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

甘肃省舟曲县城周边活动滑坡InSAR探测

代聪 李为乐 陆会燕 杨帆 许强 简季

代聪, 李为乐, 陆会燕, 杨帆, 许强, 简季. 甘肃省舟曲县城周边活动滑坡InSAR探测[J]. 武汉大学学报 ● 信息科学版, 2021, 46(7): 994-1002. doi: 10.13203/j.whugis20190457
引用本文: 代聪, 李为乐, 陆会燕, 杨帆, 许强, 简季. 甘肃省舟曲县城周边活动滑坡InSAR探测[J]. 武汉大学学报 ● 信息科学版, 2021, 46(7): 994-1002. doi: 10.13203/j.whugis20190457
DAI Cong, LI Weile, LU Huiyan, YANG Fan, XU Qiang, JIAN Ji. Active Landslides Detection in Zhouqu County, Gansu Province Using InSAR Technology[J]. Geomatics and Information Science of Wuhan University, 2021, 46(7): 994-1002. doi: 10.13203/j.whugis20190457
Citation: DAI Cong, LI Weile, LU Huiyan, YANG Fan, XU Qiang, JIAN Ji. Active Landslides Detection in Zhouqu County, Gansu Province Using InSAR Technology[J]. Geomatics and Information Science of Wuhan University, 2021, 46(7): 994-1002. doi: 10.13203/j.whugis20190457

甘肃省舟曲县城周边活动滑坡InSAR探测

doi: 10.13203/j.whugis20190457
基金项目: 

国家自然科学基金川藏铁路专项 41941019

国家创新研究群体科学基金 41521002

四川省科技支撑计划项目 2017JQ0031

四川省科技支撑计划项目 2018SZ0339

四川省地震科技创新团队专项 201901

详细信息

Active Landslides Detection in Zhouqu County, Gansu Province Using InSAR Technology

Funds: 

Sichuan-Tibet Railway of the National Natural Science Foundation of China 41941019

the Science Fund for Creative Research Groups of China 41521002

the Funds of Sichuan Science and Technology Support Plan 2017JQ0031

the Funds of Sichuan Science and Technology Support Plan 2018SZ0339

the Science and Technology Innovation Fund of Sichuan Earthquake Agency 201901

More Information
  • 摘要: 甘肃省舟曲县城周边区域是中国典型的滑坡、泥石流高易发区,2018-07-12县城下游江顶崖发生了滑坡堵江,对当地居民生命财产和基础设施安全造成了严重威胁。为查明舟曲县城周边区域潜在的滑坡隐患,利用2017-10—2018-12 Sentinel-1A雷达卫星升降轨数据,基于短基线干涉测量方法对舟曲县城上下游区域活动滑坡进行了探测,共探测出23处活动滑坡。结合光学遥感影像目视解释和现场调查,对江顶崖、门头坪、锁儿头、泄流坡滑坡等4处典型滑坡形变特征进行了详细分析,发现该区域滑坡形变速率主要受降雨影响。研究结果可为舟曲县城防灾减灾提供重要的决策依据。
  • 图  1  研究区位置图和雷达卫星影像覆盖范围

    Figure  1.  Location of the Study Area and Coverage of Radar Satellite Images

    图  2  InSAR探测的滑坡年均形变速率图

    Figure  2.  Annual Average Deformation Rate of Detected Landslides by InSAR

    图  3  江顶崖滑坡InSAR探测结果

    Figure  3.  InSAR Detected Result of Jiangdingya Landslide

    图  4  门头坪滑坡InSAR探测结果

    Figure  4.  InSAR Detected Result of Mentouping Landslide

    图  5  锁儿头滑坡InSAR探测结果

    Figure  5.  InSAR Detected Result of Suoertou Landslide

    图  6  泄流坡滑坡InSAR探测结果

    Figure  6.  InSAR Detected Result of Xieliupo Landslide

  • [1] 许强, 董秀军, 李为乐. 基于天-空-地一体化的重大地质灾害隐患早期识别与监测预警[J]. 武汉大学学报·信息科学版, 2019, 44(7): 957-966 http://ch.whu.edu.cn/cn/y2019/v44/i7/957

    Xu Qiang, Dong Xiujun, Li Weile. Integrated Space-Air-Ground Early Detection, Monitoring and Warning System for Potential Catastrophic Geohazards[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 957- 966 http://ch.whu.edu.cn/cn/y2019/v44/i7/957
    [2] 李为乐, 许强, 陆会燕, 等. 大型岩质滑坡形变历史回溯及其启示[J]. 武汉大学学报·信息科学版, 2019, 44(7): 1 043-1 053 http://ch.whu.edu.cn/article/id/6446

    Li Weile, Xu Qiang, Lu Huiyan, et al. Tracking the Deformation History of Large-Scale Rocky Landslides and Its Enlightenment[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 1 043-1 053 http://ch.whu.edu.cn/article/id/6446
    [3] 刘传正, 苗天宝, 陈红旗, 等. 甘肃舟曲2010年8月8日特大山洪泥石流灾害的基本特征及成因[J]. 地质通报, 2011, 30(1): 141-150 doi:  10.3969/j.issn.1671-2552.2011.01.015

    Liu Chuanzheng, Miao Tianbao, Chen Hongqi, et al. Basic Feature and Origin of the "8·8" Mountain Torrent-Debris Flow Disaster Happened in Zhouqu County, Gansu, China, Aug. 8, 2010[J]. Geological Bulletin of China, 2011, 30(1): 141-150 doi:  10.3969/j.issn.1671-2552.2011.01.015
    [4] 赵超英, 刘晓杰, 张勤, 等. 甘肃黑方台黄土滑坡InSAR识别、监测与失稳模式研究[J]. 武汉大学学报·信息科学版, 2019, 44(7): 996-1 007 http://ch.whu.edu.cn/CN/Y2019/V44/I7/996

