时间序列 InSAR技术的区域滑坡早期识别

阳清

四川省冶金地质勘查局测绘工程大队 成都 610212

摘要：本文基于时间序列InSAR技术，采用2018年8月~2019年6月共48景Sentinel-1A数据，利用Stacking-InSAR方法对子洲县行政区域进行形变监测，得到研究区域形变速率图。对子洲县滑坡区域进行早期识别，标记出风险较高的区域，并分析滑坡特征点及危害程度，对当地相关部门进行滑坡前期监测提供了有效参考。

关键词：地质灾害；Sentinel-1A；时间序列InSAR；地面沉降；滑坡

随着人类生产生活的不断发展，人类活动、自然现象引发的各类地质灾害越来越引起人们的关注。地面沉降、矿区塌陷、地裂缝、滑坡、泥石流等各种地质灾害对人类的生存环境、生命财产安全都造成了巨大的影响，其危害程度大，影响范围广。因此，对地质灾害进行监测具有重要意义，而其中地表形变是地质灾害孕育发展过程中最直接有效的监测指标之一。合成孔径雷达技术监测范围广、灵敏度高，可全天时全天候获取地表形变信息，近年来成为地质灾害监测工作中愈加热门的技术手段。

1 实验区概况与数据

1.1实验区概况

子洲县位于陕北黄土高原，丘陵沟壑区腹地。行政隶属陕西省榆林市，东邻绥德，西融横山，南接清涧子长，北连米脂。地处北纬37°15’～38°50’，东经109°29’～110°07’。全县总面积2042 km²，总人口30.9万。

子洲县年均降水量411.6mm，降水量较少且年内变化量不平均，降水主要集中在6-9月份，占总量的75%，此时间段内冰雹、滑坡、泥石流等自然灾害频发，对人民群众的生产生活安全造成大量损害。子洲县区地势总体呈东南低西北高的态势，海拔最高处1401.3m，位于槐树岔西北山顶，最低点为大理河东部河床，海拔863m，相对海拔538.3m。[1]自第四纪以来，地面覆盖了大量厚层黄土，构成了黄土高原，在新构造运动的作用下，脆弱的黄土土质不断受到堆积、河流冲刷侵蚀等自然作用的影响，人类几千年来的活动也对县区内土壤生态产生了破坏性影响，滥伐植被造成严重的水土流失，地形支离破碎，形成了如今多种类型组合的复杂地貌。根据地形的不同，将区内地貌分为三大类：黄土峁梁丘陵区、黄土梁峁丘陵区、河谷阶地区。[2]

图2 研究区域地貌简图

1.2实验数据

采用欧空局Sentinel-1A卫星影像数据，其空间基线稳定，子洲县境内重访周期为12天，可满足长时间大范围的对地观测。由于子洲县横跨上下相邻的两景影像，轨道不变，Frame分别为116与121，选用2018年8月22日～2019年6月30日的升轨SAR影像，两个Frame共48景影像。空间分辨率为5 m×20 m（方位向×距离向）,观测模式为干涉宽幅（IW），极化方式为单一垂直极化（VV），具体参数如表1所示。同时使用欧空局官网提供的POD精密轨道数据对轨道信息进行修正，以去除轨道误差造成的基线误差。[3]外部参考DEM为30 m分辨率的SRTM数据。

表1 Sentinel-1A数据影像信息

2 试验方法与流程

由于子洲县区域跨越上下相邻不同Frame的影像，因此分别提取出两处影像的burst单元，并进行拼接处理，生成覆盖子洲县区域的SLC数据，并利用欧空局官网发布的哨兵精密轨道数据对轨道信息进行修正，以消除轨道误差。[4]由于冬天子洲县区域植被覆盖率低，地面回波反射强度高，因此选取2019-01-01的影像作为参考主影像，对其进行4:1多视，经地理编码生成参考主影像的DEM，再将剩余影像一一配准到参考主影像上。为了解决配准时产生的时间失相干问题，在处理时加入已配准的辅助影像，用于频谱差异校正，可提高部分配准质量。[5]

在预处理中选取并拼接了上下相邻影像共8个burst，数据量较大。为了清楚地反映研究区域地表形变并减小工作量，将配准去斜后的RSLC数据再次以行列号裁剪，并进行4:1多视，得到5000行像元×4500列像元（距离向×方位向）的仅覆盖子洲县行政区的影像。

由于Sentinel-1卫星回归周期短，空间基线稳定，因此空间基线不设置阈值，仅对时间基线设置50d的阈值，共生成80个干涉对组合。

图3 时空基线分布图

对干涉对组合进行自适应滤波、最小费用流法相位解缠，查看解缠质量，删除3对质量较差的干涉对，最终选取77对干涉对。[6]对77个干涉对进行基线精化，利用精密基线再次进行差分干涉，去除相位趋势的影响，由于研究区域大气相位不明显，因此不考虑大气带来的影响。使用干涉图叠加的方法（Stacking）对多幅独立干涉图进行平均处理，得到年均形变速率。[7]最后经过地理编码处理，将沉降结果从雷达坐标系下转换到地图坐标系下，获得研究区LOS（视线向）方向形变结果。

