基于FVC-InSAR的滑坡前兆識別

劉洪江 王 磊

(1.安徽理工大學空間信息與測繪工程學院，安徽 淮南 232001；2.安徽理工大學礦山采動災害空天地協同監測與預警安徽普通高校重點實驗室，安徽 淮南 232001；3.安徽理工大學礦區環境與災害協同監測煤炭行業工程研究中心，安徽 淮南 232001)

0 引言

滑坡是我國最常見的地質災害之一，每年發生的滑坡數量高達數千起。為減少滑坡所造成的危害，國內外學者先后提出數十種滑坡監測技術與方法。早期由于科技設備的限制，對于滑坡的監測大多為定性監測，如地表及地物大幅度變形、地下水、動物、氣味出現異常等。這些方法操作簡單、成本低，但精度也低，且時效性無法保證。因此，定量的滑坡表面變形監測技術逐漸發展起來。自2008 年以來，徐進軍［1］、劉圣偉［2］等眾學者先后利用三維激光掃描技術、機載激光雷達技術、激光掃描點云［3］、GPS 觀測技術［4］等對滑坡進行了監測，監測結果均表明上述技術的可行性。

相較于上述方法，InSAR（合成孔徑雷達干涉）技術應用于監測滑坡的時間更早一些，1996 年Achache［5］等人首次使用InSAR 技術就法國南部的一個滑坡進行研究，驗證了該技術在滑坡監測方面的可行性。隨后InSAR 技術便廣泛應用到早期的滑坡形變監測，得到一眾學者的認可。朱建軍［6］、李達［7］、Carlà［8］、陳興芳［9］等眾多國內外學者［10-11］利用單一的InSAR 技術手段對滑坡進行監測，取得了一些技術上的進展，表明該技術可以很好的實現對滑坡的監測。但是單一的InSAR 技術手段在滑坡監測中仍存在很多不足。例如滑坡表面往往覆蓋著不同程度的植被，受植被影響，InSAR 技術會在一定程度上產生幾何形變和時空失相干等問題，另外地形表面的起伏形態也會在一定程度上影響In-SAR技術的監測結果。

隨著遙感技術的發展，滑坡監測的方法也由單一監測方法逐漸走向多元化手段，不同遙感技術及遙感數據的結合，正慢慢被更多學者所認可。2019年陸會燕等［12］使用高精度的光學數據及Sentinel-1A 數據聯合的方法就金沙江沿岸的滑坡進行了一個宏觀性的識別監測，監測結果表明多元數據的結合可以更好的實現對滑坡的監測；2020年劉筱怡［13］采用多源遙感數據和多種數據處理方法，就古滑坡的判別及發展規律進行了研究。2021 年吳綠川［14］基于InSAR 技術和光學遙感,大規模地對貴州省部分地區進行了地表形變監測和危險形變區識別,并依靠NDVI和滑坡發育要素對危險區進行調查。

江達縣金沙江流域是滑坡易發區域，給當地人民和經濟帶來巨大的影響。鑒于此，本研究以白格滑坡為例，擬采用SBAS-InSAR 技術和植被覆蓋度反演的綜合遙感技術，開展滑坡災害的時空演變（特別是滑坡前兆）規律研究，以期為該區域今后的地災監測和防治提供有效科學判據。

1 研究區概況及數據選取

1.1 研究區概括

白格滑坡位于四川甘孜白玉縣與西藏江達縣交界處的白格村，地處金沙江（北緯31°04'53.21″、東經98°42'14.1″），具體位置如圖1 所示。金沙江河谷呈東西走向，平均海拔3 000～4 000 m，屬于典型的高山峽谷，受高原的隆起及金沙江江水持續的下切侵蝕，讓兩岸形成了險峻、陡峭的“V”形的高山峽谷地貌。處在金沙江右岸的白格滑坡體整體呈楔形，滑面形態呈階梯狀，地勢起伏較大。而且白格滑坡整體巨大，坡頂高程近乎3 720 m，滑坡前緣高程約2 880 m，高差將近840 m，體積約33 280 m3，主滑方向長約為1 600 m，平均寬度約500 m，主滑方向坡度約82°。就地質條件而言，白格滑坡各層區域巖性十分復雜，主要為石英片巖，沉積巖，強度有所不同，越靠近深層，巖性強度越強［15］。

圖1 研究區位置示意

1.2 數據介紹

本研究所需數據有32 景Sentinel-1A 的SAR數據、3 景Sentinel-2 的光學數據和空間分辨率為30 m的DEM數據Sentinel-1A 屬于主動微波遙感衛星，數據分辨率高且可以免費獲取，因此被廣泛應用到地表變形監測領域中。本研究涉及SAR影像參數見表1。