    Zhao Chaoying, Liu Xiaojie, Zhang Qin, et al. Research on Loess Landslide Identification, Monitoring and Failure Mode with InSAR Technique in Heifangtai, Gansu[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 996-1 007 http://ch.whu.edu.cn/CN/Y2019/V44/I7/996
    [5] Dong J, Liao M S, Xu Q, et al. Detection and Displacement Characterization of Landslides Using Multi-temporal Satellite SAR Interferometry: A Case Study of Danba County in the Dadu River Basin[J]. Engineering Geology, 2018, 240: 90-109 http://www.sciencedirect.com/science/article/pii/S0013795217310736
    [6] 霍东平, 张彬, 彭军还, 等. 滑坡变形监测技术研究现状与展望[J]. 工程勘察, 2015, 43(8): 62-67 https://www.cnki.com.cn/Article/CJFDTOTAL-GCKC201508013.htm

    Huo Dongping, Zhang Bin, Peng Junhuan, et al. Review and Prospective of Landslide Deformation Monitoring[J]. Geotechnical Investigation & Surveying, 2015, 43(8): 62-67 https://www.cnki.com.cn/Article/CJFDTOTAL-GCKC201508013.htm
    [7] Guo J M, Hu J Y, Li B, et al. Land Subsidence in Tianjin for 2015 to 2016 Revealed by the Analysis of Sentinel-1A with SBAS-InSAR[J]. Journal of Applied Remote Sensing, 2017, 11(2): 026024 doi:  10.1117/1.JRS.11.026024
    [8] 陆会燕, 李为乐, 许强, 等. 光学遥感与InSAR结合的金沙江白格滑坡上下游滑坡隐患早期识别[J]. 武汉大学学报·信息科学版, 2019, 44(9): 1 342-1 354 http://ch.whu.edu.cn/article/id/6507

    Lu Huiyan, Li Weile, Xu Qiang, et al. Early Detection of Landslides in the Upstream and Downstream Areas of the Baige Landslide, the Jinsha River Based on Optical Remote Sensing and InSAR Technologies[J]. Geomatics and Information Science of Wuhan University, 2019, 44(9): 1 342-1 354 http://ch.whu.edu.cn/article/id/6507
    [9] 张路, 廖明生, 董杰, 等. 基于时间序列InSAR分析的西部山区滑坡灾害隐患早期识别——以四川丹巴为例[J]. 武汉大学学报·信息科学版, 2018, 43(12): 286-296 http://ch.whu.edu.cn/article/id/6288

    Zhang Lu, Liao Mingsheng, Dong Jie, et al. Early Detection of Landslide Hazards in Mountainous Areas of West China Using Time Series SAR Interferometry—A Case Study of Danba, Sichuan[J]. Geomatics and Information Science of Wuhan University, 2018, 43(12): 286-296 http://ch.whu.edu.cn/article/id/6288
    [10] Crosetto M, Monserrat O, Cuevas G, et al. Persistent Scatterer Interferometry: A Review[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015, 115: 78-89 http://www.sciencedirect.com/science/article/pii/S0924271615002415
    [11] Zhang Y, Meng X M, Chen G, et al. Detection of Geohazards in the Bailong River Basin Using Synthetic Aperture Radar Interferometry[J]. Landslides, 2016, 13(5): 1 273-1 284 doi:  10.1007/s10346-015-0660-8
    [12] Sun Q, Zhang L, Ding X L, et al. Slope Deformation Prior to Zhouqu, China Landslide from InSAR Time Series Analysis[J]. Remote Sensing of Environment, 2015, 156: 45-57 doi:  10.1016/j.rse.2014.09.029
    [13] 张之贤, 张强, 陶际春, 等. 2010年"8·8"舟曲特大山洪泥石流灾害形成的气候特征及地质地理环境分析[J]. 冰川冻土, 2012, 34(4): 898-905 https://www.cnki.com.cn/Article/CJFDTOTAL-BCDT201204018.htm

    Zhang Zhixian, Zhang Qiang, Tao Jichun, et al. Climatic and Geological Environmental Characteristics of the Exceptional Debris Flow Outburst in Zhouqu, Gansu Province, on 8 August, 2010[J]. Journal of Glaciology and Geocryology, 2012, 34(4): 898-905 https://www.cnki.com.cn/Article/CJFDTOTAL-BCDT201204018.htm
    [14] 刘传金, 邱江涛, 王金烁, 等. 基于升降轨Sentinel-1 SAR影像研究精河Ms6.6地震震源机制[J]. 大地测量与地球动力学, 2018, 38(11): 1 111-1 116 https://www.cnki.com.cn/Article/CJFDTOTAL-DKXB201811003.htm

    Liu Chuanjin, Qiu Jiangtao, Wang Jinshuo, et al. The 2017 Jinghe Ms6.6 Earthquake Inversion from Ascending and Descending Sentinel-1 Observations[J]. Journal of Geodesy and Geodynamics, 2018, 38(11): 1 111-1 116 https://www.cnki.com.cn/Article/CJFDTOTAL-DKXB201811003.htm
    [15] Chen G, Zhang Y. Detection of Land Subsidence Associated with Land Creation and Rapid Urbanization in the Chinese Loess Plateau Using Time Series InSAR: A Case Study of Lanzhou New District[J]. Remote Sensing, 2018, 10(2): 1-23 http://adsabs.harvard.edu/abs/2018RemS...10..270C
    [16] Berardino P, Fornaro G, Lanari R, et al. A New Algorithm for Surface Deformation Monitoring Based on Small Baseline Differential SAR Interferograms[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(11): 2 375-2 383 doi:  10.1109/TGRS.2002.803792
    [17] 郭长宝, 任三绍, 李雪, 等. 甘肃舟曲南峪江顶崖古滑坡发育特征与复活机理[J]. 现代地质, 2019, 33(1): 206-217 https://www.cnki.com.cn/Article/CJFDTOTAL-XDDZ201901020.htm

