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

利用2016—2020年Sentinel-1数据监测与分析三峡库区树坪滑坡稳定性

朱同同 史绪国 周超 蒋厚军 张路 廖明生

朱同同, 史绪国, 周超, 蒋厚军, 张路, 廖明生. 利用2016—2020年Sentinel-1数据监测与分析三峡库区树坪滑坡稳定性[J]. 武汉大学学报 ● 信息科学版, 2021, 46(10): 1560-1568. doi: 10.13203/j.whugis20210247
引用本文: 朱同同, 史绪国, 周超, 蒋厚军, 张路, 廖明生. 利用2016—2020年Sentinel-1数据监测与分析三峡库区树坪滑坡稳定性[J]. 武汉大学学报 ● 信息科学版, 2021, 46(10): 1560-1568. doi: 10.13203/j.whugis20210247

利用2016—2020年Sentinel-1数据监测与分析三峡库区树坪滑坡稳定性

doi: 10.13203/j.whugis20210247
基金项目: 

国家自然科学基金 41774006

国家自然科学基金 41702376

国家自然科学基金 41907253

详细信息
    作者简介:

    朱同同,硕士生,主要从事星载雷达干涉测量方法与应用研究。zhutongtong@cug.edu.cn

    通讯作者: 史绪国,博士,副教授。shixg@cug.edu.cn
  • 中图分类号: P237

Funds: 

The National Natural Science Foundation of China 41774006

The National Natural Science Foundation of China 41702376

The National Natural Science Foundation of China 41907253

More Information
    Author Bio:

    ZHU Tongtong, postgraduate, specializes in radar interferometry and its applications. E-mail: zhutongtong@cug.edu.cn

    Corresponding author: SHI Xuguo, PhD, associate professor. E-mail: shixg@cug.edu.cn
图(11)
计量
  • 文章访问数:  476
  • HTML全文浏览量:  174
  • PDF下载量:  106
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-05-17
  • 刊出日期:  2021-10-05

利用2016—2020年Sentinel-1数据监测与分析三峡库区树坪滑坡稳定性

doi: 10.13203/j.whugis20210247
    基金项目:

    国家自然科学基金 41774006

    国家自然科学基金 41702376

    国家自然科学基金 41907253

    作者简介:

    朱同同,硕士生,主要从事星载雷达干涉测量方法与应用研究。zhutongtong@cug.edu.cn

    通讯作者: 史绪国,博士,副教授。shixg@cug.edu.cn
  • 中图分类号: P237

摘要: 由于不良地质条件和周期性蓄水等因素影响,中国三峡库区岸坡的稳定性问题一直备受关注。获取了覆盖树坪滑坡周围区域2016-03─2020-03的111景哨兵1号(Sentinel-1)数据,利用时间序列合成孔径雷达干涉测量技术(interferometric synthetic aperture radar,InSAR)对该数据集中的高相干点目标和分布式目标进行分析,获取实验区坡体变形。结果显示,实验区内有7处坡体处于活跃状态,最大变形速率达到70 mm/a。与树坪滑坡GPS形变观测值进行比较,验证了InSAR结果的有效性。通过对树坪和三门洞等典型滑坡的时序分析发现,库区水位和集中降雨是滑坡变形的主要影响因素,实验区内的治理工程有效减缓了变形趋势。与此同时,公路建设与植被耕种等人类活动引起了熊家岭村等出现地面沉降,需密切关注以防止出现安全隐患。所得结果证明时序InSAR技术可以有效识别和监测滑坡,为地质灾害风险普查以及防灾减灾治理成效评价提供技术支撑。

English Abstract

朱同同, 史绪国, 周超, 蒋厚军, 张路, 廖明生. 利用2016—2020年Sentinel-1数据监测与分析三峡库区树坪滑坡稳定性[J]. 武汉大学学报 ● 信息科学版, 2021, 46(10): 1560-1568. doi: 10.13203/j.whugis20210247
引用本文: 朱同同, 史绪国, 周超, 蒋厚军, 张路, 廖明生. 利用2016—2020年Sentinel-1数据监测与分析三峡库区树坪滑坡稳定性[J]. 武汉大学学报 ● 信息科学版, 2021, 46(10): 1560-1568. doi: 10.13203/j.whugis20210247
  • 滑坡是由岩土类型、地形地貌等内部地质条件和降雨、地震、人类活动等外部触发因素引起的边坡失稳现象[1]。中国地质条件复杂,板块构造活动频繁,近年来受人类活动和全球气候变化影响,灾难性滑坡地质灾害频发,严重威胁人类生命财产的安全[2]。2017-06-24,由于降雨影响,四川茂县新磨村发生滑坡,共造成10人死亡,73人失踪[3]。2017-08-28,贵州纳雍县张家湾镇普洒村由于长期煤矿开采活动使岩体产生裂缝,最终导致高位崩塌发生,共造成26人遇难,9人失踪,8人受伤[4]。2018年10月和11月金沙江白格发生两次滑坡-堰塞堵江,共避险转移3.42万人,直接经济损失达上百亿元[5]。山区滑坡灾害具有高位、隐蔽性,事后调查发现70%以上的已发滑坡不在已知隐患点内[6-7],因此,开展地质灾害的早期识别与监测工作迫在眉睫。

