基于“天−空−地”一体化的东川区沙坝村滑坡体时序监测与分析

张晓伦，甘 淑，袁希平，宗慧琳，梁昌献，赵振峰

(1.昆明理工大学 国土资源工程学院，云南 昆明 650093；2.昆明冶金高等专科学校 测绘学院，云南 昆明 650033；3.滇西应用技术大学，云南 大理 671000)

昆明市东川区位于云贵高原北部边缘，川滇经向构造带与华夏东北构造带结合过渡带，属于小江深大断裂带[1].东川境内高山峡谷众多，滑坡、泥石流、崩塌等地质灾害频发，是世界上地质灾害分布最密集的地区之一，特殊的地质条件和地理环境给当地人民生命财产安全带来严重威胁，也是中国地质灾害观测与防治工作的重点区域[2].因此，有效地监测地表形变对于评估潜在的地质灾害，分析成因机理与灾害防治具有至关重要作用.

传统的地质灾害监测方法是布设监测点、构建观测路线，然后采用水准仪、全站仪和全球导航卫星系统（Global Navigation Satellite System，GNSS）等手段定期或不定期观测监测点的下沉和水平位移[3-4].这些方法虽然测量精度较高，但监测范围小、工作量大、成本高、效率低，而且观测点容易被破坏、不能连续监测，从而削弱了形变监测的整体可靠性，也因此降低了对潜在地质灾害的预估可靠性[5].合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar,InSAR）技术具有全天候、全天时、宏观大范围、高分辨对地观测能力，能够对地表微小形变进行高精度探测[6-7].Zhao 等[8]在2012年采用InSAR 技术对美国加利福尼亚州北部大范围区域进行滑坡探测与监测分析；Costantini 等[9]在2017 年对整个意大利进行地表形变监测与滑坡识别；近些年来InSAR 技术在滑坡等地质灾害监测中的巨大应用价值已经逐步得到认可，并在中国白龙江流域上游、雅砻江中段、三峡库区、大渡河上游等地区滑坡灾害调查中得到成功应用[10-12].许强等[13]提出“天−空−地”一体化地质灾害识别与监测体系，能够从整体到局部、从过去到现在分析“地质灾害隐患点在哪里？”与“发生的原因是什么？”.中国西南地区的地质灾害隐患点往往位于山体高位，有些地区可能被植被覆盖，传统人工调查很难发现这些隐患点.基于“天−空−地”一体化的多源立体灾害监测体系，可以很好地克服传统方法的局限性.因此，采用“天−空−地”一体化方法可以对地质灾害频发地区进行长时间序列多尺度探测与变化特征分析，为区域地质灾害防治提供科学依据.

本研究选择东川区沙坝村滑坡体作为研究对象，首先采用“天（小基线集合成孔径雷达干涉测量）−空（无人机航空摄影测量）−地（地面调查）”一体化方法，利用历史微波遥感影像进行时序性InSAR处理，得到大范围区域时序性形变信息；其次对地质灾害高风险地区或形变异常区域进行无人机航空摄影测量构建区域实景三维，获取地质灾害隐患重点区域地表破坏痕迹与岩体结构形态；再次进行实地地质灾害调查核查，从空间上了解灾后区域地表形态，从时间上追溯区域地表形变规律，为灾害调查与评估提供可靠数据支撑，也为此类地质灾害运动规律的研究和灾害危险性评估提供了参考价值.本文对东川区沙坝村滑坡体开展“天−空−地”一体化地质灾害监测，利用新方法在高山峡谷地质灾害频发地区的探索应用，可为西南高原山区地质灾害早期识别与监测防治积累宝贵经验.

1 研究区域与实验数据

本研究选择云南省昆明市东川区汤丹镇沙坝村作为研究区域（见图1），沙坝村位于黄水箐（河流）边缘，属小江流域.区域内山高坡陡，地势高差近千米，平均海拔1 750 m，年平均气温13 ℃，年降水量880 mm.昼夜温差大，夏季炎热、冬季存在积雪与霜冻，促使岩体裂缝发育；雨季（5—10 月）存在强降雨，雨水渗入岩石，同时沿坡体携带散落碎石从上向下冲刷，滑坡体上部自重增加、中部支撑物减少，导致滑坡体的支撑力失衡，易发生崩塌、滑坡、泥石流等地质灾害.

