本次研究采用欧空局发布的Sentinel-1雷达卫星影像数据^[20]。本文选用的雷达卫星数据为IW工作模式, 通过渐进式扫描地形观测获取空间分辨率为5 m× 20 m的3个子条带, 使其单景覆盖范围达250 km× 170 km^[21]。由于研究区为高山峡谷地区, 为防止产生的几何畸变加大形变探测的难度, 甚至形成监测盲区, 采用联合升轨、降轨探测结果对研究区进行解译, 提高隐患探测的准确性^[22]。本次研究共收集了覆盖研究区2018年1月5日— 2021年6月30日的103景升轨影像数据, 以及覆盖研究区2018年1月12日— 2021年6月25日的104景降轨影像数据, 影像覆盖范围如图1所示, 同时收集了30 m分辨率的SRTM-DEM数据以提供地形地貌特征参数。

为避免大气效应等因素对解译结果造成影响^[13], 同时相对快速地获取地表形变信息, 首先通过Stacking-InSAR方法进行大范围形变探测, 并获取隐患点的空间形态特征以及年均形变速率, 再通过SBAS-InSAR抑制大气效应以及DEM误差的干扰对典型隐患点进行详细形变探测, 获取隐患点在时间序列上的形变特征。

2.2.1 基于Stacking-InSAR的形变探测方法

由于地表形变相位与时间成线性变化, 而大气效应的影响与时间无关, 因此通过对多幅差分干涉图所获取的解缠相位进行加权平均, 可以得到更高精度的地表形变相位。具体步骤为: ①通过空间基线与时间基线设置, 将配准后的SAR影像进行差分干涉, 获得N个干涉对; ②对干涉对进行滤波、解缠; ③选取解缠相位图较为理想、解缠结果在工作区无明显跳变的组合, 加权求取平均值, 估算线性相位速率, 计算线性相位速率的公式为^[23]

${{V}_{\varphi }}=\sum\limits_{(i=1)}^{N}{\Delta {{T}_{i}}\cdot {{p}_{i}}/}\sum\limits_{(i=1)}^{N}{\Delta T_{i}^{2}}$。 (1)

式中: V_φ 为线性形变对应的相位变化速率; N为参与Stacking计算的干涉对数; Δ T_i为第i个干涉对的成像时间间隔, d; p_i为第i个差分干涉图的解缠相位。

2.2.2 基于SBAS-InSAR的形变探测方法

Stacking-InSAR技术的计算过程较为简单, 能够快速筛查出地灾隐患点, 但不能反映隐患点在时间序列上的形变特征。因此, 为了更好地了解其形变过程, 需要对典型形变点进行SBAS-InSAR处理。

SBAS-InSAR技术根据限定短时空基线约束条件, 对主、辅影像进行复共轭相乘生成m幅多主影像的干涉图, 其第j幅干涉图的干涉相位 δφj主要包括: 平地相位 δφjref、地表形变相位 δφjdef、地形相位 δφjtop、大气误差 δφjatm以及噪声 δφjnoise, 可以表示为^{[13, 21, 22]}

δφj=δφjref+δφjdef+δφjtop+δφjatm+δφjnoise。 (2)

利用外部DEM模拟地形相位, 去除地形相位和参考椭球面引起的平地相位, 得到m幅差分干涉图, 对干涉图进行空间滤波后选取相干性较高的目标点进行相位解缠。根据时间基线、空间基线与干涉相位估算线性形变速率以及残余相位, 其中残余相位中主要包括大气相位、非线性形变相位以及噪声; 对残余相位以空域低通、时域高通的方式进行滤波, 分离出大气相位并将其去除, 获取非线性形变相位及噪声; 通过多视及滤波等方法去除噪声, 得到非线性形变相位, 将其与线性形变相加得到完整的形变相位, 获取累积形变量^[11]。

YH1滑坡隐患位于澜沧江干流左岸, 整体呈长舌状, 为古滑坡堆积体复活。隐患点长约3 337 m, 宽约1 827 m, 面积约2.9 km², 隐患点底部海拔3 197 m, 顶部海拔4 302 m。隐患点坡体后缘有明显下错迹象, 坡体上无植被覆盖, 冲沟遍布, 坡体上多处可见崩塌, 受风化侵蚀较严重, 岩体质量较低, 为泥石流发育提供了充足的物源(图6(a))。根据SBAS-InSAR探测结果(图6(b)), YH1滑坡隐患点视线向年均形变速率最大达到30.2 mm/a, 如图6(c)所示。在隐患点内选取3处特征点P1、P2及P3绘制时间序列曲线(图7), 3处特征点的形变趋势相同。在监测期内该隐患处于匀速形变阶段, 最大累积形变量已达到102.6 mm, 表明该滑坡隐患形变较为强烈, 整体不稳定, 且该隐患点范围大, 具有极大堵江风险, 影响了坡体上的房屋安全, 同时对澜沧江下游水电站工程建设具有较大威胁。

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 YH1滑坡隐患点InSAR形变分析Fig.6 InSAR deformation analysis of YH1 landslide

图7

Fig.7

	Figure Option ViewDownloadNew Window
	图7 YH1滑坡隐患特征点时间序列曲线Fig.7 Time series curve of YH1 landslide feature point

