基于时序InSAR德钦县地表形变监测与潜在滑坡识别

第20卷 第12期 中 国 水 运 Vol.20 No.12 2020年 12月 China Water Transport December 2020
收稿日期：2020-11-01
作者简介：施友丽（1995-），女，昆明理工大学国土资源工程学院，研究生，研究方向为InSAR 在地质灾害中应用。

通讯作者：李素敏（1977-），女，昆明理工大学国土资源工程学院，博士，研究生导师，研究方向为高原山区InSAR
数据处理及应用。

基于时序InSAR 德钦县地表形变监测与潜在滑坡识别
施友丽1
，李素敏
1，2，3*
，苏帅星1
（1.昆明理工大学 国土资源工程学院，云南 昆明 650093；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，云南
昆明 650093；3.中国有色金属工业协会智慧矿山地理空间信息集成创新重点实验室，云南 昆明650093）
摘 要：潜在滑坡监测与识别是滑坡灾害危险性评估及防灾减灾的重要手段，具有重要的理论和实际意义。

此外，滑坡的时空特征演化过程也尤为关键。

本文融合永久散射体干涉技术（PS-InSAR）和小基线集干涉测量技术（SBAS-InSAR）对覆盖德钦县及周边区域的降轨SAR 影像进行干涉处理，获得覆盖德钦县城周边286km 2范围地表形变结果，结合光学影像在该区域内识别出15个潜在滑坡，其中6个是已知滑坡，新增9个不稳定斜坡，滑坡识别结果与实地勘察结果具有高度一致性；对贡水滑坡进行时间序列分析，在监测期，该滑坡体下部治理区趋于稳定，治理效果较好，滑坡体上部坡体沉降值不断增加，需要加强监测，做好防御工作。

关键词：德钦县；时序InSAR；滑坡识别；时空特征及演化规律
中图分类号：P954 文献标识码：A 文章编号：1006-7973（2020）12-0136-03
一、引言
滑坡是我国常见的地质灾害，占灾害总量的70%以上。

近年来，随着全球气候变化及不合理的人为活动，加剧了滑坡灾害发生，严重威胁灾害发生地的人民生命和财产安全。

因此，利用InSAR、光学遥感等综合遥感技术进行区域大范围滑坡隐患早期识别及坡体稳定性评估具有重要意义[1]。

合成孔径雷达干涉测量技术（InSAR）作为一种主动式微波遥感，具有全天候、全天时，大范围、高精度，监测精度可达厘米甚至毫米级的优势，能克服传统的测量技术的缺陷，在滑坡监测中发挥巨大作用。

目前，InSAR 技术对滑坡监测的研究主要集中于区域潜在滑坡早期识别以及单体滑坡监测及形变特征分析。

张毅以白龙江流域为研究区，获取SAR 数据地形可视性，根据InSAR 获取的地表形变结果在白龙江流域圈定了133 个不稳定斜坡，通过详细野外考察验证了变形结果，并基于时序变形结果分析了滑坡变形与降雨、地震的响应关系[2]。

常规SBAS 技术虽然克服了传统干涉测量方法中时间、空间失相干和大气效应的限制，但是在地形起伏较大且人工稳定性目标较少的山区，不能有效消除平地效应，导致干涉结果不理想，影响最终形变结果[3]。

本文以德钦县为研究区，融合PS 和SBAS 技术对覆盖该区域2017~2019年Sentinel-1A 降轨数据进行干涉处理，为了避免轨道精炼过程中选取的GCP 点过于主观性，引入高质量的GCP 点估算和去除残余相位信息，得到该地区较为精确的形变结果。

结合光学影像对形变结果进行目视解译识别出研究区的潜在滑坡区域，根据实地调查数据验证滑坡识别结果；为了进一步了解滑坡形变特征，分析贡水滑坡时空形变特征，为区域地质灾害防治工作提供基础数据，最大
程度减少不必要的损失。

二、研究区概况、实验数据 1．研究区概况
如图1所示，云南省迪庆州德钦县位于青藏高原南延部位横断山纵谷地带，境内地质环境脆弱，是云南省滑坡、泥石流、崩塌等地质灾害危害最严重的地区之一。

