基于Sentinel-1A影像的小浪底大坝稳定性时序InSAR分析

徐东彪，冯 瀚，闫世勇

(1.黄河勘测规划设计研究院有限公司，郑州 450003；2.中国矿业大学 环境与测绘学院，江苏 徐州 221116)

0 引 言

传统的大坝外部形变监测手段主要通过在坝体、坝基、溢洪道等关键部位布设垂直和水平位移监测网，布设视准线、引张线以及激光准直测量等，利用仪器设备采集坝体上各监测点位的形变信息[1]。目前国内绝大部分项目均采用此方法，监测精度高、观测值准确可靠。然而，传统监测方法需要耗费大量的人力、物力和财力，且易受雨雪等天气的影响导致无法开展外业数据采集。近年来，随着GNSS一机多天线差分监测系统的出现，能够进行实时信号的传输解算，实现了三维方向毫米级的自动化监测[1,2]；与此同时梅文胜等学者基于测量机器人进行了自动化变形监测系统开发研究工作，随着信息化技术的不断进步，系统功能也在不断地改良与完善[3-7]。然而，无论是基于GNSS的一机多天线技术还是基于测量机器人的自动化监测系统技术，也仅能实现对预先埋设监测点位的大坝关键部位进行监测，无法做到对大坝全方位高密度的变形监测，难以及时识别一些影响大坝安全运营的潜在隐患。

合成孔径雷达干涉测量(InSAR)技术相较于上述大地测量手段，不依赖地面监测点，利用两景或多景SAR数据获取地表高精度位移形变信息，被广泛应用在城市沉降、矿山沉陷监测，基础设施监测，冰川冻土以及滑坡等地质灾害的监测中[8]。近年来，SAR卫星数据的空间和时间分辨率不断提高，以及PS-InSAR、SBAS等新方法的提出与改进，使得该技术在微小形变监测方面效果显著，逐渐应用于高铁、道路等基础设施的监测项目。早在2011年，王腾等人采用了三峡大坝40景SAR影像，结合PS-InSAR与QPS-InSAR方法，分析了混凝土重力坝运行时的稳定性及周边形变规律[9]。瑞典yvind E Lier及Ingvar Ekströ m等人(2012)选取瑞典Trängslet的一座大坝结合数十年传统观测记录进行验证，结果表明InSAR技术的分辨率和精度足够满足大坝位移监测要求[10]。龚春龙等人(2013)利用高分辨率的TerraSAR卫星影像数据对大坝的干涉结果进行分析，论证了将高分辨率SAR数据应用于大坝形变监测的可行性[11]；Pietro Milillo, Daniele Perissin等人(2015)利用198幅COSMO-SkyMed和TerraSAR-X影像数据对意大利的Pertusillo大坝进行为期5年的形变监测，并使用地面测量数据进行分析了大坝墙体非线性变形规律[12]。杨潇潇等人(2017)基于TCP-InSAR技术对三峡大坝进行监测，揭示了混凝土重力坝的形变规律[13]。Al-Husseinawi等人(2018)使用GNSS、水准测量和Sentinel-1数据评估了2017年Mw 7.3 Sarpol-e Zahab地震之后伊拉克东北部Darbandikhan大坝的稳定性[14]。

随着DS-InSAR技术的提出，该技术能够显著提高测量点覆盖采样密度，弥补了传统时序InSAR技术高相干点数量和空间分布不均等不足。本文选用2017年10月至2018年10月小浪底坝址区27景Sentinel-1A卫星数据，采用DS-InSAR时序分析方法，获取了土石坝坝体及周边大面积区域的高密度相干点形变信息，同时结合小浪底库区水位数据，分析了坝体随水位变化的形变情况及规律，得到了坝体变形时空分布特征及其稳定性状况。