    Guo Changbao, Ren Sanshao, Li Xue, et al. Development Characteristics and Reactivation Mechanism of the Jiangdingya Ancient Landslide in the Nanyu Town, Zhouqu County, Gansu Province[J]. Geoscience, 2019, 33(1): 206-217 https://www.cnki.com.cn/Article/CJFDTOTAL-XDDZ201901020.htm
    [18] 蒋秀姿, 文宝萍, 蒋树, 等. 甘肃舟曲锁儿头滑坡活动的主控因素分析[J]. 吉林大学学报(地球科学版), 2015, 45(6): 1 798-1 807 https://www.cnki.com.cn/Article/CJFDTOTAL-CCDZ201506020.htm

    Jiang Xiuzi, Wen Baoping, Jiang Shu, et al. Main Factors Analysis for Controlling Kinematic Behavior of Suoertou Landslide[J]. Journal of Jilin University (Earth Science Edition), 2015, 45(6): 1 798-1 807 https://www.cnki.com.cn/Article/CJFDTOTAL-CCDZ201506020.htm
    [19] 张毅. 基于InSAR技术的地表变形监测与滑坡早期识别研究[D]. 兰州: 兰州大学, 2018

    Zhang Yi. Detecting Ground Deformation and Investigating Landslides Using InSAR Technique—Taking Middle Reach of Bailong River Basin as an Example[D]. Lanzhou: Lanzhou University, 2018
    [20] 黄晓, 杨为民, 张春山, 等. 甘肃南部坪定-化马断裂带锁儿头滑坡成因机制[J]. 地质通报, 2013, 32(12): 1 936-1 942 https://www.cnki.com.cn/Article/CJFDTOTAL-ZQYD201312007.htm

    Huang Xiao, Yang Weimin, Zhang Chunshan, et al. The Formation Mechanism of Suoertou Landslide in Pingding-Huama Fault Zone, Southern Gansu[J]. Geological Bulletin of China, 2013, 32(12): 1 936-1 942 https://www.cnki.com.cn/Article/CJFDTOTAL-ZQYD201312007.htm
    [21] 李文彦, 张媛, 韩鑫, 等. 舟曲锁儿头滑坡裂缝变形特征研究[J]. 人民长江, 2013, 44(3): 33-35 doi:  10.3969/j.issn.1001-4179.2013.03.009

    Li Wenyan, Zhang Yuan, Han Xin, et al. Seismic Response of Rock Slope Considering Distribution Features of Structural Interfaces[J]. Yangtze River, 2013, 44(3): 33-35 doi:  10.3969/j.issn.1001-4179.2013.03.009
    [22] 张翔. 甘肃舟曲锁儿头滑坡变形破坏机制及稳定性研究[D]. 成都: 成都理工大学, 2012

    Zhang Xiang. Study on Stability and Deformation Damage Mechanism of the Suoertou Landslide in Zhouqu County Gansu Province[D]. Chengdu: Chengdu University of Technology, 2012
    [23] 陈家兴. 甘肃舟曲锁儿头滑坡失稳机制离心模型试验研究[D]. 成都: 成都理工大学, 2013

    Chen Jiaxing. The Centrifuge Model Test for the Sliding Mechanism of the Suoertou Landslide in Zhouqu County Gansu Province[D]. Chengdu: Chengdu University of Technology, 2013
    [24] 蒋秀姿, 文宝萍. 缓慢复活型滑坡滑带土的蠕变性质与特征强度试验研究[J]. 岩土力学, 2015(2): 495-501 https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201502030.htm

    Jiang Xiuzi, Wen Baoping. Creep Behavior of Slipzone of Reactivated Slow-Moving Landslide and Its Characteristic Strength[J]. Rock and Soil Mechanics, 2015(2): 495-501 https://www.cnki.com.cn/Article/CJFDTOTAL-YTLX201502030.htm
    [25] 杜飞. 甘肃舟曲泄流坡滑坡基本特征及其堵江预测研究[D]. 成都: 成都理工大学, 2015

    Du Fei. Study on the Basic Characteristics of the Xieliupo Landslide and the Prediction of Blocking the River in Zhouqu County Gansu[D]. Chengdu: Chengdu University of Technology, 2015
    [26] 刘东飞, 王雄师, 杨欢, 等. 基于可靠度分析的甘肃舟曲泄流坡滑坡风险评价[J]. 山地学报, 2017, 35(3): 323-331 https://www.cnki.com.cn/Article/CJFDTOTAL-SDYA201703010.htm

    Liu Dongfei, Wang Xiongshi, Yang Huan, et al. Risk Assessment of Zhouqu Xieliupo Landslide Based on Reliability Analysis in Zhouqu County of Gansu Province[J]. Mountain Research, 2017, 35(3): 323-331 https://www.cnki.com.cn/Article/CJFDTOTAL-SDYA201703010.htm
    [27] 康亚. InSAR技术在西南山区滑坡探测与监测的应用[D]. 西安: 长安大学, 2016

