基于InSAR的宁夏黄土丘陵区(西吉县)滑坡隐患早期识别

陈思名， 霍艾迪,2,3*， 张佳， 赵志欣， 陈四宾， 陈建

(1.长安大学水利与环境学院， 西安 710054； 2.长安大学旱区地下水文与生态效应教育部重点实验室， 西安 710054；3.中国科学院地球环境研究所黄土与第四纪地质国家重点实验室， 西安 710054； 4.宁夏回族自治区国土资源调查监测院，银川 750004； 5.中国地质大学(武汉)环境学院， 武汉 430000)

滑坡是一种常见的多发性地质灾害[1]，据联合国发布《灾害造成的人类损失2000—2019》报告中指出，在2000—2019年全球一共发生376起滑坡事件，相比1980—1999这20年共增加了122起，造成的损失和影响也远超过去。滑坡突发性强、危害大、治理难度高[2]，对滑坡的监测及预警可以在一定程度上降低国民经济损失，确保群众的生命安全。然而，传统的滑坡监测手段(如水准仪、GPS观测等)只能对局部范围内已知的滑坡进行监测，受地形地貌等外界条件的约束，无法对区域内潜在滑坡的变化形态和趋势进行识别和监测[3-4]。干涉雷达测量(interferometric synthetic aperture rader，InSAR)是一种新型的空间对地观测技术，能够获取高精度的地形信息。

差分干涉测量(differential-interferometric synthetic aperture rader，D-InSAR)是在InSAR技术的基础上发展起来的较为成熟的对地观测技术，具有不受气候影响、高分辨率、高时效性、监测范围广等优点，能够检测出地表的微小形变[5-6]。D-InSAR技术用于滑坡监测得益于较短的重返周期可连续获取滑坡区域的大量SAR影像，通过对两景SAR影像分析可获得该时间内的地表形变信息[7-8]。通过连续的多景影像，能够获取在时间序列内的滑坡地表形变信息。

Achache等[9]通过SAR数据对法国南部滑坡地区进行位移监测，验证了滑坡监测技术的结果与实测数据具有一致性。随后，各国纷纷展开将InSAR技术应用于滑坡监测中。中国对于InSAR技术应用于滑坡监测的研究起步相对较晚，但随着科研工作者的深入探究，也取得了重大突破。张健龙等[10]利用D-InSAR技术对四川甲居滑坡的位移量进行监测，得到了有效结果。王桂杰等[11]对水电站库区内的滑坡活动进行研究，D-InSAR结果与GPS验证结果一致，并提出了误差消减的方法，进一步提高D-InSAR结果精度。熊轲等[12]利用D-InSAR技术结合光学遥感对九寨沟地震后的地表形变进行监测，为今后九寨沟的地质隐患监测提供支撑。王勇等[13]结合D-InSAR与实地测量数据对5名山滑坡体进行形变监测，获取了高精度的形变结果。以上研究均说明D-InSAR在滑坡形变监测具有较好的适用性。但这些研究多局限于单一滑坡或很小范围的形变量的监测，取得了很好的效果。对于较大范围，尤其是区域上潜在滑坡群的识别关键技术还有待于进一步深入研究。

为此，利用D-InSAR技术结合光学影像分析对位于南北地震带北段的宁夏西吉县进行广域面状监测，对西吉县域内的潜在滑坡进行识别，探讨D-InSAR识别较大范围潜在滑坡的有效性，摸清西吉县滑坡隐患风险底数，可为后期人为排查潜在隐患点提供切实可行的参考。

2 研究区概况和数据来源

2.1 研究区概况

西吉县位于宁夏南部黄土高原中心地带，介于105°19′09″E～106°04′09″E和35°33′57″N～36°14′09″N，总面积3 130 km2。属温带大陆性气候，年平均气温为12.7 ℃，最高气温42.00 ℃，最低气温21.80 ℃，年平均降水量约为570.2 mm，年最大降水量1 088.1 mm，每年最小降水量220.3 mm，降雨主要集中在7—9月。地势北高南低，西高东低，海拔在1 656～2 606 m(图1)。地貌以黄土丘陵为主，次为红土丘陵，地质环境复杂多变，地质灾害易发、频发。西吉县的突发性地质灾害主要有：滑坡、崩塌、泥石流三种类型，尤其是滑坡灾害最为发育，以滑坡、泥石流灾害产生的危害较为严重。研究区内受自然灾害和人为因素的影响，滑坡灾害分布相对集中。

