红层滑坡时序InSAR监测...究——以川南海亭村滑坡为例_雷远.pdf

第 46 卷 第 6 期2023 年 6 月测绘与空间地理信息GEOMATICS SPATIAL INFOMATION TECHNOLOGYVol 46，No 6Jun，2023收稿日期:20211020作者简介:雷远(1995)，男，江西宜春人，测绘科学与技术专业硕士研究生，主要研究方向为 InSA 技术在地质灾害中的应用。红层滑坡时序 InSA 监测与变形特征研究 以川南海亭村滑坡为例雷远，姚智博，吴远昆，字城岱，钟霞(西南交通大学 地球科学与环境工程学院，四川 成都 610031)摘要:利用时序 InSA 技术，基于 Sentinel1 升降轨影像，获取了海亭村红层滑坡 20172020 年的升降轨形变场。海亭村滑坡整体处于较活跃状态，坡体的稳定性受到了严重影响，对当地居民的生命财产安全造成了巨大威胁，其变形与地质构造背景、河流侵蚀、降雨和人类活动有关。成果可为当地滑坡灾害预警工作提供参考。关键词:时序 InSA;红层滑坡;时序形变;失稳因素中图分类号:P237文献标识码:A文章编号:16725867(2023)06012804Study on Timeseries InSA Monitoring and DeformationCharacteristics of edbed Landslide:A Case Study of Haiting Village Landslide in South SichuanLEI Yuan，YAO Zhibo，WU Yuankun，ZI Chengdai，ZHONG Xia(Faculty of Geosciences and Environmental Engineering，Southwest Jiaotong University，Chengdu 610031，China)Abstract:In this paper，the deformation field of the Haiting village landslide from 2017 to 2020 was obtained based on Sentinel1 im-ages using the timeseries InSA technology The Haiting village landslide is in a relatively active state，and the stability has been se-verely affected，posing a huge threat to the safety of residents lives and properties Its deformation is related to the geological structurebackground，river erosion，rainfall and human activities The results can provide reference for local landslide disaster early warningworkKey words:timeseries InSA;redbed landslide;timeseries deformation;instability factors0引言红层是外观以红色为主要颜色的陆相碎屑沉积岩层，我国红层分布十分广泛，主要分布在西南、西北、华中和华南地区，出露面积约占国土面积的 5%1。红层岩性组合主要以砂岩和泥岩互层为主，层间岩层结合强度脆弱，通常伴有软弱岩层，因此非常容易发生滑坡等地质灾害2。红层滑坡主要分布在西部地区，据不完全统计，我国西部地区的红层滑坡约占滑坡总数的 25%。红层滑坡主要以低倾角滑坡为主，在自然状态下稳定性良好，但是在极端天气条件下容易发生较大规模的滑坡群，对居民的人身安全和财产安全造成了极大的威胁3。如 2011 年9 月 18 日，由于持续的强降雨，南江县沙河镇将营村发生了大规模的红层滑坡，该滑坡导致 4 人死亡，8 人失踪，487 间房屋被毁坏，造成了巨大的生命和财产损失。因此，对红层滑坡进行形变监测意义重大。GPS 等传统的滑坡监测技术存在监测范围小、成本高昂等缺点，无法高效地获取地表形变信息4。