GB-InSAR技术在矿山采矿边坡形变监测中的应用

张世贝，申成锋

(青海省有色第一地质勘查院，青海 西宁 810000)

矿产资源的开发与利用形成了规模较大的高陡采矿边坡，采矿边坡的稳定性影响着资源开发利用进程，并威胁着采矿活动的安全[1]。因此，加强对采矿边坡形变监测及规律研究至关重要。采矿边坡稳定性监测是分析采矿工作界面失稳机制、险情预警，确保采矿活动安全的重要手段，尤其是露天开采以及浅地表剥离开采。随着我国定位技术的快速发展，在动态定位技术快速发展的基础上，不同类型的现代化监测技术应运而生。根据监测技术的发展可分为3种类型：一是传统的监测技术，如全站仪、水准仪、经纬仪等[2]；二是地面监测技术，该技术主要以地基雷达干涉测量和地基激光雷达技术为主体；三是空间对地监测技术，如机载激光雷达技术、GPS技术等[3]。相比较而言，传统的监测技术如全站仪等工作量大，受监测环境影响较大，容易出现人为误差以及叠加误差等，因此在高精度监测领域应用前景不大；空间对地监测技术以GPS技术和机载激光雷达等技术为主，监测精度受监测区域气候、环境以及地形地貌等影响较大，导致监测精度不稳定；地面监测技术具有较高的监测精度，在形变监测领域应用越来越广泛，逐渐应用于城市沉降形变、地震监测、工程形变监测等行业[4-6]。GB-InSAR技术是在合成孔径雷达干涉测量技术上发展起来的，具有操作简便、精度高、监测稳定性能高、监测成本低等优势。因此，本文以某金属矿山采矿边坡形变监测为例，分析该技术在高陡边坡形变监测中的应用效果。

1 GB-InSAR技术原理

GB-InSAR技术(地基合成孔径雷达干涉技术)是在InSAR技术(合成孔径雷达干涉测量技术)上发展起来的新测绘技术，具有全天候、分辨率高、实时动态监测的优势，在形变监测中取得了显著成效[7]。InSAR技术监测精度受时间基线和空间基线影响较大，因此该技术无法获得监测区域形变规律随时间变化的演化过程，而GB-InSAR技术以地面雷达的遥感成像系统为基础，借助雷达系统发射、接收的微波信号采集雷达数据，进而根据雷达数据干涉处理获得监测区域的形变相位，若将大气作用导致的相位记作Δφatm，将差分干涉相位记作Δφdif，将各类噪声产生的相位记作Δφnoise，将雷达传感器至两次观测目标点的距离差记作Δr，则该技术获得的监测目标相位模型可表述为：

Δφdif=-4πΔr/λ+Δφatm+Δφnoise

以上述公式计算为基础，可获得监测区域边坡形变演化规律，进而为采矿边坡失稳治理以及危险预警等提供数据支撑。

2 研究区基本概况

研究区位于我国西部山区，地形相对高差较大，监测区域平均海拔约4 215 m，属于高山峡谷地貌。矿山以Cu、Pb、Zn资源为主，伴生Ag资源，为矽卡岩型矿床，以浅地表剥离开采为主，形成了规模较大的采矿边坡。本文以某一高陡采矿边坡为例，分析GB-InSAR技术在采矿边坡形变监测中的应用效果。边坡属于人工边坡，边坡长约531 m，高8.2～13.1 m不等，为岩质边坡。根据该边坡组成物质差异可将边坡分成上、中、下3部分，其中上部以松散堆积物为主，稳定性较差；中部以基岩岩块以及松散堆积物为主，稳定性相对较好；下部以基岩为主，稳定性好。由于监测区域气候多变，大气降水较为集中，一般集中于每年7～9月，因此，为了防止采矿边坡形变监测受雨水冲刷等外在因素影响，采用活动板房进行监测设备安放，以降低降雨天气对监测设备的干扰[8]。

3 采矿边坡形变监测中的应用

3.1 数据获取

本文以矿山正在采矿的某一高陡人工边坡进行形变监测，为进一步设计采矿工作界面提供理论依据。监测仪器型号为SDMR-1地基合成孔径雷达，监测设备安放在活动板房内，距离边坡平均距离为792 m，设置雷达波束宽度为25(°)，波段为Ku波段，距离向分辨率为0.3 m，方位向分辨率为4.0 m，数据采集最小间隔为2 min。为了获得该边坡形变随时间的演化过程，本次监测持续观测8小时20分钟，共计获得28景影像，影像质量均满足数据处理要求。

