顧及多動態環境因子的滑坡演化規律研究
——以西寧市9大滑坡區為例

胡祥祥,柯福陽,2,張志山,姚永順,宋 寶,明璐璐,尹繼鑫,張海歡

(1. 南京信息工程大學遙感與測繪工程學院,江蘇 南京 210044; 2. 南京信息工程大學無錫研究院,江蘇 無錫 214000;3. 西寧測繪院,青海 西寧 810000; 4. 北京理工大學自動化學院,北京 100081;5. 西寧市不動產登記服務中心,青海 西寧 810000)

西寧市地形破碎、坡陡溝深,地形切割強烈,滑坡、崩塌高發。2022下半年,西寧市發生了“8·18”大通縣山洪事件,引發山體滑坡,6245人受災。頻繁的地質災害,引起西寧市強烈重視。

滑坡監測是預防地質災害和降低災害損失的關鍵。常用的滑坡監測手段,主要有精密儀器測量和GNSS測量[1-2],其共同優點是監測精度高,可以提供時序的滑坡變形量,有助于掌握滑坡的發展階段,提供滑坡預警閾值[3]。但是兩者都需要布設儀器,且均是點監測,空間分辨率低,覆蓋范圍小,無法提供大尺度的地表形變及其時空分布信息。衛星合成孔徑雷達干涉測量(InSAR)方法憑借大尺度、高空間分辨率等優勢,被廣泛應用于地表變形監測領域[4]。但該方法易受地勢起伏、時間基線去相干等各種因素干擾,限制了其監測精度。小基線集合成孔徑雷達干涉監測(SBAS-InSAR)技術解決了上述問題[5]。如,文獻[6—7]都通過SBAS-InSAR技術對研究區滑坡隱患點進行了識別,驗證了InSAR技術在大尺度監測方面的可行性和可靠性;文獻[8]采用SBAS-InSAR技術對潛在滑坡進行了識別,并通過光學影像和實地調查,驗證了InSAR技術的準確性。但是由于SBAS-InSAR所得到的變形量是視線向(LOS)形變,而滑坡方向是沿著坡向向下滑動的,因此獲取到沿坡向上的形變是揭示滑坡形變特征的首要步驟。

地災預警與防控的前提是深入透徹地掌握災害體的分布特點、時空變化特征及其環境因子與機制[9]。有關研究成果已經證實[10-13],影響滑坡的環境因子有降水量、區域坡向表征、人與動物的活動、地質條件、植被覆蓋等。特別的,坡向特征被認為在地表穩定性判斷中發揮主要作用[14-15],因為坡向是地形下降最大的方向,對山地生態、降水、日照、太陽輻射等有著較大作用。為此,本文利用SBAS-InSAR技術獲得西寧市2018—2022年的坡向形變速率場,研究地表活動頻發區域中滑坡的時空變化特征,探究滑坡的時空分布與環境因子之間的耦合關系,進一步提升西寧市地災減防工作的科學依據。

1 研究區與數據源

1.1 研究區概況

西寧市位于青藏高原與黃土高原結合處的湟水谷地一帶,東南高、西北低,四面環山,東西呈條帶狀,地形破碎、坡陡溝深,地形切割強烈。西寧的氣候屬高原半干旱氣候,相對較為干燥,雨季集中,植被覆蓋相對較小,具有良好的相干性,適合使用InSAR技術對地表形變進行監測。

1.2 數據源

圖1為本文研究區位置及數據、站點分布。試驗數據是由歐空局(ESA)發布的Sentinel-1A衛星降軌數據,DEM數據為SRTMV4 DEM數據。相關數據見表1。使用 ASTGTMV003數字高程(30 m)數據提取出研究區域中高程、坡向和坡度信息。使用 CLCD土地利用數據集(500 m)[16]和30 m分辨率的Landsat 8 OLI遙感影像提取出區域內植被覆蓋數據[17-18]。降水數據來自國家級地面氣象觀測站數據。

表1 InSAR衛星相關數據

圖1 研究區位置、GNSS站點、氣象站點、坡向、坡度分布

GNSS數據來自西寧市南山滑坡體自動化監測項目,數據用于驗證SBAS-InSAR監測結果的準確性[19]。GNSS位移監測站采用單臺雙頻GNSS接收機,GNSS數據平面精度為2.5 mm+1×10-6·D,高程精度為5 mm+1×10-6·D,其中,D為基線距離(km)。