1 研究区及数据介绍

1.1 小浪底大坝

小浪底水利枢纽位于河南省洛阳市孟津县小浪底村，坝高约154 m，长1 667 m，底部宽864 m，顶部设马道，宽约8 m。工程1991年9月开始前期工程建设，1994年9月主体工程开工，2001年底主体工程全面完工，小浪底大坝是我国最高并且填筑量最大的土石坝，其总填筑方量达到5 185 万m3。小浪底坝址地质情况复杂、水沙条件特殊，洞室密集，是目前为止世界上坝工洞室布置最为密集的水利工程；进水塔集中布置16条隧洞进水口，是世界上最大最复杂的进水塔；导流洞后期增设3级孔板环改建为永久泄洪洞，是世界上最大的孔板消能泄洪洞。主坝基础覆盖层深、防渗墙厚，岩石破碎，地下厂房、进出口高边坡支护要求高。因此高精度形变监测在小浪底大坝运营期就显得尤为重要。

1.2 数据介绍

本文利用欧空间Sentinel-1A卫星获取的TOPS模式C波段SAR数据开展时序InSAR分析，其方位向和距离向分辨率分别约为5 m和20 m。

本文选取了覆盖坝址区2017年10月至2018年10月IW模式下VV极化方式的27景Sentinel-1影像数据(见表1)，主影像获取日期为2018年3月14日，相应时空基线见图1。

表1 Sentinel-1影像数据参数表Tab.1 Sentinel-1 Image data parameters

图1 时空基线图，其中红色代表主影像Fig.1 Temporal baseline map,red represents the master image

2 研究方法

PS-InSAR和SBAS-InSAR等传统时序InSAR技术是基于覆盖周期内的稳定的高相干点研究地表位移时空变化，因此严重受限于研究区内的失相干因素，难以在相对稳定的低相干区提取足够数量的相干点，导致难以有效反演非高相干区的地表形变信息。为了有效的弥补低相干带来的影响，本文基于DS-InSAR时间序列分析技术，充分挖掘研究区内分布式稳定散射体目标，获取更高密度的测量点，并与传统PS-InSAR方法获取的高相干点联合解算，用于监测和分析小浪底坝体各部位随水位变化所产生的形变特征。

2.1 分布式目标提取

分布式目标提取步骤如下：首先利用AD-test相似性检验识别SHP点；接着通过最大似然优化估计获取SHP点的优化相位并得到DS候选点，时序优化相位值如下式所示：

(1)

最后基于DS候选点相位优化质量判定并选择DS点，选取标准如下：

(2)

通过以上步骤，能够提取和得到研究区内有效的DS点，将提升大坝及其周边区域测量点的数量和空间分布密度，有助于大坝形变信息提取与特征分析。

2.2 小基线集时序InSAR分析

SBAS-InSAR技术是利用具有较短时-空基线影像对产生干涉图提高相干性，通过对差分干涉图的多视处理降低相位噪声，提取高相干像元，应用奇异值分解球求得影像序列间地表变形速率的最小范数最小二乘解。本文将分布式目标DS点融入SBAS-InSAR数据处理过程中，得到了大坝表面上更多的测量点。整体数据处理流程图如图2所示。

图2 融合分布式目标的SBAS-InSAR处理流程图Fig.2 Flow chart of integrating distributed targets for SBAS-InSAR processing

2.3 LOS向形变量分解

通常时序InSAR技术得到的形变量是沿SAR卫星成像时视线向(LOS)的一维地表形变量，需进一步对大坝主体的时序形变成果进行简单分解(几何关系见图3)，转换至水平位移和沉降量。

图3 视线向形变转换示意图Fig.3 Diagram of line-of-sight transformation

转换公式如下：

(3)

3 结果与分析

采用上述方法对研究区域27景数据进行处理，解算得到小浪底2017年10月至2018年10月的平均形变速率图(mm/y)，见图4所示。从图4中可以看出，DS方法处理得到的测量点高密度覆盖于坝体上，足以支持坝体重点区域的时序形变分析。同时在图4中可以看出大坝区山体处年平均形变量小，大坝主体区形变明显，从顶至下形变有递减规律。详细对坝体横纵断面进行形变分析，并且选取重要部位展开时序分析，纵横断面设置与坝体重点区域编号见图5。底图为SAR强度图，彩色图为DS点插值显示效果，黑色线是选取分析剖面，黑色三角形代表选取的分析区域。

