2. 西南石油大学油气藏地质及开发工程国家重点实验室,成都市新都大道8号,610500;
3. 西南石油大学油气空间信息工程研究所,成都市新都大道8号,610500;
4. 武汉大学测绘遥感信息工程国家重点实验室,武汉市珞喻路129号,430079;
5. 中国科学院、水利部成都山地灾害与环境研究所,成都市群贤南街189号,610299
传统的滑坡监测手段,如GPS观测站、水准仪、GNSS地面站、裂缝计等,因人力消耗巨大、测量设备昂贵、效率较低等原因,难以实现快速广域地灾监测,使潜在隐患点的识别具有很大的局限性[1]。星载合成孔径雷达干涉测量技术(InSAR)是近50 a逐步发展成熟的一种空间大地测量技术,因其全天时、全天候、覆盖范围广、不受云雾限制等优势被广泛应用于油田矿区开采地表沉降、冰川运动、火山熔岩运动等地灾隐患的早期识别和防治,在地表形变的定期、快速、动态监测方面具有重要作用[2]。
聂拉木公路位于喜马拉雅山南麓的高山峡谷区,基础海拔高,地质构造独特,地形地貌复杂,山地环境脆弱,地质灾害易发性高且分布广[3],传统地质调查手段很难实现潜在地质隐患的高效、准确监测[4]。本文以中尼公路聂拉木-樟木段为研究对象,采用StaMPS-SBAS InSAR升降轨融合监测方法,开展研究区潜在地灾广域识别,并对其进行分析,为聂拉木公路潜在地灾隐患点识别提供技术参考。
1 研究区概况和数据来源 1.1 研究区概况研究区位于西藏自治区日喀则市聂拉木县,属珠穆朗玛峰国家级自然保护区,樟木口岸位于核心保护区。研究区覆盖聂拉木公路周边约7 km范围,其北部为高原亚寒带半干旱气候区,年均气温2.1 ℃,最大温差31.2 ℃,降雪期达6个月以上;南部为山地亚热带湿润气候区,降水量巨大,雨季一般为6~10月。该地区为高山峡谷地形,平均海拔在3 600 m以上,地形坡度大多大于35°,气候环境恶劣。
中尼公路穿过藏南滑脱拆离系断裂进入聂拉木县,自北向南依次穿过欧布桥、聂拉木县、康山大桥、707大桥、曲乡水电站、樟木镇、樟木口岸等居民活动区和交通枢纽。2015年尼泊尔发生MS8.1地震,聂拉木公路沿线道路崩坏,山体滑坡、泥石流等地质灾害接连发生[5]。在“一带一路”倡议背景下,对这条将我国与邻国互通互联的交通纽带的地质灾害进行监测与及时治理,对我国边贸发展和外交联系具有重要意义。
1.2 数据来源本文使用Sentinel-1A卫星升降轨干涉宽条带(IW)数据,影像重访周期为12 d,分辨率为2.33 m×13.97 m。选取研究区2017-04~2019-06共130景升降轨影像数据进行InSAR时间序列分析,采用30 m分辨率的数字高程模型(DEM)以提取研究区高程、坡向和坡度数据,并达到去除地形相位的目的。同时,引用InSAR通用大气校正在线服务(GACOS)数据,辅助去除大气噪声的影响[6]。
2 数据处理本文主要采用StaMPS-SBAS InSAR技术[7]对中尼公路聂拉木-樟木段进行大范围潜在地质灾害监测。具体数据处理流程如下: 1)对SAR影像进行裁剪,减少冗余数据,提高效率。设置时间基线阈值不超过60 d,空间基线阈值不超过80 m,经过筛选最终构成升轨171个干涉对和降轨206个干涉对。2)根据振幅离差指数筛选出永久散射体(PS)候选点,通过自适应滤波迭代得到缓慢去相关滤波(SDFP)点。结合外部DEM数据、卫星轨道数据及GACOS数据,去除SDFP点干涉相位中的平地相位、轨道误差和大气延迟,并使用三维相位解缠方法进行解缠[8]。3)采用奇异值分解法(SVD)将多个子集基于最小二乘法联合求解,估算得到每个目标点在时间序列上的累积形变量和年均形变速率值。本文在相位解缠之前引入GACOS数据,可有效抑制大气延迟误差。
3 研究结果和讨论 3.1 InSAR识别隐患点总体结果研究区路段主要地质灾害有滑坡、崩塌、泥石流等,还存在雪崩、暴雪、暴雨等自然灾害[9]。灾害发生因素各不相同,主导力也存在差异。研究发现,高程、坡度、坡向、岩土组成和年均降水量等是高山峡谷地区灾害发生的重要因素,同时也需考虑InSAR监测中几何畸变的影响[10]。
StaMPS-SBAS时序InSAR形变监测结果如图 1所示,图中远离卫星观测方向的形变表现为负值,靠近卫星观测方向的形变表现为正值。根据升降轨InSAR视线向年形变速率结果和形变特征,最终确定54处隐患点,其中升轨36处、降轨18处,对形变区从北到南依次标记为Z-N01~Z-N54。
![]() |
