Stacking-InSAR的貴州大方縣地質災害識別

謝韜

摘要：貴州地質條件復雜，年降雨量多在1000mm上，故地質災害頻發，針對傳統地質災害監測無法全天時、全天候、大范圍地獲取地面形變信息這一現狀，本文利用Stacking-InSAR技術，以及L波SAR數據，獲取了貴州省大方縣形變速率圖，結果顯示發現11處形變區，通過現場核查發現其中5處為威脅性較大的災害隱患點，其形變速率均達到10cm/y以上，并發現多處形變區存在于采礦區附近，對其產狀和發育分布做了簡要歸納。結論證明了Stacking-InSAR技術在貴州地質災害易發區可以發揮有效作用，為防災工作提供數據支撐。

關鍵詞：地質災害監測;Stacking-InSAR技術;L波SAR數據

引言：

貴州屬典型內陸巖溶山區，地質環境脆弱，全省地質災害高、中易發區面積達13.6萬平方公里，占全省國土面積的77%，88個縣（市、區）中有81個為國家級地質災害重點防治區。截止目前，全省共查明地質災害隱患9000余處，威脅145萬人和430億元的生命財產安全。由于地質災害隱蔽性強，單靠人工發現和和傳統技術排查難度較大，特別是近年來發生的地質災害，絕大部分都不在臺賬范圍內，造成較大的人員傷亡和財產損失;因此，對于地質災害易發區開展早期探測和長時間的監測對于防災治理工作具有重大意義。國內采用D-InSAR和MT-InSAR技術進行形變監測起始于2000年后，由于其全天候、全天時、大范圍、高精度的優點，故這一技術在大范圍形變監測領域具有巨大優勢，使得大量學者參與到該領域的研究中來，因而取得了飛速的進展和不菲的成績。2008年，Wang等首先對三峽巴東地區分析，并成功探測到兩個大型滑坡（Wang et al.，2008c）。2016年，趙超英，康亞等采用多種InSAR技術如Stacking，SBAS，IPTA和多源SAR數據（ALOS，Envisat波）對西南山區的多個區域展開大范圍滑坡探測研究，總結了幾類InSAR技術的適用性 ，并且獲得了較高精度的觀測結果。

對于貴州山區，山谷縱橫，云迷霧鎖，植被茂密的特點，X與C波SAR數據受失相干嚴重（在雨季尤甚），而PS技術由于無法提取到相當數量的穩定目標點也難以施展。因而為了對該區域展開大范圍的滑坡災害識別，本文利用Stacking-InSAR技術，選取2018-2019期間 ALOS-2 L波段SAR 數據，對貴州省畢節市大方縣地區進行災害早期識別，并對其結果進行野外核查，最后對這一技術在在該區域的應用成效和該區域災害分布特點作歸納。

一、 Stacking-InSAR技術

D-InSAR技術同時屬于遙感技術和空間大地測量新技術范疇，是利用覆蓋同一地區的兩幅SAR影像數據，基于衛星軌道數據或空間基線參數，得到具有高敏感性的干涉相位信號來獲取地表高程信息和地表形變信息的一種新技術。

Stacking-InSAR技術就是將多幅D-InSAR解纏后的差分干涉相位圖進行加權平均，以求最大程度減少大氣誤差和DEM誤差的影響，更加準確的獲取形變的一種方法[1]。它遵循一個基本假設：在獨立的干涉圖中，大氣項的誤差相位是隨機且相等的，同時形變區以線性形變為主。在該假設基礎上，多幅獨立的干涉圖對應解纏相位加權疊加，得到的形變相位信息救是所疊加時間基線內的形變量。根據誤差傳播定律，由此可以提高疊加相位圖中形變信息和大氣項之間的信噪比，達到提高監測精度的目的。

單幅干涉圖相位變化速率的標準差與成像時間間隔成比例

（2.3）

式中，Vi表示第i幅干涉圖相位變化速率;phi表示第i幅干涉圖的解纏相位;表示第i幅干涉圖成像時間間隔。

所有干涉圖疊加后平均相位變化速率

（2.4）

式中，wi表示第i幅干涉圖的權，wi=ΔT2i。

則相位變化速率標準差

（2.5）

Stacking-InSAR相對于其他時序InSAR技術其優點是很明顯的，即在數據量較少的情況下獲取年平均速率，同時可以有效的抑制大氣效應和DEM誤差[1]，本文選用該方法來獲取地表形變信息，以對實驗區存在的滑坡災害進行早期的識別。

二、實驗與結果分析

（一）實驗區

大方縣位于貴州西北部，海拔在1400至1900米，為典型亞熱帶季風氣候，雨量充沛;境內山巒重疊，切割較深，地貌破碎，河谷交錯分布;且礦產資源豐富，早年開采礦井繁密[4]。諸此因素，該區域受地質災害影響嚴重，已查明現狀的地質災害162處，每年汛期（5月至10月），多類地質災害如滑坡，崩塌，泥石流，部分區域還伴隨著地面沉降，嚴重影響當地居民的生命財產安全[4] 。

