基于SBAS-InSAR的黃河上游干流庫壩群段滑坡形變分析

關鍵詞：滑坡形變；SBAS-InSAR;PS選點；DS選點；黃河上游干流中圖分類號：P642.22;P237;TV882.1 文獻標志碼：A doi：10.3969/j.issn.1000-1379.2025.07.012引用格式：，，，等.基于SBAS-InSAR 的黃河上游干流庫壩群段滑坡形變分析[J].人民黃河，2025，47（7）：73-77.

Analysis of Landslide Deformation in Mainstream Reservoir Group Section of the Upper Yellow River Based on SBAS-InSAR

LIU Yifan1，YU Bo² ，LI Jie1，HUANG Rui1 （1.Guiyang Engineering Corporation Limited，Power China，Guiyang 55Oo81， China; 2.Hydropower and Water Resources Planning amp; Design General Institute，Power China，Beijing 1O0120，China） Abstract：Theupstreammainstreamdamgroupof teYelowRiverislocatedinthetransitioalzonebetweentheQinghaiTibetPlateauand theLoessPlateau，requiringlarge-scaelndslidehazardidentificationTaking teLngangGorge-LijiaGrgedamgroupsectionasere searcharea，SBAS-InSARmethodwasusedtoforsallbaselineiterferograms，teamplitudedeviationindexandcoherenceficiet methodwereusedtolectPSpoints（PermanetScaterer），andtheKSstatisticalestmetdasusdtoselectDSpntsPistrutedat terer）.Thesurfacedeformationrateanddeformationamountinthestudyareawereobtainedthroughtie-seriesdeformationcalculationRe sults show that the deformation rate in the study area ranges from -80 to 50mm/a ，with most areas having a deformation rate of -10 to 10 （20號 ，indicatingarelativelystablestate.Combiningslopeanddeformationrateanalysis，dentifies3landslidehazardpointsinthestudy area.The maximum deformation rate at the rear edge of the landslide below the top of the Guobu slope is 80mm/a ，which is only 1 km away fromtherightbankreservoirareaofteLaxiahdrooweration，andthedeforatioattetopofthesloeiscreasingearbyare cumulative deformation value from 2021 to 2024 reaches 300mm

KeyWords：landslidedeformation；SBAS-InSAR；PSpointselection；DSpintselection；mainstreamof theupperreachesof th Yellow River

0 引言

黃河上游河段全長 3472km ，流域面積為38.6萬km² ，占黃河流域總面積的 51.3% ，上游河段總落差3496m 。為充分利用黃河上游豐富的水力資源，20世紀70年代我國開始在該區域進行梯級水電站建設，現已建成龍羊峽、拉西瓦、李家峽、公伯峽、積石峽、劉家峽等多個水電站，形成了國內最大的梯級水電站群之一。雖然能源開發大大提高了電力供應能力，但該河段地質環境脆弱，區域內地質災害頻發、水文過程復雜，呈現“洪澇-滑坡-崩塌-泥石流”多災種鏈式演變的特征，崩塌和滑坡災害尤為嚴重。水電站建設以及水庫水位變化加劇了這一地區的地質災害風險

龍羊峽是黃河上游第一座大型梯級水電站，拉西瓦、李家峽分別是在黃河上游規劃的第二、三座大型梯級水電站。龍羊峽—李家峽河段河流穿行于復雜的地形地質間，地形起伏較大，河道狹窄且多岔流，巖體破碎且多斷層發育，曾多次發生滑坡事件。庫壩群段一旦發生滑坡災害極有可能引發涌浪、潰壩、泥石流及次生災害等，這些災害不僅威脅下游水電站安全運行，而且會對居民區、交通設施及生態環境造成嚴重破壞。因此，加強黃河上游干流庫壩群段滑坡監測和預警具

有重要意義。

滑坡體表面形變是識別滑坡隱患的重要依據。傳統的滑坡形變監測方法包括大地測量、水準測量、GPS測量、三維激光掃描等，但這些技術受限于地形、天氣條件，且只適用于小范圍的數據采集。隨著合成孔徑雷達干涉測量（InSAR）技術的出現，使得大范圍高精度的地表形變監測成為可能。例如，廖明生等[1]對雷達遙感技術進行深入的理論探討與實踐應用，證明InSAR測量精度可達到厘米級甚至毫米級；Rizo等利用InSAR技術處理ERS-1/2SAR數據并與地面監測數據對比，結果表明兩者結果一致。21世紀初，包括PS-InSAR、SBAS-InSAR等在內的時序InSAR技術的提出，更是推動了InSAR技術在滑坡形變監測領域的發展，Ferretti等[3]、鄧輝等[4]、Dong等[5]基于時序InSAR技術進行的區域滑坡形變監測研究都取得了較好的成果。

