SBAS/PS-InSAR技术在复杂山区地质灾害探测中的对比研究——以云南省福贡县为例

易邦进，吴 帆，傅 涛，黄 成，钟 成

(1.云南省地质科学研究所，云南 昆明 650051；2.云南省地质矿产勘查开发局，云南 昆明 650051；3.云南省地质环境监测院，云南 昆明 650216；4.中国地质大学(武汉) 湖北巴东地质灾害国家野外科学观测研究站，湖北 武汉 430074)

0 引言

我国广大山区地壳运动活跃，地质环境脆弱，气候条件复杂，人类活动日益加剧，滑坡、崩塌和泥石流等地质灾害频发[1-2]。统计自然资源部历年发布的《全国地质灾害通报》[3]，2000年至2020年，我国共发生各类型地质灾害40.9万起，共造成1.2万余人死亡或失踪，直接经济损失超过800亿元。地质灾害隐患的早期探测是有效开展地质灾害预测、避让和治理的前提。然而受到调查手段和成本的局限，目前多数地灾调查、专业监测和群测群防等工作主要集中在建成区和道路周边，而山体上部地形复杂、交通困难、植被覆盖浓密，较难开展地质灾害隐患调查或监测工作[4]。因此，这些地区的高位隐蔽地质灾害隐患大多难以及时发现，灾害发生时间、位置、影响范围和灾害链难以预测，容易造成巨大的人员和财产损失[5]。如 2018年10月10日，金沙江右岸波罗乡白格滑坡体群发生高位剧滑[6]，致金沙江截断，形成堰塞湖，造成41 741人紧急转移安置，农作物受灾277.5 hm2、绝收22.14 hm2，房屋损坏1 470间，7座桥梁被毁。

近年来发展的合成孔径雷达干涉测量技术(InSAR)能够监测到大范围内毫米级地表变形，不受天气状况影响，非常适合于开展区域性地质灾害隐患的早期探测工作[7-9]。目前已有多种新颖的InSAR技术被广泛应用于滑坡变形监测或地质灾害隐患探测[10-13]。然而在山地林区，InSAR技术容易受到陡峭地形和密集植被的干扰，出现失相干、大气延迟和几何形变等问题，影响地表变形监测覆盖范围和精度[13]。随着多年SAR影像数据的积累，时间序列InSAR技术被提出用以去除干涉相位中的误差及低相干性等因素的影响，从而获得在观测时间段内高精度的地表形变速率场。其主要思想是利用覆盖同一地区的多景SAR影像，分析长时间序列SAR影像上幅度和相位的稳定性，识别出受时空去相干影响较小的像素，通过这些像素的相位成分进行联合分析与建模提高形变观测的可靠性。目前应用最为广泛的时序InSAR方法主要是PS-InSAR和SBAS-InSAR技术[11-13]。

本文以位于青藏高原东南部横断山脉北段的云南省福贡县为例，综合对比PS-InSAR和SBAS-InSAR技术开展地表变形监测的精度、密度和覆盖范围等关键指标，探索适合于高山峡谷区地质灾害隐患探测的时间序列InSAR技术，为西南山区开展类似工作提供参考。

1 研究区概况与数据

1.1 研究区概况

云南省福贡县位于青藏高原东南部的横断山脉北段，呈条状分布。福贡县东临迪庆州维西县、怒江州兰坪县，西与缅甸接壤，南连泸水市，北接怒江州下属贡山县，地理坐标：26°26′30″～27°20′59″N、98°39′33″～99°02′42″E(如图1所示)。福贡县辖上帕镇、马吉乡、石月亮乡、鹿马登乡、架科底乡、子里甲乡和匹河怒族乡，共1镇6乡，总人口99 893人。福贡县是一个以少数民族为主的山区边疆县和经济欠发达县，县内有20个民族，少数民族人口占总人口的98.3%。境内群山耸立，江河纵横，山高、坡陡、谷深，全县耕地面积66.7 km2，其中坡度在25°以上的占85%以上。

图1 研究区概况示意图Fig.1 Sketch map of the Study Area

福贡县位于冈底斯—念青唐古拉褶皱系和三江褶皱系两个一级构造单元由青藏高原向南延伸的弧形转弯部位，总体构造线由北北西转为南北向。沿碧罗雪山东侧延伸的碧罗雪山断裂(区域上称为澜沧江断裂)构成了2个一级构造单元的分界，形成东、西构造带。工作区内深大断裂主要有怒江大断裂、獐子山—托基大断裂，此外，褶皱及次级结构面极为发育。县境内群山纵横交错，河流穿插切割，山脉和峡谷相间分布，山脉主要沿南北向分布。受怒江及其支流的切割作用，呈现出山谷幽深、高山峡谷的地貌形态，偶有低中山和丘陵点缀其间。福贡县新构造运动属滇西掀斜式隆起区，按新构造运动强度进一步划分属兰坪—思茅次级断块隆升亚区，其附近地区多次发生6.0级以上地震，对区域稳定性造成较强的破坏。福贡县雨量丰沛，干湿季分明，气温年均差小，日较差大，四季不分明。受印度洋季风气候和太平洋季风气候双重影响，区内存在春季和夏秋间2个雨季，多年平均降雨量1 443.3 mm。受地形及海拔高度影响，按照高程分为亚热带、温带、严寒带及寒带等不同的气候类型，降雨量的时空分布差异较大，由山区向河谷地带，降雨量逐渐减少。