图1 研究区域位置示意图Fig.1 Location of study area

滑坡体整体呈喇叭口状（见图2），上窄下宽，上陡下缓，长度约1 200 m，下部宽度约500 m，后缘高程约2 420 m，前缘高程约1 680 m，属于巨型古滑坡堆积体.堆积体上部覆盖有稀疏低矮植被，裸露基岩风化严重，存在多处基岩崩塌点，表面有大量碎石；中部植被覆盖稀少，岩石碎屑随时滑落；滑坡体下部为沙坝村居民区和同心小学，前缘为黄水箐.

图2 沙坝村滑坡体全貌图Fig.2 Full view of landslide in Shaba Village

研究采用欧洲航空局（European Space Agency,ESA）发射的Sentinel-1A 微波遥感卫星数据，该卫星的合成孔径雷达（Synthetic Aperture Radar,SAR）影像具有很好的干涉性能，重访周期为12 d，时间分辨率高，有利于时间序列形变信息提取.收集覆盖研究区域的34 景C 波段渐进式地形观测（Terrain Observation with Progressive,TOPS）模式降轨SAR 影像，时间覆盖范围为2018-03-22 至2020-12-12，具体参数如表1 所示.研究中采用分辨率为30 m的美国奋进号航天飞机的雷达地形测绘（Shuttle Radar Topography Mission,SRTM）和数字高程模型（Digital Elevation Model,DEM）数据用于消除地形相位，以及后续辅助SAR 影像进行地理编码.光学遥感影像数据采用2020 年8 月获取的0.5 m 分辨率高景一号影像数据，用于展示沙坝村滑坡体全貌信息.

表1 Sentinel-1A 影像数据参数Tab.1 Sentinel-1A remote sensing image data parameters

2 研究方法与数据处理

2.1 基于微波遥感的时序InSAR 形变监测微波遥感具有全天候、全天时对地高分辨率探测能力，综合成本低，适宜于大范围地质灾害普查与长期连续性观测.时序InSAR 技术是在经典D-InSAR 技术基础上发展起来的.D-InSAR 技术是利用卫星上的合成孔径雷达（SAR）对同一地区进行2 次观测，通过差分干涉处理获取地表的形变信息[14].DInSAR 技术在数据处理过程中，只利用一个干涉对影像处理结果的可靠性不能保证；同时干涉数据容易受到时间与空间上的失相干影响，引起形变信息不准确[15].为了提高形变监测结果的精度与可靠性，可以利用多次重复轨道在稳定散射体目标上形成冗余观测，实现形变相位与其它相位成分的相互分离，基于此产生了时序InSAR 方法[16-19].

小基线集合成孔径雷达干涉测量（Small Baseline Subsets InSAR，SBAS-InSAR）技术按照短时空基线的原则，在原始影像数据量比较少的情况下，仍可以组合得到较多对多主影像差分干涉对，提高时空相干性.SBAS-InSAR 技术首先按照短时空基线原则组合生成多主影像的序列干涉图，接着对差分干涉相位进行空间滤波（多视处理），再根据平均空间相干性识别慢失相关滤波相位像素点（Slowly Decor relating Filtered phase Pixel，SDFP），即相干性比较高的地面目标点，在识别出的SDFP 点上建立观测方程，进行三维相位解缠与奇异值分解，求解单主影像相位序列，最后利用时空滤波估计和去除大气延迟相位，得到地形高程误差与时间序列形变信息[11].SBAS-InSAR 技术得到的SDFP 点在自然环境中普遍存在（例如沙地、裸土、岩石、草地等），该方法更适应于山区环境，在本研究中采用SBASInSAR 技术获取了研究区域时序性形变与年平均形变速率信息.

实验数据处理主要过程为：①利用精密轨道星历数据对每景SAR 影像进行轨道精化，生成单视复数数据（Single Look Complex，SLC）；②裁剪处理得到研究区域SLC 影像数据；③连接图生成与干涉像对组合，以最大空间基线阈值2%、最大时间基线180 d 为条件，自动选取20181012 的SAR 影像为超级主影像，组合生成149 个干涉像对，时空基线连接图如图3 所示；④干涉工作流，对干涉像对进行干涉处理，相干性生产，去平、滤波和相位解缠；⑤轨道精炼与重去平，估算并去除残余相位；⑥SBAS-InSAR 第1 次反演，初步估算形变速率和残余地形相位；⑦SBAS-InSAR 第2 次反演，在第1 次反演的基础上进行定制的大气滤波，从而估算和去除大气相位，得到更加精确的时间序列上位移结果；⑧对反演的结果做地理编码，将地表形变结果投影到地理坐标系中，得到研究区域雷达视线方向（Line of Sight，LOS）上的累积形变结果和年平均形变速率.

