天地聯合的區域山地管道地質災害監測預警體系研究

鄒永勝 李雙琴 高建章 鄭宇恒 李章青 沈忱 鄒妍

[摘? ? 要] 西南管道公司所轄山區管道占比達70%，由于穿越地形地貌復雜，管道地質災害防控難度大，傳統的監測手段很難實現管道全域覆蓋，急需建立一套經濟有效的區域管道地質災害監測體系。文章提出了一種新的區域管道地質災害監測預警體系，從GNSS和InSAR數據的融合、降雨-形變的歸一化、天地聯合的預警模型等方面詳細闡述了該監測預警體系，并以某管道50km范圍為試驗區，采用Sentinel-1A、地表GNSS監測站和降雨量化監測站為數據源，對發現的82處潛在風險區進行了為期2年的跟蹤監測預警，驗證了該體系的有效性和可靠性。

[關鍵詞] 天地聯合;地表形變;InSAR;監測;管道;地質災害;監測;預警

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2020. 15. 081

[中圖分類號] TP311? ? [文獻標識碼]? A? ? ? [文章編號]? 1673 - 0194（2020）15- 0192- 05

1? ? ? 引? ? 言

西南管道公司所轄管道作為保障國家四大油氣戰略通道之一，對改變高度依賴馬六甲海峽的能源進口格局，實施油氣進口多元化戰略具有重大意義。西南管道公司所轄管道穿越七省一市，山區管道占比高達70%，沿途區域自然地理和地質環境復雜多樣，管道受地質災害威脅的安全風險高。特別是2008年汶川地震發生后，管道沿線發生了大量的滑坡、崩塌地質災害，如K572滑坡、K0528+850滑坡、K0526+300山體變形。因此防治地質災害是擺在管道安全管理面前的一項重要課題，而地質災害監測預警是管道安全管理的一個重要環節。

目前的管道監測手段大多采用地面專業監測設備進行監測，通過持續采集地質災害與管道實時的狀態數據，從而判斷地質災害和管道的安全狀態。這種傳統的接觸式監測以點為監測單元，雖然可以實現高頻高精度的不間斷監測，但無法應用于未發現的高位遠程、高隱蔽性地災隱患，很難實現對整個管廊區域開展大尺度全域監測。

目前，科學技術日新月異，隨著遙感技術的不斷進步，遙感技術在油氣管道監測中也發揮著越來越重要的作用。近年來，遙感技術在油氣管道選線、地質災害監測等領域的應用已經得到高度重視。例如在國內已完成的6條管道選線工程中，陜甘寧氣田至北京輸氣管道和內蒙二連浩特至山東日照輸氣管道均采用了遙感技術。王世洪? 等基于多源遙感檢測信息，以該段線路泥石流為例，采用模糊綜合評判法分析了降雨作用下泥石流災害發生概率，并對管道泥石流災害危險性進行了評價，從而實現了管道泥石流災害的快速預警。程濤利用布設人工角反射器（CR）PS-InSAR方法對西氣東輸管道工程靖邊—臨汾端子長縣地區2004.01.10-2006.12.30的形變進行監測;徐小波也使用InSAR技術對子長縣管道區域2009年5月至2010年9月的地表形變進行了監測。本文通過綜合InSAR技術和地面專業監測技術，形成多源數據融合的天地聯合的管道地質災害監測預警體系，并以西南地區某管道晴隆段50km范圍為試驗區進行了驗證，為InSAR技術在山區管道監測預警方面的應用提供參考。

2? ? ? 天地聯合的管道地質災害監測預警體系

2.1? ?GPS和InSAR融合技術

目前針對地表形變的監測主要采用GPS測量和InSAR技術。這兩種方法的精度、時間分辨率和空間分辨率各不相同，GPS連續觀測測量技術時間分辨率高，InSAR技術空間分辨率較高。為了滿足管道沿線地質形變監測的要求，需要對InSAR、GPS數據進行融合處理，充分利用各自數據和技術的優勢，進行互補，獲得高精度和高時空分辨率的數據成果，以便開展數據分析和綜合預警。