近年来高速发展起来的合成孔径雷达干涉测量(InterferometricSynthetic Aperture adar，InSA)技术，由于其能够快速地进行大范围高精度形变监测，且不受云雨等天气的影响，被广泛应用于地表形变探测45。传统的合成孔径雷达差分干涉测量(Differential Interferometric Synthetic Aper-ture adar，DInSA)技术容易受时空失相关及大气效应等因素的影响，其精度难以满足滑坡监测的需求6。永久散射体(Persistent ScattererInSA，PSInSA)79 和短基线集(Small Baseline SubsetInSA，SBASInSA)1012 等时序 InSA 技术在很大程度上突破了 DInSA 的限制，被国内外研究者广泛应用于滑坡灾害的研究。石固林等13 利用 SBASInSA 技术，基于升降轨 Sentinel1 影像，分别获取了桃坪乡古滑坡的升降轨形变场，并将其投影至坡面方向进行分析;王群等14 利用 PSInSA 技术对 2018 年金沙江白格滑坡进行了形变监测，结果表明，其在灾害发生前已有明显的位移。目前基于 InSA 技术的红层滑坡研究较少，本文针对川南典型红层滑坡的运动特征，以四川省雅安市汉源县宜东镇海亭村红层滑坡为研究对象，利用时序 InSA技术获得了研究对象的升降轨年均形变速率和累计形变量，并结合滑坡地形地貌和降雨等数据进行分析，探究了滑坡变形机理，为当地滑坡灾害预警工作提供了可靠的数据支撑。1研究区域概况及数据源海亭村滑坡是典型的红层滑坡，滑坡位于四川省雅安市汉源县宜东镇海亭村。汉源县地处横断山脉北段东缘，为四川盆地与西藏高原之间的攀西河谷地带，受河谷下切影响，四周高山环绕，中间向大渡河、流沙河谷地倾斜深陷，区域内最大高差为 3 471 m。汉源县位于川滇南北构造带的北端，地质构造极其复杂，由一系列北西南东向的褶皱和断裂组成，主要有金坪断裂、汉源甘洛断裂、流沙河隐伏断裂和宜坪万坪断裂15。汉源县属于亚热带季风性湿润气候，冬暖夏凉，四季分明。根据汉源县气象资料统计，年均气温 18，平均降水量超过700 mm，主要集中分布在 510 月份，占全年降雨量的 81%。研究区域地层属侏罗系白流井组，岩性为泥岩、粉砂岩夹石英砂岩，底部含砾砂岩，即为红层岩性15，而红层具有透水性弱、亲水性强、浸水后岩体强度软化、失水后易产生崩解等特点，是著名的易滑地层。坡体整体呈舌状，上部窄，中下部宽，长度约 4 300 m，宽度约 2 000 m，地势较为平缓，平均坡度约 20，前缘高程约 1 254 m，后缘高程约 2 016 m，属于巨型红层古滑坡。滑坡上部平均坡向约 258，下部平均坡向约 240，坡体上植被覆盖率一般，大部分为居民种植的果树，滑坡前缘直抵流沙河。研究采用欧洲空间局(European Space Agency，ESA)提供的免费 Sentinel1 雷达卫星渐进扫描(TOPS)成像模式 SA 影像，方位向和距离向的分辨率分别为 5、20 m，卫星重访周期为 12 d(双星重访周期为 6 d)。监测时间段为2017 年1 月至2020 年12 月，该时间段内共有122 幅升轨影像和 116 幅降轨影像，SA 影像具体参数见表 1。表 1Sentinel1 影像参数Tab 1Sentinel1 image parameters轨道方向成像模式波段波长(cm)分辨率(m)重访周期(d)视角()极化方式升轨IWC5 65206/1239 4VV降轨IWC5 65206/1239 5VV由于 InSA 配准操作容易受到轨道误差的影响，为了达到高精度的配准要求，实验中采用 ESA 提供的 POD精密定轨星历数据对每幅 SA 影像进行轨道精化，并利用美国航空航天局发布的空间分辨率为 30m 的 STM-DEM 进行差分干涉处理。Sentinel1 影像时空基线如图1 所示，时间基线阈值为 60 d，空间基线阈值为 200 m。图 1Sentinel1 影像时空基线Fig 1Timespace baseline of Sentinel1 images2SBASInSA 原理与方法InSA 技术是指通过卫星 2 次过境时的相位差来获取地表形变特征，具有全天时、全天候、精度高和监测范围大等特点，能以厘米甚至毫米级精度获取地表时序形变信息。