基于SBAS-InSAR 技术的中缅边境山区地质灾害隐患探测

易邦进, 黄成, 傅涛, 孙技星, 朱宝权, 钟成

(1.云南省地质科学研究所,昆明 650051; 2.云南省地质环境监测院,昆明 650216;3.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,武汉 430079)

0 引言

中国位于印度板块、欧亚板块与太平洋板块交汇区域,构造运动活跃,地质环境复杂,气候类型多样,人类工程活动频繁,是一个滑坡等地质灾害多发的国家[1-2]。2021年,中国共发生地质灾害4 772起,造成80人死亡、11人失踪,其中滑坡2 335起、崩塌1 746起、泥石流374起、地面塌陷285起、地裂缝21起、地面沉降11起,造成直接经济损失约32亿元。开展防灾减灾工作的先决条件是进行滑坡灾害排查,掌握区域内滑坡隐患的分布情况[3]。但是滑坡发生的地点、时间、规模和方式具有很大的不确定性,地质构造、地形地貌等环境因子的复杂性也给滑坡隐患点排查带来很大困难。如何高效找出滑坡隐患点,为制定防灾预警策略提供支持仍是当前地质灾害防治工作面临的关键问题[3-4]。

InSAR能够实现对微小地表形变的高精度探测,其精度随着雷达波长的变化可以达到厘米甚至毫米级[5-7]。通过InSAR技术进行地质灾害隐患的早期识别已在多个地区的灾害调查和灾后应急中发挥了显著作用[8-10]。其中,差分干涉测量短基线集时序分析(SBAS-InSAR)技术以多主影像的干涉对为基础,基于高相干点恢复研究区域的时间序列形变信息,克服了PS-InSAR因选取一幅影像作为公共主影像而引起的部分干涉图相干性较差的不足,适用于大范围的地表变形探测[11-12]。

云南省福贡县位于中缅边境,地质环境脆弱,滑坡、泥石流、崩塌及滚石等地质灾害频发,对人民生命财产安全和经济建设构成严重威胁。特别是地质灾害可能会波及到邻国境内影响到当地的安全,引起国际纠纷[13-14]。本研究利用SBAS-InSAR技术,开展该地区潜在滑坡的早期识别,对保护居民生命和财产安全,指导当地政府防灾减灾和维护国防安全都具有重要意义。

1 研究区概况与数据源

1.1 研究区概况

云南省福贡县位于横断山脉北段,云贵高原西北部和青藏高原的东南部(图1)。区内主要以北北西转为南北向的断裂构造为主,深大断裂及次级断裂均较发育,致使区内岩石破碎、揉曲现象非常强烈。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。以变质岩广泛出露、酸性侵入岩极为发育为其特征,分布于褶皱系内的各个时代地层均有不同程度的变质。

图1 研究区概况

福贡县境内群山纵横交错,河流穿插切割,山脉和峡谷相间分布。大部分山区沟道巨大的地形高差,使处于高处的松散碎屑物质拥有巨大的势能,陡急的山坡和沟床为坡面和沟床松散堆积物能量的释放和势能转化为动能提供有利条件,有利于滑坡、泥石流等灾害的形成,导致该区域内滑坡、崩塌、泥石流等地质灾害频发。

1.2 数据源

本文所用数据为2019年01月12日至2020年12月08日间覆盖研究区的54景Sentinel-1A升轨数据,模式为IW模式,影像数据集的时空基线图如图2所示。 Sentinel-1A影像波长5.6 cm,分辨率为5 m×20 m,幅宽250 km。为了消除与减弱由轨道误差引起的相位误差,在数据处理过程中还使用了欧洲空间局精密轨道数据对轨道信息进行纠正。采用30 m分辨率的SRTM1数据(https: //topex.ucsd.edu/gmtsar/demgen/)辅助去除地形相位。此外,采用1∶5万的地形图数据库辅助分析变形分布及地理要素的影响,同时开展了地面调查工作对地质灾害隐患探测结果开展复核。

图2 SAR图像时空基线

1.3 短基线InSAR技术

短基线集差分干涉测量技术(即SBAS-InSAR)的核心思路是将同一个地区多幅SAR影像配准得到短基线对,采用奇异值分解法(sin-gular value decomposition, SVD)将多个短基线集联合求解,得到目标区域的整个时间位移序列以及地表形变平均速率[15]。具体原理及流程如下:

对于获取时间分别为t0,t1,…,tn的N+1幅SAR影像组成的数据集来说,每一幅影像至少可以和一幅其他影像组成干涉对,可以生成M组干涉对,M、N满足以下关系(假设N为奇数):

。

(1)

对于本文的54幅影像的数据集,最终干涉对的数量在27～702之间。

假设SAR影像在t1和t2这2个时刻干涉得到干涉图,其相位差可以表示为:

φ=φfit+φtop+φdef+φatm+φnoise+k·2π ,

(2)

,

(3)

,

(4)

,

(5)

,

(6)

式中:φfit为平地相位;φtop为地形相位;φdef为视线方向形变相位;d为视线方向形变量;φatm为2次成像期间由于大气延迟而引起的相位;St1为t1时刻成像的大气延迟相位;St2为t2时刻成像的大气延迟相位;φnoise为噪声相位;k为整周模糊度。

式(2)中的平地相位φfit可以通过对基线进行估计而获得。地形相位可以利用参考DEM比较精确地估计出来。因为在SBAS-InSAR处理过程中,时间基线比较小,2次成像的大气条件接近,因此,对于大气噪声带来的影响忽略不计。如此,便可获得形变相位φdef,再经过相位解缠,求得整周模糊度k,便可以获取形变量d,即:

