文章快速检索     高级检索
  大地测量与地球动力学  2022, Vol. 42 Issue (11): 1171-1176  DOI: 10.14075/j.jgg.2022.11.014

引用本文  

胡东雨, 王运生, 吴昊宸, 等. 基于SBAS-InSAR技术的小金川两岸滑坡隐患识别[J]. 大地测量与地球动力学, 2022, 42(11): 1171-1176.
HU Dongyu, WANG Yunsheng, WU Haochen, et al. Identification and Research of Hidden Landslide Dangers on Both Sides of Xiaojinchuan Based on SBAS-InSAR Technology[J]. Journal of Geodesy and Geodynamics, 2022, 42(11): 1171-1176.

项目来源

国家自然科学基金(41877235);国家重点研发计划(2017YFC1501000)。

Foundation support

National Natural Science Foundation of China, No. 41877235; National Key Research and Development Program of China, No. 2017YFC1501000.

通讯作者

王运生,博士,教授,主要研究方向为地质工程与地质灾害,E-mail:wangys@163.com

Corresponding author

WANG Yunsheng, PhD, prfessor, majors in geological engineering and geological hazards, E-mail: wangys@163.com.

第一作者简介

胡东雨,硕士生,主要研究方向为地质工程与地质灾害,E-mail:1040006270@qq.com

About the first author

HU Dongyu, postgraduate, majors in geological engineering and geological hazards, E-mail: 1040006270@qq.com.

文章历史

收稿日期:2022-01-18
基于SBAS-InSAR技术的小金川两岸滑坡隐患识别
胡东雨1,2     王运生1,2     吴昊宸1,2     赵方彬1,2     寇瑞斌1,2     冯卓1,2     
1. 成都理工大学环境与土木工程学院,成都市二仙桥东三路1号,640059;
2. 地质灾害防治与地质环境保护国家重点实验室,成都市二仙桥东三路1号,640059
摘要:为全面准确地识别小金川半扇门-达维河段干流两岸滑坡隐患,基于SBAS-InSAR技术,通过Sentinel-1升、降轨数据分析结果结合互补的方式对该区域的滑坡隐患进行早期识别。结果显示:1)升、降轨数据结合有效减小了阴影叠掩区干扰,能够较全面地识别出两岸岸坡长期蠕变的隐患点;2)Sentinel-1降轨处理得到LOS向形变速率为-120~10 mm/a,升轨处理得到的形变速率为-131~10 mm/a;3)基于形变结果识别出35处滑坡隐患点,其中8处为典型滑坡隐患点。重点分析两处滑坡隐患点的形变特征并进行现场复核显示,坡体上道路错断明显,在形变区域发育有裂隙并导致地台发生错动,验证了坡体处于长期蠕变状态。
关键词早期识别滑坡隐患半扇门-达维河段SBAS-InSAR小金川

早期识别是实现地质灾害防灾减灾的有效途径之一,特别是在我国西部地质条件复杂的区域,深切峡谷地带中大型突发地质灾害日益频发,地质灾害隐患点多、面积广,每年发生的地质灾害一半以上是新点,靠周期性人工排查难以全面把控。这些地质灾害表现出危害大、隐蔽性强等特点,其极易突发的性质严重影响了社会经济发展和人民安居乐业,给西部地区的开发建设和地质环境保护工作带来巨大挑战。

