2022（一等奖）D926刘家峡库区潜在滑坡InSAR识别与分析

作品介绍

1 应用背景

滑坡是普遍存在于世界各地山区的主要灾害之一，严重威胁着人类的生命财产安全和自然环境。滑坡不但会直接破坏人类生命财产安全和建筑物，而且还会造成堰塞湖等次生灾害，进而对人类的生命财产安全和基础设施等造成二次破坏。滑坡也是发生次数最多、损失最大的地质灾害，西太平洋的日本、中国台湾省、青藏高原南缘喜马拉雅地区是亚洲滑坡灾害的高发区，我国也是世界上滑坡最为严重的地区之一。2021年，全国共发生地质灾害4772起，其中滑坡，滑坡2335起、崩塌1746起、泥石流374起、地面塌陷285起、地裂缝21起、地面沉降11起，滑坡占全年地质灾害总数的 48.93%。

合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar, InSAR）作为一项新的空间对地观测技术，具有全天候、全天时、范围广、间隔短；且形变探测精度达到厘米级甚至毫米级等优点，在大范围形变监测及滑坡普查中发挥着重要作用。Berardino等提出了多幅主影像组合的小基线集技术SBAS-InSAR(Small Baseline Subset Interferometric Synthetic Aperture Radar, SBAS-InSAR)，通过设置短时空基线阈值的方法，组合得到较多的差分干涉对，从而提高干涉图的时空相干性，利用奇异值分解和最小二乘法求解时序形变，该技术在滑坡识别方面得到广泛应用。如戴可人等采用SBAS-InSAR方法获取了雅砻江中段高山峡谷区的地表形变速率，成功识别出8处滑坡隐患，为峡谷区地形及类似地貌的滑坡隐患识别提供了思路。朱文峰等利用InSAR识别出黑方台黄土台塬地区的不稳定滑坡体，进一步利用SBAS-InSAR技术重点监测典型滑坡的时序形变，结果与GPS具有一致性。韩旭东等利用SBAS-InSAR技术对江顶崖滑坡进行早期识别，同时基于地质－力学联合分析对滑坡进行风险评估。

以上研究表明，SBAS-InSAR形变测量结果精度高，适用于高山峡谷地区，能够大面积地监测出潜在滑坡区域。传统的InSAR识别结果仅体现单一视线方向形变特征，该形变方向不能充分反映滑坡形变特征。结合升轨和降轨InSAR形变数据利用形变分解方法将视线方向形变分解为二维形变。二维InSAR形变数据不仅可以反映滑坡在垂直方向的动态形变特征，也可反映东西方向的动态形变特征，能够提高滑坡易发性评估精度。

刘家峡水库是我国第一个五年计划期间建造的大型水库，自建成以来，产生了巨大的经济效益。同时，水库的修建打破了地质演化的自然规律，对两岸的地质地貌产生了一定的影响。随着农业灌溉、基础设施建造等人类活动的进一步开展，加上降雨等自然因素，导致库岸频繁出现坍塌、滑坡等不稳定现象，尤以滑坡最为突出。刘家峡库区的滑坡隐患识别与分析缺乏最新的报道，仅有的研究是吴东霖利用InSAR技术成功识别出刘家峡下庄村附近的1处滑坡隐患，但并未对刘家峡库区进行大范围的滑坡隐患识别与系统分析。因此，对刘家峡水库区域进行滑坡隐患识别与分析具有重要的现实意义。

2 应用目标

本文利用Sentinel-1A升降轨数据，基于SBAS-InSAR技术监测刘家峡库区2019-2022年间的地表形变速率，结合Google Earth遥感影像识别刘家峡库区的潜在滑坡，根据地形因素、地质因素、水文因素、人类工程因素等12个静态因子联合PS-InSAR和SBAS-InSAR技术获取该地区地表二维形变动态因子并对潜在滑坡进行系统分析，分析该区域影响滑坡发育的主要条件，并对两处典型潜在滑坡进行时序分析及机理探究。

本文主要研究目标：

（1）联合PS-InSAR和SBAS-InSAR技术，获得二维InSAR动态形变因子；

（2）结合静态滑坡因子和动态滑坡因子，进行滑坡机理探究；

（3）对比分析刘家峡库区两处典型滑坡。

3 主要技术流程

本文选用刘家峡库区的2019-2022年共70景Sentinel-1A升降轨数据，重访周期为12天，分辨率为5m×20m，极化方式为VV+VH，数据成像模式为干涉宽幅（IW）单视复数（SLC）模式。同时，采用30m分辨率的SRTM DEM 作为参考高程来消除地形相位的影响。

首先基于PS-InSAR技术和Sentinel1-A升降轨影像获取第一次反演得到的GCP控制点，将经过地理编码的GCP文件转换为SAR坐标系的GCP文件；其次利用SBAS-InSAR技术进行连接图生成、干涉工作流、形变反演和地理编码等流程监测刘家峡库区的地表形变；然后利用Google Earth遥感影像识别刘家峡库区的潜在滑坡，根据地形因素、地质因素、人类工程因素以及二维InSAR形变因素对潜在滑坡进行系统分析，分析该区域影响滑坡发育的主要条件，并对两处典型潜在滑坡进行时序分析及机理探究。

其中地形因素包括数字高程模型（Digital Elevation Model, DEM）、坡度、坡向、地形起伏度和地表粗糙度；地质因素包括地层岩性；水文因素包括归一化水体指数（Normalized Difference Water Index，NDWI）、水库距离；人类工程因素由该地区的土地利用数据、归一化建筑指数（Normalized Difference Build Index，NDBI）、归一化植被指数（Normalized Difference Vegetation Index，NDVI）以及道路距离组成；二维InSAR形变因子由垂直向和东西向形变速率组成，主要技术流程如图3.1所示。

图3.1 主要技术流程

4 关键技术

4.1 PS-InSAR和SBAS-InSAR

SBAS-InSAR的基本原理如下：

在

至时间段内获取同一区域的M景SAR影像，选取其中一景为公共主影像，然后依据根据干涉组合原则，生成N景干涉图，其满足如下关系：

(4-1)

由主影像A和从影像B所生成的第i（i=1，2，…，N）景干涉图，其在点（x,r）处所产生的干涉相位可表示为：

(4-2)

其中，

、（）为第i幅干涉图对应的SAR影像获取时间；为至时刻对应的斜距向上的形变；为地形相位误差；为大气相位误差；为噪声相位误差。

假设不同的干涉图之间的形变速率为

，则至的累积形变量表示如下：

(4-3)

对N幅SAR的干涉图进行相位解缠、形变速率反演并将SAR坐标系转为地理坐标便可以求出该区域的形变速率和时间序列形变量。PS-InSAR和SBAS-InSAR技术处理流程如图4.1。

图4.1 SBAS-InSAR处理流程

4.2 二维形变分解方法

D-InSAR 技术的出现以及后续各种 InSAR 技术的发展对于地表形变监测来说非常实用且高效，也已经广泛地利用在各种形变监测中。但是因为合成孔径雷达侧视成像的原因，决定了其只能获取雷达视线向的单一方向形变，即 LOS 向形变。但是形变往往是发生在三维空间中，单一方向的形变并不能反映形变体的真实状态，对某些形变甚至会出现监测偏差，如降轨数据监测不到所选研究区滑坡的真实范围。InSAR 监测的 LOS形变是垂直方向、东西方向和南北方向三个方向在 LOS 向上的投影，理论上当能获取三个不存在相关性的轨道监测同一地区的 LOS 向形变时是可以解算出三个方向形变的，如图4.2。