基于InSAR和光學遙感技術的商洛地區地質災害隱患識別

［關鍵詞］地質災害隱患；SBAS-InSAR；遙感

陜南秦巴山地是崩塌、滑坡、泥石流發育的重災區，目前發現各類地質災害隱患點7362處，嚴重威脅生命財產安全[1]。地質災害隱患識別是地質災害防治與管理的基礎，當前地質災害防治工作面臨的困境是如何解決“隱患在哪里”這一難題。應用傳統的單一地質災害調查手段存在調查不全面、不詳細的問題，難以滿足地質災害防治工作需求。高分辨率光學遙感影像應用于地質災害調查監測已取得豐富的成果[2，3]，借助遙感影像可快速獲取災害形態、特征、范圍、規模類型以及災害周圍環境，提升了工作效率，但對于形態特征不明顯，變形緩慢的地質災害隱患難以識別。隨著衛星遙感技術的發展，InSAR（Interfero?metric Synthetic Aperture Radar）技術以全天時、高精度、大范圍、動態持續的優勢成為地面變形監測的新手段。In?SAR技術通過提取同一地區不同期次雷達數據的相位信息，可以快速獲取大范圍毫米級地面變形監測結果，已廣泛應用于地質災害早期識別[4-7]。但對于植被覆蓋嚴重的區域，會造成雷達數據失相干，無法獲取有效監測結果。

本研究使用綜合遙感技術開展商洛地區地質災害隱患識別，采用小基線集（SBAS-InSAR）技術方法對研究區內形變信息進行提取，同時結合光學遙感影像特征、基礎地質、地質災害等資料，盡可能地識別區內具有威脅對象的滑坡或崩塌等地質災害隱患，并通過野外核查驗證識別準確率。研究成果可為在地質災害防治、管理、應急提供技術支撐。

1. 研究區概況

研究區位于陜西省東南部，秦嶺東段南麓、鄂豫陜三省結合部（東經108°34'20″～111°1'25″，北緯33°2'30″～34°24'40″），東西長約229 km，南北寬約138km，總面積19594 km2。地勢西北高、東南低，87% 的地域面積為山地。地質結構復雜、山嶺交錯縱橫。散碎石巖分布廣泛，外露基巖主要為片巖、板巖、千枚巖、片狀灰巖、白云巖、砂巖、侵入巖第四系結構，巖體呈裂隙發育，風化破碎，力學強度低。土層結構極不穩定，多為泥沙土[8]。研究區屬溫帶季風氣候，夏季高溫多雨，冬季寒冷干燥。年降水量約700 mm，歷年6～10月為汛期，滑坡、崩塌、泥石流等地質災害頻發。人類工程活動較強烈，受限于地形地貌，區內存在大量切坡建房、開挖坡腳現象，在降雨、地震等因素影響下，易發生滑坡。陡坡開墾，亦造成植被嚴重破壞，水土流失嚴重。

2. 數據處理與研究方法

2.1 SBAS-InSAR技術

SBAS-InSAR是通過設置一定的時空基線閾值對SAR影像進行組合生成干涉圖集合，進而增加了單個主影像條件下的干涉圖數量，降低了時空失相干對干涉圖質量的影響[9]。技術流程為：首先設置時間基線與空間基線閾值，獲取M幅干涉圖，精密的配準從影像與DEM，相位差分之后即可去除地形相位和平地相位，再選取相干性較高的點目標進行相位解纏。根據空間基線、時間基線與干涉相位估算線性形變速度、高程誤差與殘余相位。對殘余相位進行空域低通和時域高通濾波處理分離出大氣相位。將大氣相位從殘余相位中去除，可以獲取非線性形變相位，將其與線性形變相加即可得到完整的形變相位，從而獲取累計形變。

