基于InSAR的乌东德水电站库区边坡形变监测及分析

毕自航 李素敏 袁利伟 蔺瑜

摘要：水电站建成投产后，水库水位变化频繁，改变了库岸边坡原有的稳定性，易诱发边坡失稳破坏，从而对水电站的安全运行及周边居民区产生一定安全隐患。为了更好地掌握乌东德水电站蓄水过程中库区边坡的形变情况，通过SBAS-InSAR技术对该区域2020年5月至2022年8月间的升降轨哨兵数据进行解算，获取了研究区的地表形变特征；结合库水位变化情况、SAR数据反演出的边坡土壤含水量后向散射系数，对识别出的5处不稳定区域的形变机理进行分析。结果表明：运用升降轨InSAR可准确识别出库岸边坡的形变情况，研究区最大年平均沉降速率为-92 mm/a；库岸边坡的形变趋势与库水位及土壤含水量后向散射系数变化有着明显的相关性，水库蓄水是致使边坡体加速沉降的主要因素。

摘要：库区边坡； 形变监测； 土壤含水量后向散射系数； 滑坡识别； InSAR； 升降轨； 乌东德水电站

中图法分类号： P228；TV223

文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2024.01.020

0 引 言

水电站蓄水后因水位的抬升、下降影响及库水长期浸泡，边坡体由自然状态转化为饱和与非饱和状态，这种变化极易导致河谷岸坡发生变形失稳和部分古滑坡体复活［1-3］。长江流域内库区地质灾害屡见不鲜，滑坡产生的涌浪能传播较远的距离，同时堆积体落入库区，加快了电站上游的淤积，严重威胁着水电站的安全运行和周边居民的生命财产安全。溪洛渡水电站库区就由于蓄水导致青杠坪边坡于2016年4月发生失稳破坏，大量的堆积体滑入金沙江，损毁大量房屋及公共设施［4］。因此，对水电站库区内的滑坡隐患区域开展监测，掌握其分布和形变规律，准确评估边坡形变存在的危险性具有重要意义。

一般的边坡形变监测，常运用全站仪、GPS、深部位移計、钻孔倾斜仪等手段获取形变信息，但这都是点式的测量方式，覆盖范围有限且成本相对较高，不宜大范围实施。为解决传统边坡监测技术的局限性，合成孔径雷达干涉测量（InSAR）技术从20世纪90年代逐渐发展起来。在此基础上，时序InSAR技术也开始走向大众视野并广泛应用于高精度地表形变监测。2002年，一些国外学者提出了差分干涉测量短基线集时序分析技术（SBAS-InSAR）［5］，该技术能够限制空间去相关造成的影响，极大提高了常规InSAR的监测精度。由于其具有全天时、全天候、覆盖广、数据处理自动化程度高等优点，越来越多地被运用于地面沉降监测［6-10］。冯文凯等［11］运用SBAS-InSAR技术，获取了金沙江流域内的沃达村巨型老滑坡体的垂直向及坡度向的形变信息，通过现场调查发现滑坡体的形变迹象与InSAR监测结果有较好的一致性，分析了该滑坡体的形变特征及机理，研究表明降雨是造成坡体中前部复活的主要原因。

水是诱发边坡体失稳的一个关键因素，部分学者对滑坡体的形变失稳模式开展了大量研究。邓华锋等［12］通过实地调查选取库岸消落带表层土，分析得出库区消落带边坡受干湿循环的作用，边坡抗剪强度、力学特性出现劣化。朱军威等［13］通过对水动力型滑坡进行离心模型试验，结果表明库水位下降是造成黄登库区车邑坪边坡形变的主要诱因，降雨为激发因素。为揭示降雨型滑坡的致灾机理，霍志涛等［14］通过调查和降雨入渗试验充分验证了土体体积含水率变化速率与边坡失稳破坏有明显相关性。目前，通过野外地质调查、模型试验等方法探究库岸边坡失稳机理的技术已经很成熟，但过程复杂，不足以应对突发情况，并且难以反映边坡体在“稳定-蠕动-失稳”过程中的长期持续发育情况。

