天津薊州五名山滑坡隱患早期識別監測

王 勇 楊 軍 閆 勇 李 鎖 陳 巖

1 天津城建大學地質與測繪學院，天津市津靜路26號，300384 2 中國科學院精密測量科學與技術創新研究院大地測量與地球動力學國家重點實驗室，武漢市徐東大街340號，430077 3 天津市地質工程勘測設計院有限公司，天津市紅旗南路261號，300191

由于多年露天開采礦石，天津薊州五名山人工堆積斜坡及臨空面曾多次發生滑坡、崩塌等地質災害，但未進行有效監測和預警，造成一定經濟損失，嚴重威脅人民群眾安全。滑坡災害具有破壞性大、隱蔽性強等特點，對滑坡進行早期識別和長期監測值得重點研究[1]。目前，滑坡監測主要依賴傳統的地表形變監測技術，如GNSS監測和定期水準測量等，雖然精度較高，但只能針對滑坡體邊緣布設，無法有效地大面積覆蓋整個滑坡體，且對于潛在未知隱患區監測非常有限[2]。逐漸成熟的時序InSAR技術具有精度高、不受天氣限制、監測范圍廣等特點[3]，可以克服該限制。近年來，國內外學者利用InSAR技術獲取已知或未知的潛在滑坡位置、邊界、運動趨勢，回溯評估滑坡體的運動學特征等[4-5]。Goorabi[6]利用InSAR技術探測到伊朗北部區域2017年地震后誘發的滑坡仍在繼續移動；Bayer等[7]發現人類工程活動已激活意大利某山脈潛在的深層滑坡，并用GPS等數據與InSAR數據進行對比，結果具有良好的一致性；王之棟等[8]采用多種InSAR監測技術進行研究，結果表明可正確識別70%的形變區域，證明了不同InSAR技術可為地質災害探測提供幫助。然而不同滑坡體朝向會使InSAR監測精度受限，可利用滑坡特殊性，認為滑坡主要發生在垂向與坡向，結合升降軌技術獲取滑坡體垂向和坡向二維形變，可全面探查天津薊州五名山滑坡災害分布情況，為后續集中監測提供良好基礎。

本文利用2017-03～2021-04 Sentinel-1A升軌和Sentinel-1B降軌數據，使用SBAS-InSAR技術對天津薊州五名山滑坡隱患進行識別和探測。同時聯合解算滑坡隱患區垂向和坡向形變場，與GNSS形變數據進行對比分析，評價SBAS-InSAR技術的適用性和精度，并結合區域內降水數據回溯滑坡的運動規律和特征，對天津薊州五名山滑坡災害的穩定性和范圍進行初步評估，為有關部門提供精確的形變數據資料。

1 研究區概況及實驗數據

1.1 區域概況

五名山位于天津市薊州區漁陽鎮與官莊鎮交界處，山腳周圍分布小刀剪營村、大星峪村等多個村莊。整體地貌屬于低山丘陵，由于受長年采石影響，部分區域地貌已發生較大變化，形成多個臨空面。其中已知的部分滑坡類型為中深層牽引式巖質順層滑坡，大部分滑坡走向與坡向基本一致，曾多次發生局部巖體順層滑動[9]。薊州區降水主要集中在6～9月，占全年降水量的80%以上，其中汛期主要集中在7、8月，此時正是強降水引發地質災害的多發期。

圖1為初步圈定的五名山可能存在的滑坡隱患區域，其中A、D為主要的采石區，山頂已被削平深挖，呈不規則漏斗狀，B、C多是在山腳處存在部分開采區域。已有資料顯示，災害類型主要為淺表層風化殘坡積土質滑坡、尾礦堆碎屑泥石流，以及廢棄礦山采面滑坡和崩塌、山坡崩塌等。

圖1 五名山主要采石區Fig.1 Main quarrying areas of Wuming mountain

1.2 實驗數據

本文選用歐空局的Sentinel-1A/B衛星數據，成像模式為IW(interferometric wide-swath)模式、SLC(single look complex)、C波段SAR影像數據，分辨率為5 m×20 m，采用VV極化方式。Sentinel-1A/B成像時間為2017-03～2021-04，Sentinel-1A升軌數據量為51幅，入射角為35.82°，軌道方位角為-13.38°；Sentinel-1B降軌數據量為48幅，入射角為41.76°，軌道方位角為-166.52°。數字高程模型(DEM)采用30 m空間分辨率的ALOS World 3D(AW3D30)作為外部DEM數據，也用于提取坡度坡向信息。

