基于InSAR的寧夏黃土丘陵區(西吉縣)滑坡隱患早期識別

陳思名， 霍艾迪,2,3*， 張佳， 趙志欣， 陳四賓， 陳建

(1.長安大學水利與環境學院， 西安 710054； 2.長安大學旱區地下水文與生態效應教育部重點實驗室， 西安 710054；3.中國科學院地球環境研究所黃土與第四紀地質國家重點實驗室， 西安 710054； 4.寧夏回族自治區國土資源調查監測院，銀川 750004； 5.中國地質大學(武漢)環境學院， 武漢 430000)

滑坡是一種常見的多發性地質災害[1]，據聯合國發布《災害造成的人類損失2000—2019》報告中指出，在2000—2019年全球一共發生376起滑坡事件，相比1980—1999這20年共增加了122起，造成的損失和影響也遠超過去。滑坡突發性強、危害大、治理難度高[2]，對滑坡的監測及預警可以在一定程度上降低國民經濟損失，確保群眾的生命安全。然而，傳統的滑坡監測手段(如水準儀、GPS觀測等)只能對局部范圍內已知的滑坡進行監測，受地形地貌等外界條件的約束，無法對區域內潛在滑坡的變化形態和趨勢進行識別和監測[3-4]。干涉雷達測量(interferometric synthetic aperture rader，InSAR)是一種新型的空間對地觀測技術，能夠獲取高精度的地形信息。

差分干涉測量(differential-interferometric synthetic aperture rader，D-InSAR)是在InSAR技術的基礎上發展起來的較為成熟的對地觀測技術，具有不受氣候影響、高分辨率、高時效性、監測范圍廣等優點，能夠檢測出地表的微小形變[5-6]。D-InSAR技術用于滑坡監測得益于較短的重返周期可連續獲取滑坡區域的大量SAR影像，通過對兩景SAR影像分析可獲得該時間內的地表形變信息[7-8]。通過連續的多景影像，能夠獲取在時間序列內的滑坡地表形變信息。

Achache等[9]通過SAR數據對法國南部滑坡地區進行位移監測，驗證了滑坡監測技術的結果與實測數據具有一致性。隨后，各國紛紛展開將InSAR技術應用于滑坡監測中。中國對于InSAR技術應用于滑坡監測的研究起步相對較晚，但隨著科研工作者的深入探究，也取得了重大突破。張健龍等[10]利用D-InSAR技術對四川甲居滑坡的位移量進行監測，得到了有效結果。王桂杰等[11]對水電站庫區內的滑坡活動進行研究，D-InSAR結果與GPS驗證結果一致，并提出了誤差消減的方法，進一步提高D-InSAR結果精度。熊軻等[12]利用D-InSAR技術結合光學遙感對九寨溝地震后的地表形變進行監測，為今后九寨溝的地質隱患監測提供支撐。王勇等[13]結合D-InSAR與實地測量數據對5名山滑坡體進行形變監測，獲取了高精度的形變結果。以上研究均說明D-InSAR在滑坡形變監測具有較好的適用性。但這些研究多局限于單一滑坡或很小范圍的形變量的監測，取得了很好的效果。對于較大范圍，尤其是區域上潛在滑坡群的識別關鍵技術還有待于進一步深入研究。

為此，利用D-InSAR技術結合光學影像分析對位于南北地震帶北段的寧夏西吉縣進行廣域面狀監測，對西吉縣域內的潛在滑坡進行識別，探討D-InSAR識別較大范圍潛在滑坡的有效性，摸清西吉縣滑坡隱患風險底數，可為后期人為排查潛在隱患點提供切實可行的參考。

2 研究區概況和數據來源

2.1 研究區概況

西吉縣位于寧夏南部黃土高原中心地帶，介于105°19′09″E～106°04′09″E和35°33′57″N～36°14′09″N，總面積3 130 km2。屬溫帶大陸性氣候，年平均氣溫為12.7 ℃，最高氣溫42.00 ℃，最低氣溫21.80 ℃，年平均降水量約為570.2 mm，年最大降水量1 088.1 mm，每年最小降水量220.3 mm，降雨主要集中在7—9月。地勢北高南低，西高東低，海拔在1 656～2 606 m(圖1)。地貌以黃土丘陵為主，次為紅土丘陵，地質環境復雜多變，地質災害易發、頻發。西吉縣的突發性地質災害主要有：滑坡、崩塌、泥石流三種類型，尤其是滑坡災害最為發育，以滑坡、泥石流災害產生的危害較為嚴重。研究區內受自然災害和人為因素的影響，滑坡災害分布相對集中。