InSA 技术在滑坡形变中的研究可追溯到 20 世纪90 年代，法国学者 Achache 利用6 幅 ES1 影像数据，对法国南部的 SaintEtiennedeTinee 滑坡进行了形变探测，证明了 D InSA 技术用于滑坡形变监测的可靠性16，随后国内外研究者开始使用 InSA 技术对滑坡进行形变研究。传统的 DInSA 技术由于受时空失相干和大气效应等因素的影响，难以满足滑坡的高精度时序形变监测要求。PSInSA 技术要求 PS 特征点在整个监测周期内依然能保持很好的相干性，滑坡由于地表植被覆盖等因素无法满足这一要求，导致其选取的 PS 特征点密度往往无法满足滑坡形变特征分析要求。SBASInSA技术是根据平均相干性选取出高相干特征点，其广泛分布于自然环境中，如裸土、草丛和灌木丛等，因此 SBASInSA 往往更适合滑坡形变监测研究。本次研究采用了SBASInSA 技术进行海亭村滑坡的形变监测，其原理如下:选取覆盖研究区域的 N+1 幅 SA 影像，选取其中一幅影像为主影像进行配准后，确定合适的时空基线和空间基线阈值组合差分干涉对，可以得到 M 幅差分干涉图，M 满足条件见式(1):N+12 M NN+12()(1)假设初始影像时间为 t0，则任意时刻 ti(i=1，N)相对于 t0时刻的差分相位为(ti)，该参数为未知量，数据处理过程中所获取的差分干涉相位(tj)(j=1，921第 6 期雷远等:红层滑坡时序 InSA 监测与变形特征研究M)为观测值。如果不考虑大气延迟等因素，第 j 幅干涉图中的像元(r，x)的相位值可表示为式(2):j(r，x)=(tB，r，x)(tA，r，x)4 d(tB，r，x)d(tA，r，x)(2)式中，为雷达波长;d(tA，r，x)和 d(tB，r，x)分别表示像元在时间 tA和 tB的雷达视线方向(LineofSight，LOS)方向形变。式(2)可改写为矩阵形式，见式(3):=A(3)式中，A 为 M N 维系数矩阵，每一行对应每一个干涉对;由像元在 N 个时刻的未知形变相位组成;为 M幅解缠差分干涉图中相位组成的向量。当只有一个小基线子集时，矩阵 A 满秩，其最小二乘解为式(4):=A+，A+=(ATA)1AT(4)当基线集中含有多个子集时，矩阵 A 秩亏，式(4)有多解，通过奇异值分解法(Singular Value Decomposition，SVD)能求得唯一解，将解出的各时间段平均速率在时间域上进行积分即可获取该像元的时序形变量。基于 SBASInSA 技术进行时序形变解算的基本流程如图 2 所示。图 2SBASInSA 技术处理流程Fig 2SBASInSA technology processing flow3时序 InSA 监测结果及分析3 1海亭村红层滑坡形变监测本文利用 SBASInSA 方法，基于 Sentinel1 升降轨SA 影像获取了海亭村红层滑坡的升降轨年均形变速率场，如图 3 所示，图 3(a)为升轨 LOS 向年均形变速率场，图 3(b)为降轨 LOS 向年均形变速率场，图中虚线范围外的点表示形变速率较小(1010 mm/a)，表明坡体处于较稳定的状态，而虚线范围内的代表坡体处于活跃状态，正的速率表示地表沿着 LOS 方向靠近卫星运动，负的则表示远离卫星运动。从图 4 中可以看出，海亭村滑坡升降轨 LOS 向形变场在空间分布和形变量级上存在明显差异，升轨年均形变速率在1035 mm/a 之间变化，最大变化差异为 45 mm/a，降轨形变速率在6310 mm/a 之间变化，最大变化差异为 73 mm/a。升降轨最大形变点在位置和量级上也存在一定差异，升轨最大形变点(图 3(a)中 C 点)年均形变速率为 35 mm/a，降轨最大形变点(图 3(b)中 F 点)年均形变速率为63 mm/a。基于升降轨 SA 影像获取的滑坡形变速度场之间存在差异主要受 3 个方面的影响:一是升降轨雷达卫星的入射角和飞行方位角是不同的，导致卫星的 LOS 方向存在巨大差异，所以地面同一点形变在不同的 LOS 方向上的投影必然不同;二是在地形起伏较大的山区，SA 传感器在成像时往往会出现不同程度的几何畸变(叠掩、阴影、透视收缩等)现象;三是由于地面点坡度、坡向变化的影响，使得在不同的观测几何中呈现不同的运动方向13。