何國強 楊成生 魏云杰 朱賽楠 李曉陽 侯祖行

1 長安大學(xué)地質(zhì)工程與測繪學(xué)院,西安市雁塔路126號,710054

2 中國地質(zhì)環(huán)境監(jiān)測院,北京市大慧寺路20號,100081

InSAR技術(shù)具有高精度、高分辨率、全天候等優(yōu)點,被廣泛應(yīng)用于滑坡監(jiān)測中[1-4]。但由于SAR側(cè)視成像的特性,InSAR技術(shù)在高山峽谷區(qū)滑坡災(zāi)害識別中會不可避免地出現(xiàn)幾何畸變現(xiàn)象(包括陰影、疊掩和透視收縮)[5],導(dǎo)致在識別過程中出現(xiàn)誤識、漏識等情況。因此,針對高山峽谷區(qū)InSAR幾何畸變進行定量分析,是研究InSAR技術(shù)適用條件和提高InSAR滑坡識別可靠性及精度的重要工作。

四川省得榮縣古學(xué)鄉(xiāng)地質(zhì)構(gòu)造較為復(fù)雜,地質(zhì)環(huán)境脆弱,極易發(fā)生地質(zhì)災(zāi)害[6-8]。本文以古學(xué)鄉(xiāng)2處大型滑坡為例,從R指數(shù)[9]、敏感性[10-11]和相干性的角度對SBAS-InSAR升降軌滑坡識別結(jié)果進行對比分析,討論InSAR技術(shù)在該地區(qū)的適用性[12]。最后,針對InSAR技術(shù)通常只能獲取到滑坡體沿雷達衛(wèi)星視線方向(LOS)的一維形變信息這一局限性,本文對典型滑坡的形變結(jié)果進行視線向和坡向的轉(zhuǎn)換,分析滑坡在不同方向的形變規(guī)律。本文研究成果可為該地區(qū)和我國西部高山峽谷區(qū)滑坡災(zāi)害的InSAR識別與監(jiān)測提供參考。

1 研究區(qū)概況

得榮縣古學(xué)鄉(xiāng)(99°13′～99°26′E,28°20′～28°31′N)位于四川省甘孜藏族自治州,東部為云南香格里拉縣,西部為云南德欽縣,北部為四川巴塘縣,位置見圖1。古學(xué)鄉(xiāng)為典型的高山峽谷地貌,受構(gòu)造影響,地形起伏強烈,主要以深谷陡坡的中-高山為主,山脊以尖山脊為主,相對高差較大,平均海拔2 250 m。

圖1 影像覆蓋范圍

2 數(shù)據(jù)處理

2.1 研究區(qū)數(shù)據(jù)

表1 Sentinel-1A參數(shù)

2.2 數(shù)據(jù)處理與分析

采用SBAS-InSAR和Stacking技術(shù)[14]對Sentinel-1數(shù)據(jù)進行處理。SBAS-InSAR通過設(shè)置一定的時空基線對同一地區(qū)的多個SAR影像進行相互干涉處理,然后對多個干涉圖進行相位解纏,最后對解纏干涉對進行殘余軌道誤差和大氣誤差等改正,從而更加準(zhǔn)確地獲取研究區(qū)的形變時間序列與年累積地面形變量。Stacking技術(shù)是在SBAS-InSAR結(jié)果的基礎(chǔ)上,對多幅進行了誤差改正的差分干涉圖進行加權(quán)平均,以此消除解纏干涉對殘余的隨機誤差,進而獲取研究區(qū)最終形變的年累積形變速率。實驗中,設(shè)置多視比例系數(shù)為10∶2,時間基線為60 d,空間基線為150 m,然后對滿足條件的影像進行干涉處理,挑選之后的時空基線圖見圖2。

圖2 SAR影像時空基線

對所有影像進行干涉處理后,得到232個升軌干涉對和222個降軌干涉對。對所有干涉對采用32像素×32像素的窗口進行自適應(yīng)濾波處理以消除噪聲誤差。選取相干性高于0.4的區(qū)域參與相位解纏,通過最小費用流相位解纏方法求解出相位圖的完整相位。通過曲面二次擬合和數(shù)字高程模型去除殘余軌道誤差和大氣誤差。最后,利用Stacking技術(shù)求解出研究區(qū)的最終形變速率結(jié)果。

3 滑坡監(jiān)測適用性分析

通過上節(jié)的數(shù)據(jù)處理,得到研究區(qū)地表形變速率的InSAR監(jiān)測結(jié)果,見圖3,圖中,黑框為圈定的典型滑坡區(qū)。

