



摘 要:首先,本文通過GB-SAR監測原理,對三峽庫區黃蠟石邊坡近一個月的連續監測數據進行處理和分析,通過選取像素點進行分析,得到了監測期間的邊坡變形信息:邊坡整體大致呈現由南部凸出向北逐漸過渡為趨于凹進的狀況;邊坡整體南部比較動蕩,中部往上相對趨于穩定。其次,將GB-SAR微變形監測技術應用于水利水電工程高邊坡穩定性監測中,為工程安全運行提供基礎數據。
關鍵詞:GB-SAR;穩定性;形變
中圖分類號:P 25 文獻標志碼:A
1 我國地質災害的現狀
我國地質災害多發,各種自然環境變化、天氣氣候影響和人類生存活動均可產生或引發區域地質災害,例如邊坡垮塌、滑坡等。隨著自然環境逐漸惡化,邊坡的穩定性不斷降低,越來越容易發生滑坡等安全事故。
2 研究內容
首先,本文基于GB-SAR技術,利用IBIS-L設備對黃蠟石邊坡進行數據采集。其次,結合IBIS-L處理軟件對黃蠟石邊坡相關數據進行變形分析,獲取該邊坡在監測期內的變形信息,以評定該邊坡的穩定性。最后,結合地質條件和庫區相關信息,評定其穩定性,通過這些形變信息提出具有針對性的工程預測設計。
3 研究現狀
2014年,JUNG J等[1]提出了一種新的方法,由天氣模型獲得分層相位模型,利用持續散射體干涉中可以通過時間濾波有效消除湍流相位。2019年,胡海洋等[2]提出一種基于BP神經網絡的Kalman(卡爾曼)濾波算法,通過引入神經網絡模型實現了K濾波估計殘值的自動修正,提高了滑坡提取的準確性。2021年,徐進軍等[3]在氣象數據大氣改正方法的基礎上,提出了一種基于穩定點分時段修正觀測氣象數據的大氣改正方法,可有效縮小誤差。
4 研究區概況及研究方法流程
4.1 研究區概況
長江三峽黃蠟石滑坡地形呈長條形且帶有凹槽。根據黃蠟石滑坡成因以及其地貌特征等可以分為東部的包基巖滑坡,西部局部切入的崩坡積層滑坡,還有西緣的崩坡積層滑坡。總體積達1800萬m3,位于三峽水庫區巴東縣城以東2km處長江北岸,距三峽大壩壩址66km。
長江三峽庫區氣候多為亞熱帶氣候,空氣特征偏干燥、溫暖,年度降水量少且溫度較高。與我國主體降水情況不同的是,三峽庫區降雨情況在冬季良好,而在其余3個季節都偏少。主要溫度區間也與我國大部分地區不同,夏季溫度偏低而其余3個季節溫度偏高。庫區平均風速略小于常年且季節變化不大。
4.2 研究方法流程
數據處理理論總流程(如圖1所示)如下。
4.2.1 影像配準
在已獲取的黃蠟石邊坡影像中找到并確定從影像與主影像之間的相對幾何變換模型,根據變換模型對從影像進行相對校正,使同一目標在主從影像上能夠重合。
4.2.2 生成干涉圖以及相位噪聲濾波
在對由GB-SAR所得的復數影像進行精確配準后,將它們的對應像素值進行共軛相乘,然后得到每個像素的相位差,生成干涉圖后,再對相位進行去噪處理。
4.2.3 相位解纏
綜合利用分析多種相位解纏方法,將相位主值恢復為其真實的全相位值,以獲得更準確的數據。
4.2.4 大氣相位校正
為了消除大氣效應誤差對觀測目標形變監測結果精度的影響,基于目前的一些大氣改正方法,例如固定點改正法、氣象數據改正法、永久散射體技術來剔除大氣效應誤差,利用二次曲面函數建立分布模型。
4.2.5 工程應用
數據處理后,可以獲得目標在雷達視線方向的形變量,最后結合該區域的地質、水文、氣象等其他外部數據共同分析該邊坡的穩定性并提出針對性處理建議。
5 黃蠟石邊坡變形監測數據處理
5.1 選取像素點