InSAR技術以全天候、覆蓋范圍廣、測量精度高等優勢被廣泛應用于滑坡形變監測中。其中SBAS-InSAR技術通過自由組合小于時空閾值的小基線干涉像對，克服了傳統InSAR因空間基線過長而導致時間和空間失相十問題，對地質活動瀕繁且地形復雜的山區進行形變監測具有一定優勢。但該方法需要利用地面控制點（GCP點）進行軌道精煉與重去平，而在以陡峭地形為主的山區難以布設大量GNSS基準點，GCP點多依靠人工目視選取。此外，SAR影像在高山區域容易受陰影、疊掩和收縮等影響給人工選點帶來困難。PS-InSAR技術以穩定的雷達目標為永久散射體（PS點），通過分析這些目標在不同時間的相位變化來推斷地表形變。這些PS點一般會選在形變小、相干性高的區域，基本符合GCP點的選擇要求。但在植被茂密和山區環境中，PS點選取范圍非常有限。除PS點外，山區分布的裸露巖石和土坡具有相同的統計分布特性，能作為分布式散射體（DS點）增加滑坡形變監測目標數，提高監測結果的可靠性。因此，本文結合PS、DS選點思想與SBAS-InSAR方法，識別黃河上游干流庫壩群段滑坡隱患，以期為流域災害監測和預警提供技術支持。

1 研究區域概況

選取黃河上游干流龍羊峽—李家峽庫壩群段為研究區域，該區域跨越青海省海南藏族自治州、黃南藏族自治州與海東市（如圖1所示），位于東經 100^°63^′ 一102^°11^′ 、北緯 35^°76^′-36^°44^′ ，高程 1937～4826m ，地形以陡峭的山岳與深切峽谷為主。研究區域地處我國青藏高原與黃土高原的過渡地帶，地質構造活躍，存在多條深大斷裂和正斷層，這些斷層成為滑坡的滑動面，為滑坡發生提供內動力地質條件。

受青藏高原隆起與黃河侵蝕作用，研究區域形成了高差大、坡度大的邊坡，這些高陡邊坡在地震或其他動力作用下容易發生變形和破壞，從而引發滑坡。受高原干旱-半干旱大陸性氣候影響，該區域年平均降雨量較小，但蒸發量較大，導致植被覆蓋率低[，在集中降水期和強降雨事件中更容易引發滑坡。大中型水電站的修建加速破壞黃河上游脆弱的地質環境，隨著水庫蓄水，地下水位抬升，土體飽和強度降低，也極有可能導致邊坡滑動[7]。地質構造活動、地形地貌特征、氣候變化以及工程建設等因素導致黃河上游干流庫壩群段滑坡災害頻發。

2 數據源

從哥白尼數據中心獲取Sentinel-1A于涉寬幅模式（IW）下的降軌單視復數SAR序列影像，該影像為C波段VVamp;VH極化，成像時段為2021年1月3日至2024年6月28日，重訪周期12d，原始分辨率為 5m× 20m （距離向 × 方位向），共獲取103景，軌道號為33，軌道方向為降軌，入射角為 33.78^° 。下載每景SAR影像對應的POD精密定軌星歷數據，其定位精度大于5cm，有效進行軌道誤差校正。收集由美國國家航空航天局（NASA）和美國國防部國家測繪局（NIMA）聯合測量的SRTM1全球數字高程模型產品，其空間分辨率可達 30m ，能有效模擬和去除地形相位。在GACOS官網下載與SAR影像獲取時間對應的大氣數據，有效進行大氣延遲校正。

3 研究方法

采用SBAS-InSAR方法將103景SAR影像組合成418組小基線干涉像對，將PS、DS選點思想與SBAS-In-SAR方法融合，采用振幅離差指數、相干性系數法選取PS點，采用KS統計檢驗方法選取DS點，建立Delaunay三角網，采用最小二乘網絡求解各點形變速率，對各殘余相位進行奇異值分解（SVD）并進行大氣校正，進而獲得各點的時序形變量。數據處理流程見圖2。

