基于時序InSAR的水電站庫岸滑坡形變監測分析

周 志 偉，程 翔，周 偉，肖 海 斌，李 康 倫

(1.中國科學院精密測量科學與技術創新研究院 大地測量與地球動力學國家重點實驗室，湖北 武漢 430071；2.武漢大學 中國南極測繪研究中心，湖北 武漢 430072； 3.武漢大學 水利水電學院，湖北 武漢 430072；4.華能瀾滄江水電股份有限公司，云南 昆明 650214； 5.武漢工程大學 土木工程與建筑學院，湖北 武漢 430205)

0 引 言

滑坡是全球范圍內發生最為頻繁、危害性最高的地質災害之一，其隱蔽性強、破壞性大，對人民的生命財產安全和基礎設施安全造成了巨大的威脅[1]。滑坡體表面形變是分析滑坡穩定性和危險性的主要信息來源，對于大型滑坡體的早期識別與長期監測具有重要意義[2-3]。

地面常規監測手段通常適用于小范圍的監測，不適用于大區域范圍內的長期監測。遙感手段具有大范圍、長時序監測的特點，特別是星載雷達遙感具有全天時全天候的工作能力，能夠獲得長時間序列的形變結果，且測量精度高，在大范圍潛在滑坡識別、滑坡形變監測以及災前預警方面具有較大的優勢[4-7]。

星載合成孔徑干涉測量(InSAR)能夠以厘米級甚至毫米級的精度獲取地球表面形變信息，在地震、火山、地表形變監測和滑坡災害早期識別等方面得到了廣泛的應用[8-10]。王尚曉等利用Sentinel-1A衛星數據基于SBAS技術獲取了巫山縣長江沿岸區域的地表形變信息，利用核密度分析法獲取有顯著運動區域，在該地區發現了9處疑似滑坡區，其中4處為新發現的疑似滑坡區[11]。Shi等利用ALOS PALSAR數據獲取了三峽庫區秭歸-奉節段2006～2011年間的地表形變數據，從區域內發現了30個活動性滑坡，為三峽庫區的地質災害防治提供了有效的參考[12]。本文利用2018年1月至2019年7月之間共46景Sentinel-1數據，基于SBAS技術獲取了瀾滄江上游大華橋水電站區域的地表形變結果，結合滑坡發育特征對區域形變結果進行相關分析，提取了區域內大華、拉古滑坡的長期形變特征，為區域滑坡災害防治和安全預警提供了重要參考。

1 研究區概況與數據來源

1.1 研究區概況

大華橋水電站位于怒江州蘭坪縣兔峨鄉，是瀾滄江上游古水至苗尾河段水電梯級開發方案的第六級水電站，上游與黃登水電站、下游與苗尾水電站相銜接。壩址處右岸有蘭坪至六庫公路通過，昆明至蘭坪有省級公路連通[13]。水庫區內瀾滄江河道兩岸山頂高程多在2 700～3 600 m之間，相對高差1 300～2 500 m。庫區段河谷多遭受深切而呈“V”形谷，為高中山峽谷型地貌，河道蜿蜒曲折，兩岸坡度一般為25°～50°[14]。庫區物理地質現象較發育，主要表現為滑坡、泥石流以及山體崩塌等，尤以崩塌堆積體最為發育[14]。區域內現存較大的滑坡體有3個，即大華、拉古和滄江橋滑坡，均為古滑坡堆積體，嚴重威脅區域內的人員生命財產和基礎設施安全，因而選擇該區域作為研究區。

1.2 數據來源

本文以大華橋水電站庫區作為研究區域(見圖1)，SAR數據采用2018年1月至2019年7月間的46景Sentinel-1數據。外部DEM采用的是30 m分辨率的SRTM3數據，該DEM能夠精確提供研究區域的高程數據，提高去平地結果的可靠性。

圖1 研究區位置Fig.1 Location of study area

2 基于SBAS技術獲取地表形變信息

經典的D-InSAR方法在獲取地表形變的應用中容易受到時空去相干、大氣擾動以及地形參與等因素的影響，限制了其在大范圍、長時間地表形變監測中的應用。時間序列InSAR技術通過組成長時間序列的SAR數據集，分別利用時空濾波分析和提取的穩定高相干目標點來消除大氣擾動和時空去相干的影響，大大提高了InSAR在地表形變監測中的應用能力。本文選用具有代表性的SBAS-InSAR技術進行實驗，能夠減弱時空去相干和大氣擾動的影響，獲得高精度的地表形變結果。

首先，將覆蓋研究區域的N+1幅SAR影像組成時間序列，經過拼接、裁剪等預處理后，得到研究區內的SLC影像數據，按時間順序t0，t1，…，tN排列，并將所有影像進行配準，選擇合適的時間基線和空間基線，將滿足時空基線條件的影像形成干涉對。本文共46景SAR影像數據，形成有效干涉對89對，其時空基線如圖2所示。

圖2 時空基線Fig.2 Spatial and temporal baseline

在差分干涉圖的基礎上進行解纏，對于在tA和tB時刻獲取的主從影像生成第j景差分干涉圖，其任意一點的差分干涉相位可表示為

σφj=φtA-φtB

(1)

對解纏后的差分干涉圖進行篩選，去除存在大范圍解纏錯誤的干涉圖，篩選后共有87對干涉對，利用形成的87對有效干涉條紋圖，生成平均相干性圖(未經濾波)，提取相干性大于0.3的目標點作為高相干目標點。圖3為平均相干性結果圖和參考點選取。