    Kang Ya. Landslide Detection and Monitoring over Southwestern Mountainous Area with InSAR[D]. Xi'an: Chang'an University, 2016
    [28] 许强. 对地质灾害隐患早期识别相关问题的认识与思考[J]. 武汉大学学报·信息科学版, 2020, 45(11): 1 651-1 659 doi:  10.13203/j.whugis20200043

    Xu Qiang. Understanding and Consideration of Related Issues in Early Identification of Potential Geohazards[J]. Geomatics and Information Science of Wuhan University, 2020, 45(11): 1 651-1 659 doi:  10.13203/j.whugis20200043
    [29] 李振洪, 宋闯, 余琛, 等. 卫星雷达遥感在滑坡灾害探测和监测中的应用: 挑战与对策[J]. 武汉大学学报·信息科学版, 2019, 44(7): 967-979 http://ch.whu.edu.cn/article/id/6439

    Li Zhenhong, Song Chuang, Yu Chen, et al. Application of Satellite Radar Remote Sensing to Landslide Detection and Monitoring: Challenge and Solutions[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 967-979 http://ch.whu.edu.cn/article/id/6439
  • [1] 许强, 陆会燕, 李为乐, 董秀军, 郭晨.  滑坡隐患类型与对应识别方法 . 武汉大学学报 ● 信息科学版, 2022, 47(3): 377-387. doi: 10.13203/j.whugis20210618
    [2] 李梦华, 张路, 董杰, 蔡杰华, 廖明生.  四川茂县岷江河谷区段滑坡隐患雷达遥感识别与形变监测 . 武汉大学学报 ● 信息科学版, 2021, 46(10): 1529-1537. doi: 10.13203/j.whugis20210367
    [3] 刘斌, 葛大庆, 王珊珊, 李曼, 张玲, 王艳, 吴琼.  TOPS和ScanSAR模式InSAR在广域地灾隐患识别中的联合应用 . 武汉大学学报 ● 信息科学版, 2020, 45(11): 1756-1762. doi: 10.13203/j.whugis20200259
    [4] 王之栋, 文学虎, 唐伟, 刘晖, 王德富.  联合多种InSAR技术的龙门山-大渡河区域地灾隐患早期探测 . 武汉大学学报 ● 信息科学版, 2020, 45(3): 451-459. doi: 10.13203/j.whugis20190064
    [5] 张福浩, 朱月月, 赵习枝, 张杨, 石丽红, 刘晓东.  地理因子支持下的滑坡隐患点空间分布特征及识别研究 . 武汉大学学报 ● 信息科学版, 2020, 45(8): 1233-1244. doi: 10.13203/j.whugis20200126
    [6] 许强.  对地质灾害隐患早期识别相关问题的认识与思考 . 武汉大学学报 ● 信息科学版, 2020, 45(11): 1651-1659. doi: 10.13203/j.whugis20200043
    [7] 蔡杰华, 张路, 董杰, 董秀军, 廖明生, 许强.  九寨沟震后滑坡隐患雷达遥感早期识别与形变监测 . 武汉大学学报 ● 信息科学版, 2020, 45(11): 1707-1716. doi: 10.13203/j.whugis20200263
    [8] 赵超英, 刘晓杰, 张勤, 彭建兵, 许强.  甘肃黑方台黄土滑坡InSAR识别、监测与失稳模式研究 . 武汉大学学报 ● 信息科学版, 2019, 44(7): 996-1007. doi: 10.13203/j.whugis20190072
    [9] 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 . 武汉大学学报 ● 信息科学版, 2019, 44(12): 1778-1786, 1796. doi: 10.13203/j.whugis20190092
    [10] 李为乐, 许强, 陆会燕, 董秀军, 朱要强.  大型岩质滑坡形变历史回溯及其启示 . 武汉大学学报 ● 信息科学版, 2019, 44(7): 1043-1053. doi: 10.13203/j.whugis20190090
    [11] 许强, 董秀军, 李为乐.  基于天-空-地一体化的重大地质灾害隐患早期识别与监测预警 . 武汉大学学报 ● 信息科学版, 2019, 44(7): 957-966. doi: 10.13203/j.whugis20190088
    [12] 葛大庆, 戴可人, 郭兆成, 李振洪.  重大地质灾害隐患早期识别中综合遥感应用的思考与建议 . 武汉大学学报 ● 信息科学版, 2019, 44(7): 949-956. doi: 10.13203/j.whugis20190094
    [13] 陆会燕, 李为乐, 许强, 董秀军, 代聪, 王栋.  光学遥感与InSAR结合的金沙江白格滑坡上下游滑坡隐患早期识别 . 武汉大学学报 ● 信息科学版, 2019, 44(9): 1342-1354. doi: 10.13203/j.whugis20190086
    [14] 丁超, 冯光财, 周玉杉, 王会强, 杜亚男, 陈晨月.  尼泊尔地震触发滑坡识别和雪崩形变分析 . 武汉大学学报 ● 信息科学版, 2018, 43(6): 847-853, 950. doi: 10.13203/j.whugis20160031
    [15] 张路, 廖明生, 董杰, 许强, 龚健雅.  基于时间序列InSAR分析的西部山区滑坡灾害隐患早期识别——以四川丹巴为例 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 2039-2049. doi: 10.13203/j.whugis20180181
    [16] 李永生, 张景发, 李振洪, 罗毅.  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 . 武汉大学学报 ● 信息科学版, 2013, 38(11): 1374-1377.
    [17] 周志伟, 鄢子平, 刘苏, 李振洪.  永久散射体与短基线雷达干涉测量在城市地表形变中的应用 . 武汉大学学报 ● 信息科学版, 2011, 36(8): 928-931.
    [18] 蒋征, 张正禄.  滑坡变形的模式识别 . 武汉大学学报 ● 信息科学版, 2002, 27(2): 127-132.
    [19] 姜万冬, 席江波, 李振洪, 丁明涛, 杨立功, 谢大帅.  模拟困难样本的Mask R-CNN滑坡分割识别 . 武汉大学学报 ● 信息科学版, 0, 0(0): 0-0. doi: 10.13203/j.whugis20200692
    [20] 秦宏楠, 马海涛, 于正兴, 刘玉溪.  地基雷达干涉测量动态高频次数据用于滑坡早期预警方法研究 . 武汉大学学报 ● 信息科学版, 0, 0(0): -. doi: 10.13203/j.whugis20220152
  • 加载中
图(6)
计量
  • 文章访问数:  639
  • HTML全文浏览量:  274
  • PDF下载量:  111
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-05-04
  • 刊出日期:  2021-07-10

