时序InSAR边坡滑移监测下输电杆塔失稳机理研究

高霞霞 李素敏 陈朋弟 袁利伟 黄然

摘 要：滑坡等地质灾害容易引起输电线路杆塔塔基变形，从而影响电力系统的安全运行。针对边坡滑移引起的输电线路杆塔塔基失稳问题，本文利用小基线集合成孔径雷达干涉测量SBAS-InSAR技术对获取的2019年1月—2020年12月覆盖研究区的Sentinel-1A降轨数据进行处理。首先，识别潜在滑坡点;其次，结合实测数据及现场调查对该区域的输电杆塔做进一步的稳定性评估;最后，通过时空演变特征分析输电杆塔塔基的失稳机理。结果表明：N号输电杆塔附近的滑坡是导致该塔基失稳的主要原因，而滑坡的发生受内外因素的制约，內因方面主要受软弱岩性的影响，外因方面主要受降雨量、重型货车碾压的影响，在内外因的共同作用下，坡体抗剪强度降低、沉降速率加快。研究结果揭示了SBAS-InSAR技术在输电杆塔塔基失稳性监测中的可靠性与实用性，通过对滑坡发育规律及塔基失稳机理的研究，可为电力等相关部门在输电线路选址、巡检等早期隐患识别方面提供有效的参考依据，具有重要的应用价值。

关键词：输电杆塔;滑坡;SBAS-InSAR;时空演化;隐患识别

中图分类号：P694

文献标志码：A

电力系统的强大与否反应了一个国家的综合国力和经济基础建设能力，输电杆塔作为高压输电线路中最重要的基础设施之一，在保证电力系统的安全可靠运行中发挥着至关重要的作用。截止到2020年12月，云南省已建成10条输电外送通道，但随着输电工程规模和跨度的扩大，越来越多的输电线路工程设施区域面临着滑坡、泥石流、地面沉降、塌陷等地质灾害的威胁。地质灾害会造成输电杆塔塔基的移动与变形，破坏高压输电杆塔的初始平衡状态，进而对输电杆塔的稳定性产生影响[1-3]。因此，研究输电杆塔的长时间形变监测对保障电力系统的安全稳定运行非常必要。

传统的基于全球定位系统（global positioning system，GPS）和水准测量方法虽然可以实现局部区域的单点高精度监测，但存在测量范围有限、易受到磁场信号干扰、耗时耗力和成本高等问题[4]。后续发展起来的作业机器人[5]、无人机[6]、传感器[7]等方法，投入成本较高，且不利于大范围长时间性监测，效率较低。也有很多学者通过数值模拟的方法对地质灾害下输电杆塔稳定性进行研究，如周文峰等[8]利用ANSYS软件建立杆塔精细化有限元模型，施加地质灾害下各工况塔基约束条件，对杆塔失效性进行分析;王彦海等[9]运用ANSYS软件建立了500 kV输电杆塔仿真模型，模拟滑坡灾害下输电杆塔的基础变形，并分析了杆塔在不同工况下的受力情况。上述方法虽能模拟杆塔的变形过程，但无法对输电杆塔塔基的地表形变进行反演，探究杆塔在地质灾害作用下的破坏模式。

相比之下，当前发展起来的基于合成孔径雷达数据干涉测量（synthetic aperture radar interferometry，InSAR）技术具有高时空分辨率、覆盖范围广、形变监测精度高、全天时和全气候等特点[10-11]，已在区域性地表形变监测[12-14]、地震形变监测[15]、滑坡隐患识别[16-19]等方面得到了广泛应用，并已获得可行性验证。随着InSAR技术的成熟应用，该方法也被应用于电力系统的监测中，LUO 等[20]利用小基线集合成孔径雷达干涉测量（small baseline subset insar，SBAS-InSAR）方法对2016年至2017年之间采集的21幅COSMO-SkyMed雷达图像进行处理，以监测中国永山县输电走廊地面沉降趋势;FERESHTEH等[21]利用InSAR技术对 X波段的COSMO-SkyMed数据和C波段的Sentinel-1A数据进行研究，分析了研究区域每个输电塔的变形和精确的位移大小;范鹏等[22]以TerraSAR-X数据为基础，研究了时序InSAR技术在青藏输电杆塔变形监测中的应用，结果表明高分辨率时序InSAR技术在输变电工程形变监测中具有广阔的应用前景。