合成孔径雷达干涉测量(InSAR)充分利用SAR的相位信息,解决了SAR图像的三维成像问题,而且监测时间间隔从几天到几年不等,可获得可靠的高精度地表变化信息[1]。这使得合成孔径雷达干涉测量(InSAR)以其独特优势成为监测地表变化的新手段,尤其是短基线集合成孔径雷达干涉测量技术(SBAS-InSAR)运用于潜在滑坡的识别中,是改善滑坡监测与识别精度的可靠途径[2]。早在1995年,Achache等[3]就利用SAR影像识别法国南部阿尔卑斯地区的滑坡位移;2007年Lauknes等[4]基于多景雷达数据,运用SBAS-InSAR技术对挪威北部的不稳定山体进行长时间序列监测;Altamira[5]运用InSAR技术对多景Sentinel-1雷达数据进行形变分析得出,茂县新磨村滑坡的变形发生在滑动前数个月内;谭衢霖和范青松等[6-7]运用InSAR技术进行滑坡监测,论证了其可行性及优势;冯文凯等[8]利用SBAS-InSAR技术分析金沙江流域沃达村巨型古滑坡形变,对古滑坡可能的复活机制进行评价;陆会燕等[9]通过InSAR和光学遥感的较长时间序列数据,识别出金沙江下游的7处明显形变斜坡;张佳佳等[10]基于SBAS-InSAR技术识别了川藏铁路澜沧江段113处滑坡隐患,并分析其对铁路沿线的影响。这些成功案例都验证了SBAS-InSAR技术在识别隐藏地质灾害方面有着独特优势。

为全面识别大渡河支流小金川半扇门-达维河段干流的滑坡隐患,普查当地潜在的地质灾害,本文基于SBAS-InSAR形变分析技术,通过Sentinel-1升、降轨数据分析结果结合互补的方式,开展对研究区滑坡隐患的识别工作和滑坡隐患地表形变定量探测和分析评价,为小金川河道两岸堆积体的研究提供不同角度的分析,可为河流流域潜在地质灾害的早期识别和防治提供依据。

1 研究区概况

小金川是长江支流岷江支流大渡河上游左岸支流,位于四川省阿坝藏族自治州和甘孜藏族自治州交界处,全长151 km,自然落差2 340 m,流域面积5 323 km2,河口处多年平均流量103 m3/s,多年平均年径流量29×108 m3[11]。本文研究区以小金川半扇门-达维河段干流两岸岸坡为主,处于扬子准地台和松潘-甘孜地槽褶皱系两个大地构造单元的交界带,构造形态排列紧密且弧形朝南的线状褶皱构成近东西或北西向展布的构造带[11]。主要出露中生代三叠系地层,其中分布最广的为三叠统侏倭组(T3z),中三叠统杂谷脑组(T2z)及下统菠茨沟组(T1b)次之,岩性以变质砂岩、板岩和结晶灰岩为主。研究区河流两岸海拔1 800~4 500 m,发育中-高山地貌,北东高、南西低,河谷深切,为典型河流侵蚀峡谷地貌,容易形成滑坡、崩塌和泥石流等地质灾害。研究区为大陆性高原季风气候,植被以针叶林等高山植被为主。

2 SAR数据获取及处理方法

为全面覆盖小金川主河道两岸区域,采用升轨和降轨数据同步处理方式,减少阴影叠掩区干扰,实现研究区的全面覆盖(图 1)。本文使用的单视复数SAR数据来自欧空局2014-04 -03发射的对地观测卫星Sentinel-1 IW SLC(干涉宽幅模式的斜距单视复数产品)2020-08~2021-07的升、降轨数据(表 1)。使用ENVI软件平台的SARscape模块,基于SBAS-InSAR技术对Sentinel-1数据进行处理。采用NASA SRTM1 DEM数据来消除地形相位的影响。

图 1 研究区位置和雷达卫星影像覆盖范围 Fig. 1 Location of the studied area and coverage of radar satellite images

表 1 Sentinel-1基本参数 Tab. 1 Sentinel-1 basic parameters

SBAS-InSAR技术最早由Berardino等[12]在2002年提出,主要用于提取较短时-空基线低分辨率、大规模、形变速率缓慢的地表形变信息。该技术将获取的SAR数据按子集内数据进行自由组合,组成若干短基线集合,生成干涉像对连接图,并利用空间基线阈值法选取短基线干涉对,从而减少空间失相关的不利影响[13]。在反演时,运用奇异值分解方法将以上处理结果求解,可有效解决不同的空间基线长导致的时间不连续问题,提高监测的时间采样率、空间分辨率等[14]

