| 利用多InSAR技术分析某天然气管道填方区形变 |
油气管道是国家重要的基础设施,担负着保障国家能源安全、保障油气供应的重大责任和使命。油气管道的保护关联国家能源安全,涉及民众的生命财产安全,至关重要[1]。然而,管道附近填方区的堆积可能会导致滑坡、地面沉降等地质灾害,威胁到管道的安全。为了保证管道的安全性,必须进行高效准确的变形监测。传统的测量手段(如水准测量、GPS等)仅能对离散点进行监测,而且耗时、耗力、成本高[2, 3],合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)技术突破了传统单点形变测量的限制,通过干涉测量的方法获取区域形变,具有大范围、全天候、低成本的特点,被广泛应用于滑坡、火山、地震、沉降等形变监测中[4, 5],为管道附近区域的形变测量提供了重要的技术支撑。
为了研究某天然气管道高填方区的形变特征,本文使用27景降轨Sentinel-1A卫星影像进行InSAR数据处理和分析,获取研究区2018-06—2019-05的形变信息,通过形变曲线分析研究区的形变阶段和特点,结合实地调查判断高填方区对管道的影响。
1 研究区概况某天然气管道K724+580高铁检修站高填方区位于四川省广元市经济开发区盘龙镇东升村9组,管道从丘陵沟谷-斜坡过渡地带通过,坡体上第四系覆盖层较厚,下伏基岩为侏罗系沙溪庙组砂泥岩互层。由于修建动车所检修站,场地平整开挖形成的弃渣堆填在某天然气管道南侧,目前形成高10 m的填方区。高填方区位于嘉陵江流域,附近无大型地表水体,仅有中小型灌溉堰塘与季节性冲沟,地表流量受季节影响大,调查期间汇水地带及季节性冲沟仅有少量积水。区域地貌类型属于缓丘~中丘。由于修建动车所检修站,在管道附近进行了大规模土石方作业,形成了高填方区,整体面积10 000 m2,高差约10 m,方量约10万m3,填方边坡整体坡度约32°。管道穿越区位于丘陵沟谷-斜坡过渡地带,斜坡整体呈阶梯状,坡度较平缓,整体约6°。图 1为高填方区与管道的相对位置。根据现场调查,管道南侧的高填方区还将继续堆填增高,坡脚目前距管道仅6 m,填方边坡在天然状态下处于基本稳定状态,但土体较为松散,原地形处于汇水区域,区域地表与地下水较为发育。现场边坡出露基岩为泥岩,饱水强度降低。目前状态下填方体坡脚未设置支挡措施,在长期持续降雨条件下,填方边坡边缘土体易失稳侧滑,可能对管道产生侧向挤压的作用。
![]() |
| 图 1 高填方区与管道的相对位置 Fig.1 Relative Position of the High Fill Area and the Pipeline |
在现场调查的基础上,本文采用多InSAR技术对填方区潜在灾体的时序形变数据进行分析,查明潜在灾体及典型点的形变规律,分析现今变形破坏迹象及其形成条件,分析其成因机制,为管道的安全运营提供防治依据。
2 InSAR形变监测和结果分析 2.1 InSAR形变监测InSAR技术是极具潜力的微波遥感新技术,它是合成孔径雷达遥感成像与电磁波干涉两大技术融合的结果[4, 5]。它利用两副天线同时观测(单轨双天线模式)或两次平行观测(重复轨道模式)获得同一地区的重复观测数据(单视复数影像对),通过提取同一目标对应的两个回波信号之间的相位差(干涉相位)并结合观测平台的轨道数据来获取高精度、高分辨率的地面高程及形变信息[6]。InSAR技术可以监测大范围的地面微小形变[7],具有精度高、视域广、连续性强、安全性高、全天时、全天候等优点[8, 9],被广泛应用于地表形变监测[10-13]。本文使用差分合成孔径雷达干涉测量(differential InSAR,D-InSAR)、永久散射体合成孔径雷达干涉测量(permanent scatterer InSAR,PS-InSAR)、短基线子集合成孔径雷达干涉测量(small baseline subset InSAR,SBAS-InSAR)技术对研究区域进行监测。
本文的监测重点是潜在灾体,其地势为南东高、北西低,坡向为北西向。根据斜坡位移特征,其主要位移方向应当是由南东往北西。考虑到监测区范围、监测区自然地理条件、卫星数据的时效性、空间分辨率及经济性等因素,本文采用Sentinel-1A卫星降轨高分辨率SAR影像数据进行监测,共获取到2018-06—2019-05的27景影像。
2.2 监测结果与分析为了追溯监测区的历史时序形变,本文采用PSInSAR及SBAS-InSAR技术提取形变,形变点分布图见图 2和图 3。可以看出,PS-InSAR技术探测出的PS点极少(彩色点为PS点),主要分布于居民区,尤其是潜在灾体上没有PS点,SBAS-InSAR监测到的点较多,但是潜在灾体上仍然存在数据缺失,这主要是由于山区稳定的散射体数量较少,而且植被比较茂密。
![]() |
| 图 2 大区域范围形变点分布情况 Fig.2 Distribution of Deformation Points in Large Area |
![]() |
| 图 3 目标区形变点分布情况 Fig.3 Distribution of Deformation Points in the Target Area |
为进一步监测和分析监测区域的时空形变特征,弥补PS-InSAR和SBAS-InSAR部分区域数据缺失的问题,对27景Sentinel-1A降轨影像,以每相邻12天的影像为干涉对进行D-InSAR处理,获得了监测区26个时段的形变信息,分析潜在灾体在12天内的空间形变特征及间隔12天的时序变化特征,部分时段形变量分布见图 4。