2 SBAS基本原理與二維形變獲取

SBAS技術主要是通過設置時空基線閾值，將參與計算的所有SAR影像分成多個子集，選取短基線像對集合進行干涉處理，可有效克服時空失相干，提高InSAR精度和探測能力。其核心是利用最小二乘原理獲得各子集的形變時間序列，通過奇異值分解(SVD)方法估算形變參數，具體原理及處理流程可參見文獻[10]。SAR衛星多數為側視成像，無論是升軌還是降軌，對于單一軌道獲得的形變結果并不是地表真實形變，而是三維形變在視線向(LOS)的投影，因此可將升降軌視線向形變分解成3個維度分量dU、dN、dE(圖2)，即

dlos=dUcosθinc-dEsinθincsin(αazi-3π/2)-

dNsinθinccos(αazi-3π/2)

(1)

式中，dlos為視線向形變；dU、dN、dE分別為地表某點的垂向、水平南北、水平東西方向形變；θinc為SAR衛星入射角；aazi為SAR軌道方位角。

圖2 坡面形變分解示意圖Fig.2 Diagram of slope deformation decomposition

基于研究區先驗信息，滑坡大部分屬于順層坡向運動特性，假設滑坡體只受重力影響沿坡面均勻滑動，而沿坡面垂直坡向方向的運動可忽略。由圖2可知，坡面坐標系由dasp坡向形變、dT垂直坡向形變和dI垂直坡面形變構成，即認為SAR衛星在滑坡面視線向形變主要由dU垂向和dasp坡向形變組成[11]：

(2)

式中，β為坡向。因此，可利用升降軌2個軌道依據式(2)聯合解算獲得研究區滑坡體垂向和坡向二維形變。其中垂向形變以向上為正、向下為負；坡向形變則順坡方向為正，反之則為負。

3 形變結果分析

3.1 InSAR結果精度分析

為評估SBAS-InSAR監測結果的精度，聯合研究區周圍2021年最新建立的GNSS連續監測站數據，經處理轉化為對應的垂向、坡向相對形變結果，并與SBAS-InSAR數據進行對比。經計算可知，GNSS數據與SBAS-InSAR數據的垂向相關系數為0.65，均方根誤差(RMSE)為1.44 mm；坡向相關系數為0.54，均方根誤差為1.93 mm，SBAS-InSAR結果與GNSS監測結果的基本趨勢相同，具有較好的一致性。

3.2 滑坡隱患分析

通過SBAS-InSAR技術初步獲得2017-03～2021-04五名山的二維形變結果。研究結果表明，五名山滑坡隱患區最大垂向累積形變達到-38.28 mm，臨空面坡體最大坡向累積形變為22.10 mm。五名山形變區域主要分布在A、B、C區域，以下將對A、B、C區域的形變特征展開詳細分析。A區域以前為五名山主要的采石區域，其形態大體呈凹陷漏斗狀，因對環境破壞較大，近幾年逐漸關停。由圖3可知，A區內不穩定區域集中分布在采石區域，因A區大部分地區受采石影響嚴重，高程變化巨大，轉化成坡向形變時可能存在錯誤，因此只討論垂向形變結果。

圖3 五名山滑坡A區垂向形變Fig.3 Vertical deformation of area A of Wuming mountain landslide

A區采石場西側形變沿著礦區邊緣長度約為760 m，其中最大累積沉降為-23.70 mm；南側區域形變集中分布在開采區兩側，最大累積沉降為-25.06 mm；北部臨空面上部累積垂向形變為-17.28 mm。其中不穩定區域面積共約31.5萬 m2。東側坡體暫未發現明顯形變。

