關(guān)鍵詞：滑坡形變；SBAS-InSAR;PS選點；DS選點；黃河上游干流中圖分類號：P642.22;P237;TV882.1 文獻標(biāo)志碼：A doi：10.3969/j.issn.1000-1379.2025.07.012引用格式：，，，等.基于SBAS-InSAR 的黃河上游干流庫壩群段滑坡形變分析[J].人民黃河，2025，47（7）：73-77.

Analysis of Landslide Deformation in Mainstream Reservoir Group Section of the Upper Yellow River Based on SBAS-InSAR

LIU Yifan1，YU Bo² ，LI Jie1，HUANG Rui1 （1.Guiyang Engineering Corporation Limited，Power China，Guiyang 55Oo81， China; 2.Hydropower and Water Resources Planning amp; Design General Institute，Power China，Beijing 1O0120，China） Abstract：Theupstreammainstreamdamgroupof teYelowRiverislocatedinthetransitioalzonebetweentheQinghaiTibetPlateauand theLoessPlateau，requiringlarge-scaelndslidehazardidentificationTaking teLngangGorge-LijiaGrgedamgroupsectionasere searcharea，SBAS-InSARmethodwasusedtoforsallbaselineiterferograms，teamplitudedeviationindexandcoherenceficiet methodwereusedtolectPSpoints（PermanetScaterer），andtheKSstatisticalestmetdasusdtoselectDSpntsPistrutedat terer）.Thesurfacedeformationrateanddeformationamountinthestudyareawereobtainedthroughtie-seriesdeformationcalculationRe sults show that the deformation rate in the study area ranges from -80 to 50mm/a ，with most areas having a deformation rate of -10 to 10 （20號 ，indicatingarelativelystablestate.Combiningslopeanddeformationrateanalysis，dentifies3landslidehazardpointsinthestudy area.The maximum deformation rate at the rear edge of the landslide below the top of the Guobu slope is 80mm/a ，which is only 1 km away fromtherightbankreservoirareaofteLaxiahdrooweration，andthedeforatioattetopofthesloeiscreasingearbyare cumulative deformation value from 2021 to 2024 reaches 300mm

KeyWords：landslidedeformation；SBAS-InSAR；PSpointselection；DSpintselection；mainstreamof theupperreachesof th Yellow River

0 引言

黃河上游河段全長 3472km ，流域面積為38.6萬km² ，占黃河流域總面積的 51.3% ，上游河段總落差3496m 。為充分利用黃河上游豐富的水力資源，20世紀(jì)70年代我國開始在該區(qū)域進行梯級水電站建設(shè)，現(xiàn)已建成龍羊峽、拉西瓦、李家峽、公伯峽、積石峽、劉家峽等多個水電站，形成了國內(nèi)最大的梯級水電站群之一。雖然能源開發(fā)大大提高了電力供應(yīng)能力，但該河段地質(zhì)環(huán)境脆弱，區(qū)域內(nèi)地質(zhì)災(zāi)害頻發(fā)、水文過程復(fù)雜，呈現(xiàn)“洪澇-滑坡-崩塌-泥石流”多災(zāi)種鏈?zhǔn)窖葑兊奶卣鳎浪突聻?zāi)害尤為嚴(yán)重。水電站建設(shè)以及水庫水位變化加劇了這一地區(qū)的地質(zhì)災(zāi)害風(fēng)險

龍羊峽是黃河上游第一座大型梯級水電站，拉西瓦、李家峽分別是在黃河上游規(guī)劃的第二、三座大型梯級水電站。龍羊峽—李家峽河段河流穿行于復(fù)雜的地形地質(zhì)間，地形起伏較大，河道狹窄且多岔流，巖體破碎且多斷層發(fā)育，曾多次發(fā)生滑坡事件。庫壩群段一旦發(fā)生滑坡災(zāi)害極有可能引發(fā)涌浪、潰壩、泥石流及次生災(zāi)害等，這些災(zāi)害不僅威脅下游水電站安全運行，而且會對居民區(qū)、交通設(shè)施及生態(tài)環(huán)境造成嚴(yán)重破壞。因此，加強黃河上游干流庫壩群段滑坡監(jiān)測和預(yù)警具

