崔麗 張?zhí)N靈 侯蕓

摘要 公路沿線地質(zhì)災(zāi)害識(shí)別和評(píng)價(jià)一直是工程實(shí)踐和學(xué)術(shù)研究的熱點(diǎn)問題。文章基于多源多時(shí)相高分光學(xué)遙感影像、雷達(dá)衛(wèi)星時(shí)序InSAR分析技術(shù)和地質(zhì)、氣象、水文等數(shù)據(jù)資料，建立公路沿線次生地質(zhì)災(zāi)害遙感識(shí)別指標(biāo)，提取地質(zhì)災(zāi)害危險(xiǎn)性預(yù)測(cè)評(píng)價(jià)靜態(tài)和動(dòng)態(tài)因子，構(gòu)建公路次生地質(zhì)災(zāi)害危險(xiǎn)性動(dòng)態(tài)預(yù)測(cè)評(píng)價(jià)模型，實(shí)現(xiàn)對(duì)公路沿線次生地質(zhì)災(zāi)害的隱患早期識(shí)別和危險(xiǎn)性預(yù)測(cè)評(píng)價(jià)，可為公路重大工程規(guī)劃建設(shè)和防災(zāi)減災(zāi)提供思路和參考。

關(guān)鍵詞 地質(zhì)災(zāi)害；遙感識(shí)別；動(dòng)態(tài)評(píng)價(jià)

中圖分類號(hào) P237文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 2096-8949（2024）06-0006-04

0 引言

我國(guó)是一個(gè)地質(zhì)災(zāi)害頻發(fā)且災(zāi)害損失極為嚴(yán)重的國(guó)家，尤其是地質(zhì)環(huán)境復(fù)雜的西南山區(qū)，隨著西部山區(qū)公路建設(shè)迅猛發(fā)展，高山峽谷區(qū)公路勘察設(shè)計(jì)面臨著巨大挑戰(zhàn)。山區(qū)公路沿線設(shè)計(jì)難度大，施工環(huán)境惡劣，調(diào)度運(yùn)行異常困難，安全生產(chǎn)任務(wù)艱巨，一直是科學(xué)理論研究和工程技術(shù)研究的熱點(diǎn)和難點(diǎn)。

山區(qū)公路沿線滑坡具有隱蔽性、突發(fā)性等特點(diǎn)，且危害大、不可控性強(qiáng)。目前，借助新興技術(shù)基本實(shí)現(xiàn)了地質(zhì)災(zāi)害識(shí)別、特征分析、災(zāi)害監(jiān)測(cè)、危險(xiǎn)評(píng)價(jià)等環(huán)節(jié)[1-3]。然而，單一影像數(shù)據(jù)存在視線盲區(qū)，可信度不夠高，雖然能較好揭示已發(fā)生和正在發(fā)生的有明顯特征的地質(zhì)災(zāi)害，但無法識(shí)別將要發(fā)生的地質(zhì)災(zāi)害[4]?，F(xiàn)有的地質(zhì)災(zāi)害危險(xiǎn)性評(píng)價(jià)研究多基于靜態(tài)評(píng)價(jià)，缺乏對(duì)時(shí)間因素影響的考慮[5]。

綜上，該項(xiàng)目面對(duì)山區(qū)公路重大工程規(guī)劃建設(shè)和防災(zāi)減災(zāi)迫切需求，以國(guó)道213汶川—松潘段為例作為研究區(qū)域，基于多源多時(shí)相高分遙感數(shù)據(jù)和地質(zhì)、氣象、水文等資料，將降雨、形變因子作為動(dòng)態(tài)因子，結(jié)合大尺度易發(fā)性分析，構(gòu)建公路次生地質(zhì)災(zāi)害預(yù)測(cè)模型，實(shí)現(xiàn)對(duì)公路沿線次生地質(zhì)災(zāi)害的易發(fā)性評(píng)價(jià)、危險(xiǎn)性評(píng)價(jià)和風(fēng)險(xiǎn)預(yù)測(cè)評(píng)估，可為公路重大工程規(guī)劃建設(shè)和防災(zāi)減災(zāi)提供理論指導(dǎo)和參考依據(jù)。