表1 Sentinel-1A SAR影像參數

Sentinel-2 屬于高分辨率多光譜成像衛星，其數據是一種獲取地表植被的重要光學數據源。Sentinel-2影像參數見表2。

表2 Sentinel-2影像參數

在進行SBAS-InSAR 試驗中，僅依靠SAR 數據會產生地形相位影響。為消除地形相位影響，需要用到DEM 數據進行輔助，本研究所采用的DEM 數據為NASA(美國國家航天航空局)所主持的SRTM（航天飛機雷達地形測繪使命）項目中所獲取的空間分辨率為30 m的高程數據。

2 監測指標及獲取方法

2.1 植被覆蓋度監測指標

相關研究表明［16-18］，大型滑坡發生前伴隨著許多變化，這些變化發生的同時也會影響周邊的環境條件，如水和土壤等，從而影響滑坡體上及滑坡體周邊的植被。而光學遙感技術憑借其高空間分辨率、高時間分辨率等優勢，能夠對坡體植被的生長狀況進行監測。因此，可以利用光學遙感技術，監測坡體植被生長情況，將滑坡表面植被生長狀況作為監測滑坡的一個指標，間接監測滑坡的演變。

2.2 基于光學遙感影像的植被覆蓋度反演

FVC(植被覆蓋度)是一種描述植被生長狀況及變化的重要指數，通常用于評估生態，氣候，土壤等環境狀況，其值在0～1 之間。植被覆蓋度的表達式為式（1）。

式中：Fc為植被覆蓋度；NDVImax為純綠色像元的NDVI值；NDVImin為純裸土像元的NDVI值。

為獲取白格滑坡表面的植FVC，首先要獲取滑坡表面的NDVI(歸一化植被指數)指數。NDVI是一種可以反映植被長勢和健康狀況的指數，范圍在-1～1 之間，當NDVI值為正時表明該地區覆有植被，且越接近1 時表明該區域植被健康程度越好，植被生長越茂盛，其表達式為式（2）。

式中：ρNIR為植被在近紅外波段的反射率；ρR為植被在紅色波段的反射率。

由于NDVI指數在一定程度上受大氣、土壤、地形和植被類型等條件的影響，不能直接表觀滑坡表面的植被覆蓋度，為獲取坡體表面真實的植被生長狀況需要克服上述影響，而像元二分模型［19］可以有效的解決這一問題，此模型可以在一定程度上削弱上述條件的影響。

像元二分模型是一種簡單且實用的植被覆蓋度估算模型，該模型將遙感影像上像元單純的分為綠色植被像元與非綠色植被像元。植被覆蓋度與像元的遙感信息有一定的關聯，因此只要能夠確定純綠色植被像元所包含的信息和純裸土像元所包含的信息這兩個參數的大小，就可以估算像元乃至影像的植被覆蓋度。為了獲得兩參數的大小，選擇用NDVI指數確定，NDVI值的大小就可以看成是像元中綠色植被信息和裸土信息相互作用的結果，相當于是像元的遙感信息。首先利用式（2）獲取遙感影像的NDVI值，并對NDVI值進行統計，得到整幅影像的NDVI值分布情況，然后根據前人的經驗，設置5%～95%的像元值為置信區間，以累積概率為0.05 的NDVI值作為NDVImin，0.95 處的NDVI值作為NDVImax。最后根據式（1）可計算出白格滑坡區域及附近的區域的植被覆蓋度。

2.3 形變監測指標

大量研究表明［6-14］滑坡發生前就有明顯的形變位移特征，也有學者將滑坡的整個形變過程分為4個階段，蠕滑階段、滑動階段、劇滑階段、穩定階段，其中蠕滑階段和滑動階段屬于滑坡發生前形變位移特征。在蠕滑階段，滑坡內部會存在許多應力分布不均勻區域，部分坡體會因此發生變形，并發展為連通性的滑動。到了滑動階段，滑坡內部許多裂隙漸漸聯通，內部的薄弱部分形成一個移動面時，滑坡兩側會產生若干裂縫，形似羽毛，滑坡前部會不斷出現一些鼓狀裂縫和放射性裂縫，此時，滑坡體形成。在這兩個階段中，滑坡表面均會產生較大的形變位移，因此將滑坡表面形變情況作為滑坡前期監測預警的又一指標是可行且有效的。為獲取白格滑坡的時序性的形變位移情況，本研究選取Sentinel-1A數據對滑坡進行了時序性的監測。

2.4 基于SBAS-InSAR 技術滑坡表面形變位移獲取流程

短基線集技術(SBAS-InSAR)是Berardino［20］等于2002 年提出的，是一種時間序列分析方法，能克服傳統D-InSAR在時間、空間及大氣的不足。相較于PS-InSAR又可以獲取更為連續的空間形變序列。

