留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

雷达干涉测量对甘肃南峪乡滑坡灾前二维形变追溯

戴可人 卓冠晨 许强 李振洪 李为乐 管威

戴可人, 卓冠晨, 许强, 李振洪, 李为乐, 管威. 雷达干涉测量对甘肃南峪乡滑坡灾前二维形变追溯[J]. 武汉大学学报 ● 信息科学版, 2019, 44(12): 1778-1786, 1796. doi: 10.13203/j.whugis20190092
引用本文: 戴可人, 卓冠晨, 许强, 李振洪, 李为乐, 管威. 雷达干涉测量对甘肃南峪乡滑坡灾前二维形变追溯[J]. 武汉大学学报 ● 信息科学版, 2019, 44(12): 1778-1786, 1796. doi: 10.13203/j.whugis20190092
DAI Keren, ZHUO Guanchen, XU Qiang, LI Zhenhong, LI Weile, GUAN Wei. Tracing the Pre-failure Two-dimensional Surface Displacements of Nanyu Landslide, Gansu Province with Radar Interferometry[J]. Geomatics and Information Science of Wuhan University, 2019, 44(12): 1778-1786, 1796. doi: 10.13203/j.whugis20190092
Citation: DAI Keren, ZHUO Guanchen, XU Qiang, LI Zhenhong, LI Weile, GUAN Wei. Tracing the Pre-failure Two-dimensional Surface Displacements of Nanyu Landslide, Gansu Province with Radar Interferometry[J]. Geomatics and Information Science of Wuhan University, 2019, 44(12): 1778-1786, 1796. doi: 10.13203/j.whugis20190092

雷达干涉测量对甘肃南峪乡滑坡灾前二维形变追溯

doi: 10.13203/j.whugis20190092
基金项目: 

国家自然科学基金 41801391

四川省科技计划 2019YJ0404

地质灾害防治与地质环境保护国家重点实验室自主研究课题 SKLGP2018Z019

详细信息
    作者简介:

    戴可人, 博士, 教授, 主要从事基于InSAR与多光谱遥感技术的地质灾害监测与防治研究。daikeren17@cdut.edu.cn

    通讯作者: 许强, 博士, 教授。xq@cdut.edu.cn
  • 中图分类号: P236

Tracing the Pre-failure Two-dimensional Surface Displacements of Nanyu Landslide, Gansu Province with Radar Interferometry

Funds: 

The National Natural Science Foundation of China 41801391

Science and Technology Plan of Sichuan Province 2019YJ0404

Independent Research Topic of State Key Laboratory of Geohazard Prevention and Geoenvironment Protection SKLGP2018Z019

More Information
    Author Bio:

    DAI Keren, PhD, professor, specializes in geological hazard monitoring and prevention based on InSAR and multi-spectral remote sensing technology. E-mail:daikren17@cdut.edu.cn

    Corresponding author: XU Qiang, PhD, professor. E-mail:xq@cdut.edu.cn
图(8)
计量
  • 文章访问数:  1196
  • HTML全文浏览量:  206
  • PDF下载量:  582
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-02-15
  • 刊出日期:  2019-12-05

雷达干涉测量对甘肃南峪乡滑坡灾前二维形变追溯

doi: 10.13203/j.whugis20190092
    基金项目:

    国家自然科学基金 41801391

    四川省科技计划 2019YJ0404

    地质灾害防治与地质环境保护国家重点实验室自主研究课题 SKLGP2018Z019

    作者简介:

