天津蓟州五名山滑坡隐患早期识别监测

王 勇 杨 军 闫 勇 李 锁 陈 岩

1 天津城建大学地质与测绘学院，天津市津静路26号，300384 2 中国科学院精密测量科学与技术创新研究院大地测量与地球动力学国家重点实验室，武汉市徐东大街340号，430077 3 天津市地质工程勘测设计院有限公司，天津市红旗南路261号，300191

由于多年露天开采矿石，天津蓟州五名山人工堆积斜坡及临空面曾多次发生滑坡、崩塌等地质灾害，但未进行有效监测和预警，造成一定经济损失，严重威胁人民群众安全。滑坡灾害具有破坏性大、隐蔽性强等特点，对滑坡进行早期识别和长期监测值得重点研究[1]。目前，滑坡监测主要依赖传统的地表形变监测技术，如GNSS监测和定期水准测量等，虽然精度较高，但只能针对滑坡体边缘布设，无法有效地大面积覆盖整个滑坡体，且对于潜在未知隐患区监测非常有限[2]。逐渐成熟的时序InSAR技术具有精度高、不受天气限制、监测范围广等特点[3]，可以克服该限制。近年来，国内外学者利用InSAR技术获取已知或未知的潜在滑坡位置、边界、运动趋势，回溯评估滑坡体的运动学特征等[4-5]。Goorabi[6]利用InSAR技术探测到伊朗北部区域2017年地震后诱发的滑坡仍在继续移动；Bayer等[7]发现人类工程活动已激活意大利某山脉潜在的深层滑坡，并用GPS等数据与InSAR数据进行对比，结果具有良好的一致性；王之栋等[8]采用多种InSAR监测技术进行研究，结果表明可正确识别70%的形变区域，证明了不同InSAR技术可为地质灾害探测提供帮助。然而不同滑坡体朝向会使InSAR监测精度受限，可利用滑坡特殊性，认为滑坡主要发生在垂向与坡向，结合升降轨技术获取滑坡体垂向和坡向二维形变，可全面探查天津蓟州五名山滑坡灾害分布情况，为后续集中监测提供良好基础。

本文利用2017-03～2021-04 Sentinel-1A升轨和Sentinel-1B降轨数据，使用SBAS-InSAR技术对天津蓟州五名山滑坡隐患进行识别和探测。同时联合解算滑坡隐患区垂向和坡向形变场，与GNSS形变数据进行对比分析，评价SBAS-InSAR技术的适用性和精度，并结合区域内降水数据回溯滑坡的运动规律和特征，对天津蓟州五名山滑坡灾害的稳定性和范围进行初步评估，为有关部门提供精确的形变数据资料。

1 研究区概况及实验数据

1.1 区域概况

五名山位于天津市蓟州区渔阳镇与官庄镇交界处，山脚周围分布小刀剪营村、大星峪村等多个村庄。整体地貌属于低山丘陵，由于受长年采石影响，部分区域地貌已发生较大变化，形成多个临空面。其中已知的部分滑坡类型为中深层牵引式岩质顺层滑坡，大部分滑坡走向与坡向基本一致，曾多次发生局部岩体顺层滑动[9]。蓟州区降水主要集中在6～9月，占全年降水量的80%以上，其中汛期主要集中在7、8月，此时正是强降水引发地质灾害的多发期。

图1为初步圈定的五名山可能存在的滑坡隐患区域，其中A、D为主要的采石区，山顶已被削平深挖，呈不规则漏斗状，B、C多是在山脚处存在部分开采区域。已有资料显示，灾害类型主要为浅表层风化残坡积土质滑坡、尾矿堆碎屑泥石流，以及废弃矿山采面滑坡和崩塌、山坡崩塌等。

图1 五名山主要采石区Fig.1 Main quarrying areas of Wuming mountain

1.2 实验数据

本文选用欧空局的Sentinel-1A/B卫星数据，成像模式为IW(interferometric wide-swath)模式、SLC(single look complex)、C波段SAR影像数据，分辨率为5 m×20 m，采用VV极化方式。Sentinel-1A/B成像时间为2017-03～2021-04，Sentinel-1A升轨数据量为51幅，入射角为35.82°，轨道方位角为-13.38°；Sentinel-1B降轨数据量为48幅，入射角为41.76°，轨道方位角为-166.52°。数字高程模型(DEM)采用30 m空间分辨率的ALOS World 3D(AW3D30)作为外部DEM数据，也用于提取坡度坡向信息。