對三峽庫區黃蠟石邊坡觀測數據圖像進行處理,GB-SAR綜合了合成孔徑雷達成像原理與電磁波干涉技術,可以精確測量地表某一點的空間位置及微小變化,從所研究的黃蠟石邊坡中均勻提取像素點(各像素點具體坐標如圖2所示),其選擇的各參數閾值如下:熱信噪比為15.0,估計信噪比為10.0,時間相干系數為0.70,相位穩定性為0.5。
5.2 對像素點進行數據處理并分析
5.2.1 得到全局變形云圖
在完成相位解纏、大氣相位校正、噪聲校正等一系列數據處理后,得到所選像素點上黃蠟石邊坡的具體變形情況,見表1。
表1 選取像素點的具體變形情況
像素點 所選取像素點的具體形變程度/m 形變方向
P1 -1.4 凸出邊坡
P2 0.4 凹向邊坡
P3 0.6 凹向邊坡
P4 -0.4 凸出邊坡
P5 -0.5 凸出邊坡
P6 -1.2 凸出邊坡
P7 -0.2 凸出邊坡
5.2.2 分析邊坡變形情況
根據黃蠟石邊坡全局變形云圖來分析邊坡不同方向的變形情況。其中,以正數表示邊坡遠離雷達方向即凹向邊坡內部的變形量,以負數表示邊坡靠近雷達方向即邊坡往外部凸出的變形量。由表1可知,邊坡整體大致呈現由南部凸出向北逐漸過渡為趨于凹進的情況。因此在邊坡南部,可以采用抗滑樁、金屬錨桿對其進行干預、加固,而北部可以使用填筑或灌注法來保持邊坡穩定性。
5.2.3 大氣相位矯正
5.2.3.1 固定點改正法
該方法的數學模型如公式(1)所示,建立大氣誤差相位?atm與目標觀測距離的相關數學模型,利用監測區域穩定部位或者自行放置角反射器作為控制點來求解模型參數,從而對其他目標進行大氣改正。
(1)
式中:a為模型參數;r為觀測目標距雷達的距離。
通常情況下,i取1或2,即固定點改正模型一般為目標觀測距離的一階或二階模型。
5.2.3.2 氣象數據改正法
該方法利用觀測區域氣象數據根據經驗折射率模型建立相關的大氣改正模型,如公式(2)所示。
(2)
式中:Δd為受大氣效應影響引起的雷達視線向位移變化量;Δφatm為大氣效應引起的大氣誤差相位的變化值;ΔN為監測目標觀測時間段內的折射率變化。
應用時,利用觀測現場所測氣象數據求得監測目標觀測時間段內的折射率變化ΔN,再結合公式(2)求得大氣效應給雷達視線向位移變化量造成的影響ΔN,并將其從GB-SAR變形監測結果中去除,便可得到監測目標自身的形變結果[4]。
5.2.4 提取形變值并分析
通過上述的數據處理,根據公式φ=φdis+φatm+φnoise-2πn(φdis為目標物形變相位;φatm為因大氣效應影響產生的大氣誤差相位;φnoise為噪聲相位;n為相位整周模糊度),就可獲得目標在雷達視線向的形變相位。對目標所有的監測影像進行時序上的分析,即可得到目標在觀測時間段內的變形序列。如果需要分析特定時間段內目標的形變趨勢,將該時段內的每幅影像目標的形變相位減去初始時刻的形變相位即可。
數據監控時間為2019年5月,監測時間天氣為多云轉晴,東南風1級。
由基礎數據處理并計算得出的邊坡各部分形變值可知,邊坡南部的變形量相對其他位置偏大。而位于中部和北部的變形量基本以零為中線上下浮動,因此可以推斷邊坡的中部較為穩定。由此可以大致得出關于黃蠟石邊坡的穩定性的方位規律:南部比較動蕩,而中部往上相對趨于穩定。
6 監測結果分析
一般判斷邊坡變形情況的工程應用分析可分為形變速率判別和地質學角度判別2種分析方法。
形變速率分析法認為黃蠟石邊坡變形演化中邊坡變化有3個階段,即緩慢變形、勻速變形和加速變形。其中,緩慢變形為初始階段,一般變化較快,后期隨時間增長變形速度漸漸減慢,勻速變形階段時邊坡宏觀變形速率一般可保持基本穩定不變,而在加速變形階段變形速率呈不斷增長的趨勢,直至邊坡整體失穩。