    戴可人, 博士, 教授, 主要从事基于InSAR与多光谱遥感技术的地质灾害监测与防治研究。daikeren17@cdut.edu.cn

    通讯作者: 许强, 博士, 教授。xq@cdut.edu.cn
  • 中图分类号: P236

摘要: 利用存档光学遥感影像对灾前演变情况进行分析是目前常用的方法,但往往受限于获取时间密度、云量等因素。随着雷达遥感卫星数据质量的不断提升,合成孔径雷达干涉测量(interferometric syntheticaperture radar,InSAR)技术可以为滑坡灾前形变探测提供新的技术途径。基于欧洲空间局哨兵一号(Sentinel-1)雷达卫星数据,同时结合升轨与降轨视线向形变结果提取沿坡向与垂直向二维形变,对2018年7月12日甘肃南峪乡滑坡灾前二维形变进行追溯分析。时序结果显示,该滑坡自2017年6月起便已经开始缓慢的变形,至滑坡发生前13个月时最大累积形变量达77 mm。结合降雨量数据对比分析,发现该滑坡灾前变形与降雨量变化高度吻合,说明降雨是该滑坡发生的主要诱因之一。该InSAR追溯结果展示了星载雷达干涉测量技术在滑坡探测方面的应用潜力,为滑坡诱因分析、防灾减灾乃至滑坡监测预警工作提供了新的思路与参考。

English Abstract

戴可人, 卓冠晨, 许强, 李振洪, 李为乐, 管威. 雷达干涉测量对甘肃南峪乡滑坡灾前二维形变追溯[J]. 武汉大学学报 ● 信息科学版, 2019, 44(12): 1778-1786, 1796. doi: 10.13203/j.whugis20190092
引用本文: 戴可人, 卓冠晨, 许强, 李振洪, 李为乐, 管威. 雷达干涉测量对甘肃南峪乡滑坡灾前二维形变追溯[J]. 武汉大学学报 ● 信息科学版, 2019, 44(12): 1778-1786, 1796. doi: 10.13203/j.whugis20190092
DAI Keren, ZHUO Guanchen, XU Qiang, LI Zhenhong, LI Weile, GUAN Wei. Tracing the Pre-failure Two-dimensional Surface Displacements of Nanyu Landslide, Gansu Province with Radar Interferometry[J]. Geomatics and Information Science of Wuhan University, 2019, 44(12): 1778-1786, 1796. doi: 10.13203/j.whugis20190092
Citation: DAI Keren, ZHUO Guanchen, XU Qiang, LI Zhenhong, LI Weile, GUAN Wei. Tracing the Pre-failure Two-dimensional Surface Displacements of Nanyu Landslide, Gansu Province with Radar Interferometry[J]. Geomatics and Information Science of Wuhan University, 2019, 44(12): 1778-1786, 1796. doi: 10.13203/j.whugis20190092
  • 2018年7月12日,甘肃省舟曲县南峪乡江顶崖区域发生大面积滑坡,滑坡体总量达到500×104 m3,大量坡积物冲入白龙江,造成白龙江南峪乡河道堵塞,水位上涨,对附近村庄人民的生命财产安全、下游水电厂安全等造成威胁,同时也带来监测预警、安全保卫、卫生防疫、转移安置等一系列后续工作[1]。追溯滑坡体灾前状态对滑坡诱因分析、灾后稳定性评估具有重要作用。我国西部山区滑坡分布广,灾害频发(西部地区滑坡灾害的总量已经达到中国地质灾害总量的60%[2]),对已有滑坡滑前状态追溯可以为未来滑坡灾害防治与监测预警、防灾减灾工作提供参考,具有重要意义。

    由于滑坡灾害的突发性与不确定性,目前对滑坡灾前演变追溯主要利用存档光学遥感进行追溯[3-4]。光学遥感具有覆盖面积广、光谱范围大的特点,但获取时间间隔长、影像受云雾影响大、空间分辨率不够高,只能对滑坡体进行简单定性分析与解译。基于雷达遥感数据的合成孔径雷达干涉测量(interferometric synthetic aperture radar, InSAR)技术为滑坡灾前演变追溯提供了新的技术途径。InSAR技术利用对同一地区同一轨道观测获取的两景或多景合成孔径雷达(synthetic aperture radar,SAR)影像进行干涉差分处理,去除地形残余误差、大气效应等相关误差后获取高精度的三维地形及地表微小形变信息。InSAR技术具有覆盖范围广、监测精度高、全天时、全天候、空间分辨率高等特点,在大型滑坡形变监测[5-8]及滑坡大范围普查方面[9-12]已发挥重要作用;在对已发生滑坡的灾前形变追溯工作中,也展现出应用潜力。Dong等[13]、Intrieri等[14]利用InSAR技术对2017年造成80多人失踪或遇难的新磨村滑坡滑前变形进行追溯,发现了滑前明显的形变信号,也发现了临滑阶段明显的形变加速过程。许强等[15]基于SAR影像利用像素偏移算法对金沙江白格滑坡进行了滑前历史数据分析,发现滑坡体在滑坡发生前数年累积变形量已达30 m以上。随着雷达卫星数据硬件的不断提升,雷达遥感在未来将会发挥更加重要的作用[16]