为此，本文运用SBAS-InSAR技术，对Sentinel-1A升降轨数据计算出两个LOS（雷达视线）向的地表形变量，通过对同名像素点相互拟合验证了监测结果的可靠性；采用升降轨能够有效地解决单一轨道在高山峡谷区域识别中由于SAR成像的叠掩、倒置而造成结果不准确的问题［15］。文中根据SAR影像的后向散射特征，反演出边坡体的土壤含水量后向散射信息，探索库岸边坡的形变特征与土壤含水量后向散射系数的关系；相较于引入站点式的降雨数据进行边坡形变特征分析，本文的方法更能准确定量地描述高山峡谷区域边坡体的形变特征受外部因素影响的情况，可为同类型边坡的地质灾害监测预警提供一些参考。

1 研究区概况与数据源

1.1 研究区概况

研究区位于云南省禄劝县和四川省凉山州交界处的乌东德水电站上游库区，如图1所示，研究范围为东经102°3′27″～102°39′11″与北纬26°0′17″～26°18′40″之间，下游与白鹤滩水电站衔接，上游为观音岩水电站。乌东德水电站作为雅砻江汇入金沙江的第一个梯级电站，是一个极为重要的枢纽电站。水库正常蓄水位高程为975 m，死水位高程945 m，正常蓄水位库容58.63亿m3。研究区内为亚热带季风气候，多年平均气温15℃左右，降雨集中于每年5～10月，7月份雨水较为集中，是地质灾害高发期。金沙江流域内谷深坡陡，两岸坡体上植被稀少，受断裂带发育与岸坡卸荷影响，地表新生界第四系堆积物较多，极易引发滑坡和崩塌。

1.2 数据源

实验选取覆盖乌东德水电站上游库区的斜距单视复数Sentinel-1A升降轨C波段数据，空间分辨率为5 m×20 m，重访周期为12 d，有着较高的时间分辨率。根据研究区特点，选择IW成像模式的VV极化模式作为本文的数据源，具体参数见表1。

本文采用由美国国家航空航天局（NASA）主导测量的STRM 30 m分辨率数字高程模型（DEM），用于去除地形相位，采用AUX_POEORB精密轨道数据文件进行影像轨道误差的去除。

2 研究方法及数据处理

2.1 SBAS-InSAR技术

SBAS-InSAR是一种基于多主影像的InSAR时间系列分析方法［16］，该方法能够较好地克服时空失相干影响，减弱大气效应与地形残余相位引起的误差，提高数据处理精度。其技术核心是在获取的大量SAR影像的基础上，根据时间基线及空间基线生成一系列子集，利用最小二乘原理获得各子集的形变相位，使用SVD算法估算地表形变相位最小范数下的最小二乘解，最后通过反演计算得到最终的形变结果。雷达影像获取到的并不是地表真实的形变信息，受地形起伏及大气垂直分层影响，雷达影像相位中还包含地形相位、大气相位、时空失相干等相位信息。数据处理过程中，需要去除这些干扰形变相位。设置合适的时间、空间基线阈值生成多个干涉相对，去除部分不理想相对以提升反演精度，得到的升降轨连接示意如图2所示。

2.2 InSAR升降轨可视性

SAR是一种主动式微波遥感侧视成像系统［17］，雷达波束从卫星飞行方向右侧以一定的角度射向目标地物，根据接收到的回波信号获取地表信息。SAR影像的侧视成像特点导致了在高原山区中探测地表有一定的局限性，存在一定监测盲区。如图3（a）所示，当雷达照射到较陡斜坡时，山顶较山脚距离雷达天线更近，在SAR图像上表现为山顶山脚位置颠倒的情况，造成叠掩现象。图3（b）中，对于雷达照射不到的斜坡面，会在图像中形成阴影。文章基于研究区DEM及雷达影像可视性对SAR影像进行分析，剔除无效探测区域，避免造成InSAR结果识别不准确，如图4所示。