2.2 數據來源與處理

研究所用數據為覆蓋商洛市的Sentinel-1A 升軌數據，IW 數據模式，圖幅號為P84F105、P11F106，分辨率為5 m×20 m，影像覆蓋時間為2018 年1 月～2021 年5 月，共191景。影像配準精度優于0.2個像元。設置時間基線閾值為30天、空間基線閾值為150m組成干涉集合，設置多視比4：1對SLC數據進行多視處理。選用小窗口對干涉相位進行兩次濾波，濾波窗口分別為32和16，獲得濾波后的差分干涉圖。相位解纏前選用低相干性解纏閾值0.3生成掩膜文件，采用最小費用流法對差分干涉相位進行解纏。通過多項式擬合及時空域濾波的方式去除解纏相位大氣及線性趨勢項誤差。選取高質量解纏圖基于SBASInSAR原理反演形變時間序列，并根據形變時間序列質量查找解纏圖在時間上連接是否存在問題并作進一步精化，獲得地表形變時間序列。

2.3 光學遙感影像解譯

滑坡體平面形態一般呈舌形、簸箕狀、圈椅狀、鏟狀等。老滑坡影像主色調呈土黃色、黑褐色，有零星植被覆蓋，紋理較為粗糙，部分老滑坡體侵蝕嚴重，坡體有沖溝（圖1）。新滑坡體影像主色調呈灰白色，顏色稍亮。植被不發育，滑坡周界明顯，影像上可以看到整體表層已完全滑落（圖2）。部分滑坡體可見雙溝同源、滑坡臺階、封閉洼地等地貌特征，后緣有拉張裂隙，坡面有裂縫，坡體下方由于擠壓形成鼓丘。可以通過多時相影像對比分析，判斷滑坡的形成過程及變化趨勢。崩塌多發生于陡坡地形，崩塌后壁清晰可見，顏色與坡體巖性有關，一般呈淺色調，與周圍環境有明顯區別，崩塌面無植被覆蓋，影紋粗糙，高精度遙感影像上可辨識坡腳處堆積的崩塌體破碎形成的碎塊（圖3）。

3. 結果與分析

3.1 地質災害隱患識別

采用SBAS-InSAR 技術對覆蓋研究區的Sentinel-1A數據時間序列影像集進行處理，獲取研究區域的地表形變特征如圖4所示。研究區內地表形變異常點在空間分布上具有明顯的不均勻性，主要集中在山體陡坡、坡耕地、采石采礦等區域。將形變速度大于20 mm/y的區域提取出來，作為InSAR識別出的明顯形變區。將形變區疊加到高分辨率遙感影像上，判別其是否符合隱患特征，并通過多期次影像對比，分析坡體是否具有變形跡象，重點關注有房屋、道路、工程設施等威脅對象的地質災害隱患點。

根據InSAR結果共提取明顯形變區112處，通過綜合遙感識別，識別出疑似地質災害隱患72處。通過野外核查，按照活動跡象、形態特征、致災條件等，確定地質災害隱患點為44處，隱患點分布見圖5。其中，滑坡38處，崩塌6處，其余均為較穩定的自然斜坡，識別準確率61.1%。

基于野外調查結果分析，區內隱患規模以小型為主，中型規模有4處，滑坡3處，崩塌1處。對區內地質災害隱患點的坡度進行統計分析，區內滑坡隱患發生在坡度為30°～40°的陡坡有20處，40°～50°的急坡有10處，陡坡和急坡發育的滑坡隱患數目占比78.9%；區內崩塌隱患主要發生在坡度為40～50°的急坡。對區內地質災害隱患點的坡向進行分析，滑坡隱患集中分布在東（67.5°～112.5°）、東南（112.5°～157.5°）、南（157.5°～202.5°）方向，占滑坡隱患總數的63.2%；崩塌隱患主要分布在西（247.5°～292.5°）方。按照坡向與陰陽坡的關系，隱患點主要分布在半陰坡、陽坡和半陽坡。值得注意，區內有2處隱患點坡腳處存在大量切坡建房情況，由于開挖地基，底部基巖被掏空，上部基巖在重力作用下，容易順層發生崩落滑塌。有19處隱患點坡體上有耕種活動。人類工程活動易引發斜坡失穩，要注意此類隱患的識別。