    本文将利用时间序列SBAS-InSAR(small baseline subset InSAR)方法,基于升轨与降轨哨兵一号(Sentinel-1)雷达影像获取滑坡体的二维形变,对甘肃省南峪乡滑坡灾前滑坡体状态进行追溯,探究其滑坡发生前演变情况。结合降雨量信息等对其进行演变分析,为滑坡诱因分析提供有力支持,同时也可以为灾后稳定性评估和未来滑坡灾害的监测与预警提供思路与借鉴。

    • 南峪乡位于我国西北部,是甘肃省南藏族自治州舟曲县辖乡(图 1(a)),位于舟曲县县城东南方向9 km川甘边界处(图 1(c)中黑色矩形代表Sentienl-1影像覆盖范围)。白龙江属于长江支流嘉陵江的支流,南峪乡位于其西南岸,此次南峪乡滑坡发生于南峪乡江顶崖区域,位于白龙江东岸。S313两郎公路(两河口-郎木寺)顺着白龙江沿岸穿过此区域(图 1(c)中红色多边形代表了南峪乡滑坡边界)。南峪乡顶崖区域位属秦岭造山带,是新构造运动最强烈的地区之一,地质结构复杂,岩体严重破碎,且呈现多期活动状态,极易受降雨天气影响引发老滑坡复活滑动[17]

      图  1  研究区位置

      Figure 1.  Location of the Study Area

      南峪乡江顶崖滑坡长约700 m,宽约240 m,面积约0.16 km2,估算平均厚度约30 m,体积达500×104 m3[18],属于大型滑坡,其全景图与地质剖面图如图 2所示。根据江顶崖古滑坡体内部各部分的滑动特征,在全景图上可将其划分为7个主要区域:古滑坡崩塌区(Ⅰ)、滑坡岩体形变区(Ⅱ)、古滑坡堆积区(Ⅲ、Ⅳ、Ⅴ、Ⅵ、Ⅶ) [19]

      图  2  南峪乡全景图与地质剖面图

      Figure 2.  A Panoramic View of the Nanyu Village and the View of the Ancient Landslide Geological Profile

      该滑坡为古滑坡的复活滑动,由碎石土和黄土混合而成,块石包括灰岩、板岩、炭质千枚岩等,如图 2(b)所示。其中灰岩含量大、块度大,呈次圆状,最大可见3 m的大块石,1~2 m的大块石较多[20]。该古滑坡体现阶段处于蠕滑状态,面上裂缝、鼓丘很多,前缘将白龙江堵塞,江面宽度仅余5 m,上游水位上升约7~8 m,导致南峪乡房屋较多被淹,公路、桥被冲毁,损失较大[20]

      利用多时相遥感影像分析,也可以发现此次滑坡发育于一巨型古滑坡堆积体上(古滑坡长约2 000 m,平均宽度1 600 m)。该古滑坡堆积体受前缘河流长期冲刷及坡体上公路开挖等人类活动影响,至少在2010年之前便出现了较明显的圈椅状地表形变迹象[17]。2018年7月12日,持续强降雨作用诱发了大规模滑坡运动[18]。由于该滑坡区域属于偏远地区,并未直接对人员聚集的村庄构成威胁,事发前无地表仪器观测记录。事发当天有大约1×104 m3碎石和黄土被雨水冲击到山体下方,造成白龙江河水上涨,国道345线南峪乡段道路中断[21]。考虑到滑坡活动有加剧的可能,极有可能造成白龙江堵塞形成堰塞湖,淹没南峪乡南一、南二两村,危险性极大;特别是滑坡体上大块石多,一旦形成坝体,坝体在自然水冲的情况下不易被冲开[20],因此相关转移安置、安全保卫、卫生防疫、等一系列后续工作陆续展开。可见,该滑坡虽无直接威胁村舍,但后续工作同样耗费了大量人力、物力资源,造成较大损失,引起社会广泛关注。