甘肃省舟曲县城周边活动滑坡InSAR探测

doi: 10.13203/j.whugis20190457
    基金项目:

    国家自然科学基金川藏铁路专项 41941019

    国家创新研究群体科学基金 41521002

    四川省科技支撑计划项目 2017JQ0031

    四川省科技支撑计划项目 2018SZ0339

    四川省地震科技创新团队专项 201901

    作者简介:

    代聪,硕士生,主要从事InSAR地质灾害早期识别研究。149834307@qq.com

    通讯作者: 李为乐,博士,教授. E-mail: liweile08@mail.cdut.edu.cn
  • 中图分类号: P237

摘要: 甘肃省舟曲县城周边区域是中国典型的滑坡、泥石流高易发区,2018-07-12县城下游江顶崖发生了滑坡堵江,对当地居民生命财产和基础设施安全造成了严重威胁。为查明舟曲县城周边区域潜在的滑坡隐患,利用2017-10—2018-12 Sentinel-1A雷达卫星升降轨数据,基于短基线干涉测量方法对舟曲县城上下游区域活动滑坡进行了探测,共探测出23处活动滑坡。结合光学遥感影像目视解释和现场调查,对江顶崖、门头坪、锁儿头、泄流坡滑坡等4处典型滑坡形变特征进行了详细分析,发现该区域滑坡形变速率主要受降雨影响。研究结果可为舟曲县城防灾减灾提供重要的决策依据。

English Abstract

代聪, 李为乐, 陆会燕, 杨帆, 许强, 简季. 甘肃省舟曲县城周边活动滑坡InSAR探测[J]. 武汉大学学报 ● 信息科学版, 2021, 46(7): 994-1002. doi: 10.13203/j.whugis20190457
引用本文: 代聪, 李为乐, 陆会燕, 杨帆, 许强, 简季. 甘肃省舟曲县城周边活动滑坡InSAR探测[J]. 武汉大学学报 ● 信息科学版, 2021, 46(7): 994-1002. doi: 10.13203/j.whugis20190457
DAI Cong, LI Weile, LU Huiyan, YANG Fan, XU Qiang, JIAN Ji. Active Landslides Detection in Zhouqu County, Gansu Province Using InSAR Technology[J]. Geomatics and Information Science of Wuhan University, 2021, 46(7): 994-1002. doi: 10.13203/j.whugis20190457
Citation: DAI Cong, LI Weile, LU Huiyan, YANG Fan, XU Qiang, JIAN Ji. Active Landslides Detection in Zhouqu County, Gansu Province Using InSAR Technology[J]. Geomatics and Information Science of Wuhan University, 2021, 46(7): 994-1002. doi: 10.13203/j.whugis20190457
  • 滑坡是在重力、地震及降雨等因素作用下,坡体作剪切运动的自然现象,在山地演化过程中发挥着重要作用[1-2]。甘肃省甘南藏族自治州舟曲县是中国典型的地质灾害高发区,如2010-08-08舟曲县城北部山区因强降雨形成特大泥石流,造成舟曲县城大部分地区被毁,1 765人遇难[3];2018-07-12舟曲县城下游南峪乡江顶崖发生大规模滑坡堵江事件,滑坡体总量达到500万m3,造成白龙江河道堵塞,345国道中断。舟曲县城周边区域是否仍存在大规模活动滑坡隐患是社会各界关心的问题。因此,对该地区地质灾害隐患点进行早期识别,对保护当地居民生命财产和基础设施安全具有重要意义。

    传统滑坡地表变形探测技术主要有全站仪、水准仪、全球定位系统等,这些技术方法操作简单、精度高,但均需要现场测量,费时费力、成本昂贵,且一般只能对已知的滑坡进行单点监测,无法实现大区域滑坡形变探测。利用光学遥感技术可以目视解译和识别形变特征明显的滑坡,但很难获取滑坡形变量[4-6]。近年来,日趋成熟的合成孔径雷达干涉测量技术(interferometric synthetic aperture radar,InSAR)利用雷达影像相位信息探测雷达视线方向的微小形变信息,具有覆盖范围广、穿透云层、全天候运作、精度高的特点,形变探测精度达厘米级甚至毫米级[7-9]。在差分InSAR的基础上,多次重复轨道观测演变出了时间序列InSAR分析方法,包括永久性散射体(persistent scatter interferometry,PSI)InSAR方法、小基线集(small baseline subset,SBAS)InSAR方法和混合时序InSAR方法[10]。由意大利学者提出并经过多国学者改进的SBAS方法[8]以多影像为主影像,形成序列干涉图,时空基线较短。它首先对差分干涉相位进行空间滤波,并基于平均空间相干性识别慢失相关滤波相位像素点(slowly-decor-relating filtered phase pixel,SDFP),然后进行三维相位解缠和奇异值分解,求解单主影像相位序列,最后采用时空滤波估计和去除大气延迟相位,得到地形高程误差和形变序列信息。SBAS方法利用的SDFP点实际上属于短时间段内保持较强相干能力的分布式散射体(distributed scatterers,DS)目标,而DS目标普遍存在于沙地、草地等自然界中,因此SBAS方法比PSI方法更适用于山区滑坡等自然场景的形变检测[8-9]