圖3 平均相干性結果Fig.3 Average coherence result

最后，利用 SVD 解算每個時間段內的相位變化速率并恢復相位時間序列。從相位時間序列中扣除之前求得的低頻形變，對殘差相位時間序列進行時空濾波得到大氣延遲相位時間序列，從原始相位時間序列中得到形變相位序列，通過相位到形變的轉換可得到形變時間序列[15]。

獲取的研究區域內的形變速率結果如圖4所示，在大華橋水電站庫區共監測到3處明顯滑坡區域，本文將重點分析其中典型的大華滑坡和拉古滑坡，此兩處滑坡緊靠瀾滄江河道，大華滑坡最大形變速率達到-10 cm/a，拉古滑坡最大形變速率達到-11 cm/a。

圖4 研究區域形變速率Fig.4 Average displacement rate of the study area

3 形變結果分析

3.1 大華滑坡

大華滑坡體距壩址約5.1 km，其高程位于1 400～1 870 m之間，其后緣至前緣的長度約1 km，沿河向最大距離約1 km，整體呈扇形，其滑坡前緣已到達瀾滄江邊。圖5為大華滑坡體的年形變速率結果，滑坡中部至沿江段形變速率較大，最大形變速率達到-100 mm/a。圖6為大華滑坡中部一點的累積形變結果，在2018年1～3月沿視線向累積形變量約為2 cm，形變速率相對較??；2018年3～10月，形變速率迅速增大，累積形變量約為7 cm；2018年10月至2019年2月，該點處于相對穩定狀態形變速率接近于0；2019年2～7月，該點重新進入滑動狀態，形變速率相對穩定，累積形變量約為4 cm。在2018年1月至2019年7月的整個觀測區間內，累積形變量達到-14 cm，形變幅度較大。

圖5 大華滑坡形變速率Fig.5 Average displacement rate of Dahua Landslide

圖6 大華滑坡時序形變結果Fig.6 Displacement time series of Dahua Landslide

通過對時間形變序列的分析可以發現，在11月至次年3月，大華滑坡處于相對穩定狀態，形變速率相對較?。贿M入3～10月的暖濕季節后[16]，大華滑坡開始處于不穩定的形變狀態，形變速率較大。特別在6～8月，該區域進入降雨量較大的汛期[16]，其形變速率迅速增加，為整個觀測周期內形變速率最大階段。時序形變結果表明大華滑坡受降雨影響明顯，在進入降雨量較大的汛期時，該滑坡處于不穩定狀態，形變速率較大，易發生受降雨影響的山體滑坡。

由于InSAR觀測期間沒有同期地面監測數據，為驗證InSAR滑坡可靠性，對大華滑坡進行了現場勘察，經現場驗證發現，滑坡體上舊居民點的木制、泥制和混泥土制房屋，水泥路面及路面均有非常明顯的形變或裂縫，這些形變或裂縫多由滑坡造成的水平及垂直方向的錯位引起，形變大小與InSAR觀測所得到的大小也較相符，如圖7所示。通過現場勘察得到的結果表明，本文InSAR方法得到的滑坡形變較為準確。

圖7 大華滑坡現場勘察Fig.7 Site survey results of Dahua Landslide

3.2 拉古滑坡

拉古滑坡距壩址下約12.5 km，高程分布在1 430～2 000 m之間，整體形態與大華滑坡相似呈扇形分布，滑坡前緣沿江寬度約為1.6 km。圖8為拉古滑坡形變速率結果，在滑坡體中部至滑坡前緣區域形變速率較大，最大形變速率達到-110 m/a。圖9為拉古滑坡中部一點的時序形變結果，其時序形變結果與大華滑坡形變結果相類似，在2018年1～4月和10月至次年4月期間，時序分析點處于穩定狀態，形變速率接近于0；在2018年5～10月，該區域進入雨季汛期后，形變速率陡然增加，累積形變量接近9 cm。結果表明，拉古滑坡與大華滑坡相類似，同樣受降雨影響明顯，進入汛期后降雨量增大，最大累積形變量達-12 cm，該滑坡處于不穩定狀態。

圖8 拉古滑坡形變速率Fig.8 Average displacement rate of Lagu Landslide

圖9 拉古滑坡時序形變結果Fig.9 Displacement time series of Lagu Landslide

由于拉古滑坡體不方便去到實地勘察，故此滑坡僅在對岸進行了觀察，發現有許多沖溝。通過InSAR結果疊加到光學影像上(Google Earth)，可以發現，主要形變區位置也是在沖溝上面，與現場觀察較為一致。

4 結 論

大華橋水電站沿江區域內古滑坡分布較多，為研究區域內滑坡的穩定性情況，本文利用2018年1月至2019年7月期間的46景Sentinel-1數據獲取了大華橋水電站附近的時序形變結果，得到以下結論：

(1) 研究區域內共監測到3處不穩定區域，重點分析了沿瀾滄江的大華、拉古兩處滑坡。通過分析兩處滑坡中2個形變特征點，發現在觀測期間內兩點的形變速率分別為-100 mm/a和-110 mm/a，最大累積形變量分別達到了-14 cm和-12 cm。

(2) 通過對兩處滑坡時間形變序列的分析，兩處滑坡均受降雨影響明顯，在5～10月的雨季期間，其形變速率明顯加大，表現出明顯的不穩定狀態。

(3) 通過現場勘察，本文InSAR方法得到的滑坡形變較為準確，適合對大范圍的瀾滄江流域進行滑坡篩查與普查。