    • 本文采用的研究数据为Sentinel-1卫星数据。Sentinel-1卫星是欧洲航天局(European Space Agency, ESA)针对哥白尼全球观测计划研制的一个由两颗卫星(Sentinel-1A及Sentinel-1B)组成的卫星星座,可以进行全球海岸带、陆地、航线等全天候、全天时高分辨率监测,采用C波段成像,波长5.6 cm。Sentinel-1A卫星于2014-04-03发射升空,重返周期达到12 d;Sentinel-1B卫星于2016-04-26发射升空,将重返周期进一步缩短至6 d。

      本研究共采用31景降轨Sentinel-1影像数据与33景升轨Sentinel-1影像数据,时间跨度为2017-06-07—2018-07-08,时间间隔12 d。研究区域的升轨数据与降轨数据的获取时间一致。数据成像模式为干涉宽幅模式,幅宽为250 km,地面分辨率为5 m×20 m。通过设置时间基线阈值72 d,垂直基线阈值104 m,降轨数据以2017-09-23期影像作为主影像,升轨数据以2018-02-02期影像作为主影像,其他所有影像都依主影像进行精配准。降轨数据共生成137组干涉对,升轨数据共生成154组干涉对。升降轨数据的具体获取日期与时空基线关系如图 3所示。另外,本研究中采用了30 m分辨率的ALOS World 3D (AW3D30)数字高程模型(digital elevation model,DEM)[22]作为外部DEM数据,以消除地形起伏的影响。

      图  3  SAR数据时空基线图

      Figure 3.  Spatial and Temporal Baselines of SAR Datasets

    • SBAS-InSAR方法的主要思路是基于一定的时空基线阈值,选取多个主影像组成自由组合的干涉对,基于影像中的高相干点反演出区域的时间序列形变信息。该方法能够在一定程度上克服时间失相关及空间失相关的不利影响[23]

      SBAS-InSAR主要技术原理如下。假设有按照时间序列t0t1titN获取的N+1幅SLC(single look complex)影像,首先以任意一幅影像作为主影像进行配准,以设定的时间与空间基线阈值进行干涉对组合与构网,分别对各组影像对进行差分干涉处理,共得到M对干涉对。然后利用轨道信息与外部DEM数据,对M个干涉对逐对进行差分处理,去除平地效应与地形效应,得到M幅差分干涉图,并采用Delaunay 3D的方法完成相位解缠。在基于外部控制点(ground control point, GCP)数据完成轨道精炼与重去平后便开始第一次时序解算。此时假设以t0时刻作为参考时间,将该时刻研究区域的形变视为零,则在第j幅干涉图中的某个像素相对于解缠起始点的相位可以表示为:

      $$ \begin{array}{*{20}{c}} {{\rm{\Delta }}{\varphi _j} = {\varphi _{{t_1}}} - {\varphi _{{t_2}}} \approx {\rm{\Delta }}\varphi _{{j_{{\rm{def}}}}}^{} + {\rm{\Delta }}\varphi _{{j_{{\rm{topo}}}}}^{} + }\\ {{\rm{\Delta }}\varphi _{{j_{{\rm{atm}}}}}^{} + {\rm{\Delta }}\varphi _{{j_{{\rm{noise}}}}}^{}} \end{array} $$ (1)