1 滑坡隱患綜合遙感識(shí)別

該文采用分辨率優(yōu)于1 m的高分二號(hào)衛(wèi)星遙感影像和Google Earth在線三維影像平臺(tái)進(jìn)行遙感解譯；然后，提取相應(yīng)雷達(dá)影像數(shù)據(jù)（如高程、坡度、坡向數(shù)據(jù)、距道路距離、距河流距離數(shù)據(jù)等），通過小基線集干涉測(cè)量技術(shù)（SBAS-InSAR）和差分干涉圖疊加技術(shù)（Stacking-InSAR）技術(shù)識(shí)別地表形變情況以及活動(dòng)滑坡的探測(cè)；最后，采用現(xiàn)場(chǎng)調(diào)查和無人機(jī)航拍技術(shù)對(duì)滑坡隱患綜合遙感識(shí)別結(jié)果進(jìn)行野外調(diào)查驗(yàn)證，得到研究區(qū)域滑坡隱患最終識(shí)別結(jié)果。引入遙感數(shù)據(jù)，可較好地解決傳統(tǒng)方法僅依靠歷史靜態(tài)數(shù)據(jù)進(jìn)行評(píng)估時(shí)無法獲取當(dāng)前真實(shí)狀態(tài)數(shù)據(jù)進(jìn)行精確評(píng)估的問題。

1.1 公路沿線滑坡隱患光學(xué)遙感識(shí)別

光學(xué)衛(wèi)星遙感解譯是一個(gè)初步解譯—野外驗(yàn)證—詳細(xì)解譯的綜合、反復(fù)過程。利用Google Earth衛(wèi)星影像和高分二號(hào)衛(wèi)星遙感影像相結(jié)合的遙感解譯技術(shù)方法，基于地質(zhì)災(zāi)害發(fā)育原理及特征，在ArcGIS等二、三維軟件平臺(tái)上，以人工目視解譯法進(jìn)行地物識(shí)別及定性和空間分析，獲取滑坡災(zāi)害信息?；码[患光學(xué)衛(wèi)星遙感解譯流程如圖1所示。

1.2 公路沿線滑坡隱患時(shí)序InSAR探測(cè)

時(shí)序差分干涉雷達(dá)測(cè)量（InSAR）技術(shù)指通過多期雷達(dá)干涉來測(cè)算地表形變量和形變速率，精度可達(dá)毫米級(jí)，常用方法包括SBAS-InSAR和Stacking-InSAR[6]。

Stcking-InSAR處理首先需選擇主影像，然后對(duì)主從影像進(jìn)行配準(zhǔn)，配準(zhǔn)成功后生成干涉對(duì)，然后對(duì)這些干涉對(duì)的對(duì)應(yīng)像元共軛相乘得到相位差，并生成差分干涉圖。再對(duì)差分干涉圖進(jìn)行自適應(yīng)濾波處理。在移除地形和平地相位后，選擇穩(wěn)定的像元利用最小費(fèi)用流法（mcf）進(jìn)行相位解纏。最后選取質(zhì)量較好的干涉對(duì)進(jìn)行Stacking-InSAR技術(shù)處理（如圖2所示）。

研究區(qū)域SBAS-InSAR技術(shù)處理是在Stacking-InSAR技術(shù)處理結(jié)果的基礎(chǔ)上完成。利用Stacking-InSAR將差分干涉圖由柵格格式轉(zhuǎn)成點(diǎn)文件，然后把多主影像轉(zhuǎn)為單主影像（SDV分解法），使用均值法掩蓋形變區(qū)和錯(cuò)誤形變點(diǎn)，對(duì)剩下的區(qū)域采用二次加權(quán)平均值法對(duì)大氣進(jìn)行提取，剔除時(shí)防止去除有效形變點(diǎn)。最后通過時(shí)間相干性去除掉質(zhì)量較差點(diǎn)，得到研究區(qū)年均形變速率結(jié)果（如圖3所示）。