上述 3 点也反映出在使用时序 InSA 技术对滑坡进行形变监测时，为了获取滑坡更全面的形变特征，应使用多平台、多轨道的 SA 影像数据。图 3海亭村滑坡升降轨 LOS 向形变场及目标点累计形变Fig 3The Haiting village landslide LOS deformationfield and cumulative deformation attarget point为进一步研究该滑坡体的运动特征，在滑坡体上提取了 6 个目标点(AF)，如图 3 所示。图 3(c)、3(d)分别为选取的升降轨目标点累计形变量变化趋势。一般情况下，地面目标点的累计形变量变化趋势可以反映滑坡体是否存在加速运动现象，进而判断整个滑坡的稳定性。从图 3(c)、3(d)中可以看出，目标点的时序形变特征基本是一致的，只是在量级上存在一定的差异。海亭村滑坡整体上呈现出近线性运动特征，在整个监测时间段内并未出现明显的加速运动现象，这表明滑坡体还处于长期的蠕滑运动状态中。针对滑坡强变形区域，选取了 C、D 和 F 点进行分析，升轨最大年均形变点 C 的累计形变量在 2020 年末达到了 145 mm，降轨最大形变点 F 的累计形变量则为244 mm，大量级形变说明坡体的稳定性受到了较大的影响。D 点升轨累计形变量为 49 mm，降轨为133 mm;在滑坡强弱形变交界处，A 点升轨累计形变量为 70 mm，降轨为87 mm;B 点升轨累计形变量为 55 mm，降轨为66 mm;位于坡脚处较为稳定的 E 点升轨累计形变量为3 mm，降轨为 2 mm。经过实地踏勘发现，滑坡坡脚(E 点附近)道路破坏031测绘与空间地理信息2023 年严重，路基悬空(如图 4 所示)，D 点附近表层土壤滑塌。A 点和 B 点处部分房屋出现明显裂缝，B 点附近果园发生严重下挫现象，下挫约 1 m，而 A、B 点恰好处在强弱形变交界处，裂缝和土壤下挫是两侧地表运动速度不同导致的。以上现象说明滑坡体的稳定性受到了较大的影响。图 4实地踏勘照片Fig 4Field survey photos3 2滑坡潜在失稳因素分析海亭村红层滑坡在监测时间段内持续发生变形，形变受到区域地质背景、河流侵蚀和当地降雨等自然因素的影响，人类活动等人为因素也对其造成了较大的影响。海亭村红层滑坡潜在失稳因素分析如下:1)区域地质背景。汉源县位于川滇南北构造带的北段，地质构造背景非常复杂，断裂、褶皱构造发育，其中金坪断裂、汉源甘洛断裂、流沙河隐伏断裂和宜坪万坪断裂为活动断裂15。研究区域地层属侏罗系白流井组，为红层岩性，而红层是著名的易滑岩层。2)河流侵蚀。通过实地踏勘和无人机航测影像发现，坡体内部发育有一条小河流，其位置如图 5(b)所示，其正好处在滑坡强形变区域内。在河水不断的侵蚀和下切作用下，基岩出露，坡体的稳定性受到了严重的影响。滑坡体前缘流经流沙河，实地考察发现，X177 乡道由于河水的侵蚀作用形成了空洞，导致路基悬空，当地政府修建了大量的桩基进行防护。在内外部河流的双重作用下，海亭村红层滑坡前缘复活，后缘活跃。河流侵蚀是海亭村红层滑坡失稳的因素之一。图 5滑坡潜在失稳因素Fig 5Potential instability factors of landslide3)降雨。汉源县为亚热带季风性湿润气候，年均降雨量超过 700 mm。降雨对滑坡灾害的作用主要体现在 3个方面:一是雨水渗入导致滑坡体自重增加，加速滑坡体在重力作用下失稳;二是浸润了滑坡体的软弱结构面，减弱了其抗剪强度;三是降雨对滑坡体的冲刷作用，降低了滑坡体的稳定性17。如图 5(a)所示，每年的 69 月，降雨量均超过 100 mm，时序曲线显示每年 10 月滑坡体开始出加速运动特征，这是因为降雨作用有一定的滞后性18，此现象说明降雨是潜在触发因素之一。4)人类活动。经过实地踏勘发现，当地居民在滑坡体上种植着大量果树，导致坡体植被覆盖率较低，加速了地表水的入渗。为了灌溉果树，居民修建了大量的蓄水池，其位置分布如图 5(b)所示。蓄水池常年蓄水，地表水不断入渗，导致孔隙水压力提升，减弱了滑坡材料的库伦摩擦强度，降低了滑坡的稳定性。这也是海亭村滑坡失稳的因素之一。