因此，监测该区域地表动态变形，查明滑坡空间分布位置以及变形特征，为该区地质灾害的调查、监测预警与防治提供基础数据支持。

图1 研究区位置图
2．实验数据
本文采用欧洲哥白尼计划2014年发射的对地观测Sentinel-1A 卫星获取的2017~2019年升降轨数据进行地表变形监测，对德钦县城及周边地区进行系统地滑坡监测及早期识别研究。

数据详细参数见表1。

实验采用美国国家航空航天局（NASA）主导测量的30m 数字高程模型（DEM）用于数据处理过程中地形相位去除和地理编码。

第12期 施友丽等：基于时序InSAR 德钦县地表形变监测与潜在滑坡识别 137
表1 Sentinel-1A 数据参数
轨道方向 降轨 轨道号 33 入射角 （︒） 39.6 方位向 ⨯ 距离（m）
9.32⨯13.97 时间跨度 201706-201907
影像数量
62
三、地表形变监测与潜在滑坡识别 1．SBAS-InSAR 形变反演
为了减小时间去相干和空间去相干，小基线合成孔径雷达差分干涉测量（SBAS）是Berardino [4]等在2002年提出来的应用于地表形变监测领域的研究应用。

其原理是根据基线估计设置合理阈值，将同一地区不同时刻的获取短时空基线的N+1幅SAR 影像组合成若干个子集，然后利用奇异值分解（SVD）方法将空间小基线子集数据组合形成时间序列，计算出子集内最小二乘解，获得地理编码后的地表形变信息。

SBAS 技术虽然减少了数据成本，提高了地表形变监测的灵活性和效率，但也存在一定的局限性。

在轨道精炼过程中，由于没有实测点数据，需要人工选取GCP 点，存在较大主观性，不可避免的会选到不稳定的点，造成较大误差，导致形变结果不够精确。

因此，引入一定数量的、稳定的、不在形变区域上且没有相位跃变的具有高相干性的GCP 点，根据这些地面控制点的相位信息估算和去除解缠后的相位图中的残余相位信息和相位跃变，来提高形变结果的可靠性。

本文融合PS、SBAS 技术获取研究区地表形变结果。

技术流程如图
2。

图2 融合PS 技术的SBAS-InSAR 技术流程图
2．滑坡识别及结果分析
根据图2技术流程对研究区286km 2进行形变信息反演，获取德钦县周边雷达视线向（LOS 向）地表形变速率。

从SAR 数据集中共识别出相干点目标（CTs）124,410个，平均相干点密度约为435 CTs/km 2
，能够满足高植被覆盖的山地地貌地表形变监测与滑坡监测识别研究[5]。

InSAR 结果需要设定形变速率阈值来识别不稳定斜坡，根据区域斜坡的岩性特征、区域数据反演精度和野外调查结果，结合前人研究成果和经验[6]，设±10mm/a 为C 波段得到LOS 方向滑坡变形速率阈值，结合光学影像圈定潜在滑坡，得到如图3
所示结果。

图3 雷达视线向年平均形变速率图
从图3滑坡识别结果可知，研究区域内共识别出15个不稳定边坡，其中有6个历史滑坡，新增9个不稳定斜坡。

其中12号滑坡为直溪河后山高位不稳定斜坡、4号为里任卡滑坡、9为县政府后山不稳定斜坡、5为民族小学后山滑坡、11为一中河泥石流区，曾多次发生泥石流灾害，最近一次是在2018年7月份，造成国道受阻，下方居民交通不便。

15号斜坡体位于214国道外侧，路面出现错台、裂缝等。

4号为贡水滑坡，是一个古滑坡体，早年经过治理，但现在形变范围和量级较大。

为了避免滑坡失稳造成重大损失，进一步分析该滑坡体的形变特征及演化规律。

四、典型滑坡时空特征分析
贡水滑坡位于德钦县城向南约7km，中心经纬度分别为28°25′31″N，98°54′05″E，滑坡体编号为图3中4号，图4为贡水滑坡光学影像图。