图4 小浪底土石坝2017年10月至2018年10月LOS向平均形变速率图(单位：mm/y)Fig.4 Average deformation rate map (LOS) for Xiaolangdi Earth and Rock Dam from October 2017 to October 2018

图5 小浪底地区视线向平均速率图Fig.5 The average rate map of the Xiaolangdi area based on the SAR intensity map

沿图5所标识的大坝纵断面a1-a2及横断面b1-b2，分析该纵横断面处大坝形变规律，形变趋势如图6所示。在图6(a)大坝左岸0至400 m处，大坝全年内表现出向上游约5 mm量级形变，不同于坝体其余部分。紧接着大坝主体一段呈现出明显的中间形变大、两端稳定的规律，符合大坝变形一般规律；在图6(b)中，坝顶形变较坝腰和坝底明显。

在大坝重点区域形变监测工作中，对坝顶1、4、5号区域、坝腰2、3号区域及泄洪闸处8、9、10号区域视线向(LOS)形变转换为垂直坝轴线方向的水平形变，对于边坡形变，则只采用视线向(LOS)形变量监测边坡形变趋势判断，未进行LOS方向形变量向水平位移和沉降量的改算。各监测部位时序形变变化与水位关系见图7、8所示。

从图7中可以看出，坝体各区域形变全年内呈现出周期性波动规律，在大坝形变沿上下游波动过程中，当水位较高时，形变波动幅度大，调水调沙时库区水位高程逐步降低时，坝体各部位又呈现出不同变化规律。

图6 坝体剖面时序形变图Fig.7 Time series deformation map of the dam profile

图7 坝体特征区域上下游形变时序图Fig.7 Time series deformation of upstream and downstream feature area

图8 视线向两岸边坡特征点区域时序形变图Fig.8 Time series deformation map of the line of sight of the slopes on both banks

在图7(a) 2017年10月9日至该年11月26日内，坝体呈现出倾斜变形，坝顶1、4号区域较坝腰2、3号区域形变方向指向上游，之后在水位较高时间段内，坝体上下形变不再出现倾斜，4个部位形变接近，出现一致性波动变化。当水位降低时，坝腰部位形变较坝顶明显且方向指向下游。5号区域形变规律和坝顶1、4区域相同，但是由于该处有一宽约5～10 m的小断层，全年内形变呈现向下游的规律。

在图7(b)坝体泄洪闸时序形变图中，当水位较高且稳定时，选取的3个部位形变接近，变形方式相同。当水位开始降低时，8号区域表现出向上游的形变，9号部位则仍稳定在0 mm附近波动，泄洪口10号区域形变指向下游。

对左右坝肩形变进行对比，可以看出左坝肩11、12号区域全年内时序形变量小，基本稳定在0 mm附近波动且受水位变化影响不大；右坝肩6、7号边坡在水位较高时形变方式一致，在水位降低时间段内，6号部位形变比7号区域明显，总的来说，右坝肩形变比左坝肩形变明显。

4 结 论

本文基于TOPS模式下27景Sentinel-A SAR数据，采用DS-InSAR时序分析方法，获取了小浪底土石坝2017年10月至2018年10月为期一年的坝体形变信息，在此基础上分别选取平行与垂直坝轴线方向的两条纵横剖面进行了坝体整体形变分析，并结合库区水位高程等数据分析了坝体12个关键部位形变特征的相关性。研究表明：大坝主体呈现出明显的中间形变大、两端稳定趋势；坝顶形变较坝腰和坝底明显，且形变量与水位高度大致呈线性负相关的规律；右坝肩形变比左坝肩形变明显；坝体12个不同部位随着库区水位高低变化呈现出来不同的趋势性形变规律。监测成果充分表明DS-InSAR方法能够获取更高密度的测量点，用于进行坝体及其周围形变特征分析，若将之与GNSS和精密水准测量等联合使用于大坝安全监测，充分融合互补不同技术的优势，将有助于确保大坝安全，提升大坝运行综合效益，具有广阔的应用价值及前景。

□