上述方法大多只针对局部输电线路灾害隐患点的识别以及输电杆塔的变形监测，而对地质灾害引起的输电杆塔塔基失稳机理的研究相对较少。因此，本文以Sentinel-1A 雷达影像为数据源，获取了2019年1月—2020年12月的49景影像数据，利用SBAS-InSAR技术对多座输电杆塔区域进行滑坡监测识别，并基于滑坡的时空演变特征对输电杆塔塔基的失稳机理进行分析，监测结果可为滑坡灾害影响下的输电杆塔稳定性评估提供参考。

1 研究区概况与数据源

1.1 研究区概况

本研究区输电杆塔选取自云南省大理白族自治州南涧彝族自治县，地理位置如图1所示。南涧彝族自治县地处云南省西部，大理白族自治州南部，地形以山地为主，绝大部分地区山高、壑深、坡陡，99.3%的区域属山区。研究区地理坐标为东经100°15′24″—100°17′21″和北纬24°55′27″—24°56′39″，位于南涧彝族自治县西部（见图1（a），红色边框表示研究区域），海拔148～2 123 m，年平均气温19.3 ℃，年降水量867.8 mm，属中国西部热带海陆季风气候，地貌构成主要有侵蚀构造地貌、侵蚀堆积地貌、剥蚀地貌、断块山地貌、岩溶地貌等，岩性以砂岩、泥岩、灰岩、砾岩等为主，土壤资源有棕壤、黄棕壤、红壤、紫色土、石灰土、冲积土、水稻土和盐土8种。该区域地处横断山系纵谷区，大部分是由河谷、山峦和坡地构成的山区或半山区，地形地貌复杂，加之降水时空分布不均，是山洪灾害的易发区、高发区和重灾区。图1（b）展示了研究区500 kV输电杆塔的空间分布位置。

1.2 数据来源

本研究使用的数据由欧空局Sentinel-1A卫星提供，时间跨度为2019年1月—2020年12月，共计49景降轨影像，所有影像均为VV极化方式，C波段（波长5.6 cm），成像模式采用干涉宽幅模式（interferometric wide swath，IW），所获数据可完全覆盖研究区，数据信息如表1所示。影像处理中所使用的数字高程模型（digital elevation model，DEM）是由美国宇航局（national aeronautics and space administration，NASA）主导的采用航天飞机雷达地形测绘任务（shuttle radar topography mission，STRM）所采集的数据，空间分辨率为30 m。

2 研究方法与数据处理

2.1 研究方法

SBAS-InSAR采用多主影像的方式组合出短时间和空间基线的干涉图。其主要技术原理为[23]：

假设在一定时间范围内获得覆盖同一区域的N+1幅SAR影像，任选其中一幅影像作为主影像，将其余N幅影像配准到主影像的成像空间，通过设置时空基线阈值对配准后的影像进行组合，生成M幅相干性较好的差分干涉图，M和N的关系满足，

N+12≤M≤N（N+1）2 （1）

经地形相位去除后，得到由tA和tB时刻（tB>tA）生成的第j幅差分干涉圖，则生成的干涉图某一点的干涉相位可表示为

δφj=φ（tB）-φ（tA）≈δφdefj+δφtopoj+δφatmj+δφnoisj（2）

其中，

δφdefj=4πλ[d（tB）-d（tA）]（3）

δφtopoj=4πλB⊥ΔhRsin θ（4）

δφatmj=φatm（tB）-φatm（tA）（5）

式中，δφj为任意一点处干涉相位;φ（tA）和φ（tB）为该点在tA和tB时刻对应于t0时刻的相位;δφdefj为tA至tB时刻视线向的形变相位;δφtopoj为地形相位误差;δφatmj为大气相位误差;δφnoisj为噪声相位误差;d（tA）和d（tB）分别为tA和tB时刻相对于t0时刻的雷达视线方向（line of sighe，LOS）累积形变量;λ为雷达波长;R为雷达到地面观测物体的斜距;θ为入射角;B⊥为垂直基线;Δh为高程误差;φatm（tA）和φatm（tB）分别为tA和tB时刻对应于t0时刻的大气相位。