      式中, 1≤jM; ${\rm{\Delta }}\varphi _{{j_{{\rm{def}}}}}^{}$、$ {\rm{\Delta }}\varphi _{{j_{{\rm{topo}}}}}^{}$、$ {\rm{\Delta }}\varphi _{{j_{{\rm{atm}}}}}^{}$和$ {\rm{\Delta }}\varphi _{{j_{{\rm{noise}}}}}^{}$分别表示由形变、高程误差、大气及噪声引起的相位差。可进一步表示为:

      $$ \left\{ {\begin{array}{*{20}{l}} {\Delta {\varphi _{{j_{{\rm{disp}}}}}}(x, r) = \frac{{4\pi }}{\lambda }\left[ {d\left( {{t_2}} \right) - d\left( {{t_1}} \right)} \right], \quad j = 1, 2 \cdots M}\\ {\Delta {\varphi _{{j_{{\rm{topo}}}}}}(x, r) = \frac{{4\pi }}{\lambda } \cdot \frac{{{B_ \bot }\Delta h}}{{r\sin \theta }}}\\ {\Delta {\varphi _{{j_{{\rm{atm}}}}}}(x, r) = {\varphi _{{\rm{atm }}}}\left( {{t_2}} \right) - {\varphi _{{\rm{atm }}}}\left( {{t_1}} \right)} \end{array}} \right. $$ (2)

      式中,λ表示雷达中心波长;θ为雷达视角;Δh为DEM误差;r为雷达到观测物体的斜距;d(t2)与d(t1)分别表示t2t1时刻像元相对于初始时间t0在雷达视线方向的形变累计量,一般假设d(t0)=0。

      SBAS方法中假设相邻两幅SAR影像获取时间间隔内地表形变符合线性累积趋势,将对相位时间序列的求解转化为相位变化速率的求解,可得:

      $$ \begin{array}{*{20}{l}} {{\mathit{\boldsymbol{V}}^{\rm{T}}} = \left[ {{v_1} = \frac{{{\varphi _1} - {\varphi _0}}}{{{t_1} - {t_2}}},{v_2} = \frac{{{\varphi _2} - {\varphi _1}}}{{{t_2} - {t_1}}} \ldots } \right.}\\ {\left. {\;\;\;\;\;\;{v_n} = \frac{{{\varphi _n} - {\varphi _{n - 1}}}}{{{t_n} - {t_{n - 1}}}} \ldots {v_N} = \frac{{{\varphi _N} - {\varphi _{N - 1}}}}{{{t_N} - {t_{N - 1}}}}} \right]} \end{array} $$ (3)

      则$ {\rm{\Delta }}{\varphi _{{j_{{\rm{def}}}}}}$可表示为:

      $$ \Delta {\varphi _{{j_{{\rm{def}}}}}} = \mathit{\boldsymbol{BV}} $$ (4)

      式中,矩阵B为系数矩阵,每一行都对应一个干涉对。矩阵的元素中主影像系数为1,辅影像系数为-1,其他影像系数为0。

      因此,在不考虑大气相位与噪声的情况下,联合式(1)~(4)可得:

      $$ \mathit{\boldsymbol{BV}} + \mathit{\boldsymbol{C}}\Delta h = \Delta \varphi $$ (5)

      其中,

      $$ {\mathit{\boldsymbol{C}}^{\rm{T}}} = \left[ {\frac{{4{\rm{ \mathsf{ π} }}}}{\lambda }\frac{{\mathit{\boldsymbol{B}}_1^ \bot }}{{r{\rm{sin}}\theta }},\frac{{4{\rm{ \mathsf{ π} }}}}{\lambda }\frac{{\mathit{\boldsymbol{B}}_2^ \bot }}{{r{\rm{sin}}\theta }} \cdots \frac{{4{\rm{ \mathsf{ π} }}}}{\lambda }\frac{{\mathit{\boldsymbol{B}}_L^ \bot }}{{r{\rm{sin}}\theta }}} \right] $$ (6)

      若干涉构网形成一个唯一子集并充分连接,可采用最小二乘法基于式(5)对形变速率与高程改正数进行求解,当矩阵出现秩亏时,则可通过奇异值分解(singular value decomposition, SVD)的方法求解。在完成第一次求解后,会基于残差对大气相位进行估计去除,接着使用相同方法进行第二次时序估计,最终得到时间序列形变、平均形变速率及高程改正数结果。该方法的数据处理流程图如图 4所示,详细处理流程可参考文献[24-26]。

      图  4  SBAS-InSAR时序分析流程图

      Figure 4.  Flowchart of SBAS-InSAR Time Series Analysis

    • 基于单一轨道SAR数据,InSAR技术能够获取雷达视线方向上的一维形变。在滑坡灾前形变追溯的过程中,由于坡体朝向的不同,单一方向一维形变往往不能准确反映形变特征。如果有多个InSAR的监测结果,则可获得滑坡的多维形变。