数据导入后,依据研究区范围进行裁剪。由于集合间SAR影像数据的基线较大,而集合内基线较小,设置时间基线为120 d,临界基线百分比为2 %,生成若干小基线集,产生相对于主影像的时间-空间基线图。对合成的干涉图作第一次反演和第二次反演、地理编码以及栅格转换后,生成底边沿雷达视向的平均形变速率,最终得到研究区长时间序列上的形变结果。

3 SBAS-InSAR结果分析

采用SBAS-InSAR数据处理方法,由小金川主河道两岸岸坡30景Sentinel-1降轨数据结果获取的研究区雷达视线向(LOS)形变速率为-120~10 mm/a(图 2(a)),25景Sentinel-1升轨数据获取的研究区雷达视线向(LOS)形变速率为-131~10 mm/a(图 2(b)),降轨的干涉点密度明显大于升轨数据,显示的两岸形变隐患点细节更丰富,所以以升轨数据作为辅助补充。其中,红色至黄色为负值,代表地物沿着LOS方向远离卫星运动;绿色为正值,代表地物沿着LOS方向靠近卫星运动。

图 2 Sentinel-1升、降轨年均形变速率 Fig. 2 The average annual deformation rate of Sentinel-1 descending orbit and ascending orbit

滑坡隐患是指近期内具有明显变形迹象并在近期内可能成灾的斜坡[15]。在Sentinel-1处理结果中,大部分区域的形变速率不大,趋于稳定;形变速率大的区域主要集中在两岸斜坡处,因为两岸岸坡处植被较少,坡面裸露,处理效果明显好于植被覆盖区。在光学影像中也有明显的滑坡特征(图 3),呈现圈椅状,坡度较陡,前缘存在流水冲刷形成的冲沟,同时多处形变变形区在极端天气的条件下可发生突发灾害,变形区中存在一些村庄和道路,具有明确的威胁对象,所以将多处变形形变区定义为滑坡隐患区。

图 3 H4(千家村)和H5(马尔村)滑坡隐患点 Fig. 3 Potential landslide points of H4 (Qianjia village) and H5(Maer village)

从升降轨形变速率图中共识别出35处(其中8处典型滑坡隐患点的识别结果见表 2)疑似滑坡隐患的区域,其中降轨处理结果未识别出H25~H35的滑坡隐患点,升轨处理结果未识别出H1~H2H14H16~H21H23~H24的滑坡隐患点,主要原因在于,雷达运用的是侧视成像系统,在地势起伏复杂的地方易造成透视收缩、叠掩、阴影等变形不正常的现象[10]。位于右岸岸坡的隐患点形变速率大于左岸岸坡的形变速率,有5处滑坡隐患点形变速率大于90 mm/a。小金县太平桥乡段滑坡隐患点集中,此段为重点分析区域,下文将对重点区域中主河道两岸的典型滑坡隐患进行分析。

表 2 典型滑坡隐患点早期识别结果 Tab. 2 Early identification results of typical landslide hidden danger points
4 典型滑坡隐患点分析

位于小金县太平桥乡的H4H5是小金川主河道邻近的左、右两处岸坡(图 3),而且威胁对象包括村庄和小金川,故通过SBAS-InSAR数据处理结果对这两处滑坡隐患点作进一步分析。

4.1 H4滑坡隐患点形变特征

H4滑坡隐患点位于小金县太平桥乡千家村范围内,是小金川主河道冲刷而成的右岸岸坡,坡体植被较少,坡体较裸露,从而SBAS-InSAR处理的结果可以表现出更好的相干性。根据SBAS-InSAR处理结果(图 4(a)),形变范围长约1 891 m,宽约812 m,形变面积约1.5 km2。滑坡隐患点平面形态呈半椭圆状,滑坡后缘明显,岸坡优势滑动方向以山脊为界线,从卫星图(图 4(b))中可发现明显的位移特征。由图 4(a)可见,以山脊为界,形变集中区主要有两处,右侧形变速率明显大于左侧,且其形变速率已达-100 mm/a,呈现强烈的形变特征。由图 4(c)可见,H4点累积形变量最大的区域位于形变范围Ⅱ的特征点B附近,位于滑坡隐患点形变区域的中部,2020-08~2021-07期间最大累积形变量达-106 mm;范围Ⅰ和Ⅱ的形变后缘的特征点AD次之,累积形变量达到-72 mm;范围Ⅰ形变前缘的特征点D的累积形变量最小,在-50 mm左右。不同位置特征点的累积形变量存在一定的规律性,处于匀速形变阶段,BD点所在区域可能是潜在滑坡的滑移驱动段,若滑坡发生整体滑移,潜在滑移方向如图 4(b)白色箭头方向所示,从而直接威胁千家村。