图 1 升降轨隐患点分布 Fig. 1 Distribution of hidden danger points of ascending and descending orbits |
研究区北部植被较少,图 1显示InSAR监测到可靠SDFP点的密度较高,识别的形变区相干性高,形变范围明显;而研究区南部樟木镇附近植被茂盛,对InSAR监测具有一定影响,因此采用升降轨共同监测以起到相互检验补充的作用,提高检测结果的可靠性。从空间分布来看,研究区InSAR识别的隐患点主要分布在聂拉木-康山桥-曲乡-丁仁布桥段,且93%属于高位形变,滑坡群发育明显,升轨监测隐患点最大视线向形变速率为114 mm/a,降轨监测隐患点最大视线向形变速率为122 mm/a。由于受植被遮挡影响,樟木镇范围影像质量较差,升降轨InSAR监测仅识别出12处隐患点,主要分布在樟木镇以东3 km山体和尼泊尔境内科达里附近山体。图 1中Z-N31~Z-N33、Z-N45~Z-N47、Z-N49~Z-N52形变隐患点均与韩冬建等[11]的研究结果相符,证明本文结果具有可靠性。
3.2 隐患点空间分布特征和发育情况结合研究区升降轨时序InSAR监测结果发现,隐患点存在聚集性,具有发育成滑坡群的趋势。根据分布情况可将研究区内隐患点初步划分为咔如普山滑坡群、咔拉山滑坡群、擦热山滑坡群和吉姆雄村滑坡群,这些滑坡群主要形成于聂拉木逆冲断层北部,对当地交通和居民人身财产安全存在潜在威胁。
咔如普山位于西藏自治区日喀则市聂拉木县西北约8 km处,地理坐标为28°13′N、85°56′E,其山体主要有北、东、南三方坡面,坡度跨度大,最大坡度达70.5°。咔如普山滑坡群隐患点形变和分布情况如图 2(a)所示,选取4处形变范围较大的隐患点作剖面分析,以探究其变形趋势和发育情况,将第1天累积形变量视为0 mm,以45 d后的累积形变作为起始变化曲线,结果如图 2(b)~(e)所示。
![]() |
图 2 咔如普山滑坡群示意图 Fig. 2 Schematic diagram of Karupu mountain landslide group |
隐患点Z-N01整体呈椭圆漏斗状,后缘被更高坡度的山体包围,碎屑以前冲方式流向前缘形成堆积体,总体呈线性形变,是该滑坡群中对公路威胁最大的隐患点。结合图 2(b)发现,隐患点为整体滑动,非主要形变区在2017-04~2019-06累积形变量约为20 mm,坡体后缘自2018-06开始有向外扩张的趋势,前缘则相对稳定,最大形变量约为27 mm,发生在2018-07~11。隐患点Z-N02呈长舌形,总体呈线性形变,是该滑坡群中高差最大的隐患点。结合图 2(c)发现,隐患点上半部分坡体较稳定,未发现扩张情况,下半部分坡体向前缘滑动,具有扩张趋势,最大形变量约为29 mm,发生在2018-02~06。Z-N03呈标准舌形,强形变区呈漏斗状,在该滑坡群中形变范围最大,主要形变区位于坡体上部,下部靠右侧有小范围山体滑动,隐患点在2017-04~07相对稳定,7月中旬到12月底形变加速,2018-01~07趋于稳定,12月再次发生形变,呈周期性形变。结合图 2(d)发现,该隐患点形变集中在漏斗中心,未发现向外扩张的趋势,最大形变量约为42 mm,发生在2017-07~11。隐患点Z-N04呈长舌状,强形变区呈长条形,整体向坡体下部流动,约占整个形变范围的2/3,是该滑坡群中形变速率最大的隐患点。结合图 2(e)发现,隐患点整体较稳定,暂未发现向外扩张发育的趋势,形变主要发生在后缘,中部和前缘形变相对较小,最大形变量约为34 mm,发生在2018-07~11。
咔拉山位于西藏自治区日喀则市聂拉木县东北约3.7 km处,地理坐标为28°10′N、86°00′E。咔拉山被大面积积雪覆盖,山脊纵横,相互切割,形成大小交错、碎片化分布的山体坡面,最大坡面角为73°。咔拉山滑坡群隐患点形变和分布情况如图 3(a)所示,选取4处形变范围较大的隐患点作剖面分析,以探究其变形趋势和发育情况,具体如图 3(b)~(e)所示。
![]() |
图 3 咔拉山滑坡群示意图 Fig. 3 Schematic diagram of Kala mountain landslide group |
