InSAR用于高山峽谷區滑坡監測的適用性

何國強 楊成生 魏云杰 朱賽楠 李曉陽 侯祖行

1 長安大學地質工程與測繪學院,西安市雁塔路126號,710054

2 中國地質環境監測院,北京市大慧寺路20號,100081

InSAR技術具有高精度、高分辨率、全天候等優點,被廣泛應用于滑坡監測中[1-4]。但由于SAR側視成像的特性,InSAR技術在高山峽谷區滑坡災害識別中會不可避免地出現幾何畸變現象(包括陰影、疊掩和透視收縮)[5],導致在識別過程中出現誤識、漏識等情況。因此,針對高山峽谷區InSAR幾何畸變進行定量分析,是研究InSAR技術適用條件和提高InSAR滑坡識別可靠性及精度的重要工作。

四川省得榮縣古學鄉地質構造較為復雜,地質環境脆弱,極易發生地質災害[6-8]。本文以古學鄉2處大型滑坡為例,從R指數[9]、敏感性[10-11]和相干性的角度對SBAS-InSAR升降軌滑坡識別結果進行對比分析,討論InSAR技術在該地區的適用性[12]。最后,針對InSAR技術通常只能獲取到滑坡體沿雷達衛星視線方向(LOS)的一維形變信息這一局限性,本文對典型滑坡的形變結果進行視線向和坡向的轉換,分析滑坡在不同方向的形變規律。本文研究成果可為該地區和我國西部高山峽谷區滑坡災害的InSAR識別與監測提供參考。

1 研究區概況

得榮縣古學鄉(99°13′～99°26′E,28°20′～28°31′N)位于四川省甘孜藏族自治州,東部為云南香格里拉縣,西部為云南德欽縣,北部為四川巴塘縣,位置見圖1。古學鄉為典型的高山峽谷地貌,受構造影響,地形起伏強烈,主要以深谷陡坡的中-高山為主,山脊以尖山脊為主,相對高差較大,平均海拔2 250 m。

圖1 影像覆蓋范圍

2 數據處理

2.1 研究區數據

表1 Sentinel-1A參數

2.2 數據處理與分析

采用SBAS-InSAR和Stacking技術[14]對Sentinel-1數據進行處理。SBAS-InSAR通過設置一定的時空基線對同一地區的多個SAR影像進行相互干涉處理,然后對多個干涉圖進行相位解纏,最后對解纏干涉對進行殘余軌道誤差和大氣誤差等改正,從而更加準確地獲取研究區的形變時間序列與年累積地面形變量。Stacking技術是在SBAS-InSAR結果的基礎上,對多幅進行了誤差改正的差分干涉圖進行加權平均,以此消除解纏干涉對殘余的隨機誤差,進而獲取研究區最終形變的年累積形變速率。實驗中,設置多視比例系數為10∶2,時間基線為60 d,空間基線為150 m,然后對滿足條件的影像進行干涉處理,挑選之后的時空基線圖見圖2。

圖2 SAR影像時空基線

對所有影像進行干涉處理后,得到232個升軌干涉對和222個降軌干涉對。對所有干涉對采用32像素×32像素的窗口進行自適應濾波處理以消除噪聲誤差。選取相干性高于0.4的區域參與相位解纏,通過最小費用流相位解纏方法求解出相位圖的完整相位。通過曲面二次擬合和數字高程模型去除殘余軌道誤差和大氣誤差。最后,利用Stacking技術求解出研究區的最終形變速率結果。

3 滑坡監測適用性分析

通過上節的數據處理,得到研究區地表形變速率的InSAR監測結果,見圖3,圖中,黑框為圈定的典型滑坡區。

圖3 研究區InSAR地表形變速率

從圖3可以看出,降軌結果中包含明顯的形變信息,其LOS向的形變速率大于100 mm/a,而升軌結果中卻沒有觀察到明顯的形變信息,此時極易造成滑坡隱患的漏判。為分析升降軌結果之間的差異,本文以圈定的典型滑坡區為例,從R指數、敏感性和相干性等角度分析不同軌道監測結果的差異。

3.1 R指數

由于衛星雷達側視成像的特點,不可避免地會產生由于地形起伏而造成的幾何畸變。圖4為幾種幾何畸變與衛星雷達的幾何關系,圖中,α為衛星參數中的入射角,θ為局部入射角[15]。

圖4 幾何畸變與衛星雷達的關系

幾何畸變的計算結果對后期InSAR結果識別滑坡起到很大的輔助作用。為計算出幾何畸變區域,Ren等[16]提出一種改進的R指數(range index,R-index)方法,具體計算過程參考文獻[17]。本文將計算得到的R指數結果與sinθ的值進行對比,結果如下:

(1)

從圖5中可以看出,在降軌R指數結果中,圈定區整體可視性良好,僅在部分山頂和山底區域可視性較差。但在升軌R指數結果中,典型滑坡區整體可視性較差,只在山體中部存在可視性中等的情況。對比圖3中的監測結果,本文很好地印證了升軌數據在可視性較差的情況下會導致滑坡漏識。綜上,R指數顯示,降軌影像更適合研究區InSAR監測。

圖5 升降軌R指數結果

3.2 敏感性

敏感性是指SAR衛星可以測量到的坡度移動占總量的百分比,即地面三維變形在雷達LOS方向上的投影。敏感性值越高,表示可監測到滑坡位移的可能性越大。敏感性值一般用靈敏度來表示,其值為雷達LOS單位矢量(A)與滑坡位移單位矢量(B)夾角的余弦值[18]。

