-
中国是滑坡灾害多发国家,重大型滑坡往往造成人员伤亡、道路掩埋、房屋损毁,严重威胁了人民生命财产安全。滑坡形变监测有助于了解和掌握滑坡体演变过程和特征,为滑坡正确分析评价、监测预警及治理提供了科学依据。同时,高精度的滑坡形变监测结果也可以用来检验滑坡治理效果。因此,滑坡形变监测在滑坡机制研究和防治中起到了非常重要的作用[1]。
滑坡监测方法主要有GPS[2]、全站仪[3]、光学遥感[4]、三维激光扫描[5]和航空摄影测量[6]等。光学遥感适用于大范围普查,而GPS、全站仪、三维激光扫描以及航空摄影测量多应用于滑坡详查阶段,两者有效结合可以对滑坡进行有效监测。星载合成孔径雷达干涉测量(interferometric synthetic aperture radar, InSAR)技术越来越多应用于滑坡监测,适用于大范围地质灾害隐患点识别和险情排查,但星载雷达系统因受轨道固定和重访周期长的限制,在滑坡体变形应急监测时效性方面也有限制。
地基雷达是一种新型地表形变监测设备,具有空间分辨率高、实时动态监测和测量精度高等优势,适用于滑坡等高时空动态形变监测。与星载InSAR系统相比,地基雷达系统具有以下4个优势:①由于地基雷达安装在固定观测站上,不存在空间基线与轨道误差影响;②时间采样率高,可减少时间失相关因素影响;③监测精度可达亚毫米级;④地基真实孔径雷达适用于不同角度和方位的滑坡体变形动态监测。目前,地基雷达已经广泛应用于大坝[7]、滑坡[8]、桥梁[9]和冰川[10]等形变领域。
目前,虽然地基雷达在滑坡领域有了很多应用,但在真实孔径雷达观测技术与数据处理方面仍然需要改进和提高,以解决监测过程中涉及到的时序处理流程和相关关键技术。本研究以浙江绍兴某道路边坡为实验区,开展地基雷达监测实验。监测区域位于隧道口开挖处,处于不稳定状态,有可能发生滑坡危险,如图 1所示。图 1中的左侧和右侧区域被植被覆盖,中间区域基本是裸露地表,是本实验主要监测区域。为防止滑坡发生,形变区域上部分已经用水泥浇灌。本文使用GPRI-Ⅱ(GAMMA portable radar interferometer)设备对浙江绍兴某道路边坡进行监测,研究时序数据处理关键技术,实现了地基真实孔径雷达微小形变监测实用化,进一步为滑坡地质灾害预警和治理提供了技术支撑。
-
GPRI-Ⅱ地基雷达系统是星载InSAR和常规大地测量手段的有效补充,能以毫米级的精度测量边坡、矿区、山体和冰川等自然物体以及桥梁、大坝和高楼等大型建筑物的位置变化。
-
GPRI-Ⅱ安装在三角架上,通过旋转扫描仪进行360°测量,有效监测距离为50 m~10 km(见图 2)。采用Ku波段,可获得高空间分辨率影像,方位向分辨率为6.28 m(距离为1 km时),距离向分辨率为0.75 m,Ku波段对地物微小变化比较敏感,监测精度可达0.1 mm。该设备可以同时提供全极化和非全极化两种模式。
-
GPRI-Ⅱ采用调频连续波技术(frequency modulation continuous wave,FMCW),与步进频率连续波技术(stepped frequency continuous wave,SFCW)雷达系统相比,单景获取时间相当,它将FMCW和InSAR技术相融合,实现地面目标微变形监测[11]。该系统一般采用连续模式对工作区进行不间断观测。
GPRI-Ⅱ距离向分辨率为:
$$ \Delta d_{\mathrm{sr}}=\frac{C}{2 B} $$ (1) 式中,C为光速;B为带宽。从式(1)可以看出,距离向分辨率与距离(设备到观测目标的距离)无关。
GPRI-Ⅱ方位向分辨率为:
$$ \Delta d_{\mathrm{az}}=\sin \left(\mathit{\Theta}_{-3 \mathrm{dB}}\right) \cdot R $$ (2) 式中,Θ-3dB为半功率波速宽度;R为方位向距离。
因为GPRI-Ⅱ空间基线为0,所以干涉相位表达式为:
$$ \Delta \varphi=\varphi_{\mathrm{Defo}}+\varphi_{\mathrm{Atmo}}+\varphi_{\mathrm{Noise}}+2 k \pi $$ (3) 式中,φDefo为形变相位;φAtmo为大气延迟相位;φNoise为噪声相位。
-
GPRI-Ⅱ地基雷达与星载InSAR时序分析流程基本相同,最大区别在于地基雷达空间基线为0,无需进行影像配准及地形相位补偿。地基雷达时序分析的前提条件是获取单视复数(single-look complex,SLC)影像数据集。在获取SLC数据集的过程中,需要注意两个方面:①GPRI-Ⅱ架设位置应该选择在通视条件好、仪器安放点稳定性高、仪器视线方向与主滑移方向夹角大小适合的观测点。②调试成像参数,检查影像质量,直到获取满足观测要求的影像。主要流程包括干涉对配对、差分干涉处理、特征点选取、形变分析4个部分。具体流程如图 3所示。
1) 干涉对配对。目前干涉对配对方式主要有PSI(persistent scatter interferometry)[12]、Stacking[13]和最近邻干涉等方法。应选择良好的配对策略和时间间隔,否则直接影响最后的形变测量结果。