2 研究方法

2.1 SBAS-InSAR技術原理

使用ENVI SARScape軟件,利用SBAS-InSAR技術對所得103景Sentinel-1A衛星降軌數據和對應精軌數據進行處理。①設置時間基線、空間基線閾值等相關參數。②對像對進行干涉處理并利用DRTMV4作為外部DEM數據去除干涉對地形效應。③估算和去除殘余的恒定相位和解纏后還存在的相位坡道。④若解纏結果不理想,會對干涉圖做二次解纏來優化。其中,線性模型最為穩定。⑤大氣延遲是InSAR中主要誤差源。利用定制的高通濾波和低通濾波去除大氣相位。⑥將所得SBAS結果進行編碼并對位移速率圖進行分析。

通常,InSAR滑坡監測的結果是LOS方向的形變數據,但是西寧市的滑坡多為山區型滑坡,對于山區滑坡多沿著坡面方向演變。因此,為更好地探究出坡面形變的表現特征,將InSAR視線向形變速率投影到坡面方向[20],公式為

Vslope=VLOS/A

(1)

其中A=sinαcosφsinθcosαs-cosαcosφsinθsinαs+

sinφcosθ

式中,Vslope為坡向形變速率;VLOS為LOS向形變速率;α為坡面坡向;φ為坡面坡度;θ為雷達入射角;αs為衛星航向方位角。

2.2 坡向劃分

按坡面朝向劃分為按坡面朝向劃分為北(337.5°,22.5°]、東北(22.5°,67.5°]、東(67.5°,112.5°]、東南(112.5°,157.5°]、南(157.5°,202.5°]、西南(202.5°,247.5°]、西(247.5°,292.5°]、西北(292.5°,337.5°]8個坡向。為了便于分析,將東南坡、南坡和西南坡合稱為陽坡,將東北坡、西北坡和北坡合稱陰坡。

3 研究結果

圖2為基于SBAS-InSAR技術獲得的西寧2018—2022年LOS向地表沉降速率分布,可以看到西寧滑坡多成群出現,分布于四面大山之中。由圖3可知,InSAR和GNSS監測曲線大致相同,平均絕對誤差不超過5.5 mm,均方根誤差不超過6.5 mm,驗證結果表明,InSAR地表形變的監測精度明顯較優越,本文所得結果精度可信。

圖3 2018—2022年監測點LOS向形變曲線

3.1 地表形變分布特征

為了提取更貼合的坡面形變,本文按坡向將LOS向的形變速率進行分解。在剔除一些明顯異常數據點的數據(不符合重力作用規律的數據)后,得到西寧的坡面方向形變速率Vslpoe,如圖4所示。

圖4 研究區坡面形變速率Vslope

3.2 地表形變因子分析

3.2.1 地形

對9個大型滑坡區進行了深入研究。如圖5所示。

圖5 滑坡區和快速沉降點的坡度和坡向特征

9個滑坡區的坡度特征有明顯的坡向差異,陽坡的平均坡度明顯大于陰坡的平均坡度,陽坡的下沉區面積占比也比陰坡下沉區面積占比大。其中,西南坡坡向占比最多(21%),平均坡度最大(20.7%)、快速下沉區占比最大(31.6%)。坡度分布相似區域的沉降速率范圍不一致,主要表現在坡向5°～30°的區域上。此外,統計結果中約88%形變點的坡面沉降速率介于-10～0 mm/a,坡度集中于5°～25°,其余12% 的形變點坡度集中于5°～20°。坡面沉降速率小于-50 mm/a的區域,具有明顯坡向差異,主要集中分布在西南坡(32%)和南坡(17% )。

如圖6所示,塔爾山、北山、瓜拉溝3個滑坡的坡向主要分布在西南坡和東坡;苦水溝、火燒溝兩個滑坡的坡向主要分布在北坡;南山、魏家村、涯溝和沈家溝4個滑坡的坡向陰陽坡占比都有。從快速下沉區平均坡度來看,北山、塔爾山和沈家溝滑坡的平均坡度較高,苦水溝和瓜拉溝滑坡的平均坡度較緩。坡度較高的區域往往是坡向沉降速率最大的區域。其中,塔爾山和沈家溝滑坡的最大坡向形變速率均超過-100 mm/a,南山和魏家村滑坡是坡向形變速率最低的兩個滑坡。坡面沉降速率小于-50 mm/a的區域主要在塔爾山和北山滑坡,這2個滑坡坡向主要是西南坡。由此可見,地形因子是影響滑坡分異規律的重要影響因素。