图1 研究区位置Fig.1 Location of study area

2.2 数据来源

数据包括：哨兵卫星影像数据、数字高程模型(digital elevation model, DEM)数据、哨兵卫星精密轨道文件。哨兵一号卫星(Sentinel-1A)是2014年4月由欧洲航天局发射，2015年中旬哨兵一号卫星开始稳定运行，12 d重复周期对地球成像，该卫星数据免费提供用于下载。哨兵数据的下载网址为：https://search.asf.alaska.edu/。在SAR数据处理中，通过DEM数据提供参考地形或者参考坐标系，所用DEM数据为分辨率90 m的SRTM-3 DEM，下载网址为：https://srtm.csi.cgiar.org/。哨兵卫星精密轨道数据通过对轨道信息进行修正，有效消除由于轨道误差造成的系统性误差，数据下载网址为：https://qc.sentinel1.eo.esa.int/。在分析滑坡影响因子时所用到的DEM数据为ASTER GDEM 30 m DEM，数据下载网址为：http://www.gscloud.cn/。

3 研究方法

3.1 D-InSAR技术

4-InSAR技术是通过对相同覆盖区域、不同时相的两幅或多副SAR影像的相位信息做差分干涉处理，从而得到该地区的形变信息[14]。相位信息φ由5部分组成，可表示为

φ=φtopo+φflat+φdisp+φatmo+φnoi

(1)

式(1)中:φtopo、φflat、φdisp、φatmo、φnoi分别为因地形、参考面、地表形变、大气延迟及噪声引起的相位。

为了得到φdisp，需去除其他4部分的干扰。通过差分干涉处理可以有效去除因地表高程、地形、大气效应及噪声引起的相位。其中地形相位可参考外部DEM去除；通过Goldstein滤波方法能够有效减少因空间基线或时间基线引起的失相干噪声；利用最小费用流做解缠处理，对相干性性小于阈值的像元做腌膜处理；通过选取控制点估算轨道形态进一步优化相位偏移，最终将得到只因地形相位变化引起的地表形变信息。

利用Sentinel-1A数据和D-InSAR技术，基于SARscape软件进行西吉县滑坡形变信息获取，数据处理流程如图2所示。

图2 D-InSAR处理流程Fig.2 D-InSAR processing framework

3.2 数据处理

本次实验选取的SAR数据为Sentinel-1 A数据其影像数据均为C波段，成像模式为干涉宽模式(IW)，极化方式VV，入射角36.64°，重访周期12 d。由于冬季植被对视相干影响较小，因此选取影响数据时间为2019年12月25日—2020年1月18日的干涉对进行分析，选取的干涉对信息如表1所示。

表1 干涉对信息Table 1 Interference pair information

根据研究区的矢量文件对幅宽为250 km×250 km的原始影像进行裁剪，可降低差分干涉计算量，减少处理时间。再通过基线估算来评估干涉相对的质量，结果显示干涉对垂直基线为86.41 m，远小于临界基线6 419 m，相位每变化一个2π周期，地形变化0.028 m、高程变化179.3 m，多普勒图心偏差为3.622 Hz，远小于临界值486 Hz。以上估算结果说明该相对可以进行后续处理。通过对影像对进行干涉去平、滤波去噪、相位解缠等数据处理得到过程如图3所示。

图3 处理过程图Fig.3 The diagrams processed by D-InSAR

3.3 潜在滑坡早期识别

滑坡早期识别对于滑坡灾害的预警和防治具有十分重要的意义。滑坡灾害的早期识别实质是对滑坡可能发生的位置和范围进行识别[15]。滑坡早期识别主要是通过人机交互的方法利用光学遥感影像目视解译、D-InSAR技术及等高线的稀疏变化，即利用滑坡体与周围地质体的地貌形态、几何形状、阴影、纹理、色调等标志性差异对滑坡体进行解译[16]。利用D-InSAR技术可得到研究区在一定时间间隔内地表形变量的差值变化，该变化可通过图像变化监测技术即假彩色合成法来显示。假彩色合成法[17]是一种图像信息增强技术，可将多波段灰度影像合成为假彩色影像，从而在图像背景中突出目标地物，增强目标与背景之间的对比，便于遥感影像判读。D-InSAR技术结合假彩色合成技术可以识别到研究区在空间上的分布特征。滑坡识别解译标志具体影像特征如表2[18-19]所示。