2.2 数据处理

试验中首先对数据进行SBAS时序处理，然后利用ArcGIS对监测结果进行优化和精细化处理，处理流程如图2所示。试验数据选用覆盖研究区的降轨影像，以20200726影像数据作为主影像，对多景单视复数（single look complex，SLC）影像进行一系列处理后得到时间序列形变结果，通过结合实测数据与现场核查对输电杆塔的稳定性进行评估，最后基于时空演变特征分析输电杆塔塔基的失稳机理。其中，时间基线阈值设定为90 d，最大空间基线阈值设定为10%。

3 结果与分析

3.1 输电线路地质灾害隐患早期识别

通过SBAS-InSAR技术对2019年1月—2020年12月期间获取的覆盖研究区的合成孔径雷达（synthetic aperture radar，SAR）数据进行处理，得到该区域内500 kV输电杆塔周边广域范围内的形变监测特征信息（见图3（a）），并对疑似变形区域和重大风险隐患点进行实地调查。图3（a）中红色正值表示抬升，目标朝向卫星运动方向，蓝色负值表示沉降，目标背离卫星运动方向，绿色则表示相对稳定的区域。

从图3（a）可以看出，大部分区域的形变速率在-10～+10 mm/a之间，沉降严重区域主要集中在N号塔西部、西北部以及东北部300 m范围内，且存在大片高速率形变区，疑似灾害隐患点，监测得到的最大形变速率值为-80 mm/a。为此，本文主要针对N号输电杆塔附近危险坡体进行形变监测与分析，研究该区域滑坡体对输电杆塔稳定性的影响机理。对无人机所拍摄的照片进行三维建模后，可以清晰的显示出输电杆塔与坡体的空间位置及坡体的地形地貌，从图3（b）可以看出输电杆塔位于滑坡区顶部，坡体上有冲沟和居民住宅区。

3.2 N号输电杆塔稳定性分析

输电杆塔塔基的稳定性受滑坡变形范围的影响，从图3（a）可以看出，塔基的形变速率为-40 mm/a，且研究人员在2020年5月通过现场巡查发现，输电杆塔塔基的顶面出现了不同程度的裂纹（见图4（a）），为了对杆塔的稳定性做进一步分析，通过在现场布设代表性监测点对输电杆塔塔基进行监测。在地表变形作用下，输电杆塔破坏的程度与杆塔四个塔腿的沉降量有很大的关系，当杆塔的四个塔腿沉降量保持一致时，基础间的相对位置保持不变，破坏的风险较小，当四个塔腿的沉降量不一致时，杆塔发生倾倒的风险增大。由于InSAR数据分辨率的问题，无法对杆塔的四个塔腿进行单独监测，故在塔腿基础顶面布设了相应的监测点（见图4（b）），并对四个塔腿进行监测，测量时以TD腿插入角钢顶端立柱顶点为基点，得到四个塔腿的变化值（见表2）。2020年5月8日的测量数据显示，N号输电杆塔基础TA、TB、TC腿均发生了沉降，TA腿基础沉降了448 mm，TB腿基础沉降了440 mm，TC腿基础沉降了147 mm，考虑到TC、TD基础存在75 mm的设计预偏，因此TA腿的基础沉降量为373 mm，TB腿基础的沉降量为365 mm，TC腿基础的沉降量为72 mm，TA、TB腿为靠近坡体的一侧，属于不均匀沉降，且N号杆塔为耐张转角塔，塔高44.6 m，为插入角钢斜柱式基础，该基础受某种自然灾害破坏时，线路修复困难，因此会对N号塔的安全稳定运行造成严重威胁。