3.1 PS點選取

PS點選取的關鍵在于選取具有高相干性和穩定性的散射體。本文采用振幅離差指數與相干性系數法選取高相干點作為PS點。

振幅離差指數 D_A 反映像元的振幅穩定特性， D_A 越小像元的穩定性越高，本文以 0.2slt;0.4 為判斷條件篩選PS點。 D_A 計算公式如下：

式中： σ_A 為單個像元在時序圖像上的振幅標準差， μ_A 為單個像元在時序圖像上的振幅均值，

相干系數 γ 反映主從影像像元的相干性，對 N 對干涉像對的相干系數取平均值，得到時序相干系數|γ| ，該值越大相位越穩定，本文以 0.5lt;∣γ∣lt;1 為判斷條件篩選PS點。 γ 計算公式如下：

式中： M 為主影像像素值， s 為從影像像素值， * 表示 共軛相乘， E 為數學期望

3.2 DS點選取

采取KS統計檢驗方法確定每個像素點的統計同質點進而確定DS點，該方法基于通用分布的擬合優度檢驗方法，采用經驗分布函數確定兩像素點之間振幅是否具有一致性。設獨立同分布樣本為 X₁，X₂，… X_k（k=1，2，…，N-1） ，不同像素點 z 的經驗分布函數F_N（z） 表達式為

式中： x 為像素點， X_（1），X_（2），…，X_（k） 為從小到大重新排序后的序列。

對于2個不同的像素點而言，判斷其振幅一致性所對應的零假設（ （H₀） 和備選假設（ H₁ ）表達式為

H₀：F_Nⁱ（z）=F_N^j（z）H₁：F_Nⁱ（z）≠F_N^j（z） （4）式中： F_Nⁱ（z），F_N^j（z） 分別為像素點 i，j 的經驗分布函數。

通過引入柯爾莫哥洛夫距離 D_N 檢驗上述假設：

式中：sup 為上確界。

D_N 的累積概率密度函數 P（D_N?t） 可以用經驗KS分布 H（t） 近似為

式中： Ψ_t 為臨界值。

顯著性水平 α 計算公式為

α=1-H（Ω_t）

當 α 大于0.05時，接受零假設，像素點 i 和 j 分布相同，為一對同質點；當 α 小于0.05時，接受備選假設，認為兩點不是一對同質點。

確定同質點之后，可判斷該點為DS點。遍歷所有影像像素點之后，還需要對影像進行自適應濾波，去除斑點噪聲，提高DS點的相干性。依次計算每個DS點的相干系數，篩選SAR圖像中的DS點。

3.3 時序形變解算

對于覆蓋同一研究區域的 N 幅SAR影像，以小于時間和空間基線閾值為條件，對所有滿足條件的影像對進行組合和差分干涉處理，可得到 M 幅差分干涉圖， M 范圍為 [N/2，（N-1）N/2] O

第 i（i=1，2，…，N） 幅差分干涉圖在 t_A 至 t_B 時段內的干涉相位 φ_i 為

式中： λ 為波長， d_?A 和 d_B 分別為 t_A 和 t_B 時刻相對于主影像在LOS向的累積形變量， φ_atm 為大氣延遲效應引起的相位成分， Δφ 為噪聲引起的相位成分， φ_res 為未完全去除地形相位剩下的殘余地形相位。

為更好地表示地面沉降時間序列，將 t_i 與 t_i-1 相鄰時間獲得的平均形變速率 v_i 作為未知數來求解：

式中： φ_i-1 為第 _i-1 幅差分干涉圖的干涉相位。

對式（9）整理可得：

式中： v_k 為 t_k 與 t_k-1 相鄰時間的平均形變速率。

4結果與分析

4.1 形變監測結果

形變速率可作為滑坡失穩的判別標準，研究區域LOS向形變速率分布如圖3所示（正值表示隆升，負值表示下沉）。可以看出，龍羊峽—李家峽段形變速率為-80～50mm/a ，絕大部分區域形變速率為 -10～ 10mm/a ，處于相對穩定的狀態。形變速率負值反映了明顯的沉降運動，這通常與滑坡活動密切相關，是本文重點分析的對象。而存在的部分地表隆升現象可能是新建建筑物、地塊擠壓活動、滑覆堆積體推擠隆起等，可用升軌數據進行驗證。