![]() |
| 图 4 部分时段形变量分布 Fig.4 Distribution of Deformation in Some Periods |
通过多项式拟合图 4中的各监测时间段内形变量最大值、最小值,计算出区域拟合平均值,如表 1所示,以监测时间为横轴,区域拟合平均值为纵轴,可以得到目标分析区的形变趋势,如图 5所示。
| 表 1 目标区形变信息 Tab.1 Deformation Information in the Target Area |
![]() |
![]() |
| 图 5 目标区形变量趋势 Fig.5 Deformation Trend in the Target Area |
根据表 1和图 5,潜在灾体在2018-06-21—2019-05-11期间沿瞄准线(line of sight,LOS)方向的形变特征可分为3个时期:
1)2018-06-21—2018-10-07,曲线波动较为规律,根据实地调查,监测区在此时间段正值雨季,降水较多而且频率较高。上述分析表明,监测区地表的形变变化特征受降水影响,属于正常波动。
2)2018-10-07—2018-11-24,雨季接近尾声,区域进入较稳定期。
3)2018-11-24—2019-05-11,曲线出现明显变化,根据实地调查可知,现场于12月左右开始填方,人类工程活动明显,地表形变相对剧烈。
3 结束语本文基于监测区2018-06-21—2019-05-11的27景Sentinel-1A降轨卫星数据,分别采用PS-InSAR、SBAS-InSAR与D-InSAR技术提取了形变信息,分析了其时空变化特征。分析PS-InSAR与SBAS-InSAR两种技术的处理结果发现,两种结果的形变发育分布基本一致,这相互印证了处理结果的合理性。在此基础上,进行D-InSAR处理并进行时序分析。监测区在2018-06-21—2019-05-11间的形变趋势总体可以分为规律波动期、稳定期、剧烈波动期3个阶段,2018-11-24—2019-05-11地表形变相对剧烈。
根据现场调查,该工程建设计划高填方区还将继续堆填增高,由于土体不断堆填,自重应力不断增加,下部土体压缩变形,压缩变形导致的变形相对剧烈。高边坡相对坡体内部土体,坡表主应力发生偏转,加之新近填土抗剪强度较差,坡体表层填土颗粒发生相对位移以适应坡表应力环境。因此,坡表变形较大,在降雨、人工扰动、地震等外因作用下,有发生浅表层滑塌的风险,一旦发生滑动,对管道产生侧压,威胁到管道的安全。因此,在管道运行期间要加强坡体变形监测,保证管道安全运行。
| [1] |
蔺耀昌. 油气管道保护的立法研究: 基于能源安全与民权保障的双重视角[J]. 南京工业大学学报(社会科学版), 2011, 10(1): 54-58. DOI:10.3969/j.issn.1671-7287.2011.01.009 |
| [2] |
吕潇文, 宋利, 邵兴, 等. 天津市地面沉降监测技术应用及发展建议[J]. 上海国土资源, 2017, 38(2): 26-30. DOI:10.3969/j.issn.2095-1329.2017.02.007 |
| [3] |
张雪琪, 朱武, 李文梁, 张勤. 时序InSAR技术用于延安新区高填方地面沉降监测[C]. 第十一届全国工程地质大会, 武汉, 2020
|
| [4] |
柳艳. 基于InSAR技术的DEM精度分析研究[D]. 西安: 长安大学, 2010
|
| [5] |
孙赫, 康帅, 刘传金. 基于D-InSAR的云南墨江地震同震形变场的获取[J]. 国际地震动态, 2019, 49(8): 114-115. DOI:10.3969/j.issn.0253-4975.2019.08.091 |
| [6] |
陈艳玲. 星载SAR及InSAR技术在地球科学中的应用研究[D]. 上海: 中国科学院研究生院(上海天文台), 2007
|
| [7] |
赵宇, 谢谟文, 杜伟超. 城市轨道交通地面沉降雷达遥感监测分析[J]. 测绘地理信息, 2017, 42(5): 66-69. |
| [8] |
韩洁, 赵拥军, 赖涛, 等. PSDInSAR监测地表沉降算法及应用[J]. 信息工程大学学报, 2015, 16(4): 458-462. DOI:10.3969/j.issn.1671-0673.2015.04.013 |
| [9] |
许才军, 何平, 温扬茂, 等. InSAR技术及应用研究进展[J]. 测绘地理信息, 2015, 40(2): 1-9. |
| [10] |
丁荣荣, 徐佳, 林晓彬, 等. 基于高分辨率TerraSAR-X影像的PSInSAR地表形变监测[J]. 国土资源遥感, 2015, 27(4): 158-164. |
| [11] |
和柯, 邹进贵. GPS与InSAR形变结果融合分析[J]. 测绘地理信息, 2018, 43(2): 57-60. |
| [12] |
赵超英, 刘晓杰, 张勤, 等. 甘肃黑方台黄土滑坡InSAR识别、监测与失稳模式研究[J]. 武汉大学学报· 信息科学版, 2019, 44(7): 996-1 007. |
| [13] |
李珊珊, 李志伟, 胡俊, 等. SBAS-InSAR技术监测青藏高原季节性冻土形变[J]. 地球物理学报, 2013, 56(5): 1 476-1 486. |
2022, Vol. 47