圖1 研究區位置Fig.1 Location of study area

2.2 數據來源

數據包括：哨兵衛星影像數據、數字高程模型(digital elevation model, DEM)數據、哨兵衛星精密軌道文件。哨兵一號衛星(Sentinel-1A)是2014年4月由歐洲航天局發射，2015年中旬哨兵一號衛星開始穩定運行，12 d重復周期對地球成像，該衛星數據免費提供用于下載。哨兵數據的下載網址為：https://search.asf.alaska.edu/。在SAR數據處理中，通過DEM數據提供參考地形或者參考坐標系，所用DEM數據為分辨率90 m的SRTM-3 DEM，下載網址為：https://srtm.csi.cgiar.org/。哨兵衛星精密軌道數據通過對軌道信息進行修正，有效消除由于軌道誤差造成的系統性誤差，數據下載網址為：https://qc.sentinel1.eo.esa.int/。在分析滑坡影響因子時所用到的DEM數據為ASTER GDEM 30 m DEM，數據下載網址為：http://www.gscloud.cn/。

3 研究方法

3.1 D-InSAR技術

4-InSAR技術是通過對相同覆蓋區域、不同時相的兩幅或多副SAR影像的相位信息做差分干涉處理，從而得到該地區的形變信息[14]。相位信息φ由5部分組成，可表示為

φ=φtopo+φflat+φdisp+φatmo+φnoi

(1)

式(1)中:φtopo、φflat、φdisp、φatmo、φnoi分別為因地形、參考面、地表形變、大氣延遲及噪聲引起的相位。

為了得到φdisp，需去除其他4部分的干擾。通過差分干涉處理可以有效去除因地表高程、地形、大氣效應及噪聲引起的相位。其中地形相位可參考外部DEM去除；通過Goldstein濾波方法能夠有效減少因空間基線或時間基線引起的失相干噪聲；利用最小費用流做解纏處理，對相干性性小于閾值的像元做腌膜處理；通過選取控制點估算軌道形態進一步優化相位偏移，最終將得到只因地形相位變化引起的地表形變信息。

利用Sentinel-1A數據和D-InSAR技術，基于SARscape軟件進行西吉縣滑坡形變信息獲取，數據處理流程如圖2所示。

圖2 D-InSAR處理流程Fig.2 D-InSAR processing framework

3.2 數據處理

本次實驗選取的SAR數據為Sentinel-1 A數據其影像數據均為C波段，成像模式為干涉寬模式(IW)，極化方式VV，入射角36.64°，重訪周期12 d。由于冬季植被對視相干影響較小，因此選取影響數據時間為2019年12月25日—2020年1月18日的干涉對進行分析，選取的干涉對信息如表1所示。

表1 干涉對信息Table 1 Interference pair information

根據研究區的矢量文件對幅寬為250 km×250 km的原始影像進行裁剪，可降低差分干涉計算量，減少處理時間。再通過基線估算來評估干涉相對的質量，結果顯示干涉對垂直基線為86.41 m，遠小于臨界基線6 419 m，相位每變化一個2π周期，地形變化0.028 m、高程變化179.3 m，多普勒圖心偏差為3.622 Hz，遠小于臨界值486 Hz。以上估算結果說明該相對可以進行后續處理。通過對影像對進行干涉去平、濾波去噪、相位解纏等數據處理得到過程如圖3所示。

圖3 處理過程圖Fig.3 The diagrams processed by D-InSAR

3.3 潛在滑坡早期識別

滑坡早期識別對于滑坡災害的預警和防治具有十分重要的意義。滑坡災害的早期識別實質是對滑坡可能發生的位置和范圍進行識別[15]。滑坡早期識別主要是通過人機交互的方法利用光學遙感影像目視解譯、D-InSAR技術及等高線的稀疏變化，即利用滑坡體與周圍地質體的地貌形態、幾何形狀、陰影、紋理、色調等標志性差異對滑坡體進行解譯[16]。利用D-InSAR技術可得到研究區在一定時間間隔內地表形變量的差值變化，該變化可通過圖像變化監測技術即假彩色合成法來顯示。假彩色合成法[17]是一種圖像信息增強技術，可將多波段灰度影像合成為假彩色影像，從而在圖像背景中突出目標地物，增強目標與背景之間的對比，便于遙感影像判讀。D-InSAR技術結合假彩色合成技術可以識別到研究區在空間上的分布特征。滑坡識別解譯標志具體影像特征如表2[18-19]所示。