4.2 滑坡隱患點識別

坡度是影響滑坡的重要因素之一。坡度越大，土壤或巖石的重力作用越明顯，滑坡發生風險越高。研究區域坡度分布如圖4所示，區域地形以陡峭的山岳與深切峽谷為主，溝道兩側坡度超過 40^° ，土壤或巖石的重力作用更加顯著、保持力相對較弱，一旦遇到降雨、地震等，容易發生大規模的滑坡事件。

當區域形變速率大于 10mm/a 時，地質結構變得極其不穩定，非常容易形成滑坡[8]。因此，本文將坡度分析與形變速率分析相結合，以提高滑坡隱患點識別的準確性。首先篩選出坡度較大的區域，然后疊加形變速率分析結果，共識別出形變速率大于 10mm/a 、坡度大于 20^° 的滑坡隱患點13處，最大形變速率為-80～-34mm/a 。隱患點分布見表1和圖5，可以看出隱患點主要集中在李家峽水電站上下游區域。

4.3 果卜坡體形變分析

拉西瓦水電站作為黃河中上游最大的水電站，于2009年底竣工，靠近右岸庫區僅 1km 的果卜坡體自水庫下閘蓄水后出現了嚴重的拉裂變形。通過高分影像（如圖6所示）可以清晰看到，在坡體后緣形成了一條線性延伸、貫通性高的拉裂陡坎。相關資料顯示，2016—2021年該坡體形變速率最大達到 461mm/a ，最大形變量超過2m[9]

通過本方法識別到果卜坡體存在滑坡隱患，即表2中1號滑坡隱患點。果卜滑坡隱患體形變速率分布如圖7所示，果卜坡體坡頂下方滑坡后緣處是整個隱患體形變速率最大的地方，其形變速率可達 80mm/a ，這一結果符合岸坡平臺前緣拉裂傾倒變形破壞特征。

果卜坡體時序形變如圖8所示。分析發現，2021年6月至2024年6月，坡頂累積形變量達到 300mm ，隨著時間推移，坡頂形變量逐漸累積，且形變趨勢逐漸向坡底擴散。當形變量累積到一定程度時，滑坡災害發生的概率增大，可能會對周邊地區的基礎設施和居民安全構成威脅。

5 結論

本文結合PS和DS選點思想以及SBAS-InSAR方法，提取龍羊峽一李家峽庫壩群段的時序形變信息。通過對形變結果疊加地形分析，共識別滑坡隱患點13處。其中果卜坡頂下方滑坡后緣處是整個隱患體形變速率最大的地方，其形變速率達 80mm/a ，呈現出由上至下擴散的形變趨勢；坡頂形變量逐年增加，2021—2024年累積形變量達到 300mm ，有加大滑坡概率的可能，應繼續加強對該隱患點的預防和監測工作。

參考文獻：

[1] 廖明生，林琿.雷達干涉測量：原理與信號處理基礎［M].北京：測繪出版社，2003：122-124.

[2] RIZOV，TESAUROM.SARInterferometryand FieldDataofRandazzo Landslide（Eastern Sicily，Italy）[J].PhysicsandChemistry of the Earth，PartB：Hydrology，Oceans and At-mosphere，2000，25（9）：771-780.

[3] FERRETTIA，PRATIC，ROCCAFL.PermanentScatterersinSAR Interferometry[J].IEEE Transactions on Geoscienceamp;Remote Sensing，2001，39（1） ：8-20.

[4] 鄧輝，黃潤秋.InSAR技術在地形測量和地質災害研究中的應用[J].山地學報，2003，21（3）：373-377.

[5] DONG J，LIAO M S，XUQ，et al.Detection and DisplacementCharacterization of Landslides Using Multi-Temporal SatelliteSAR Interferometry：A Case Study ofDanba County in the DaduRiver Basin[J].Engineering Geology，2018，240：95-109.

[6] ZHAO SF，ZENG RQ，ZHANG H X，et al.Impact of WaterLevel Fluctuations on Landslide Deformation at LongyangxiaReservoir，Qinghai Province，China[J].Remote Sensing，2022，14（1） ：212.

[7] 張茂省，李同錄.黃土滑坡誘發因素及其形成機理研究[J].工程地質學報，2011，19（4）：530-540.

[8] 郭瑞，李素敏，陳婭男，等.基于SBAS-InSAR的礦區采空區潛在滑坡綜合識別方法[J].地球信息科學學報，2019，21（7） ：1109-1120.

[9] 武志剛，陳恒祎，趙超英，等.聯合升降軌PS-InSAR技術的滑坡二維形變監測[J].測繪科學，2023，48（5）：183-190.

【責任編輯 栗銘】