基于时序InSAR的水电站库岸滑坡形变监测分析

周 志 伟，程 翔，周 伟，肖 海 斌，李 康 伦

(1.中国科学院精密测量科学与技术创新研究院 大地测量与地球动力学国家重点实验室，湖北 武汉 430071；2.武汉大学 中国南极测绘研究中心，湖北 武汉 430072； 3.武汉大学 水利水电学院，湖北 武汉 430072；4.华能澜沧江水电股份有限公司，云南 昆明 650214； 5.武汉工程大学 土木工程与建筑学院，湖北 武汉 430205)

0 引 言

滑坡是全球范围内发生最为频繁、危害性最高的地质灾害之一，其隐蔽性强、破坏性大，对人民的生命财产安全和基础设施安全造成了巨大的威胁[1]。滑坡体表面形变是分析滑坡稳定性和危险性的主要信息来源，对于大型滑坡体的早期识别与长期监测具有重要意义[2-3]。

地面常规监测手段通常适用于小范围的监测，不适用于大区域范围内的长期监测。遥感手段具有大范围、长时序监测的特点，特别是星载雷达遥感具有全天时全天候的工作能力，能够获得长时间序列的形变结果，且测量精度高，在大范围潜在滑坡识别、滑坡形变监测以及灾前预警方面具有较大的优势[4-7]。

星载合成孔径干涉测量(InSAR)能够以厘米级甚至毫米级的精度获取地球表面形变信息，在地震、火山、地表形变监测和滑坡灾害早期识别等方面得到了广泛的应用[8-10]。王尚晓等利用Sentinel-1A卫星数据基于SBAS技术获取了巫山县长江沿岸区域的地表形变信息，利用核密度分析法获取有显著运动区域，在该地区发现了9处疑似滑坡区，其中4处为新发现的疑似滑坡区[11]。Shi等利用ALOS PALSAR数据获取了三峡库区秭归-奉节段2006～2011年间的地表形变数据，从区域内发现了30个活动性滑坡，为三峡库区的地质灾害防治提供了有效的参考[12]。本文利用2018年1月至2019年7月之间共46景Sentinel-1数据，基于SBAS技术获取了澜沧江上游大华桥水电站区域的地表形变结果，结合滑坡发育特征对区域形变结果进行相关分析，提取了区域内大华、拉古滑坡的长期形变特征，为区域滑坡灾害防治和安全预警提供了重要参考。

1 研究区概况与数据来源

1.1 研究区概况

大华桥水电站位于怒江州兰坪县兔峨乡，是澜沧江上游古水至苗尾河段水电梯级开发方案的第六级水电站，上游与黄登水电站、下游与苗尾水电站相衔接。坝址处右岸有兰坪至六库公路通过，昆明至兰坪有省级公路连通[13]。水库区内澜沧江河道两岸山顶高程多在2 700～3 600 m之间，相对高差1 300～2 500 m。库区段河谷多遭受深切而呈“V”形谷，为高中山峡谷型地貌，河道蜿蜒曲折，两岸坡度一般为25°～50°[14]。库区物理地质现象较发育，主要表现为滑坡、泥石流以及山体崩塌等，尤以崩塌堆积体最为发育[14]。区域内现存较大的滑坡体有3个，即大华、拉古和沧江桥滑坡，均为古滑坡堆积体，严重威胁区域内的人员生命财产和基础设施安全，因而选择该区域作为研究区。

1.2 数据来源

本文以大华桥水电站库区作为研究区域(见图1)，SAR数据采用2018年1月至2019年7月间的46景Sentinel-1数据。外部DEM采用的是30 m分辨率的SRTM3数据，该DEM能够精确提供研究区域的高程数据，提高去平地结果的可靠性。

图1 研究区位置Fig.1 Location of study area

2 基于SBAS技术获取地表形变信息

经典的D-InSAR方法在获取地表形变的应用中容易受到时空去相干、大气扰动以及地形参与等因素的影响，限制了其在大范围、长时间地表形变监测中的应用。时间序列InSAR技术通过组成长时间序列的SAR数据集，分别利用时空滤波分析和提取的稳定高相干目标点来消除大气扰动和时空去相干的影响，大大提高了InSAR在地表形变监测中的应用能力。本文选用具有代表性的SBAS-InSAR技术进行实验，能够减弱时空去相干和大气扰动的影响，获得高精度的地表形变结果。

首先，将覆盖研究区域的N+1幅SAR影像组成时间序列，经过拼接、裁剪等预处理后，得到研究区内的SLC影像数据，按时间顺序t0，t1，…，tN排列，并将所有影像进行配准，选择合适的时间基线和空间基线，将满足时空基线条件的影像形成干涉对。本文共46景SAR影像数据，形成有效干涉对89对，其时空基线如图2所示。

图2 时空基线Fig.2 Spatial and temporal baseline

在差分干涉图的基础上进行解缠，对于在tA和tB时刻获取的主从影像生成第j景差分干涉图，其任意一点的差分干涉相位可表示为

σφj=φtA-φtB

(1)

对解缠后的差分干涉图进行筛选，去除存在大范围解缠错误的干涉图，筛选后共有87对干涉对，利用形成的87对有效干涉条纹图，生成平均相干性图(未经滤波)，提取相干性大于0.3的目标点作为高相干目标点。图3为平均相干性结果图和参考点选取。

