基于Sentinel-1A數據的地表形變監測

劉智學，薛東劍*

（1.成都理工大學 地球科學學院，四川 成都 610059）

我國西南地區受印度板塊向亞歐板塊俯沖影響，是地震活動發生極頻繁且強烈的區域，地震帶來的次生地質災害不可計數。在所有地質災害中，滑坡是最常見的類型，占地質災害總量的70%以上[1]。由2008年汶川地震（里氏震級8.0 Ms、矩震級8.3 Mw）引發的大光包滑坡是世界上規模最大的滑坡點之一，其內潛藏的大量安全隱患足以對當地造成數十年的影響。因此，為避免震后次生災害威脅，需要對高風險區域進行長期監測。

早期的滑坡形變探測方法包括大地測量法、GPS法、自動伸縮計法和分布式光纖法等[2]；但這類以點探面的監測方法很難全面反映滑坡區域的形變特征，易導致分析結果與實際情況間存在較大誤差。合成孔徑雷達（SAR）是一種有源成像系統，基于其發展的DInSAR地表形變監測技術可大面積連續監測地表 cm級甚至mm級的形變[3]，在地震形變場提取、火山活動以及礦區沉降監測等方面卓有成效，如侯麗燕[4]等基于多次DInSAR處理研究了地震序列發震斷層特征，加深了對周邊活動斷裂性質的認識；Wempen J M[5]利用DInSAR技術定量分析了礦區開采初期和隨著采礦方向推進所造成的地面沉降，為沉降動力的深入研究提供了理論依據。然而，傳統的DInSAR技術更注重短期形變監測，在解決失相干現象時略有不足。因此，長時間序列差分干涉測量方法應運而生，主要包括適用于城市、鄉鎮等相干目標密集區域的永久散射體干涉測量（PS-InSAR）和同時適用于城市區域和自然表面的小基線干涉測量（SBAS-InSAR）方法，后者采用了更多的主影像來構造干涉像對，有效避免了長時間基線帶來的失相干，在地表沉降與滑坡形變監測中應用廣泛。程海琴[6]利用時序InSAR技術分析了龍門山地區震后的滑坡災害點時空分布特征，定量揭示了滑坡物質遷移特征和震后滑坡體的地表形變特征；陸超然[7]等分別利用差分干涉和SBAS方法進行了大范圍地災隱患點的探測，并總結了二者的優劣；莫玉娟[8]等基于SBAS技術提取了小金縣的地表沉降 趨勢。

本文分別利用DInSAR和SBAS-InSAR技術對包含研究區域的22景哨兵一號（Sentinel-1）C波段數據進行處理，提取分析了該滑坡點的視線向累積形變量、時序形變數據和年平均形變速率，并對比了兩種數據提取方法的形變結果，為大光包滑坡穩定性探測工作提供了數據參考。

1 研究區概況

大光包滑坡（31e38′N、104e07′E）位于四川省綿陽市安州區，四川盆地西北與山地區域交界處，西北方向有大面積山林覆蓋，地勢落差大，平均海拔相對較高；地質結構復雜多樣且降水量較大，地貌構造包括平壩、丘陵以及低中型山脈3種類型。該區域地處龍門山斷裂帶，地質災害較多，尤以地震為最，中小型地震頻繁發生（圖1）。在本文選取的雷達影像數據的成像時間內，四川地區共發生36次里氏4.0級以上的淺源地震，其中包括11次不低于里氏5.0級的中強地震?；路謩e距離2019年12月9日安州區發生的里氏4.6級地震和2020年2月3日成都市青白江區發生的里氏5.1級地震只有18 km和85 km。

圖1 研究區位置示意圖 （審圖號：GS(2019)3333）

區域內亞熱帶濕潤季風氣候顯著，全年降雨量足，冬春與夏秋季變換時，旱、雨季交替出現，中小型河流交織密集，水資源充沛。為分析研究區旱、雨季降雨量變化與地表形變速率變化之間的線性關系，本文制作了滑坡周邊100 km范圍內的月均降雨量數據柱狀圖，如圖2所示。

圖2 研究區降雨量數據

2 數據來源與研究方法

2.1 數據來源

Sentinel-1衛星所提供的C頻段雷達遙感影像能提取大范圍、高精度的地面運動數據，是歐洲委員會和歐空局針對歐洲航天哥白尼計劃的第一顆對地觀測衛星[9]。該衛星為雙星座衛星系統，成像重訪周期最短可達6 d，且所有數據均免費提供給公眾。本文采用Sentinel-1A衛星干涉寬幅模式數據進行研究。

2.2 DInSAR技術

DInSAR技術基于重復獲取的同一區域后向散射信號，通過共軛相乘獲取干涉相位[10]，獲取相干性良好的雷達復數影像差分干涉兩次成像之間的相位差信息，再去除干涉相位中包含的地形起伏相位信息，減少大氣效應、噪聲等的影響，得到最終形變結果。根據DInSAR處理時對不同時相SAR影像的數目要求，常用的 DInSAR 技術可分為兩軌法、三軌法和四軌法[11]3種，本文采用兩軌法進行處理。該方法將研究區域前后不同時間形成的兩景雷達影像作為干涉像對來進行差分干涉處理。由于其獲得的干涉相位中既包含形變相位，又包含地形相位信息（忽略大氣擾動的影響），因此需以實驗數據成像區域的先驗DEM數據為外部參考，對相同空間幾何條件下的地形相位進行模擬，并將其從合成干涉數據中去除，這也意味著DEM數據的準確性將直接影響DInSAR的結果。其數學表達 式為：