隐患点Z-N07包含2处形变,有明显冲沟,2处形变呈堆积状,并沿冲沟方向流动,总体呈线性形变。结合图 3(b)发现,隐患点外围形变较稳定,中部有从2处形变发育为1处的趋势。隐患点P1处最大形变量约为28 mm,发生在2017-07~11;P3处最大形变量约为24 mm,发生在2018-10~2019-01。隐患点Z-N08呈堆积状,形变量相对较小,总体为缓慢线性形变。结合图 3(c)发现,隐患点整体缓慢发育,从2019年开始出现不稳定情况,形变范围扩大,最大形变量约为25 mm。隐患点Z-N09形变范围较小,总体呈线性形变,为具有明显冲沟的顺层滑坡。结合图 3(d)发现,隐患点主要形变发生在形变中心,滑坡前缘有向外扩张发育的趋势,后缘相对稳定,最大形变量约为23 mm,发生在2018-10~2019-01。隐患点Z-N38有2处形变点,总体呈线性形变,具有明显冲沟,是该滑坡群中形变速率最大的顺层滑坡。结合图 3(e)发现,隐患点在2017-09~2018-09出现短期加速形变,最大形变量分别约为42 mm和41 mm。
吉姆雄村位于西藏自治区日喀则市聂拉木县西南约1.9 km处,地理坐标为28°14′N、85°97′E,形变隐患点主要位于吉姆雄村背靠的左热普山和帕曲普山之间的未命名山体。该山体山脊纵列分布,纹理清晰,沟壑分明,最大坡面角约75°。聂拉木县及周边村落紧靠山体,中尼公路贯穿经过。吉姆雄村滑坡群隐患点形变和分布情况如图 4(a)所示,选取4处形变威胁较大的隐患点作剖面分析,以探究其变形趋势和发育情况,具体如图 4(b)~(e)所示。
![]() |
图 4 吉姆雄村滑坡群示意图 Fig. 4 Schematic diagram of Jimuxiong village landslide group |
隐患点Z-N14处为山谷沟壑地区,堆积碎屑沿谷沟滑向低处,主要形变发生在坡体前缘。结合图 4(b)发现,隐患点从2019年开始有失稳趋势,坡体前缘形变扩张,最大形变量约为26 mm,发生在2018-06~10。隐患点Z-N15与Z-N14相邻,同处谷地,但形变范围较小,总体呈缓慢线性形变。结合图 4(c)发现,隐患点缓慢发育,2019年开始坡体极不稳定,可能存在坡体剥落、崩塌等情况,最大形变量约为19 mm,发生在2019-01~04。隐患点Z-N16呈缓慢线性形变,最大形变主要发生在中上部,面积较小。由图 4(d)可知,隐患点最大形变量约为21 mm,发生在2019-01~04。隐患点Z-N41高程较高,持续发生线性形变,由图 4(e)可知,最大形变量约为34 mm,发生在2018-10~2019-01。
擦热山位于西藏自治区日喀则市聂拉木县东南约7 km处,地理坐标为28°13′N、86°04′E。擦热山以一条山脉为主,两条山脊展开且有许多树状山脊分支,最大坡面角约72°,高海拔区被大面积冰雪覆盖。擦热山滑坡群隐患点形变和分布情况如图 5(a)所示,选取4处形变范围相对较大的隐患点作剖面分析,以探究其变形趋势和发育情况,具体如图 5(b)~(e)所示。
![]() |
图 5 擦热山滑坡群示意图 Fig. 5 Schematic diagram of Care mountain landslide group |
隐患点Z-N23为圈椅状地貌,坡体较陡,沟壑明显,总体呈线性形变,主要形变发生在坡体后缘。结合图 5(b)发现,隐患点后缘有2次形变加速过程,中部缓慢发育,前缘从2019年开始出现失稳现象。坡体后缘形变表现出强季节性特征,第1次形变加速发生在2017-07~11,最大形变量约为33 mm,第2次发生在2018-06~10,最大形变量约为26 mm。隐患点Z-N24主要形变面积较小,基本呈线性形变,结合图 5(c)发现,隐患点发生2次加速形变,第1次在2017-07~11,第2次在2018-06~10。隐患点Z-N25为小面积坡体侧滑,呈堆积状,总体呈线性形变,主要形变发生在隐患点中部。结合图 5(d)发现,隐患点整体形变较平均,2019年开始前缘有失稳趋势。隐患点Z-N44为小面积坡体侧滑,总体呈线性形变,结合图 5(e)发现,隐患点在2017-07~11开始失稳,最大形变量约为35 mm,且持续发生形变。
扎美拉山隐患点Z-N33地理坐标为28°00′23″N、85°59′20″E,海拔约为2 807~3 502 m,高差695 m,西南坡向,平均坡度角为45°。隐患点Z-N53地理坐标为27°56′37″N、85°55′59″E,海拔约为1 650~2 254 m,高差604 m,西南坡向,平均坡度角为41°。隐患点Z-N33最大视线向形变速率约为21 mm/a,整体发生缓慢形变。从图 6(a)可知,隐患点整体发生持续形变。在同山体的西北坡向,通过InSAR监测到有形变发生,但可靠的SDFP点较少,故未作具体分析。该处滑坡紧靠中尼公路山体,坡度较陡,有可能发生潜在山体崩塌,建议进行实地调研并持续监测。隐患点Z-N53最大视线向形变速率约为122 mm/a,由图 6(b)可知,坡体后缘形变明显且持续,中后缘形变相对缓慢,最大形变量约为93 mm,发生在2018-06~10。