    传统的变形监测手段如水准测量和全球导航卫星系统(global navigation satellite system,GNSS)等虽然精度高,但都是基于点的稀疏观测,不适宜大范围地质灾害普查[8-9]。遥感作为一种非接触、远距离探测技术,在广域滑坡制图和监测中发挥着越来越重要的作用[10-11]。合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)技术利用多次重复观测的合成孔径雷达(synthetic aperture radar,SAR)影像相位信息获取地表微小变形,在地质灾害监测与识别中发挥了重要作用[12]

    2003年,三峡库区实验性蓄水至135 m后千将坪滑坡失稳[13-14],造成严重的人员伤亡与经济损失,库区坡体稳定性问题也引起广泛关注。由于三峡库区周期性蓄水和不良地质条件的影响,长江沿岸很多坡体具有很高的失稳风险[15]。2000年,文献[16]率先在三峡库区新滩滑坡、链子崖危岩体和树坪等典型滑坡布设角反射器,开展差分干涉测量(differential interferometric synthetic aperture radar,DInSAR)技术滑坡监测,结果与实测数据吻合,初步验证了DInSAR技术滑坡监测的可行性。但由于库区植被覆盖茂密,高程起伏大,时空去相干和大气扰动等干扰因素限制了DInSAR技术的应用。为了克服上述问题,时间序列InSAR分析技术通过对多时相SAR数据集中的高相干点目标和短时间内保持相干的分布式目标进行分析,分离干扰信号,大大提高了形变监测精度,在三峡库区典型滑坡监测中取得成功应用。文献[17-19]分别采用小基线集数据集(small baseline subset,SBAS)、永久散射体干涉测量(persistent scatterer interferometry,PSI)和准永久散射体(quasi persistent scatterer,QPS)技术对巴东黄土坡滑坡变形进行监测,获取滑坡的变形特征。文献[20]通过与实测数据比较,验证了SBAS方法获取的木鱼包滑坡变形结果的可靠性,并揭示了滑坡变形分布特征和对库水位变化的响应情况。文献[21]通过对比藕塘滑坡周围区域2007—2011年先进陆地观测卫星(advance land observing satellite,ALOS)相控阵型L波段合成孔径雷达(phase array L-band SAR,PALSAR)和2015—2018年哨兵1号(Sentinel-1)数据集的InSAR结果,发现因为人类活动的影响出现了新的滑坡。文献[22]通过对时序ALOS PALSAR数据集进行分析,获取了三峡奉节到秭归区域的坡体变形速率,成功识别出范家坪和黄土坡滑坡等30个滑坡。文献[23-24]采用2012年库区水位稳定时期的高分辨率X波段陆地SAR(X-band terrace SAR,TerraSAR-X)数据对树坪滑坡进行监测,确定滑坡主要变形区范围。由于树坪滑坡整体形变较大,形变速率最快可以达到35 mm/d[25],给长江航运造成极大安全威胁,因此,2014-08—2015-06,相关部门对树坪滑坡集中加速变形区进行减重应急治理[26],并利用GPS对治理后关键位置进行监测,但监测点覆盖十分有限。因此,需对治理后的树坪滑坡进行必要的监测分析,获取其变形范围及时空特征。

    本文利用时序InSAR技术对2016-03—2020-03 Sentinel-1数据集进行分析,获取树坪滑坡及周围区域坡体变形速率,识别活跃滑坡。通过对树坪和三门洞等典型滑坡的时序变形分析,获取滑坡的变形特征和影响因素。此外,还对熊家岭村地表变形的影响因素进行了讨论。