從地質學角度來看,影響邊坡穩定性主要分為靜態因素和動態因素,前者主要包括地形地質、水文水位、植被分布等自然條件;后者主要指人類活動及地震、突發天氣狀況等指標。
由本文中5.2.2部分得出結論:邊坡整體大致呈現由南部凸出向北逐漸過渡為趨于凹進的情況。由文中5.2.4部分得出結論:黃蠟石邊坡南部較動蕩,中部往上區域較穩定。由此可以得出對工程的分析,應該分別對邊坡南部(穩定性較差,邊坡有凸出情況)以及邊坡北部(穩定性較好,邊坡有凹進情況)這2個區域進行預測分析。
6.1 邊坡南部工程情況分析
黃蠟石南部邊坡穩定性較低,而邊坡的失穩一般是指土方邊坡在一定范圍內由整體沿某一滑動面向下或向外移動導致喪失其穩定性,往往是由外界不利因素影響下觸發和加劇的,例如暴雨、洪水等再加上邊坡本身存在凸出情況,使滑坡的風險更大,因此在黃蠟石邊坡南部附近修建工程時,避免滑坡是工程需要著重考慮的問題。
當邊坡穩定性不高時,為避免滑坡災害,一般可以考慮以下措施:防滲排水整治滑坡,在滑坡體外圍設置截水溝槽;鉆孔排水,利用若干個垂直鉆孔,打穿滑坡體下部的不透水層,將滑坡體中的水流到其下伏的另一個透水性較強的巖層中。以增加邊坡的穩定性以及工程的安全性。
6.2 邊坡北部工程情況分析
黃蠟石北部邊坡地基凹進地表面,當遇到自然天氣影響時,易出現積水等問題,使邊坡坡度加大,非常影響邊坡的穩定性,當遇到高山深谷的地形地貌時,工程建設的過程中勢必會導致大規模的開挖工程和填充工程,為保證坡面整體質量及工程安全性,一般可以進行填塞處理。
當此處邊坡進行工程活動時,由于其一般具有土質松軟等特質,對開挖等工程項目要保持謹慎,一般可以對松軟土層采取保護措施,避免外界車輛的振動。
7 結語
國際上還沒有統一的大氣校正方法,因此對現有方法進行改進或者系統性的分析比較是非常必要的。目前進行大氣改正的方法主要有3種,第一種是基于地表氣象觀測數據建立大氣改正模型,綜合考慮氣候、維度等各種因素計算折射率。第二種是通過在監測區域內找到穩定點,通過穩定點對最終觀測結果進行校正。第三種方法是利用永久散射體技術構建PS氣象改正網進行氣象改正。今后的研究或許可以聚焦分析各種方法的優劣,取長補短式地對各種大氣方法進行綜合,以獲取對大氣相位校正效果最好的方法。
而對長江三峽庫區的黃蠟石邊坡穩定性情況來說,南部凹出而北部趨于凸進,位于此庫區的水利建筑相關工程,穩定性的參考與設計要緊扣邊坡的具體形態,根據工程所處邊坡是凸出還是凹進設計符合地基條件的相關工程,在最大限度上避免滑坡危害等其他重大安全事故的發生。
參考文獻
[1]JUNG J,KIM D J,PARK S E.Correction of Atmospheric
Phase Screen in Time Series InSAR Using WRF Model for Monitoring
Volcanic Activities,”[J].in IEEE Transactions on Geoscience and Remote Sensing,2014,52(5):2678-2689.
[2]胡海洋,鄒進貴,張藝航.基于BP神經網絡的自適應Kalman濾波在滑坡沉降監測中的應用研究[J].測繪與空間地理信息,2019,42(6):236-239.
[3]徐進軍,王振華,邢誠,等.基于修正氣象數據的GB-SAR大氣改正[J].地理空間信息,2021,19(1):82-86,5.