本研究獲取白格滑坡表面時序性形變位移的方法為SBAS-InSAR 技術。SBAS-InSAR 處理流程如圖2所示。

圖2 SBAS-InSAR處理流程

SBAS-InSAR 技術在處理SAR 影像的過程中會將所有影像生成連接并同時確定超級主影像，然后生成一系列具有相應關系的干涉像對。之后這些干涉像對會進行自動配對，配對后的像對需要進行去平、相干性計算、相位解纏等操作，生成干涉圖與解纏圖。在得到干涉圖與解纏圖之后要對每一個干涉像對的質量進行人工檢驗，對干涉質量和解纏效果差的像對進行手動剔除，此處共剔除31 對質量較差的像對。然后對剩余的干涉像對進行軌道精煉與重去平，將剩余的恒定相位和殘余相位坡道去除，并進行第一次估算形變速率和殘余地形，在經過第二次解纏之后便可得到形變速率。最后在得到形變速率的基礎上進行大氣濾波，估算和消除大氣相位，可得到時間序列上的位移結果。

3 試驗結果

3.1 植被覆蓋度結果

利用3 景不同年份同一季度的Sentinel-2 號光學數據對白格滑坡體發生前的表面植被覆蓋度進行反演，并依據FVC 值對植被覆蓋度進行分劃，并以顏色區分。將實驗劃分結果與空間分辨率為10 m的真彩色遙感影像進行對比，最終確定表示滑坡表面的低植被覆蓋區域的FVC 值在0～0.4 范圍內，表示滑坡表面的中植被覆蓋區域的FVC 值在0.4～0.6 范圍內，表示滑坡表面高植被覆蓋區域的FVC值在0.6～1范圍內，（劃分規則見表3）。植被覆蓋度反演結果如圖3所示。

表3 植被覆蓋度分劃規則

圖3 滑坡區真彩影像及植被覆蓋

3.2 形變監測結果

通過對Sentinel-1A 數據進行SBAS-InSAR 技術處理，獲取了白格滑坡體在災前的形變信息，形變速率信息如圖4 所示。由于本研究沒有實地觀測數據，參照了楊成業［21］利用SBAS-InSAR 技術對白格滑坡體的研究，在數據選取時間跨度接近的情況下（楊成業：2017/07/4—2018/12/2，本研究2017/07/04—2018/10/15）,所得實驗結果近似，因此認為數據處理結果可靠。

4 結果分析

通過遙感目視解譯的方法對白格滑坡表面的植被覆蓋程度進行分析，發現早在2016 年，白格滑坡體表面的植被的生長狀態就異于其周邊地區，（見圖3），從圖3（a）的2016 年光學真彩影像可以看出滑坡表面有明顯的四處近乎裸露的區域（由A、B、C、D 四個字母表示四處裸露的區域），而這四處區域隨著時間的推移也逐漸擴張，擴張趨勢明顯。為了較為真實地反映滑坡體表面植被生長狀態，圖3（b）、圖3（c）分別展示了從2016—2018 年滑坡發生前滑坡體整體的植被覆蓋狀況及滑坡體表面中低植被覆蓋所占區域。從2016 年的3（c）圖至2018 年的圖3（c）中可以看出D 區域的低植被區域擴張最為明顯，擴張趨勢由滑坡邊緣向滑坡中部靠近，與B區域的低植被區擴張趨勢較為接近，A區域的低植被區擴張面積次之，其低植被區域由滑坡后緣向滑坡前緣的方向擴張，這與C 的低植被區的擴張趨勢較為接近。即A 區域與C 區域的低植被區呈東西擴張趨勢，B 區域與D 區域的低植被區呈南北擴張趨勢。整體來看，白格滑坡體表面的植被生長狀況在2016—2018 年，呈現著異常的生長狀態，表現為低植被區域逐年擴張、高植被區域逐年縮減的趨勢。為了更為精準地反映白格滑坡體表面的植被生長狀態，本研究對白格滑坡體表面的植被覆蓋區域進行了定量分析。采用像元統計的方法對不同覆蓋程度的像元進行統計。統計結果見表4，植被覆蓋度占比如圖5 所示。統計結果顯示2016—2018 年白格滑坡體表面的低植被覆蓋區域由起初的10.5%增至滑坡發生前的26.3%；中植被覆蓋區域由起初的13.1% 降至滑坡發生前的10.9%；高植被覆蓋區域由起初的76.4%降至滑坡發生前的62.8%。該結果與遙感目視解譯結果一致。

表4 像元統計表

圖5 植被覆蓋占比

為證明白格滑坡發生前其表面植被退化并非特例，同時證明利用光學遙感技術監測滑坡發生前的植被生長狀況可以有效地確定滑坡的潛在發生區，本研究又利用Landsat-8 光學數據提取了四川省茂縣疊溪鎮新磨村滑坡發生前三年的滑坡體表面的植被生長狀況。新磨村滑坡植被覆蓋度分級規則與白格滑坡植被覆蓋度劃分規則一致，其結果如圖6所示。