式中，ΔΦD為差分相位，是模擬得到的地形相位。

2.3 SBAS-InSAR技術

Berardino P等為提高差分干涉測量的精度，利用SBAS-InSAR技術來解決失相干等問題。該方法基于不同時間段的單視數據提取相干目標[12]，從而獲取大范圍時序形變規律。其優勢在于，對數據量要求不高，通過鏈接多個長時間序列影像，構成小基線集合，進而增加數據利用率，最終獲得mm級形變速率結果。SBAS-InSAR的數據處理流程如圖3所示。

圖3 SBAS-InSAR的數據處理流程

在SBAS-InSAR測量方法中，將研究區某一時間段內的N景數據按預設條件進行配對組合，生成最多M組像對，即

為獲取合適的干涉像對進行形變結果提取，需設置一個合適的時空基線閾值來對數據進行選擇。由于Sentinel傳感器平臺重訪周期較短，為提高形變探測精度、避免完全失相關，本文將最大臨界基線閾值設置為45%。像對組合經過干涉工作流處理后，將生成解纏后的干涉相位圖，則第i組像對生成的干涉圖中任一像素的干涉相位為：

式中，x、r分別為像素點的方位向和距離向坐標；A、B分別為第i組像對的主輔影像。

為更準確地獲取真實相位值，解算結果中(-π,π)的相位值，解纏后相位表達式為：

式中，tn、tn-1分別為該組像對兩幅影像的成像時間；vn為對應的平均相位速率。

加入控制點文件對解纏后的結果進行軌道精煉，用以校正干涉相位以及解纏后所得的相位信息，如恒定相位的去除。本文輸入雷達坐標系下的控制點進行優化處理，將上述結果描述為矩陣形式，即

得到一個M×N矩陣，為避免矩陣秩虧，采用奇異值分解[13]最小二乘處理后，再對各成像間隔內速度積分，即可得到研究區緩慢形變的最終形變時間序列。SBAS時序累積形變如圖4所示。

圖4 SBAS時序累積形變

3 研究結果與分析

為了方便對DInSAR形變數據進行綜合分析，將每組像對的累積形變量制作成圖表（圖5），從而直觀反映形變結果。將每組影像像對間的累積形變值與地震、降水量數據進行對比，可以看出，它們之間存在一定的相關關系，如滑坡區在11月—次年3月步入旱季，降雨量較少，暫不考慮雨水引發的滑坡體滑動，主要查看地震數據，這期間四川省內共發生淺源可感地震11次，其中2020年2月的5.1級地震距離滑坡點僅不到30 km，較之以往冬季的形變量更大，但也沒有產生明顯滑動，說明中小型淺源地震的發生對滑坡體影響較小，推測地震發生頻次更高、且距離滑坡體更近時，滑坡形變數據才會產生更明顯的變化；滑坡點周邊在2018年3月—10月未發生5級以上的中型地震，可將地震對滑坡滑動的影響忽略不計，主要考慮降水量變化，隨著雨季降水量的明顯增加，滑坡也開始表現出更大的形變數據波動，受滑坡體附近水流沖刷作用影響，滑坡部分地區有一定程度的 抬升。

圖5 DInSAR形變結果的累積形變區間

SBAS-InSAR測量得到的研究區近兩年累積形變量（圖6）表明，滑坡點及其周邊位置雖一直處于動態變化中，但其在固定時間段內的總體抬升與沉降量相互平衡，因此其一維視線方向上的形變值變化并不明顯，重大地質災害發生的可能性較小。

圖6 SBAS累積形變量

為了更深入地了解滑坡點附近的地表形變，本文選取滑坡上的A、B、C、D、E五個位置，將其平均沉降速率繪制成曲線圖進行分析，如圖7所示，可以看出，D、E點有少量抬升，B、C點有沉降現象， A點附近則近于平穩。根據滑坡點周圍地質條件推測，坡體高處的風化剝蝕堆積物導致了D、E點的抬升，而B、C點受河流沖刷影響，緩慢下降。

圖7 部分點位平均形變速率/(mm/a)

4 結 語

針對大光包滑坡實驗區地形地貌復雜，實地勘測地理位置信息難度較大、危險性較高的特點，本文通過非接觸傳感器獲取的遙感影像來研究地震和降水量對滑坡體產生的影響。利用Sentinel-1A衛星影像獲取實驗區相位數據，下載并處理了2018年3月— 2020年2月的22景干涉寬幅模式的單視復數影像；利用DInSAR和SBAS-InSAR技術計算并提取了滑坡點在該時期內的階段形變量、時序累積形變量和年平均形變速率；結合旱、雨季降雨量變化以及周邊地區淺源地震發生頻次對滑坡形變速率變化規律進行了總結。研究結果表明，滑坡體在實驗數據成像時間段內的形變量不大，且波動較??；滑坡區域的最大抬升約為10 cm，累積沉降量最大不超過6 cm，年平均形變速率趨于穩定，最高不超過100 mm/a，說明大光包滑坡已處于較穩定的狀態；在春、冬交替之際，隨著降雨量的減少，河流沖刷作用減弱，形變趨勢也稍有減緩；周邊地區中小型淺源地震的發生沒有對滑坡點造成顯著危害。