2.3 SAR影像土壤含水量后向散射系数反演

土壤含水量是影响边坡体沉降的重要因素［18］，土壤含水量與降雨、库水位有着很大的相关性，是两者共同作用下的一个表现。一般的降雨、土壤含水量数据都是通过点式的气象站台测量得到，空间分辨率过低，引入该数据对边坡沉降因素分析时有一定的局限性。本文利用SAR数据反演地表土壤含水量后向散射系数，由于其具备一定的穿透力，可极大降低地表植被对反演造成的影响，提高反演的精确性［19］，同时还具备大尺度监测能力，有利于掌握研究区土壤含水量的动态变化情况。雷达后向散射系数由土壤含水量、植被与地表粗糙度组成［20］，由于本文的分析研究是基于土壤含水量后向散射系数的变化趋势，同一区域中植被与地表粗糙度贡献的少量值可以忽略。为减小误差，在文中以后向散射系数均值作为最终的土壤含水量后向散射系数结果。图5所示为不同时期的土壤含水量后向散射系数变化。

通过对雷达数据的预处理，得到了地表的总后向散射系数，具体公式为

σ°=DN2∕A2（1）

σ°dB=10lg （σ°）（2）

式中：σ°为雷达后向散射系数，DN为SAR像元的原始灰度值，A为系统接收天线的有效面积。

3 结果识别及成因分析

3.1 升降轨形变特征分析

通过对Sentinel-1A升降轨数据的处理，获取了研究区2个LOS向的边坡体形变特征情况，其中蓝色负值为远离LOS向的位移，红色正值为靠近LOS向的位移。降轨识别结果如图6所示，识别到不稳定区域6处，分别为A3、A4、A5、A6、A7、A8。通过对InSAR监测有效区域的分析，可以发现研究区部分边坡沉降处于一个持续发育的状态，升轨的沉降速率集中于-110～140 mm/a，降轨的沉降速率集中于-93～64 mm/a。形变主要集中于库区消落带区域，最近的形变区为距离乌东德水电站坝址约为28 km处的皎平渡区域（A3）。从图7的升轨年平均形变速率可以看出，监测结果中共识别出不稳定坡体2处，用点号A1、A2表示，与降轨识别区域A3、A8一致。

研究区位于西南高山峡谷之间，未能获取到同期地面监测数据作为InSAR监测结果的验证，文中采用升降轨同名像素单元验证的方法对InSAR结果进行评定。在研究区降轨结果中均匀选择了Y1、Y2、Y3、Y4共4个参考验证点，对应的升轨参考点为Y1′、 Y2′、Y3′、Y4′，分别把4个点位的LOS向形变投影至垂直向形变。从图8的升降轨数据拟合结果中可以看出，4组监测数据都达到了一个很好的相关度，相关系数最高为0.93，最低为0.76，说明联合升降轨的InSAR地表监测在该区域具有很强的可靠性，该方法能够运用于该区域的形变监测。

3.2 典型形变区域成因分析

对研究区内InSAR识别出的A3、A4、A5、A6、A8共5个潜在滑坡区进行分析，文中根据SAR影像的后向散射特征，反演出区域内的土壤含水量后向散射系数均值，该值是库水位与降雨共同作用的结果，引入该数据分析形变特征。乌东德水电站库区蓄水分为3个阶段，第一阶段于2020年1月21日蓄水至895 m；第二阶段蓄水于2020年5月6日开始，历时1个月，成功蓄水至死水位945 m；第三阶段于2020年8月下旬蓄水至水位965 m；2022年8月底蓄水至975 m高程。在这期间库水位一直在945 m死水位高程与975 m正常蓄水位高程之间变化。在库水位上升过程中，由于水的外部压力作用，边坡体能够保持一定的稳定性；在库水位稳定时，边坡体内部逐渐出现渗流饱和且地下水位逐步抬高，坡体自重增加导致其稳定性降低。在库水位下降过程中，由于边坡体地下水位下降存在滞后性，慢于库水位的下降速度，内外渗流力处于不平衡状态后从而诱发边坡沉降，但沉降趋势相对于库水位下降趋势有所延后。以下分别对图9所示的5个形变区进行详细分析：