有重要意義。

滑坡體表面形變是識別滑坡隱患的重要依據(jù)。傳統(tǒng)的滑坡形變監(jiān)測方法包括大地測量、水準(zhǔn)測量、GPS測量、三維激光掃描等，但這些技術(shù)受限于地形、天氣條件，且只適用于小范圍的數(shù)據(jù)采集。隨著合成孔徑雷達干涉測量（InSAR）技術(shù)的出現(xiàn)，使得大范圍高精度的地表形變監(jiān)測成為可能。例如，廖明生等[1]對雷達遙感技術(shù)進行深入的理論探討與實踐應(yīng)用，證明InSAR測量精度可達到厘米級甚至毫米級；Rizo等利用InSAR技術(shù)處理ERS-1/2SAR數(shù)據(jù)并與地面監(jiān)測數(shù)據(jù)對比，結(jié)果表明兩者結(jié)果一致。21世紀(jì)初，包括PS-InSAR、SBAS-InSAR等在內(nèi)的時序InSAR技術(shù)的提出，更是推動了InSAR技術(shù)在滑坡形變監(jiān)測領(lǐng)域的發(fā)展，F(xiàn)erretti等[3]、鄧輝等[4]、Dong等[5]基于時序InSAR技術(shù)進行的區(qū)域滑坡形變監(jiān)測研究都取得了較好的成果。

InSAR技術(shù)以全天候、覆蓋范圍廣、測量精度高等優(yōu)勢被廣泛應(yīng)用于滑坡形變監(jiān)測中。其中SBAS-InSAR技術(shù)通過自由組合小于時空閾值的小基線干涉像對，克服了傳統(tǒng)InSAR因空間基線過長而導(dǎo)致時間和空間失相十問題，對地質(zhì)活動瀕繁且地形復(fù)雜的山區(qū)進行形變監(jiān)測具有一定優(yōu)勢。但該方法需要利用地面控制點（GCP點）進行軌道精煉與重去平，而在以陡峭地形為主的山區(qū)難以布設(shè)大量GNSS基準(zhǔn)點，GCP點多依靠人工目視選取。此外，SAR影像在高山區(qū)域容易受陰影、疊掩和收縮等影響給人工選點帶來困難。PS-InSAR技術(shù)以穩(wěn)定的雷達目標(biāo)為永久散射體（PS點），通過分析這些目標(biāo)在不同時間的相位變化來推斷地表形變。這些PS點一般會選在形變小、相干性高的區(qū)域，基本符合GCP點的選擇要求。但在植被茂密和山區(qū)環(huán)境中，PS點選取范圍非常有限。除PS點外，山區(qū)分布的裸露巖石和土坡具有相同的統(tǒng)計分布特性，能作為分布式散射體（DS點）增加滑坡形變監(jiān)測目標(biāo)數(shù)，提高監(jiān)測結(jié)果的可靠性。因此，本文結(jié)合PS、DS選點思想與SBAS-InSAR方法，識別黃河上游干流庫壩群段滑坡隱患，以期為流域災(zāi)害監(jiān)測和預(yù)警提供技術(shù)支持。

1 研究區(qū)域概況

選取黃河上游干流龍羊峽—李家峽庫壩群段為研究區(qū)域，該區(qū)域跨越青海省海南藏族自治州、黃南藏族自治州與海東市（如圖1所示），位于東經(jīng) 100^°63^′ 一102^°11^′ 、北緯 35^°76^′-36^°44^′ ，高程 1937～4826m ，地形以陡峭的山岳與深切峽谷為主。研究區(qū)域地處我國青藏高原與黃土高原的過渡地帶，地質(zhì)構(gòu)造活躍，存在多條深大斷裂和正斷層，這些斷層成為滑坡的滑動面，為滑坡發(fā)生提供內(nèi)動力地質(zhì)條件。