图3 时空基线图Fig.3 Space-time baseline diagram

2.2 基于无人机航空摄影测量的实景三维建模无人机航空摄影测量具有机动灵活、影像分辨率高、时效性强、成图精度高等特点，已经成为地质灾害调查、监测与评估的重要技术手段.利用无人机针对地质灾害高风险地区或形变异常区域进行倾斜摄影测量数据采集，通过数据处理得到研究区域精细化三维立体模型、数字正射影像图（Digital Orthophoto Map，DOM）、数字 表面模型（Digital Surface Model，DSM），为地质灾害调查提供高精度现势性成果.同时，研究区精细化三维模型可以清楚地查看地貌与岩体结构形态、地表破坏痕迹（裂缝、风化、滑坡壁等），可以进行位移与体积量算，对地质灾害隐患进行准确详查与评估.

本研究利用深圳市大疆创新科技有限公司生产的大疆经纬M300 四旋翼无人机，搭载5 镜头倾斜摄影测量PSDK102S 相机对研究区进行无人机航空摄影获取测区影像，航空摄影时考虑到区域地势高差大，分2 个架次安全飞行.第1 架次从沙坝村起飞主要获取研究区域下部影像，第2 架次从山体中部平坦区域起飞获取上部影像，相对航高均设置为300 m；然后利用实景三维建模软件进行自动化建模，构建研究区实景三维立体模型；接着生成研究区数字正射影像图（DOM）与精细化实景三维数字表面模型（DSM）（图4）.

图4 沙坝村滑坡体实景三维模型Fig.4 Real three-dimensional model of Shaba Village landslide

2.3 基于地面实地调查的地质灾害核查利用“天-空”遥感手段仅从外貌形态进行地质灾害隐患的识别，因受到多种因素影响，其识别结果并不一定完全准确，获取到的信息不一定全面.因此，利用遥感手段识别出的地质灾害隐患点还需要地质调查人员到达现场进行逐一核查，核查内容主要包括地质灾害体的发育过程与稳定性认识，调查过程中主要收集该区域地质构造、地层岩性、地形地貌、水文特征、气象等相关资料，有时还需要借助现场观测和探测手段，确定地质灾害体的基本特征、稳定状态、发展趋势，及时提出合理的防治建议，为地质灾害危险程度分区、论证地质灾害发生的危险性提供依据.

实地调查（图5）发现沙坝村滑坡体所处山体高差近千米，坡度大于45°，表面有大量碎石，结构松散，透水性强；滑坡体上部有明显山体崩塌痕迹，中部存在一个巨大的古崩塌块体，下部为沙坝村居民区和同心小学，发现散落一些崩塌滚石，较大的滚石直径大于1 m，存在一些房屋、架空管道、道路被滚石击破，目前暂未发现人员伤亡.

图5 沙坝村实地调查图片Fig.5 Field investigation pictures of Shaba Village

3 结果与分析

3.1 滑坡体地表形变分析经过SBAS-InSAR 技术处理获得沙坝村滑坡体雷达视线方向（LOS）的年平均形变速率信息（见图6），正值代表地面抬升，负值代表地面沉降.对沙坝村滑坡体进行“天-空-地”一体化的时序监测分析，研究区域从2018年3 月至2020 年12 月年平均形变速率介于−4～26 mm/a，最大沉降年平均形变速率区域位于滑坡体上部、崩塌点上方西南方向；最大抬升年平均形变速率位于最大沉降年平均形变速率区域下方、崩塌点西偏北方向，抬升年平均形变速率约是区域年平均形变速率的2 倍，两个区域均处于滑坡体上部，说明滑坡体上部不稳定；滑坡体中部与下部存在一些斑块处于抬升状态.通过对滑坡体SBASInSAR 时序形变结果分析，结合无人机航空摄影测量构建的滑坡体实景三维立体模型与人工实地调查，确定现存崩塌点仍存在再次崩塌隐患，崩塌点西偏北最大抬升年平均形变速率区域、滑坡体中部古崩塌巨大滚石为新发现隐患点，滑坡体下部村庄地形不断抬升对居民房屋造成安全隐患.接下来对隐患点与安全隐患区域进行详细时间序列形变分析.