3.2龍王廟村滑坡隱患

龍王廟村滑坡隱患點位于商洛市丹鳳縣土門鎮龍王廟村，從圖6、7中可以看出，該滑坡在光學影像上具有比較明顯的形態特征，整體呈舌形，前緣堆積物已被開墾為耕地，InSAR形變特征顯示，下部形變量大，特別是坡體前緣堆積物上，形變點為黑紅色，整體滑動方向為東南向，InSAR時序結果顯示，2018年1月～2021年5月滑坡隱患點累積形變量達-76.22 mm（圖8）。

無人機航攝照片上滑坡形態較為清晰（圖9），與光學遙感影像較為一致，滑坡運動方向也一致。經現場核查，滑坡平面形態呈圈椅狀（見圖10），滑坡前緣高程為588m，后緣高程636m，相對高差48m，坡度為30°～50°，主滑方向為310°，長度約為50m，寬度約為50m，平均厚度為3m，估算體積約為7500m3，屬于小型滑坡。坡體底部基巖裸露，為綠泥鈉長片巖，產狀25°∠40°，坡向310°，坡度40°。村民房屋裂縫情況嚴重，屋內屋外皆有裂縫，一般為1cm，最寬可達3cm，其南北向承重墻上多出現裂縫，多數裂縫發生在2018年左右。同時，周邊路面也出現裂縫，且有巖石崩落。該滑坡活動性強，危險性高，由于雨水的浸潤作用，巖石順層滑動的可能性大大增加，容易導致地質災害的發生。

4. 結論與展望

4.1結論

研究采用InSAR+光學的綜合遙感技術進行商洛地區地質災害隱患識別。對隱患點進行了實地驗證，并從規模、坡度、坡向方面總結了研究區內地質災害隱患點的分布特點，最后以龍王廟村滑坡隱患作為典型案例詳細論述了地質災害隱患識別的過程。研究結果表明：（1）研究采用C波段Sentinel-1A數據進行InSAR形變反演，根據In?SAR結果共提取明顯形變區112處，通過綜合遙感識別，解譯疑似地質災害隱患72處，野外核查確認地質災害隱患44 處，識別準確率61.1%。這說明研究區采用C 波段Sentinel-1A數據開展InSAR解譯是可行的，采用InSAR+光學的地質災害隱患綜合遙感識別方法是有效的，為地質災害防治提供了新的技術手段。（2）區內地質災害隱患規模以小型為主，主要發生在坡度40°～50°范圍內的半陰坡、陽坡和半陽坡。（3）識別出的地質災害隱患中有2處隱患點坡腳處存在大量切坡建房情況，有19處隱患點坡體上有耕種活動。人類工程活動易引發斜坡失穩，要加強對此類地質災害隱患的持續監測。

研究取得了一定成果，但也具有以下不足。一是研究區屬于陜南秦巴山地，植被茂密，導致C波段數據穿透性不足，嚴重影響相干性，主要體現在當相干性閾值選擇較高時，形變成果可靠性高但選點過少，大量地區無法獲得測量值，反之則會導致部分區域的形變成果可靠性變低。二是Sentinel-1A數據分辨率約為20m，但研究區地質災害類型以松散層滑坡為主，規模往往較小，難以發現。

4.2展望

相比C波段，L波段波長較長，更易穿透植被獲取地面信息，今后可開展使用L波段衛星數據進行研究區InSAR形變信息提取的研究，以期提升地質災害隱患識別的準確率。

考慮到人類工程活動是地質災害的主要誘發因素，今后可嘗試運用空間分析技術提取研究區內切坡建房和陡坡開墾的坡耕地信息，在這些人類工程活動較頻繁的區域進行InSAR形變反演，可以大大減少數據處理的工作量，并能夠提取到更多的“有效形變區”，從而達到提升地質災害隱患識別的效率和準確率的目的。