图 4 H4滑坡隐患点形变速率、卫星影像和特征点累积形变曲线 Fig. 4 Deformation rate, satellite image, and cumulative deformation curves of feature points of H4 hidden landslide point
4.2 H5滑坡隐患点形变特征

H5滑坡隐患点位于小金县太平桥乡马尔村,形变范围最前缘邻近小金川,是小金川主河道冲刷而成的左岸岸坡,坡体裸露且后缘明显,处理效果良好。由图 5可见,形变范围长约873 m,宽约428 m,形变面积约0.37 km2。隐患点平面形态呈长舌状,滑坡周界明显。形变区域分Ⅰ和Ⅱ两个范围,范围Ⅰ内形变速率略大于范围Ⅱ,其形变速率达到-70 mm/a,有明显的形变集中区。根据2020-08~2021-07累积形变量结果,位于范围Ⅰ的特征点B的累积形变量达到了-80 mm;特征点AC次之,累积形变量达到-47 mm;特征点D累积形变量最小,但与AC的累计变形量接近,为-43 mm。4处特征点的累计形变曲线变化基本一致,与H4隐患点一样,处于匀速变形阶段。根据形变范围和卫星影像判断,该隐患点存在两级滑动台阶,坡脚被河水掏蚀严重,虽然目前处于匀速变形阶段,但是一旦局部开始发生滑移,存在带动整体发生滑移的可能,会直接对道路村庄造成破坏。

图 5 H5滑坡隐患点形变速率、卫星影像和特征点累积形变曲线 Fig. 5 Deformation rate, satellite image, and cumulative deformation curves of feature points of H5 hidden landslide point
4.3 实地验证

为了验证SBAS-InSAR数据处理结果识别出来的H4H5两处滑坡隐患点,进行了两处滑坡隐患点现场勘察取证。结合形变显示结果、无人机拍摄照片和现场考察情况,以评估基于SBAS-InSAR技术滑坡隐患早期识别的可靠性。

4.3.1 H4千家村滑坡隐患调查

H4千家村滑坡隐患点位于小金川右岸,坡向176°,表层由碎石土堆积而成。经过野外实地调查发现,该区域因为坡体的蠕变导致道路破损严重,坡体位于SBAS-InSAR数据处理结果中范围Ⅰ的中部发育有一条裂隙,裂隙附近地台下沉明显,说明坡体整体正处于蠕变形变状态(图 6)。

图 6 H4千家村滑坡隐患调查 Fig. 6 Investigation on hidden danger of landslide in H4 Qianjia village
4.3.2 H5马尔村滑坡隐患调查

H5马尔村滑坡隐患点位于小金川左岸,坡向为6°,表层也由碎石土堆积而成。该区域由于坡体自身的蠕变造成范围Ⅰ中形变区域后缘的村庄道路破坏,并形成局部坡体裂隙和地台错动,同时也造成裂隙附近居民家中的房屋损坏,说明坡体整体正处于蠕变形变状态(图 7)。

图 7 H5马尔村滑坡隐患调查 Fig. 7 Investigation on hidden danger of landslide in H5 Maer village
5 结语

本文基于SBAS-InSAR技术,通过Sentinel-1升、降轨数据结合互补的方法,对小金川主河道两岸岸坡为主的滑坡隐患点进行早期识别,得到以下结论:

1) SBAS-InSAR技术处理结果显示,30景Sentinel-1降轨处理出的相干目标更加丰富,LOS向形变速率为-120~10 mm/a;25景升轨处理的相干目标较少,LOS向形变速率为-131~10 mm/a,两者的结合使分析更加全面。