2) 差分干涉处理。依据SLC数据和干涉配对策略进行差分干涉处理,获取包含大气和形变相位的干涉图。相位解缠后,判断是否出现相位跳变情况。如果存在,则需要对解缠后的图像进行解缠误差纠正。
3) 特征点选取。依据差分干涉结果,选取形变区域变化明显的特征点,进行形变序列分析得到点平均速率图。本文平均速率图是以mm/d为单位。
4) 形变分析。使用奇异值分解(singular value decomposition,SVD)方法生成形变时序图[14]。通过形变时序图,可以判断出监测区域是否存在形变区域,如果存在,确定形变量级。
-
目前,地基雷达形变时序分析常用PSI方法,通过简单网络和冗余网络组合方式对聚焦后的影像进行干涉处理[15]。为了提高干涉处理的效率以及形变信号的信噪比,本文采用PSI干涉对配对方式。
假设有N幅地基SLC影像,按照PSI方式进行干涉对配对。根据信噪比和相干性参数设定阈值,在稳定区域选取参考点。依据选择的参考点进行相位解缠,计算出N-1幅影像的干涉图。
对N-1幅影像的干涉图按时间使用SVD方法:
$$ \left\{\begin{array}{l}{\tilde{\varphi}_{k}(i, j)=0} \\ {\tilde{\varphi}_{i}(i, j)=\tilde{\varphi}_{i-1}(i, j)+\Delta \varphi_{i}(i, j)}\end{array}\right. $$ (4) 式中,$ \widetilde{\varphi}_{i}(i, j)$为第i幅影像相对于第k幅干涉图$ \widetilde{\varphi}_{k}(i, j)$的累积相位;$ \Delta \varphi_{i}(i, j)$为第i幅干涉图的原始相位[16]。至此,可以得到每一给定像元随时间演化的形变序列。
-
为了尽可能获取边坡体的回波信号,本实验将GPRI-Ⅱ设备架设在边坡中间靠右位置。因为左侧和坡体坡向形成了垂直角度,如果形变量较小,投影到坡向的形变分量将会更小,不利于形变测量。坡体中间部分位于马路上,易受来往车辆影响。本实验观测时间为2018-10-12 17:00至2018-10-14 06:00,昼夜不间断监测,考虑到高角度斜坡观测,天线倾角设置为10°,天线方位角范围为-180°~-20°,影像采集时间间隔为5 min一景,共获取267景影像。
-
地基雷达形变监测过程中对于关键参数的选取主要遵循两条原则:①尽可能多地获取研究区域信号,同时减少噪声干扰;②结果符合客观事实。参数选取分为两种情况:①一般性默认参数,但由于布设角度、监测对象和环境因素等客观因素,默认参数很难得出最佳结果,因此需要人工干预调整成像参数。②对于相干性阈值参数,如果监测区域信号较弱,则需要减少相干性阈值,同时要观察有无较多噪声干扰,如果有较多噪声掺杂,则需要继续调整参数,直到满足第①条原则。
在最优成像参数条件下,对监测期间生成的267景影像采用整体性相关性测度技术确定第130幅影像作为主影像,针对这个区域的参数,经过多次调整和测试,最终设置多视比为1 :20,相干性阈值为0.5,按照干涉组合方式形成了266景干涉图。
-
大气延迟在短距离内可近似认为沿直线路径,当环境变化较小、观测距离较近时,可假设大气变化对相位影响与雷达和目标之间的视线向距离呈线性关系,干涉图沿某个方向出现相位梯度现象[17],如图 4(a)所示,时间对为2018-10-12 22:16和2018-10-13 21:50。针对这种现象,大视窗空间滤波在这方面得到了广泛应用。大视窗空间滤波速度一般非常慢,本文采用了一种代替大视窗的方法,这种方法在计算方面更加有效。空间滤波方法首先将数据采样到一个统一的矩形网络,窗口半径选取为16,计算窗口内的相位加权平均值,然后重新采样到输出网络。对比滤波前后的结果,图 4(a)出现了明显的相位梯度(黄色部分),采用本文滤波方法的结果如图 4(b)所示,滤波后消除了这种误差。
-
在基岩上选取信噪比和相干性高的像元作为稳定参考点。利用§1.4数据处理方法,得到的形变结果如图 5所示。该实验区域存在一个明显的形变区域(对应图 1中的形变区域),此区域为现场施工渣土堆积区,没有做夯实处理,因此处于不稳定状态。形变速率图中的大部分区域处于失相干状态(图 5的白色区域),这是由于植被引起的失相干现象。
通过SVD方法获得每一个点的累积形变量,在形变区域选择点进行时序分析,计算得到的特征点时间序列图如图 6所示。特征点累积形变量换算到每一天的点平均变化率为3.5 mm/d,SVD方法最小二乘残差为-0.087 72。从时间序列图 6中可以发现,地表形变在时间上为近线性分布,在不同时间段,形变速率有所波动。出现波动的原因可能是由于形变区域形变量较小,受温度影响大,土堆出现热胀冷缩现象。
图 6 浙江绍兴道路边坡典型像元时间序列图