4结束语本文基于时序 InSA 技术，利用 2017 年 1 月至 2020年 12 月升降轨 Sentinel1 影像数据对海亭村红层滑坡进行形变监测，监测结果显示:1)海亭村红层滑坡升降轨 LOS 向形变场在空间分布和形变量级上存在明显差异，升轨形变速率在 1035 mm/a 之间变化，最大变化差异为 45 mm/a，降轨形变速率 在 6310 mm/a 之 间 变 化，最 大 变 化 差 异 为73 mm/a。升降轨最大形变点在位置和量级上也存在一定差异，升降轨最大形变速率分别为 35、63 mm/a，最大累计形变量分别为 145、244 mm。这些差异主要受升降轨 LOS 方向不同、SA 影像几何畸变和滑坡坡度坡向的影响。2)海亭村红层滑坡整体处于较活跃状态，形变主要呈现近线性运动趋势，在监测时间段内并未出现明显的加速沉降现象，表明滑坡体仍处于长期的蠕滑运动中。3)结合实地踏勘结果和无人机航测影像发现，海亭村红层滑坡的失稳可能与地质构造背景、内外部河流侵蚀和下切作用、降雨和人类活动有关。参考文献:1王志荣 红层软岩滑坡基本特征 J 洁净煤技术，2005(2):7578 2程强，寇小兵，黄绍槟，等 中国红层的分布及地质环境特征 J 工程地质学报，2004(1):3440 3胡泽铭 四川红层地区缓倾角滑坡成因机理研究 D 成都:成都理工大学，2013 4TALLI D M，BLOM G，ZLOTMICKI V，et al Satelliteremote sensing of earthquake，volcano，flood，landslideand coastal inundation hazards J ISPS Journal of Pho-togrammetry and emote Sensing，2005，59(4):185198 5石菊松，吴树仁，石玲 遥感在滑坡灾害研究中的应用进展 J 地质论评，2008(4):505514，579(下转第 135 页)131第 6 期雷远等:红层滑坡时序 InSA 监测与变形特征研究图 3面向对象分类精度评价Fig 3Objectoriented classification accuracy evaluation译精度较好，边界较清晰，可作为疑似图斑上报至相关部门进行用地审批分析等工作，从而确保耕地“非粮化”监测工作的实施。4结束语本研究采用 Sentinel2 影像作为数据源，对成都地区采用遥感手段进行耕地“非粮化”监测，以快速、高效地达到监测要求。本研究试验得出以下结论:1)遥感技术在耕地“非粮化”监测中具有良好的适用性，相比于传统的监测方法，具有高效、快速的优势，节省了大量人力物力的投入。2)多时相植被指数分析较准确地区分出农作物种植范围，且区分出了耕地范围内的非农地块。3)通过面向对象分类方法，准确地提取出了耕地范围内的撂荒耕地与大棚厂房等地块，且提取边界清晰。本研究虽然在遥感提取“非粮化”图斑方面取得了较好的成果，但是仍存在一些问题:本研究对农作物进行分类时，是基于分割对象尺度，会出现“椒盐”现象，后续仍需进行更深层次的分类研究。其次，本文并未对特征信息进行筛选，特征库中信息较多，在分类时难免存在数据冗余现象，后续研究会进行不同地区的最优特征选取，在保证总体分类精度的同时，进一步提高感兴趣地物的提取精度。参考文献:1赵小风，李娅娅，郑雨倩，等 产业结构、农民收入结构对耕地非粮化的影响 J 国土资源科技管理，2019，36(5):6677 2高天舒，董彬 浅谈遥感技术的应用及其发展趋势 J 科技视界，2018(4):147148 3刘洋，陆忠军，张有智，等 遥感技术在农业领域中的应用 M 哈尔滨:哈尔滨地图出版社，2010 4敖为赳 GF1 卫星数据在永久基本农田非粮化监测中的应用 J 安徽农业科学，2016，44(18):250255 5邓继忠，刘其得，王长委，等 基于多时相 Sentinel2卫星数据的农作物分类研究 J 广东农业科学，2020，47(4):129138 6郭交，朱琳，靳标 基于 Sentinel1 和 Sentinel2 数据融合的农作物分类J 农业机械学报，2018，49(4):199205 7熊强，王双亭 河南省植被指数变化特征研究J 测绘与空间地理信息，2020，43(2):102104，108 