通过获取的遥感影像结合D-InSAR等技术，按照“定性”判断、“定量”测量的方式从地表形态、发展形势等方面综合分析判断疑似隐患点，并根据实地调研的方法来验证D-InSAR技术识别潜在滑坡的可靠性。利用Sarscape软件对研究区影像干涉对进行配准、干涉图生成、去平、滤波去噪、相位解缠以及地理编码和相位转形变等，获取西吉县2019年12月25日—2020年1月18日期间的地表形变情况。将所得到的形变数据在ENVI软件中进行密度分割配色处理后，叠加至Google Earth软件。根据所得到的雷达视线向(LOS向)地表形变量结合光学影像圈定潜在滑坡范围。D-InSAR技术提供地表形变时变信息用于确定形变的活动状况。

表2 滑坡影像特征解译标志[18-19]Table 2 Interpretation marks of landslide image features[18-19]

4 结果分析

4.1 形变监测结果与潜在滑坡识别

利用D-InSAR技术对研究区形变信息进行反演，得到西吉县雷达视线向(LOS向)地表形变信息。从SAR数据提取相干点目标(CTs)共19 883 825个，平均密度为6 352 CTs/km2，可以满足黄土丘陵地貌地表滑坡隐患早期识别研究[20]。

通过对形变结果进行分析，形变结果显示雷达视线向(LOS向)最大沉降量为32 mm(图4)。结合高分辨率光学遥感影像对研究区内形变区域进行目视解译，共识别出8个潜在滑坡，其威胁对象均为居民点，其中1号潜在滑坡位于兴隆镇王河村，2号潜在滑坡位于王民乡学杨村，3号、6号潜在滑坡分别位于兴平乡王湾村、赵脑村，4、5号潜在滑坡位于平峰镇焦湾村、三合村，7号潜在滑坡位于吉强镇夏大路村，8号潜在滑坡位于白崖乡黑窑洞村。为了验证该识别结果的有效性，本研究选取平峰镇焦湾村及三合村的两个潜在滑坡点，结合光学影像目视解译及实地调查来加以验证。

1为王河村；2为学杨村；3为王湾村；4为焦湾村；5为三合村；6为赵脑村；7为夏大路村；8为黑窑洞村图4 西吉县D-InSAR形变结果与潜在滑坡识别Fig.4 D-InSAR deformation results and potential landslides identification in Xiji County

4.2 潜在滑坡识别结果的检验

4.2.1 焦湾滑坡

结合InSAR技术得到的形变结果与野外实地勘查，对典型滑坡-焦湾滑坡进行分析。焦湾滑坡位于西吉县平峰镇焦湾村焦湾组，属黄土丘陵沟壑区，其地理位置为105°33′51″E、35°47′47″N。滑坡体编号为图3中的4号，光学影像如图5所示。据现场勘查，该滑坡主滑方向为250°。滑坡体坡顶海拔高2 050 m，坡脚海拔为1 840 m，高差为210 m。坡体切割较强烈，地形破碎，坡体上落水洞、节理裂缝多处可见，最宽处可达15 cm以上。坡体多被改造为阶梯状农田。为进一步对该滑坡进行分析，通过在光学影像上叠加D-InSAR形变结果可以看出，焦湾滑坡在2019年12月25日—2020年1月18日仍有微小的沉降变化。图5中a、b、c点LOS向形变量分别为-6、-5、-2 mm。该滑坡由于人类活动的影响，排水措施不到位，居民生活用水随意排放，降雨沿落水洞冲刷，使土体的结构遭到破坏，加剧了滑坡的形变。

