InSAR用于高山峡谷区滑坡监测的适用性

何国强 杨成生 魏云杰 朱赛楠 李晓阳 侯祖行

1 长安大学地质工程与测绘学院,西安市雁塔路126号,710054

2 中国地质环境监测院,北京市大慧寺路20号,100081

InSAR技术具有高精度、高分辨率、全天候等优点,被广泛应用于滑坡监测中[1-4]。但由于SAR侧视成像的特性,InSAR技术在高山峡谷区滑坡灾害识别中会不可避免地出现几何畸变现象(包括阴影、叠掩和透视收缩)[5],导致在识别过程中出现误识、漏识等情况。因此,针对高山峡谷区InSAR几何畸变进行定量分析,是研究InSAR技术适用条件和提高InSAR滑坡识别可靠性及精度的重要工作。

四川省得荣县古学乡地质构造较为复杂,地质环境脆弱,极易发生地质灾害[6-8]。本文以古学乡2处大型滑坡为例,从R指数[9]、敏感性[10-11]和相干性的角度对SBAS-InSAR升降轨滑坡识别结果进行对比分析,讨论InSAR技术在该地区的适用性[12]。最后,针对InSAR技术通常只能获取到滑坡体沿雷达卫星视线方向(LOS)的一维形变信息这一局限性,本文对典型滑坡的形变结果进行视线向和坡向的转换,分析滑坡在不同方向的形变规律。本文研究成果可为该地区和我国西部高山峡谷区滑坡灾害的InSAR识别与监测提供参考。

1 研究区概况

得荣县古学乡(99°13′～99°26′E,28°20′～28°31′N)位于四川省甘孜藏族自治州,东部为云南香格里拉县,西部为云南德钦县,北部为四川巴塘县,位置见图1。古学乡为典型的高山峡谷地貌,受构造影响,地形起伏强烈,主要以深谷陡坡的中-高山为主,山脊以尖山脊为主,相对高差较大,平均海拔2 250 m。

图1 影像覆盖范围

2 数据处理

2.1 研究区数据

表1 Sentinel-1A参数

2.2 数据处理与分析

采用SBAS-InSAR和Stacking技术[14]对Sentinel-1数据进行处理。SBAS-InSAR通过设置一定的时空基线对同一地区的多个SAR影像进行相互干涉处理,然后对多个干涉图进行相位解缠,最后对解缠干涉对进行残余轨道误差和大气误差等改正,从而更加准确地获取研究区的形变时间序列与年累积地面形变量。Stacking技术是在SBAS-InSAR结果的基础上,对多幅进行了误差改正的差分干涉图进行加权平均,以此消除解缠干涉对残余的随机误差,进而获取研究区最终形变的年累积形变速率。实验中,设置多视比例系数为10∶2,时间基线为60 d,空间基线为150 m,然后对满足条件的影像进行干涉处理,挑选之后的时空基线图见图2。

图2 SAR影像时空基线

对所有影像进行干涉处理后,得到232个升轨干涉对和222个降轨干涉对。对所有干涉对采用32像素×32像素的窗口进行自适应滤波处理以消除噪声误差。选取相干性高于0.4的区域参与相位解缠,通过最小费用流相位解缠方法求解出相位图的完整相位。通过曲面二次拟合和数字高程模型去除残余轨道误差和大气误差。最后,利用Stacking技术求解出研究区的最终形变速率结果。

3 滑坡监测适用性分析

通过上节的数据处理,得到研究区地表形变速率的InSAR监测结果,见图3,图中,黑框为圈定的典型滑坡区。

图3 研究区InSAR地表形变速率

从图3可以看出,降轨结果中包含明显的形变信息,其LOS向的形变速率大于100 mm/a,而升轨结果中却没有观察到明显的形变信息,此时极易造成滑坡隐患的漏判。为分析升降轨结果之间的差异,本文以圈定的典型滑坡区为例,从R指数、敏感性和相干性等角度分析不同轨道监测结果的差异。

3.1 R指数

由于卫星雷达侧视成像的特点,不可避免地会产生由于地形起伏而造成的几何畸变。图4为几种几何畸变与卫星雷达的几何关系,图中,α为卫星参数中的入射角,θ为局部入射角[15]。

图4 几何畸变与卫星雷达的关系

几何畸变的计算结果对后期InSAR结果识别滑坡起到很大的辅助作用。为计算出几何畸变区域,Ren等[16]提出一种改进的R指数(range index,R-index)方法,具体计算过程参考文献[17]。本文将计算得到的R指数结果与sinθ的值进行对比,结果如下:

(1)

从图5中可以看出,在降轨R指数结果中,圈定区整体可视性良好,仅在部分山顶和山底区域可视性较差。但在升轨R指数结果中,典型滑坡区整体可视性较差,只在山体中部存在可视性中等的情况。对比图3中的监测结果,本文很好地印证了升轨数据在可视性较差的情况下会导致滑坡漏识。综上,R指数显示,降轨影像更适合研究区InSAR监测。

图5 升降轨R指数结果

3.2 敏感性

敏感性是指SAR卫星可以测量到的坡度移动占总量的百分比,即地面三维变形在雷达LOS方向上的投影。敏感性值越高,表示可监测到滑坡位移的可能性越大。敏感性值一般用灵敏度来表示,其值为雷达LOS单位矢量(A)与滑坡位移单位矢量(B)夹角的余弦值[18]。

