文章快速检索     高级检索
  大地测量与地球动力学  2024, Vol. 44 Issue (6): 630-635  DOI: 10.14075/j.jgg.2023.09.192

引用本文  

张龙宇, 李素敏, 禹孙菊, 等. 基于SBAS-InSAR与Offset-Tracking的色东普流域灾前形变探究[J]. 大地测量与地球动力学, 2024, 44(6): 630-635.
ZHANG Longyu, LI Sumin, YU Sunju, et al. Research on Pre-Disaster Deformation of Sedongpu Basin Based on SBAS-InSAR and Offset-Tracking[J]. Journal of Geodesy and Geodynamics, 2024, 44(6): 630-635.

项目来源

国家自然科学基金(52364020, 42161067);云南省基础研究计划(202301AT070463)。

Foundation support

National Natural Science Foundation of China, No.52364020, 42161067; Fundamental Research Program of Yunnan Province, No. 202301AT070463.

通讯作者

李素敏,博士,副教授,主要研究方向为InSAR高原山区数据处理及应用,E-mail: 153064487@qq.com

Corresponding author

LI Sumin, PhD, associate professor, majors in InSAR data processing and application in plateau mountain areas, E-mail: 153064487@qq.com.

第一作者简介

张龙宇,硕士生,主要研究方向为InSAR地表形变监测,E-mail: 1670470597@qq.com

About the first author

ZHANG Longyu, postgraduate, majors in InSAR surface deformation monitoring, E-mail: 1670470597@qq.com.

文章历史

收稿日期:2023-09-03
基于SBAS-InSAR与Offset-Tracking的色东普流域灾前形变探究
张龙宇1     李素敏1,2     禹孙菊3     毕自航1     梁志强4     卞魁明4     
1. 昆明理工大学国土资源工程学院,昆明市文昌路68号,650093;
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;
4. 中国水利水电第十四工程局有限公司,昆明市环城东路192号,650041
摘要:利用SAR偏移量追踪(offset-tracking)技术获取冰川形变作为SBAS-InSAR的补充,采用2种技术计算2018-01~10色东普流域灾前形变,联合分析灾前形变特征及影响因素。结果表明,色东普流域冰川与沟道在2018-10-17冰崩灾害发生前已出现形变;冰川主要形变区形变趋势表现为加速-平缓-加速,7~9月形变量达到-7.69 m;沟道内堆积物长期呈下滑趋势,7月后与冰川均加速形变;气温升高是冰崩碎屑流灾害发生的主导因素。联合SBAS-InSAR与offset-tracking技术能够满足不同形变量级的监测需求,可用于冰崩灾害的早期识别与形变反演,为青藏高原地区冰崩灾害防治提供参考。
关键词色东普流域SBAS-InSARoffset-tracking冰崩灾害形变监测

2018-10-17西藏东南米林县色东普流域发生冰崩-碎屑流-堵江灾害,造成重大财产损失。色东普流域地处高寒、高海拔偏远地区,难以用传统的地面观测手段进行灾害监测与调查,以卫星遥感为主的监测方法便成为冰崩碎屑流灾害监测的主要手段[1-3]

相比于光学遥感,合成孔径雷达干涉测量技术(InSAR)具有全天候、全天时、穿透性强、高精度等优势[4],在青藏高原地区地表形变研究中已获得广泛应用[5]。研究发现,SBAS-InSAR具有高精度,但仅能检测微小形变,offset-tracking可获取大梯度形变,但精度较低[6-9]。在SBAS-InSAR结果的失相干区域,可采用offset-tracking技术作为补充。本文利用SBAS-InSAR技术对色东普流域2018-01~10影像进行计算,获取流域形变特征,并采用offset-tracking技术获取失相干区域形变趋势,以补充SBAS-InSAR技术的不足。

1 研究区概况

研究区位于雅鲁藏布江大峡谷段、加拉白垒冰川区西南侧,距离林芝东侧约55 km,地理坐标为94°55′24″E、29°47′7.20″N,流域面积约66.8 km2,整个沟谷呈“V”型发育,高差大,最高点海拔为7 294 m,最低点为沟口,海拔为2 746 m,为典型的高山峡谷地貌,平均坡度34.89°。流域内发育有大面积冰川,约23.6 km2,占流域总面积的35%。区域地质构造背景复杂,剥蚀作用强烈,地形纵坡降大,主沟长度约7.4 km,主沟道上段纵坡降395%,中下段纵坡降202%。沟道内因崩滑等地质灾害发育大量松散堆积物,易受冰崩、岩崩等影响造成大规模堵江事件。