Figure 6. Time Series Map of Typical Pixel of Shaoxing Road Slope, Zhejiang Province
针对不同的监测对象,地基雷达的监测方式也不相同。如果监测形变缓慢的地区,可以采用重复测量的方式,测量周期可以是几天、几周甚至几年,无论哪种情况,都必须将仪器固定到原先测量位置上(三维空间中);针对短时间高速形变的区域,可以采用连续测量的方式,在数小时到数天内监测到显著的形变区域[18]。
地基真实孔径雷达在地质灾害应用领域发挥着越来越重要的作用。通过联合星载InSAR既可以实现区域性地质灾害普查,又可以做到重点隐患点实时动态监测。
尽管地基雷达应用空间很大,但依然存在不足:①地基雷达采用Ku波段,温度、湿度外部观测环境对观测目标形变监测精度非常敏感,如果地表形变量级较小,监测结果易受外部环境影响。②Ku波段失相干现象比较严重,失相干可能会使相位产生混叠现象,增加了相位解缠的难度。③虽然很多研究学者提出了多种大气改正模型,但这些模型都是基于均一介质模型假设,对于非均一大气影响,目前还没有可靠的方案[19]。
-
本文利用地基真实孔径雷达对边坡地表微小形变进行监测,给出了地基雷达时序分析处理流程,证明了地基雷达的监测精度可以达到亚毫米级,可以动态、高分辨率和高精度地识别出形变区。
由于本次实验没有考虑环境因素(温度和湿度等),可能会对实验结果造成一定的影响。如果忽略山区复杂的天气状况,可以在观测的稳定区域内,选择信噪比高、相干性和相位稳定性高的点作为参考点,通过对所有参考点在视线向的形变曲线加权平均,建立大气相位校正时序曲线[20]。
地基干涉雷达技术已经成为一种重要的地表微小形变监测手段。对于滑坡而言,应该依据滑坡体不同变形阶段的历时、裂缝特征与变形速率作为滑坡预测预警的重要参考[21],这一技术扩展了地表形变监测的手段,对于滑坡、崩塌等地质灾害的预警和治理能够提供较大帮助。
Research and Application of Slope Dynamic Monitoring Based on Ground-Based Real Aperture Radar
-
摘要: 滑坡是仅次于地震的发生最频繁、造成损失最严重的地质灾害之一,给人民群众生命和财产安全带来了巨大威胁。为了能够对危险滑坡进行动态监测,采用GPRI-Ⅱ地基雷达系统,研究了滑坡形变时序分析关键技术,制定了地基雷达数据时序处理流程,并应用于浙江绍兴某道路边坡稳定性监测。实验结果表明,该边坡存在1处明显的形变区域,位于施工现场堆积区,最大形变量达到3.5 mm/d。目前在观测条件满足的情况下,地基雷达可以达到亚毫米级的形变监测能力,已经成为灾害预警和治理的重要手段之一。Abstract: Landslide is the second only to earthquake as one of the most serious geological hazards, which occur most frequently and cause the most serious losses. It poses a great threat to people's lives and property safety. In order to monitor dangerous landslides dynamically, GPRI-Ⅱ ground-based radar system is used in this experiment to study the key technology of landslide deformation time series analysis, and the main process of ground-based radar data time series processing is formulated. It is applied to the stability monitoring of a road slope in Shaoxing, Zhejiang Province. The experimental results show that there is an obvious deformation area in the slope, which is located in the accumulation area of the construction site, and the maximum deformation is 3.5 mm/d. At present, ground-based radar has the ability to monitor deformation with sub-millimeter accuracy when the observation conditions are satisfied. Ground-based radar has become one of the important means of disaster early warning and control.