2 滑坡危險(xiǎn)性動(dòng)態(tài)評(píng)價(jià)

山區(qū)公路沿線滑坡危險(xiǎn)性評(píng)價(jià)是在易發(fā)性基礎(chǔ)上，考慮特定某一條件下的災(zāi)害發(fā)生的程度，如：降雨量達(dá)到>100 mm等，結(jié)合路域形變因子變化趨勢(shì)，測(cè)算未來發(fā)生滑坡的概率，主要指滑坡發(fā)生的空間概率、時(shí)間概率等?；乱装l(fā)性評(píng)價(jià)提供了空間概率，InSAR技術(shù)能夠?qū)ψ冃螤顟B(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，為計(jì)算時(shí)間概率提供數(shù)據(jù)支撐。

2.1 滑坡易發(fā)性評(píng)價(jià)

滑坡易發(fā)性評(píng)價(jià)可以定義為由于一組特定的環(huán)境條件而發(fā)生滑坡的空間可能性[7]?；乱装l(fā)性評(píng)價(jià)圖提供了關(guān)于潛在的未來斜坡不穩(wěn)定性的位置和預(yù)計(jì)會(huì)發(fā)生滑坡區(qū)域的空間概率?；乱装l(fā)性評(píng)價(jià)結(jié)果為滑坡動(dòng)態(tài)危險(xiǎn)性評(píng)價(jià)提供滑坡發(fā)生空間概率。

2.1.1 易發(fā)性評(píng)價(jià)因子提取

基于公路滑坡的特點(diǎn)、分布規(guī)律、影響因素等研究，該文擬選取斜坡選取高程、坡度、坡向、地表曲率、工程地質(zhì)巖組、歸一化植被指數(shù)（NDVI）、距道路距離、距河流距離和距斷層距離，共計(jì)9個(gè)影響因素作為公路次生災(zāi)害易發(fā)性預(yù)測(cè)評(píng)價(jià)因子。

2.1.2 易發(fā)性評(píng)價(jià)預(yù)測(cè)方法

邏輯回歸模型是應(yīng)用較廣泛且效果較好的地質(zhì)災(zāi)害易發(fā)性預(yù)測(cè)評(píng)價(jià)模型[8-13]。因此，該文也采用該模型對(duì)示范區(qū)滑坡易發(fā)性預(yù)測(cè)評(píng)價(jià)[6]。

2.2 基于InSAR技術(shù)的滑坡危險(xiǎn)性動(dòng)態(tài)評(píng)價(jià)

滑坡易發(fā)性評(píng)價(jià)提供了關(guān)于潛在的未來斜坡不穩(wěn)定性的位置和預(yù)計(jì)會(huì)發(fā)生滑坡區(qū)域的空間概率，但未能提供滑坡發(fā)生的概率以及時(shí)間概率。通常，在不同的時(shí)間段內(nèi)，滑坡的演化過程不同。因此，需要考慮特定誘發(fā)因素條件下、不同時(shí)期內(nèi)滑坡的演化過程，以表明滑坡危險(xiǎn)性評(píng)價(jià)具有動(dòng)態(tài)變化的特性。

如圖4所示，該研究考慮將降雨誘發(fā)滑坡發(fā)生作為特定誘發(fā)事件，首先，計(jì)算特定降雨事件下的概率（統(tǒng)計(jì)分析法），其次，利用易發(fā)性分析結(jié)果進(jìn)行滑坡危險(xiǎn)性評(píng)價(jià)，然后借助InSAR技術(shù)探測(cè)地表形變速率，基于上述成果，形成動(dòng)態(tài)評(píng)價(jià)矩陣，完成動(dòng)態(tài)評(píng)價(jià)。