2 数据与方法 2.1 数据

本文选用2018-01~10覆盖研究区的21景降轨单视复数影像(SLC)数据(表 1)计算LOS向形变,选用相同时段的地距影像(GRD)数据计算每两景相邻时间影像的偏移量。

表 1 SAR数据基本参数 Tab. 1 Basic parameters of SAR data
2.2 SBAS-InSAR技术

SBAS-InSAR技术可以获取mm级地表形变情况。数据处理流程包括:生成连接图、干涉工作流、轨道精练与重去平、SBAS反演和地理编码。

2.3 offset-tracking技术

offset-tracking是一种基于SAR影像幅度信息测量地表方位向形变的技术。该技术无需依赖SAR影像间的相关性,也无需进行相位解缠,几乎不受失相干影响,在大量级地表形变监测中较为常见。获取偏移场的实现方式分为相干性追踪和强度追踪,本文采用强度追踪法进行偏移量计算。该方法一般基于归一化互相关系数算法实现,计算公式为:

$ \begin{gathered} N(x, y)= \\ \frac{\sum\limits_{x, y}\left(r(x, y)-u_r\right)\left(s(x-u, y-v)-u_s\right)}{\left(\sum\limits_{x, y}\left(r(x, y)-u_r\right)^2 \sum\limits_{x, y}\left(s(x-u, y-v)-u_s\right)^2\right)^{\frac{1}{2}}} \end{gathered} $ (1)

式中,N(x, y)表示归一化互相关系数,(x, y)表示目标像元位置,(x-u, y-v)表示搜索像元位置,rs分别表示目标像元和搜索像元的数值,urus分别表示目标窗口和搜索窗口的强度均值。搜索窗口大小对监测精度会造成一定影响,选取不同尺寸的搜索窗口计算研究区结果,并求出其形变标准差(表 2),本文实验中匹配窗口选取为128×128。

表 2 不同尺寸窗口下形变标准差 Tab. 2 Standard deviation of deformation under different size windows
2.4 联合SBAS-InSAR与offset-tracking技术

当进行干涉处理的影像对间像素的相位差超过π(1/2个周期)时,SBAS-InSAR会出现失相干现象,导致SBAS-InSAR技术难以对超过临界相位梯度的形变进行有效监测;offset-tracking技术能充分利用SAR影像的强度信息对大梯度形变进行监测,但微小形变监测精度较InSAR低。因此在对色东普流域进行监测时,利用SBAS-InSAR技术计算相干性较好的区域,以获取高精度微小形变,对大量级形变的区域采用offset-tracking技术作为SBAS-InSAR的补充,联合2种方法获取研究区灾前整体形变特征。

3 实验结果与分析 3.1 可靠性分析

综合考虑地表覆盖类型、应用需求等方面的影响,将相干性阈值设为0.3,同时计算SBAS-InSAR监测结果的形变误差,得到平均均方根误差为4.3 mm,表明InSAR形变反演结果具有较高的可靠性。

考虑到研究区地形起伏大,易影响结果精度,根据稳定区域统计值方法来进行精度验证:在计算范围内选取10个居民区作为参考,结果显示,10个区域平均累积偏移量为-0.03 m,均方根误差为0.85 m。误差值占监测区域最大累积形变量的0.4%,误差较小,说明offset-tracking结果可信。

3.2 色东普流域形变监测结果分析

基于上述方法,针对色东普流域2018-10-17冰崩-碎屑流-堵江事件进行灾前形变监测。

3.2.1 色东普流域SBAS-InSAR监测结果

色东普沟监测结果如图 1所示,其中形变速率VLOS呈红色表示形变区域向靠近卫星传感器视线方向移动,呈蓝色表示形变区域向远离卫星传感器视线方向移动。

图 1 SBAS-InSAR监测LOS向位移速率 Fig. 1 LOS displacement rate monitored by SBAS-InSAR

监测结果显示,色东普流域沟道及下部形变速率均呈蓝色,表明该形变区域沿地表向下及雅鲁藏布江运动,沟道中下部松散堆积体形变较为严重,平均形变速率达-35.61 mm/a,最大形变速率为-156.47 mm/a,最大累积形变量达-156 mm。采用Landsat-8 OLI/TIRS卫星影像数据分析色东普流域在冰崩碎屑流事件前后的地表状况,在图 2(a)左图中观察到的冰湖,在图 2(a)右图中已被冲毁,根据灾变前后影像对比可知,冰崩发生后,流通区内有较明显的白色物质堆积(图 2(f)右图),认定其为冰舌断裂残留冰屑物;色东普主沟沟道宽度较之前有所扩张(图 2(c)2(d)),且沟口处泥石流堆积物面积扩大(图 2(e))。结合文献[1]判定,2018-10-17冰崩发生区域为图 1红框范围处。由于SBAS-InSAR技术只有在高相干区域才能保证数据的准确性,而冰崩及冰川消融引起的形变具有形变量级大等特点,导致SBAS-InSAR监测在失相干区域存在盲区。

