基于Stacking-InSAR 的瀾滄江營盤鎮—苗尾段滑坡隱患識別

張春宇，郭際明*，王 鼎，許 毅，潘尚毅，喬世雄

（1.武漢大學 測繪學院，湖北 武漢 430072；2.中國水利水電第四工程局有限公司，青海 西寧 810007）

瀾滄江源出青海玉樹雜多縣西北冰川，是西南橫斷山區的重要河流之一，其中游段屬于三江流域中段褶大起伏高山峽谷區，河流主要為南北走向，兩岸山高谷深，呈收緊之勢，形成典型的V 形縱向深切峽谷[1]。瀾滄江沿岸谷坡高陡、破體結構復雜，坡岸穩定性差，地質災害易發，加之采礦、削坡建房、道路開挖、修建水電站等頻繁的人類工程活動，更易導致流域滑坡、泥石流等地質災害的發生[1-3]，嚴重威脅到當地工程設施和人民生命安全。在瀾滄江流域沿岸的高山峽谷區開展滑坡災害隱患早期識別與監測對于防治地質災害和確保居民生命財產與工程設施安全具有重要意義。

人工排查進行地質災害普查需投入大量人力，且高山峽谷區交通困難，很多地方人無法到達。基于光學遙感影像的目視解譯方法可以發現形變特征明顯的滑坡隱患，在大范圍滑坡災害隱患早期識別中具有一定的可行性，但受云霧影響較大且無法獲得滑坡形變量，只能做定性解譯[4-7]。全站儀、水準儀、全球定位系統等滑坡地表形變監測技術具有較高的精度，但屬于已知滑坡體的現場點目標監測，無法實現大范圍滑坡隱患形變監測。近年來合成孔徑雷達干涉測量技術（InSAR）憑借其高空間覆蓋、高監測精度、全天時、全天候等優勢受到很多關注，在D-InSAR 基礎上發展起來的時序InSAR 技術已被成功應用于城市沉降、礦山形變、地震形變、火山活動、基礎設施形變、冰山運動和滑坡災害等形變監測中[8]。時序InSAR 在滑坡災害隱患早期識別與監測研究中的應用也有很多，其中干涉圖堆疊方法（Stacking-InSAR）和小基線集時間序列方法（SBAS-InSAR）較常用，Dai K R[9]等基于X 波段的TerraSAR-X 數據，利用Stacking-InSAR 監測了國道G214 共和—玉樹凍土區公路的穩定性；劉斌[10]等聯合ScanSAR 與TOPS 數據，利用Stacking-InSAR 實現了大規模滑坡地質災害識別；張成龍[11]等利用GACOS 數據輔助Stacking-InSAR 探測了金沙江流域西藏貢覺縣雄松鄉至沙東鄉的滑坡隱患，并對比LiCSBAS[12]結果以驗證可行性；陸超然[13]等結合D-InSAR與SBAS-InSAR 對貴州黔東南州進行大范圍地災隱患點探測；代聰[14]等基于升降軌Sentinel-1A數據，利用SBAS-InSAR 成功探測出舟曲縣城上下游區域23 處活動滑坡；李夢華[15]等利用StaMPS/MT-InSAR 成功探測出茂縣岷江河谷溝口鄉至石大關鄉段的20 余處滑坡隱患；戴可人[16]等利用SBAS-InSAR 對雅礱江流域雅江縣至木里縣段高山峽谷區域進行了滑坡災害隱患廣域早期識別，識別出8 處滑坡隱患。PS-InSAR 和SBAS-InSAR 等時間序列方法具有較高的監測精度，但計算效率低、受相干性影響較大，在相干性較低的山區觀測點較少，且難以探測到大的形變，更適用于局部小范圍的精細化形變監測；而Stacking-In-SAR 計算效率高、受相干性影響較小，更適用于大范圍形變探測，是一種快速、有效、定性識別廣大山區滑坡隱患的有效方法[17]。

目前瀾滄江流域大范圍滑坡隱患識別的研究較匱乏，本文在推導Stacking-InSAR 的平均形變速率及其標準差公式的基礎上，利用103景升軌Sentinel-1數據得到瀾滄江流域營盤鎮—苗尾段年均形變速率及其標準差分布，開展滑坡災害隱患識別研究，并結合光學遙感影像對典型滑坡隱患進行解譯分析，為當地防災減災工作提供數據與技術支持，為相似區域滑坡災害隱患識別提供思路與方案。

1 Stacking-InSAR原理

Stacking-InSAR 最 早 由Sandwell 于1998 年 提出[18]。假設相位噪聲（包括大氣相位）在時間上為隨機噪聲，地表形變接近線性形變且每個干涉對的權重取決于其干涉的時間間隔，即Pi=，則相位變化速率的加權平均值可表示為：