    • 树坪滑坡位于中国湖北省宜昌市秭归县境内,区域内长江水道贯穿,分布有青干河、童庄河等长江一级支流(见图 1)。实验区气候湿润,降雨连续集中,雨季月平均降雨量为150~460 mm。实验区地势西南高东北低,坡度30°~40°,高程范围在500~750 m。图 1中黑色矩形框区域为本文实验区,区内分布有由褶皱向上拱起形成的百福坪-流来观背斜构造。地层岩性以砂岩泥岩等极软岩为主,长江干流斜坡表面主要由三叠系中统巴东组泥岩、粉砂岩夹泥灰岩组成。支流主要为侏罗系中下统聂家山组紫红色中厚层泥质粉砂岩、长石石英砂岩夹生屑灰岩组成[27]。脆弱岩性和复杂地质构造使该区滑坡发育[27],如图 1中所示。目前已知22处滑坡灾害点,其中长江干流沿岸发育有树坪滑坡在内的7个灾害点。青干河右岸共发育3个灾害点,青干河左岸和锣鼓洞河左岸灾害点分布较为集中,共计12处。

      图  1  实验区

      Figure 1.  Study Area

      本文收集2016-03—2020-03的宽幅干涉模式(interferometric wide,IW)Sentinel-1升轨数据111景。IW模式的单视复数影像(single look complex,SLC)一般由3个测绘子带组成,每个子带包含9个burst[28],覆盖范围约250 km。为了保持相干性,本文仅对夏天获取的数据进行两个周期以内的干涉组合,对冬天数据进行3个周期以内干涉组合,干涉对组合情况如图 2所示。本文获取了覆盖实验区30 m分辨率的AW3D DSM(ALOS World 3D Digital Surface Model)[29]进行辅助配准、差分干涉图生成和地理编码;获取了位于树坪滑坡上的两个GPS站点ZG86和SP-6的2016—2018年观测数据验证InSAR结果;获取2016—2020年的巴东气象站点日值降雨数据和三峡上游水位数据用于滑坡稳定性影响因素分析。

      图  2  干涉图组合

      Figure 2.  Interferograms Combination

    • 获取Sentinel-1 IW数据时,天线波束在每个burst成像时间内从后往前摆动,方位向多普勒中心频率也随之发生变化。因此,要实现可靠的InSAR数据处理,需要达到优于0.001像素的配准精度[30]才能避免数据拼接时的相位误差。本文采用AW3D DSM和Sentinels精密定轨产品用于burst间的几何配准,并利用增强谱分集方法来估计时间序列的方位偏移,进行精配准[2830]。对配准和拼接的SLC数据进行图 2所示的组合,生成相应的差分干涉图。

      SAR影像中的像素可以分为永久散射体像素和分布式散射体像素。永久散射体稳定性高,适合于做形变监测,但在自然环境中数量有限。分布式散射体在自然场景中分布广泛,但相位稳定性差。本文采用了快速分布式目标探测方法提取干涉图中的分布式像素同质点集,对生成的干涉图进行滤波以提高分布式目标像素稳定性[31]。首先采用传统的振幅离差方式剔除掉稳定性差的像素,然后对初选点进行相位稳定性分析获取最终的像素集集合,进行三维相位解缠[32]。任意像素点p在第i个干涉图上的解缠相位值ϕi,p可以表示为:

      ϕi,p=ϕorbi,p+ϕtopoi,p+ϕdispi,p+ϕatmi,p+ϕni,p

      式中,ϕorbi,pϕtopoi,pϕdispi,pϕatmi,pϕni,p分别表示由于轨道不确定性、数字高程模型(digital elevation model,DEM)误差、地表变形、大气和噪声引起的相位分量。每个分量都可以根据其特点逐个求出。其中,轨道相位分量可以通过双线性多项式拟合估计[22];高程误差相关相位分量可以利用垂直基线和DEM误差之间的线性关系,通过最小二乘法确定;大气分量则通过与高程组成的线性模型以及组合滤波的方式联合获取[33]。在移除上述相位分量后,时序变形信号可以通过奇异值分解得到。

    • 本文共探测到76 081个点目标,点密度约为1 490个/km2图 3给出了实验区2016—2020年的视线向年平均变形速率图,红色(负值)表示目标远离卫星,蓝色(正值)表示目标靠近卫星。其中,周家岭滑坡、渗水槽滑坡、树坪滑坡、沙镇溪港口滑坡、周家坡滑坡和三门洞滑坡与已知滑坡灾害点吻合;其余已知灾害点速率稳定。锣鼓洞河沿岸沙镇溪镇主要居民区以及青干河大桥附近没有探测到变形信号。青干河沿岸三门洞和周家坡两处已知滑坡灾害点变形最显著,其余灾害点平均变形整体表现较为稳定。长江干流沿岸除去树坪、渗水槽和周家岭三处变形较为明显的滑坡,还发现东坡不稳定滑坡。位于长江干支流交汇处的沙镇溪港口滑坡最大变形速率达到50 mm/a。同时,本文发现熊家岭村等地存在明显的地表变形,最大速率接近45 mm/a。