      假设目标远离雷达视线方向(line of sight, LOS)的形变dLOS为负值,靠近雷达视线方向的形变dLOS为正值。可将雷达视线方向的形变dLOS分解为垂直方向上的形变dU、南北方向上的形变dN及东西方向上的形变dE,得:

      $$ \begin{array}{l} {d_{{\rm{LOS}}}} = {d_{\rm{U}}}{\rm{cos}}\theta - {d_{\rm{N}}}{\rm{sin}}\theta {\rm{cos}}\left( {\alpha - \frac{3}{2}{\rm{ \mathit{ π} }}} \right) - \\ \;\;\;\;\;\;\;\;\;\;\;\;{d_{\rm{E}}}{\rm{sin}}\theta {\rm{sin}}\left( {\alpha - \frac{3}{2}{\rm{ \mathit{ π} }}} \right) \end{array} $$ (7)

      式中,θ为卫星入射角;α-3π/2为方位视线方向。

      要获取滑坡的三维形变必须获得3个不同方向上的监测结果。基于滑坡过程的自然规律,假设滑坡水平方向上的形变主要发生在坡面方向上,可通过升降轨数据两个不同入射方向的监测结果获取滑坡二维形变[27],即:

      $$ {d_{{\rm{LOS}}}} = {d_{\rm{U}}}{\rm{cos}}\theta - {d_{{\rm{OA}}}}{\rm{sin}}\theta {\rm{cos}}\left( {\delta - \left( {\alpha - \frac{3}{2}{\rm{ \mathit{ π} }}} \right)} \right) $$ (8)

      式中,dOA为滑坡方向形变;δ为滑坡方位角。

      根据式(8)可得:

      $$ \left( {\begin{array}{*{20}{c}} {{d_{\rm{U}}}}\\ {{d_{{\rm{OA}}}}} \end{array}} \right) = {\left( {\begin{array}{*{20}{c}} {{\rm{cos}}{\theta _1}}&{ - {\rm{sin}}{\theta _1}{\rm{cos}}\left( {\delta - {\alpha _1} + \frac{{3{\rm{ \mathit{ π} }}}}{2}} \right)}\\ {{\rm{cos}}{\theta _2}}&{ - {\rm{sin}}{\theta _2}{\rm{cos}}\left( {\delta - {\alpha _2} + \frac{{3{\rm{ \mathit{ π} }}}}{2}} \right)} \end{array}} \right)^{ - 1}}\left( {\begin{array}{*{20}{c}} {{d_{{\rm{LOS}}1}}}\\ {{d_{{\rm{LOS}}2}}} \end{array}} \right) $$ (9)

      根据式(9),利用升轨与降轨数据的监测结果,即可获得垂直向与沿坡面向的二维形变。

    • 利用§2提到的SBAS-InSAR方法,本文基于Sentinel-1数据集首先获取了升降轨道视线方向上的形变,两个轨道结果相干性好,几何畸变区域少,且结果互相对比较为吻合。联合使用升降轨道视线方向上的形变,基于§2.3方法获取了南峪乡滑坡区域的二维形变,结果如图 5所示,图 5(a)为沿滑坡坡面方向的年平均形变速率,图 5(b)为垂直向的年平均形变速率。图 5中红色实线标注的区域正是南峪乡滑坡发生所在地江顶崖区域。在滑坡发生前的13个月时间,滑坡方向存在明显形变,滑坡方向的最大平均年形变速率可达63 mm/a。在垂直方向上,滑坡区域的形变较小,绝大多数监测点的平均年形变速率位于-10~10 mm/a。值得一提的是, 除了南屿乡江顶崖滑坡区域之外,还发现了两处在坡向上存在明显形变区域的坡体1和2(图 5黄色圈内)。其放大后的形变分布如图 6所示,其最大年形变速率可达-53 mm/a。这两处形变区域是否存在滑坡及堵江的威胁,值得进一步关注。