2.2.1 危險(xiǎn)性概率計(jì)算

該研究以降雨誘發(fā)滑坡災(zāi)害發(fā)生作為特定誘發(fā)事件，運(yùn)用統(tǒng)計(jì)分析方法確定研究區(qū)降雨誘發(fā)滑坡發(fā)生的概率。由于降雨誘發(fā)滑坡發(fā)生不僅與滑坡發(fā)生當(dāng)日的降雨量有關(guān)，還受前期累積降雨量的影響，因此，找出研究區(qū)前期降雨時(shí)間的最佳累計(jì)日數(shù)，是計(jì)算滑坡危險(xiǎn)性概率的關(guān)鍵。根據(jù)國(guó)土局地質(zhì)災(zāi)害統(tǒng)計(jì)信息以及美國(guó)國(guó)家海洋和大氣管理局全球環(huán)境信息（NOAA-National Centers for Environmental Information）的氣象數(shù)據(jù)，收集整理2010年至2020年研究區(qū)內(nèi)因降雨誘發(fā)滑坡發(fā)生事件和每個(gè)滑坡事件對(duì)應(yīng)的降雨信息，共搜集歷史降雨滑坡災(zāi)害79處。以滑坡發(fā)生某日的累積降雨量為降雨量因子，滑坡發(fā)生事件次數(shù)作為時(shí)間因子，利用SPSS軟件進(jìn)行相關(guān)性分析，結(jié)果如表1所示。

由表1可知，累積降雨量與滑坡事件顯著相關(guān)，變化趨勢(shì)呈現(xiàn)先升后降。在降雨持續(xù)天數(shù)4 d時(shí)達(dá)到相關(guān)性峰值0.835，因此，以前4 d累積降雨量為指標(biāo)，統(tǒng)計(jì)研究區(qū)2010—2020年的降雨事件和滑坡發(fā)生的關(guān)系，按降雨量大小分了四個(gè)層次，結(jié)果如表2所示。

如圖5～7所示，展示了研究區(qū)各特定降雨事件（0 mm，0～10 mm，25～50 mm，>100 mm）下的滑坡危險(xiǎn)性概率（借助Arcgis分析工具，將特定降雨誘發(fā)事件下滑坡發(fā)生概率和滑坡易發(fā)性評(píng)價(jià)結(jié)果疊加）。

可以看出，滑坡危險(xiǎn)性概率值和易發(fā)性評(píng)價(jià)結(jié)果在空間分布趨勢(shì)上具有一致性，均呈帶狀分布于研究區(qū)國(guó)道213線兩側(cè)，并且主要集中分布于汶川映秀至茂縣石大關(guān)鄉(xiāng)沿線區(qū)域。

2.2.2 不同時(shí)間段平均地表形變速率

基于不同時(shí)間段內(nèi)的SAR影像數(shù)據(jù)：2017年1月20日至2019年1月4日（時(shí)間段1）期間57景SAR影像和2017年1月20日至2021年12月19日（時(shí)間段2）期間144景SAR影像，根據(jù)SBAS-InSAR技術(shù)提取地表形變信息的流程，分別獲取兩個(gè)時(shí)間段的平均地表形變速率（如圖8～9所示），為危險(xiǎn)性動(dòng)態(tài)評(píng)價(jià)提供基礎(chǔ)數(shù)據(jù)。

2.2.3 構(gòu)建動(dòng)態(tài)評(píng)價(jià)矩陣

由表2可知，研究區(qū)域在累積降雨量25～50 mm工況下，發(fā)生滑坡概率最大。以此為誘發(fā)事件對(duì)研究區(qū)時(shí)間段1和時(shí)間段2的滑坡危險(xiǎn)性進(jìn)行動(dòng)態(tài)評(píng)價(jià)。綜合分析研究區(qū)滑坡分布與平均形變速率的關(guān)系，將研究區(qū)的平均形變速率分為5個(gè)等級(jí)：極慢速（V1：>2 mm/a），慢速（V2：?4～2 mm/a），中速（V3：?8 ～?4 mm/a），快速（V4：?12～?8 mm/a）和極快速（V5：