3.3 典型区域滑坡时空演变特征分析

为了探究滑坡变形对N号输电杆塔塔基失稳的影响机理，从空间和时间两方面进行塔基失稳性分析。

研究发现，滑坡多发于地质构造复杂、坡度大于20°且形变速率超过10 mm/a的区域，滑坡的破坏一般是由局部破坏逐渐扩展贯通到整体的渐进式过程[24]。研究区时空变化图如图5所示，红色边框区域为重点研究区域，该区域地质地貌复杂，坡度在30°左右。

从整体的变形过程可以看出，该研究区从2019年1月—2020年12月期间一直处于沉降递增状态，这是导致输电杆塔塔体失稳的主要原因。从划分的时间间隔来看，2019年1月—2019年3月（见图5（a）），研究区整体沉降量较小，沉降值范围在-10～-19 mm之间，但相比于周边区域，该研究区沉降较为明显;到2020年3月底（见图5（e）），该区域沉降趋势显著增加，坡体整体存在A、B两个潜在滑移面，主要分布在N号输电杆塔的东北部、西北部与西部，区域沉降面积逐渐扩大，对塔基失稳性影响增强，沉降值范围在-58～-98 mm;从2020年3月底—2020年12月（见图5（f）、图5（g）、图5（h）），研究区沉降范围扩散加强，滑坡体相对变形整体呈递增趋势，相比于图5（e），随着时间的推移，A、B两区域逐步向中间扩展已形成形变贯通面，整体呈现渐进破坏趋势，最大沉降量为-140 mm，沉降面积达到0.1 km2。从图5的监测过程不难发现，变形区域距离输电杆塔越来越近，进而导致塔体失稳性显著增加。

为进一步研究滑坡对N号输电杆塔变形的影响过程，在典型沉降区内分别选取了A、B、N 3个特征点，对其进行地面沉降长时间序列演化特征分析，并获取相关时序形变信息，其中N点为输电杆塔所在位置，A、B位于坡体上。如图6所示，从统计的结果可以看出：上述三点的形变时序曲线走势基本一致，几乎呈现相同的线性下降趋势，且研究区坡体以相似的形变速率持续蠕动变形，说明输电杆塔塔基的破坏形式与坡体的运动模式表现一致，证明了区域性滑坡是导致N号输电杆塔变形的主要原因。通过观察图6发现，该坡体存在两个形变加速阶段，分别为2019年7月—2019年10月、2020年7月—2020年10月，前时间段形变量随降雨的增多加速明显，后时间段形变量随降雨的增多虽表现不明显，但总体呈现形变加速状态。从现场调查发现，在雨季时场地覆盖层内会有局部上层积水存在，通过查阅相关地质资料得知，该形变区域主要包含砂岩、泥岩夹泥灰岩，为软弱岩类，属侏罗纪系，在外界因素如风力风化、降雨冲击、地下水以及太阳辐射等作用下加速了该区域岩性的泥化过程，导致层面间抗剪强度降低，形成典型的软弱结构面，这种结构很容易造成区域性滑坡，进而会对坡体和杆塔产生一定的影响。

实地勘察发现，重型车辆的反复碾压也是造成塔基沉降和坡体发生形变的主要外在因素。在研究区道路左后方山梁缓平地段存在一个大型拌合站，该大型拌合站用于修建大临铁路，而N号输电杆塔所处路段为该工程主要的运输通道，从2019年下半年开始该路段频繁经过水泥罐车和材料运输等大型车辆，吨位都在几十吨以上，而该段道路并没有经过任何硬化处理，在重型车辆的反复碾压下，路基不断下沉，这也是导致该区域沉降加速的主要外界因素之一。

4 结论

输电杆塔作为电力输送的重要支撑载体，在保证电力系统的安全可靠运营中发挥着重要的作用。本文利用SBAS-InSAR技术对南涧彝族自治县某区域500 kV输电杆塔进行形变监测，并对重点形变坡体做滑坡时空演化特征分析，通过现场勘察和内外因结合的方式来探讨滑坡对N号输电杆塔稳定性的影响机理，主要结论有：

1）通过InSAR技术对多座输电杆塔进行监测，分析发现N号输电杆塔附近存在滑坡，通过现场监测与核查证实，N号输电杆塔塔基出现了不均匀沉降，这一因素对杆塔稳定性影响较大。