2 SBAS基本原理与二维形变获取

SBAS技术主要是通过设置时空基线阈值，将参与计算的所有SAR影像分成多个子集，选取短基线像对集合进行干涉处理，可有效克服时空失相干，提高InSAR精度和探测能力。其核心是利用最小二乘原理获得各子集的形变时间序列，通过奇异值分解(SVD)方法估算形变参数，具体原理及处理流程可参见文献[10]。SAR卫星多数为侧视成像，无论是升轨还是降轨，对于单一轨道获得的形变结果并不是地表真实形变，而是三维形变在视线向(LOS)的投影，因此可将升降轨视线向形变分解成3个维度分量dU、dN、dE(图2)，即

dlos=dUcosθinc-dEsinθincsin(αazi-3π/2)-

dNsinθinccos(αazi-3π/2)

(1)

式中，dlos为视线向形变；dU、dN、dE分别为地表某点的垂向、水平南北、水平东西方向形变；θinc为SAR卫星入射角；aazi为SAR轨道方位角。

图2 坡面形变分解示意图Fig.2 Diagram of slope deformation decomposition

基于研究区先验信息，滑坡大部分属于顺层坡向运动特性，假设滑坡体只受重力影响沿坡面均匀滑动，而沿坡面垂直坡向方向的运动可忽略。由图2可知，坡面坐标系由dasp坡向形变、dT垂直坡向形变和dI垂直坡面形变构成，即认为SAR卫星在滑坡面视线向形变主要由dU垂向和dasp坡向形变组成[11]：

(2)

式中，β为坡向。因此，可利用升降轨2个轨道依据式(2)联合解算获得研究区滑坡体垂向和坡向二维形变。其中垂向形变以向上为正、向下为负；坡向形变则顺坡方向为正，反之则为负。

3 形变结果分析

3.1 InSAR结果精度分析

为评估SBAS-InSAR监测结果的精度，联合研究区周围2021年最新建立的GNSS连续监测站数据，经处理转化为对应的垂向、坡向相对形变结果，并与SBAS-InSAR数据进行对比。经计算可知，GNSS数据与SBAS-InSAR数据的垂向相关系数为0.65，均方根误差(RMSE)为1.44 mm；坡向相关系数为0.54，均方根误差为1.93 mm，SBAS-InSAR结果与GNSS监测结果的基本趋势相同，具有较好的一致性。

3.2 滑坡隐患分析

通过SBAS-InSAR技术初步获得2017-03～2021-04五名山的二维形变结果。研究结果表明，五名山滑坡隐患区最大垂向累积形变达到-38.28 mm，临空面坡体最大坡向累积形变为22.10 mm。五名山形变区域主要分布在A、B、C区域，以下将对A、B、C区域的形变特征展开详细分析。A区域以前为五名山主要的采石区域，其形态大体呈凹陷漏斗状，因对环境破坏较大，近几年逐渐关停。由图3可知，A区内不稳定区域集中分布在采石区域，因A区大部分地区受采石影响严重，高程变化巨大，转化成坡向形变时可能存在错误，因此只讨论垂向形变结果。

图3 五名山滑坡A区垂向形变Fig.3 Vertical deformation of area A of Wuming mountain landslide

A区采石场西侧形变沿着矿区边缘长度约为760 m，其中最大累积沉降为-23.70 mm；南侧区域形变集中分布在开采区两侧，最大累积沉降为-25.06 mm；北部临空面上部累积垂向形变为-17.28 mm。其中不稳定区域面积共约31.5万 m2。东侧坡体暂未发现明显形变。

