时序InSAR技术在大型滑坡监测中的应用

赵宝强 韩守富 白艳萍 马金辉

摘 要：综合PS-InSAR和SBAS-InSAR两种时序InSAR技术，对青海省乐都区高家湾滑坡地表变形过程进行遥感监测与分析。通过SBAS-InSAR技术获取该滑坡2003-2010年地表变形数据，分析历史变化情况。利用PS-time工具分析高家湾滑坡2014-2017年PS-InSAR获得的地表变形监测数据，将滑坡地表形变过程划分为线性和非线性，重点分析了地表形变速率、累积位移突变阶段和主裂缝形变情况。研究表明：2003-2010年期间该滑坡地表活动较为稳定，2014-2017年期间该滑坡发生了明显的地表沉降变形且变化趋势较为强烈，与滑坡区实地勘测结果情况一致，较好的证明时序InSAR技术用于滑坡监测的有效性。

关键词：PS-InSAR；SBAS-InSAR；Sentinel-1A；滑坡监测

中图分类号：P237 文献标志码：A 文章编号：2095-2945（2019）01-0021-04

Abstract： The surface deformation process of Gaojiawan landslide in Ledu District of Qinghai Province's Haidong City is monitored and analyzed using remote sensing in combination with PS-InSAR and SBAS-InSAR time series InSAR technologies. The surface deformation data of the landslide from 2003 to 2010 are obtained by SBAS-InSAR technology， and the historical changes are analyzed. The monitoring data of surface deformation obtained by PS-InSAR in 2014-2017 of Gaojiawan landslide are analyzed using PS-time tool. The process of surface deformation of Gaojiawan landslide is divided into linear and nonlinear ones. The surface deformation rate， the abrupt change stage of cumulative displacement and the deformation of main cracks are emphatically analyzed. The study shows that the surface activity of the landslide is stable in the period 2003-2010， and the landslide has obvious surface subsidence deformation and strong change trend in 2014-2017， which is consistent with the results of the field survey of the landslide area. It is proved that the temporal InSAR technique is effective in landslide monitoring.

Keywords： PS-InSAR； SBAS-InSAR； Sentinel-1A； landslide monitoring

引言

部分斜坡沿著斜坡内的一个或数个面在重力作用下做剪切运动的现象，称为滑坡[1]。滑坡作为一种常见的地质灾害，分布广，范围大。我国西北、西南、华北地区以及丘陵、黄土高原地区，滑坡的种类多、分布面积广、危害严重且破坏力大，每年都造成巨大的经济损失，严重制约着灾害多发地区的国民经济发展，威胁着人民生命财产安全[2]。国内外在监测滑坡灾害方面的主要手段有：精密水准测量、导线测量、光纤传感器、全球定位系统GPS、卫星遥感技术、近景摄影测量、地面激光扫描等[3]。星载合成孔径雷达干涉测量技术凭借其覆盖范围广、分辨率高、全天时全天候、监测精度高等特点，被广泛应用于地震、火山、冰川移动、地下水抽取和地下采矿引起的地表形变监测研究[4]。InSAR（Interferometric Synthetic Aperture Radar）技术能够提取地表发生的微小形变，精度达到厘米级甚至是毫米级，其获取的数据具有高精度、高分辨率、覆盖范围广等特点[5]。然而，传统D-InSAR形变测量的精度和可靠性受到空间失相关[6-7]和大气延迟的严重影响[8-9]。本文结合地质背景资料和野外实地滑坡勘测结果，综合运用PS-InSAR和SBAS-InSAR技术，探讨分析时序InSAR技术在滑坡变形监测中的适用性。

1 研究区概况

高家湾滑坡位于青海省海东市乐都区洪水镇湟水河南岸低山丘陵区，为第四系黄土和古近系泥岩组成的复合型古滑坡。滑坡长1830m、宽1300m、平均厚110m，规模2.62×108m3，属巨型滑坡。2011年至2012年滑坡后壁及后缘发育长约500m拉张裂缝。据2016年1月调查资料显示，该裂缝东西延伸增加到950m，其滑体前缘北侧湟水河Ⅱ级阶地表部新增鼓胀裂缝，并使高家湾村局部民房出现变形，严重威胁高家湾村村民及滑坡体中后缘西宁-官亭750千伏输电线、龙羊峡-海石湾330千伏输电线、兰新高速铁路张家庄隧道及滑坡前缘涩宁兰输气管线、兰西拉光缆及G109国道等基础设施安全。研究区中心经纬度36°26′35″N，102°32′20″E，南北长5.24km，东西宽6.12km。地理位置如图1示。