將GPS接收機與角反射器安裝在同一位置，確保地基監測的同時對SAR衛星進行修正。根據角反射器的高程值轉換為相位值，并以其為約束，提高解纏精度，其公式為：

式中，Bh表示水平基線，By表示垂直基線，θ為視角，r1為主圖像的斜距，λ為波長，h為GPS高程，Φ為GPS高程計算的相位值[1]。

對GPS形變結果進行空間域內插，GPS雖然可以提供高時間分辨率的地面形變資料，但受限于GPS監測點位的密度問題，其不可能反映出監測區域的全面沉降情況[2]。由于空間數據一般都具有相關性，即在一定的范圍內，任何空間數據的變化一定會帶動周邊一起發生變化，其趨勢和量級均具有一致性和漸變性的特征。

因此，結合InSAR的結果，通過對監測區域內的形變范圍、趨勢、量級等背景的GIS分析，將區域內離散GPS點的高時間分辨率特性按照InSARS數據的空間分辨率進行克里金插值，在此基礎上，利用卡爾曼濾波對所有網格節點進行時間序列化處理，其方程式為：

L（tk）=H（tk）X（tk）+V（tk）（2）

式中，X（tk）為在tk時刻的形變量;H（tk）和F分別代表觀測分配矩陣和狀態轉移矩陣;V（tk）表示觀測噪聲和;W（tk-1）表示狀態噪聲;Γ（tk-1）表示狀態噪聲分配矩陣。

2.2? ?潛在風險區識別

坡度、坡向以及山坡到管線的距離是產生山體滑坡從而危害石油管道的重要因素，故采用權重分析法綜合評價三種因素對石油管道的影響程度，并后形成每個區域的關注等級，依據每個區域的權重因子劃定形變量的風險閾值，根據InSAR處理結果的形變量，識別潛在風險區。同時，采用天地基數據迭代的方式，不斷修正風險閾值。

（1）坡度計算重分類

通過DEM計算坡度，根據坡度等級進行重分類并賦予不同的權重。

坡度分類依據為：0°～5°為平坡，6°～15°為緩坡，16°～25°為斜坡，26°～35°為陡坡，36°～40°為急陡坡，41°～45°為急坡，46°以上為險坡。

（2）坡向計算

將坡向進行重分類并賦予不同的權重。由于石油管道兩側相同坡向發生滑坡時產生的危害程度不同，故將石油管道分為北側和南側，進行坡向重分類并賦予不同的權重。

（3）距離權重

以管道中線為中心進行歐氏距離計算，根據自然間斷法將距離分級并賦予權重。

歐式距離是一個通常采用的距離定義，指在m維空間中兩個點之間的真實距離，或者向量的自然長度（即該點到原點的距離）。在二維空間中的歐氏距離就是兩點之間的實際距離，如圖2所示。

二維空間的歐式距離計算公式如下：

式中，Z為（x1，y1），（x2，y2）兩點之間的歐氏距離;|X|為點（x2，y2）到原點的歐氏距離。

自然間斷法是基于數據中固有的自然分組，將對分類間隔加以識別，可對相似值進行最恰當地分組，并可使各個類之間的差異最大化。要素將被劃分為多個類，對于這些類，會在數據值的差異相對較大的位置處設置其邊界，不管采用的是InSAR分析的哪種方法，其結果數據都可以轉換為GIS數據，因此在進行自然間斷法分類時可以直接在ARCGIS軟件中使用工具進行分組（如圖3所示）。