      图  3  平均变形速率图

      Figure 3.  Mean Velocity Map

    • 树坪滑坡位于长江右岸,距三峡大坝约47 km。滑坡总体形态为圈椅状,南北向展布,向北倾斜,地势上缓下陡,上下坡角为22°和35°。滑坡南北纵长约800 m,东西宽约700 m,平均厚约50 m,总体积约2.75×107 m3。2014-08—2015-06,对图 4中树坪滑坡AB区域进行了削方处理以降低滑坡自重,前缘进行土石方回填压脚来增大抗滑性[2634]。从图 4给出的形变速率可以发现削方区目前整体变形速率约为20~40 mm/a,滑坡南北向自然冲沟为集中变形中心,最大变形速率接近70 mm/a。本文将布设在树坪滑坡的两个GPS站点(位置见图 4)获取的三维时序变形观测投影至雷达视线向,与邻近InSAR观测值进行对比,如图 5所示。ZG86和SP-6点与InSAR点在邻近观测日期处的差值平均值分别为7.2 mm和10.7 mm,差值标准差分别为8.2 mm和11.1 mm。误差的原因主要由GPS与InSAR点在时间和空间上不完全重合导致。总体来看,InSAR结果与GPS监测结果吻合得较好,验证了InSAR结果的可靠性。

      图  4  树坪滑坡平均变形速率图

      Figure 4.  Mean Velocity Map of Shuping Landslide

      图  5  InSAR与GPS变形观测值对比

      Figure 5.  Comparison of Displacement Observations Between InSAR and GPS

      库水位变化和降雨是树坪滑坡变形的主要影响因素,尤其是库水位下降期间滑坡变形呈现阶跃特征[2335]。前期研究通过对比2012—2016年GPS监测数据发现树坪滑坡削方后阶跃变形特征消失[26]。但从图 6中削方区P1与削方区外P2点的时序变形可以发现滑坡变形的阶跃特征仍然存在。尤其P1点在2017—2019年库水位下降时期出现显著的变形加速,累积滑移量均接近20 mm。P2点视线向累积变形量达到150 mm,变形主要集中于库水位下降和强降雨时期,其中2018年4月—10月出现约70 mm的加速,因此该点时序变形同样存在与库水位变化相关的小幅阶跃特征。

      图  6  P1P2的时序变形与库水位和降雨量对比图

      Figure 6.  Comparison of Time-Series Displacement of P1 and P2 with Reservoir Water Level and Rainfall

    • 三门洞滑坡位于青干河右岸,由粘土岩夹粉砂岩构成,结构松散,为古崩滑堆积体复活滑坡。坡面呈舌形,岩层与岸坡走向一致,坡体下缓上陡,西高东低,属于凹形坡。前缘高程约140 m,后缘高程约350 m。滑坡长约830 m,宽约300 m,面积约2.49×105 m2,平均厚度约22 m[36]。周家坡滑坡位于青干河左岸,地形坡度在15°~30°,平均厚度约15 m,体积为1.62×106 m3,由泥岩和泥灰岩夹砂岩组成,与三门洞滑坡同属土质滑坡[27]

      图 7可见,三门洞滑坡变形主要分布于中部和坡脚处,前缘邻水区变形速率最快,后缘较慢,整体变形由前缘牵引后缘指向青干河,两侧边缘处变形明显小于中部。位于青干河左岸的周家坡滑坡,最大变形速率为66 mm/a,该滑坡面积较小,变形分布与地形强相关。图 8给出了三门洞滑坡P3点和周家坡滑坡P4点的时序变形,可以看到两个点的视线向累积变形大于250 mm。2017-02—2018-08 P3P4点分别出现约350 mm和150 mm的加速变形,之后变形趋于平缓。

      图  7  三门洞和周家坡滑坡平均变形速率图

      Figure 7.  Mean Velocity Map of Sanmendong and Zhoujiapo Landslides

      图  8  P3P4的时序变形与库水位和降雨量对比图

      Figure 8.  Comparison of Time-Series Displacement of P3 and P4 with Reservoir Water Level and Rainfall

