時序InSAR技術在大型滑坡監測中的應用

趙寶強 韓守富 白艷萍 馬金輝

摘 要：綜合PS-InSAR和SBAS-InSAR兩種時序InSAR技術，對青海省樂都區高家灣滑坡地表變形過程進行遙感監測與分析。通過SBAS-InSAR技術獲取該滑坡2003-2010年地表變形數據，分析歷史變化情況。利用PS-time工具分析高家灣滑坡2014-2017年PS-InSAR獲得的地表變形監測數據，將滑坡地表形變過程劃分為線性和非線性，重點分析了地表形變速率、累積位移突變階段和主裂縫形變情況。研究表明：2003-2010年期間該滑坡地表活動較為穩定，2014-2017年期間該滑坡發生了明顯的地表沉降變形且變化趨勢較為強烈，與滑坡區實地勘測結果情況一致，較好的證明時序InSAR技術用于滑坡監測的有效性。

關鍵詞：PS-InSAR；SBAS-InSAR；Sentinel-1A；滑坡監測

中圖分類號：P237 文獻標志碼：A 文章編號：2095-2945（2019）01-0021-04

Abstract： The surface deformation process of Gaojiawan landslide in Ledu District of Qinghai Province's Haidong City is monitored and analyzed using remote sensing in combination with PS-InSAR and SBAS-InSAR time series InSAR technologies. The surface deformation data of the landslide from 2003 to 2010 are obtained by SBAS-InSAR technology， and the historical changes are analyzed. The monitoring data of surface deformation obtained by PS-InSAR in 2014-2017 of Gaojiawan landslide are analyzed using PS-time tool. The process of surface deformation of Gaojiawan landslide is divided into linear and nonlinear ones. The surface deformation rate， the abrupt change stage of cumulative displacement and the deformation of main cracks are emphatically analyzed. The study shows that the surface activity of the landslide is stable in the period 2003-2010， and the landslide has obvious surface subsidence deformation and strong change trend in 2014-2017， which is consistent with the results of the field survey of the landslide area. It is proved that the temporal InSAR technique is effective in landslide monitoring.

Keywords： PS-InSAR； SBAS-InSAR； Sentinel-1A； landslide monitoring

引言

部分斜坡沿著斜坡內的一個或數個面在重力作用下做剪切運動的現象，稱為滑坡[1]。滑坡作為一種常見的地質災害，分布廣，范圍大。我國西北、西南、華北地區以及丘陵、黃土高原地區，滑坡的種類多、分布面積廣、危害嚴重且破壞力大，每年都造成巨大的經濟損失，嚴重制約著災害多發地區的國民經濟發展，威脅著人民生命財產安全[2]。國內外在監測滑坡災害方面的主要手段有：精密水準測量、導線測量、光纖傳感器、全球定位系統GPS、衛星遙感技術、近景攝影測量、地面激光掃描等[3]。星載合成孔徑雷達干涉測量技術憑借其覆蓋范圍廣、分辨率高、全天時全天候、監測精度高等特點，被廣泛應用于地震、火山、冰川移動、地下水抽取和地下采礦引起的地表形變監測研究[4]。InSAR（Interferometric Synthetic Aperture Radar）技術能夠提取地表發生的微小形變，精度達到厘米級甚至是毫米級，其獲取的數據具有高精度、高分辨率、覆蓋范圍廣等特點[5]。然而，傳統D-InSAR形變測量的精度和可靠性受到空間失相關[6-7]和大氣延遲的嚴重影響[8-9]。本文結合地質背景資料和野外實地滑坡勘測結果，綜合運用PS-InSAR和SBAS-InSAR技術，探討分析時序InSAR技術在滑坡變形監測中的適用性。

1 研究區概況

高家灣滑坡位于青海省海東市樂都區洪水鎮湟水河南岸低山丘陵區，為第四系黃土和古近系泥巖組成的復合型古滑坡。滑坡長1830m、寬1300m、平均厚110m，規模2.62×108m3，屬巨型滑坡。2011年至2012年滑坡后壁及后緣發育長約500m拉張裂縫。據2016年1月調查資料顯示，該裂縫東西延伸增加到950m，其滑體前緣北側湟水河Ⅱ級階地表部新增鼓脹裂縫，并使高家灣村局部民房出現變形，嚴重威脅高家灣村村民及滑坡體中后緣西寧-官亭750千伏輸電線、龍羊峽-海石灣330千伏輸電線、蘭新高速鐵路張家莊隧道及滑坡前緣澀寧蘭輸氣管線、蘭西拉光纜及G109國道等基礎設施安全。研究區中心經緯度36°26′35″N，102°32′20″E，南北長5.24km，東西寬6.12km。地理位置如圖1示。

