基于遥感技术的高速公路地质灾害隐患动态监测方法

赵鹏 ZHAO Peng；曾武新 ZENG Wu-xin

（①河北高速公路集团有限公司邢汾分公司，邢台 054000；②四川地空遥感科技有限公司，成都 610000）

0 引言

及时有效的监测和预警高速公路地质灾害隐患对于保障高速公路的安全运营具有重要意义。目前，传统的地质灾害隐患监测方法主要包括人工巡查和仪器测量等，这些方法耗费大量的时间与精力，而且存在监测范围小、监测效率低、测量精度不高等问题。基于上述背景，我国众多学者针对地质灾害监测的智能化手段纷纷展开相关研究，文献[1]作者龙林丽等人以装载传感器的无人机作为获取空间数据的工具，完成矿区土地损伤快速高效的监测；文献[2]作者杜年春等人在地灾监测中应用了Online SAR 技术，满足露天矿山边坡形变的高精度监测需求；文献[3]作者朱真等人通过广播RTK 边缘计算技术设计一个地质灾害监测系统，最大限度降低了空间环境因素对地质灾害实时高精度监测结果的影响。虽然前人在高速公路地质灾害隐患监测领域已有不少研究成果，但现有监测方法仍存在数据分辨率不高、监测指标单一等问题，所以本文提出基于遥感技术的高速公路地质灾害隐患动态监测方法，此项研究不仅是高速公路地质灾害隐患动态监测的主流手段，同时也是我国遥感技术应用的重要发展方向。

1 研究区概况

本项目研究区域为邢汾高速公路从邢台至冀晋省界的沿线，长约86.393km。邢汾高速，总长度约283.5 公里，路线经过岩溶分布区、采空区等不良地质区，地质条件较复杂。该高速公路深路堑边坡较多，局部经过采空区，近年来降水量明显增多，水毁情况较为严重，主要表现为上边坡冲毁、滑塌，下边坡及防护冲毁，边沟、构造物台后路基、锥坡、调治构造物的冲毁等形式。监测区域如图1 所示。

图1 邢汾高速监测区域图

本次监测主要针对邢汾高速公路沿线的边坡、高架桥和路基，监测项目包括：边坡的变形、碎落、崩解、裂缝等；高架桥的桥面变形、隆起、桥墩的沉降等；路基的沉降、隆起、沉降路段长度、累积沉降量、沉降速率等。

2 基于遥感技术的高速公路地质灾害隐患动态监测

2.1 基于遥感技术采集高速公路SAR 数据

本文为实现高速公路地质灾害隐患的动态监测，引入了遥感技术中的InSAR 技术，首先通过InSAR 技术采集高速公路监测区的遥感影像数据（SAR 数据）[4]。本文在利用遥感技术采集高速公路监测区的SAR 数据时，主要基于雷达波的干涉原理，就是在雷达飞行过程中以主动遥感的方式向高速公路监测区发射脉冲波，并接收与处理回波信号，即可形成SAR 影像数据[5]。在实际的高速公路遥感影像数据采集过程中，不同地物和雷达天线之间的距离不同，产生回波信号的时间也各不相同，一般通过回波能量的后向散射系数γ 来描述目标地物对脉冲信号的散射特性强度，其计算公式为：

式中，S 为高速公路监测区内目标地物的雷达散射截面的复介电常数；A 为高速公路监测区内目标地物的雷达波速有效照射面积。高速公路监测区内不同目标地物的后向散射系数不同，利用遥感技术采集高速公路SAR 数据时，得到的遥感影像中各地物存在较大差异[6]：如果监测区内目标地物的表面较为光滑，回波能量较少，该地物在遥感影像上呈暗色调；如果表面较为粗糙，回波能量较大，该地物在遥感影像上呈亮色调。基于上述内容所描述的雷达波反射机制，即可得到保持不同地物目标差异性的遥感影像，为后续获取地物形变信息提供基础的SAR 数据。