4.2.2 三合村滑坡

根据D-InSAR技术所识别出的潜在不稳定滑坡中，5号不稳定滑坡位于西吉县平峰镇三合街道，属黄土丘陵区，其地理位置为105°30′21″E、35°50′6″N。三合村滑坡在2019年12月25日—2020年1月18日期间滑坡形变的光学影像如图6所示，d、e、f点LOS向形变量分别为-1、-3、-4 mm。根据实地调查，由于雨水冲刷、洪水聚集，虽多次维修排水管道，但未解决水的根源问题，最终造成了滑坡、崩塌。若再有大雨将直接威胁街道旁的农电站。为避免滑坡失稳加剧，应及时分析该滑坡体的形变特征，从根源上解决当地的排水问题。

d、e、f分别为三合村滑坡后缘不同位置的形变点图6 三合村滑坡光学影像图Fig.6 Optical image of landslide in Sanhe county

研究表明，地貌坡度、坡向、地形起伏度均为诱发滑坡的因素[21-22]。在Arcgis10.3软件中，通过西吉县30 m分辨率DEM提取地形起伏度、坡向以及坡度。不同坡度对影响滑坡发育的程度不同。根据国际地理学会地貌调查与制图委员会提出的地貌坡度分级[23]对西吉县坡度进行分级[图7(a)]，分级标准为：平原至缓斜坡(0°～5°)、斜坡(5°～15°)陡坡(15°～25°)、急坡(25°～35°)、急陡坡(35°～55°)、垂直坡(>55°)。斜坡的稳定性往往受到不同坡向斜坡小气候差异的影响，而后者与受坡向影响的光热再分配与水分状况的关系密切，因此坡向也是诱发滑坡的因素之一。将坡向按照阳坡、半阳坡、阴坡以及半阴坡来划分[图7(b)]，其分级标准为：以正北为中心，阳坡(135°～225°)、半阳坡(90°～135°和225°～275°)、阴坡(0°～45°和315°～360°)、半阴坡(45°～90°和270°～315°)。地形起伏度作为影响滑坡运动的因子也不容小觑，微小的局部变化可能引起滑坡的剧烈运动[24]。利用自然断点法对地形起伏度进行分级[图7(c)]。对D-InSAR技术识别的潜在滑坡点与坡度、坡向、地形起伏度的关系进行分析，识别的8个潜在滑坡点大多在15°～30°，主要是由于降雨及人类不合理的工程活动会对地质环境造成破坏[25]；坡向大部分处于阴坡面，主要是由于地形的影响，阳坡面降水量大于其他坡向，进而造成土壤中含水量增加，土质疏松，黄土不易堆积，黄土层较薄；而阴坡面黄土厚度大滑坡多[26]；地形起伏度大多在150～210 m，与黄土丘陵区的滑坡关系尚未见报道，可作为今后的研究方向。

图7 潜在滑坡识别点与坡度、坡向、地形起伏度的关系Fig.7 Relationship between potential landslide identification points and slope, slope direction and topographic relief

5 结论

利用D-InSAR技术对西吉县2019年12月25日—2020年1月18日影像干涉对进行配准、干涉图生成、去平、滤波去噪、相位解缠以及地理编码和相位转形变等数据处理，获取较大区域上的潜在滑坡形变结果，通过对结果进行分析得出如下结论。

(1)利用D-InSAR技术识别出黄土丘陵区西吉县8个潜在滑坡点。结合D-InSAR技术分析以及实地调查，证明在较大区域上潜在滑坡识别点与野外现场调查有较好的一致性。

(2)相比传统区域地质调查方法，InSAR技术具有便捷性强、自动化程度高等特点。

(3)基于形变结果和现场核查，分析了焦湾滑坡和三合村滑坡两处重点滑坡隐患的形变特征，其根源均归结于水的问题。该结果可为后续滑坡治理提供依据。

(4)通过分析8个潜在滑坡识别点与致灾因子坡度、坡向、地形起伏度的关系，发现该8个潜在滑坡大多在15°～35°，主要是由于降雨及人类工程活动对地质造成的破坏；坡向大部分处于阴坡面，主要是由于滑坡发育与黄土厚度密切相关，阴坡黄土沉积较厚，因而易发生滑坡；地形起伏度大多在150～200 m，该因素与黄土丘陵区发生滑坡的关系有待进一步研究。

由于监测的时间短，形变量变化微小。因此，在今后的研究中，将通过时序InSAR来监测较长时间的地形变化，进一步验证D-InSAR结果，同时为滑坡监测及预警提供数据支撑。