基于光學(xué)遙感和SBAS-InSAR的川渝輸電網(wǎng)滑坡隱患早期識(shí)別

趙華偉, 周林, 譚明倫, 湯明高, 童慶剛, 秦佳俊, 彭宇輝

(1.成都理工大學(xué)地質(zhì)災(zāi)害防治與地質(zhì)環(huán)境保護(hù)國家重點(diǎn)實(shí)驗(yàn)室,成都 610059; 2.國家電網(wǎng)西南分公司,成都 641000)

0 引言

輸電桿塔是高壓輸電網(wǎng)中非常重要的基礎(chǔ)設(shè)施之一,輸電桿塔能否安全可靠運(yùn)營關(guān)系著地方經(jīng)濟(jì)發(fā)展[1]。川渝輸電網(wǎng)桿塔多位于我國西南山區(qū)的山坡后緣或者山脊處,而西南山區(qū)地質(zhì)條件復(fù)雜,地質(zhì)構(gòu)造發(fā)育,尤其是以滑坡為代表的地質(zhì)災(zāi)害頻繁發(fā)生,對川渝輸電網(wǎng)長期正常運(yùn)營構(gòu)成很大威脅。因此,開展輸電網(wǎng)沿線滑坡隱患調(diào)查和早期識(shí)別具有重要的意義。

調(diào)查滑坡隱患點(diǎn)的傳統(tǒng)方式包括實(shí)地踏勘和傳統(tǒng)測量手段(水準(zhǔn)儀、GPS、裂縫計(jì)、觀測站等),但是傳統(tǒng)測量方式只能對小范圍區(qū)域的滑坡進(jìn)行調(diào)查,存在一定的局限性; 且效率低、成本高、易受外界環(huán)境條件的制約,尤其對于高位遠(yuǎn)程、高隱蔽性的滑坡識(shí)別起來更為困難[2]。隨著科學(xué)技術(shù)的不斷發(fā)展,光學(xué)遙感技術(shù)和合成孔徑雷達(dá)干涉測量技術(shù)(interferometric synthetic aperture radar,InSAR)等被更廣泛地應(yīng)用于滑坡隱患的識(shí)別中,具有識(shí)別效率較高、識(shí)別范圍很廣、識(shí)別成本較低等優(yōu)勢[3-4]。但兩者也存在一定的局限[5-6]。光學(xué)遙感技術(shù)具有分辨率高、覆蓋范圍廣、影像信息量豐富等特點(diǎn),通過地形地貌特征分析可以快速識(shí)別出發(fā)生過整體變形的古(老)滑坡以及具有明顯變形特征的滑坡; 但是,對于正在發(fā)生緩慢變形而又無明顯變形跡象的滑坡隱患則很難識(shí)別出來,且西南地區(qū)的光學(xué)遙感影像質(zhì)量受云霧遮蔽的影響較大,這對識(shí)別準(zhǔn)確率也存在一定影響[7]。現(xiàn)如今InSAR技術(shù)已經(jīng)較為成熟,可以利用雷達(dá)影像的相位信息來探測mm級的地表形變量,具有測量精度高、不受云層影響、可以全天運(yùn)作、測量范圍廣等特點(diǎn)[8-10],能夠很好地彌補(bǔ)光學(xué)遙感技術(shù)的不足,獲得的地表形變量對分析滑坡體形變的演化過程、發(fā)生機(jī)理及機(jī)制、早期識(shí)別及預(yù)警有重大意義[11]。但I(xiàn)nSAR技術(shù)也存在一定的缺點(diǎn): ①容易受植被、大氣信號或地形效應(yīng)的影響,導(dǎo)致探測結(jié)果不準(zhǔn)確; ②監(jiān)測范圍有限,如果隱患點(diǎn)變形過快,則會(huì)造成失相干現(xiàn)象; ③由于技術(shù)本身的限制,生成的有效干涉點(diǎn)很難覆蓋整個(gè)研究區(qū)域[12]。由于光學(xué)遙感技術(shù)與InSAR技術(shù)都存在一定的優(yōu)勢與局限性,為避免在滑坡隱患的早期識(shí)別過程中出現(xiàn)遺漏的現(xiàn)象,許強(qiáng)等[13-14]和葛大慶等[15-17]提出,綜合利用具有高分辨率的光學(xué)遙感影像與InSAR技術(shù)所獲得的形變信息,充分發(fā)揮2種技術(shù)手段的優(yōu)勢,實(shí)現(xiàn)對地質(zhì)災(zāi)害隱患的識(shí)別。

