基于光学与SAR数据的贵州发耳镇尖山营滑坡监测研究

胡 涛 杨成生,2 侯祖行 杨佳艺 张 雪

1 长安大学地质工程与测绘学院,西安市雁塔路126号,710054 2 西部矿产资源与地质工程教育部重点实验室,西安市雁塔路126号,710054

我国西南云贵高原及周边区域,是世界上最大的连片裸露岩溶地区。经过多期构造运动,该地区形成了特有的强烈褶皱地貌形态,二叠系、三叠系厚层碳酸盐岩地层覆盖于地表,形成上硬下软的地层结构、上陡下缓的地形特征以及强烈的溶蚀地貌等复杂的区域地质环境。贵州作为西南岩溶山区的中心,是我国西部地区的矿产资源大省,在经过地下开采、水位波动等一系列活动后,出现了诸如岩溶山体劣化、地面塌陷等现象,极易诱发地质灾害[1]。因此,开展该区域滑坡形变监测对防灾、避灾具有重要意义。

InSAR技术可以获取地面的微小形变,在山区地质灾害调查与监测中具有较大优势,已被广泛运用于山区地质灾害调查与监测[2]。然而InSAR技术易受失相干影响,加之大量级形变也会因超过InSAR可探测形变梯度导致监测失败,因此,InSAR在高植被覆盖区开展大量级位移监测仍存在较大难度。起源于光学影像的偏移量追踪技术是利用互相关算法估计影像间像素位移来提取地面特征点的相对运动,可以获得大量级形变信息[3-4]。值得注意的是,与InSAR差分干涉技术相比,光学偏移量技术解算精度受像元分辨率大小、特征点匹配精度等因素的影响,其监测精度较低,一般约为1/10个像素[5]。

尖山营滑坡地处西南岩溶山区,从2013-08开始发生形变,期间经历一系列诸如煤矿开采、降雨等因素的影响,于2020-09-15发生滑动,是典型的岩溶山区滑坡灾害。开展该滑坡的监测与形变反演研究对岩溶山区的滑坡灾害具有借鉴意义,并对相同类型滑坡的预测以及防治具有参考价值。因此,本文选取贵州省发耳镇尖山营滑坡为研究对象,在对该地区进行InSAR可视性分析的基础上,基于Sentinel-1和Sentinel-2影像,利用InSAR及光学偏移量技术对尖山营滑坡形变特征进行监测研究,并分析滑坡的诱发因素,以期对岩溶山区的滑坡灾害监测及预测提供技术参考。

1 研究区概况与数据来源

尖山营滑坡位于贵州省六盘水市发耳镇,北距水城县70 km,南距盘县119 km。据水城县气象局提供的资料,研究区内日最高气温为 32 ℃、日最低气温为-6.3 ℃,平均气温15.8 ℃;年最大降雨量为1 192.2 mm、年最小降雨量为757.2 mm、年平均降雨量为1 027.2 mm,年平均相对湿度为71%,雨季多集中在5～9月(最大日降雨量249 mm),其他月份则少雨、偏旱,雨量偏低,干湿季节明显,全年无霜期达280 d,属于典型的亚热带河谷气候。另外,研究区内主要地表水体有北盘江及其支流湾河、河坝小溪等。从地质环境来看,研究区位于云贵高原岩溶山区,地形跌宕起伏,切割强烈,属于构造侵蚀而成的低中山至中低山地貌,最高处位于尖山营山顶(标高1 526 m),最低处位于发耳河西出口河床(本地最低侵蚀基准面,标高约949 m),最大高差577 m,一般相对高差300～400 m[6]。该地区不仅岩性构成复杂,而且受到煤矿开采等人类活动和强降雨等自然因素的影响,使该地区地质结构稳定性下降,易发生崩塌、滑坡等地质灾害。

尖山营不稳定斜坡从2013-08开始发生变形破坏,截至2019年,经过6 a的变形发展,其变形范围进一步扩展,时常发生零星崩落。在2020-09-08～14期间尖山营地区发生持续强降雨,于2020-09-15 14:00发生第1次滑坡,接下来3 d里一直出现滑动现象,直接威胁当地居民的生命安全以及下方乡村公路上的车辆行驶安全[7]。