受青藏高原隆起與黃河侵蝕作用，研究區(qū)域形成了高差大、坡度大的邊坡，這些高陡邊坡在地震或其他動力作用下容易發(fā)生變形和破壞，從而引發(fā)滑坡。受高原干旱-半干旱大陸性氣候影響，該區(qū)域年平均降雨量較小，但蒸發(fā)量較大，導(dǎo)致植被覆蓋率低[，在集中降水期和強降雨事件中更容易引發(fā)滑坡。大中型水電站的修建加速破壞黃河上游脆弱的地質(zhì)環(huán)境，隨著水庫蓄水，地下水位抬升，土體飽和強度降低，也極有可能導(dǎo)致邊坡滑動[7]。地質(zhì)構(gòu)造活動、地形地貌特征、氣候變化以及工程建設(shè)等因素導(dǎo)致黃河上游干流庫壩群段滑坡災(zāi)害頻發(fā)。

2 數(shù)據(jù)源

從哥白尼數(shù)據(jù)中心獲取Sentinel-1A于涉寬幅模式（IW）下的降軌單視復(fù)數(shù)SAR序列影像，該影像為C波段VVamp;VH極化，成像時段為2021年1月3日至2024年6月28日，重訪周期12d，原始分辨率為 5m× 20m （距離向 × 方位向），共獲取103景，軌道號為33，軌道方向為降軌，入射角為 33.78^° 。下載每景SAR影像對應(yīng)的POD精密定軌星歷數(shù)據(jù)，其定位精度大于5cm，有效進行軌道誤差校正。收集由美國國家航空航天局（NASA）和美國國防部國家測繪局（NIMA）聯(lián)合測量的SRTM1全球數(shù)字高程模型產(chǎn)品，其空間分辨率可達 30m ，能有效模擬和去除地形相位。在GACOS官網(wǎng)下載與SAR影像獲取時間對應(yīng)的大氣數(shù)據(jù)，有效進行大氣延遲校正。

3 研究方法

采用SBAS-InSAR方法將103景SAR影像組合成418組小基線干涉像對，將PS、DS選點思想與SBAS-In-SAR方法融合，采用振幅離差指數(shù)、相干性系數(shù)法選取PS點，采用KS統(tǒng)計檢驗方法選取DS點，建立Delaunay三角網(wǎng)，采用最小二乘網(wǎng)絡(luò)求解各點形變速率，對各殘余相位進行奇異值分解（SVD）并進行大氣校正，進而獲得各點的時序形變量。數(shù)據(jù)處理流程見圖2。

3.1 PS點選取

PS點選取的關(guān)鍵在于選取具有高相干性和穩(wěn)定性的散射體。本文采用振幅離差指數(shù)與相干性系數(shù)法選取高相干點作為PS點。

振幅離差指數(shù) D_A 反映像元的振幅穩(wěn)定特性， D_A 越小像元的穩(wěn)定性越高，本文以 0.2slt;0.4 為判斷條件篩選PS點。 D_A 計算公式如下：

式中： σ_A 為單個像元在時序圖像上的振幅標(biāo)準(zhǔn)差， μ_A 為單個像元在時序圖像上的振幅均值，

相干系數(shù) γ 反映主從影像像元的相干性，對 N 對干涉像對的相干系數(shù)取平均值，得到時序相干系數(shù)|γ| ，該值越大相位越穩(wěn)定，本文以 0.5lt;∣γ∣lt;1 為判斷條件篩選PS點。 γ 計算公式如下：

式中： M 為主影像像素值， s 為從影像像素值， * 表示 共軛相乘， E 為數(shù)學(xué)期望

3.2 DS點選取

采取KS統(tǒng)計檢驗方法確定每個像素點的統(tǒng)計同質(zhì)點進而確定DS點，該方法基于通用分布的擬合優(yōu)度檢驗方法，采用經(jīng)驗分布函數(shù)確定兩像素點之間振幅是否具有一致性。設(shè)獨立同分布樣本為 X₁，X₂，… X_k（k=1，2，…，N-1） ，不同像素點 z 的經(jīng)驗分布函數(shù)F_N（z） 表達式為

式中： x 為像素點， X_（1），X_（2），…，X_（k） 為從小到大重新排序后的序列。

對于2個不同的像素點而言，判斷其振幅一致性所對應(yīng)的零假設(shè)（ （H₀） 和備選假設(shè)（ H₁ ）表達式為

H₀：F_Nⁱ（z）=F_N^j（z）H₁：F_Nⁱ（z）≠F_N^j（z） （4）式中： F_Nⁱ（z），F(xiàn)_N^j（z） 分別為像素點 i，j 的經(jīng)驗分布函數(shù)。