      图  5  南峪乡滑坡InSAR平均速率结果

      Figure 5.  InSAR Derived Mean Velocity Map Around Nanyu Village

      图  6  两处其他形变区域滑坡向平均速率图

      Figure 6.  Mean Velocity Maps for Two Deformation Areas

      南峪乡滑坡区域的时序形变与日降雨量统计结果如图 7所示, 放大形变分布结果如图 8所示。从滑坡方向的形变分解结果可以看出,滑坡体中部偏右区域为滑前形变最剧烈的区域,形变区域呈现出明显的漏斗状特征。形变中心区域最大形变量可达63 mm/a,最大累积形变量可达80 mm。依据获得的沿坡向的形变结果,图 8中白色虚线圈定的形变中心区域长约460 m,宽约165 m。形变中心高度海拔1 400 m,坡脚海拔1 300 m,该区域是在滑坡发生前半年发生显著形变的范围。滑坡体下方并无直接人员聚集村落,滑坡堆积物直接冲入白龙江中。

      图  7  时间序列形变与日均降雨量统计结果

      Figure 7.  Statistical Results of Time Series Deformation and Average Daily Rainfall

      图  8  南峪乡江顶崖滑坡区域滑坡方向形变结果解译分析

      Figure 8.  Further Interpretation of the Mean Velocity Map in Azimuth Direction of Landslide of Jiangdingya Area, Nanyu Village

      南峪乡滑坡区域在沿坡面方向的形变值较大,而在垂直方向上的形变值较小。在南峪乡滑坡变形区域及邻近范围选择了6个点(ABCDEF)进行滑坡方向的累计形变时序结果展示,时间序列结果如图 7所示。本文同时搜集了南峪乡地区InSAR监测时段的日均降雨量,用蓝边黑条柱形图表示于图 7中。从不同时序点可以看出,点A、点B及点C位于形变中心区域,从2017-06-07—2018-07-08 13个月之间累积形变量达64~77 mm。与降雨量结合分析,这3个点共经历如图 7所示的两个时段的形变,Ⅰ阶段处于2017-06—2018-02共9个月的时间内,形变不断积累,累积形变量约40 mm;Ⅱ阶段处于2018-02—2018-07,该区域在经历过降雨量较少的冬季之后,随着降雨量增大,形变量显著加速,特别是3月—4月加速较快。在4月—7月,形变匀速发展,最终在7月12日发生滑坡。点D、点E位于滑坡范围西、北、东侧,累计形变值整个时间段都较为稳定。时序结果表明,滑坡的灾前形变过程经历了形变积累和加速形变两个阶段,且降水与滑坡变形在2018年2月—7月均显著增加,呈现明显相关性,显示降水是滑坡发生的诱发因素之一。

    • 本文利用升降轨Sentinel-1雷达影像采用SBAS-InSAR技术获取了滑坡的二维形变,对甘肃南峪乡滑坡灾前形变情况进行了追溯。结果显示,南峪乡滑坡范围内从2017年6月起便发生了变形,至滑坡前最大累积形变量达77 mm。通过与雨量数据联合分析,发现该区域时间序列形变主要表现为形变积累和加速形变两个阶段,与降雨量变化高度吻合,特别是降雨量从春季至夏季(即2月—7月)显著增加,形变增量在这一时间也显著增大,因此可以佐证降雨是此次滑坡主要诱发因素之一。该案例提供了基于InSAR技术及雷达遥感对滑坡发生前形变追溯的可靠结果,为滑坡诱因分析以及未来大面积滑坡监测预警工作提供了新的技术方法与思路。

      值得注意的是,本次形变追溯结果并未发现临滑阶段明显的加速变形期,推测可能是由于最后一张Sentinel-1影像是在2018-07-08获取,离2018-07-12滑坡发生尚有4天时间,而加速变形期往往时间较短[28],所以未能捕捉到临滑阶段明显的加速信号。这也说明了InSAR技术在滑坡监测预警中可能存在时间采样率不足等缺点[29],需要与其他技术相结合,发挥各自优势,建设更为完备的滑坡监测预警体系。

参考文献 (29)

目录

    /

    返回文章
    返回