2) 在升、降轨数据互补处理的结果上识别出35处滑坡隐患点,大体上右岸的滑坡隐患点多于左岸,有5处滑坡隐患点形变速率大于90 mm/a。其中小金县太平桥乡段有10处滑坡隐患点,年平均速率明显大于其他区域,为滑坡隐患点密集的重点区域。

3) 重点分析位于小金川主河道两岸的H4H5两处隐患点,H4最大形变速率为100 mm/a,最大累积形变量为-106 mm;H5最大形变速率为-70 mm/a,最大累积形变量为-80 mm。两处隐患点均存在多处形变区域,目前处于匀速变形阶段,一旦发生滑移可能对村庄造成一定的危害且发生堵江。

4) 针对本文识别出的滑坡隐患点,通过野外实地调查发现,识别的滑坡隐患点道路错断明显,在形变区域发育有裂隙且导致地台错动,从而形成坡体表面活动。证明坡体整体处于蠕变状态,验证了识别结果的可靠性。

参考文献
[1]
石菊松. 基于遥感和地理信息系统的滑坡风险评估关键技术研究[D]. 北京: 中国地质科学院, 2008 (Shi Jusong. Research on Key Technologies of Landslide Risk Assessment Based on Remote Sensing and Geographic Information System[D]. Beijing: Chinese Academy of Geological Sciences, 2008) (0)
[2]
Bürgmann R, Rosen P A, Fielding E J. Synthetic Aperture Radar Interferometry to Measure Earth's Surface Topography and Its Deformation[J]. Annual Review of Earth and Planetary Sciences, 2000, 28: 169-209 DOI:10.1146/annurev.earth.28.1.169 (0)
[3]
Achache J, Fruneau B, Delacourt C. Applicability of SAR Interferometry for Monitoring of Landslides[C]. The Second ERS Applications, Paris, 1995 (0)
[4]
Lauknes T R, Dehls J F, Larsen Y, et al. Regional and Slide Mapping and Monitoring in Norway Using SBAS-InSAR[C]. American Geophysical Union Fall Meeting, San Francisco, 2007 (0)
[5]
Altamira T. Data in Focus: Precursor of Maoxian Landslide Measured from Space[EB/OL]. http://tre-altamira.com/news/data-focus-precursor-maoxian-landslide-measured-space/, 2017-06-29 (0)
[6]
谭衢霖, 邵芸. 成像雷达(SAR)遥感地质应用综述[J]. 地质找矿论丛, 2003, 18(1): 59-65 (Tan Qulin, Shao Yun. Geological Application of Radar Remote Sensing Technology and Its Development[J]. Contributions to Geology and Mineral Resources Research, 2003, 18(1): 59-65) (0)
[7]
范青松, 汤翠莲, 陈于, 等. GPS与InSAR技术在滑坡监测中的应用研究[J]. 测绘科学, 2006, 31(5): 60-62 (Fan Qingsong, Tang Cuilian, Chen Yu, et al. Applications of GPS and InSAR in Monitoring of Landslide Studies[J]. Science of Surveying and Mapping, 2006, 31(5): 60-62) (0)
[8]
冯文凯, 顿佳伟, 易小宇, 等. 基于SBAS-InSAR技术的金沙江流域沃达村巨型老滑坡形变分析[J]. 工程地质学报, 2020, 28(2): 384-393 (Feng Wenkai, Dun Jiawei, Yi Xiaoyu, et al. Deformation Analysis of Woda Village Old Landslide in Jinsha River Basin Using SBAS-InSAR Technology[J]. Journal of Engineering Geology, 2020, 28(2): 384-393) (0)
[9]
陆会燕, 李为乐, 许强, 等. 光学遥感与InSAR结合的金沙江白格滑坡上下游滑坡隐患早期识别[J]. 武汉大学学报: 信息科学版, 2019, 44(9): 1 342-1 354 (Lu Huiyan, Li Weile, Xu Qiang, et al. Early Detection of Landslides in the Upstream and Downstream Areas of the Baige Landslide, the Jinsha River Based on Optical Remote Sensing and InSAR Technologies[J]. Geomatics and Information Science of Wuhan University, 2019, 44(9): 1 342-1 354) (0)
[10]
张佳佳, 高波, 刘建康, 等. 基于SBAS-InSAR技术的川藏铁路澜沧江段滑坡隐患早期识别[J]. 现代地质, 2021, 35(1): 64-73 (Zhang Jiajia, Gao Bo, Liu Jiankang, et al. Early Landslide Detection in the Lancangjiang Region along the Sichuan-Tibet Railway Based on SBAS-InSAR Technology[J]. Geoscience, 2021, 35(1): 64-73) (0)
[11]