![]() |
图 6 隐患点Z-N33和Z-N53形变示意图 Fig. 6 Deformation diagram of hidden danger points Z-N33 and Z-N53 |
滑坡不稳定性影响因素可分为地质构造、自然气候变化、人为活动等。研究区降雨和降雪作为公路沿线地灾的重要影响因素,分析其与隐患点形变长时序的相关性,对掌握隐患发生机制和早期防治具有重要作用[12]。为探究研究区54处隐患点降水与形变的关系,提取形变区特征点时序累积形变量与2017-04~2019-06月平均降水量[13],并进行对比分析。
由降水数据可知,约有11%的隐患点年降水量小于400 mm,为半干旱地区;约有72%的隐患点年降水量在400~800 mm,为半湿润地区;约有17%的隐患点年降水量大于800 mm,为湿润地区。研究区地处高原亚寒带半干旱气候区和山地亚热带湿润气候区的交界处,对隐患点降水量和位置进行统计发现,这些隐患点分别位于研究区北部、中部和南部,降水分布符合当地气候特征。根据时序形变量和降水统计之间的相关性,将54处隐患点分为Ⅰ类降水强相关8处,Ⅱ类降水弱相关27处,Ⅲ类几乎不相关19处。
由图 7可知,第Ⅰ类隐患点随时间呈现周期性形变,与降水影响密切相关。从2017-04开始形变加速,9月左右达到最大,随后继续周期性变化至2019-06末。这些隐患点降水主要集中在6~9月,而最大累积形变量滞后降雨高峰约1个月。第Ⅱ类隐患点形变受降水影响较小,其中22%的隐患点呈线性形变,78%的隐患点在2017-06~09出现首次形变加速,到2018-01左右形变骤减,第2次形变加速发生在2018-05~09,并在2018-12~2019-01开始减缓,部分展示见图 8。第Ⅲ类隐患点形变与降水几乎不相关,这些隐患点的形变模式几乎不受季节性降水影响,可能需要进一步研究来分析其他可能的影响因素,部分展示见图 9。
![]() |
图 7 第Ⅰ类隐患点形变和降水关系 Fig. 7 Relationship between deformation and precipitation of the first type of hidden danger points |
![]() |
图 8 第Ⅱ类隐患点形变和降水关系 Fig. 8 Relationship between deformation and precipitation of the second type of hidden danger points |
![]() |
图 9 第Ⅲ类隐患点形变和降水关系 Fig. 9 Relationship between deformation and precipitation of the third type of hidden danger points |
本文采用StaMPS-SBAS InSAR技术,利用Sentinel-1A升降轨卫星数据,对聂拉木公路地区进行大范围地灾隐患遥感识别和形变特征研究,共探测到72处隐患点,其中18处为重复识别的隐患点,最终确定54处地灾隐患点。
根据识别结果可知,隐患点分布具有聚集性,在聂拉木逆冲断层以北的山体形成4处滑坡群。隐患点最大形变速率达到114 mm/a(升轨)和122 mm/a(降轨),对当地交通和居民生命财产安全构成潜在威胁。此外,聂拉木逆冲断层以南的隐患点主要分布在我国樟木镇及樟木口岸附近,结合降水情况可知,部分隐患点形变与降水量呈正相关,具有明显的季节性变化特征。
综上所述,聂拉木公路沿线范围地灾隐患数量众多,部分靠近公路和居民点的隐患点出现不同程度的不稳定现象,特别是吉姆雄村滑坡群和扎美拉山滑坡,建议对该地区进行长期监测,并及时采取防治措施。
[1] |
李晓恩, 周亮, 苏奋振, 等. InSAR技术在滑坡灾害中的应用研究进展[J]. 遥感学报, 2021, 25(2): 614-629 (Li Xiaoen, Zhou Liang, Su Fenzhen, et al. Application of InSAR Technology in Landslide Hazard: Progress and Prospects[J]. National Remote Sensing Bulletin, 2021, 25(2): 614-629)