图4 研究区域形变速率图

3. 区域滑坡早期识别

通过Stacking-InSAR方法对子洲县行政区域进行了形变监测，获取的雷达视线方向上的形变速率图如图5所示，其中红色代表地物向远离卫星的方向位移，其值为负，具体数值如图5颜色带所示。可以看出子洲县行政区内整体相干性很好，不稳定坡体较多，且均为蠕变性滑坡，这是由于子洲县境内梁峁交错，植被贫瘠，卫星能很好地接收到地面的回波信号，可见InSAR技术在黄土滑坡监测方面有良好的应用价值。[8]将形变速率图加载在谷歌地图上，根据滑坡形变量以及形变范围标记处疑似滑坡点，共识别出64处正在发生蠕变的疑似滑坡点，通过对隐患滑坡点的普查，发现隐患点最大形变速率普遍超过40mm/a，且呈现出高位态势，平均高程超过1100m，其中一些隐患点对当地村落和居民点造成直接威胁。[9]

图5 研究区域滑坡隐患点

根据年均形变速率对这64处疑似滑坡隐患点进行分类，其中形变速率大于100mm/a的有2处；形变速率介于80mm/a~100mm/a的有2处；形变速率介于60mm/a~80mm/a的有23处；形变速率介于40mm/a~60mm/a的有37处。所占比例如图所示：

图6 滑坡隐患点形变速率分布

4 重点区域分析

根据得到的形变监测成果，从形变量级、坡体特征点形变速率、坡体高程范围、植被覆盖情况、威胁对象等几个指标对形变区域进行详细分析。综合考虑滑坡隐患点的形变量级、形变范围、坡体是否具备滑坡地质地貌特征、形变速率是否加速、是否直接对周围村落、公路构成直接威胁作为判断依据，对风险等级进行评估。[10]将最终成果生成KML，加载至谷歌地球中，选取出危险等级较高的8个潜在灾害点，识别其所在位置及经纬度等信息，并进行标记评估。结果如表2所示：

表2 子洲县潜在灾害点早期识别列表

这8处中高风险等级的隐患点均在图5中标出，按顺序用红色圆点表示。其中4处隐患点最大形变速率大于90mm/a，处于高风险等级，若发生地质灾害，有极大可能对居民点、道路、学校及群众生命财产安全造成威胁，属于重点关注区域。

5 展望

本文针对陕北黄土地区频发的滑坡现象，采用Stacking-InSAR技术对榆林市子洲县行政区进行大范围的普查，共识别出64处疑似滑坡隐患点，根据滑坡位移速率及对居民点、道路的威胁程度，定位出8处中、高风险等级的隐患点，并对滑坡的潜在威胁进行了预警，为子洲县地质灾害防治工作提供有价值的资料。

InSAR技术由于其监测范围广、监测精度高、不受天气影响等优势，拥有巨大的发展前景，加上不断更新的理论、方法、技术，在地表形变监测领域已经成为不可或缺的重要手段。当前国内外SAR卫星发射如火如荼，期待InSAR技术能够继续为人类的安全生产生活保驾护航。

参考文献

1. 李佳佳. 榆林市子洲县地质灾害风险评价研究[D].西安:西安科技大学,2014.

2. 王浩. 子洲县典型地质灾害形成机理与过程及风险评估研究[D].西安:长安大学,2014.

3. 云烨,吕孝雷,付希凯,等.星载InSAR技术在地质灾害监测领域的应用[J].雷达学报,2020,9(01):73-85.

4. 拉换才让,栗燊,陈强,杜文学.基于多重约束优化的滑坡变形组合预测研究[J].人民长江,2017,48(06):47-51.

5. 莫莹,朱煜峰,江利明,等.基于Sentinel-1A的南昌市时间序列InSAR地面沉降监测[J].大地测量与地球动力学,2020,40(03):270-275.

6. 戴可人,铁永波,许强,等. 高山峡谷区滑坡灾害隐患InSAR早期识别——以雅砻江中段为例[J]. 雷达学报,2020,9(3):554-568.

7. 刘海洋,吴文清,王振海. 基于SBAS-InSAR技术的煤炭坝矿区地表沉降监测与分析[J]. 测绘与空间地理信息,2021,44(7):69-72.

8. 李伟轩. 纳林河矿区地表沉陷SBAS-InSAR监测分析[J]. 甘肃科技,2018,34(23):17-19.

9. 王建,祁鑫博,王丽华,等. SBAS-InSAR技术在矿区地表沉降监测中的应用[J]. 北京测绘,2021,35(4):548-552.

10. 彭米米,赵超英,张勤,等. 利用Sentinel-1A数据监测大西安2015-2017年地面沉降[J]. 地球物理学进展,2018,33(6):2264-2269.

作者简介：阳清（1980-10），男，四川西充人，四川省冶金地质勘查局测绘工程大队，测绘高级工程师、注册测绘师，主要从事测绘管理工作。