17] |
Velde R, Su Z B. Dynamics in Land-Surface Conditions on the Tibetan Plateau Observed by Advanced Synthetic Aperture Radar(ASAR)[J]. Hydrological Sciences Journal, 2009, 54(6): 1 079-1 093 DOI:10.1623/hysj.54.6.1079
(0) |
[18] |
Wang C, Zhang Z J, Paloscia S, et al. Permafrost Soil Moisture Monitoring Using Multi-Temporal TerraSAR-X Data in Beiluhe of Northern Tibet, China[J]. Remote Sensing, 2018, 10(10): 1 577 DOI:10.3390/rs10101577
(0) |
2. Surveying and Mapping Geo-Informatics Technology Research Center on Plateau Mountains of Yunnan Higher Education, 68 Wenchang Road, Kunming 650093, China;
3. Faculty of Public Safety and Emergency Management, Kunming University of Science and Technology, 68 Wenchang Road, Kunming 650093, China