梁丽萍. 小金川流域地质灾害分布规律及易发性评价[D]. 成都: 成都理工大学, 2020 (Liang Liping. Geological Hazards Distribution and Susceptibility Evaluation in Xiaojinchuan Basin[D]. Chengdu: Chengdu University of Technology, 2020) (0)
[12]
Berardino P, Fornaro G, Lanari R, et al. A New Algorithm for Surface Deformation Monitoring Based on Small Baseline Differential SAR Interferograms[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(11): 2 375-2 383 DOI:10.1109/TGRS.2002.803792 (0)
[13]
何平. 时序InSAR的误差分析及应用研究[D]. 武汉: 武汉大学, 2014 (He Ping. Error Analysis and Surface Deformation Application of Time Series InSAR[D]. Wuhan: Wuhan University, 2014) (0)
[14]
王如意. 基于SBAS-InSAR的高分辨率地面沉降监测技术研究[D]. 北京: 中国地质大学(北京), 2015 (Wang Ruyi. The Study of Land Subsidence Monitoring Technology Based on SBAS-InSAR with High Resolution[D]. Beijing: China University of Geosciences, 2015) (0)
[15]
许强, 陆会燕, 李为乐, 等. 滑坡隐患类型与对应识别方法[J]. 武汉大学学报: 信息科学版, 2022, 47(3): 377-387 (Xu Qiang, Lu Huiyan, Li Weile, et al. Types of Potential Landslide and Corresponding Identification Technologies[J]. Geomatics and Information Science of Wuhan University, 2022, 47(3): 377-387) (0)
Identification and Research of Hidden Landslide Dangers on Both Sides of Xiaojinchuan Based on SBAS-InSAR Technology
HU Dongyu1,2     WANG Yunsheng1,2     WU Haochen1,2     ZHAO Fangbin1,2     KOU Ruibin1,2     FENG Zhuo1,2     
1. School of Environmental and Civil Engineering, Chengdu University of Technology, 1 Dongsan Road, Erxianqiao, Chengdu 610059, China;
2. State Key Laboratory of Geohazard Prevention and Geoenvironment Protection, 1 Dongsan Road, Erxianqiao, Chengdu 610059, China
Abstract: To comprehensively and accurately identify the potential landslide hazards on both sides of the main stream of the Xiaojinchuan Banfenmen-Dawei reach, based on the SBAS-InSAR technology, we use the data analysis results of Sentinel-1 lift rails combined with complementary methods to identify the potential landslide hazards in this area at an early stage. The analysis and processing results show that: 1) The combination of the ascending and descending orbit data effectively avoids the shadow overlapping area and can comprehensively identify the hidden danger points of long-term creep of the bank slopes on both sides. 2) The LOS direction deformation rate is -120-10 mm/a from the Sentinel-1 descending orbit data, and -131-10 mm/a from the ascending orbit data. 3) Based on the deformation results, 35 landslide hidden danger points are identified, including 8 typical landslide hidden danger points. The deformation characteristics of the landslide hidden danger points are reviewed on site. The road on the slope is obviously broken, with developed cracks in the deformation area. These led to the dislocation of the platform, which verifies that the slope was in a long-term creep state.
Key words: early identification; landslide hazard; Banshanmen-Dawei reach; SBAS-InSAR; Xiaojinchuan