图6 沙坝村滑坡体年平均形变速率Fig.6 Annual average deformation rate of Shaba Village landslide

3.2 崩塌点时序形变分析崩塌点及周边累积形变时间序列如图7 中A1、A、A2 所示.其中A1 位于崩塌点上部、A 位于崩塌点、A2 位于崩塌点下部.崩塌点上部与崩塌点自监测时间开始（2018 年3 月）不断抬升，而且上部抬升量明显大于崩塌点，将岩体重力加压于崩塌体，下部自2019 年12 月以后小范围抬升，说明上部崩塌体与岩体已经出现小面积土石剥落.崩塌点上部与崩塌点区域年平均形变速率为11.5 mm/a，形变速率较高，累积形变量持续增加.通过实景三维模型与实地观测发现崩塌点上方岩体悬空、下方存在明显岩石脱落划痕，有近5 m 落差.综合分析，现存崩塌点可能会出现再次崩塌，安全隐患依然比较高.

3.3 古崩塌巨大滚石区域时序形变古崩塌巨大滚石（古崩塌体）及周边累积形变时间序列如图7中B1、B、B2 所示.其中B1 位于古崩塌体上部、B位于古崩塌体、B2 位于古崩塌体下部.根据实地调查，古崩塌体是20 世纪滑坡体上部岩体崩塌滑落停留的巨大落石，现仍停留于山坡中部，距下部村庄近250 m 高差.经过实景三维模型立体模型量测，古崩塌体长36.7 m，宽31.4 m，高10.5 m，体积约12 100 m3，重量估算达30 000 t.通过对古崩塌体时序形变分析发现，古崩塌体上部年平均形变速率为11.98 mm/a，古崩塌体下部年平均形变速率为9.89 mm/a，古崩塌体年平均形变速率为7.22 mm/a，古崩塌体及其周边累积形变量在不断增加，处于抬升状态，但形变速率不一致、上部抬升速率大于下部，古崩塌体所处区域不稳定，存在下滑风险.

3.4 滑坡体下部沙坝村时序形变滑坡体下部沙坝村与同心小学累积形变时间序列如图7 中C1、C2 所示.其中C1 位于同心小学、C2 位于沙坝村中央.同心小学位于沙坝村上部，学校房屋为混凝土结构，同心小学区域累积形变量在持续增加，处于抬升状态，年平均形变速率为10.32 mm/a；沙坝村中央也处于不断抬升状态，年平均形变速率为14.83 mm/a.滑坡体下部沙坝村居民区累积形变量不断增加，将影响房屋地基稳定性，然而沙坝村居民房屋以砖房棚房为主，居民区房屋存在一定程度的安全隐患.

图7 沙坝村滑坡体地质灾害隐患区域形变信息Fig.7 Deformation information of the geological disaster hidden danger area in Shaba Village landslide

4 结论

本研究采用“天-空-地”一体化方法对东川区沙坝村滑坡体进行地质灾害隐患监测，取得很好的应用效果，成功识别出区域内地质灾害隐患点，并对其形变规律进行历史追溯与分析，为西南地区地质灾害防治提供科学依据.结论如下：

（1）沙坝村滑坡体在近三年间整体处于活跃状态，沿雷达视线方向（LOS）方向年平均形变速率在-4～26 mm/a 之间.滑坡体上部山体陡峭，存在明显下沉区域，有多处地区为已发崩塌点或存在潜在崩塌风险；滑坡体中部与下部整体在不断抬升，表明滑坡体整体处于不稳定状态.

（2）山坡中部的古崩塌体及其周边均处于抬升状态，但年平均形变速率不一致、上部抬升速率（11.98 mm/a）大于下部抬升速率（9.89 mm/a），说明古崩塌体所处区域不稳定，存在下滑风险.

（3）通过应用实践，利用SBAS-InSAR 方法对大范围长时间序列山区地质灾害早期识别可行且有效，能够为地质灾害调查人员提供区域宏观变形情况，提高传统地质灾害调查效率，同时可以追溯变形区域历史活动规律，为灾害评估提供重要数据支撑.

5 讨论与展望

引起沙坝村区域地质灾害频发的原因可能是多方面原因，区域处于活动断裂带，地质活动频繁，地质构造不稳定；四季与昼夜温差大，促进岩体风化，岩石表层不稳固；受地形影响强降雨对山体进行冲刷，支撑物减少，承载力失衡，易引起滑坡或崩塌；周边不远处有矿冶公司，爆破开采矿石，影响周边山体稳定性，具体影响原因与程度仍需后续深入分析.

未来研究中，可利用时序InSAR 方法对沙坝村周边大范围区域稳定性进行探测，结合区域地质调查、温度、降水、人为因素等资料分析灾害分布规律、控制因素与发育特征等方面进行更深入的研究；针对沙坝村滑坡体可进行更长时间序列连续监测，在地质灾害隐患区域安装GNSS 实时观测设备与监测预警系统，详细分析形变规律，为西南高原山区地质灾害有效防治提供可靠依据.