（4）關注區等級劃分

綜合坡度、坡向以及距離權重結果進行綜合權重計算，分為不同關注區等級，并根據形變速率等級劃分為不同等級危險區域。

（5）潛在風險區識別

將標注出的沉降量或抬升量較大的區域疊加到三維地圖中，結合實際坡度坡向以及到管線距離進行風險區域篩選。關注等級高的區域，其形變風險閾值相對較低（如圖4所示）。

2.3? ?天地聯合的區域地質災害預警模型

對于區域地質災害的預警分析，通過建立地面降雨自動化監測站獲取實時的降雨信息，結合InSAR形變量和速率，通過改進切線角法建立降雨-形變歸一化綜合預警模型。

（1）地質災害有效降雨量

受風險區內地形地貌、植被等因素影響，瞬時降雨量中只有部分對地質災害發生起作用，因此在進行管道地質災害預警時不能直接采用儀器測得的瞬時降雨量，而應該采用有效降雨量，其公式為：

Rc=R0+Ra=R0+kR1+k2R2+…+knRn（6）

式中，Rc是地質災害發生的有效降雨量，R0是地質災害發生當天的降雨量，Ra是地質災害發生的前期有效降雨量，k為有效降雨系數，通常取0.9或0.8。Rn是地質災害發生前第n天的降雨量，n通常取值為5天。

（2）降雨-形變歸一化

InSAR數據和有效降雨量數據都是時序數據，因此采用時序歸一化算法進行數據的融合，可以表示為：

式中，y（xm+n）表示第m+n時刻位移值，xm+n表示第m+n時刻前p個時刻的位移序列和有效降雨量，xi+p表示第i+p時刻前p個時刻的位移序列和有效降雨量，表示降雨影響天數，b為固定常數，a為有效降雨系數[3]。

（3）天地聯合的區域地質災害預警模型

滑坡變形-時間曲線的切線角在不同的階段有不同的特點。初始變形階段，切線角總體表現為由大減小，逐漸平穩;當進入等速變形階段，切線角基本穩定在45°;在加速變形階段，切線角增長速率急劇擴大，直至90°[4]，如圖5所示。

根據圖5的T-t曲線，可以得到改進的切線角αi的表達式：

式中，αi表示改進的切線角;ti表示某一監測時刻;Δt表示與計算S時對應的單位時間段（一般采用一個監測周期，如1天、1周等）;ΔT表示單位時間段內T（i）的變化量。

因此，本文在歸一化值閾值預警基礎上，綜合考慮速率增量以及切線角指標，構建過程綜合預警模型，如表1所示。

3? ? ? 案例分析

3.1? ?研究區概況

研究區位于黔西南州普安縣、晴隆縣境內，屬深切割巖溶侵蝕山區，區內大部分海拔在600～1 800 m之間，地勢中部高而兩端低。研究區屬亞熱帶濕潤季風氣候區，具有高原性、季風性、濕潤性的氣候特點，年平均降水量1 438.9 mm，多集中在每年5～10月。區域內出露最老地層為石炭系（C），最新地層為第四系（Q）。研究區位于揚子準地臺黔北臺隆六盤水斷陷普安旋鈕構造變形區內。區域內褶皺、斷層發育，巖體節理裂隙較為發育，受構造影響，巖體較破碎，巖層產狀變化較大，傾角一般10°～40°之間，局部受斷層的影響，巖層傾角較陡。

3.2? ?實驗數據

本研究采用歐空局的Sentinel-1雷達衛星20 m分辨率數據，Sentinel-1數據監測時間為2016年8月6日～2018年8月8日，其基本信息如表2所示。

以查詢到的2016年8月～2018年8月8日數據為例，升軌及降軌遙感數據的覆蓋范圍見圖6。由于所需數據量較大，監測持續時間長，選擇下載Sentinel-1雷達衛星數據升軌影像數據44景和降軌影像數據42景。

研究區域內共布設了地面監測站9處，分別分布于沿線特點地質災害點位上，與升降軌數據的位置疊加情況如圖7所示，開展了為期半年到一年不等的專業監測。

通過地面監測站修正后的PS-InSAR數據共提取到361 028個PS點，形變速率的變化范圍為[-24.59，24.40]，累計形變量的值域為[-72.34，71.51]。形變速率和累計形變量直方圖大體呈現出左右對稱分布的形態，絕大部分PS點的形變速率絕對值在4 mm/y以內（如圖8～圖10所示）。