1.2 数据

本研究所用的数据主要包括覆盖福贡县全域的54景IW模式Sentinel-1A升轨数据(入射角为43.947°)，时间跨度从2019年01月至2020年12月 (具体成像日期如表1所示)。数据从美国国家航空航天局阿拉斯加卫星设备处(ASF)网站(https://vertex.daac.asf.alaska.edu/)下载。Sentinel-1A影像幅宽波长5.6 cm，分辨率为5×20 m，幅宽250 km。用于轨道校正的精密轨道数据来源于欧洲空间局，用于地形校正的地形数据为30 m分辨率的SRTM1数据。

表1 SAR影像时间序列Tab.1 Time series SAR images

研究期间，云南省地质科学研究所利用高分2号影像开展了地质灾害目视解译工作，并结合实地调查和群测群防形成了福贡县地质灾害台账，包括了新发隐患点和原有隐患点。相对于其他地区，台账点有更大的可能性正在发生形变，可以利用其对InSAR监测结果进行验证。另一方面，两者的对比可揭示正在发生形变的台账点，可为地质灾害防治提供参考。此外，我们从清华大学发布的全球30 m土地利用图中下载了福贡县2017年土地利用分类图，用以分析InSAR散射点在不同土地类型中的分布情况。

2 PS-InSAR和SBAS-InSAR技术

2.1 PS-InSAR技术

永久散射体合成孔径雷达干涉测量(PS-InSAR)利用时间序列SAR影像，筛选对雷达波的后向散射较强，并且在时序上较稳定的永久散射体(PS)，如建筑物与构筑物的顶角、桥梁、栏杆、裸露的岩石等目标。PS 点受时空失相关和噪声的影响较小，通过剔除地形相位，构建PS点差分干涉相位模型，分离出大气延迟相位和地形残余相位，可以获取具有较高可靠度的地表点形变量[13-14]。

PS-InSAR处理过程如图2。首先从时间序列SAR影像中选取具有较好时间和空间相关性的SAR影像作为主影像，其余影像则为辅影像；通过轨道校正、干涉处理，生成干涉像对。引入外部高精度DEM去除地形相位，开展噪声和大气效应的滤波处理，得到最终干涉图。通过设置后向散射系数和相干性阈值，从SLC影像中选取具有高散射特性和高相干性的PS候选点，并从干涉图中提取PS候选点相位值。采用Delaunay三角网法提取任一基线边上两点间的差分干涉相位差信息以及基线边坐标位置信息，以减弱大气效应对相位的影响。对每条基线边上的差分干涉相位值进行时间维相位解缠，以求得基线边上2个PS点的形变参数增量和高程差值。进行空间维相位解缠，将形变参数增量信息恢复到每一个PS点上。通过设置残余相位阈值，去除掉残余相位的影响。通过滤波消除大气效应相位的影响，最终获取整个研究区域内PS点的时序形变场。

图2 PS-InSAR 技术处理流程Fig.2 The flowchart of PS-InSAR

2.2 SBAS-InSAR技术

短基线集合成孔径雷达干涉测量(SBAS-InSAR )通过设置特定的时间和空间基线的阈值，将 SAR 数据集分为多个小集合，解决基线过长导致的基线失相干的问题[15]。然后采用最小二乘法(LS)对相位图进行解缠求解，可以有效地减小计算过程中的误差，使用奇异值分解法(SVD)将多个小基线集求解，最后得到影像高精度的形变量。

SBAS-InSAR处理过程如图3。首先获取研究区域的 SAR 影像和 DEM 数据；计算所有影像对间的时间和空间基线，生成时间和空间基线分布图。采用时间和空间基线均满足给定阈值的像对组合生成差分干涉图集。对所有配准好的干涉像对，按照时间和空间基线限制条件，选择像对组合。逐像元计算干涉相位，生成时间序列干涉图集。对由相干目标点组成的干涉图，依据空间基线参数和地球椭球体参数，计算平地相位；利用配准后DEM，计算地形相位。从干涉相位中去除平地和地形相位，生成差分干涉相位，逐像元计算并生成差分干涉图。选用自适应滤波方法，对干涉图差分相位进行滤波处理，得到相位缠绕的差分干涉图。将残余相位进行解缠，并通过 SVD 法估计形变量，最后使用适当的滤波方式将大气和非线性形变相位分离出，得到最后的时间序列形变。

