InSAR技术具有高精度、高分辨率、全天候等优点，被广泛应用于滑坡监测中^[1-4]。但由于SAR侧视成像的特性，InSAR技术在高山峡谷区滑坡灾害识别中会不可避免地出现几何畸变现象(包括阴影、叠掩和透视收缩)^[5]，导致在识别过程中出现误识、漏识等情况。因此，针对高山峡谷区InSAR几何畸变进行定量分析，是研究InSAR技术适用条件和提高InSAR滑坡识别可靠性及精度的重要工作。

四川省得荣县古学乡地质构造较为复杂，地质环境脆弱，极易发生地质灾害^[6-8]。本文以古学乡2处大型滑坡为例，从R指数^[9]、敏感性^[10-11]和相干性的角度对SBAS-InSAR升降轨滑坡识别结果进行对比分析，讨论InSAR技术在该地区的适用性^[12]。最后，针对InSAR技术通常只能获取到滑坡体沿雷达卫星视线方向(LOS)的一维形变信息这一局限性，本文对典型滑坡的形变结果进行视线向和坡向的转换，分析滑坡在不同方向的形变规律。本文研究成果可为该地区和我国西部高山峡谷区滑坡灾害的InSAR识别与监测提供参考。

1 研究区概况

得荣县古学乡(99°13′~99°26′E，28°20′~28°31′N)位于四川省甘孜藏族自治州，东部为云南香格里拉县，西部为云南德钦县，北部为四川巴塘县，位置见图 1。古学乡为典型的高山峡谷地貌，受构造影响，地形起伏强烈，主要以深谷陡坡的中-高山为主，山脊以尖山脊为主，相对高差较大，平均海拔2 250 m。

2 数据处理 2.1 研究区数据

采用欧洲航天局(European Space Agency，ESA)提供的Sentinel-1卫星升降轨数据，时间跨度为2019~2020年，影像覆盖范围见图 1，具体参数见表 1。数据处理时，为消除地形误差对结果的影响，使用30 m分辨率的数字高程模型(digital elevation model，DEM)^[3]去除地形残差相位。同时，地形数据还被用于后续的适宜性、敏感性等分析。使用Sentinel-1A卫星的POD(precise orbit ephemerides)精密轨道星历数据辅助数据预处理和基线误差改正^[13]。

2.2 数据处理与分析

采用SBAS-InSAR和Stacking技术^[14]对Sentinel-1数据进行处理。SBAS-InSAR通过设置一定的时空基线对同一地区的多个SAR影像进行相互干涉处理，然后对多个干涉图进行相位解缠，最后对解缠干涉对进行残余轨道误差和大气误差等改正，从而更加准确地获取研究区的形变时间序列与年累积地面形变量。Stacking技术是在SBAS-InSAR结果的基础上，对多幅进行了误差改正的差分干涉图进行加权平均，以此消除解缠干涉对残余的随机误差，进而获取研究区最终形变的年累积形变速率。实验中，设置多视比例系数为10∶2，时间基线为60 d，空间基线为150 m，然后对满足条件的影像进行干涉处理，挑选之后的时空基线图见图 2。

对所有影像进行干涉处理后，得到232个升轨干涉对和222个降轨干涉对。对所有干涉对采用32像素×32像素的窗口进行自适应滤波处理以消除噪声误差。选取相干性高于0.4的区域参与相位解缠，通过最小费用流相位解缠方法求解出相位图的完整相位。通过曲面二次拟合和数字高程模型去除残余轨道误差和大气误差。最后，利用Stacking技术求解出研究区的最终形变速率结果。

3 滑坡监测适用性分析

通过上节的数据处理，得到研究区地表形变速率的InSAR监测结果，见图 3，图中，黑框为圈定的典型滑坡区。

从图 3可以看出，降轨结果中包含明显的形变信息，其LOS向的形变速率大于100 mm/a，而升轨结果中却没有观察到明显的形变信息，此时极易造成滑坡隐患的漏判。为分析升降轨结果之间的差异，本文以圈定的典型滑坡区为例，从R指数、敏感性和相干性等角度分析不同轨道监测结果的差异。

3.1 R指数

由于卫星雷达侧视成像的特点，不可避免地会产生由于地形起伏而造成的几何畸变。图 4为几种几何畸变与卫星雷达的几何关系，图中，α为卫星参数中的入射角，θ为局部入射角^[15]。

几何畸变的计算结果对后期InSAR结果识别滑坡起到很大的辅助作用。为计算出几何畸变区域，Ren等^[16]提出一种改进的R指数(range index，R-index)方法，具体计算过程参考文献[17]。本文将计算得到的R指数结果与sinθ的值进行对比，结果如下：

$ \left\{\begin{array}{l} R \geqslant \sin \theta, \text { 可视性良好 (适宜区) } \\ 0<R<\sin \theta, \text { 可视性中等 (透视收缩) } \\ R=0, \text { 可视性较差 (叠掩或阴影) } \end{array}\right. $

(1)

从图 5中可以看出，在降轨R指数结果中，圈定区整体可视性良好，仅在部分山顶和山底区域可视性较差。但在升轨R指数结果中，典型滑坡区整体可视性较差，只在山体中部存在可视性中等的情况。对比图 3中的监测结果，本文很好地印证了升轨数据在可视性较差的情况下会导致滑坡漏识。综上，R指数显示，降轨影像更适合研究区InSAR监测。