2 數據說明及技術方法

本研究根據SAR數據的分辨率、波長、觀測角度、性價比和可獲得性等，針對研究區地形、植被和變形特征進行SAR數據源和不同InSAR計算策略的選擇。Sentinel-1A數據周期較短且數據豐富，適合用PS-InSAR技術對高家灣滑坡區近幾年變形情況進行監測分析，而Envisat ASAR數據周期較長且只有歷史時期的存檔數據，用SABS-InSAR技術處理可以得到較理想的計算結果，更好地監測歷史時期變形情況。數據基本特征如表1所示。

2.1 SENTINEL-1A數據

數據空間基線、多普勒中心和數據的時間分布見圖2，其中空間基線以0為中心，正態分布于兩側，空間基線都在150m以內，為圖像高精度配準提供了基礎；多普勒中心分布于0到-0.1之間；以2016年10月27日為參考主影像。

2.2 ENVISAT ASAR 數據

考慮到該區域和SAR數據的特點，確保有效數據被用于構建小基線集。最終選定空間基線閾值700米，時間基線545天，以2009年4月14日為參考主影像。所得數據集結構較為合理，可以滿足SBAS技術要求。如圖3所示。

2.3 技術方法

如何提高相干性，有效消除各種誤差，成為高精度InSAR變形觀測的關鍵，對此，一是通過改善算法細節來實現，二是通過構建全新的框架和算法來提高相干性，獲取更詳細、準確的變形信息。在構建新的框架和算法方面，近年來，主要是在傳統D-InSAR技術的基礎上進一步發展了時序InSAR技術，這類技術通過長時間序列的InSAR數據進行分析，解決低相干性及去除大氣、DEM誤差的影響，極大推動了InSAR技術的發展[10]。包括四個層面的算法：（1）永久散射體干涉測量及技術（Persistent Scatter Interferometry，PSI）；（2）StaMPS永久散射體技術（Stanford Method for Persistent Scatterers）；（3）SBAS（Small Baseline Subset）技術；（4）PSI和SBAS相結合技術。

2.3.1 PS-InSAR技術

永久散射體干涉技術是意大利Ricca教授研究小組的Ferretti首先提出的[11]。PS-InSAR技術的基本原理是利用多景同一地區的SAR影像，通過統計分析時間序列上幅度和相位信息的穩定性，探測不受時間、空間基線去相關影像的穩定點目標[12]。這些目標點可能是人工建筑物、裸露的巖石、人工布設的角反射器等，由于它們在時間序列SAR影像中幾乎不受斑點噪聲的影響，經過很長時間間隔仍然保持穩定的散射特性，所以被稱作PS（Persistent Scatter）。PS-InSAR可以精確估計并消除大氣效應對相位的貢獻，獲得米級精度的高程[13]和毫米級的形變量測[14]。永久散射體被定義為尺寸小于圖像像元尺寸，其散射系數強且長期保持穩定的地物目標。其特點是在空間基線超過臨界基線的情況下，能保持不受空間失相干的影響，因此可利用所有可能獲得的圖像生成單主圖像堆棧（星星結構），來獲取永久散射體0.5mm/a的地表變形信息[15]。

2.3.2 SBAS-InSAR技術

SBAS-InSAR是由Berardino[16]和Lanari[17]等研究人員提出的一種與PS-InSAR技術采用不同策略的時序InSAR分析方法，短基線技術采用小基線子集差分干涉測量技術 [18]；將所獲得的長時間序列SAR數據組合成具有小空間基線干涉子集的（集合內SAR圖像基線距小，集合間的SAR圖像基線距大）D-InSAR數據組進行解纏計算，然后通過奇異值分解方法（SVD）將不同時間基線的空間小基線子集數據組合形成時間序列，進而獲取高精度變形場。其針對的對象是面散射體（Distribution Scatter，DS），其精度較PS-InSAR低，但更適合于非城市區地表變形監測。相比PS-InSAR技術，SBAS方法只需要少量的SAR影像，而且由于生成干涉圖的影像間基線較短，能夠更好的避免空間失相干，正是由于研究區歷史SAR數據（EnviSAT ASAR）比較缺乏，因此對歷史變形過程的反演，SBAS方法對該區域有較好的適用性。