2）从InSAR的时空演变分析结果可以看出，N号输电杆塔附近坡体滑坡是造成塔基失稳的主要原因，塔基的破坏形式与坡体的运动模式基本一致。分析发现，重点形变区坡体存在两个潜在滑移面，主要分布在N号输电杆塔的东北部、西北部与西部，随着时间的推移，两滑移面逐步向中间扩展，为渐进滑动模式，沉降区面积呈现递增趋势。

3）滑坡的发生是由内外因共同作用的结果。观察发现，重点形变区坡体位于N号杆塔东北部、西北部与西部，岩体破碎性较大，坡体土质松软，在雨水冲击、重型车辆碾压等外部因素作用下很容易发生滑坡。因此，坡体在内外因素的共同作用下使沉降速率加速，从而导致输电杆塔变形增加。

本文针对滑坡滑移下输电杆塔的失稳情况进行了相关监测和机理分析，该研究可为边坡滑移下杆塔的稳定性评估提供一定的借鉴，有助于提前采取预防措施，降低地质灾害对输电线路的破坏程度，保障电网的安全运行。

参考文献：

[1]曹永兴， 邓鹤鸣， 蔡炜， 等. 电力设施应对地震及其次生灾害的研究进展[J]. 高电压技术， 2019， 45（6）： 1962-1974.

[2] HAO L N， LI W L， GUO P， et al. Geohazard detection and analysis along an electricity transmission line in Tibet， China[J]. Arabian Journal of Geosciences， 2020， 13（15）： 1-16

[3] 王明洲， 李陶， 刘艳. L波段雷达卫星监测采空塌陷区及输电铁塔基础变形研究[J]. 测绘通报， 2014， 47（7）： 58-62.

[4] 王文杰. 基于GIS/GPS的输电线路智能巡检系统的研究[D]. 武汉： 武汉理工大学， 2012.

[5] 夏云峰， 宋新明， 贾志东， 等. 基于巡线机器人的输电线路状态检修技术研究现状与展望[J]. 高压电器， 2018， 54（7）： 53-63.

[6] 刘冲， 马晓昆， 郑宇， 等. 基于5G技术的无人机在输电线路巡检的应用[J]. 电力信息与通信技术， 2021， 19（4）： 44-49.

[7] 郑天堂， 黄新波， 赵隆， 等. 输电杆塔沉降状态感知技术研究[J]. 广东电力， 2021， 34（4）： 85-93.

[8] 周文峰， 杜志叶， 张力， 等. 地质灾害对超高压输电线路杆塔杆件失效影响分析[J]. 电测与仪表， 2020， 57 （7）： 21-27.

[9] 王彦海， 李清泉， 陈波， 等. 滑坡灾害下500 kV铁塔安全性分析[J]. 三峡大学学报（自然科学版）， 2020， 42（1）： 74-79.

[10]史绪国， 张路， 许强， 等. 黄土台塬滑坡变形的时序InSAR监测分析[J]. 武汉大学学报（信息科学版）， 2019， 44（7）： 1027-1034.

[11]张路， 廖明生， 董杰， 等. 基于時间序列InSAR分析的西部山区滑坡灾害隐患早期识别——以四川丹巴为例[J]. 武汉大学学报（信息科学版）， 2018， 43（12）： 2039-2049.

[12]刘琦， 岳国森， 丁孝兵， 等. 佛山地铁沿线时序InSAR形变时空特征分析[J]. 武汉大学学报（信息科学版）， 2019， 44（7）： 1099-1106.

[13]QIN X Q， LIAO M S， SHI X G， et al. Stability assessment of high-speed railway using advanced InSAR technique[C]//2016 IEEE International Geoscience and Remote Sensing Symposium. Beijing： IEEE， 2016.

[14]何海英， 陳彩芬， 陈富龙， 等. 张家口明长城景观廊道Sentinel-1影像SBAS形变监测示范研究[J]. 国土资源遥感， 2021， 33（1）： 205-213.