3.2 敏感性

敏感性是指SAR卫星可以测量到的坡度移动占总量的百分比，即地面三维变形在雷达LOS方向上的投影。敏感性值越高，表示可监测到滑坡位移的可能性越大。敏感性值一般用灵敏度来表示，其值为雷达LOS单位矢量(A)与滑坡位移单位矢量(B)夹角的余弦值^[18]。

研究区敏感性分析结果见图 6。可以看出，降轨敏感性结果显示典型滑坡区(黑线圈定区)形变敏感性整体较高，滑坡位移很容易被降轨影像监测出来。但在升轨敏感性结果图中，典型滑坡区的形变敏感性较低，较小的滑坡位移不容易被升轨影像监测出来。因此，敏感性结果很好地解释了图 3中降轨影像监测到2处明显的滑坡，而升轨结果中滑坡信息不明显的现象。

3.3 相干性

利用InSAR技术对滑坡进行监测时，面临的一大挑战就是相干性问题，尤其是在高植被覆盖的西南山区。在数据处理过程中，每个干涉对的相干性各不相同，本文通过对升、降轨各自取平均值，然后提取研究区的相干性图，对升降轨相干性进行分析。

从图 7中可以看出，2个滑坡所在的重点区域内，升轨影像整体相干性较好，但存在局部低相干区域。结合R指数分析结果，在滑坡重点区，升轨影像有部分区域处于可视性较差的叠掩和阴影区。降轨影像整体相干性很好，且重点区域内R指数结果显示出较好的可见性。因此，相干性分析显示，降轨影像更适合研究区InSAR监测。

4 典型滑坡形变特征与精度分析 4.1 形变量转换

InSAR监测得到的结果为LOS向形变，而大多数滑坡的总体变形倾向为沿斜坡向下^[16]。因此，将LOS向形变转换到沿坡向更有利于认识滑坡形变特征。图 8为转换后的坡向形变及分解的水平位移结果，其中，垂直方向形变结果中，正值表示隆升，负值表示下沉；东西方向形变结果中，正值表示向东位移，负值表示向西位移。可以看出，1#和2#滑坡的坡向形变特征明显，最大坡向形变速率达到100 mm/a，且2处滑坡表现出明显的西向位移。

4.2 典型滑坡形变特征

对图 8中1#与2#滑坡，沿坡向自高向低选取3处形变点，提取其LOS向形变时间序列结果，见图 9，图中，负值代表形变远离卫星雷达，正值代表形变接近卫星雷达。

从时间序列结果来看，1#滑坡提取的3处时序点整体形变趋势相同，但位于滑坡中部的2号点形变量级整体上比其他2个点大。在2019~2020年，2号点累积形变量超过300 mm，且整体处于持续形变中，形变趋势较快。结合降雨数据可知，2019-07的月降雨量较大，达到170 mm，之后3个时序点的形变量明显增加，推测形变的加剧与降雨相关。综上所述，1#滑坡中部形变量级较大，且滑坡面形变受降雨的影响。

2#滑坡时序点整体形变趋势相同，滑坡后缘的1号点形变量级整体上比其他2个点大，2019~2020年其累积形变量达到230 mm；滑坡前缘的3号点累积形变量最小，2019~2020年累积形变量为110 mm。结合月降雨量数据来看，2019-07和2020-04月降雨量超过100 mm，这2个时间点后，3个形变点的形变量都出现了不同程度的增加。因此，推断大量级降雨对2#滑坡的稳定性有较大影响。

将LOS向形变转换到沿坡方向，结果见图 10，图中，负值代表形变远离卫星雷达，正值代表形变接近卫星雷达。

对1#滑坡沿坡向的形变进行分解，对比垂直向和东西向形变，发现东西向的形变要比垂直向量级大、范围广，说明滑坡水平滑移活动量较大。同时，对1#滑坡沿坡方向的形变提取剖线AA′进行分析，结果见图 10(d)。可以看出，沿坡方向形变在中部量级最大，年平均形变速率为125 mm/a左右。

对2#滑坡LOS向的形变转换到沿坡方向。对比垂直向和东西向形变结果，发现东西向的形变要比垂直向量级大、范围广，说明滑坡水平滑移活动量较大。对2#滑坡沿坡方向的形变提取剖线BB′进行分析，结果见图 10(e)。可以看出，2#滑坡沿坡方向形变在中部量级最大，年平均形变速率为100 mm/a左右。

5 结语

通过对四川省得荣县典型滑坡区的InSAR结果进行分析，发现升、降轨数据识别出的滑坡结果存在差异。为了探究该现象的原因，使用R指数、敏感性和相干性等方法开展InSAR滑坡监测在高山峡谷区的适用性分析。结果显示，顺滑坡方向的LOS向SAR数据比逆坡向的LOS向SAR数据更有优势，很好地解释了升、降轨滑坡监测结果存在差异的原因。

2处典型滑坡的形变时间序列分析结果显示，1#和2#滑坡在2019~2020年LOS向最大累积形变量分别达到约300 mm和230 mm，且累积形变量受降雨影响较大。从形变发生的部位来看，2处滑坡的中部形变量级最大，年平均形变速率分别达到125 mm/a和100 mm/a。