2.2 预处理高速公路SAR 数据

首先进行影像配准，在原始高速公路SAR 影像中选取一幅影像作为主影像，其余作为副影像，将二者之间的几何和幅度信息进行一一匹配，匹配过程中根据主副影像之间的相位误差，生成差分干涉图[7]。对差分干涉图进行相位解缠，获取高速公路地质灾害隐患形变数据，相位解缠是SAR 数据预处理的关键步骤，解缠相位的精度将会直接影响地质灾害隐患形变数据的提取效果[8]。基于高速公路SAR 数据的特点与地质灾害隐患形变数据的提取需求，本文采用了一维相位解缠数学模型进行差分干涉图的相位解缠，这里引入K.Itoh 提出的一维相位解缠数学模型，表达式如下：

根据上式即可得到相邻相位的主差值为：

对式（3）进行缠绕计算，即可求出相位缠绕差：

经过上述公式对相位进行了缠绕处理后，相位数值即在（-π，π]范围内，如果相位满足：

将式（6）代入式（5）中，即可求出解缠后的相位：

经过上述步骤对差分干涉图进行缠绕计算后，获得高速公路SAR 影像的一维相位解缠结果，将解缠结果中的各相位值转化为时间序列上的相位值，即可提取出高速公路地质灾害隐患的形变速率与累积沉降量等关键形变特征参数。

3 监测结果分析

3.1 监测结果

研究区的遥感图像采集时间为2020 年1 月至2023年2 月，共计93 景，图像目前以12/24 天的频率被采集，总共处理了93 幅图像，结果共计69813 个形变点，示意图如图2 所示。

图2 邢汾高速2020 年1 月至2023 年2 月变形速率图

根据图2 所示的邢汾高速公路形变区隐患点动态监测结果可知，本次监测发现了17 处形变较大的区域，表1为这17 处监测区域的具体监测结果。

表1 邢汾高速各区域监测数据统计值

依据表1 所示，结合现场实地考察，评估这17 处区域的地质灾害隐患危险性，并给出相应监测意见：其中K482+425 上行线高边坡形变区域为不稳定土质边坡重点大桥区域，其距离路面与建筑物较近，综合判断该形变区危险性较高，建议后期重点关注，在山顶布设GNSS 等监测措施，加强人工巡检，同时考虑采取山顶人工主动消除危岩或主动网支护等措施消除隐患；其中K444+340 下行线高边坡形变区域与K463+867 上行线边坡形变区域存在高陡填土路堤，在正常气候条件下，风险较小，暴雨条件下，风险性高，综合判断该形变区危险性较大，建议后期加强关注，条件具备时采取主动防护网等措施消除隐患；剩余区域属于采空区、桥头连接处及普通填土路堤存在局部沉降，由于沉降量较小，综合判断形变区危险性较小，后期持续关注即可。

3.2 精度评定

在此基础上，为了验证本文设计方法的有效性与正确性，下面将针对监测结果进行精度评定。首先采用设计方法获取2020 年1 月至2023 年2 月期间内研究区69813个形变点处的形变速率数据，并求取每个形变点处的形变速率平均值，形成一个独立的SAR 监测数据集，然后获取与之时间跨度相似的69813 个研究区形变点处实际形变速率数据（2020 年1 月至2023 年3 月），同样计算出平均值，形成一个独立的SAR 实际数据集。最后对这两个数据集进行交叉验证，统计出各形变点处的平均形变速率数据差值。本文设计方法所得研究区内69813 个形变点处的平均形变速率数据与实际数据之间的差值大都分布在零值附近，且整体上呈正态分布趋势。本文计算了平均形变速率差值的平均值为1.58mm/year，远远小于高速公路地质灾害隐患动态监测中规定误差10mm/year。由此说明，本文应用遥感技术设计的监测方法是可行的，该方法可以满足高速公路地质灾害隐患的动态监测需求，具有较高的监测精度。

4 结束语

本文结合遥感技术，设计一种高速公路形变区域隐患动态监测方法，文中以邢汾高速公路部分区域作为研究对象，首先利用遥感技术采集了研究区的遥感影像数据，经过一系列预处理后得到研究区形变点监测数据，基于获取的形变监测数据评估高速公路形变区隐患点危险性等级，实现对高速公路周边区域形变隐患的动态监测。最后，对高速公路形变区隐患点动态监测结果进行分析可知，本文设计的方法具有范围大、精度高、实时性强的特点，能够及时发现和评估地质灾害隐患，为高速公路的安全运营提供有力支持。