图 2 冰崩前后遥感影像对比 Fig. 2 Comparison of remote sensing images before and after ice collapse
3.2.2 色东普流域offset-tracking监测结果

从SAR影像数据的强度信息入手,采用2018-01~10的21景GRD数据对研究区进行形变监测,获取雷达视线向地表累积形变。冰川大多分布于流域后缘,坡度较陡,经计算,后缘区域平均坡度达50.26°,即冰川形变区域以垂直向形变为主,故通过式(2)可将LOS向形变转化为垂直向形变结果:

$ D_{\mathrm{v}}=\frac{D_{\text {LOS}}}{\cos \alpha} $ (2)

式中,Dv为垂直向形变;DLOS为LOS向形变;α为卫星入射角。

根据2018年冰川编目数据集[10]可知,失相干区域发育大面积冰川(图 3(a)),按照冰川物源补给可将色东普沟道分为11个分区(图 3(b))。由图 4可知,在2018-01~10监测时段,色东普沟道形变区集中在整片流域右侧,SDP-8、SDP-9、SDP-10、SDP-11号冰川处均存在较大形变。其中,SDP-8、SDP-9、SDP-10号冰川主要形变区位置相近,且该形变区所处位置与根据遥感影像判定的2018-10-17色东普冰崩碎屑流事件的崩滑区重合;SDP-11号冰川形变区出现在山峰处,推测可能为冰崩、岩崩造成的变形。

图 3 色东普流域冰川及沟道松散堆积体分布 Fig. 3 Distribution of glacier and gully loose deposits in the Sedongpu basin

图 4 offset-tracking监测结果 Fig. 4 offset-tracking results
3.2.3 SBAS-InSAR与offset-tracking技术联合分析

联合SBAS-InSAR与offset-tracking技术监测结果进行分析(图 5)。为定量分析色东普流域沟道形变趋势,在色东普流域绘制剖面线,获取部分监测点的累积形变量。在剖面线上选取16个监测点,其中P1~P9表示数据取自offset-tracking监测结果,S1~S7表示数据取自SBAS-InSAR监测结果。

图 5 InSAR与offset-tracking结果叠加 Fig. 5 Superposition of InSAR and offset-tracking results

监测点P1~P9位于冰川中后部,其中,P1、P8、P9位移量呈围绕低值区的正-负形变值交错变化,表明其在监测时段处于较为稳定的状态。监测点P3到P7的距离约为1 897 m,高差约为700 m,累积形变量最大达-28.66 m(图 6)。根据监测点累积形变量可知,SDP-10号冰川主要形变区整体呈相同的运动趋势,该形变区在2018-03-30之前运动速率较快,3个月内最大形变量约为17.34 m,之后趋于缓慢形变,在2018-07-16之后加速形变,形变区中部整体形变速率最快,2018-07~09最大形变量约为-7.69 m,后缘次之,前缘形变速率最慢。监测点P8、P9位于SDP-9号冰川冰舌处,2018-07均处于平缓状态,7月之后均表现为加速下滑。

图 6 P1~P9形变时序 Fig. 6 Time series deformation of P1 to P9

监测点S1~S7位于色东普流域沟道中下部,累积形变量最大达-65.8 mm(图 7)。由监测点累积形变曲线可以看出,S1~S7均表现为远离LOS向运动,S3、S4、S6、S7在2018-07-04之后均出现形变值快速增加,其中S6在2018-08-21之后与其上方监测点S3、S4出现相反的形变趋势,S7在2018-07-28之后与S6呈现相反的形变趋势,推测该现象是由2018-07之后沟道中堆积物下滑引起的,并存有一定的连续性。