( ![]() |
[2] |
李志伟, 许文斌, 胡俊, 等. InSAR部分地学参数反演[J]. 测绘学报, 2022, 51(7): 1 458-1 475 (Li Zhiwei, Xu Wenbin, Hu Jun, et al. Partial Geoscience Parameters Inversion from InSAR Observation[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(7): 1 458-1 475)
( ![]() |
[3] |
吴晓. 中尼公路K103段边坡工程勘察与防治对策研究[J]. 五邑大学学报: 自然科学版, 2016, 30(2): 74-78 (Wu Xiao. Side Slope Engineering Investigation and Preventive Measures along K103 Section of Sino-Nepal Highway[J]. Journal of Wuyi University: Natural Science Edition, 2016, 30(2): 74-78)
( ![]() |
[4] |
戴可人, 沈月, 吴明堂, 等. 联合InSAR与无人机航测的白鹤滩库区蓄水前地灾隐患广域识别[J]. 测绘学报, 2022, 51(10): 2 069-2 082 (Dai Keren, Shen Yue, Wu Mingtang, et al. Identification of Potential Landslides in Baihetan Dam Area before the Impoundment by Combining InSAR and UAV Survey[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(10): 2 069-2 082)
( ![]() |
[5] |
胡桂胜, 陈宁生, 苏鹏程, 等. 西藏聂拉木县"4·25" 尼泊尔地震次生山地灾害与防灾减灾对策[J]. 自然灾害学报, 2016, 25(4): 70-76 (Hu Guisheng, Chen Ningsheng, Su Pengcheng, et al. Secondary Mountain Disasters Induced by the "4·25" Nepal Earthquake in Nyalam County and Disaster Prevention and Mitigation Countermeasures[J]. Journal of Natural Disasters, 2016, 25(4): 70-76)
( ![]() |
[6] |
Yu C, Li Z H, Penna N T. Interferometric Synthetic Aperture Radar Atmospheric Correction Using a GPS-Based Iterative Tropospheric Decomposition Model[J]. Remote Sensing of Environment, 2018, 204: 109-121 DOI:10.1016/j.rse.2017.10.038
( ![]() |
[7] |
Hooper A. A Multi-Temporal InSAR Method Incorporating both Persistent Scatterer and Small Baseline Approaches[J]. Geophysical Research Letters, 2008, 35(16)
( ![]() |
[8] |
Hooper A, Segall P, Zebker H. Persistent Scatterer Interferometric Synthetic Aperture Radar for Crustal Deformation Analysis, with Application to Volcán Alcedo, GaláPagos[J]. Journal of Geophysical Research: Solid Earth, 2007, 112(B7)