通過可視區判定、坡度權重、坡向權重、歐式距離權重綜合分析后，得到研究區內的潛在風險區，共82個，主要集中在管線首尾兩端和中間部分區域（如圖11所示）。

以2號風險區為具體分析對象，可以發現在2號風險區內有明顯形變，采用本模型進行跟蹤預警發現，該區域內的發育不穩定斜坡1處，從2016年8月6日開始監測以來，并無明顯形變跡象，前15個月累計形變不足5 mm，從2017年12月開始發生形變，之后5個月內降雨-形變歸一化平均值達到10.5 mm/d，引入改正的切線角模型，分析得出其切線角隨時間的變化曲線，區間為2018年5月4日至6月9日，6月9日達到86.31°，發布了紅色預警。根據后來現場調查，該斜坡于6月10發生局部滑塌（如圖12～圖13所示）。

4? ? ? 結? ? 語

本文提出的基于天地聯合的區域山地管道地質災害監測預警體系對于當前區域管道地質災害監測預警是一種新的嘗試，可以解決傳統專業監測的空間局限性和InSAR監測時間與非地質分析局限性，充分發揮了二者的優勢，形成了高時空精度的管道全域覆蓋監測體系，并通過實驗區的應用驗證了該套體系的實際效果，對管道的日常管理和風險防控具有十分重要的科學意義。

主要參考文獻

[1]劉冬，鄭南山，王剛.基于GPS與D-INSAR 融合技術的礦區沉降監測[J].城市勘測，2011（4）：96-98，102.

[2]李更爾，周元華.InSAR、水準及GPS數據融合處理方法[J].測繪通報，2017（9）：78-82.

[3]俞俊平，陳志堅，武立軍.基于多因素位移時序PSO-SVM的邊坡變形預測[J].勘察科學技術，2015（1）：1-5.

[4]蘇白燕.基于動態數據驅動技術的地質災害監測預警研究[D].成都：成都理工大學，2018.

[5]亓星.突發型黃土滑坡監測預警研究——以甘肅黑方臺黃土滑坡為例[D].成都：成都理工大學，2017.

[6]焦明連， 蔣廷臣. 基于GPS-InSAR集成技術地表形變的監測[J]. 測繪科學，2008（6）：58-60.

[7]焦明連. GPS與InSAR數據融合方法及其應用[J]. 全球定位系統，2010（3）：5-8.

[8]朱建軍，李志偉，胡俊.InSAR變形監測方法與研究進展[J].測繪學報，2017，46（10）：1717-1733.

[9]張麗華.PS-InSAR技術在昆明長水機場地面形變的監測應用[J].昆明冶金高等專科學校學報，2018，34（1）：6-10.

[10]Hooper A， Segall P， Zebker H. Persistent Scatterer Interferometric Synthetic Aperture Radar for Crustal Deformation Analysis， with Application to Volcán Alcedo， Galápagos[J]. Journal of Geophysical Research， 2007，112.

[11]Ferretti A，Prati C，Rocca F.Permanent Scatterers in SAR Interferometry[J].IEEE Transactions on Geoscience and Remote Sensing，2001，39 （1）：8-20.

[12]Pritchard M E，Simons M. A Satellite Geodetic Survey of Large-scale Deformation of Volcanic Centres in the Central Andes[J].Nature，2002，418（ 6894）：167-171.

[13]陳強，劉國祥，李永樹，等.干涉雷達永久散射體自動探測——算法與實驗結果[J]. 測繪學報，2006，35（ 2） ： 112 - 117.

[14]李永生.高級時序InSAR地面形變監測及地震同震震后形變反演[D].哈爾濱：中國地震局工程力學研究所，2014.