基于InSAR 技术的矿区滑坡灾害形变诱因分析*

彭思佳，陈 聪，马金辉

（兰州大学 资源环境学院，甘肃 兰州730000）

窑街矿区从1958 年建设开采以来一直受开采沉陷的影响，而由开采沉陷引起的9 起次生地质灾害中滑坡灾害为8 起，可见窑街矿区内开采沉陷引起的次生灾害主要是滑坡[1]。合成孔径雷达干涉测量（interferometric synthetic aperture radar，InSAR）技术具有全天时、全天候、监测范围大、监测精度高等特点，被广泛应用于地震[2]、滑坡[3]、泥石流[4]、地面沉降[5]等灾害的监测研究中，并取得了丰富的研究成果。尤其是SBAS-InSAR（small baseline subset InSAR）技术，该技术是由Berardino 等[6]提出的一种以多主影像的干涉对为基础的时间序列In－SAR 分析方法。该技术在滑坡形变监测方面已发挥重要作用。Necsoiu 等[7]利用SBAS-InSAR 技术对Salmon Falls Creek 峡谷内的滑坡体的运动速率和运动范围进行了研究，发现SBAS-InSAR 技术可以捕捉强非线性位移速率。戴可人等[8]利用SBAS-InSAR 技术对甘肃南峪乡滑坡灾前变形进行追溯，发现降雨是该滑坡发生的主要诱因。上述研究证实了SBAS-InSAR 技术在滑坡灾害诱因分析的可行性。而在矿区的研究中SBAS-InSAR 技术多用于检测矿区开采沉陷，对于由矿区开采所引起的次生灾害关注较少。本文是基于SBAS-InSAR 技术，利用二维形变模型计算获得垂直向与滑坡体滑动方向的形变速率，整体对滑坡体形成过程进行分析，再根据不同形变过程的范围分析得到形变诱因，该方法为矿区内次生灾害的监测预警提供新思路、新方法。

1 研究区概况

甘肃窑街煤矿位于甘肃、青海两省交界处。矿区位于黄土高原西部边缘区，地形较复杂。由于长期大规模地开采，且矿区内建筑物和煤矸石堆积场都是建在旧开采区之上，导致了矿区内滑坡、地表塌陷、地表裂缝等地质灾害的发生[9]。上工业广场滑坡体位于海石湾矿区西侧，建筑区东侧，2018 年4 月9 日发生滑坡。滑坡体南北方向长约506m，影响面积约5000m2，滑坡土方量约为300×104m3。

2 数据与方法

2.1 数据说明

本文采用的主要研究数据是Sentinel-1A 数据，该数据是由欧洲宇航局发射的对地观测卫星所获取，卫星重访周期为12 天，研究选用的是干涉宽幅模式的影像数据，地面分辨率为5m（距离向）×20m（方位向）。辅助数据是美国航空航天局（NASA）发布的30m DEM 数据（ASTER GDEM）。

2.2 SBAS-InSAR 技术

SBAS-InSAR 技术基本原理是基于时间和空间基线阈值选择多幅主影像，选择时间和空间基线都较短的干涉对进行差分干涉处理。利用外部导入的精轨数据和DEM 数据，对所选的干涉对进行差分处理，去除地形对形变结果的影响。选择稳定点作为外部控制点进行相位解缠，最后利用最小二乘法对所有干涉对进行联合求解，得到地表形变信息。

2.3 二维形变模型

上工业广场滑向方位角约110°，近东西方向，南北方向上的位移极小。因此，本文只计算垂直向和滑动方向的水平位移。将雷达视线方向的形变分解为垂向形变dU、滑坡体滑动方向形变dOA，计算公式：dLOS=ducosθdOAsinθcos（δ-α）。

3 形变结果与分析

3.1 滑坡形变过程二维形变分析

滑坡发生前的12 个月时间内，两个方向都存在明显的形变，滑坡向水平最大年均形变速率可达110mm/a，垂直向最大年均形变速率为84mm/a。空间上根据提取的二维形变结果（图1、图2），按形变差异将滑坡体划分为滑坡体北区与南区。经实地考察发现北区为煤矸石堆积区，南区为黄土区。分析得到滑坡体形变过程变化：2017 年4月以前，区内两个方向累积形变量都低于15mm；2017 年4 月至6 月，滑坡体的形变范围主要位于滑坡体北区，发现形变范围向滑坡体南区下部扩展，北区形变扩展到南区下部促使南区失稳发生形变；2017 年7 月至12 月，垂直向形变中滑坡体北区形变量增大明显，而滑坡体南区形变主要以沿滑坡向水平形变为主，此时水平形变范围覆盖整个滑坡体；2018 年水平形变范围覆盖整个上工业广场斜坡。

图1 垂直向形变

图2 沿滑坡向水平形变

从两个方向的时间变化过程来看（图3），滑坡体北区的形变量明显大于滑坡体南区，2017 年6 月滑坡体北区形变量出现波动，进入加速变形期；2017 年12 月滑坡体南区出现形变拐点，形变速率增加但小于北区形变速率；2018 年1 月滑坡体北区进入形变加速期，直至2018年4 月滑坡发生。综合滑坡体的时间、空间变化特征可以发现，滑坡体的发育与北区的煤矸石堆积场有密切的关系，煤矸石堆积场的失稳是导致滑坡体形成的重要驱动因素。

图3 灾前时间序列累积形变图（左：垂直向 右：滑动方向）

3.2 滑坡形变趋势范围划分

利用时序分析工具对形变点进行形变趋势划分，得到时空热点趋势分布格局（图4），图中垂直向位移中热点为向上抬升，冷点为下沉；沿滑坡向水平位移的热点为与滑向方向相反，冷点为与滑向方向一致。

图4 时空热点趋势分布格局（左：垂直向 右：沿滑坡水平向）

滑坡体边线内大部分区域在两个方向上都为振荡的冷点，意味着该区域时间序列变化过程与图3 中分析的时间变化特征一致，滑坡体呈现匀速-加速-匀速-加速非线性变化过程，为复合型滑坡。图4 中A 区的形变过程与滑坡体形变过程一致，说明在建筑区中A 区受滑坡体的影响大，在后续的滑坡体稳定性评价与灾后治理中需要重点关注。B 区与C 区在滑坡体边线内，水平向为加强的冷点，呈现线性变化过程，在垂直向趋势分布中B 区为振荡的冷点，呈现非线性变化趋势；C 区在2017 年9 月以前累积形变量3mm，9 月以后形变量匀速增加，呈线性变化。由3.1 节的分析可知滑坡发生的主要诱因是北区煤矸石堆积场失稳，因此滑坡体的启动区是非线性特征区。在对矿区进行安全监测时，除采空区开采沉陷外，应重点关注矿区内非线性变化特征区，以防发生次生灾害。

4 结论

本文基于SBAS-InSAR 技术获取滑坡体垂直向与滑动方向的二维时序形变结果，从时间、空间两方面分析，发现北区的煤矸石堆积物是滑坡灾害发生的主要诱因。对滑坡体不同形变趋势进行分析，认为滑坡体整体为复合型滑坡，属于非线性变化，结合诱因分析发现非线性特征区是滑坡体的启动区。非线性变化相较于线性变化演化规律复杂，难以准确预测，需要在矿区灾害预警、治理中重点关注。利用InSAR 技术来获取地表真实形变，对具有非线性形变特点的区域进行二维时空分析，探寻形变规律，排查潜在灾害区，对后期灾后治理、矿区减灾等有重要意义。