-
Key words:
- ground-based radar /
- landslide /
- time series analysis /
- filtering /
- early warning
-
-
[1] 丁卫撑, 方方, 王敏, 等.滑坡地质灾害遥测系统研究[J].电子技术应用, 2009, 35(10): 99-102 doi: 10.3969/j.issn.0258-7998.2009.10.035 Ding Weicheng, Fang Fang, Wang Min, et al. The Research of Remote Landslide Inspect System[J]. Application of Electronic Technique, 2009, 35(10): 99-102 doi: 10.3969/j.issn.0258-7998.2009.10.035 [2] Wang Guoquan. GPS Landslide Monitoring:Single Base vs Network Solutions—A Case Study Based on the Puerto Rico and Virgin Islands Permanent GPS Network[J]. Journal of Geodetic Science, 2011, 1(3): 191-203 [3] Artese G, Perrelli M, Artese S, et al. Geomatics Activities for Monitoring the Large Landslide of Maierato, Italy[J]. Applied Geomatics, 2015, 7(3): 171-188 doi: 10.1007/s12518-014-0146-8 [4] Hervás J, Barredo J I, Rosin P L, et al. Monitoring Landslides from Optical Remotely Sensed Imagery: The Case History of Tessina Landslide, Italy[J]. Geomorphology, 2003, 54(1-2): 63-75 doi: 10.1016/S0169-555X(03)00056-4 [5] Prokop A, Panholzer H. Assessing the Capability of Terrestrial Laser Scanning for Monitoring Slow Moving Landslides[J]. Natural Hazards and Earth System Sciences, 2009, 9(6): 1 921-1 928 doi: 10.5194/nhess-9-1921-2009 [6] Li Zhongbin, Shi Wenzhong, Lu Ping, et al. Landslide Mapping from Aerial Photographs Using Change Detection-Based Markov Random Field[J]. Remote Sensing of Environment, 2016, 187: 76-90 doi: 10.1016/j.rse.2016.10.008 [7] Alba M, Bernardini G, Giussani A, et al. Measurement of Dam Deformations by Terrestrial Interferometric Techniques[J]. Remote Sensing and Spatial Information Sciences, 2008, 37(1 374): 133-139 [8] Tarchi D, Casagli N, Fanti R, et al. Landslide Monitoring by Using Ground-Based SAR Interferometry: An Example of Application to the Tessina Landslide in Italy[J]. Engineering Geology, 2003, 68(1-2): 15-30 doi: 10.1016/S0013-7952(02)00196-5 [9] Noferini L, Mecatti D, Macaluso G, et al. Monitoring of Belvedere Glacier Using a Wide Angle GB-SAR Interferometer[J]. Journal of Applied Geophysics, 2009, 68(2): 289-293 doi: 10.1016/j.jappgeo.2009.02.004 [10] Pieraccini M, Parrini F, Fratini M, et al. Static and Dynamic Testing of Bridges Through Microwave Interferometry[J]. Ndt & E International, 2007, 40(3): 208-214 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=5aaa67a68b051c62c15a961159478ab6 [11] 刘斌, 葛大庆, 李曼, 等.地基合成孔径雷达干涉测量技术及其应用[J].国土资源遥感, 2017, 29(1):1-6 http://d.old.wanfangdata.com.cn/Periodical/gtzyyg201701001 Liu Bin, Ge Daqing, Li Man, et al. Ground-Based Interferometric Synthetic Aperture Radar and Its Applications[J]. Remote Sensing for Land & Resources, 2017, 29(1):1-6 http://d.old.wanfangdata.com.cn/Periodical/gtzyyg201701001 [12] Osmanoǧlu B, Dixon T H, Wdowinski S, et al. Mexico City Subsidence Observed with Persistent Scatterer InSAR[J]. International Journal of Applied Earth Observation and Geoinformation, 2011, 13(1): 1-12 doi: 10.1016/j.jag.2010.05.009 [13] Wang H, Wright T J, Biggs J. Interseismic Slip Rate of the Northwestern Xianshuihe Fault from InSAR Data[J]. Geophysical Research Letters, 2009, 36(3): 139-145 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=ba0167670bd9b77e471e0dc0de107157 [14] 李永生, 张景发, 李振洪, 等.