基于InSAR 技術的礦區滑坡災害形變誘因分析*

彭思佳，陳 聰，馬金輝

（蘭州大學 資源環境學院，甘肅 蘭州730000）

窯街礦區從1958 年建設開采以來一直受開采沉陷的影響，而由開采沉陷引起的9 起次生地質災害中滑坡災害為8 起，可見窯街礦區內開采沉陷引起的次生災害主要是滑坡[1]。合成孔徑雷達干涉測量（interferometric synthetic aperture radar，InSAR）技術具有全天時、全天候、監測范圍大、監測精度高等特點，被廣泛應用于地震[2]、滑坡[3]、泥石流[4]、地面沉降[5]等災害的監測研究中，并取得了豐富的研究成果。尤其是SBAS-InSAR（small baseline subset InSAR）技術，該技術是由Berardino 等[6]提出的一種以多主影像的干涉對為基礎的時間序列In－SAR 分析方法。該技術在滑坡形變監測方面已發揮重要作用。Necsoiu 等[7]利用SBAS-InSAR 技術對Salmon Falls Creek 峽谷內的滑坡體的運動速率和運動范圍進行了研究，發現SBAS-InSAR 技術可以捕捉強非線性位移速率。戴可人等[8]利用SBAS-InSAR 技術對甘肅南峪鄉滑坡災前變形進行追溯，發現降雨是該滑坡發生的主要誘因。上述研究證實了SBAS-InSAR 技術在滑坡災害誘因分析的可行性。而在礦區的研究中SBAS-InSAR 技術多用于檢測礦區開采沉陷，對于由礦區開采所引起的次生災害關注較少。本文是基于SBAS-InSAR 技術，利用二維形變模型計算獲得垂直向與滑坡體滑動方向的形變速率，整體對滑坡體形成過程進行分析，再根據不同形變過程的范圍分析得到形變誘因，該方法為礦區內次生災害的監測預警提供新思路、新方法。

1 研究區概況

甘肅窯街煤礦位于甘肅、青海兩省交界處。礦區位于黃土高原西部邊緣區，地形較復雜。由于長期大規模地開采，且礦區內建筑物和煤矸石堆積場都是建在舊開采區之上，導致了礦區內滑坡、地表塌陷、地表裂縫等地質災害的發生[9]。上工業廣場滑坡體位于海石灣礦區西側，建筑區東側，2018 年4 月9 日發生滑坡。滑坡體南北方向長約506m，影響面積約5000m2，滑坡土方量約為300×104m3。

2 數據與方法

2.1 數據說明

本文采用的主要研究數據是Sentinel-1A 數據，該數據是由歐洲宇航局發射的對地觀測衛星所獲取，衛星重訪周期為12 天，研究選用的是干涉寬幅模式的影像數據，地面分辨率為5m（距離向）×20m（方位向）。輔助數據是美國航空航天局（NASA）發布的30m DEM 數據（ASTER GDEM）。

2.2 SBAS-InSAR 技術

SBAS-InSAR 技術基本原理是基于時間和空間基線閾值選擇多幅主影像，選擇時間和空間基線都較短的干涉對進行差分干涉處理。利用外部導入的精軌數據和DEM 數據，對所選的干涉對進行差分處理，去除地形對形變結果的影響。選擇穩定點作為外部控制點進行相位解纏，最后利用最小二乘法對所有干涉對進行聯合求解，得到地表形變信息。

2.3 二維形變模型

上工業廣場滑向方位角約110°，近東西方向，南北方向上的位移極小。因此，本文只計算垂直向和滑動方向的水平位移。將雷達視線方向的形變分解為垂向形變dU、滑坡體滑動方向形變dOA，計算公式：dLOS=ducosθdOAsinθcos（δ-α）。

3 形變結果與分析

3.1 滑坡形變過程二維形變分析

滑坡發生前的12 個月時間內，兩個方向都存在明顯的形變，滑坡向水平最大年均形變速率可達110mm/a，垂直向最大年均形變速率為84mm/a。空間上根據提取的二維形變結果（圖1、圖2），按形變差異將滑坡體劃分為滑坡體北區與南區。經實地考察發現北區為煤矸石堆積區，南區為黃土區。分析得到滑坡體形變過程變化：2017 年4月以前，區內兩個方向累積形變量都低于15mm；2017 年4 月至6 月，滑坡體的形變范圍主要位于滑坡體北區，發現形變范圍向滑坡體南區下部擴展，北區形變擴展到南區下部促使南區失穩發生形變；2017 年7 月至12 月，垂直向形變中滑坡體北區形變量增大明顯，而滑坡體南區形變主要以沿滑坡向水平形變為主，此時水平形變范圍覆蓋整個滑坡體；2018 年水平形變范圍覆蓋整個上工業廣場斜坡。

圖1 垂直向形變

圖2 沿滑坡向水平形變

從兩個方向的時間變化過程來看（圖3），滑坡體北區的形變量明顯大于滑坡體南區，2017 年6 月滑坡體北區形變量出現波動，進入加速變形期；2017 年12 月滑坡體南區出現形變拐點，形變速率增加但小于北區形變速率；2018 年1 月滑坡體北區進入形變加速期，直至2018年4 月滑坡發生。綜合滑坡體的時間、空間變化特征可以發現，滑坡體的發育與北區的煤矸石堆積場有密切的關系，煤矸石堆積場的失穩是導致滑坡體形成的重要驅動因素。

圖3 災前時間序列累積形變圖（左：垂直向 右：滑動方向）

3.2 滑坡形變趨勢范圍劃分

利用時序分析工具對形變點進行形變趨勢劃分，得到時空熱點趨勢分布格局（圖4），圖中垂直向位移中熱點為向上抬升，冷點為下沉；沿滑坡向水平位移的熱點為與滑向方向相反，冷點為與滑向方向一致。

圖4 時空熱點趨勢分布格局（左：垂直向 右：沿滑坡水平向）

滑坡體邊線內大部分區域在兩個方向上都為振蕩的冷點，意味著該區域時間序列變化過程與圖3 中分析的時間變化特征一致，滑坡體呈現勻速-加速-勻速-加速非線性變化過程，為復合型滑坡。圖4 中A 區的形變過程與滑坡體形變過程一致，說明在建筑區中A 區受滑坡體的影響大，在后續的滑坡體穩定性評價與災后治理中需要重點關注。B 區與C 區在滑坡體邊線內，水平向為加強的冷點，呈現線性變化過程，在垂直向趨勢分布中B 區為振蕩的冷點，呈現非線性變化趨勢；C 區在2017 年9 月以前累積形變量3mm，9 月以后形變量勻速增加，呈線性變化。由3.1 節的分析可知滑坡發生的主要誘因是北區煤矸石堆積場失穩，因此滑坡體的啟動區是非線性特征區。在對礦區進行安全監測時，除采空區開采沉陷外，應重點關注礦區內非線性變化特征區，以防發生次生災害。

4 結論

本文基于SBAS-InSAR 技術獲取滑坡體垂直向與滑動方向的二維時序形變結果，從時間、空間兩方面分析，發現北區的煤矸石堆積物是滑坡災害發生的主要誘因。對滑坡體不同形變趨勢進行分析，認為滑坡體整體為復合型滑坡，屬于非線性變化，結合誘因分析發現非線性特征區是滑坡體的啟動區。非線性變化相較于線性變化演化規律復雜，難以準確預測，需要在礦區災害預警、治理中重點關注。利用InSAR 技術來獲取地表真實形變，對具有非線性形變特點的區域進行二維時空分析，探尋形變規律，排查潛在災害區，對后期災后治理、礦區減災等有重要意義。