（1） A3区域位于皎平渡区域的红门厂处，距离乌东德水电站28 km，是离电站坝址最近的一个形变区域，如图9（A3）所示。东西向落雪-通安断裂穿过该区域，断裂带发育于早元古代褶皱基底中，后期多被断裂切割破坏。结合历史遥感影像能够发现，A3区域在蓄水前为一处矿区，已经出现不同程度的开挖现象，坡体整体应力受影响，边坡后缘位置已经出现了较为明显的张拉裂缝；蓄水后该坡体受库水位升降的影响边坡前缘的第四系覆盖层受侵蚀严重，部分位置基岩露出。A3区域主要以沉降为主，最大形变位于边坡体右侧，坡体随着时间的推移呈现周期性变化，边坡体上侧道路则保持较为稳定的情况。选取特征点A3-1、A3-2进行分析，如图10（a）所示。边坡体土壤含水量后向散射系数在2020年7月份开始增大，同时边坡体出现缓慢抬升现象，这是由于在库水位、降雨等因素的影响下边坡体吸水膨胀［21］，2021年4～7月间土壤含水量后向散射系数减小，这时库水位处于较低位置且进入夏季温度升高，地表水分蒸腾作用增加导致了地表土壤含水量后向散射系数减小，边坡体沉降出现了滞后的平稳期；库水位下降后边坡体又开始新一轮的加速沉降。

（2） A4区域位于皎平渡中武山对岸边坡，坡体较陡，坡度约为40°，下游960 m处为红军渡江遗址；该区域为西向坡，升轨监测效果较差，部分区域相干性差导致无值。从图9（A4）中可以看出，从边坡中部位置已经出现了不同程度的覆盖层滑落，逐渐延伸至边坡后缘位置，部分区域岩石裸露。A4区域在蓄水前为矿产开采区，情况与A3区域一致。在A4形变区域坡体中部和后缘位置选取A4-1、A4-2点进行分析，如图10（b）所示，两个特征点表现出一致的形变趋势。受电站蓄水影响，从2020年9月至2021年4月边坡体土壤含水量后向散射系数处于一个较高的水平，边坡体出现蠕动变形；2021年2月库水位蓄至高位开始回落，边坡体土壤含水量后向散射系数开始减小后坡体出现了线性加速沉降的趋势；2021年7月库水位开始新一轮蓄水，地表土壤含水量后向散射系数逐渐增大，边坡体出现短暂抬升后开启了加速沉降的趋势。

（3） A5形变区位于会理市的下坝附近，边坡体顶部有一定沉降，坡体右下角则表现为小幅度抬升。边坡为陡峭悬崖但从遥感图像上观察不到明显形变现象。A5区域内出露的基岩地层主要为震旦系灯影组、观音崖组地层，边坡体为基岩顺向坡，坡体上部为后层白云岩，下部为第四系地层，但分布范围较小，主要为崩塌堆积体。区域内地质构造复杂，主要构造形迹有褶皱，南北向汤郎-易门断裂从其穿过。在InSAR降轨结果中，边坡体右边相干性较低，形变区存在较多空值。选取坡体A5-1、A5-2两个点分析其形变特征，如图10（c）所示，特征点整体呈现出线性变化。由于该区域为岩质边坡，土壤含水量后向散射系数变化处于一个较小区间；每年雨季集中降水极有可能會顺裂隙渗入岩体，使岩体内部处于饱水状态，降低岩石强度。边坡体周边有多个村庄，形变的持续发生将造成一定程度的威胁。

（4） A6区域位于武定县的五曲沟附近，整个坡体坡度较小，但形变量较大，形变范围由坡体中央向四周扩散，最大形变量为-175 mm，如图9（A6）所示。选取了A6-1、A6-2两个监测点分析，如图10（d）所示，整体形变介于-175～112 mm之内。2020年9月至2021年4月间，在降水及库水位上升的共同作用下，边坡体的土壤含水量后向散射系数处于一个较大的范围，但边坡体沉降量没有出现较大增幅。从2021年4月之后土壤含水量后向散射系数开始出现减小，边坡体加速形变至地表土壤含水量后向散射系数再次出现增加而变缓，这跟A3区域的形变机理一致。

