基于SBAS-INSAR技术的滑坡变形监测

张文旭，李 巍，李首达，魏恋欢

（1.辽宁科技大学 土木工程学院，辽宁 鞍山 114051；2.东北大学 资源与土木工程学院，辽宁 沈阳 110819）

滑坡是众多自然灾害中相对较严重的，给人类生命安全、财产安全、区域和城市经济发展带来了巨大的损失。因此，对滑坡变形监测工作显得尤为迫切，以使滑坡造成的损失最小化［1］。近年来，有许多探测与监测技术已被应用于滑坡研究中［2］。杜超等［3］利用TLS（Terrestrial laser scaner）技术对环境地质灾害进行监测，TLS技术具有反应迅速、变化敏感、自动化的特点，但存在对高密度植被无法穿越，受潮湿环境影响较大，数据处理对软硬件要求高等不足。刘勇等［4］基于运动角差对滑坡监测相似点进行评判，将不同滑坡的变形速度值转换为角度，将变形加速度转换为角度差，通过比较角度差，更准确地对滑坡不同监测点的相似性进行评价，但由于其类比预测，所以预测结果存在一定程度的偶然性。彭凤友等［5］将GPS/BDS精密单点定位技术应用在滑坡变形监测中，在不宜架设基准站的偏远山区具有重要的应用价值，但由于BDS数据可利用率整体上不稳定，拉低了GPS/BDS整体精度。李捷等［6］利用全站仪免棱镜测量技术对滑坡进行变形监测，并提出了反射膜测量法，具有很高的内符合精度，观测距离在250 m内时，其测值误差与使用棱镜法没有差别，但该方法易受气象因素的影响，测量需在成像清晰、气象条件稳定时进行。小基线集技术（Small baseline subset-interferometric synthetic aperture radar，SBAS-INSAR）作为新型测绘方法之一，既能获得滑坡的静态信息，还能展现滑坡的动态变化规律［7］，其优势在于其监测面积广且分辨率高，相比于其他技术不需要布设地面控制点［8］，且其精度也经受住了国内外众多学者的验证［9-11］。本文基于SBASINSAR技术对祁连县牛心山进行滑坡监测，证明其应用于滑坡变形监测的可行性。

1 SBAS-INSAR原理及数据处理流程

1.1 SBAS-INSAR技术原理

小基线技术可以得到监测目标cm甚至mm级的形变情况［12-13］。其原理就是在所有基线的组合中进行筛选，选取时间和空间基线相对较短的像对，分别进行差分干涉处理，再进一步通过奇异值分解（Single value decomposition，SVD）方法解决数据解算过程中出现方程秩亏产生无穷解的情况，从而有效解决失相干等问题，利用相位信息观察捕捉到微小的地表形变量，最终生成形变时间序列图。

SBAS-INSAR与传统D-INSAR（Differential intereferometric synthetic aperture radar）技术相比，提高了时间采样率；与PS-INSAR（Persistent scatterer interferometric synthetic aperture radar）技术相比，解决了PS-INSAR技术限制数据量的问题，包含了线性和非线性形变，让测量结果更加准确［14］。

SBAS-INSAR技术遵循干涉对组合原则，假设存在N+1幅SAR影像，则干涉对M的取值范围[(N+1)/2,N(N+1)/2]，差分干涉相位计算式

式中：x、y像元坐标；λ雷达波长；Δd地表变量；B⊥垂直基线；θ仰角；Δz地形残差；Δφatm大气延迟相位；Δφn其他噪声相位［15］。

1.2 SBAS-INSAR技术处理数据流程

利用SBAS-INSAR技术对监测区进行滑坡形变监测，主要任务如下：

（1）建立地质灾害的影像数据库。根据监测区域地形地貌特点和监测周期，选取适合监测区域情况的雷达影像和DEM影像，按照时间序列建立监测区域的影像数据库；按照合适的时间和空间基线建立影像干涉对数据库。

（2）形成滑坡监测体系。滑坡监测需要确定监测周期，规范数据处理步骤，明确数据处理注意事项，细化数据处理流程，形成监测体系；根据监测区不同时相SAR影像，以及已有的基础地理数据，在严重失相干地区，利用多时相SAR影像变化监测得到监测区绝对位移图，以及灾害体的移动速度。

（3）建立监测成果数据库。形成滑坡的累积形变量图、形变时间序列折线图，建立监测成果数据库。

SBAS-INSAR处理数据流程图如图1所示。

图1 SBAS-InSAR处理过程Fig.1 Treating procedure of SBAS-InSAR

2 工程实例

本文以牛心山作为滑坡变形监测的对象，牛心山位于青海省藏族自治区祁连县，北纬369°47'，东经102°41'，地处青藏高原东端祁连山南麓，藏语为“阿咪东索”，寓意“众山之神”。牛心山海拔高度为4 942 m，平均坡度在70°~80°。山体主要以碎石土及页岩为主，土层厚度30~80 cm。2015年11月18日，牛心山南坡发生山体滑坡，出现约60万立方米滑坡体，主要是牛心山南坡泉水储量较多、土质疏松和气温变暖等原因造成。

2.1 数据情况介绍

数据选用Sentinel-1升轨的IW（Interferometric wide swath）模式下VV单极化数据，其重访周期为12 d，地面分辨率可达到20 m，入射角约39.1°，该数据在欧空局哥白尼数据开放中心下载。