图中红色范围表示滑坡边界，白色范围表示滑坡早期治理边界。

从图中可以看出，该滑坡体斜坡陡峭，坡脚临空，坡度较陡且遭人工开挖修建道路（德维线），坡面裂隙发育，在滑坡体中后缘有道路穿过，滑坡后缘有耕地。

该滑坡体坡脚海拔约2,620m，坡顶海拔为2,995m，高差为
380m，属于高位滑坡体。

图4 贡水滑坡光学影像图
图5为贡水滑坡的形变速率图，从图中可以看出，滑坡体最大形变速率位于滑坡后缘，达-84mm/a，形变范围超出原有滑坡边界。

早期滑坡体坡脚经过治理，治理范围形变处于-10mm/a~0mm/a 之间，考虑数据解算误差，治理区基
138 中 国 水 运 第20卷 本处于稳定状态。

为了进一步分析该滑坡的形变趋势，在滑坡体上选取A-E 五个样点，具体位置如图5所示，进行时序形变分析。

A 点位于滑坡体形变异常区后缘，累计形变量达-50mm 左右，B 点位于原始滑坡边界上，从2017年6月开始，该点有持续下沉的趋势，且累计形变量约为-140mm，C 点位于原始滑坡体内，为形变漏斗中心，在监测期间一直处于加速形变状态，累积沉降量为-170mm。

D 点处于形变异常区边缘，总体形变趋势和A 点较为相似，形变量达-50mm 左右；E 点位于滑坡治理区右侧，从时序曲线来看，监测期间，该点形变趋势基本保持平稳状态。

从以上几个样点时序曲线可知，该滑坡体坡脚经过治理后，坡脚基本稳定，而滑坡体中后缘仍处于形变状态，且形变量级较大，一旦失稳，将对坡体下方居民造成重大威胁，以及造成德维线的堵
塞。

图
5 贡水滑坡形变速率图
图6 贡水滑坡时间序列形变图
为了更加直观的了解该滑坡的形变情况，进一步分析滑坡的时空特征，以2017年6月5日获取的SAR 数据为参考日期，六个月为时间间隔提取了该滑坡的时间序列形变，如图7所示。

从图上可以直观的看出，2017年12月，该滑坡体形变异常区的沉降值较小，大约在-20~60mm 之间；到了2018年6月形变值增加到-80mm 以上，到12月增加到-140mm 左右；2019年6月增加到-170mm。

可以看出，该滑坡体治理区上部沉降量逐渐增加，需要加强监测，做好
防御工作。

图7 贡水滑坡时间序列形变图
五、结论
分析了时序InSAR 技术在滑坡监测中的应用过程，其中有几个关键步骤。

（1）融合PS 和SBAS 技术，获取2017-2019年地表形变速率及累计沉降值，最大累积形变量为-188mm，得出形变较大的区域主要集中在县城两侧的坡体上。

（2）结合光学影像及LOS 向形变速率图进行潜在滑坡识别，在德钦县城周边286km 2范围内识别出15个潜在滑坡，其中6个是已知滑坡，新增9个不稳定斜坡，与实地勘察结果具有高度一致性。

（3）对贡水滑坡进行时间序列分析，得出2017年6月至2019年5月期间，贡水滑坡下部治理区趋于稳定，滑坡体上部沉降值不断增加，需要进一步加强监测，做好防御
工作。

参考文献
[1] 葛大庆，戴可人，郭兆成等.重大地质灾害隐患早期识别
中综合遥感应用的思考与建议[J].武汉大学学报（信息科学版），2019，44（07）：949-956.
[2] 张毅.基于InSAR 技术的地表变形监测与滑坡早期识别研
究[D].兰州：兰州大学，2018.
[3] Zhang Y，Meng X，Chen G，et al. Detection of geohazards in
the Bailong River Basin using synthetic aperture radar interferometry [J].Landslides，2016，13（5）：1273-1284. [4] Berardino P，Fornaro G，Lanari R，et al. 2002. A New
Algorithm for Surface Deformation Monitoring Based on
Small Baseline Differential SAR Interferograms[J].IEEE Transactions on Geoscience and Remote Sensing，40 （11）：2375-2383.
[5] 张亚迪，李煜东，董杰等.时序InSAR 技术探测芒康地区
滑坡灾害隐患[J].遥感学报，2019，23（05）：987-996. [6] Herrera G，Gutiérrez F，García-Davalillo J C，et al.
Multi-sensor advanced DIn SAR monitoring of very slow landslides：The Tena Valley case study （Central Spanish Pyrenees）[J].Remote Sensing of Environment，2013，128（1）：31-43.。