圖6 9個滑坡的坡向形變速率

3.2.2 植 被

植被是滑坡體穩定性的重要影響因子,能增加土壤水的滲透性,減少表層土流失,從而有利于坡面穩定。西寧市的植被類型為青海東部溫性草原區,植被類型以溫性草原為主。

通常,將植被覆蓋因子C作為植被對本區域地表穩定性維護作用的矢量表征值。如圖7可知,形變區坡面沉降速率與植被覆蓋因子呈負相關(R2=0.54,p<0.001)。植被覆蓋因子越高的滑坡,其坡向形變速率越低,植被覆蓋因子越低的滑坡,其坡向形變速率越高。 由CLCD土地利用數據集可知,西寧市陰坡和陽坡耕地和草地面積比基本一致,說明西寧市植被類型不是影響滑坡速率的主要因素,受太陽輻射的植被覆蓋特征是影響滑坡速率的重要因素。

圖7 滑坡區形變速率-植被覆蓋因子(C)散點圖

3.2.3 降 水

在氣候與坡面地表穩定性耦合作用中,降水是最重要的動態影響因子。大量降雨的下滲,削弱了土石層的抗剪強度,但同時提高了滑體的重力,最后造成滑動形成。本文選擇從北向南覆蓋了青海省4個州市的15個國家級地面氣象觀測站,通過Cressman插值方法對15個國家級氣象站近5年降水數據插值,發現西寧市降水分布呈由西向東、由北向南逐漸遞減的趨勢,表明西寧市降水主要是向東南推進,即降水來自陰坡方向。故西寧市北坡(17%)沉降面積占比也較大(除南坡和西南坡外)。與陽坡相比,陰坡植被覆蓋因子會大一點,可見降水來向也是影響地表沉降坡向分異的一個因素。如表2所示,西寧在6—9月的降水量約占全年總降水的80%。西寧市的降水特征表現為:夏季降水高度集中且日降水量超過50 mm的暴雨事件時有發生。圖8為降水量和形變量關系。

表2 西寧市氣象站降雨特征

圖8 滑坡位移形變(LOS向)曲線與降水量關系

在9個滑坡中選取特征點。將P1—P9特征點形變與降水數據疊加,圖8顯示了降水量和形變量是密切相關的。2018年11月至2019年4月,9個點整體處于均速階段,2019年4月28日和2019年5月5日兩場超過10 mm的降雨后,特征點形變量突然增加,并一直持續到雨季結束。2022年4月16日的降水量與特征點形變量曲線變化尤為明顯,在發生降雨后,特征點的形變速率突然增加,特征點的位移變化量平均增加了7.8 mm。值得注意的是,發生降水后,特征點的形變量曲線可能上升或下降,上升是由于雨水不斷下滲,造成了淺層土壤水分的上升,而土層吸水膨脹使地表出現了較小幅度的升高。地表面下降是由于滲透雨水對泥巖塊體產生崩解、軟化作用,使之位移不斷增大,而且由于重力的影響,致使區域泥巖塊體出現局部滑動。因此,無論是短時上升和下降,在地表季節性沉降中,總體仍呈下降狀態。

據上述論證可以得出,降水量與滑坡位移之間有很強的耦合作用關系,尤其是對于破面區域的耦合作用,由于降雨沖刷了坡面,致使坡面土層松軟,土壤黏合性降低,增加了坡面區域的不穩定性。

4 結 語

利用SBAS-InSAR技術,提取了青海省西寧市2018年11月15日至2022年6月3日的地表坡向形變信息,并結合衛星、植被、降水等資料,揭示了西寧市的地表沉降分布規律及其與氣候、環境因子之間的聯系。結果表明,研究區內山坡沉降空間差異大,并主要聚集在坡度為 5°～35°的陽坡坡面,其中,西南坡和南坡平均坡度大,滑坡速率小于-50 mm/a的區域主要集中在西南坡。

本文針西寧市的地表沉降監測結果,揭示了滑坡形變的時空特征和與誘發因子之間的耦合關系,為未來西寧地區地質災害隱患點排查、重點災害體監測預警、災后應急響應等提供了可靠地表形變資料,為后續治理提供有價值的參考,對于在地質環境脆弱區合理規劃人類活動等具有指導意義。