通過獲取的遙感影像結合D-InSAR等技術，按照“定性”判斷、“定量”測量的方式從地表形態、發展形勢等方面綜合分析判斷疑似隱患點，并根據實地調研的方法來驗證D-InSAR技術識別潛在滑坡的可靠性。利用Sarscape軟件對研究區影像干涉對進行配準、干涉圖生成、去平、濾波去噪、相位解纏以及地理編碼和相位轉形變等，獲取西吉縣2019年12月25日—2020年1月18日期間的地表形變情況。將所得到的形變數據在ENVI軟件中進行密度分割配色處理后，疊加至Google Earth軟件。根據所得到的雷達視線向(LOS向)地表形變量結合光學影像圈定潛在滑坡范圍。D-InSAR技術提供地表形變時變信息用于確定形變的活動狀況。

表2 滑坡影像特征解譯標志[18-19]Table 2 Interpretation marks of landslide image features[18-19]

4 結果分析

4.1 形變監測結果與潛在滑坡識別

利用D-InSAR技術對研究區形變信息進行反演，得到西吉縣雷達視線向(LOS向)地表形變信息。從SAR數據提取相干點目標(CTs)共19 883 825個，平均密度為6 352 CTs/km2，可以滿足黃土丘陵地貌地表滑坡隱患早期識別研究[20]。

通過對形變結果進行分析，形變結果顯示雷達視線向(LOS向)最大沉降量為32 mm(圖4)。結合高分辨率光學遙感影像對研究區內形變區域進行目視解譯，共識別出8個潛在滑坡，其威脅對象均為居民點，其中1號潛在滑坡位于興隆鎮王河村，2號潛在滑坡位于王民鄉學楊村，3號、6號潛在滑坡分別位于興平鄉王灣村、趙腦村，4、5號潛在滑坡位于平峰鎮焦灣村、三合村，7號潛在滑坡位于吉強鎮夏大路村，8號潛在滑坡位于白崖鄉黑窯洞村。為了驗證該識別結果的有效性，本研究選取平峰鎮焦灣村及三合村的兩個潛在滑坡點，結合光學影像目視解譯及實地調查來加以驗證。

1為王河村；2為學楊村；3為王灣村；4為焦灣村；5為三合村；6為趙腦村；7為夏大路村；8為黑窯洞村圖4 西吉縣D-InSAR形變結果與潛在滑坡識別Fig.4 D-InSAR deformation results and potential landslides identification in Xiji County

4.2 潛在滑坡識別結果的檢驗

4.2.1 焦灣滑坡

結合InSAR技術得到的形變結果與野外實地勘查，對典型滑坡-焦灣滑坡進行分析。焦灣滑坡位于西吉縣平峰鎮焦灣村焦灣組，屬黃土丘陵溝壑區，其地理位置為105°33′51″E、35°47′47″N。滑坡體編號為圖3中的4號，光學影像如圖5所示。據現場勘查，該滑坡主滑方向為250°。滑坡體坡頂海拔高2 050 m，坡腳海拔為1 840 m，高差為210 m。坡體切割較強烈，地形破碎，坡體上落水洞、節理裂縫多處可見，最寬處可達15 cm以上。坡體多被改造為階梯狀農田。為進一步對該滑坡進行分析，通過在光學影像上疊加D-InSAR形變結果可以看出，焦灣滑坡在2019年12月25日—2020年1月18日仍有微小的沉降變化。圖5中a、b、c點LOS向形變量分別為-6、-5、-2 mm。該滑坡由于人類活動的影響，排水措施不到位，居民生活用水隨意排放，降雨沿落水洞沖刷，使土體的結構遭到破壞，加劇了滑坡的形變。