式中，φi、?ti分別為第i幅差分干涉圖解纏后的相位和時間間隔；n為參與計算的干涉圖數量。

式中，為雷達視線方向的平均形變速率；λ為雷達波長。

以為參考值，第i張差分干涉圖的殘差為：

其中，di表示第i張差分干涉圖得到的形變，因此單次差分干涉測量代表性標準差和平均形變速率標準差分別為：

由此可知，Stacking 的加權平均處理相對于單次差分干涉測量，形變速率的標準差顯著減小，為單次差分干涉測量的倍。

2 研究區概況與數據來源

瀾滄江主要流經青海、西藏和云南3 省，流域主體位于21°30′～32°40′N、93°～101°50′E，是西南橫斷山區的重要河流之一。本文選取瀾滄江大華—苗尾段作為研究區，位于瀾滄江中游段，云南省臨滄市、怒江州與大理白族自治州境內，維西—云龍之間，第一梯度帶向第二梯度帶過渡區域；地處溫泉—瀾滄江結合帶，西側鄰近怒江結合帶，東側靠近哀牢山—紅河斷裂帶，巖層以堅硬巖漿巖、堅硬變質巖和堅硬碎屑巖為主；屬于三江流域中段斷褶大起伏高山峽谷區，區域內河道順直、河谷狹窄，西岸主要為滇西縱谷侵蝕中山地貌，東岸主要為碧羅雪山中山山地地貌，呈基本對稱V形，為典型的縱向深切峽谷[1,3]；區內瀾滄江兩岸大部分邊坡高差較大，高處的松散物質具有巨大勢能，臨近多處斷裂帶，地震活動頻繁，加之水電站庫區蓄水等人類活動和降雨等氣候影響，滑坡、崩塌、泥石流等地質災害頻發[2]。

本文采用103 景升軌Sentinel-1 數據（Path99，Frame1265），時間跨度為2017-08-09—2020-12-27；利用歐空局提供的精密軌道數據糾正由軌道誤差引起的相位誤差，利用SRTM 30 m空間分辨率的DEM去除地形相位。

3 數據處理與結果分析

3.1 數據處理

本文采用GAMMA 軟件進行Stacking-InSAR 的數據處理，具體流程見圖1。

圖1 Stacking-InSAR數據處理流程圖

設置時間基線閾值為48 d，空間基線閾值為150 m，對103 景升軌Sentinel-1 數據進行干涉組合，共形成393 組差分干涉對；采用上述處理流程，最終得到瀾滄江營盤鎮—苗尾段沿岸坡體雷達視線方向的年均形變速率（圖2），其中紅色代表地面遠離衛星方向的形變，藍色代表地面靠近衛星方向的形變。

圖2 研究區的Stacking-InSAR形變速率圖

3.2 Stacking-InSAR整體識別結果

識別滑坡隱患時不僅需考慮形變信息，還需從DEM或光學影像上判斷坡體是否具有滑坡形態。本文共識別出20 處滑坡隱患（圖2a），并放大展示了3 個隱患密集區（圖2b～2d），整體來看，隱患主要集中在瀾滄江營盤鎮—大華村段西岸以及苗尾電站上游西岸，這些隱患中有部分存在巨大威脅。Stacking 計算的標準差分布見圖3，年均形變速率標準差不超過12.3 mm/a，說明標準差易受相干性影響，在研究區北部營盤鎮附近地表植被覆蓋稀薄、地形起伏較小，相干性較高，標準差較小；南部部分區域地形起伏較大，受幾何畸變[16]和較厚植被覆蓋影響，相干性較差，標準差較大。

圖3 標準差分布圖

在ArcGIS中依據滑坡隱患邊界統計所有隱患區域的面積、最大形變速率、平均形變速率、威脅對象、形變速率標準差等指標；再利用SRTM DEM計算隱患區域的平均坡度。根據隱患形變特征、光學影像特征等，定性評估風險等級：①僅有較大形變（最大形變速率>40 mm/a）的隱患為低風險隱患；②有較大形變且具備一定規模（面積>5×104m2）的隱患為中風險隱患；③有較大形變、具備一定規模且有直接威脅對象（居民點，公路、橋梁、水電站等工程設施）的隱患為高風險隱患。20 處滑坡隱患中有5 處低風險隱患、6處中風險隱患、9處高風險隱患，高風險隱患需重點關注；同時圖2c下方發現苗尾電站壩體存在形變，后續應對該處展開監測性研究。

