(中鐵第一勘察設計院集團有限公司,陜西西安 710043)
彭水至酉陽高速公路,初測階段貫通線全長約107.589km。公路區域跨越彭水縣和酉陽縣,位于大婁山脈北東側與武陵山脈北西緣間的山地,區內山嶺連綿,呈北北東向延伸,走向與構造線方向垂直,屬中低山區,平均海拔763m,最低海拔208m,最高海拔約為1317m。區域內具較強烈的浸蝕、剝蝕構造地形特征,巖溶地形也有一定程度的發育,其貌主要有山間河谷沖蝕型地貌、構造溶蝕中低山地貌以及構造剝蝕、溶蝕中低山地貌三種類型。
本文研究區域位于線路中段的洪渡鎮及烏江村附近,靠近烏江,為古滑坡區域。該區域為公路邊坡(如圖1),其形變與滑動會嚴重影響公路的安全性。研究區域植被較為茂密,最高約650m,最低約285m,存在高差約365m。

圖 1 項目區域谷歌影像圖
研究區域植被較為茂密,短基線X波段的雷達影像易發生時間失相干現象。為保證影像的相干性,該地區宜采用基線較長的L波段或C波段雷達數據。
本次研究查詢了2017年3月至2020年3月的存檔哨兵Sentinel-1A影像,共約90景SLC影像,數據連續豐富,重訪周期最短為12d,本次研究選用了其中47景升軌影像。
為保證數據處理過程中能夠去除軌道誤差,實驗下載了47景哨兵影像相應的精密定軌星歷數據,將所有哨兵影像進行軌道偏移量修正。軌道信息是InSAR數據處理中非常重要的信息,從最初的圖像配準到最后的形變圖像生成都有著重要的作用。含有誤差的軌道信息造成基線誤差以殘差條紋的形式存在于干涉圖中。因此,使用衛星精密軌道數據對軌道信息進行修正,可有效去除因軌道誤差引起的系統性誤差[1-2]。
研究所采用的DEM為SRTM-1,通過鑲嵌和裁切覆蓋影像范圍,用于去除由地形起伏引起的干涉相位,分辨率為30m,比SRTM-3(90m)更為精細和準確,能夠很好地去除地形相位。
2002年Berardio等提出一種小基線集(SBASInSAR)的方法,該方法將SAR影像數據組成若干個子集,子集內的SAR圖像基線距小,并通過奇異值分解(SVD)方法解決子集之間基線距大的問題,以降低時間和空間的失相干對干涉效果的影響[3-4]。
本次數據處理利用小基線集(SBAS)方法進行時間序列InSAR監測,得到監測區域累計形變量、平均形變速率和監測點的時間序列形變等成果,處理流程如圖2。

圖 2 SBAS工作流程圖
為避免發生時空失相干現象,將47期影像進行小基線集合計算,保證集合內影像相干性最優。計算時設定最大時間基線為120m,最大空間基線最大百分比為30%,以保證干涉圖的相干性和運算時間。經計算后得到小基線集共46組,干涉對組合共221對,平均每個集合有約9.4個干涉對(圖3)。

圖3 干涉基線圖
研究區域高程起伏變化較大,植被茂密,導致部分地區相干性較差,存在一些噪點,相干性較差的區域產生極少量極值點,為孤立像素點,會影響最終成果的極值,但沒有連成區域,不代表存在大且連續的形變區,不影響整體形變趨勢和形變量級的估算。從累計形變圖(圖4)可以看出,區域內三年累計形變量在±30mm內,累計形變量量級小,不存在大的累計形變量區域。目標區域外存在最大累計形變為101mm(為極個別孤立噪點,未形成連續區域)。
研究區域內像元所覆蓋的地區形變速率基本在±10mm/a(圖4),年平均形變速率與累計形變量圖趨勢一致,目標區域內未發現明顯沉降區域。

圖4 累計形變量圖及平均形變速率圖
本次監測所采用的影像數據重訪周期連續,影像重訪間隔為24d,采樣密度大且連續,保證了研究區域監測形變趨勢的連貫性。從選取的部分點位來看,時間序列形變曲線基本為0附近擺動,不存在大的形變階躍及連續大的形變累計。圖5為目標區域內選取的部分點位在研究時間段內的累計形變量趨勢圖(從第一個時間點累計),從形變曲線圖中可以看出,目標區域形變量級非常小。

圖5 研究區域形變曲線圖(單位:mm)
綜合分析以上成果,參考平均形變速率圖和累計形變量圖中未發現研究區域中存在異于其他地區的明顯形變,可以認為研究區域在2017年3月至2020年3月期間保持著相對穩定的狀態。
隨著新型高分辨率和短重訪周期的SAR傳感器的發射,時序InSAR技術能夠獲取更高時空分辨率的地表形變信息,在滑坡災害監測與防治工作中具有廣闊的前景。開展InSAR技術在山區鐵路公路滑坡地質災害調查中的應用,在地質災害識別、調查、穩定性分析、監測預警等領域發揮重要作用。通過進行滑坡早期識別和活動性監測調查,為地質選線提供依據,并對線路周邊潛在和已有滑坡災害進行評估和穩定性監測,為工程建設提供安全性保障。這是工程勘察設計中一項迫在眉睫而又意義深遠的工作。