其中,小基線集(small baseline subset,SBAS)時(shí)序InSAR方法能夠有效利用冗余干涉對進(jìn)行干涉相位建模,可有效抑制形變恢復(fù)模型中的誤差項(xiàng),已在滑坡運(yùn)動(dòng)監(jiān)測等領(lǐng)域中得到廣泛應(yīng)用[18]。劉沛源等[19]利用87景降軌的Sentinel-1A影像,采用SBAS-InSAR技術(shù)實(shí)現(xiàn)了對成汶高速公路成汶段滑坡隱患點(diǎn)的早期識(shí)別,共識(shí)別滑坡隱患點(diǎn)10處,經(jīng)野外驗(yàn)證均為處于緩慢變形中的滑坡,為高速公路選線提供了依據(jù)。張家勇等[20]利用2017—2020年間獲取的97景Sentinel-1A影像,基于SBAS-InSAR技術(shù),對納雍、黔西2縣進(jìn)行了滑坡隱患點(diǎn)的早期識(shí)別,經(jīng)探測發(fā)現(xiàn)了60處隱患點(diǎn),并通過現(xiàn)場調(diào)查驗(yàn)證了InSAR探測結(jié)果的有效性,為該地區(qū)的防災(zāi)減災(zāi)提供了依據(jù)。

川渝輸電網(wǎng)位于西南地區(qū),植被覆蓋茂密,云霧遮擋嚴(yán)重,僅采用單一技術(shù)手段很難對該地區(qū)滑坡隱患進(jìn)行準(zhǔn)確、全面的識(shí)別。因此,本文參考前人研究的經(jīng)驗(yàn),利用多源遙感數(shù)據(jù),包括Google Earth影像、高分2號光學(xué)遙感影像和Sentinel-1A數(shù)據(jù)SBAS-InSAR綜合分析,開展川渝輸電網(wǎng)黃萬線路沿線的滑坡隱患識(shí)別,旨在為川渝輸電網(wǎng)地質(zhì)災(zāi)害的監(jiān)測與預(yù)防提供參考依據(jù)。

1 研究區(qū)概況

川渝輸電網(wǎng)“黃萬線”線路位于E106°50′～108°16′,N30°32′～30°50′區(qū)域,穿過的行政區(qū)包括四川省廣安市、達(dá)州市以及重慶市,路線總體為SW—NE走向,西起廣安市前鋒區(qū),經(jīng)達(dá)州市大竹縣、重慶市梁平區(qū),止于重慶市萬州區(qū),全長141 km(圖1)。研究區(qū)輸電網(wǎng)黃萬線位于四川盆地向川東平行嶺谷過度地帶,輸電網(wǎng)穿越了5大山脈,其中包括華鎣山山脈、銅鑼山山脈、明月山山脈、鐵峰山山脈以及挖斷山山脈,地勢北高南低,西高東低。研究區(qū)處于亞熱帶濕潤氣候與亞熱帶季風(fēng)濕潤氣候之間,每年降雨量為1 000～1 200 mm。地表植被覆蓋面積較大,包括闊葉林、針葉林、竹林、灌叢、草叢和草甸,植被分布受海拔的影響明顯。在區(qū)域構(gòu)造上分屬川東褶帶、川中褶帶、川東南陷褶帶和大巴山弧形斷褶帶單元,出露地層主要為中生界侏羅系到三疊系的砂泥巖、灰?guī)r、板巖,少部分上古生界二疊系地層,以及第四系崩坡積和殘積層等。研究區(qū)屬于我國地質(zhì)災(zāi)害易發(fā)區(qū),但是對于川渝輸電網(wǎng)以前并未開展遙感調(diào)查與監(jiān)測,在電網(wǎng)運(yùn)行過程中調(diào)查發(fā)現(xiàn)存在滑坡變形跡象,因此開展本項(xiàng)研究對于保障輸電線路的正常運(yùn)營具有非常重要的意義。