通過引入柯爾莫哥洛夫距離 D_N 檢驗上述假設(shè)：

式中：sup 為上確界。

D_N 的累積概率密度函數(shù) P（D_N?t） 可以用經(jīng)驗KS分布 H（t） 近似為

式中： Ψ_t 為臨界值。

顯著性水平 α 計算公式為

α=1-H（Ω_t）

當(dāng) α 大于0.05時，接受零假設(shè)，像素點 i 和 j 分布相同，為一對同質(zhì)點；當(dāng) α 小于0.05時，接受備選假設(shè)，認(rèn)為兩點不是一對同質(zhì)點。

確定同質(zhì)點之后，可判斷該點為DS點。遍歷所有影像像素點之后，還需要對影像進行自適應(yīng)濾波，去除斑點噪聲，提高DS點的相干性。依次計算每個DS點的相干系數(shù)，篩選SAR圖像中的DS點。

3.3 時序形變解算

對于覆蓋同一研究區(qū)域的 N 幅SAR影像，以小于時間和空間基線閾值為條件，對所有滿足條件的影像對進行組合和差分干涉處理，可得到 M 幅差分干涉圖， M 范圍為 [N/2，（N-1）N/2] O

第 i（i=1，2，…，N） 幅差分干涉圖在 t_A 至 t_B 時段內(nèi)的干涉相位 φ_i 為

式中： λ 為波長， d_?A 和 d_B 分別為 t_A 和 t_B 時刻相對于主影像在LOS向的累積形變量， φ_atm 為大氣延遲效應(yīng)引起的相位成分， Δφ 為噪聲引起的相位成分， φ_res 為未完全去除地形相位剩下的殘余地形相位。

為更好地表示地面沉降時間序列，將 t_i 與 t_i-1 相鄰時間獲得的平均形變速率 v_i 作為未知數(shù)來求解：

式中： φ_i-1 為第 _i-1 幅差分干涉圖的干涉相位。

對式（9）整理可得：

式中： v_k 為 t_k 與 t_k-1 相鄰時間的平均形變速率。

4結(jié)果與分析

4.1 形變監(jiān)測結(jié)果

形變速率可作為滑坡失穩(wěn)的判別標(biāo)準(zhǔn)，研究區(qū)域LOS向形變速率分布如圖3所示（正值表示隆升，負(fù)值表示下沉）?？梢钥闯?，龍羊峽—李家峽段形變速率為-80～50mm/a ，絕大部分區(qū)域形變速率為 -10～ 10mm/a ，處于相對穩(wěn)定的狀態(tài)。形變速率負(fù)值反映了明顯的沉降運動，這通常與滑坡活動密切相關(guān)，是本文重點分析的對象。而存在的部分地表隆升現(xiàn)象可能是新建建筑物、地塊擠壓活動、滑覆堆積體推擠隆起等，可用升軌數(shù)據(jù)進行驗證。

4.2 滑坡隱患點識別

坡度是影響滑坡的重要因素之一。坡度越大，土壤或巖石的重力作用越明顯，滑坡發(fā)生風(fēng)險越高。研究區(qū)域坡度分布如圖4所示，區(qū)域地形以陡峭的山岳與深切峽谷為主，溝道兩側(cè)坡度超過 40^° ，土壤或巖石的重力作用更加顯著、保持力相對較弱，一旦遇到降雨、地震等，容易發(fā)生大規(guī)模的滑坡事件。

當(dāng)區(qū)域形變速率大于 10mm/a 時，地質(zhì)結(jié)構(gòu)變得極其不穩(wěn)定，非常容易形成滑坡[8]。因此，本文將坡度分析與形變速率分析相結(jié)合，以提高滑坡隱患點識別的準(zhǔn)確性。首先篩選出坡度較大的區(qū)域，然后疊加形變速率分析結(jié)果，共識別出形變速率大于 10mm/a 、坡度大于 20^° 的滑坡隱患點13處，最大形變速率為-80～-34mm/a 。隱患點分布見表1和圖5，可以看出隱患點主要集中在李家峽水電站上下游區(qū)域。