YH2滑坡隐患点位于澜沧江右岸, 整体呈圈椅状, 坡体岩层属于反倾岩层, 其变形破坏模式为倾倒变形, 隐患点长约1 174 m, 宽约1 285 m, 底部海拔3 113 m, 顶部海拔3 744 m, 面积约1.3 km²。光学影像上可见隐患点坡体后缘有下错迹象, 坡体上冲沟遍布, 无植被覆盖, 坡体受风化侵蚀较严重, 前缘多处发生崩塌(图8(a))。选取隐患点内的3处特征点P1、P2及P3绘制时间序列曲线(图9), 时间序列曲线显示3处特征点均呈匀速变形阶段, 在曲线上某些观测值出现小幅度跳动, 可能由大气效应等因素形成的噪声未彻底清除引起。根据SBAS-InSAR结果可知(图8(b)), 该隐患点形变速率较大, 视线向最大年均形变速率达54.8 mm/a(图8(c)), 在观测时间内特征点的最大累积形变量达127.1 mm, 可见该隐患点形变较为强烈, 且形变范围较大, 有堵江风险, 对道路、对岸居民及下游水电站建设具有较大威胁。

图8

Fig.8

	Figure Option ViewDownloadNew Window
	图8 YH2滑坡隐患点InSAR形变分析Fig.8 InSAR deformation analysis of YH2 landslide

图9

Fig.9

	Figure Option ViewDownloadNew Window
	图9 YH2滑坡隐患特征点时间序列曲线Fig.9 Time series curve of YH2 landslide feature point

YH3滑坡隐患点位于澜沧江左岸, 宽度约813 m, 长度约1 114 m, 面积约0.8 km², 隐患点底部海拔2 828 m, 顶部海拔3 699 m, 地形起伏大。隐患点整体呈圈椅状, 坡体上有冲沟, 坡体局部有浅层崩塌, 坡脚受江水掏蚀较剧烈, 致使坡脚较陡(图10(a))。根据SBAS-InSAR技术对隐患点进行形变探测结果(图10(b)), 坡体最大视线向年均形变量达41.7 mm/a(图10(c)), 图中红色点代表远离卫星视线方向运动。利用SBAS-InSAR技术在坡体上探测出一处强烈形变区, 与Stacking-InSAR探测结果一致(图10(b)), 强烈形变区最宽处约448 m, 长度约为532 m, 面积约为0.2 km²。选取强烈形变区中的3处特征点P1、P2及P3绘制时间序列曲线(图11), 时间序列结果显示, 3处特征点的形变趋势相同, 整体呈匀速变形, 在监测时间内最大累积形变量达135.0 mm。对比所收集的光学影像, 强烈形变区后缘出现裂缝, 区域内有局部浅层崩塌, 证明该区域处于不稳定状态。结合光学及InSAR解译结果, 可以认定该隐患点具有较大的堵江风险。

图10

Fig.10

	Figure Option ViewDownloadNew Window
	图10 YH3滑坡隐患点InSAR形变分析Fig.10 InSAR deformation analysis of YH3 landslide

图11

Fig.11

	Figure Option ViewDownloadNew Window
	图11 YH3滑坡隐患特征点时间序列曲线Fig.11 Time series curve of YH3 landslide feature point

本文利用Stacking-InSAR技术对覆盖澜沧江卡贡乡至如美镇段的Sentinel-1升轨、降轨影像进行处理, 结合光学影像及Stacking-InSAR结果解译出研究区范围内的崩滑隐患点。通过SBAS-InSAR技术对研究区范围内的3处典型滑坡隐患点进行处理, 获取其时间序列曲线, 进一步分析隐患点的形变特征。综合Stacking-InSAR技术、SBAS-InSAR技术及光学影像的结果, 主要获得以下几点认识:

(1)研究区内升轨、降轨影像共探测出隐患点149处, 其中升轨影像共探测出隐患点68处, 降轨影像共探测出隐患点95处。

(2)研究区遥感影像探测出的隐患类型主要为崩塌和滑坡, 崩塌隐患共54处, 滑坡隐患共95处。

(3)研究区滑坡隐患点多处于匀速变形阶段, 坡体多有明显变形迹象, 坡体岩体较为破碎, 多有局部崩塌现象, 视线向年均形变速率与累积形变量较大, 坡体较不稳定, 且面积较大, 有堵江风险, 对澜沧江及下游水电站建设威胁较大。

通过Stacking-InSAR技术及SBAS-InSAR技术可以较为快速准确地探测出研究区崩滑隐患点的数量及形态, 但由于卫星飞行方向固定及侧视成像的特点, 会不可避免地产生几何畸变, 尤其是在高山峡谷地区。研究区处于高山峡谷地貌, 地形起伏较大, 本文所解译的隐患点结果可能由于几何畸变等因素的影响出现遗漏, 同时大气效应等噪声未能彻底清除也会对探测结果产生影响。因此, 为了能确保探测结果的准确性, 还需要后期通过机载LiDAR探测以及野外勘察等手段进行验证。

(责任编辑: 魏昊明)