圖1 研究區(qū)位置圖及雷達(dá)影像覆蓋圖

2 多源遙感識(shí)別方法

首先利用Google Earth、高分二號2種光學(xué)遙感影像,通過目視解譯對研究區(qū)滑坡隱患點(diǎn)進(jìn)行早期識(shí)別。但光學(xué)遙感影像對于一些正在發(fā)生緩慢變形但又無明顯變形跡象的滑坡無法準(zhǔn)確識(shí)別,且識(shí)別出來的滑坡也可能是處于穩(wěn)定狀態(tài)的古(老)滑坡; 因此在光學(xué)遙感影像識(shí)別的基礎(chǔ)上,利用多景Sentinel-1A雷達(dá)影像數(shù)據(jù),基于SBAS-InSAR技術(shù)對研究區(qū)的正在變形的滑坡隱患進(jìn)行早期的識(shí)別。

2.1 光學(xué)遙感影像目視解譯

目前,人工目視解譯法為光學(xué)遙感影像解譯滑坡隱患的主要方法之一[21]。人工目視解譯能夠直接識(shí)別的滑坡主要分為已經(jīng)發(fā)生整體變形的老(古)滑坡和正在發(fā)生變形的滑坡2類。老(古)滑坡識(shí)別起來比較容易,識(shí)別標(biāo)志主要為地形地貌特征,比如整體地貌呈現(xiàn)圈椅狀、簸箕形、長舌形等平面形態(tài),兩側(cè)“雙溝同源”的地貌特征,滑坡前緣部分隆起、滑舌擠壓河流導(dǎo)致河流改道等,中部分為多級平臺(tái)、封閉洼地等,后緣有拉裂縫、滑坡壁等,以及滑坡上的植被與周圍植被顏色差異顯著等(圖2)。

圖2 典型的老滑坡的影像

正在發(fā)生緩慢變形的滑坡人工目視解譯識(shí)別相對困難,對于有明顯變形跡象的滑坡,可以通過對比多期次高分辨率光學(xué)遙感影像的色調(diào)和紋理的微變化差異,其解譯標(biāo)志為后緣拉裂縫,前緣小規(guī)模滑塌、崩塌等跡象(圖3); 而對于沒有明顯變形跡象的滑坡,則可以采用InSAR技術(shù)進(jìn)行識(shí)別。

(a) 2014年10月谷歌影像 (b) 2018年8月谷歌影像

2.2 SBAS-InSAR時(shí)序變形探測

在采用InSAR對研究區(qū)地表形變進(jìn)行監(jiān)測時(shí),考慮到由于川渝地區(qū)植被覆蓋率過高,會(huì)導(dǎo)致SAR影像出現(xiàn)一定的失相干現(xiàn)象,為了降低影像失相干對形變結(jié)果產(chǎn)生的影響,去除大氣效應(yīng)干擾,采用小基線集(SBAS)技術(shù)解決上述問題[22]。SBAS-InSAR技術(shù)為來自意大利的Berardino等[23]多名學(xué)者為了降低相位噪聲,對InSAR技術(shù)進(jìn)行進(jìn)一步的完善所提出的,該技術(shù)應(yīng)用多視化差分干涉圖處理,通過提取優(yōu)質(zhì)相干像元、配合奇異值分解方法,進(jìn)而得到影像時(shí)間序列變形速率。