2 数据说明及技术方法

本研究根据SAR数据的分辨率、波长、观测角度、性价比和可获得性等，针对研究区地形、植被和变形特征进行SAR数据源和不同InSAR计算策略的选择。Sentinel-1A数据周期较短且数据丰富，适合用PS-InSAR技术对高家湾滑坡区近几年变形情况进行监测分析，而Envisat ASAR数据周期较长且只有历史时期的存档数据，用SABS-InSAR技术处理可以得到较理想的计算结果，更好地监测历史时期变形情况。数据基本特征如表1所示。

2.1 SENTINEL-1A数据

数据空间基线、多普勒中心和数据的时间分布见图2，其中空间基线以0为中心，正态分布于两侧，空间基线都在150m以内，为图像高精度配准提供了基础；多普勒中心分布于0到-0.1之间；以2016年10月27日为参考主影像。

2.2 ENVISAT ASAR 数据

考虑到该区域和SAR数据的特点，确保有效数据被用于构建小基线集。最终选定空间基线阈值700米，时间基线545天，以2009年4月14日为参考主影像。所得数据集结构较为合理，可以满足SBAS技术要求。如图3所示。

2.3 技術方法

如何提高相干性，有效消除各种误差，成为高精度InSAR变形观测的关键，对此，一是通过改善算法细节来实现，二是通过构建全新的框架和算法来提高相干性，获取更详细、准确的变形信息。在构建新的框架和算法方面，近年来，主要是在传统D-InSAR技术的基础上进一步发展了时序InSAR技术，这类技术通过长时间序列的InSAR数据进行分析，解决低相干性及去除大气、DEM误差的影响，极大推动了InSAR技术的发展[10]。包括四个层面的算法：（1）永久散射体干涉测量及技术（Persistent Scatter Interferometry，PSI）；（2）StaMPS永久散射体技术（Stanford Method for Persistent Scatterers）；（3）SBAS（Small Baseline Subset）技术；（4）PSI和SBAS相结合技术。

2.3.1 PS-InSAR技术

永久散射体干涉技术是意大利Ricca教授研究小组的Ferretti首先提出的[11]。PS-InSAR技术的基本原理是利用多景同一地区的SAR影像，通过统计分析时间序列上幅度和相位信息的稳定性，探测不受时间、空间基线去相关影像的稳定点目标[12]。这些目标点可能是人工建筑物、裸露的岩石、人工布设的角反射器等，由于它们在时间序列SAR影像中几乎不受斑点噪声的影响，经过很长时间间隔仍然保持稳定的散射特性，所以被称作PS（Persistent Scatter）。PS-InSAR可以精确估计并消除大气效应对相位的贡献，获得米级精度的高程[13]和毫米级的形变量测[14]。永久散射体被定义为尺寸小于图像像元尺寸，其散射系数强且长期保持稳定的地物目标。其特点是在空间基线超过临界基线的情况下，能保持不受空间失相干的影响，因此可利用所有可能获得的图像生成单主图像堆栈（星星结构），来获取永久散射体0.5mm/a的地表变形信息[15]。

2.3.2 SBAS-InSAR技术

SBAS-InSAR是由Berardino[16]和Lanari[17]等研究人员提出的一种与PS-InSAR技术采用不同策略的时序InSAR分析方法，短基线技术采用小基线子集差分干涉测量技术 [18]；将所获得的长时间序列SAR数据组合成具有小空间基线干涉子集的（集合内SAR图像基线距小，集合间的SAR图像基线距大）D-InSAR数据组进行解缠计算，然后通过奇异值分解方法（SVD）将不同时间基线的空间小基线子集数据组合形成时间序列，进而获取高精度变形场。其针对的对象是面散射体（Distribution Scatter，DS），其精度较PS-InSAR低，但更适合于非城市区地表变形监测。相比PS-InSAR技术，SBAS方法只需要少量的SAR影像，而且由于生成干涉图的影像间基线较短，能够更好的避免空间失相干，正是由于研究区历史SAR数据（EnviSAT ASAR）比较缺乏，因此对历史变形过程的反演，SBAS方法对该区域有较好的适用性。