      为了有效抑制时序变形中的测量误差,本文利用最小二乘三次样条方法拟合P3P4点的变形趋势,拟合结果如图 8中绿线所示。通过拟合趋势获取了P3P4点的变形速率变化,并与库区水位变化速率和日降雨量做比较。本文根据库水位下降时期将变形速率变化划分为图 9中的5个阶段。在第1阶段库水位下降时间较短,P3P4点变形速度增幅不大。之后受强降雨影响,P4点变形持续增速,到2016-07变形速度达到0.3 mm/ d。在第2、3阶段受库水位波动影响显著,三门洞和周家坡滑坡存在明显的阶跃变形特征。尤其在2017年1月—7月期间,滑坡变形速率随库水位下降速率的增大而增大,期间P3点的最大变形速率一度接近0.8 mm/d。在第4、5阶段库水位和降雨影响则显著减小,滑坡时序变形的阶跃特征接近消失。在2019年3月—6月库水位下降时期,P4点变形速率出现下降趋势。在2019年8月—9月以及2020年1月—3月库水位下降时期,滑坡虽然出现增速,但是变形速率不超过0.2 mm/d。因此,在第4、5阶段两个滑坡变形速率大大降低,库水位变化引发的周期性变形趋势减弱。

      图  9  P3P4的日变形速率与库水位变化速率、日降雨量的对比图

      Figure 9.  Comparison of Daily Displacement Velocity of P3 and P4 with Reservoir Water Level Change Rate and Daily Rainfall

      本文推测三门洞和周家坡滑坡变形速率的变化与2018-04开始的为期16个月的青干河航道整治中的护岸工程有关。图 7黑色箭头指向即为护岸工程中进行干砌块石、浆砌块石和喷射砼岸坡防护的位置。

    • 本文在实验区内同时发现了与人类活动密切相关的地表变形。该区域2016-04-19和2019-10-01的谷歌影像如图 10(a)图 10(b)所示。对比两个时相的影像发现童楚公路附近植被覆盖变化明显,熊家岭村居民区附近新建一条朱石公路,上下贯通墓朱公路和童楚公路。熊家岭村视线向平均变形速率图(见图 10(c))显示上述人类活动剧烈的区域存在显著变形。童楚公路附近植被较多,探测到的变形点目标十分稀疏。新建的朱石公路沿线最大变形速率可达45 mm/a。图 11给出了熊家岭村P5P6点的时序变形图。P5P6点在2017年分别出现约50 mm和100 mm的加速变形,这可能与朱石公路和童楚公路附近的种植园品种改良有关。此外P5点在2019年再次出现约50 mm的加速变形,这与朱石公路的建设施工密切相关。

      图  10  熊家岭村地表变形

      Figure 10.  Ground Displacement of Xiongjialing Village

      图  11  P5P6的时序变形图

      Figure 11.  Time-Series Displacement of P5 and P6

    • 本文利用时序InSAR技术对2016—2020年Sentinel-1数据进行分析发现树坪及周围地区的7处不稳定滑坡,包括长江干流沿岸的渗水槽、周家岭、沙镇溪港口、树坪和东坡滑坡以及青干河沿岸的三门洞和周家坡滑坡。不稳定滑坡最大

      形变速率约70 mm/a。通过将InSAR时序形变与对应的2016—2018年GPS站点观测结果对比分析发现,两种观测手段在ZG86和SP-6站点差异的均值分别为7.2 mm和10.7 mm,标准差分别为8.2 mm和11.1 mm,验证了InSAR结果的有效性。通过对树坪、三门洞和周家坡3处滑坡以及熊家岭村地表变形进行特征和影响因素分析,得出以下结论:(1)库水位和降雨的影响。树坪和三门洞等沿岸滑坡在库水位波动时期和集中降雨时期会出现明显的变形加速。(2)治理工程可以大大减缓滑坡变形速率和影响变形模式。治理后的树坪滑坡南北向自然冲沟为变形中心,滑坡整体变形放缓。三门洞和周家坡滑坡后期受护岸工程影响滑坡变形由快速转为平缓。(3)熊家岭村结果表明,公路建设和经济作物种植等人类活动区域出现显著地表变形,应当予以密切监测,及时排除安全隐患。随着Sentinel-1卫星与即将发射的其他SAR任务的常规运行,未来可以依靠近实时的海量SAR数据开展滑坡等地质灾害风险普查以及防灾减灾治理评价等活动。

参考文献 (36)

目录

    /

    返回文章
    返回