    国内已有多位学者基于InSAR技术对舟曲县城周边滑坡开展了研究。Zhang等[11]利用2003—2010年55景ENVISAT降轨影像基于SBAS方法探测到舟曲县城附近存在104处形变异常点。Sun等[12]利用2007—2010年16景ALOS/PALSAR升轨影像,基于StaMPS-SB (Stanford method for persistent scatterer-small baseline)方法探测到舟曲县城附近4个区域存在明显的形变信息。相关研究主要是对该区域2010年之前的活动滑坡进行探测,同时利用升、降轨雷达卫星数据对该区域滑坡进行探测的报道鲜为少见。本文基于SBAS-InSAR方法,利用Sentinel-1A升降轨雷达卫星影像对舟曲县城周边活动滑坡进行探测,结合光学卫星影像和野外调查,分析典型滑坡的形变特征以及与降雨之间的关系。

    • 舟曲县城位于甘肃南部白龙江流域中游、甘南藏族自治州东南部,地处西秦岭岷、迭山系与青藏高原边缘,地势西高东低,地形复杂,高差悬殊,气候有明显的垂直变化,是典型的高山峡谷地貌(图 1),属温带季风区。舟曲大部分地区植被茂密,但随着经济社会的发展和生活需求,人类活动对舟曲的地质环境产生了极大影响,导致滑坡灾害呈现多发的趋势[12-13]

      图  1  研究区位置图和雷达卫星影像覆盖范围

      Figure 1.  Location of the Study Area and Coverage of Radar Satellite Images

      该地区历史上曾发生过多次地质灾害事件[12]。1978、1989、1992和2010年舟曲县城周边先后发生了4次大型泥石流灾害,造成巨大的生命财产损失。1963年以来,县城下游泄流坡滑坡持续变形,并于1981年发生大面积滑坡;位于舟曲县上游的锁儿头滑坡,其滑坡方量达数千万立方米,自20世纪复活后,近百年中一直处于蠕滑变形阶段[12];2018-07-12南峪乡江顶崖滑坡发生大规模失稳,堵塞白龙江形成堰塞湖,使得该区域滑坡稳定性问题再次引起社会各界的关注。

    • 本文利用2017-10—2018-12覆盖研究区域的35景Sentinel-1A[14-15]升轨数据和49景Sentinel-1A降轨数据估算研究区视线方向(line of sight,LOS)的形变速率。采用30 m分辨率的SRTM(shuttle radar topography mission) DEM(digital elevation model)去除地形相位。设置时间基线为70 d,空间阈值为2%,短基线可以有效减少几何失相干、DEM误差带来的不利影响。此外,本文还收集了舟曲县气象站2017-10-01—2018-12-31的降水量数据,用于分析滑坡形变与降雨量之间的关系。

    • SBAS技术是Berardino等[16]于2002年提出的减少空间、时间去相干的方法。该方法将所有SAR影像根据时空基线建立干涉像对连接图,并分成不同的短基线集,这样有利于减少视角差异造成的去相干,也可采用滤波、多视等方法增加相干性。为了增加差分干涉图的数量,选取多景影像为主影像,其他为从影像,分别将主从影像进行配准重采样,并根据相干性筛选干涉图。对缠绕的干涉相位解缠,并判断各相干像元相位与观测时间的关系。使用奇异值分解和最小二乘法将每个像对的变形相位转换到基于初始影像的形变值,采用时空滤波估计、去除大气延迟相位和DEM误差对形变相位的影响,从而获得最终的变形结果[15]。本文的SBAS数据在ENVI SARscape 5.2.1软件平台中进行处理。

    • 根据Sentinel-1A卫星升降轨影像时序分析,共探测出23处存在持续地表形变的滑坡隐患。利用光学卫星影像对滑坡边界进行人工目视解译和圈定,最终确定23处滑坡隐患,总面积约为40 km2图 2为舟曲县城范围内InSAR探测的滑坡年均形变速率图,红色点(负值)表示目标沿着LOS方向向卫星反方向移动,蓝色点(正值)表示目标沿着LOS方向向卫星方向移动,绿色点则表示相对稳定。基于Sentinel-1A数据的InSAR技术探测到舟曲县城附近的滑坡运动方向多为东西向,升轨Sentinel-1A雷达可以探测坡向朝东坡体上的滑坡隐患,坡向朝西的斜坡在SAR影像上会出现阴影、顶底倒置、叠掩的几何畸变现象,反之亦然。同时,升轨数据也能接收来自坡向朝西滑坡的部分信号。

      图  2  InSAR探测的滑坡年均形变速率图

      Figure 2.  Annual Average Deformation Rate of Detected Landslides by InSAR

      根据形变速率结果并结合光学影像,有4处滑坡隐患点在升轨和降轨时序分析结果中均探测到有效形变信息,分别为H01、H02、H09、H21。其中H01、H21为朝东坡体上的滑坡,在图 2(a)Sentinel-1A升轨形变速率结果中相干性较好,而在图 2(b)降轨形变速率中只有少量的相干点,正是由于几何畸变而不能探测到更多的形变信息。H09、H02滑坡在升、降轨形变速率图中均可探测到形变信息。H13、H15~H19、H22共7个滑坡只能在降轨数据InSAR形变速率图中识别到,H03~H08、H10~H12、H14、H20、H23共12个滑坡只能在升轨数据InSAR形变速率图中识别到。