研究区敏感性分析结果见图6。可以看出,降轨敏感性结果显示典型滑坡区(黑线圈定区)形变敏感性整体较高,滑坡位移很容易被降轨影像监测出来。但在升轨敏感性结果图中,典型滑坡区的形变敏感性较低,较小的滑坡位移不容易被升轨影像监测出来。因此,敏感性结果很好地解释了图3中降轨影像监测到2处明显的滑坡,而升轨结果中滑坡信息不明显的现象。

在1997年，我国开始了农民专业合作社融资的研究，而且在2007年我国也颁布了合作社法，这对农民专业合作社的发展有很大的促进作用，不但使得农民专业合作社的社会地位得到认可，还从法律的角度予以农民专业合作社法律保护。而随着农民专业合作社的不断发展，其中所包含的业务面也越来越广，服务的水平和技术也更加全面，而今天农民专业合作社甚至已经跟一些银行的功能有些近似了，还可以为农民提供一定的贷款，其利率较低能够更好的帮助农民的发展和进步。

图6 升降轨敏感性结果

3.3 相干性

利用InSAR技术对滑坡进行监测时,面临的一大挑战就是相干性问题,尤其是在高植被覆盖的西南山区。在数据处理过程中,每个干涉对的相干性各不相同,本文通过对升、降轨各自取平均值,然后提取研究区的相干性图,对升降轨相干性进行分析。

从图7中可以看出,2个滑坡所在的重点区域内,升轨影像整体相干性较好,但存在局部低相干区域。结合R指数分析结果,在滑坡重点区,升轨影像有部分区域处于可视性较差的叠掩和阴影区。降轨影像整体相干性很好,且重点区域内R指数结果显示出较好的可见性。因此,相干性分析显示,降轨影像更适合研究区InSAR监测。

4 典型滑坡形变特征与精度分析

4.1 形变量转换

InSAR监测得到的结果为LOS向形变,而大多数滑坡的总体变形倾向为沿斜坡向下[16]。因此,将LOS向形变转换到沿坡向更有利于认识滑坡形变特征。图8为转换后的坡向形变及分解的水平位移结果,其中,垂直方向形变结果中,正值表示隆升,负值表示下沉;东西方向形变结果中,正值表示向东位移,负值表示向西位移。可以看出,1#和2#滑坡的坡向形变特征明显,最大坡向形变速率达到100 mm/a,且2处滑坡表现出明显的西向位移。

图8 形变速率转换结果

4.2 典型滑坡形变特征

对图8中1#与2#滑坡,沿坡向自高向低选取3处形变点,提取其LOS向形变时间序列结果,见图9,图中,负值代表形变远离卫星雷达,正值代表形变接近卫星雷达。

图9 1#和2#滑坡时间序列

从时间序列结果来看,1#滑坡提取的3处时序点整体形变趋势相同,但位于滑坡中部的2号点形变量级整体上比其他2个点大。在2019～2020年,2号点累积形变量超过300 mm,且整体处于持续形变中,形变趋势较快。结合降雨数据可知,2019-07的月降雨量较大,达到170 mm,之后3个时序点的形变量明显增加,推测形变的加剧与降雨相关。综上所述,1#滑坡中部形变量级较大,且滑坡面形变受降雨的影响。

2#滑坡时序点整体形变趋势相同,滑坡后缘的1号点形变量级整体上比其他2个点大,2019～2020年其累积形变量达到230 mm;滑坡前缘的3号点累积形变量最小,2019～2020年累积形变量为110 mm。结合月降雨量数据来看,2019-07和2020-04月降雨量超过100 mm,这2个时间点后,3个形变点的形变量都出现了不同程度的增加。因此,推断大量级降雨对2#滑坡的稳定性有较大影响。

将LOS向形变转换到沿坡方向,结果见图10,图中,负值代表形变远离卫星雷达,正值代表形变接近卫星雷达。

图10 1#和2#滑坡形变转换及剖线

对1#滑坡沿坡向的形变进行分解,对比垂直向和东西向形变,发现东西向的形变要比垂直向量级大、范围广,说明滑坡水平滑移活动量较大。同时,对1#滑坡沿坡方向的形变提取剖线AA′进行分析,结果见图10(d)。可以看出,沿坡方向形变在中部量级最大,年平均形变速率为125 mm/a左右。

对2#滑坡LOS向的形变转换到沿坡方向。对比垂直向和东西向形变结果,发现东西向的形变要比垂直向量级大、范围广,说明滑坡水平滑移活动量较大。对2#滑坡沿坡方向的形变提取剖线BB′进行分析,结果见图10(e)。可以看出,2#滑坡沿坡方向形变在中部量级最大,年平均形变速率为100 mm/a左右。

5 结 语

通过对四川省得荣县典型滑坡区的InSAR结果进行分析,发现升、降轨数据识别出的滑坡结果存在差异。为了探究该现象的原因,使用R指数、敏感性和相干性等方法开展InSAR滑坡监测在高山峡谷区的适用性分析。结果显示,顺滑坡方向的LOS向SAR数据比逆坡向的LOS向SAR数据更有优势,很好地解释了升、降轨滑坡监测结果存在差异的原因。

2处典型滑坡的形变时间序列分析结果显示,1#和2#滑坡在2019～2020年LOS向最大累积形变量分别达到约300 mm和230 mm,且累积形变量受降雨影响较大。从形变发生的部位来看,2处滑坡的中部形变量级最大,年平均形变速率分别达到125 mm/a和100 mm/a。