( ![]() |
[9] |
吕夏婷, 丁明涛, 张永旺, 等. 基于三角白化权函数的中尼公路聂友段山地灾害危险性评价[J]. 西南科技大学学报, 2017, 32(1): 25-30 (Lü Xiating, Ding Mingtao, Zhang Yongwang, et al. Hazard Assessment of Mountainous Disasters in Nieyou Section of Sino-Nepal Highway Based on Triangle Whitening Weight Function[J]. Journal of Southwest University of Science and Technology, 2017, 32(1): 25-30 DOI:10.3969/j.issn.1671-8755.2017.01.005)
( ![]() |
[10] |
党超, 程尊兰, 耿学勇, 等. 中尼公路聂友段公路病害及防治对策[J]. 防灾减灾工程学报, 2007, 27(2): 201-205 (Dang Chao, Cheng Zunlan, Geng Xueyong, et al. Disasters and Preventive Measures along Nieyou Section of Sino-Nepal Highway[J]. Journal of Disaster Prevention and Mitigation Engineering, 2007, 27(2): 201-205 DOI:10.3969/j.issn.1672-2132.2007.02.014)
( ![]() |
[11] |
韩冬建, 杨成生, 董继红. 西藏樟木口岸震后滑坡灾害变形InSAR监测分析[J]. 地质力学学报, 2020, 26(4): 565-574 (Han Dongjian, Yang Chengsheng, Dong Jihong. InSAR Monitoring and Analysis of Landslide Deformation after the Earthquake in the Zhangmu Port, Tibet[J]. Journal of Geomechanics, 2020, 26(4): 565-574)
( ![]() |
[12] |
Hilley G E, Bürgmann R, Ferretti A, et al. Dynamics of Slow-Moving Landslides from Permanent Scatterer Analysis[J]. Science, 2004, 304(5 679): 1 952-1 955
( ![]() |
[13] |
Ding Y X, Peng S Z. Spatiotemporal Trends and Attribution of Drought across China from 1901-2100[J]. Sustainability, 2020, 12(2)
( ![]() |
2. State Key Laboratory of Oil and Gas Reservoir Geology and Exploitation, Southwest Petroleum University, 8 Xindu Road, Chengdu 610500, China;
3. Institute of Petroleum and Natural Gas Spatial Information Engineering, Southwest Petroleum University, 8 Xindu Road, Chengdu 610500, China;
4. State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, 129 Luoyu Road, Wuhan 430079, China;
5. Institute of Mountain Hazards and Environment, CAS, 189 South-Qunxian Street, Chengdu 610299, China