基于SBAS-InSAR的山體滑坡形變監測分析

2023-12-08 10:02:24楊春宇袁德寶

測繪通報 2023年11期

楊春宇,文藝,潘星,袁德寶

(1.北京市礦產地質研究所,北京 101500; 2.中國礦業大學(北京)地球科學與測繪工程學院,北京 100083;3. 四川測繪地理信息局測繪技術服務中心,四川成都 610081)

黃土層為黃土高原的上晚新生代風成堆積層,土質均勻但松動且脆弱,易破碎、形變及滑移,造成大范圍的滑坡災害[1-2],嚴重威脅著人民生命財產的安全。傳統的地質災害監測手段主要有GNSS監測、全站儀測量等,但存在監測成本高、對面域形變監測難度較大等缺點[3]。InSAR具有全天時、全天候、高精度、大范圍監測的優點,近年來學者們提出了時序InSAR技術。其中,短基線子集(small baseline subset,SBAS)InSAR技術在滑坡災害監測和危險預警中被廣泛應用[4]。而標準差橢圓算法被廣泛應用于社會學、經濟學等多種學科[5-6]。

本文以臨汾3·15山體滑坡為研究對象,通過SBAS-InSAR技術對山體滑坡形變進行監測和分析,利用標準差橢圓分析算法研究災害前后的時空演變,并分析其災害成因,以期為黃土高原地區的滑坡地質災害防治提供參考依據。

1 試驗方法

1.1 SBAS-InSAR技術

SBAS-InSAR[7]技術通過選取多幅主影像,對多景小基線[8]SAR影像差分干涉,可減弱時間和空間失相干的影響,數據利用率較高,更適用于黃土高原和丘陵地帶。將滑坡區30景小基線SAR影像進行差分干涉,空間基線設置為-300～300 m,時間基線設置為0～60 d,生成132個干涉對。SBAS-InSAR時空基線如圖1所示。SBAS-InSAR數據處理流程如圖2所示。在SBAS-InSAR處理過程中,選擇PS處理時生成的高相干性地面參考點(GCP),符合SBAS-InSAR處理中對GCP選擇的要求,同時提高了處理精度。

圖1 SBAS-InSAR時空基線

圖2 SBAS-InSAR數據處理流程

1.2 標準差橢圓

標準差橢圓可從定性的角度反映地質因素形成的災害事件在地理空間不同方向上聚集分布的趨勢[9]。本文采用標準差橢圓算法計算滑坡SBAS-InSAR點的分布和方向。橢圓的重心計算公式為

(1)

橢圓長軸表示數據分布的方向(最大離散度的方向),短軸表示數據分布的范圍(最小離散度的方向)[10]。短軸較短,說明SBAS-InSAR數據造成向心力明顯的影響力;短軸較長,說明SBAS-InSAR數據造成離散性明顯的影響力。若長短半軸的扁率較大,則數據具有較為明顯的方向性;若扁率趨近于1,說明方向性并不明顯;若扁率為1(即為一個圓),說明SBAS-InSAR數據方向性特征的性質較為模糊。主要計算公式為

(2)

2 試驗分析

2.1 試驗數據及研究區概況

試驗數據為山體滑坡發生前后的30景Sentinel-1A衛星影像數據(參數見表1)。外部DEM數據選擇30 m分辨率的SRTM數據。研究區為山西省臨汾市鄉寧縣棗嶺鄉。衛星影像如圖3所示。鄉寧縣位于山西省西南部,地處黃土高原呂梁山脈,屬于暖溫帶亞干旱氣候。災害區位于鄉寧縣西部的棗嶺鄉,西隔黃河與陜西省相望,南與運城河津市接壤,其地勢東高西低,溝壑縱橫,山嶺重疊,水土流失嚴重。

表1 SAR數據基本信息及參數

圖3 SBAS點形變量演變

2.2 形變速率與時序類型形變量分析

通過SBAS-InSAR技術[11-12]處理覆蓋研究區域的30景Sentinel-1A影像,得到以3·15山體滑坡事故點為中心,10 000 m范圍內的形變情況。圖3為研究區形變情況,整體呈下降趨勢,且形變速率較快,形變速率為-52.03～33.77 mm/a。

結合光學遙感影像可知,事故區地表多為建筑與水泥地面。圖3(a)中,事故區形變速率為-2～4 mm/a,屬于穩定的形變狀態。該區域屬于棗嶺鄉的建筑集中地,黃土層的支撐負擔已接近最大限度;同時由于水泥地面的不斷擴張,地表植被稀疏、黃土裸露對建筑物滑坡產生了較大影響。由圖3(b)可知,周圍的黃土塬雖未產生滑坡,但建筑物在事故發生前后發生了大幅向下的形變。選取滑坡區域周圍的229個點繪制時序沉陷變化圖(如圖3(c)所示)?？梢钥闯?2018年7月和2019年6月均有過短暫小幅的向上形變,分析是受植被生長和雨季降雨量的影響。在半干旱氣候的黃土地區,除每年雨季其余季節幾乎不產生大型降雨,因此除雨季外,地表呈穩定或下沉的狀態。

以自然間斷點分類的方法將所有SBAS點進行統計(見表2),共統計246 778個點,劃分為4部分,分布在地形地貌圖上(如圖4所示)。抬升和下沉的占比分別為27.30%和24.16%;穩定區域最大,占比為45.90%;有滑坡風險形變速率的點超過-13.14 mm/a,占比為2.64%。棗嶺鄉除了不到3%的區域沉陷較為嚴重外,其余地貌狀態相對穩定,發生災害的可能性較低,可見研究區整體環境較為穩定。