本文以2020-09-15为时间节点,滑前和滑后分别收集到升轨Sentinel-1 SAR影像83和39景、降轨Sentinel-1 SAR影像81和22景(表1)。同时,为去除轨道误差引起的系统性误差,采用精密轨道卫星星历(precise orbit ephemerides,POD)数据(https:∥slqc.asf.alaska.edu/aux_poeorb/),定位精度优于5 cm[8]。此外,还选用2013～2022年共6景Google Earth影像,用来目视判断滑坡范围及其随时间的变化。选用2016～2021年云层覆盖较少的15景Sentinel-2光学影像,进行滑坡大量级位移的光学偏移量解算(表2)。

表2 光学遥感信息列表

2 研究方法

2.1 目视解译法

目视解译指通过在遥感影像上直接观察获取特定目标地物信息的过程,主要是依据记录在图像上的影像特征来识别和区分不同地物[9]。在对滑坡进行目视解译时,主要依据滑坡在遥感图像上所表现的形状、大小、阴影、色调、颜色、纹理、图案等特征,来区分滑坡体、滑坡边界和滑坡后壁。本文所研究的尖山营滑坡体较大,在滑坡变化的目视解译中选取处在同一地理坐标系的往期Google Earth影像,通过目视解译规则,能够较为容易地获取该滑坡的时空演化过程以及滑坡体的变化范围。

2.2 SBAS-InSAR技术

小基线技术(small baseline subset InSAR,SBAS-InSAR)最早由Berardino等[10]于2002年提出,主要用于提取缓慢的地表形变。该方法能改善干涉对空间基线过长造成的失相干问题,从而起到提升监测点空间密度的作用。

在遵循相干性最大化原则的前提下,分别选取2019-05-09和2021-05-10数据作为滑动发生前、后升轨SAR影像集的主影像,选取2019-05-11和2021-01-12数据作为滑动发生前、后降轨SAR影像集的主影像。在进行干涉对筛选时,剔除垂直基线大于500 m的干涉对,进而保证干涉图的质量,减小后续的解缠误差。考虑到尖山营滑坡属于大量级形变,选择基于SBAS-InSAR的算法进行形变速率的计算。

2.3 可视性分析技术

在地形复杂的山区SAR图像会产生透视收缩、叠掩和阴影3种几何畸变。在阴影叠掩区域,即可视性较差的区域,InSAR无法探测出有效的形变;在透视收缩区域,斜坡的成像分辨率较差,监测出的形变信息可能存在误差。因此,结合研究区地形和SAR成像参数开展InSAR可视性分析,将有助于理解InSAR监测获取的形变信号,避免灾变信息误判[11]。本文利用改进的R-index模型,来开展研究区SAR可视性分析。其中R-index(im)公式为:

R-index(im)=sin{θ+tan-1[tan∂·

cos(φ-β)]}·Sh·La·Fa

(1)

式中,θ为卫星LOS向入射角,φ为卫星LOS向方位角,∂为地形坡度,β为地形坡向,Sh为阴影系数,La为叠掩系数,Fa为远被动叠掩系数。

2.4 光学偏移量技术

光学偏移量技术是利用相应的数据处理平台,将两景不同时期的影像进行互相关匹配,以主影像作为参照,设定不同大小的搜素窗口和滑动窗口,在辅影像中寻找与主影像对应位置的同名点,从而获得主影像与辅影像在二维水平方向(东西向和南北向)的偏移量。该技术通常可达到亚像素级别的匹配精度[12]。

本文在进行光学影像偏移量计算时,首先选择的数据类型为Sentinel-2 L1C(经过正射校正以及几何校正),利用Sen2cor和snap软件进行预处理;然后采用法国的MicMac软件对预处理后的Sentinel-2影像进行偏移量相关处理,将窗口设置为16,选择多组数据进行运算;最后通过对多组数据解算结果进行筛选,并使用奇异值分解法(SVD)进行时序计算,得到研究区域东西向和南北向的偏移量位移时间序列。

3 实验结果与分析

3.1 光学影像目视解译结果

图1为尖山营滑坡2013～2022年Google Earth历史影像,不同颜色虚线代表不同年份滑坡体的边界,白色虚线表示变形体前缘部分的延伸范围。通过对比尖山营斜坡2013～2022年的历史影像可以发现,尖山营滑坡近年来崩塌堆积体的面积逐年增长。2020-11变形体前缘已能被识别出,且整体发生明显形变。野外调查资料显示,其变形区后缘裂缝面粗糙,泥岩软弱层层面光滑,层面和节理面将斜坡岩体均匀切割,形成类似碎裂化的岩体,并且变形体后缘出现多条发育强烈的地裂缝[7]。后缘发育的地裂缝以及岩体结构的破坏对尖山营滑坡的稳定性造成不利影响,加之该区煤矿开采等人类活动的影响,需对其进行进一步调查分析。