3 滑坡变形数据获取

3.1 2003-2010年历史形变

运用SBAS-InSAR技术对27景ENVISAT ASAR数据进行裁剪后，经多次实验后选择时间基线阈值为700天，空间基线不大于临界基线的55%的小基线集网络结构较为合理。采用精密轨道数据进行粗配准，90米分辨率的SRTM数据作为模拟地形相位的DEM，1：5的多视视数，滤波窗口64*64，采用3D解缠算法，阈值0.35。经过配准、去平、滤波、轨道精炼、重去平、相位解缠和地理编码等处理步骤，最终得到高家湾滑坡区历史时期地表形变数据。

3.2 2014-2017年近期形变

使用PS-InSAR技术对57景sentinel-1A数据进行处理，通过计算分析弃除大气效应的不同效果，选择基于单主图像的星型结构图像拓扑结构建立数据集最佳。参考DEM为90米分辨率的SRTM数据，采用精确轨道参数进行粗配准，选择大于1500个的同名像素点，建立多项式方程，进行精配准，配准精度达到1/8个像元。采用Modificated Goldstein方法，1*1的多视，15*15的滤波窗口。选择星型拓扑结构，稀疏点模式选择Amp.Stab.Index模式，高程的阈值选择-500米-500米区间，基于时间序列的滤波平滑的步长选择5，其中多项式的项数选择1次多项式。

3.3 时间序列变形趋势分析

采用PS-time统计工具计算分析高家湾滑坡区的地表形变数据PS点的变化趋势。此方法是Matteo Berti 等人2013年[19]通过对在意大利北部亚平宁山脉收集的1000个时间序列样本数据的统计分析，编写的一个应用程序，在统计测试序列的基础上提供永久散射体（PS点）时间序列有条件的自动分类。程序有六个预定义的目标趋势，即不相关、线性相关、二次相关、双线性相关、匀速不连续和变速不连续。这些趋势被认为是PS点变形数据的“典型”模式。

4 监测结果及分析

4.1 形变过程及趋势分析

对于上述方法获取的高家湾滑坡区的地表变形数据，通过PS-time工具统计分析后，将研究区内所有PS点的平均形变速率计算结果叠加显示在高家湾滑坡区的DEM底图上。结合野外勘测的滑坡方向、滑坡边界和地裂缝等相关资料（由青海省国土资源厅提供），该区域内的地表变形特征、变形分布规律和年均累积位移变化曲线如图4示。

图4显示2004-2010年间，该滑坡区形变量0-3.67mm，比较轻微且分布分散，地表活动相对比较稳定。图5显示2014-2017年间滑坡区内PS点速率变化值集中在-27.37-5.77mm，PS点各类型变化趋势总体呈远离雷达视线向的变形趋势（下沉），与实地勘测结果比较吻合。滑坡边界以外的PS点速率变化明显比较小，多数在-2.8mm以下，说明这些区域地表活动相对稳定，发生滑坡可能性较小。

图6的统计分析处理结果显示，2014年10月-2016年1月期间，累积位移走势比较平缓，基本在-5mm以内小幅波动；2016年1月-2016年2月期间，累积位移走势明显加速，位移量從-5mm迅速下降到-12mm，此阶段即地表变化比较剧烈的时期。推断可能与2016年1月21日青海省海北州门源6.4级地震有关。2016年2月之后，累积位移又回归平缓变化状态，总的位移量在-15-22mm间波动。

4.2 主裂缝两侧不同部位变形特征

针对野外调查获取的主裂缝情况，根据PS-InSAR结果，对主裂缝两侧分别提取PS点进行分析，选点区域及PS点分布情况（图7），得到主裂缝两侧突变点位移均值曲线（图8）。

由位移曲线可以看出，裂缝两侧形变趋势有较大差异，尤其是在2016年1月之后主裂缝两侧位移差持续增大，裂缝右侧区域加速下沉，左侧区域下沉速度相对较小。此时刻与野外调查结果吻合，与期间滑坡区累积位移走势明显加速，地表变化比较剧烈的特征吻合，与2016年1月21日青海省海北州门源6.4级地震的发生时间吻合。