选用祁连县牛心山区域从2018年1月至2019年9月共46期数据进行SBAS-InSAR处理分析，符合山体滑坡变形监测的需求。数据源的时间分布见表1，数据源的空间分布如图2所示。所选数据覆盖整个祁连县，完全可用于牛心山的滑坡变形监测。

表1 Sentinel-1数据时间分布表Tab.1 Time distribution table of Sentinel-1 data

图2 Sentinel-1数据空间覆盖示意图Fig.2 Schematic diagram of space coverage of Sentinel-1 data

2.2 数据处理方法

（1）首先将Sentinel-1原始数据转换为可解算的单视复数影像格式，对SAR数据进行数据导入生成强度图，根据粗配准偏移量及牛心山监测区范围，对主、辅图像公共区域进行裁剪，裁剪后的SAR图像范围应该大于或等于牛心山监测区域范围。

（2）由于单视复数数据的图像上会存在大量的噪声信息，所以对剪裁后的图像要进行精配准，其精度应该优于1/4个像素。

（3）对输入数据的干涉像对进行配对时，46景影像可生成最大干涉对数量为1 035对。在进行干涉处理之前，将所有影像统一到相同坐标系下，按照时间基线和空间基线选取最佳主影像。

（4）对成功配对的干涉对进行差分干涉，去除模拟地形相位，得到差分干涉图。差分干涉相位包括地表形变、DEM高程误差相位、大气相位、轨道误差相位、以及噪声相位等。将差分干涉图通过处理去除平地效应并滤波、相位解缠，使干涉像对连通。

（5）数据处理结果包含线性和非线性形变相位，采用小基线线性模型计算出所有像对的形变，从而得到牛心山地区的累积形变量、形变速率。

2.3 形变区分析

2018年1月07日~2019年9月23日牛心山累积形变量如图3a所示。根据形变量值发现较为明显的形变区五处。这五处形变区累积形变量放大图如图3b~图3f所示。五处形变区最大形变值分别为78、105、104、90、104 mm；五处形变中心的经纬度分别为100.101 416°东38.169 201°北（WGS84）、100.131 641°东38.167 321°北（WGS84）、100.237 850°东38.123 62°北（WGS84）、100.135 397°东 38.094 375°北（WGS84）、100.302 422°东38.013 200°北（WGS84）。五处形变区所在位置于Google Earth影像显示为人类活动频繁区，周围有道路建筑。

图3 祁连县牛心山2018年1月7日~2019年9月23日累积形变量图Fig.3 Cumulative deformation amount diagram of Niuxin mountain in Qilian county from January 7，2018 to September 23，2019

根据监测数据，得到五处形变区域的累计形变量如图4所示。区域1的形变量在0~78 mm以内，区域2的形变量在0~105 mm以内，区域3的形变量在0~104 mm以内，区域4的形变量在0~90 mm以内，区域5的形变量在0~104 mm以内。这五处形变区的累计形变量在监测周期内均呈现越来越大的趋势，且每年的五月份到九月份形变速率较大。按照滑坡形变量分级，形变量小于1.6×103mm/年都属于缓慢形滑坡，五处区域形变量均在该范围内。

图4 形变区累积形变折线图Fig.4 Cumulative deformation amount line chart of deformation zones

五处形变区域的累计形变量在监测周期内都存在一定程度的波动，主要是受地形地貌、植被覆盖情况等多方面因素的综合影响。山体岩石受风化及侵蚀，导致地面起伏度发生变化，从而造成形变量的波动。山体植被过于密集或稀疏均会造成形变量的波动；土壤的胀缩受含水量和温度的影响，降雨天气会造成地表水下渗到土壤，增加坡体的含水量，使坡体自身的重力加大，导致坡度发生变化；冬夏两季气温过低或过高导致土壤冻融，均会造成形变量的波动。

3 形变原因分析

3.1气 候

牛心山处于青藏高原东端祁连山南麓，样地平均海拔4 942 m，属大陆性高寒山区气候，年均温1℃，历年极端最低气温-31℃，最高气温26℃。年降水量为270~600 mm。无四季之分，仅有冷暖二季之别，为典型的高寒荒漠特征。

祁连县2018和2019全年降水量如图5所示。每年的5月至9月为全年温度最高且降水量最多的月份。形变区的形变速率在这五个月增长的也相对较快。因此气温和降水量对滑坡具有一定程度的影响。

3.2 地质构造及地下水

牛心山地质构造主要以碎石土及页岩为主，并且碎石土具有松散、厚度小、透水性好等特点。暴雨季节雨水会沿着土中的孔隙下渗，对节理面上的薄层压碎岩及断层泥起了软化作用，使岩石顺节理裂隙面的抗剪强度降低，从而引发深层岩体滑坡。因牛心山南坡泉水储量较多，更易发生形变。

4 结论

本文利用SBAS-INSAR技术进行滑坡变形监测。选取祁连县牛心山作为工程实例，图像经SBAS-INSAR技术处理后发现，牛心山较为明显的形变区5处，区域1的形变量在0~78 mm以内，区域2的形变量在0~105 mm以内，区域3的形变量在0~104 mm以内，区域4的形变量在0~90 mm以内，区域5的形变量在0~104 mm以内。监测结果表明，将该技术运用到滑坡变形监测中其精度可达到mm级别。从气候、地质结构及地下水方面对形变原因进行简单分析，证实了监测结果的可靠性。