（5） A8区域地处武定县的必由召附近，该坡体为西向坡。从图9（A8）中可以看出边坡体为土质边坡，透水性较好；在库水位上升过程中，受水的渗流作用坡体自重迅速增加，土体自身基质吸力逐渐减小，导致坡体前缘形变量较大，且形变范围逐渐向边坡体中部扩散。选取A8-1、A8-2进行时序分析，形变量介于-246～33 mm间，是整个监测区域形变量最大的一个边坡。从图10（e）中监测点的时间系列可以发现，在监测期间该坡体出现了两次加速沉降趋势。在2020年5月至2021年2月间边坡体处于一个较缓慢的沉降过程，这是由于库水位的上升作用让边坡体保持了一个相对稳定的状态。2021年3月库水位开始下降，地表土壤含水量后向散射系数也出现减少，之后边坡处于一个加速的沉降状态；2021年7月库水位开始抬升，地表土壤含水量后向散射系数逐渐增加，在达到最大值后，边坡体出现了缓慢形变后又开启了新一轮的加速形变。

4 结 论

本文运用SBAS-InSAR技术获取了乌东德水电站上游库区的升降轨形变结果，从土壤含水量后向散射系数变化及库水位情况出发，对边坡形变机制及形变演化过程进行分析，得出以下结论：

（1） 在监测期间乌东德库区岸坡一直在发生形变，部分边坡累计沉降量较大。文中选取5处潜在滑坡区A3、A4、A5、A6、A8进行分析，最大LOS向年平均形变速率为-92 mm/a，通过升降轨同名像素点的相关性分析和遥感影像的对比，充分验证了升降轨SBAS-InSAR技术在高山峡谷区域地质灾害隐患识别中的准确性。

（2） 水电站蓄水是导致库岸边坡体发生形变的主要因素，在2020年5月至2022年8月的监测期中，库水位高程一直处于变化中，这加剧了对岸坡的侵蚀程度，导致边坡前缘形成高陡临空面，抗剪强度下降，在库水位加速抬升及加速回落的过程中，边坡沉降出现加速趋势。研究区的形变特征与边坡体的土壤含水量后向散射系数有着很大相关性，在蓄水至高位时，边坡体吸水膨胀，边坡体的土壤含水量后向散射系数处于一个较高的水平，表现出一定程度的抬升形变，随后开始了加速沉降的趋势；库水位回落时，边坡体土壤含水量后向散射系数减少，内外渗流力处于不平衡状态，在经过短暂的平稳期后又表现出了加速沉降的趋势。通过引入SAR影像反演的边坡体土壤含水量后向散射系数对形变区域进行分析，较好地揭示了外部环境因素对边坡体形变的影响，可为库岸边坡体的稳定性分析提供一些参考。

参考文献：

［1］ 雷菁，雷洁.库水位涨落对某库岸堆积体滑坡稳定性研究［J］.水利水电快报，2018，39（4）：25-28.

［2］ SUN G H，ZHENG H，HUANG Y Y，et al.Parameter inversion and deformation mechanism of Sanmendong landslide in the Three Gorges Reservoir region under the combined effect of reservoir water level fluctuation and rainfall［J］.Engineering Geology，2016，205：133-145.

［3］ 廖红建，盛谦，高石夯，等.库水位下降对滑坡体稳定性的影响［J］.岩石力学与工程学报，2005，24（19）：56-60.

［4］ 周强.库水作用下青杠坪巨型滑坡复活机理研究［D］.成都：成都理工大学，2019.

［5］ BERARDINO P，FORNARO G，LANARI R，et al.A new algorithm for surface deformation monitoring based on small baseline different SAR interferograms［J］.IEEE Transactions on Geoscience and Remote Sening，2002，40（11）：2375-2383.

［6］ 廖明生，张路，史绪国.滑坡变形雷达遥感监测方法与实践［M］.北京：科学出版社，2017.

［7］ 黄洁慧，谢谟文，王立伟.基于SBAS-InSAR技术的白格滑坡形变监测研究［J］.人民长江，2019，50（12）：101-105.

［8］ BAYER B，SIMONI A，SCHMIDT D，et al.Using advanced InSAR techniques to monitor landslide deformations induced by tunneling in the Northern Apennines，Italy［J］.Engineering Geology，2017，226：20-32.

［9］ 廖明生，董杰，李夢华，等.雷达遥感滑坡隐患识别与形变监测［J］.遥感学报，2021，25（1）：332-341.