2.2.1 采用的數(shù)據(jù)

通過歐空局網(wǎng)站獲得整個(gè)研究區(qū)2020年2月—2022年3月Sentinel-1A衛(wèi)星影像數(shù)據(jù)33景,其覆蓋范圍如圖1所示,基本參數(shù)見表1。由于SAR數(shù)據(jù)本身存在一定的系統(tǒng)誤差,為了消除系統(tǒng)誤差影響,下載覆蓋研究區(qū)范圍SRTM 30 m分辨率的DEM數(shù)據(jù)和精密軌道文件對SAR數(shù)據(jù)進(jìn)行預(yù)處理,以消除地形誤差和軌道誤差的影響,提高整個(gè)研究區(qū)域內(nèi)形變探測結(jié)果的精確性。

表1 Sentinel-1A影像基本參數(shù)

2.2.2 數(shù)據(jù)處理流程

SBAS技術(shù)處理流程: 首先獲取在tA和tB這2個(gè)時(shí)間段內(nèi)N+1幅SAR影像,選取其中一幅影像作為主影像,然后將剩余的N幅影像與其配準(zhǔn)。根據(jù)實(shí)際情況設(shè)定合理的時(shí)間閾值和空間閾值,最終生成M幅差分干涉圖,且滿足:

。

(1)

對所生成的M幅干涉圖中的第j(j=1,2,…,M)幅干涉圖,其任意位置的干涉相位可表示為:

,

(2)

式中:φtA與φtB為tA與tB時(shí)刻相對于t0時(shí)刻的累積形變相位;λ為波長;dtA與dtB為tA與tB時(shí)刻相對于t0時(shí)刻的影像累積形變量;ΔΦjtopo為地形相位;ΔΦjatm為大氣相位;Δnj為噪聲相位。

在消除了大氣延遲相位、殘余地形相位和噪聲相位后,最終差分干涉相位可簡化為:

,

(3)

最后利用奇異值分解法估算形變速率,在時(shí)域積分得形變時(shí)間序列。

3 基于光學(xué)遙感的滑坡識(shí)別結(jié)果

通過對高分辨率的光學(xué)遙感影像進(jìn)行人工目視解譯,在桿塔附近共識(shí)別滑坡隱患點(diǎn)28處,因電網(wǎng)路線較長,將其分為4段進(jìn)行展示(圖4)。

4 基于SBAS-InSAR的滑坡隱患探測結(jié)果

通過SBAS-InSAR技術(shù)對Sentinel-1A升軌道數(shù)據(jù)處理后,獲得研究區(qū)在2020年2月—2022年3月期間地表年平均形變速率,最大形變速率為102.5 mm/a。由于研究區(qū)范圍過大,將其分為4塊區(qū)域展示(圖5)。

(a) 廣安-大竹縣路段哨兵1號A升軌年均形變速率圖及識(shí)別滑坡隱患分布圖 (b) 大竹縣路段哨兵1號A升軌年均形變速率圖及識(shí)別滑坡隱患分布圖

圖5中,形變量正負(fù)值在雷達(dá)視線上有不同意義,負(fù)值代表遠(yuǎn)離衛(wèi)星、正值代表靠近衛(wèi)星。形變集中區(qū)域可能存在滑坡隱患,也可能是由于地表自然沉降、風(fēng)化作用以及人為建造改造活動(dòng)導(dǎo)致的形變; 同時(shí),可能受技術(shù)水平、氣候變化、密集植被覆蓋等因素影響,也會(huì)形成一些無關(guān)形變集中區(qū)。因此,結(jié)合人工目視解譯以及野外調(diào)查,排除其他地表運(yùn)動(dòng)、各類因素造成的干擾形變項(xiàng),再從中識(shí)別滑坡隱患,最終共識(shí)別滑坡隱患點(diǎn)27處,其中15處滑坡隱患點(diǎn)與光學(xué)遙感影像解譯相符。