B、C区为五名山坡脚区域，其二维形变如图4所示。B区沿公路走向的采石区具有明显的滑坡运动趋势，最大垂向形变速率为-4.48 mm/a，最大垂向累积形变为-23.42 mm，最大坡向形变速率为3.68 mm/a，最大坡向累积形变为18.11 mm，形变区域面积约3.2万 m2。中部存在2个临空面，未出现滑动迹象，最南端采石区坡脚处的最大垂向形变速率为-4.64 mm/a，最大垂向累积形变为-20.87 mm，面积约0.5万m2。临空面山脚处采挖区累积垂向形变达到30 mm以上，坡向形变具有沿周边向中心移动的趋势。原因为B区山脚处曾在采石区向下深挖后，为恢复原有的地质环境，又进行简单的回填处理，由于回填土沉降，形成现在的漏斗状沉降分布，因此在InSAR结果中主要表现为垂向沉降形式。图4(b)为五名山C区滑坡，该滑坡位于小刀剪营村北侧。由于坡体前缘临空，坡体特征为前缘切割和后缘裂缝，存在发生滑坡的可能。通过本次监测发现，最大垂向形变速率大于-4 mm/a，最大垂向累积形变为-25.08 mm，坡向形变速率超过6 mm/a，最大坡向累积形变为15.67 mm，形变区沿坡向最大长度约227 m，宽度约158 m，面积约2.7万 m2。滑坡隐患的产生是受坡脚处持续采石影响，导致上部滑坡体前缘临空逐渐加大，具有向下蠕滑趋势，稳定性较差。形变最大区距山顶约150 m，远离坡脚处较稳定。如果发生滑坡会对下方居民区形成巨大的安全隐患，因此后续应重点关注该区域。

图4 五名山B、C滑坡区Fig.4 Areas B and C of Wuming mountain landslide

3.3 滑坡形变与降水影响因素分析

研究表明，季节性强降水容易引发滑坡。分别在B、C坡体上提取形变区垂向、坡向形变，分析其与日均降水量的关系，对比结果如图5所示。从图中可以看出，每年6～9月研究区月均降水量在200 mm以上，较大降水后滑坡体均表现出不稳定状态，强降水后坡体形变存在加速趋势。

图5 累积形变与日均降水对比Fig.5 Comparison of cumulative deformation and daily precipitation

前期降水量较少时(2017-11、2018-05)，强降水会导致坡体形变位移快速增加，这可能与土体含水率极速增多导致坡体的稳定性变差有关；而连续降水(2019-06～2020-06)对滑坡形变影响较小，并未明显促使滑坡位移出现加速；滑坡形变峰值对于降水峰值具有滞后性，但滞后时间存在差异，需要一定的时间延迟才能对降水作出响应。从图5累积形变量可以看出，2018年雨季过后，五名山主要滑坡隐患区的垂向和坡向累积形变均明显快速增大。以C区滑坡体为例，绘制2018-07-24强降水前后垂向、坡向形变结果(图6)。

图6 2018年强降水前后C区垂向、坡向形变对比Fig.6 Comparison of vertical and slope deformation in area C before and after heavy rainfall in 2018

雨季过后坡体中下部位移逐渐加大，且潜在滑坡体面积增大，说明降水会加剧潜在滑坡形变。随着形变的逐渐积累，坡体可能在某次强降水过后，从蠕滑状态达到临界值而形成滑坡，对坡下居民区造成严重影响。这表明大量降水会导致潜在滑坡体被激活，位移逐渐增大，因此降水是影响五名山坡体滑坡的主要外部因素之一。

4 结 语

本文利用SBAS-InSAR技术处理2017～2021年共99景覆盖天津市蓟州区五名山区域的Sentinel-1A/B影像，获取垂向和坡向形变，识别滑坡灾害以及隐患点，并开展滑坡原因分析，获得以下结论：

1)在2017-03～2021-04期间，五名山滑坡隐患区域中最大垂向累积形变达到-38.28 mm，临空面坡体最大坡向累积形变为22.10 mm。隐患区域中A区形变主要集中在露天采石区；B区坡向形变表现为沿周边向中心移动趋势；C区由于滑坡体前缘临空，处于缓慢蠕滑阶段；D区较稳定，未出现明显形变。

2)强降水是影响滑坡形变的重要自然因素，降水量大小及降水持续时间对坡体的稳定性具有不同影响，突发大量降水会加速滑坡位移，而持续少量降水对滑坡影响较小，且降水峰值与滑坡形变峰值并不重合，存在一定的时间延迟。