2024, Vol. 44
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
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 |
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，r和s分别表示目标像元和搜索像元的数值，ur和us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 |
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 |
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 |
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 |
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。
| [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) |
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