5 重點(diǎn)滑坡隱患分析

通過光學(xué)遙感影像人工目視解譯和SBAS-InSAS技術(shù)對研究區(qū)滑坡隱患點(diǎn)的探測,共識(shí)別滑坡隱患點(diǎn)40處,對電網(wǎng)正常運(yùn)營有影響的隱患點(diǎn)共7處(表2),其中2處對電網(wǎng)正常運(yùn)營的風(fēng)險(xiǎn)較大。H08,H10,H18和H36為2種技術(shù)手段共同識(shí)別出; H16,H23和H24為光學(xué)遙感影像單獨(dú)識(shí)別出。

表2 對電網(wǎng)正常運(yùn)營有影響的滑坡隱患

5.1 H08滑坡

H08滑坡位于四川省達(dá)州市大竹縣烏木鎮(zhèn)芭蕉灣村,E107°16′53.58″,N30°40′58.33″。滑坡整體形態(tài)呈長舌形,前緣高程419 m,后緣高程493 m,相對高差74 m,縱長240 m,橫寬80 m,面積約1.75×104m2,為中型滑坡,左右兩側(cè)都以沖溝為界(圖6)。結(jié)合野外調(diào)查,推測其為土質(zhì)滑坡,滑體厚度約為8 m,主滑方向?yàn)?42°,平均坡度約為18°,下伏出露基巖為三疊系中統(tǒng)雷口坡組(T2l)淡黃色泥巖,產(chǎn)狀為300°∠47°,推測其滑面為基覆界面。前緣有局部滑塌(圖7),公路有明顯裂縫跡象(圖8)。電塔處于滑坡后緣,一旦后緣發(fā)生較大變形,將直接威脅桿塔的穩(wěn)定性。

圖8 前緣公路裂縫

通過Sentinel-1A升軌方向形變速率結(jié)果發(fā)現(xiàn)(圖9),該滑坡在2020—2022年間LOS方向最大的形變速率為36.5 mm/a,形變主要集中區(qū)域?yàn)榛碌那熬壟c中部。在該滑坡上選取3個(gè)特征點(diǎn)P1、P2和P3,獲得其時(shí)間序列的形變曲線(圖10),發(fā)現(xiàn)該滑坡堆積體整體處于一個(gè)緩慢變形的狀態(tài),其中處于滑坡前緣的P1處累積變形形變量為82.2 mm,處于滑坡中部的P2處累積變形形變量為65.4 mm,處于滑坡后緣的P3處累積形變量為28.6 mm。結(jié)合該滑坡的形變速率與3個(gè)特征點(diǎn)的累積形變量分析發(fā)現(xiàn),該滑坡前緣變形要明顯大于中部和后緣,且結(jié)合該滑坡前緣較陡、后緣較緩的地形,推測該滑坡堆積體為牽引式滑坡。