［10］ 史绪国，张路，许强，等.黄土台塬滑坡变形的时序InSAR监测分析［J］.武汉大学学报（信息科学版），2019，44（7）：1027-1034.

［11］ 冯文凯，顿佳伟，易小宇，等.基于SBAS-InSAR技术的金沙江流域沃达村巨型老滑坡形变分析［J］.工程地质学报，2020，28（2）：384-393.

［12］ 邓华锋，肖瑶，方景成，等.干湿循环作用下岸坡消落带土体抗剪强度劣化规律及其对岸坡稳定性影响研究［J］.岩土力学，2017，38（9）：2629-2638.

［13］ 朱军威，张强，卢晓春，等.基于离心模型试验的水动力型滑坡失稳机制研究［J］.人民长江，2023，54（10）：189-195.

［14］ 霍志涛，李高，王力，等.降雨型滑坡浅层滑动对土体含水率变化的响应［J］.长江科学院院报，2022，39（7）：110-117，125.

［15］ 戴可人，铁永波，许强，等.高山峡谷区滑坡灾害隐患InSAR早期识别：以雅砻江中段为例［J］.雷达学报，2020，9（3）：554-568.

［16］ 朱建军，李志伟，胡俊.InSAR变形监测方法与研究进展［J］.测绘学报，2017，46（10）：1717-1733.

［17］ 李德仁，周月琴，马洪超.卫星雷达干涉测量原理与应用［J］.测绘科学，2000（1）：9-12，1.

［18］ 王宏.土壤含水量对边坡稳定性的影响研究［J］.水利科技与经济，2022，28（11）：31-34.

［19］ 杨虎，郭华东，王长林，等.基于神经网络方法的极化雷达地表参数反演［J］.遥感学报，2002，6（6）：451-455.

［20］ 刘伟.植被覆盖地表极化雷达土壤水分反演与应用研究［D］.北京：中国科学院遥感应用研究所，2005.

［21］ ZHANG J，LI J T，LIN H.Models and influencing factors of the delay phenomenon for rainfall on slope stability［J］.European Journal of Environmental and Civil Engineering，2018，22（1/2）：122-136.

（编辑：刘 媛）

Monitoring and analysis of slope deformation in Wudongde Hydropower Station reservoir area based on InSAR

BI Zihang1，LI Sumin1，2，3，YUAN Liwei4，LIN Yu4

（1.Faculty of Land Resources Engineering，Kunming University of Science and Technology，Kunming 650093，China； 2.Yunnan Applied Research Center of Earth Observation Data，Kunming 650093，China； 3.Surveying and Mapping Geo-Informatics Technology Research Center on Plateau Mountains of Yunnan Higher Education，Kunming 650093，China； 4.Faculty of Public Safety and Emergency Management，Kunming University of Science and Technology，Kunming 650093，China）

Abstract：

Following the commissioning of hydropower stations，frequent water level fluctuations in the upstream reservoir area induced by activities such as reservoir storage and flood discharge，alter the original stability of the reservoir bank slopes.This alteration poses a significant risk of slope instability and damage，thereby impacting the safe operation of the hydropower station and posing potential safety hazards to the surrounding residential areas.To comprehensively understand the deformation of reservoir bank slopes during the impoundment of Wudongde Hydropower Station，sentinel data from ascending and descending orbits were processed using SBAS-InSAR technology for the period from May 2020 to August 2022.This study obtained surface deformation characteristics in the research area.By integrating reservoir water level variations with the SAR-derived slope soil moisture content backscattering coefficient，the deformation mechanisms of five identified unstable areas were analyzed.The results indicate that the use of ascending and descending InSAR accurately identifies the deformation of reservoir bank slopes，with the maximum annual average subsidence rate in the study area reaching-92 mm/a.The deformation trend of reservoir bank slopes exhibits a pronounced correlation with changes in reservoir water levels and soil moisture content backscattering coefficients.Reservoir impoundment is the main factor causing the accelerated settlement of slope.

Key words：

slope in reservoir area；deformation monitoring；soil moisture content backscattering coefficient；landslide identification；InSAR；ascending and descending；Wudongde Hydropower Station