3 滑坡變形數據獲取

3.1 2003-2010年歷史形變

運用SBAS-InSAR技術對27景ENVISAT ASAR數據進行裁剪后，經多次實驗后選擇時間基線閾值為700天，空間基線不大于臨界基線的55%的小基線集網絡結構較為合理。采用精密軌道數據進行粗配準，90米分辨率的SRTM數據作為模擬地形相位的DEM，1：5的多視視數，濾波窗口64*64，采用3D解纏算法，閾值0.35。經過配準、去平、濾波、軌道精煉、重去平、相位解纏和地理編碼等處理步驟，最終得到高家灣滑坡區歷史時期地表形變數據。

3.2 2014-2017年近期形變

使用PS-InSAR技術對57景sentinel-1A數據進行處理，通過計算分析棄除大氣效應的不同效果，選擇基于單主圖像的星型結構圖像拓撲結構建立數據集最佳。參考DEM為90米分辨率的SRTM數據，采用精確軌道參數進行粗配準，選擇大于1500個的同名像素點，建立多項式方程，進行精配準，配準精度達到1/8個像元。采用Modificated Goldstein方法，1*1的多視，15*15的濾波窗口。選擇星型拓撲結構，稀疏點模式選擇Amp.Stab.Index模式，高程的閾值選擇-500米-500米區間，基于時間序列的濾波平滑的步長選擇5，其中多項式的項數選擇1次多項式。

3.3 時間序列變形趨勢分析

采用PS-time統計工具計算分析高家灣滑坡區的地表形變數據PS點的變化趨勢。此方法是Matteo Berti 等人2013年[19]通過對在意大利北部亞平寧山脈收集的1000個時間序列樣本數據的統計分析，編寫的一個應用程序，在統計測試序列的基礎上提供永久散射體（PS點）時間序列有條件的自動分類。程序有六個預定義的目標趨勢，即不相關、線性相關、二次相關、雙線性相關、勻速不連續和變速不連續。這些趨勢被認為是PS點變形數據的“典型”模式。

4 監測結果及分析

4.1 形變過程及趨勢分析

對于上述方法獲取的高家灣滑坡區的地表變形數據，通過PS-time工具統計分析后，將研究區內所有PS點的平均形變速率計算結果疊加顯示在高家灣滑坡區的DEM底圖上。結合野外勘測的滑坡方向、滑坡邊界和地裂縫等相關資料（由青海省國土資源廳提供），該區域內的地表變形特征、變形分布規律和年均累積位移變化曲線如圖4示。

圖4顯示2004-2010年間，該滑坡區形變量0-3.67mm，比較輕微且分布分散，地表活動相對比較穩定。圖5顯示2014-2017年間滑坡區內PS點速率變化值集中在-27.37-5.77mm，PS點各類型變化趨勢總體呈遠離雷達視線向的變形趨勢（下沉），與實地勘測結果比較吻合。滑坡邊界以外的PS點速率變化明顯比較小，多數在-2.8mm以下，說明這些區域地表活動相對穩定，發生滑坡可能性較小。

圖6的統計分析處理結果顯示，2014年10月-2016年1月期間，累積位移走勢比較平緩，基本在-5mm以內小幅波動；2016年1月-2016年2月期間，累積位移走勢明顯加速，位移量從-5mm迅速下降到-12mm，此階段即地表變化比較劇烈的時期。推斷可能與2016年1月21日青海省海北州門源6.4級地震有關。2016年2月之后，累積位移又回歸平緩變化狀態，總的位移量在-15-22mm間波動。

4.2 主裂縫兩側不同部位變形特征

針對野外調查獲取的主裂縫情況，根據PS-InSAR結果，對主裂縫兩側分別提取PS點進行分析，選點區域及PS點分布情況（圖7），得到主裂縫兩側突變點位移均值曲線（圖8）。

由位移曲線可以看出，裂縫兩側形變趨勢有較大差異，尤其是在2016年1月之后主裂縫兩側位移差持續增大，裂縫右側區域加速下沉，左側區域下沉速度相對較小。此時刻與野外調查結果吻合，與期間滑坡區累積位移走勢明顯加速，地表變化比較劇烈的特征吻合，與2016年1月21日青海省海北州門源6.4級地震的發生時間吻合。