4.2.2 三合村滑坡

根據D-InSAR技術所識別出的潛在不穩定滑坡中，5號不穩定滑坡位于西吉縣平峰鎮三合街道，屬黃土丘陵區，其地理位置為105°30′21″E、35°50′6″N。三合村滑坡在2019年12月25日—2020年1月18日期間滑坡形變的光學影像如圖6所示，d、e、f點LOS向形變量分別為-1、-3、-4 mm。根據實地調查，由于雨水沖刷、洪水聚集，雖多次維修排水管道，但未解決水的根源問題，最終造成了滑坡、崩塌。若再有大雨將直接威脅街道旁的農電站。為避免滑坡失穩加劇，應及時分析該滑坡體的形變特征，從根源上解決當地的排水問題。

d、e、f分別為三合村滑坡后緣不同位置的形變點圖6 三合村滑坡光學影像圖Fig.6 Optical image of landslide in Sanhe county

研究表明，地貌坡度、坡向、地形起伏度均為誘發滑坡的因素[21-22]。在Arcgis10.3軟件中，通過西吉縣30 m分辨率DEM提取地形起伏度、坡向以及坡度。不同坡度對影響滑坡發育的程度不同。根據國際地理學會地貌調查與制圖委員會提出的地貌坡度分級[23]對西吉縣坡度進行分級[圖7(a)]，分級標準為：平原至緩斜坡(0°～5°)、斜坡(5°～15°)陡坡(15°～25°)、急坡(25°～35°)、急陡坡(35°～55°)、垂直坡(>55°)。斜坡的穩定性往往受到不同坡向斜坡小氣候差異的影響，而后者與受坡向影響的光熱再分配與水分狀況的關系密切，因此坡向也是誘發滑坡的因素之一。將坡向按照陽坡、半陽坡、陰坡以及半陰坡來劃分[圖7(b)]，其分級標準為：以正北為中心，陽坡(135°～225°)、半陽坡(90°～135°和225°～275°)、陰坡(0°～45°和315°～360°)、半陰坡(45°～90°和270°～315°)。地形起伏度作為影響滑坡運動的因子也不容小覷，微小的局部變化可能引起滑坡的劇烈運動[24]。利用自然斷點法對地形起伏度進行分級[圖7(c)]。對D-InSAR技術識別的潛在滑坡點與坡度、坡向、地形起伏度的關系進行分析，識別的8個潛在滑坡點大多在15°～30°，主要是由于降雨及人類不合理的工程活動會對地質環境造成破壞[25]；坡向大部分處于陰坡面，主要是由于地形的影響，陽坡面降水量大于其他坡向，進而造成土壤中含水量增加，土質疏松，黃土不易堆積，黃土層較薄；而陰坡面黃土厚度大滑坡多[26]；地形起伏度大多在150～210 m，與黃土丘陵區的滑坡關系尚未見報道，可作為今后的研究方向。

圖7 潛在滑坡識別點與坡度、坡向、地形起伏度的關系Fig.7 Relationship between potential landslide identification points and slope, slope direction and topographic relief

5 結論

利用D-InSAR技術對西吉縣2019年12月25日—2020年1月18日影像干涉對進行配準、干涉圖生成、去平、濾波去噪、相位解纏以及地理編碼和相位轉形變等數據處理，獲取較大區域上的潛在滑坡形變結果，通過對結果進行分析得出如下結論。

(1)利用D-InSAR技術識別出黃土丘陵區西吉縣8個潛在滑坡點。結合D-InSAR技術分析以及實地調查，證明在較大區域上潛在滑坡識別點與野外現場調查有較好的一致性。

(2)相比傳統區域地質調查方法，InSAR技術具有便捷性強、自動化程度高等特點。

(3)基于形變結果和現場核查，分析了焦灣滑坡和三合村滑坡兩處重點滑坡隱患的形變特征，其根源均歸結于水的問題。該結果可為后續滑坡治理提供依據。

(4)通過分析8個潛在滑坡識別點與致災因子坡度、坡向、地形起伏度的關系，發現該8個潛在滑坡大多在15°～35°，主要是由于降雨及人類工程活動對地質造成的破壞；坡向大部分處于陰坡面，主要是由于滑坡發育與黃土厚度密切相關，陰坡黃土沉積較厚，因而易發生滑坡；地形起伏度大多在150～200 m，該因素與黃土丘陵區發生滑坡的關系有待進一步研究。

由于監測的時間短，形變量變化微小。因此，在今后的研究中，將通過時序InSAR來監測較長時間的地形變化，進一步驗證D-InSAR結果，同時為滑坡監測及預警提供數據支撐。