    • 在探测出的23处活动滑坡中,锁儿头滑坡(H01)、泄流坡滑坡(H09)、门头坪滑坡(H13)和江顶崖滑坡(H14)4处滑坡在前人InSAR研究中均探测到存在形变[11-12],均位于白龙江干流,且规模巨大,一旦整体失稳,则有堵塞白龙江形成堰塞湖的风险,对当地居民和基础设施造成严重威胁,例如2018-07-12江顶崖滑坡[17]。故本文选取上述4处滑坡为典型案例进行详细分析。

    • 江顶崖滑坡位于舟曲县城东南方向8 km的白龙江左岸(图 3(a)),滑坡长约680 m,宽约310 m,厚度约为35 m,体积约5×106 m3,为古滑坡堆积体复活型滑坡[17]图 3(b)为该滑坡2017-10-01—2018-07-08 Sentinel-1A升轨影像LOS方向形变速率图。在滑坡体上分别选取3个特征点P1、P2、P3,其中P1平均形变速率为43 mm/a,累计形变量为40 mm;P2平均形变速率为49 mm/a,累计形变量为43 mm;P3平均形变速率为28 mm/a,累计形变量为26 mm。可见该滑坡在2018-07-12发生失稳前,滑坡体整体形变显著,且滑体后缘形变速率要显著大于滑体前缘,表明该滑坡运动模式为推移式。图 3(c)为滑坡体3处特征点累计形变量与降雨量的关系图。在观测期内,该滑坡形变大致可分为匀速变形(2017-10-05—2018-03-22)、第1次加速运动(2018-03-22—2018-06-02)、第2次加速运动(2018-06-02—2018-07-08)和整体失稳(2018-07-12)4个阶段。以P1点为例,匀速变形阶段,平均形变速率为20 mm/a,累计形变量为9 mm,累积降雨量为70.3 mm,日平均降雨量为0.4 mm;第1次加速运动阶段,平均形变速率为65 mm/a,累计形变量为13 mm,累积降雨量为125.2 mm,日平均降雨量为1.7 mm;第2次加速运动阶段,平均形变速率为180 mm/a,累计形变量为18 mm,累积降雨量为128.1 mm,日平均降雨量为3.6 mm;2018-07-11—2018-07-12日降雨量达28 mm,达到全年最高峰,最终导致了江顶崖滑坡整体失稳。可见该滑坡形变速率与累积降雨量和平均日平均降雨量有较显著的相关性,滑坡在雨季的形变速率要显著大于非雨季。

      图  3  江顶崖滑坡InSAR探测结果

      Figure 3.  InSAR Detected Result of Jiangdingya Landslide

    • 门头坪滑坡位于舟曲县城东南方向约7.5 km、江顶崖滑坡西北方向约500 m的位置(图 4(a)),坡度约40°~50°,省道S313从坡脚通过。图 4(b)为该滑坡2017-10-01—2018-12-30 Sentinel-1A降轨影像LOS方向形变速率图。在滑坡体上分别选取3个特征点P1、P2、P3,其中P1平均形变速率为73 mm/a,累计形变量为87 mm,是该滑坡形变量最大的区域,该区域在光学卫星上可见明显的拉张裂缝;P2平均形变速率为32 mm/a,累计形变量为57 mm;P3平均形变速率为37 mm/a,累计形变量为46 mm,该区域在光学卫星上形变迹象较明显,受公路切坡影响较大。可见该滑坡整体形变显著,且滑体后缘形变速率同样要显著大于滑体前缘,表明该滑坡运动模式也为推移式。图 4(c)为滑坡体3处特征点累计形变量与降雨量的关系图,可见该滑坡在2018-06-26有1次加速过程。以P1点为例,2017-10-05—2018-06-26平均形变速率为59 mm/a,累计形变量为41 mm,累积降雨量为258 mm,日平均降雨量为1 mm;2018-06-26—2018-12-23平均形变速率为92 mm/a,累计形变量为46 mm,累积降雨量为313.3 mm,日平均降雨量为1.7 mm。可见该滑坡形变速率与累积降雨量和日平均降雨量同样有较显著的相关性。

      图  4  门头坪滑坡InSAR探测结果

      Figure 4.  InSAR Detected Result of Mentouping Landslide

    • 锁儿头滑坡是一个特大土流型滑坡[18-19],该滑坡位于舟曲县城西侧、白龙江左岸。滑坡全长3 300 m,最宽处有700 m(图 5(a)),相对高差约900 m,体积约7.3×107m3[5, 18]。锁儿头滑坡下部为断层破碎带,风化程度高,上部表层为粉质粘土及残坡积碎石土[19]。该滑坡自20世纪70年代复活之后,一直处于缓慢变形中[19-24]图 5(b)为该滑坡2017-10-01—2018-12-30 Sentinel-1A升轨影像LOS方向形变速率图,可见该滑坡存在两处形变显著区域。在两处形变显著区域各选1个特征点P1、P2。其中,P1平均形变速率为60 mm/a,累计形变量为75 mm,是该滑坡形变量最大的区域。该区域岩土体极为破碎,有大量松散堆积物广泛分布(图 5(c)),且该区域下部出口狭窄,导致上部因滑动、流水搬运的物质在此处形成堆积[19]。P2平均形变速率为58 mm/a,累计形变量为64 mm。经现场调查,该区域部分居民房屋和基础设施可见大量裂缝(图 5(d))。图 5(e)为滑坡体两处特征点累计形变量与降雨量的关系图。可见该滑坡形变速率在非雨季相对稳定,在雨季形变速率有一定的波动,但整体上雨季和非雨季平均形变速率大小相当。