圖3 研究區(qū)InSAR地表形變速率

從圖3可以看出,降軌結(jié)果中包含明顯的形變信息,其LOS向的形變速率大于100 mm/a,而升軌結(jié)果中卻沒有觀察到明顯的形變信息,此時極易造成滑坡隱患的漏判。為分析升降軌結(jié)果之間的差異,本文以圈定的典型滑坡區(qū)為例,從R指數(shù)、敏感性和相干性等角度分析不同軌道監(jiān)測結(jié)果的差異。

3.1 R指數(shù)

由于衛(wèi)星雷達側(cè)視成像的特點,不可避免地會產(chǎn)生由于地形起伏而造成的幾何畸變。圖4為幾種幾何畸變與衛(wèi)星雷達的幾何關(guān)系,圖中,α為衛(wèi)星參數(shù)中的入射角,θ為局部入射角[15]。

圖4 幾何畸變與衛(wèi)星雷達的關(guān)系

幾何畸變的計算結(jié)果對后期InSAR結(jié)果識別滑坡起到很大的輔助作用。為計算出幾何畸變區(qū)域,Ren等[16]提出一種改進的R指數(shù)(range index,R-index)方法,具體計算過程參考文獻[17]。本文將計算得到的R指數(shù)結(jié)果與sinθ的值進行對比,結(jié)果如下:

(1)

從圖5中可以看出,在降軌R指數(shù)結(jié)果中,圈定區(qū)整體可視性良好,僅在部分山頂和山底區(qū)域可視性較差。但在升軌R指數(shù)結(jié)果中,典型滑坡區(qū)整體可視性較差,只在山體中部存在可視性中等的情況。對比圖3中的監(jiān)測結(jié)果,本文很好地印證了升軌數(shù)據(jù)在可視性較差的情況下會導(dǎo)致滑坡漏識。綜上,R指數(shù)顯示,降軌影像更適合研究區(qū)InSAR監(jiān)測。

圖5 升降軌R指數(shù)結(jié)果

3.2 敏感性

敏感性是指SAR衛(wèi)星可以測量到的坡度移動占總量的百分比,即地面三維變形在雷達LOS方向上的投影。敏感性值越高,表示可監(jiān)測到滑坡位移的可能性越大。敏感性值一般用靈敏度來表示,其值為雷達LOS單位矢量(A)與滑坡位移單位矢量(B)夾角的余弦值[18]。

研究區(qū)敏感性分析結(jié)果見圖6?？梢钥闯?降軌敏感性結(jié)果顯示典型滑坡區(qū)(黑線圈定區(qū))形變敏感性整體較高,滑坡位移很容易被降軌影像監(jiān)測出來。但在升軌敏感性結(jié)果圖中,典型滑坡區(qū)的形變敏感性較低,較小的滑坡位移不容易被升軌影像監(jiān)測出來。因此,敏感性結(jié)果很好地解釋了圖3中降軌影像監(jiān)測到2處明顯的滑坡,而升軌結(jié)果中滑坡信息不明顯的現(xiàn)象。

在1997年，我國開始了農(nóng)民專業(yè)合作社融資的研究，而且在2007年我國也頒布了合作社法，這對農(nóng)民專業(yè)合作社的發(fā)展有很大的促進作用，不但使得農(nóng)民專業(yè)合作社的社會地位得到認(rèn)可，還從法律的角度予以農(nóng)民專業(yè)合作社法律保護。而隨著農(nóng)民專業(yè)合作社的不斷發(fā)展，其中所包含的業(yè)務(wù)面也越來越廣，服務(wù)的水平和技術(shù)也更加全面，而今天農(nóng)民專業(yè)合作社甚至已經(jīng)跟一些銀行的功能有些近似了，還可以為農(nóng)民提供一定的貸款，其利率較低能夠更好的幫助農(nóng)民的發(fā)展和進步。

圖6 升降軌敏感性結(jié)果

3.3 相干性

利用InSAR技術(shù)對滑坡進行監(jiān)測時,面臨的一大挑戰(zhàn)就是相干性問題,尤其是在高植被覆蓋的西南山區(qū)。在數(shù)據(jù)處理過程中,每個干涉對的相干性各不相同,本文通過對升、降軌各自取平均值,然后提取研究區(qū)的相干性圖,對升降軌相干性進行分析。

從圖7中可以看出,2個滑坡所在的重點區(qū)域內(nèi),升軌影像整體相干性較好,但存在局部低相干區(qū)域。結(jié)合R指數(shù)分析結(jié)果,在滑坡重點區(qū),升軌影像有部分區(qū)域處于可視性較差的疊掩和陰影區(qū)。降軌影像整體相干性很好,且重點區(qū)域內(nèi)R指數(shù)結(jié)果顯示出較好的可見性。因此,相干性分析顯示,降軌影像更適合研究區(qū)InSAR監(jiān)測。