表2 SBAS點統計信息

圖4 SBAS-InSAR形變速率和形變等級

以事故發生前后的3幅影像得到兩景之間的形變差異(如圖5所示),即3月2日—3月14日的形變量和3月14日至3月26日的形變量。可以看出,以滑坡事故區的東北方向為中心形成了一個主要的橢圓形變區,而事故地點位于橢圓形變區外沿的圓周上。根據兩景SAR影像累積形變量的SBAS矢量點,提取形變量超過-40 mm的點,展于實際地形地貌圖中(如圖6所示),可以看到兩處大型形變區域,一處位于事故發生地,另一處位于事故地西南方向靠近省級高速公路的山脈。

圖5 滑坡前后SBAS點形變

圖6 滑坡山體現場

滑坡事故區位于的橢圓形變區圓周上,在同時期基本都達到100 mm的形變。由于黃土高原地帶丘陵縱橫,多數房屋建筑與大型沉重設備都建于山體上,在其自身重量、黃土地下水層、植被地貌的影響下,滑坡事故地點及周圍區域均存在再次或潛在的滑坡風險。

2.3 滑坡災害成因分析

滑坡災害發生于3月15日18:05[13],位于棗嶺北溝南坡山梁頂部,約有30～40 m的落差。山體現場如圖6所示,滑坡后壁的角度比天然坡的角度更為陡峭,且在滑坡體上緣能看到明顯的滑坡平臺,導致本次滑坡為滑坡面呈圓弧形的圓弧式滑坡,滑動面延伸的程度十分深入,達到滑坡底部。山坡土體可在幾分鐘內產生大范圍圓弧式深入坡地的滑動。

山西省屬半干旱氣候,地下水深藏地下數十米,雨水沖刷黃土形成高原上的溝壑,即傷痕累累的黃土山丘。黃土山坡的地層通常呈夾層分布,每經過一段土層就會出現與黃土層性質有明顯差異的土壤,這種土壤稱為古土壤。古土層較薄,顏色較深。

如圖7所示,事故現場70 m的滑坡范圍大致分為9個地層,其中有3層為夾在黃土之間的古土層。在深度約40 m的黃土與古土交接處,有一段含水量更高的黃土層,即滑坡事故的發生源頭[14]。古土層有比黃土層更弱的透水性,阻礙了地下水的流通。滑坡災害區更早前的降雨在下滲過程中堆積在較厚的古土層上方,導致地下水長時間積聚,每年雨季積累的地下水還未完全消散,又迎來下一年雨季。不同于常見的由于暴雨產生的滑坡和泥石流等災害,黃土深層的地下水長久的聚積,產生了松軟土層,出現了難以挽回的重大滑坡事故,這樣的滑坡災害不僅破壞性更強,而且在災害的監測和預防方面更加困難。

圖7 滑坡山體剖面

黃土地質結構是造成本次事故災害的主要原因。但除此之外也有很多間接原因:①土質疏松,受流水和重力侵蝕,水土流失嚴重;②山梁頂部建筑物密集,重量超出了地質承受范圍;③當地地表植被多為低矮灌木,較為單一,生態系統脆弱,導致土壤黏性較差,土壤松散難以固沙固水及支撐高密度的建筑物;④滑坡點位于棗嶺鄉場鎮區域,場鎮的排水系統較為老舊,設計上存在缺陷,會導致水土流失嚴重,加速滑坡災害的產生;⑤滑坡點為山體的背斜面,朝北,導致接受陽光照射更少,雨雪等水分積累較多,流水侵蝕更為嚴重。

2.4 塌陷區地表時空形變

分析2018年7月—2019年6月棗嶺鄉形變的空間特征。以每個SBAS點每12 d累積的形變量作為權值,結合加權標準差橢圓重心、長短半軸及橢圓面積與扁率,分析塌陷區滑坡前后整體的時空形變演化趨勢(如圖8所示)[15]。

圖8 SBAS點標準差橢圓演變

以2018年7月—2019年6月的地表形變量為權重,計算標準差橢圓,得到地表形變的演變過程。地表形變量持續增大且分布不均勻,根據數據信息繪制得到重心坐標、橢圓面積、橢圓扁率、橢圓方位角演變折線圖[16-17](如圖9所示),定量分析滑坡事故發生前后的時空演變趨勢。

圖9 標準差橢圓參數變化

由圖9(a)可知,隨著時間的推移,標準差橢圓的重心逐漸向西北方向偏移。由圖9(b)可知,標準差橢圓的面積呈三次拋物線的形狀有一個變小的趨勢,但幅度不大,基本保持在0.012 5左右,表明期間形變面積基本保持不變。標準差橢圓的扁率可以反映地質災害和事故的方向性和向心力度,扁率接近于1,表明地表形變在各個方向有均勻演變。由圖9(c)可知,扁率明顯隨時間的演變增大,說明2019年地質災害的嚴重程度明顯具有趨勢方向性,表示西北-東南方向形變加劇,東北-西南方向變形發展相對緩和。標準差橢圓方位角反映了形變地表空間發展的主方向變化。由圖9(d)可知,2018年7月—2019年6月,方位角由100.06°增長至117.09°,表現為逆時針旋轉,偏移了約17.03°。

綜上所述,東西方向的土層更易導致地下水難以消散,也是造成本次滑坡的主要原因。標準差橢圓的重心也是受西北-東南方向土層水分的堆積,導致形變加劇,而不斷向西南方向偏移的。