5 結束語

時序InSAR技術，能夠獲得緩慢的地表變形數據，對滑坡監測效果較好。通過多次對比實驗，不斷優化干涉測量計算參數配置，能夠在高家灣滑坡區內獲得較高精度和高相干性的永久散射點（PS點），作為該滑坡區地表形變監測的數據基礎。通過PS-time統計分析后，可以較好歸納出滑坡區地表形變的時空特征和變化趨勢，對滑坡監測分析很有意義。

雖然利用InSAR技術獲取滑坡區地表的形變信息，結合野外調查資料進行了比對。但是，衛星獲取的形變方向為雷達視線方向，衛星的軌道固定，山體不同部分的坡度坡向不一致，導致獲取的形變結果會與坡體形變的真實情況存在一定的差異。限于沒有GPS野外觀測數據，無法驗證形變結果精度，得到的只是該滑坡區地表的相對形變。

參考文獻：

[1]王治華.滑坡遙感[M].北京：科學出版社，2012.

[2]王立偉.基于D-InSAR數據分析的高山峽谷區域滑坡位移識別[D].北京科技大學，2015.

[3]王志勇，張金枝.基于INSAR技術的滑坡災害監測[J].大地測量與地球動力學，2013，33（3）：87-91.

[4]楊長江，易祎，趙蓉.基于Sentinel-1數據的時序InSAR技術在滑坡監測方面的應用——以巴東地區為例[J].科技創新與生產力，2017（04）：1674-9146.

[5]張詩茄，蔣建軍，繆亞敏，等.基于SBAS技術的岷江流域潛在滑坡識別[J].山地學報，2018，36（1）：91-97.

[6]F Amelung， DL Galloway， JW Bell， HA Zebker， RJ Laczniak. Sensing the ups and downs of Las Vegas： InSAR reveals structural control of land subsidence and aquifer-system deformation. Geology， 1999，27（6）：483-486.

[7]DA Schmidt， R Bürgmann. Time-dependent land uplift and subsidence in the Santa Clara valley， California， from a large interferometric synthetic aperture radar data set. Journal of Geophysical Research Solid Earth，2003，108（B9）.

[8]ZW Li， XL Ding， GX Liu. Modeling atmospheric effects on InSAR with meteorological and continuous GPS observations： algorithms and some test results. Journal of Atmospheric and Solar-Terrestrial Ph...， 2004，66（11）：907-917.

[9]HA Zebker， PA Rosen， S Hensley. Atmospheric effects in interferometric synthetic aperture radar surface deformation and topographic maps. Journal of Geophysical Research Solid Earth，1997，102（B4）：7547-7563.

[10]許才軍，何平，溫揚茂，等.InSAR技術及應用研究進展[J].測繪地理信息，2015，40（2）：1-9.

[11]C Colesanti， A Ferretti， F Ferrucci， C Prati， F Rocca.Monitoring known seismic faults using the permanent scatterers （PS） technique. IEEE International Geoscience & Remote Sensing ...， 2000，5：2221-2223 vol.5.

[12]廖明生，王騰.時間序列INSAR技術與應用[M].北京：科學出版社，2014.

[13]Perssin D.Validation of the sub-metric accurary of vertical positioning of PS's in C band. IEEE Transactions on Geoscience and Romete Sensing etters，2008，5（3）：502-206.

[14]Ferreti A， Savio G， et al. Submillimeter Accuracy of InSAR Time Series： Experimental Validation： Experimental validation. IEEE Transactions on Geoscience and Remote Sensing，2007，45（5）：1142-1153.

[15]A Ferretti， C Prati， F Rocca.Permanent scatterers in SAR interferometry. IEEE Transactions on Geoscience & Remote Sensing，2001，39（1）：8-20.

[16]P Berardino， G Fornaro， R Lanari ，E Sansosti.A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms. IEEE Transactions on Geoscience & Remote Sensing，2003，40 （11）：2375-2383.

[17]R Lanari， O Mora， M Manunta， J Mallorquí， P Berardino， ...A small-baseline approach for investigating deformations on full-resolution differential SAR interferograms. Geoscience & Remote Sensing IEEE Transactions on，2004，42（7）：1377-1386.

[18]P Berardino， G Fornaro， R Lanari， E Sansosti.A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms. IEEE Transactions on Geoscience & Remote Sensing，2003，40（11）：2375-2383.

[19]M. Berti， A. Corsini S. Franceschini， and J. P. Iannacone .Automated classification of Persistent Scatterers Interferometry time series. Nature Hazards and Earth System Sciences， 2013，13（8）：1945-1958.