（二）實驗數據

本文采用ALOS-2 L波段SAR數據共計6景，表1為其具體情況。DEM數據選用日本宇宙航空開發局（JAXA）發布的AW3D高程數據，其平面分辨率為30m。

（三）實驗過程

利用ALOS-2 SAR數據和Stacking技術，基于GAMMA軟件對貴州省畢節市大方縣的地質災害探測識別具體實驗過程包括：數據轉換、SAR影像配準、基線估計、D-InSAR處理、大氣及軌道誤差校正、地理編碼、獲取形變速率圖，以下對步驟進行具體介紹：

1、數據轉換，將原始影像轉換為GAMMA軟件所識別格式。

2、SAR影像配準，以獲取日期為20190901 SAR影像為配準主影像，其余5幅影像均以該影像為基準進行坐標變換，插值和重采樣過程，配準后的影像在距離向與方位向的偏移量均小于1/12個像元（研究表明，配準過程中精度達到1/8個像元，相位誤差可以得到有效遏制）。

3、基線估計，本文將時間基線設置在300d，空間基線設置為400m，共生成10個干涉對。

4、D-InSAR處理，包括DEM配準，生成干涉圖，去地形相位，去平地相位，自適應濾波，相位解纏，最后得到相位解纏后的差分干涉圖。

5、大氣校正及軌道誤差校正，本文采用的是多項式擬合與地形相關的大氣項來減弱大氣效應對于干涉圖的影響; 對于軌道誤差的校正，采用二次曲面擬合的方法。 其處理效果如圖2：

6、地理編碼，將以上步驟處理后的干涉圖從雷達坐標系轉換至WGS-84坐標系下。

7、獲取形變速率圖，采用章節2.1所介紹的Stacking技術，將所有干涉圖進行相位加權疊加，對方程組求解得到LOS向的形變速率圖。

（四）實驗結果

使用Stacking技術獲取實驗區域年平均速率后，對應雷達疊掩圖進行篩選，從而獲取疑似滑坡區域共計11處，截取其LOS向形變速率圖如圖3所示：

通過實地核查該11處形變區，其中5處為實際存在較大隱患的災害點，分別為：1號點，位于大方縣綠塘鄉何木溝，最大形變速率為10.3cm/y，地貌為侵-溶中低山河河谷斜坡，地形坡度為20°，滑動面為公路切坡棄渣，大雨時存在局部滑動;4號點，位于大方縣馬場鎮韓家壩和李家寨附近，最大形變速率為12.7 cm/y，斜坡下部坡度10°～20°，中部地形坡度為20°～30°，上部為陡崖;在形變區200m有一煤礦，該區域屬于煤礦采空區，附近村寨房屋存在開裂和下沉。8號點，位于大方縣小屯鄉滑石組，最大形變速率為16.8 cm/y，斜坡坡度為10°～20°，局部大于30°;形變區附近存在一小型煤礦，在監測時間段形變區北西坡地段產生了直徑2.0～3.0m，見深10m的塌陷坑。10號點，位于大方縣小屯鄉大田村水壩組附近，最大形變量為15.1 cm/y，斜坡中下部地形坡度為10°～20°，局部大于30°，斜坡上部為陡崖，斜坡中上部有局部垮塌痕跡，陡崖風化嚴重，穩定性較差;11號點，位于大方縣長石鎮楊柳村五一組、水井組附近，最大形變量為12.9 cm/y，斜坡坡度8-20°;存在一處停采煤礦，附近公路和民房有不同程度開裂現象。2，3，5，7，9號點受災體較遠，因而相對較為安全，6號點因為道路不便且坡度較陡因而無法核查。11處形變區中有6處附近存在開采區或曾經開采區，且裸露基巖可見夾煤層，推斷該地區滑坡發育和分布情況同礦區開采存在相關性。

三、結束語

本文以貴州畢節市大方縣為實驗區，利用Stacking-InSAR技術對該區域內的滑坡進行了識別，共發現形變區（疑似滑坡區）共11處，通過實地核查，其中5處存在較大隱患，且形變速率在10cm/y以上，現場情況也印證了Stacking-InSAR的形變結果，由于沒有對應的地面觀測數據因而無法定量驗證其觀測精度;在11處形變區中有6處在開采區附近，說明了該地區的滑坡發育與礦區開采存在一定聯系，目前由于數據樣本和礦區資料的缺乏，無法對其聯系作進一步的研究。

通過本文研究，Stacking-InSAR技術對于貴州山區的滑坡隱患點識別具有大范圍，高精度的特點，可以識別出大部分形變區，且能準確的對形變區定位，為地質災害的預防提供了有力支持。

參考文獻：

[1]康亞，趙超英，張勤，劉曉杰.InSAR滑坡探測技術研究——以金沙江烏東德水電站段為例[J].大地測量與地球動力學，2018，38（10）：1053-1057.

[2]楊成生，張勤，張菊清.InSAR時序法分離大氣延遲相位與地形及MODIS水汽相關性分析[J].大地測量與地球動力學，2015，35（01）：92-96.

[3]高海英，趙爭，章彭.時序InSAR的貴州地質災害監測[J].測繪科學，2020，45（07）：91-99.

[4]李生紅，歐光照.貴州省大方縣地質災害現狀及防治措施分析[J].地下水，2017，39（04）：175-177.