5 结束语

时序InSAR技术，能够获得缓慢的地表变形数据，对滑坡监测效果较好。通过多次对比实验，不断优化干涉测量计算参数配置，能够在高家湾滑坡区内获得较高精度和高相干性的永久散射点（PS点），作为该滑坡区地表形变监测的数据基础。通过PS-time统计分析后，可以较好归纳出滑坡区地表形变的时空特征和变化趋势，对滑坡监测分析很有意义。

虽然利用InSAR技术获取滑坡区地表的形变信息，结合野外调查资料进行了比对。但是，卫星获取的形变方向为雷达视线方向，卫星的轨道固定，山体不同部分的坡度坡向不一致，导致获取的形变结果会与坡体形变的真实情况存在一定的差异。限于没有GPS野外观测数据，无法验证形变结果精度，得到的只是该滑坡区地表的相对形变。

参考文献：

[1]王治华.滑坡遥感[M].北京：科学出版社，2012.

[2]王立伟.基于D-InSAR数据分析的高山峡谷区域滑坡位移识别[D].北京科技大学，2015.

[3]王志勇，张金枝.基于INSAR技术的滑坡灾害监测[J].大地测量与地球动力学，2013，33（3）：87-91.

[4]杨长江，易祎，赵蓉.基于Sentinel-1数据的时序InSAR技术在滑坡监测方面的应用——以巴东地区为例[J].科技创新与生产力，2017（04）：1674-9146.

[5]张诗茄，蒋建军，缪亚敏，等.基于SBAS技术的岷江流域潜在滑坡识别[J].山地学报，2018，36（1）：91-97.

[6]F Amelung， DL Galloway， JW Bell， HA Zebker， RJ Laczniak. Sensing the ups and downs of Las Vegas： InSAR reveals structural control of land subsidence and aquifer-system deformation. Geology， 1999，27（6）：483-486.

[7]DA Schmidt， R Bürgmann. Time-dependent land uplift and subsidence in the Santa Clara valley， California， from a large interferometric synthetic aperture radar data set. Journal of Geophysical Research Solid Earth，2003，108（B9）.

[8]ZW Li， XL Ding， GX Liu. Modeling atmospheric effects on InSAR with meteorological and continuous GPS observations： algorithms and some test results. Journal of Atmospheric and Solar-Terrestrial Ph...， 2004，66（11）：907-917.

[9]HA Zebker， PA Rosen， S Hensley. Atmospheric effects in interferometric synthetic aperture radar surface deformation and topographic maps. Journal of Geophysical Research Solid Earth，1997，102（B4）：7547-7563.

[10]许才军，何平，温扬茂，等.InSAR技术及应用研究进展[J].测绘地理信息，2015，40（2）：1-9.

[11]C Colesanti， A Ferretti， F Ferrucci， C Prati， F Rocca.Monitoring known seismic faults using the permanent scatterers （PS） technique. IEEE International Geoscience & Remote Sensing ...， 2000，5：2221-2223 vol.5.

[12]廖明生，王騰.时间序列INSAR技术与应用[M].北京：科学出版社，2014.

[13]Perssin D.Validation of the sub-metric accurary of vertical positioning of PS's in C band. IEEE Transactions on Geoscience and Romete Sensing etters，2008，5（3）：502-206.

[14]Ferreti A， Savio G， et al. Submillimeter Accuracy of InSAR Time Series： Experimental Validation： Experimental validation. IEEE Transactions on Geoscience and Remote Sensing，2007，45（5）：1142-1153.

[15]A Ferretti， C Prati， F Rocca.Permanent scatterers in SAR interferometry. IEEE Transactions on Geoscience & Remote Sensing，2001，39（1）：8-20.

[16]P Berardino， G Fornaro， R Lanari ，E Sansosti.A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms. IEEE Transactions on Geoscience & Remote Sensing，2003，40 （11）：2375-2383.

[17]R Lanari， O Mora， M Manunta， J Mallorquí， P Berardino， ...A small-baseline approach for investigating deformations on full-resolution differential SAR interferograms. Geoscience & Remote Sensing IEEE Transactions on，2004，42（7）：1377-1386.

[18]P Berardino， G Fornaro， R Lanari， E Sansosti.A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms. IEEE Transactions on Geoscience & Remote Sensing，2003，40（11）：2375-2383.

[19]M. Berti， A. Corsini S. Franceschini， and J. P. Iannacone .Automated classification of Persistent Scatterers Interferometry time series. Nature Hazards and Earth System Sciences， 2013，13（8）：1945-1958.