图3 SBAS-InSAR处理流程Fig.3 The flowchart of SBAS-InSAR

3 结果与分析

3.1 PS/SBAS-InSAR地表变形探测

本文对时间序列SAR影像分别进行PS-InSAR与SBAS-InSAR处理，对比两种技术获得散射点的范围、密度和分布特点，进而分析了两种技术地表变形监测和地质灾害隐患探测精度。图4展示了两种技术散射点分布的局部图像，表2统计了散射点总体的分布情况。

从图4可以看到PS-InSAR主要分布于建筑物等永久性散射点上，而SBAS-InSAR作为分布式干涉测量技术，其散射点密度和分布范围显著大于前者。除了建筑物之外，在裸土和草地中也广泛分布。统计表明(表2)：PS-InSAR目标点总数远少于SBAS-InSAR结果，约为后者的1/4。从土地类型来看，PS-InSAR点主要集中在不透水面类型上，在裸土和耕地上的点数远少于SBAS-InSAR结果。考虑到福贡县不透水面面积占比小于0.5%，这种目标点过度集中于不透水面的情况无法有效实施区域性的变形监测。

表2 PS/SBAS-InSAR散射点分布对比Tab.2 The distribution of scatter points of PS-InSAR and SBAS-InSAR

图4 PS-InSAR(绿色)和SBAS-InSAR(红色)散射点分布局部图Fig.4 Samples of Scatter points of PS-InSAR (in green) and SBAS-InSAR (in red)

两种方法在研究区的变形监测结果如图5。对比来看，SBAS-InSAR的检测区域明显大于PS-InSAR区域，在非人工建筑区域(裸土或少植被区)也产生了有效检测。因此SBAS-InSAR技术更适合于在缺乏建筑物等永久散射点的山地林区开展大范围变形监测。根据SBAS-InSAR的监测结果来看，福贡县域内的地表形变大都分布于怒江及其支流沿岸的河谷和两侧高山上。表3的统计数据表明：检测到的目标点中，90%形变范围为-20～20 mm/y；变形平均值为3.98 mm/y，标准差约为14.18 mm/y。此处变形的正负号实际代表变形的方向，直接统计容易减弱对实际变形的估计，为此我们还分析了变形的绝对值，即绝对变形，其平均值约为11 mm/y。两种分析方法均表明检测到的地表处于缓慢变形状态，短时间内风险不大，但仍需加强核查和持续关注。研究表明，使用SBAS-InSAR技术有利于发现大范围内地表的变形情况，有助于发现潜在地质灾害。这是对传统地面调查、群测群防等手段的有效补充。

(a) SBAS-InSAR 结果 (b)PS-InSAR结果图5 福贡县InSAR变形监测结果 Fig.5 Surface deformation detected by InSAR in Fugong County

表3 形变量统计Tab.3 The statistics of surface deformation

3.2 地质灾害隐患探测的核验

将地表变形检测结果与地质灾害台账点进行对比，统计两种方法的检出率如表4所示。图6展示了部分检测结果的高分影像图。

表4 地质灾害隐患探测的核验Tab.4 The validation of potential geological hazards detected by InSAR

经对比， 212个台账点有145个点被SBAS-InSAR检测到，检出率为68.40%；108个被PS-InSAR检测到，检出率为50%左右。这说明大部分台账点存在变形迹象，可能会发生地质灾害，需要进一步实地调查和监测。通过匹配InSAR地表变形监测与已知地质灾害点，一定程度上可以反映InSAR技术的准确性(如图6)。那些未能被检测到的灾害点则可能处于未变形的稳定状态，而InSAR技术的原理决定了它们不能检测这些滑坡。此外，InSAR在台账点之外也检测出了一些变形区域，可能是山区高位隐蔽的灾害隐患，需要进一步核实。这说明了InSAR技术在开展大范围地质灾害隐患排查中的优势，特别是对于地面调查难以达到地区具有不可替代的作用。对比来说，由于PS-InSAR目标点大都位于人造建筑区域，范围相对狭小，位于裸土和稀少植被区的变形无法被监测到，因此匹配率远低于SBAS-InSAR结果。

图6 部分InSAR检测结果在高分-2影像上的核验Fig.6 Validation of InSAR results in Gaofen-2 images

4 结论

本文以横断山脉北段云南省福贡县为研究区，利用时间序列SAR影像数据，综合对比PS-InSAR和SBAS-InSAR在复杂山林地区开展高位隐蔽地质灾害隐患检测的能力。研究表明与PS-InSAR相比，SBAS-InSAR方法可以有效提高复杂山区地表形变监测点的密度和监测精度。福贡县境内检测到的地表变形点多数分布于怒江河谷及其支流。对比PS-InSAR，SBAS-InSAR方法探测的地质灾害隐患较为准确，可为地面详查提供线索。对于InSAR技术圈定的地质灾害隐患，建议进一步利用高分影像、无人机等对进行深入的核验和监测，分析地质灾害成因和演化规律，预测地质灾害成灾范围和影响程度等，应急处理预案，减少灾害带来的危害和损失。