图3 平均相干性结果Fig.3 Average coherence result

最后，利用 SVD 解算每个时间段内的相位变化速率并恢复相位时间序列。从相位时间序列中扣除之前求得的低频形变，对残差相位时间序列进行时空滤波得到大气延迟相位时间序列，从原始相位时间序列中得到形变相位序列，通过相位到形变的转换可得到形变时间序列[15]。

获取的研究区域内的形变速率结果如图4所示，在大华桥水电站库区共监测到3处明显滑坡区域，本文将重点分析其中典型的大华滑坡和拉古滑坡，此两处滑坡紧靠澜沧江河道，大华滑坡最大形变速率达到-10 cm/a，拉古滑坡最大形变速率达到-11 cm/a。

图4 研究区域形变速率Fig.4 Average displacement rate of the study area

3 形变结果分析

3.1 大华滑坡

大华滑坡体距坝址约5.1 km，其高程位于1 400～1 870 m之间，其后缘至前缘的长度约1 km，沿河向最大距离约1 km，整体呈扇形，其滑坡前缘已到达澜沧江边。图5为大华滑坡体的年形变速率结果，滑坡中部至沿江段形变速率较大，最大形变速率达到-100 mm/a。图6为大华滑坡中部一点的累积形变结果，在2018年1～3月沿视线向累积形变量约为2 cm，形变速率相对较小；2018年3～10月，形变速率迅速增大，累积形变量约为7 cm；2018年10月至2019年2月，该点处于相对稳定状态形变速率接近于0；2019年2～7月，该点重新进入滑动状态，形变速率相对稳定，累积形变量约为4 cm。在2018年1月至2019年7月的整个观测区间内，累积形变量达到-14 cm，形变幅度较大。

图5 大华滑坡形变速率Fig.5 Average displacement rate of Dahua Landslide

图6 大华滑坡时序形变结果Fig.6 Displacement time series of Dahua Landslide

通过对时间形变序列的分析可以发现，在11月至次年3月，大华滑坡处于相对稳定状态，形变速率相对较小；进入3～10月的暖湿季节后[16]，大华滑坡开始处于不稳定的形变状态，形变速率较大。特别在6～8月，该区域进入降雨量较大的汛期[16]，其形变速率迅速增加，为整个观测周期内形变速率最大阶段。时序形变结果表明大华滑坡受降雨影响明显，在进入降雨量较大的汛期时，该滑坡处于不稳定状态，形变速率较大，易发生受降雨影响的山体滑坡。

由于InSAR观测期间没有同期地面监测数据，为验证InSAR滑坡可靠性，对大华滑坡进行了现场勘察，经现场验证发现，滑坡体上旧居民点的木制、泥制和混泥土制房屋，水泥路面及路面均有非常明显的形变或裂缝，这些形变或裂缝多由滑坡造成的水平及垂直方向的错位引起，形变大小与InSAR观测所得到的大小也较相符，如图7所示。通过现场勘察得到的结果表明，本文InSAR方法得到的滑坡形变较为准确。

图7 大华滑坡现场勘察Fig.7 Site survey results of Dahua Landslide

3.2 拉古滑坡

拉古滑坡距坝址下约12.5 km，高程分布在1 430～2 000 m之间，整体形态与大华滑坡相似呈扇形分布，滑坡前缘沿江宽度约为1.6 km。图8为拉古滑坡形变速率结果，在滑坡体中部至滑坡前缘区域形变速率较大，最大形变速率达到-110 m/a。图9为拉古滑坡中部一点的时序形变结果，其时序形变结果与大华滑坡形变结果相类似，在2018年1～4月和10月至次年4月期间，时序分析点处于稳定状态，形变速率接近于0；在2018年5～10月，该区域进入雨季汛期后，形变速率陡然增加，累积形变量接近9 cm。结果表明，拉古滑坡与大华滑坡相类似，同样受降雨影响明显，进入汛期后降雨量增大，最大累积形变量达-12 cm，该滑坡处于不稳定状态。

图8 拉古滑坡形变速率Fig.8 Average displacement rate of Lagu Landslide

图9 拉古滑坡时序形变结果Fig.9 Displacement time series of Lagu Landslide

由于拉古滑坡体不方便去到实地勘察，故此滑坡仅在对岸进行了观察，发现有许多冲沟。通过InSAR结果叠加到光学影像上(Google Earth)，可以发现，主要形变区位置也是在冲沟上面，与现场观察较为一致。

4 结 论

大华桥水电站沿江区域内古滑坡分布较多，为研究区域内滑坡的稳定性情况，本文利用2018年1月至2019年7月期间的46景Sentinel-1数据获取了大华桥水电站附近的时序形变结果，得到以下结论：

(1) 研究区域内共监测到3处不稳定区域，重点分析了沿澜沧江的大华、拉古两处滑坡。通过分析两处滑坡中2个形变特征点，发现在观测期间内两点的形变速率分别为-100 mm/a和-110 mm/a，最大累积形变量分别达到了-14 cm和-12 cm。

(2) 通过对两处滑坡时间形变序列的分析，两处滑坡均受降雨影响明显，在5～10月的雨季期间，其形变速率明显加大，表现出明显的不稳定状态。

(3) 通过现场勘察，本文InSAR方法得到的滑坡形变较为准确，适合对大范围的澜沧江流域进行滑坡筛查与普查。