4 典型滑坡形變特征與精度分析

4.1 形變量轉(zhuǎn)換

InSAR監(jiān)測得到的結(jié)果為LOS向形變,而大多數(shù)滑坡的總體變形傾向為沿斜坡向下[16]。因此,將LOS向形變轉(zhuǎn)換到沿坡向更有利于認(rèn)識滑坡形變特征。圖8為轉(zhuǎn)換后的坡向形變及分解的水平位移結(jié)果,其中,垂直方向形變結(jié)果中,正值表示隆升,負值表示下沉;東西方向形變結(jié)果中,正值表示向東位移,負值表示向西位移?？梢钥闯?1#和2#滑坡的坡向形變特征明顯,最大坡向形變速率達到100 mm/a,且2處滑坡表現(xiàn)出明顯的西向位移。

圖8 形變速率轉(zhuǎn)換結(jié)果

4.2 典型滑坡形變特征

對圖8中1#與2#滑坡,沿坡向自高向低選取3處形變點,提取其LOS向形變時間序列結(jié)果,見圖9,圖中,負值代表形變遠離衛(wèi)星雷達,正值代表形變接近衛(wèi)星雷達。

圖9 1#和2#滑坡時間序列

從時間序列結(jié)果來看,1#滑坡提取的3處時序點整體形變趨勢相同,但位于滑坡中部的2號點形變量級整體上比其他2個點大。在2019～2020年,2號點累積形變量超過300 mm,且整體處于持續(xù)形變中,形變趨勢較快。結(jié)合降雨數(shù)據(jù)可知,2019-07的月降雨量較大,達到170 mm,之后3個時序點的形變量明顯增加,推測形變的加劇與降雨相關(guān)。綜上所述,1#滑坡中部形變量級較大,且滑坡面形變受降雨的影響。

2#滑坡時序點整體形變趨勢相同,滑坡后緣的1號點形變量級整體上比其他2個點大,2019～2020年其累積形變量達到230 mm;滑坡前緣的3號點累積形變量最小,2019～2020年累積形變量為110 mm。結(jié)合月降雨量數(shù)據(jù)來看,2019-07和2020-04月降雨量超過100 mm,這2個時間點后,3個形變點的形變量都出現(xiàn)了不同程度的增加。因此,推斷大量級降雨對2#滑坡的穩(wěn)定性有較大影響。

將LOS向形變轉(zhuǎn)換到沿坡方向,結(jié)果見圖10,圖中,負值代表形變遠離衛(wèi)星雷達,正值代表形變接近衛(wèi)星雷達。

圖10 1#和2#滑坡形變轉(zhuǎn)換及剖線

對1#滑坡沿坡向的形變進行分解,對比垂直向和東西向形變,發(fā)現(xiàn)東西向的形變要比垂直向量級大、范圍廣,說明滑坡水平滑移活動量較大。同時,對1#滑坡沿坡方向的形變提取剖線AA′進行分析,結(jié)果見圖10(d)?？梢钥闯?沿坡方向形變在中部量級最大,年平均形變速率為125 mm/a左右。

對2#滑坡LOS向的形變轉(zhuǎn)換到沿坡方向。對比垂直向和東西向形變結(jié)果,發(fā)現(xiàn)東西向的形變要比垂直向量級大、范圍廣,說明滑坡水平滑移活動量較大。對2#滑坡沿坡方向的形變提取剖線BB′進行分析,結(jié)果見圖10(e)。可以看出,2#滑坡沿坡方向形變在中部量級最大,年平均形變速率為100 mm/a左右。

5 結(jié) 語

通過對四川省得榮縣典型滑坡區(qū)的InSAR結(jié)果進行分析,發(fā)現(xiàn)升、降軌數(shù)據(jù)識別出的滑坡結(jié)果存在差異。為了探究該現(xiàn)象的原因,使用R指數(shù)、敏感性和相干性等方法開展InSAR滑坡監(jiān)測在高山峽谷區(qū)的適用性分析。結(jié)果顯示,順滑坡方向的LOS向SAR數(shù)據(jù)比逆坡向的LOS向SAR數(shù)據(jù)更有優(yōu)勢,很好地解釋了升、降軌滑坡監(jiān)測結(jié)果存在差異的原因。

2處典型滑坡的形變時間序列分析結(jié)果顯示,1#和2#滑坡在2019～2020年LOS向最大累積形變量分別達到約300 mm和230 mm,且累積形變量受降雨影響較大。從形變發(fā)生的部位來看,2處滑坡的中部形變量級最大,年平均形變速率分別達到125 mm/a和100 mm/a。