研究區敏感性分析結果見圖6?？梢钥闯?降軌敏感性結果顯示典型滑坡區(黑線圈定區)形變敏感性整體較高,滑坡位移很容易被降軌影像監測出來。但在升軌敏感性結果圖中,典型滑坡區的形變敏感性較低,較小的滑坡位移不容易被升軌影像監測出來。因此,敏感性結果很好地解釋了圖3中降軌影像監測到2處明顯的滑坡,而升軌結果中滑坡信息不明顯的現象。

在1997年，我國開始了農民專業合作社融資的研究，而且在2007年我國也頒布了合作社法，這對農民專業合作社的發展有很大的促進作用，不但使得農民專業合作社的社會地位得到認可，還從法律的角度予以農民專業合作社法律保護。而隨著農民專業合作社的不斷發展，其中所包含的業務面也越來越廣，服務的水平和技術也更加全面，而今天農民專業合作社甚至已經跟一些銀行的功能有些近似了，還可以為農民提供一定的貸款，其利率較低能夠更好的幫助農民的發展和進步。

圖6 升降軌敏感性結果

3.3 相干性

利用InSAR技術對滑坡進行監測時,面臨的一大挑戰就是相干性問題,尤其是在高植被覆蓋的西南山區。在數據處理過程中,每個干涉對的相干性各不相同,本文通過對升、降軌各自取平均值,然后提取研究區的相干性圖,對升降軌相干性進行分析。

從圖7中可以看出,2個滑坡所在的重點區域內,升軌影像整體相干性較好,但存在局部低相干區域。結合R指數分析結果,在滑坡重點區,升軌影像有部分區域處于可視性較差的疊掩和陰影區。降軌影像整體相干性很好,且重點區域內R指數結果顯示出較好的可見性。因此,相干性分析顯示,降軌影像更適合研究區InSAR監測。

4 典型滑坡形變特征與精度分析

4.1 形變量轉換

InSAR監測得到的結果為LOS向形變,而大多數滑坡的總體變形傾向為沿斜坡向下[16]。因此,將LOS向形變轉換到沿坡向更有利于認識滑坡形變特征。圖8為轉換后的坡向形變及分解的水平位移結果,其中,垂直方向形變結果中,正值表示隆升,負值表示下沉;東西方向形變結果中,正值表示向東位移,負值表示向西位移?？梢钥闯?1#和2#滑坡的坡向形變特征明顯,最大坡向形變速率達到100 mm/a,且2處滑坡表現出明顯的西向位移。

圖8 形變速率轉換結果

4.2 典型滑坡形變特征

對圖8中1#與2#滑坡,沿坡向自高向低選取3處形變點,提取其LOS向形變時間序列結果,見圖9,圖中,負值代表形變遠離衛星雷達,正值代表形變接近衛星雷達。

圖9 1#和2#滑坡時間序列

從時間序列結果來看,1#滑坡提取的3處時序點整體形變趨勢相同,但位于滑坡中部的2號點形變量級整體上比其他2個點大。在2019～2020年,2號點累積形變量超過300 mm,且整體處于持續形變中,形變趨勢較快。結合降雨數據可知,2019-07的月降雨量較大,達到170 mm,之后3個時序點的形變量明顯增加,推測形變的加劇與降雨相關。綜上所述,1#滑坡中部形變量級較大,且滑坡面形變受降雨的影響。

2#滑坡時序點整體形變趨勢相同,滑坡后緣的1號點形變量級整體上比其他2個點大,2019～2020年其累積形變量達到230 mm;滑坡前緣的3號點累積形變量最小,2019～2020年累積形變量為110 mm。結合月降雨量數據來看,2019-07和2020-04月降雨量超過100 mm,這2個時間點后,3個形變點的形變量都出現了不同程度的增加。因此,推斷大量級降雨對2#滑坡的穩定性有較大影響。

將LOS向形變轉換到沿坡方向,結果見圖10,圖中,負值代表形變遠離衛星雷達,正值代表形變接近衛星雷達。

圖10 1#和2#滑坡形變轉換及剖線

對1#滑坡沿坡向的形變進行分解,對比垂直向和東西向形變,發現東西向的形變要比垂直向量級大、范圍廣,說明滑坡水平滑移活動量較大。同時,對1#滑坡沿坡方向的形變提取剖線AA′進行分析,結果見圖10(d)?？梢钥闯?沿坡方向形變在中部量級最大,年平均形變速率為125 mm/a左右。

對2#滑坡LOS向的形變轉換到沿坡方向。對比垂直向和東西向形變結果,發現東西向的形變要比垂直向量級大、范圍廣,說明滑坡水平滑移活動量較大。對2#滑坡沿坡方向的形變提取剖線BB′進行分析,結果見圖10(e)。可以看出,2#滑坡沿坡方向形變在中部量級最大,年平均形變速率為100 mm/a左右。

5 結 語

通過對四川省得榮縣典型滑坡區的InSAR結果進行分析,發現升、降軌數據識別出的滑坡結果存在差異。為了探究該現象的原因,使用R指數、敏感性和相干性等方法開展InSAR滑坡監測在高山峽谷區的適用性分析。結果顯示,順滑坡方向的LOS向SAR數據比逆坡向的LOS向SAR數據更有優勢,很好地解釋了升、降軌滑坡監測結果存在差異的原因。

2處典型滑坡的形變時間序列分析結果顯示,1#和2#滑坡在2019～2020年LOS向最大累積形變量分別達到約300 mm和230 mm,且累積形變量受降雨影響較大。從形變發生的部位來看,2處滑坡的中部形變量級最大,年平均形變速率分別達到125 mm/a和100 mm/a。