3.3 典型隱患解譯與分析

9 處高風險隱患中5 處位于營盤鎮—大華村段，1處位于研究區中段怒蘿葦傍，3處位于張家村—苗尾段，本文將結合光學遙感影像對高風險隱患進行解譯分析。隱患1（圖4a、4d）位于拉古村，坡向東偏南，面積約為166×104m2，呈梨形，平均坡度超過22°，最大形變速率達79 mm/a；坡面主要為裸地和薄植被覆蓋，且有多處沖溝裂縫（黑色箭頭所示），坡體很不穩定，威脅到拉古村，伴有堵江風險。隱患2（圖4b、4e）位于大華村，坡向東偏北，面積約為134×104m2，呈簸箕形，平均坡度超過24°，最大形變速率達89 mm/a；坡面主要為薄植被覆蓋，后緣可見由拉伸造成的植被稀疏；紅色虛線范圍內已發生過明顯的局部崩滑，是坡體不穩定的直接表現，威脅到大華村，伴有堵江風險。隱患6（圖4c、4f）位于刺果馬達南部，坡向為正西，面積約為13×104m2，呈梨形，平均坡度超過24°，最大形變速率達53 mm/a；坡體植被覆蓋稀疏、側壁明顯，威脅到坡體上的分散居民、省道S237。隱患12（圖5a、5d）位于格甲登東部，坡向東南，面積約為17×104m2，呈簸箕形，平均坡度超過25°，最大形變速率達64 mm/a；坡體植被稀少，臨江處有小型碎屑流（黑色箭頭所示），沖刷痕跡明顯，是坡體不穩定的表現，威脅到坡體上的分散居民，且伴有堵江的風險。隱患14（圖5b、5e）位于恩棋村，坡向東偏南，面積約為127×104m2，呈舌形，平均坡度超過19°，應為一處古滑坡，最大形變速率達63 mm/a；坡體上自然植被較少，臨江處存在局部崩塌（黑色箭頭所示），古滑坡有復活跡象，威脅到梭魯寨與橋梁，伴有堵江風險。隱患15（圖5c、5f）位于兔峨鄉東對岸、怒蘿葦傍南，坡向西偏南，面積約為6×104m2，呈梨形，平均坡度超過31°，最大形變速率達48 mm/a；坡體主要為裸地，紅色虛線范圍內存在較大的局部碎屑流，滑動痕跡明顯，威脅到坡體上的分散居民。隱患18（圖6a、6d）位于苗尾，坡向東偏北，面積約為60×104m2，呈舌形，平均坡度超過25°，最大形變速率達87 mm/a；農田開墾、土料開挖使得植被覆蓋度低，坡體不穩定，直接威脅水井村，伴有堵江的風險，間接威脅到下游緊挨的苗尾水電站。隱患19（圖6b、6e）位于水井村，坡向東偏北，面積約為157×104m2，呈舌形，平均坡度超過18°，最大形變速率達67 mm/a；坡體多為薄植被覆蓋，有多處較寬的沖溝裂縫（如黑色箭頭所示），坡體不穩定，直接威脅水井村，伴有堵江的風險，間接威脅到下游鄰近的苗尾水電站。隱患20（圖6b、6e）位于張家村，坡向東偏北，面積約為198×104m2，呈舌形，平均坡度超過17°，最大形變速率達86 mm/a；坡體呈階梯狀分層，前陡后緩，緩坡薄植被覆蓋，陡坡為裸地，坡面上有多處寬沖溝裂縫（黑色箭頭所示），形變聚集區（紅色虛線范圍）有明顯的局部滑移跡象，陡緩坡交界處形成多層錯臺，坡體很不穩定，直接威脅到張家村且伴有堵江的風險。

圖4 隱患1、2、6的形變速率和光學遙感影像

圖5 隱患12、14、15的形變速率和光學遙感影像

圖6 隱患18、19、20的形變速率和光學遙感影像

4 結語

本文推導了Stacking-InSAR 的平均形變速率及其標準差公式，并基于103 景Sentinel-1 數據計算了2017年8月—2020年12月瀾滄江營盤鎮—苗尾段兩岸坡體的年均形變速率及其標準差，進而進行研究區滑坡隱患識別，成功識別20處滑坡隱患。根據多個指標定性評價了隱患的風險等級，并結合光學遙感影像對9個高風險隱患進行解譯分析，結果表明這些隱患的光學影像均具有明顯的形變特征，且都較大程度地威脅到居民點或水電站、公路、橋梁等工程設施和瀾滄江，驗證了Stacking-InSAR用于滑坡隱患識別的有效性。