3 結(jié)語

該文針對(duì)公路路域范圍內(nèi)滑坡危險(xiǎn)性動(dòng)態(tài)評(píng)估問題，基于高分遙感技術(shù)，綜合識(shí)別滑坡隱患，提取地質(zhì)災(zāi)害危險(xiǎn)性評(píng)價(jià)因子，構(gòu)建公路次生地質(zhì)災(zāi)害危險(xiǎn)性動(dòng)態(tài)預(yù)測(cè)評(píng)價(jià)模型，可為工程實(shí)踐提供參考。

參考文獻(xiàn)

[1]吳悅， 任濤， 楊卓靜， 等. 應(yīng)用于地質(zhì)災(zāi)害的泥石流監(jiān)測(cè)分析儀[J]. 電子測(cè)量技術(shù)， 2013（3）： 67-70.

[2]劉筱怡. 基于多元遙感技術(shù)的古滑坡識(shí)別與危險(xiǎn)性評(píng)價(jià)研究[D]. 北京：中國(guó)地質(zhì)科學(xué)院， 2021.

[3]劉紀(jì)堯， 豆猛， 吳少菁. 遙感技術(shù)在地貌與巖土體特征識(shí)別和地質(zhì)災(zāi)害分布規(guī)律分析中的應(yīng)用[J]. 地質(zhì)災(zāi)害與環(huán)境保護(hù)， 2017（3）： 83-90.

[4]王天河. 基于多源遙感的康定—爐霍擬建高速公路地質(zhì)災(zāi)害危險(xiǎn)性評(píng)價(jià)及線路優(yōu)化分析[D]. 成都：成都理工大學(xué)， 2020.

[5]劉靜. 基于RS與GIS的川藏聯(lián)網(wǎng)工程沿線地質(zhì)災(zāi)害危險(xiǎn)性評(píng)價(jià)[D]. 北京：中國(guó)地質(zhì)大學(xué)（北京）， 2018.

[6]周超. 集成時(shí)間序列InSAR技術(shù)的滑坡早期識(shí)別與預(yù)測(cè)研究[D]. 武漢：中國(guó)地質(zhì)大學(xué)， 2019.

[7]梁京濤， 趙聰， 馬志剛. 多源遙感技術(shù)在地質(zhì)災(zāi)害早期識(shí)別應(yīng)用中的問題探討——以西南山區(qū)為例[J]. 中國(guó)地質(zhì)調(diào)查， 2022（4）： 92-101.

[8]周建國(guó)， 龔建宗， 劉文杰. 無人機(jī)貼近攝影測(cè)量在滑坡體監(jiān)測(cè)中的應(yīng)用[J]. 測(cè)繪與空間地理信息， 2023（11）： 183-185+189.

[9]江寶得， 李秀春， 羅海燕， 等. 異質(zhì)集成學(xué)習(xí)在滑坡易發(fā)性評(píng)價(jià)中的對(duì)比研究[J]. 土木工程學(xué)報(bào)， 2023（10）： 170-179.

[10]陶偉， 孫岳. 基于GIS滑坡地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)方法綜述[J]. 世界有色金屬， 2020（21）： 157-159.

[11]陳凱， 陳礪鋒， 張紫昭， 等. 基于實(shí)證調(diào)查的新疆地區(qū)地質(zhì)災(zāi)害易發(fā)性和危險(xiǎn)性評(píng)價(jià)研究[J]. 工程地質(zhì)學(xué)報(bào)， 2023（4）： 1156-1166.

[12]孟凡奇， 高峰， 林波， 等. 基于AHP和信息量模型的地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)——以魯東片區(qū)為例[J]. 災(zāi)害學(xué)， 2023（3）： 111-117.

[13]李光輝， 鐵永波. 基于信息量模型的綜合地質(zhì)災(zāi)害易發(fā)性建模方法對(duì)比研究[J]. 災(zāi)害學(xué)， 2023（3）： 212-221.