B、C區為五名山坡腳區域，其二維形變如圖4所示。B區沿公路走向的采石區具有明顯的滑坡運動趨勢，最大垂向形變速率為-4.48 mm/a，最大垂向累積形變為-23.42 mm，最大坡向形變速率為3.68 mm/a，最大坡向累積形變為18.11 mm，形變區域面積約3.2萬 m2。中部存在2個臨空面，未出現滑動跡象，最南端采石區坡腳處的最大垂向形變速率為-4.64 mm/a，最大垂向累積形變為-20.87 mm，面積約0.5萬m2。臨空面山腳處采挖區累積垂向形變達到30 mm以上，坡向形變具有沿周邊向中心移動的趨勢。原因為B區山腳處曾在采石區向下深挖后，為恢復原有的地質環境，又進行簡單的回填處理，由于回填土沉降，形成現在的漏斗狀沉降分布，因此在InSAR結果中主要表現為垂向沉降形式。圖4(b)為五名山C區滑坡，該滑坡位于小刀剪營村北側。由于坡體前緣臨空，坡體特征為前緣切割和后緣裂縫，存在發生滑坡的可能。通過本次監測發現，最大垂向形變速率大于-4 mm/a，最大垂向累積形變為-25.08 mm，坡向形變速率超過6 mm/a，最大坡向累積形變為15.67 mm，形變區沿坡向最大長度約227 m，寬度約158 m，面積約2.7萬 m2。滑坡隱患的產生是受坡腳處持續采石影響，導致上部滑坡體前緣臨空逐漸加大，具有向下蠕滑趨勢，穩定性較差。形變最大區距山頂約150 m，遠離坡腳處較穩定。如果發生滑坡會對下方居民區形成巨大的安全隱患，因此后續應重點關注該區域。

圖4 五名山B、C滑坡區Fig.4 Areas B and C of Wuming mountain landslide

3.3 滑坡形變與降水影響因素分析

研究表明，季節性強降水容易引發滑坡。分別在B、C坡體上提取形變區垂向、坡向形變，分析其與日均降水量的關系，對比結果如圖5所示。從圖中可以看出，每年6～9月研究區月均降水量在200 mm以上，較大降水后滑坡體均表現出不穩定狀態，強降水后坡體形變存在加速趨勢。

圖5 累積形變與日均降水對比Fig.5 Comparison of cumulative deformation and daily precipitation

前期降水量較少時(2017-11、2018-05)，強降水會導致坡體形變位移快速增加，這可能與土體含水率極速增多導致坡體的穩定性變差有關；而連續降水(2019-06～2020-06)對滑坡形變影響較小，并未明顯促使滑坡位移出現加速；滑坡形變峰值對于降水峰值具有滯后性，但滯后時間存在差異，需要一定的時間延遲才能對降水作出響應。從圖5累積形變量可以看出，2018年雨季過后，五名山主要滑坡隱患區的垂向和坡向累積形變均明顯快速增大。以C區滑坡體為例，繪制2018-07-24強降水前后垂向、坡向形變結果(圖6)。

圖6 2018年強降水前后C區垂向、坡向形變對比Fig.6 Comparison of vertical and slope deformation in area C before and after heavy rainfall in 2018

雨季過后坡體中下部位移逐漸加大，且潛在滑坡體面積增大，說明降水會加劇潛在滑坡形變。隨著形變的逐漸積累，坡體可能在某次強降水過后，從蠕滑狀態達到臨界值而形成滑坡，對坡下居民區造成嚴重影響。這表明大量降水會導致潛在滑坡體被激活，位移逐漸增大，因此降水是影響五名山坡體滑坡的主要外部因素之一。

4 結 語

本文利用SBAS-InSAR技術處理2017～2021年共99景覆蓋天津市薊州區五名山區域的Sentinel-1A/B影像，獲取垂向和坡向形變，識別滑坡災害以及隱患點，并開展滑坡原因分析，獲得以下結論：

1)在2017-03～2021-04期間，五名山滑坡隱患區域中最大垂向累積形變達到-38.28 mm，臨空面坡體最大坡向累積形變為22.10 mm。隱患區域中A區形變主要集中在露天采石區；B區坡向形變表現為沿周邊向中心移動趨勢；C區由于滑坡體前緣臨空，處于緩慢蠕滑階段；D區較穩定，未出現明顯形變。

2)強降水是影響滑坡形變的重要自然因素，降水量大小及降水持續時間對坡體的穩定性具有不同影響，突發大量降水會加速滑坡位移，而持續少量降水對滑坡影響較小，且降水峰值與滑坡形變峰值并不重合，存在一定的時間延遲。