圖6 新磨村滑坡前植被覆蓋圖及滑坡前后遙感影像

新磨村滑坡發生于2017年6月24日，從圖6可以看出，新磨村滑坡后緣在2015 年也存在一處裸露的區域(低植被覆蓋區),且該區域也隨著滑期臨近逐漸變大。滑坡前三年的植被覆蓋圖顯示新磨村滑坡在發生前，滑坡后緣與滑坡前緣表面的植被覆蓋度存在不同程度的退化，主要表現在中低植被區域逐漸擴張，高植被區域減少。新磨村滑坡前的滑坡體表面植被覆蓋度監測結果表明利用光學遙感技術監測滑坡發生前的植被覆蓋度，可以有效的確定部分滑坡的潛在發生區域。

對SAR數據處理的結果表明，白格滑坡在發生前就存在著一定程度上的形變。從圖4 可以看出滑坡體前緣與后緣呈現明顯的沉降趨勢，年平均下降速率最高可達-85 mm/a，中部部分區域呈現抬升趨勢，抬升原因可能是滑坡后緣產生碎石巖土在此堆積。為了統計滑坡表面部分點位的具體形變值，選取滑坡表面A、B 兩點，并就A、B 兩點進行了28期的形變值統計，并依據統計結果做出點線圖，如圖7 所示。由圖7 可知白格滑坡發生的一年前，坡體就開始產生形變，且隨著滑期臨近，形變程度也愈發明顯。

圖7 A、B兩點形變統計

由于滑坡表面的植被生長狀和形變程度與該地區降雨量有著密切的關系，本研究同時獲取白格滑坡發生前的日降水量，昌都市2017 年7 月4 日至2018年10月1日的日降雨情況統計如圖8所示。

圖8 滑坡發生前日降雨情況

由圖8可知該地區的主要降水集中在7月到10月份之間，大量的降水會使該地區的土壤水分含量過高，含氧量降低，植被根部會因此缺氧，進而影響植被生長。推測滑坡表面植被退化可能與該地降水量也有一定關系。同時頻繁的降水會讓滑坡體上土體重量增加，當雨水滲透內部巖石還會導致斜坡體抗剪能力下降，進而加快坡體形變趨勢。結合圖7和圖8可以看出，降雨頻繁發生期間，滑坡表面形變速率逐漸加快，因此在降雨頻繁發生期間要格外注意形變變化大的坡體，以防滑坡災害發生。另外通過對比圖3植被覆蓋圖與圖4滑坡區形變速率圖，發現白格滑坡體表面植被覆蓋度低的區域與形變量高的區域較吻合。可以推測，在白格滑坡體表面上的植被對于斜坡的演化和穩定性具有一定的影響。隨著滑坡體表面植被的退化，裸露區域變大，植被的護土能力會有所下降，滑坡表面蠕變速度也就慢慢加快。這也說明利用光學影像對坡體表面植被覆蓋度進行時序性監測是一種間接且可行的監測方法，可用于尋找坡體植被生長異常的區域，以確定滑坡潛在發生區。但由于植被發育不是地質災害形成的根本原因，因此針對植被異常的區域可以進一步進行變形監測，從而縮小滑坡潛在發生識別區域，才能更有效地對滑坡的發生進行預警。

5 結論

本研究結合光學數據與SAR數據，以白格滑坡為例利用遙感植被覆蓋度反演技術及SBASInSAR 技術對白格滑坡進行了滑坡表面植被覆蓋度變化監測與形變監測，獲得白格滑坡發生前的植被覆蓋度變化及年平均形變速率，根據監測結果得出以下結論。

①白格滑坡發生前表面植被就表現出異于周邊地區植被的現象，表現為白格滑坡表面植被呈逐年退化趨勢，裸露地區逐年擴張。

②白格滑坡在發生前就已出現較大形變趨勢，隨著滑坡發生日期的臨近加劇，且降雨越頻繁，形變速率越大，滑坡發生的可能性更大。

③通過對試驗結果的分析，證明了植被覆蓋度反演技術與SBAS-InSAR 形變位移監測技術的結合對部分滑坡的早期識別與預警有著一定的可行性，在地質災害實際監測中具有較好的發展前景。

由于光學遙感數據相較于SAR 數據更容易獲取且相對更容易處理，因此利用光學遙感數據對監測區域進行宏觀性監測，選取出邊坡區域表現異常的范圍區域，再利用SAR技術對邊坡表面沉降信息進行監測將會更有效的實現對滑坡的監測，同時也能在一定程度上降低滑坡監測成本。