图 7 S1~S7形变时序 Fig. 7 Time series deformation of S1 to S7

针对位于冰川主要形变区的监测点P3~P7及较为靠近冰舌处存在形变的监测点S1~S5,采用皮尔逊算法计算从2种监测结果获取的累积形变时序曲线的波动相关性。各点之间的相关系数均大于0.7,说明2种监测方法的结果之间存在较强的关联性,即二者存在相似的变化趋势。表明联合SBAS-InSAR与offset-tracking技术能够有效监测流域内整体形变,可弥补SBAS-InSAR在大形变量级处的失相干,并满足形变监测中同一区域不同形变量级的监测需求。

海洋性冰川在日平均气温大于等于5 ℃时,易导致冰川急剧消融,从而引发泥石流[11]。对比分析2018年整年降雨、温度及特征点P5时间序列(图 8)可以看出,2018-05~10色东普流域日平均温度多高于5 ℃,其间多日的日平均地表温度接近5 ℃,连续长时间的高温促使流域内冰川发生形变。降雨在增大冰川融水量的同时,会导致径流量增加,色东普流域2018年降雨主要集中在7~9月,2018-07-08区域内气温、降雨达到顶峰,在降雨及高温双重影响下,冰川形变进程得到极大的推进,因气温及降雨影响存在滞后效应,07-16之后冰川形变加速。因色东普流域地形具有“漏斗效应”[12],降雨与高温融雪时沟道内堆积物受影响程度会被放大。

图 8 降水、温度数据与P5时间序列对比 Fig. 8 Comparison of precipitation, temperature and P5 time series
4 结语

针对色东普流域2018-10-17冰崩碎屑流事件,利用offset-tracking技术补充SBAS-InSAR监测结果中失相干区域,联合分析流域内灾前形变特征,得到以下结论:

1) SBAS-InSAR与offset-tracking结果表明,冰川和沟道在2018-10-17灾害发生前已存在形变。InSAR结果显示,沟道处最大形变速率达-156.47 mm/a,失相干区域与2018年冰川编目数据中冰川所在区域较为吻合;offset-tracking结果显示,冰川主要形变区域位于流域右侧,主要形变位置与冰崩处一致。

2) SBAS-InSAR与offset-tracking联合分析结果表明,冰川与沟道处的形变具有相关性。冰川形变区监测点最大累积形变量达-28.66 m,沟道形变区监测点最大累积形变量为-65.8 mm,主要形变区的特征点均呈下滑趋势,冰川区在3~7月较为平缓,7月后出现加速形变;沟道堆积区一直存在形变,7月之后下滑趋势加剧。