3.2 数据处理

本次采矿边坡形变监测为持续观测，观测时间为8小时20分钟，所获得的监测数据为连续的变化数据，因此，空间基线为0，数据处理过程中设置时间基线为2 h，共计36个干涉对，以相对配准方式配准至同一坐标系统下[9]。在数据配准后首先进行去噪声相位处理，本次采用goldstein滤波法，完成后以最小费用流法进行干涉图相位解缠，为了提高干涉图相位解缠数据精度，尽可能的选择相对稳定的基岩区进行相位解缠，获得差分干涉图，为进一步选取高相干点奠定基础。

高相干点的选择方法不太成熟，目前常用的方法为窗口平均法，使用该方法获得的高相干点容易将周围临近的低信噪点识别为高相干点，使得最终获得的高相干点出现片状、团状分布的特征。虽然可以通过提高相干系数阀值将低信噪点剔除，有效避免高相干点呈片状、团状分布的问题，但是提高相干系数阀值明显降低了最终高相干点的密度，进而对监测精度影响较大[10]。王天宇等在监测某公路边坡过程中采用了三重指数串行法获得了质量较高的高相干点，取得了较好的应用效果，基于此，本文采用该方法进行高相干点的选择。三重指数串行法是通过设置相干系数阀值、振幅离差指数阀值、强度阀值等参数获得较高质量的相干点，其中前者阀值高则获得的高相干点数量较低，后两者可以较好的剔除低信噪点[11-12]。结合本次获得数据质量以及前人应用效果，本次将强度阀值设置为9.0，振幅离差指数阀值设定为0.6，相干系数阀值设定0.7，最终获得了覆盖比例为85%的高相干点，提高了边坡形变监测精度。在完成上述操作流程的基础上，可获得监测区域的形变规律分布图(见图1)。

图1 某采矿边坡形变规律分布

3.3 监测结果

本次监测过程中，选择7个同步监测点使用全站仪进行对比监测，以便于验证GB-InSAR技术在边坡形变监测中的精度。为了便于数据分析，本文截取监测区域形变量较大的部分区域进行分析，从图1可以看出：总体上该条边坡的形变量集中在边坡左侧，普遍发生了较大规模的形变，此外，边坡上部形变量大于边坡下部。其中，上部边坡最大形变量可达-49.3 mm，具有明显的滑动现象；中部形变量明显小于上部，形变量介于-7.8～-23.1 mm，具有较为明显的滑动现象；边坡下部相对稳定，但位于边坡左侧的区域具有较大的滑动现象，最大形变量可达-53.7 mm，边部下部的中部区域具有一定的形变量，但形变量相对较小。

本文使用全站仪对7个同步监测点进行形变监测，其中P1、P2和P3点位于边坡上部，全站仪监测累计形变量分别为-35.6，-41.3，0 mm，根据GB-InSAR技术获得的形变分布图中的形变量为-36.2，-41.4，-0.1 mm，总体上二者变化一致且在误差范围内，说明上述3个监测点数据质量可靠；P4点P5点位于边坡中部，全站仪监测累计形变量分别为-48.2 mm和-28.9 mm，根据GB-InSAR技术获得的形变分布中的形变量为-48.1 mm和-29.2 mm，总体上二者变化一致且在误差范围内，说明上述2个监测点数据质量可靠；P6和P7点位于边坡下部，全站仪监测累计形变量分别为-53.1 mm和-8.3 mm，根据GB-InSAR技术获得的形变分布中的形变量为-53.7 mm、和-8.9 mm，总体上二者变化一致且在误差范围内，说明上述两个监测点数据质量可靠。

采矿边坡的稳定性受降雨气候影响较大，因此，本次在监测边坡形变过程中选择降雨天气进行，其中监测过程中的前约5小时内一直为持续性的中至小雨天气，剩余约3小时20分钟为未降雨天气，并对降雨前后边坡形变量进行了统计分析，统计结果见表1。根据表1可知，降雨对该采矿边坡稳定性影响较大，降雨过程中形变量远大于降雨后的形变量，尤其是边坡下部基岩区域形变，地表雨水通过岩石裂隙下渗加速滑动形变，严重影响了该区域进一步采矿工作界面的设置。因此，为了降低采矿安全风险，应该在边坡上部做好排水处理，可有效的防治上部地表水下渗至边坡中下部，避免引起较大规模的滑坡灾害等。

表1 研究区降雨前后同步监测点形变量一览

4 结 论

通过上述实例实践表明，GB-InSAR技术在矿山采矿边坡形变监测中取得了良好的应用效果，监测结果与同步全站仪累计形变量相比，二者具有一致的变化趋势且均在误差范围内，说明该方法所获监测数据可靠。此外，GB-InSAR技术具有实时动态监测，能够全面反映监测区域整体形变规律的优势，因而更具广阔的应用前景。但是GB-InSAR技术在高相干点选择过程中尚未形成较好的数据处理方法，在今后的研究过程中应加强数据处理方法的探索，为提高该方法监测精度奠定基础。