      图  5  锁儿头滑坡InSAR探测结果

      Figure 5.  InSAR Detected Result of Suoertou Landslide

    • 泄流坡滑坡属于典型的发育在断裂破碎带的特大型土质滑坡[24](图 6(a)),该滑坡位于舟曲县城东侧约6 km的白龙江左岸。该滑坡体长约2 600 m,平均宽度约550 m,平均厚度约48 m,总体积超过6×107 m3。滑坡体主要由碎石土组成,主要成分有千枚岩、碳质板岩风华化残积物、风积黄土,并夹杂着千枚岩、碳质板岩碎屑等[25-26]。泄流坡滑坡的形成与坪定-化马断裂带有密切关系[25]

      图  6  泄流坡滑坡InSAR探测结果

      Figure 6.  InSAR Detected Result of Xieliupo Landslide

      历史上泄流坡滑坡也因地震、降雨等多种因素造成多次堵江事件,目前仍处于缓慢和蠕滑变形中。InSAR技术探测得到该滑坡最大形变速率达110 mm/a。在滑坡体上分别选取3个特征点P1、P2、P3,由Sentinel-1A降轨数据探测到的P1点附近区域出现形变点颜色与其他形变区显著差异的现象(图 6(b))。经过现场调查得知,是由于P1点上部区域滑坡形变显著(图 6(c)),不断推挤前缘堆积体,导致前缘堆积体抬升的缘故。P2点所在区域有大量洼地,后缘较为陡峭的岩体向坡面临空面移动,造成陡壁拉应力集中沿上部拉张裂隙向下延伸,最后贯通滑塌[25]。滑坡前缘P3所在区域受上部滑体推挤变形,形成垂直向下的拉裂缝(图 6(d)),加之降雨入渗,使得裂缝不断加大,产生变形。图 6(e)为滑坡体3处特征点累计形变量与降雨量的关系图。可见该滑坡在2018-06-02有1次加速过程。以P1点为例,2017-10-05—2018-06-02平均形变速率为40 mm/a,累计形变量为28 mm,累积降雨量为195.5 mm,日平均降雨量为0.8 mm;2018-06-02—2018-12-23平均形变速率为140 mm/a,累计形变量为84 mm,累积降雨量为368.7 mm,日平均降雨量为1.8 mm。可见该滑坡形变速率与累积降雨量和平均日平均降雨量同样有较显著的相关性。

    • InSAR技术可以探测出mm/a级的地表形变信息,但其探测精度受山区复杂的大气、地形、植被覆盖等环境因素以及滑坡运动速率的影响[27-29]。例如年均形变速率图中(图 2),在升、降轨结果中均存在因植被、大气等噪声相位被误认为是滑坡隐患的区域。所以实际应用中,应结合光学影像和实地调查进行补充验证,以免误判和漏判。

      前人基于InSAR技术对舟曲县城附近区域相关性研究多为2010年之前[11-12],主要采用单一轨道数据进行滑坡探测。而SAR传感器的侧视成像工作原理会导致单轨观测过程中存在观测盲区,使得部分区域滑坡探测失效。本文利用Sentinel-1A升降轨数据结合的方式共探测出活动滑坡23处,其中仅有4处活动滑坡在升轨和降轨影像上均探测到有效的形变信息。可见在山区进行滑坡隐患探测时,采用升降轨雷达影像结合可有效减少斜视成像几何畸变导致的观测盲区。

      在植被茂密区可选用成像时间间隔较短或波长较长的SAR数据,以提高滑坡探测的准确率[29]。本文选用成像时间间隔较短的C波段Sentinel-1A雷达卫星(成像间隔为12 d),成果相干性相对于时间基线较长的ALOS-1卫星(成像间隔为46 d)更好[11],也比C波段ENVISAT卫星(成像间隔为35 d)要好[12],尤其是江顶崖滑坡均未在ALOS-1和ENVISAT时序结果中被探测出来[11-12]

    • 本文利用Sentinel-1A升降轨影像,基于SBAS-InSAR技术对舟曲县城周边活动滑坡进行了探测,并对典型滑坡的形变特征进行了分析,得到以下结论:

      1) 利用Sentinel-1A升降轨影像在研究区共探测到活动滑坡23处,其中升轨影像共探测到活动滑坡16处,降轨影像共探测到活动滑坡11处,有4处活动滑坡在升轨和降轨影像上均探测到有效形变信息。可见,利用单一轨道雷达卫星数据进行滑坡隐患探测容易导致滑坡隐患的漏判,综合利用升降轨雷达影像结合的方法可以提高地形陡峭山区滑坡隐患探测的准确率。

      2) 江顶崖滑坡、门头坪滑坡和泄流坡滑坡均表现出汛期形变速率显著大于非汛期的特点,锁儿头滑坡虽然在雨季未表现出形变速率显著增大,但也表现出形变速率在雨季波动的特点,说明研究区域活动滑坡的形变速率与降雨具有较好的相关性。由于本文的主要目的是探测出研究区的活动滑坡,故只选用了约1 a的Sentinel-1A雷达影像进行InSAR分析,要充分揭示研究区滑坡隐患的形变规律,需要在后续研究工作中利用更长时间序列的Sentinel-1A雷达影像进行InSAR分析。

      3) Sentinel-1A雷达卫星由于具有升降轨数据和较短的成像时间间隔,因此对研究区缓慢活动滑坡的探测效果要优于ALOS-1和ENVISAT卫星数据。

参考文献 (29)

目录

    /

    返回文章
    返回