3) 气温升高是色东普流域2018-10-17冰崩碎屑流灾害发生的主导因素。连续多日的高温使冰雪融水增加,冰川随之出现加速形变,直至发生冰崩。

两种监测结果具有较高的可靠性与关联性,本文方法能够获取流域内整体灾前形变,对冰崩灾害早期识别及防治研究具有借鉴意义。

参考文献
[1]
童立强, 涂杰楠, 裴丽鑫, 等. 雅鲁藏布江加拉白垒峰色东普流域频繁发生碎屑流事件初步探讨[J]. 工程地质学报, 2018, 26(6): 1 552-1 561 (Tong Liqiang, Tu Jienan, Pei Lixin, et al. Preliminary Discussion of the Frequently Debris Flow Events in Sedongpu Basin at Gyalaperi Peak, Yarlung Zangbo River[J]. Journal of Engineering Geology, 2018, 26(6): 1 552-1 561) (0)
[2]
除多, 才旺顿珠, 拉旺顿珠, 等. Sentinel-2监测西藏冰崩灾害[J]. 遥感技术与应用, 2022, 37(6): 1 289-1 301 (Chu Duo, Caiwang Dunzhu, Lawang Dunzhu, et al. Monitoring Glacier Avalanches in Tibet Using Sentinel-2 Imagery[J]. Remote Sensing Technology and Application, 2022, 37(6): 1 289-1 301) (0)
[3]
Zhang T T, Yin Y P, Li B, et al. Characteristics and Dynamic Analysis of the October 2018 Long-Runout Disaster Chains in the Yarlung Zangbo River Downstream, Tibet, China[J]. Natural Hazards, 2022, 113(3): 1 563-1 582 DOI:10.1007/s11069-022-05358-z (0)
[4]
刘国祥, 陈强, 罗小军. InSAR原理与应用[M]. 北京: 科学出版社, 2019 (Liu Guoxiang, Chen Qiang, Luo Xiaojun. Principle and Application of InSAR[M]. Beijing: Science Press, 2019) (0)
[5]
Reinosch E, Buckel J, Dong J E, et al. InSAR Time Series Analysis of Seasonal Surface Displacement Dynamics on the Tibetan Plateau[J]. The Cryosphere, 2020, 14(5): 1 633-1 650 DOI:10.5194/tc-14-1633-2020 (0)
[6]
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)
[7]
朱邦彦, 任志忠, 张琪, 等. 利用SBAS-InSAR技术反演雅鲁藏布江色东普流域灾前冰川形变[J]. 测绘通报, 2021(11): 31-35 (Zhu Bangyan, Ren Zhizhong, Zhang Qi, et al. Glacier Deformation Inversion before Disaster Using SBAS-InSAR Technology in Sedongpu Basin along the Yarlung Zangbo River[J]. Bulletin of Surveying and Mapping, 2021(11): 31-35) (0)
[8]
李振洪, 宋闯, 余琛, 等. 卫星雷达遥感在滑坡灾害探测和监测中的应用: 挑战与对策[J]. 武汉大学学报: 信息科学版, 2019, 44(7): 967-979 (Li Zhenhong, Song Chuang, Yu Chen, et al. Application of Satellite Radar Remote Sensing to Landslide Detection and Monitoring: Challenges and Solutions[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 967-979) (0)
[9]
李壮, 李滨, 高杨, 等. 雅鲁藏布江下游色东普沟高位地质灾害发育特征遥感解译[J]. 中国地质灾害与防治学报, 2021, 32(3): 33-41 (Li Zhuang, Li Bin, Gao Yang, et al. Remote Sensing Interpretation of Development Characteristics of High-Position Geological Hazards in Sedongpu Gully, Downstream of Yarlung Zangbo River[J]. The Chinese Journal of Geological Hazard and Control, 2021, 32(3): 33-41) (0)
[10]
冉伟杰, 王欣, 郭万钦, 等. 2017-2018年中国西部冰川编目数据集[J]. 中国科学数据, 2021, 6(2) (Ran Weijie, Wang Xin, Guo Wanqin, et al. A Dataset of Glacier Inventory in Western China during 2017-2018[J]. China Scientific Data, 2021, 6(2)) (0)
[11]
李鸿连, 赵尚学, 李爱弟. 泥石流发育的气候环境[C]. 第四届全国泥石流学术会议, 兰州, 1994 (Li Honglian, Zhao Shangxue, Li Aidi. Climate Environment for Debris Flow Development[C]. The Fourth National Academic Conference on Debris Flow, Lanzhou, 1994) (0)
[12]
赵永辉. 中国西藏雅鲁藏布江色东普沟滑坡-堵江堰塞湖事件研究[J]. 河北地质大学学报, 2020, 43(3): 31-37 (Zhao Yonghui. Study on the Barrier Lake Event for Landslide-River Blocking of Sedongpu Valley on Yarlung Zangbo River in Tibet of China[J]. Journal of Hebei GEO University, 2020, 43(3): 31-37) (0)
Research on Pre-Disaster Deformation of Sedongpu Basin Based on SBAS-InSAR and Offset-Tracking
ZHANG Longyu1     LI Sumin1,2     YU Sunju3     BI Zihang1     LIANG Zhiqiang4     BIAN Kuiming4     
1. Faculty of Land and Resources Engineering, Kunming University of Science and Technology, 68 Wenchang Road, Kunming 650093, China;
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;
4. Sinohydro Bureau 14th Co Ltd, 192 East-Huancheng Road, Kunming 650041, China
Abstract: In this paper, the glacier deformation is obtained by using offset-tracking technology as a supplement to SBAS-InSAR, and the pre-disaster deformation of Sedongpu basin is calculated by using two technologies from January 2018 to October 2018, and the pre-disaster deformation characteristics and influencing factors are jointly analyzed. The results show that the glaciers and gullies in Sedongpu basin were deformed before the ice avalanche occurred on October 17, 2018. The trend of the main deformation area of glacier is first accelerated, then gentle and then accelerated, with the deformation of -7.69 m from July to September. The sediments in channels showed a long-term downward trend, and the deformation rate accelerated after July. The temperature rise is the main factor for the occurrence of debris flow disaster. The combination of SBAS-InSAR and offset-tracking can meet the monitoring requirements of different deformation magnitudes, and can be used for early identification and deformation inversion of ice avalanche disasters, providing a reference for ice avalanche disaster prevention and control in the Tibetan plateau.
Key words: Sedongpu basin; SBAS-InSAR; offset-tracking; ice avalanche disaster; deformation monitoring