圖9 H08滑坡隱患點(diǎn)形變速率圖

圖10 H08滑坡隱患特征點(diǎn)時(shí)序形變曲線

5.2 H10滑坡

該滑坡位于達(dá)州市大竹縣烏木鎮(zhèn)大廣子村,E107°17′36.79″,N30°40′54.89″。后緣呈圈椅狀,前緣高程527 m,后緣高程829 m,相對高差302 m,橫寬約950 m,縱長約937 m,面積約6.7×105m2,主滑方向?yàn)?54°,兩側(cè)以陡坎為界(圖11)。綜合InSAR結(jié)果與光學(xué)遙感影像,推測該滑坡為一古滑坡堆積體,由Ⅰ及Ⅱ2個(gè)子區(qū)組成,后緣較陡,坡度25°～30°,中部前緣較緩10°～15°。該滑坡在2020—2022年間LOS方向最大的形變速率為66.1 mm/a(圖12)。在滑坡堆積體Ⅰ區(qū)上選取P1,P2,P3這3個(gè)特征點(diǎn),獲得其時(shí)間序列的形變曲線(圖13),其中P1處累積形變量為58.6 mm,P2處累積形變量為32.8 mm,P3處累積形變量為19.8 mm,在2021年4月后形變速度加快,推測是受到降雨影響,使得該滑坡變形加劇。結(jié)合形速率結(jié)果以及3個(gè)特征點(diǎn)的累積形變量發(fā)現(xiàn),滑坡堆區(qū)后緣變形明顯大于前緣,且結(jié)合其前緣有鼓包,后緣陡峭的地形,推測Ⅰ區(qū)為推移式滑坡。在滑坡堆積體Ⅱ區(qū)上選取P4,P5,P6這3個(gè)特征點(diǎn),獲得其時(shí)間序列的形變曲線(圖14),P4處累積形變量為60.2 mm,P5處累積形變量為36.8 mm,P6處累積形變量為21.8 mm,目前整體處于勻速變形階段,發(fā)現(xiàn)Ⅱ區(qū)同Ⅰ區(qū)一樣后緣的變形明顯大于前緣,但是Ⅰ區(qū)后緣變形更加劇烈,位于Ⅰ區(qū)后緣的桿塔則可能由于后緣不斷變形而發(fā)生失穩(wěn),所以應(yīng)對該滑坡堆積體變形情況進(jìn)行重點(diǎn)監(jiān)測,以保證電網(wǎng)的正常運(yùn)營。

圖11 H10滑坡隱患點(diǎn)光學(xué)遙感影像

圖12 H10滑坡隱患點(diǎn)形變速率圖

圖13 H10滑坡隱患Ⅰ區(qū)特征點(diǎn)時(shí)序形變曲線

圖14 H10滑坡隱患Ⅱ區(qū)特征點(diǎn)時(shí)序形變曲線

6 結(jié)論

1)本文采用光學(xué)遙感影像人工目視解譯與SBAS-InSAR技術(shù)相結(jié)合的方法,輔以現(xiàn)場調(diào)查,實(shí)現(xiàn)了對川渝電網(wǎng)“黃萬線”桿塔附近地區(qū)滑坡隱患的早期識(shí)別。利用光學(xué)遙感影像在桿塔附近共識(shí)別滑坡隱患點(diǎn)28處; 再基于SBAS-InSAR技術(shù),利用Sentinel-1A影像數(shù)據(jù)在桿塔附近探測出滑坡隱患點(diǎn)27處,2種技術(shù)手段共識(shí)別滑坡隱患40處,其中15處滑坡隱患為2種技術(shù)手段共同識(shí)別,有7處隱患點(diǎn)威脅電網(wǎng)桿塔安全、2處風(fēng)險(xiǎn)較大。

2)通過光學(xué)遙感影像對研究區(qū)進(jìn)行人工目視解譯所識(shí)別的滑坡隱患點(diǎn)多為已經(jīng)發(fā)生過滑動(dòng)的老(古)滑坡,或者有明顯形變跡象的滑坡,但對于沒有明顯形變跡象的滑坡隱患點(diǎn)很難識(shí)別出來; SBAS-InSAR對形變探測精度高,可以對緩慢變形的滑坡隱患進(jìn)行有效探測,但是對于突發(fā)型滑坡,由于變形速度太快,則無法進(jìn)行有效探測。因此,綜合利用光學(xué)遙感影像目視解譯法與SBAS-InSAR技術(shù),可以更加準(zhǔn)確、全面地對研究區(qū)進(jìn)行滑坡隱患點(diǎn)進(jìn)行識(shí)別,這對于滑坡隱患早期識(shí)別具有借鑒和指導(dǎo)意義。

3)針對植被覆蓋率較高的西南地區(qū),采用C波段的Sentinel-1A數(shù)據(jù)成像時(shí)間間隔過長會(huì)出現(xiàn)較為嚴(yán)重的失相干現(xiàn)象,所以為了保持較好相干性,應(yīng)控制好影像的時(shí)間間隔。