利用短基线集干涉测量时序分析方法监测北京市地面沉降[J].武汉大学学报·信息科学版, 2013, 38(11): 1 374-1 377 http://ch.whu.edu.cn/CN/abstract/abstract2813.shtml Li Yongsheng, Zhang Jingfa, Li Zhenhong, et al.Land Subsidence in Beijing City from InSAR Time Series Analysis with Small Baseline Subset[J]. Geomatics and Information Science of Wuhan University, 2013, 38(11): 1 374-1 377 http://ch.whu.edu.cn/CN/abstract/abstract2813.shtml [15] Monserrat O, Crosetto M, Luzi G. A Review of Ground-Based SAR Interferometry for Deformation Measurement[J]. ISPRS Journal of Photogrammetry & Remote Sensing, 2014, 93(7):40-48 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=7fd3772472ecc0c7735375c68276deb4 [16] 刘斌, 葛大庆, 李曼, 等.地基InSAR评估爆破作业对露天采矿边坡的稳定性影响[J].遥感学报, 2017, 22(s1): 139-145 Liu Bin, Ge Daqing, Li Man, et al. Using Ground-Based InSAR to Evaluate the Stability of an Open-pit Slope Blasting Operation[J]. Journal of Remote Sensing, 2017, 22(s1):139-145 [17] Chao C F, Chen K S, Lee J S. Refined Filtering of Interferometric Phase from InSAR Data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(12): 5 315-5 323 doi: 10.1109/TGRS.2012.2234467 [18] Caduff R, Schlunegger F, Kos A, et al. A Review of Terrestrial Radar Interferometry for Measuring Surface Change in the Geosciences[J]. Earth Surface Processes and Landforms, 2015, 40(2): 208-228 doi: 10.1002/esp.3656 [19] 崔喜爱, 曾琪明, 童庆禧, 等.重轨星载InSAR测量中的大气校正方法综述[J].遥感技术与应用, 2014, 29(1): 9-17 http://d.old.wanfangdata.com.cn/Periodical/ygjsyyy201401002 Cui Xiai, Zeng Qiming, Tong Qingxi, et al. Overview of the Atmospheric Correction Methods in Repeat-Pass InSAR Measurements[J]. Remote Sensing Technology and Application, 2014, 29(1): 9-17 http://d.old.wanfangdata.com.cn/Periodical/ygjsyyy201401002 [20] 刘斌, 葛大庆, 张玲, 等.地基雷达干涉测量技术在滑坡灾后稳定性评估中的应用[J].大地测量与地球动力学, 2016, 36(8): 674-677, 693 http://d.old.wanfangdata.com.cn/Periodical/xfdk201721028 Liu Bin, Ge Daqing, Zhang Ling, et al. Application of Monitoring Stability After Landslide Based on Ground-Based InSAR[J]. Journal of Geodesy and Geodynamics, 2016, 36(8): 674-677, 693 http://d.old.wanfangdata.com.cn/Periodical/xfdk201721028 [21] 李聪, 朱杰兵, 汪斌, 等.滑坡不同变形阶段演化规律与变形速率预警判据研究[J].岩石力学与工程学报, 2016, 35(7): 1 407-1 414 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=yslxygcxb201607011 Li Cong, Zhu Jiebing, Wang Bin, et al. Critical Deformation Velocity of Landslide in Different Deformation Phases[J]. Chinese Journal of Rock Mechanics and Engineering, 2016, 35(7): 1 407-1 414 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=yslxygcxb201607011 -