4.3 果卜坡體形變分析

拉西瓦水電站作為黃河中上游最大的水電站，于2009年底竣工，靠近右岸庫區(qū)僅 1km 的果卜坡體自水庫下閘蓄水后出現(xiàn)了嚴(yán)重的拉裂變形。通過高分影像（如圖6所示）可以清晰看到，在坡體后緣形成了一條線性延伸、貫通性高的拉裂陡坎。相關(guān)資料顯示，2016—2021年該坡體形變速率最大達到 461mm/a ，最大形變量超過2m[9]

通過本方法識別到果卜坡體存在滑坡隱患，即表2中1號滑坡隱患點。果卜滑坡隱患體形變速率分布如圖7所示，果卜坡體坡頂下方滑坡后緣處是整個隱患體形變速率最大的地方，其形變速率可達 80mm/a ，這一結(jié)果符合岸坡平臺前緣拉裂傾倒變形破壞特征。

果卜坡體時序形變?nèi)鐖D8所示。分析發(fā)現(xiàn)，2021年6月至2024年6月，坡頂累積形變量達到 300mm ，隨著時間推移，坡頂形變量逐漸累積，且形變趨勢逐漸向坡底擴散。當(dāng)形變量累積到一定程度時，滑坡災(zāi)害發(fā)生的概率增大，可能會對周邊地區(qū)的基礎(chǔ)設(shè)施和居民安全構(gòu)成威脅。

5 結(jié)論

本文結(jié)合PS和DS選點思想以及SBAS-InSAR方法，提取龍羊峽一李家峽庫壩群段的時序形變信息。通過對形變結(jié)果疊加地形分析，共識別滑坡隱患點13處。其中果卜坡頂下方滑坡后緣處是整個隱患體形變速率最大的地方，其形變速率達 80mm/a ，呈現(xiàn)出由上至下擴散的形變趨勢；坡頂形變量逐年增加，2021—2024年累積形變量達到 300mm ，有加大滑坡概率的可能，應(yīng)繼續(xù)加強對該隱患點的預(yù)防和監(jiān)測工作。

參考文獻：

[1] 廖明生，林琿.雷達干涉測量：原理與信號處理基礎(chǔ)［M].北京：測繪出版社，2003：122-124.

[2] RIZOV，TESAUROM.SARInterferometryand FieldDataofRandazzo Landslide（Eastern Sicily，Italy）[J].PhysicsandChemistry of the Earth，PartB：Hydrology，Oceans and At-mosphere，2000，25（9）：771-780.

[3] FERRETTIA，PRATIC，ROCCAFL.PermanentScatterersinSAR Interferometry[J].IEEE Transactions on Geoscienceamp;Remote Sensing，2001，39（1） ：8-20.

[4] 鄧輝，黃潤秋.InSAR技術(shù)在地形測量和地質(zhì)災(zāi)害研究中的應(yīng)用[J].山地學(xué)報，2003，21（3）：373-377.

[5] DONG J，LIAO M S，XUQ，et al.Detection and DisplacementCharacterization of Landslides Using Multi-Temporal SatelliteSAR Interferometry：A Case Study ofDanba County in the DaduRiver Basin[J].Engineering Geology，2018，240：95-109.

[6] ZHAO SF，ZENG RQ，ZHANG H X，et al.Impact of WaterLevel Fluctuations on Landslide Deformation at LongyangxiaReservoir，Qinghai Province，China[J].Remote Sensing，2022，14（1） ：212.

[7] 張茂省，李同錄.黃土滑坡誘發(fā)因素及其形成機理研究[J].工程地質(zhì)學(xué)報，2011，19（4）：530-540.

[8] 郭瑞，李素敏，陳婭男，等.基于SBAS-InSAR的礦區(qū)采空區(qū)潛在滑坡綜合識別方法[J].地球信息科學(xué)學(xué)報，2019，21（7） ：1109-1120.

[9] 武志剛，陳恒祎，趙超英，等.聯(lián)合升降軌PS-InSAR技術(shù)的滑坡二維形變監(jiān)測[J].測繪科學(xué)，2023，48（5）：183-190.

【責(zé)任編輯 栗銘】