图1 2013～2022年尖山营不稳定斜坡影像资料Fig.1 Image data of Jianshanying unstable slope from 2013 to 2022

3.2 尖山营滑坡Sentinel-1 SAR影像监测结果

通过对升、降轨Sentinel-1 SAR影像进行SBAS-InSAR处理,获取尖山营滑坡2018-01～2020-09的滑前形变速率及2020-09～2021-12的滑后形变速率结果(图2),正值表示抬升,负值表示沉降。由图2可见,其年均形变速率为-150～120 mm/a。由于未能收集到同时期形变的其他外部监测数据,本文采用内符合精度验证的方式,即分别选取图2中稳定区域进行形变标准差统计,结果显示,其滑前和滑后的标准差分别为2.4 mm/a和3.6 mm/a,表明监测结果具有较好的可靠性。

图2 尖山营滑坡Sentinel-1监测结果Fig.2 Sentinel-1 monitoring results of Jianshanying landslide

对比升轨滑前、滑后结果可以发现,滑后滑坡体的前缘明显扩张,后缘的量级也明显加大,降轨形变结果也显示滑后滑坡前缘明显前移。为了解尖山营滑坡的成灾模式,本文在坡体上沿aa′提取剖线时序形变结果,剖线位置见图2(d)。沿aa′线的时间序列形变结果如图3所示,也可发现滑坡体的前缘形变较大,在滑前达到了-108 mm,这与目视解译的结果较为吻合。同时,从图3可以明显看出,尖山营滑坡的主体(图2中的黑色虚线部分)基本无法探测到有效的形变信息。对比光学影像目视解译结果,可以发现该坡体形变较大。因此,针对仅能监测出小量级形变的原因作出以下推测:1)该区域的Sentinel-1数据的可视性不好,处于叠掩阴影的区域较多,导致Sentinel-1数据无法进行有效的探测;2)尖山营滑坡的滑动量级较大,超过InSAR可探测形变梯度,致使InSAR监测手段无法对其进行监测。因此,为进一步探究尖山营滑坡的主体区域的形变,需要借助其他方法或者数据对其进行研究,进而分析尖山营滑坡的成灾模式。

图3 尖山营滑坡剖线分析Fig.3 Section line analysis of Jianshanying landslide

3.3 尖山营滑坡Sentinel-1 SAR影像的可视性分析

为分析SAR影像可视性对滑坡形变监测的影响,利用前文所述可视性模型对Sentinel-1 SAR影像的可视性进行分析(图4,黑色虚线表示尖山营滑坡的边界)。由图4(a)可见,滑坡体位于可视性好的区域,仅有小部分位于叠掩阴影区,可见升轨影像对该坡体形变监测的可视性较好。由图4(b)可见,滑坡体位于透视收缩区域,仅小部分位于可视性好的区域,尽管透视收缩一定程度上影响了形变监测的分辨率等信息,但仍能探测出坡体形变。因此,Sentinel-1升、降轨影像都可以实现对尖山营滑坡坡体的探测,即图2中的形变值空缺区并非SAR影像的叠掩阴影导致。

图4 研究区域Sentinel-1升、降轨影像的可视性结果Fig.4 Visibility results of Sentinel-1 image ascending and descending orbit in the studied area

3.4 尖山营滑坡Sentinel-2光学影像监测结果

由于图2中InSAR监测区(黑色虚线内)形变值空缺区并非SAR影像的可视性导致,而是由于形变超过InSAR可探测梯度所致,可以利用光学数据补充SBAS-InSAR技术无法获取大量级滑坡位移的不足。本文尝试使用光学偏移量技术得到尖山营滑坡的二维时序位移,分别如图5和6所示。结果显示,尖山营滑坡自2017-11开始出现明显形变,形变区域主要位于滑坡体的后缘以及中部,推测是中部的煤矿开采所致,且随着时间累积,其形变体在不断加大。2016-07～2021-03东西向以及南北向最大累积形变量分别达到32 m和-52 m,这与陈立权等人的监测结果基本一致[13]。滑坡的形变方向主要朝向东以及北方向,与图1中目视解译所得到结果较为吻合,这说明该区域由于滑坡量级较大导致InSAR无法进行监测,而光学偏移量技术则能成功恢复岩溶山区滑坡大量级位移的二维形变场。其次,滑坡于2020-09-15滑动后,持续约3 d,而在2021-11-12结果中可以明显发现滑坡累积形变量有较大增加,证明光学偏移量技术对大量级滑坡位移事件具有较好的捕获能力。