。

(7)

根据形变量的计算原理,SBAS-InSAR的技术流程为: 首先利用DEM数据进行地形相位去除,使用精密轨道数据进行轨道信息校正; 然后对各幅影像进行基线估算以得出平地相位并为干涉对的选取提供依据; 接着选择恰当的时空基线阈值,选取一定数量的干涉对,本次研究中设定时间基线为61 d,空间基线为75 m,共生成157对干涉像对; 再对选取的干涉对进行差分干涉处理,得到差分干涉图,并通过相位解缠求解整周模糊度; 最后根据干涉图形成子集的情况,对所有干涉图组成的相位方程采用最小二乘法或者SVD方法进行形变参数的估计。由于生成的像对之间的空间基线都比较短,可以有效地减少由于视角变化引发的去相干[15]。

2 SBAS-InSAR检测结果

本文在Linux环境下利用GMTSAR开展InSAR处理和分析。工作站配置为i7-9700 中央处理器,64G DDR4 内存和2张GeForce RTX 2080 super显卡。对54景Sentinel-1A影像做SBAS-InSAR处理, 得到研究区形变如图3。

图3 研究区形变图

2.1 地表变形检测

检测到显著形变的区域大都分布于怒江与怒江支流沿岸的河谷以及两侧高山上的部分区域及部分高山地区。其中,怒江沿岸是研究区主要的人口聚集地,地面调查台账点也大都位于这些区域。高山地区人烟稀少,地面调查难度大,缺乏地质灾害编录数据。通过InSAR进行非接触地表形变监测可以很好的开展高位隐蔽地区的形变监测工作,弥补了地面调查的不足。

统计表明,SBAS-InSAR共检测到141 032个形变点,平均形变为3.98 mm/a,标准差在14.18 mm/a。其中81.93%的形变位于-10～20 mm/a的区间。监测结果中的正负号表示形变相对卫星的运动方向,正值表示运动方向靠近卫星,负值则相反,计算形变的绝对平均值为11.06 mm/a。从地表类型分析,形变点在林地、草地以及耕地、不透水面所占比例分别是35.24%,24.33%,16.96%和13.17%。可见除了建筑物外,在其他地表类型也分布了大量形变点。相对于只能检测到永久性散射体的PS-InSAR技术,SBAS-InSAR极大的扩展了监测范围和密度(图4)。

图4 目标点分布

在形变区域中,选择地质灾害台账点中对应的7处比较具有代表性的隐患点,开展时间序列形变分析。典型点的位置如图3所示,其分布从南到北相对比较均匀,基本覆盖了各个乡镇,包含了滑坡、泥石流和崩塌3种主要的地质灾害类型,比较具有代表性。分析每个点随着时间变化的形变量,得到图5的折线图。由图5可以发现,多数点位的形变速度比较稳定,处于缓慢形变状态。FG2020015号滑坡点在部分时间段的变形幅度较大,FG2020526号点和FG2020158号点在2019年10月27日的形变存在显著变化。通过逐个开展灾害台账点时间变形曲线分析,可以对灾害的动态演化过程进行深入分析,进而开展预测预报等工作。

图5 典型点位时间序列形变分析

2.2 地质灾害隐患探测和核验

通过设置合适的形变速率阈值,可开展对潜在地质灾害的早期判别。就云南省福贡县而言,考虑到区域内地质灾害的活动性和监测误差影响,依据专家经验选定10 mm/a为阈值; 当形变速率绝对值大于10 mm/a时,将被确定为潜在地质灾害。同时,通过解译高分2号(GF-2)影像、实地勘察和群防群测数据得到了地质灾害台账点数据。将形变检测结果与台账点记录对比,可以发现地质灾害的当前变形情况,及时发现地质灾害隐患; 同时也可以用于验证变形检测结果的可靠性。地质灾害隐患探测结果见表1,表中灾害类型对照GF-2影像和实地调查确定。

表1 地质灾害隐患探测

表1表明,约68.40%的变形检测结果得到地面调查台账数据的验证。另外,通过对监测结果与地面调查台账点的对比发现,没有台账点进行验证的区域大都分布于两侧高山之上,超出了地面调查的工作范围,表明 InSAR 检测可以弥补地面调查的不足。从表1中各类地质灾害的监测精度统计可知,InSAR技术对于滑坡灾害的监测精度最高,达到71.96%; 对泥石流的监测精度最低,为61.76%; 对于崩塌、滑坡与泥石流的总体监测精度达68.40%,表明InSAR可用于探测地表变形情况,为灾害隐患识别和早期预防提供支持。图6展示了部分检测结果的影像和实地调查图片,图中第一列为InSAR检测结果,第二列为高分2号影像,第三列为现场照片。

(a) 检测结果1的InSAR检查结果(左)、高分2号影像(中)和现场照片(右)

3 结论

本次研究利用了2019—2020年的时间序列SAR影像,基于时间序列InSAR技术监测了中缅边境高山峡谷地区的地表变形情况。对监测结果进行了实地验证,并结合地质灾害台账点数据对监测结果进行评价。结果表明,研究区内的地质灾害隐患大都分布于怒江及其支流沿岸的河谷,两侧高山上也有零星分布。研究区内地质灾害隐患形变速率位于-48.45～54.67 mm/a的区间。SBAS-InSAR监测结果很好地补充了传统方法不足,为开展地质灾害隐患详查和判定圈定了大致范围,提高了在高山林区实现地质灾害早期识别的可能性。下一步还需要综合利用多源、多时段和多波段SAR数据开展高山峡谷地区地表时序形变检测,进一步提高地质灾害识别和监测精度。