8施利锋，黄贤金，王丹阳 一种基于遥感图像的彩钢瓦厂房提取方法:CN202010902866 7 P 20210420 编辑:张曦(上接第 131 页)6王桂杰，谢谟文，邱骋，等 DINSA 技术在大范围滑坡监 测 中 的 应 用J 岩 土 力 学，2010，31(4):1 3371 344 7FEETTI A，PATI C，OCCA F Permanent scatterersin SA interferometryJ IEEE Transactions on Geosci-ence and emote Sensing，2001，39(1):1 1421 153 8FEETTI A，PATI C，OCCA F Nonlinear subsidencerate estimation using permanent scatterers in differentialSA interferometryJ IEEE Transactions on Geoscience emote Sensing，2000，38(5):2 2022 212 9COSETTO M，MONSEAT O，CUEVASGONZALEZM，et al Persistent scatterer interferometry:a reviewJ ISPS Journal of Photogrammetry and emote Sensing，2015，115:7889 10BEADINO P，FONAO G，LANAI，et al A newalgorithm for surface deformation monitoring based onsmall baseline differential SA interferograms J IEEETransactions on Geoscience and emote Sensing，2003，40(11):2 3752 383 11MOA O，MALLOQUI J，BOQUETAS A Linear andnonlinear terrain deformation maps from a reduced set ofinterferometric SA images J IEEE Transactions on Ge-oscience emote Sensing，2003，41(10):2 243 2 253 12SANSOSTI E A smallbaseline approach for investigatingdeformations on fullresolution differential SA interfero-grams J Geoscience emote Sensing IEEE Transac-tions on，2004，42(7):1 3771 386 13石固林，陈强，刘先文，等 联合升降轨 Sentinel1A 数据监测桃坪乡古滑坡沿坡向的形变速度场 J 工程地质学报，2022，30(4):1 3501 361 14王群，张蕴灵，范景辉，等 基于 PSInSA 和 offsettracking 技术的金沙江白格滑坡形变监测J 大地测量与地球动力学，2020，40(4):340345 15林林 四川省汉源县滑坡灾害危险性区划研究 D 北京:中国地质大学，2011 16ACHACHE J，FUNEAU B，DELACOUTC Applicabilityof SA interferometry for monitoring of landslidesC/GUYENNE T D Proceedings of the Second InternationalWorkshop London:ESA，1995 17胡泽铭 四川红层地区缓倾角滑坡成因机理研究 D 成都:成都理工大学，2013 18HILLEY G E，BUGMANN，FEETTI A，et al Dy-namics of slowmoving landslides from permanent scatte-rer analysis J Science，2004，304:1 9521 955 编辑:任亚茹531第 6 期陈绍根等:耕地“非粮化”遥感监测与应用研究