南向为正,北向为负图5 尖山营滑坡南北向形变时间序列Fig.5 Time series diagram of north-south deformation of Jianshanying landslide

东向为正,西向为负图6 尖山营滑坡东西向形变时间序列Fig.6 Time series diagram of east-west deformation of Jianshanying landslide

3.5 尖山营滑坡二维形变时间序列分析

为了解尖山营滑坡的灾变特征,本文在坡体上沿AA′(图5和6)提取了剖线时序形变结果。剖线结果(图7)显示,滑坡体的后缘具有较大的形变,推测是因为尖山营不稳定斜坡后缘地带的岩石岩性主要由砂岩、粉砂质泥岩、泥岩等组成,受中下部煤层持续开采的影响,导致其后缘呈缓倾状,进而使后缘岩体裸露风化、破碎,形成发育良好的地裂缝,导致滑坡后缘稳定性急剧下降,引发形变。同时,滑坡的中部具有明显的形变发生,主要是由煤矿的开采导致,特别是位于中部及南部的煤矿采空区塌陷,使得岩石破碎化、泥岩演变成泥化夹层以及厚层砂岩板裂化,致使其坡内岩石岩性以及结构发生改变,加速了斜坡的变形过程。

由于滑坡体后缘及中部形变明显,故本文在滑坡体的后缘及中部选取特征点P1和P2(图5和6)来分别提取其在东西方向和南北方向的形变时间序列(图8)。结果表明,P1和P2点在2016-07～2021-03东西方向累积形变量分别达到27 m和19 m,南北方向累积形变量分别达到-52 m和-33 m。通过对特征点的时间序列进行分析可以判断,尖山营滑坡经历了初始变形阶段(阶段Ⅰ)、等速变形阶段(阶段Ⅱ)以及加速变形阶段(阶段Ⅲ)。位于中部的形变点P1的形变累积值明显大于位于滑坡体后缘的P2的值,结合野外调查资料,尖山营滑坡经历了冒落沉陷变形阶段和拉裂变形阶段,可以推测该滑坡发生的主要原因为下部煤矿的重复开采,导致其坡体产生裂缝,随着煤矿逐渐塌陷使坡体稳定性急剧下降,最终在外部因素影响下发生滑坡[14]。

图8 P1和P2点形变时间序列Fig.8 Time series of deformation of P1 and P2 points

降水是诱发地质灾害的关键因素之一,为分析降水对尖山营滑坡形变的影响,本文从GPM网站(https:∥gpm.nasa.gov)获取2017～2021年的日降水数据,并与特征点P1的时间序列进行比对(图9)。可以发现,第1次大规模形变发生在旱季,推测该形变主要是由煤矿开采引起[15]。野外地质勘探资料显示,降雨一段时间后煤矿才见有雨水排出,一方面水体沿着坡面进入地下,增加了节理裂隙中的静水压力,推动岩体向不稳定一侧倾斜变形;另一方面,泥岩或粉砂质泥岩遇水易软化,在自重力作用下向软弱面倾斜[10]。由此可以得出,由光学偏移量得到的时间序列结果同地质调查具有较好的一致性,即降水导致的尖山营滑坡形变具有一定的滞后性。

4 结 语

本文基于多期历史光学影像,通过目视解译法发现尖山营滑坡在2018年以后形变明显。SBAS-InSAR技术监测结果表明,滑坡在2020-09滑动后,前缘形变明显。尖山营滑坡二维形变时间序列结果显示,其东西向和南北向累积形变量分别达到了32 m以及-52 m。结合滑坡的二维形变时间序列和降水数据发现,尖山营滑坡主要与煤矿的重复开采和降水等因素有关,且降水对尖山营滑坡形变的影响具有一定的滞后性,该结果与地质勘探资料较为吻合。然而,本文所使用的光学数据由于分辨率不高,监测精度为m级,在后续研究过程中,应使用分辨率较高的数据以提高监测的精度。其次,本文基于光学影像偏移量技术获得了尖山营滑坡东西向和南北向的形变,但并未获得垂向形变,后续应结合其他数据获得其三维形变。同时,由于未能收集到同时期的水准、GNSS等其他技术手段的监测结果,无法对尖山营滑坡的监测结果进行进一步验证。