[15]许才军， 林敦灵， 温扬茂. 利用InSAR数据的汶川地震形变场提取及分析[J]. 武汉大学学报（信息科学版）， 2010， 35（10）： 1138-1142.

[16]NOVELLINO A， CESARAANO M， CAPPELLETTI P， et al. Slow-moving landslide risk assessment combining Machine Learning and InSAR techniques[J]. Catena， 2021， 203（5）：105317-105332.

[17]KANG Y， LU Z， ZHAO C Y， et al. InSAR monitoring of creeping landslides in mountainous regions： a case study in eldorado national forest， california[J]. Remote Sensing of Environment， 2021， 258（1）：112400-112417.

[18]陆会燕， 李为乐， 许强， 等. 光学遥感与InSAR 结合的金沙江白格滑坡上下游滑坡隐患早期识别[J]. 武汉大学学报（信息科学版）， 2019， 44（9）： 1342-1354.

[19]JIANG Y N， XU Q， LU Z. Landslide displacement monitoring by time series InSAR combining PS and DS targets[C]//2020 IEEE International Geoscience and Remote Sensing Symposium. Waikoloa： IEEE， 2020.

[20]LUO H， ZUO L G， CHEN Y， et al. Monitoring surface deformation of transmission corridors in mountain areas based on SBAS-INSAR[C]//2019 IEEE International Geoscience and Remote Sensing Symposium. Yokohama： IEEE， 2019.

[21]FERESHTEH T， FATEMEH F， DANIELE P. Monitoring of power towers' movement using persistent scatterer SAR interferometry in south west of tehran[J]. Remote Sensing， 2021， 13（3）： 407-421.

[22]范鹏， 王硕， 张正加， 等. 高分辨率时序InSAR技术在青藏输电杆塔精细形变监测中的应用[J]. 测绘通报， 2021， 49（3）： 118-122.

[23]张佳佳， 高波， 刘建康， 等. 基于SBAS-InSAR技术的川藏铁路澜沧江段滑坡隐患早期识别[J]. 现代地质， 2021， 35（1）： 64-73.

[24]郭瑞， 李素敏， 陈娅男，等. 基于SBAS-InSAR的矿区采空区潜在滑坡综合识别方法[J]. 地球信息科学学报， 2019， 21（7）： 1109-1120.

（责任编辑：于慧梅）

Research on Instability Mechanism of Transmission Towers

under Time-series InSAR Slope Slip Monitoring

GAO Xiaxia1， LI Sumin*1， CHEN Pengdi1， YUAN Liwei1， HUANG Ran2

（1.School of Land and Resources Engineering， Kunming University of Science and Technology， Kunming 650093 China; 2.Yunnan Power Grid Co.， Ltd. Electric Power Research Institute， Kunming 650217， China）

Abstract：

Geological disasters such as landslides can easily cause the deformation of the tower foundations of transmission lines， thereby affecting the safe operation of the power system. Aiming at the instability of transmission line tower foundation caused by slope slippage， this paper uses SBAS-InSAR technology to process the Sentinel-1A deorbit data obtained from January 2019 to December 2020 covering the study area. First， potential landslide points are identified. Secondly， the measured data and onsite investigations are combined to further evaluate the stability of the transmission towers in the area， and finally the instability mechanism of the transmission tower foundations through the characteristics of time and space evolution are analyzed. The results show that the landslide nears the transmission tower N is the main cause of the instability of the tower foundation， and the occurrence of the landslide is restricted by internal and external factors. The internal factors are mainly affected by weak lithology， and the external factors are mainly affected by rainfall and heavy trucks. Under the influence of pressure， the shear strength of the slope decreases and the settlement rate accelerates due to the combined action of internal and external factors. The research results reveal the reliability and practicability of the SBAS-InSAR technology in the monitoring of the instability of the tower foundation of the transmission tower. Through the study of the landslide development law and the mechanism of the tower foundation instability， it can be used for power and other related departments in the selection of power transmission lines. It provides an effective reference basis of early hidden danger identification such as patrol inspection， and has important application value.

Key words：

transmission tower; landslide; SBAS-InSAR; temporal and spatial evolution; hidden danger identification