SBAS-InSAR技術下的白鶴灘庫區典型隧道邊坡形變監測研究

郭峻杞　喜文飛　史正濤　楊志全　楊正榮

摘要：水庫庫區大型隧道開挖會對山體產生一定的擾動，引起山體形變，造成滑坡等地質災害，其形成的庫區涌浪可擴散至上下游數公里，嚴重影響大壩安全。針對單一軌道合成孔徑雷達（synthetic aperture radar，SAR）數據在深切峽谷地區形變監測中因幾何畸變導致識別不準確的問題，采用小基線集差分干涉測量技術（small baseline subsets interferometric synthetic aperture radar，SBAS-InSAR）、聯合70景升軌和68景降軌Sentinel-1A SAR影像進行數據處理，獲得研究區2020年2月至2022年5月的地表雷達視線向（line of sight，LOS）形變速率，選取白鶴灘庫區典型隧道邊坡進行形變特征分析。結果顯示：1）白鶴灘水電站庫區出現異常形變，蓄水前后隧道邊坡的年平均形變量在20 mm以上，邊坡穩定性遭到一定程度破壞；2）隧道邊坡下緣與隧道上方位置形變趨勢基本一致。采用SBAS-InSAR技術及升降軌SAR影像聯合互補的方法，可以有效克服單一軌道數據在深切峽谷地區形變監測中因陰影、疊掩、透視收縮等幾何畸變導致的識別不準確問題，其結果可用于白鶴灘庫區隧道邊坡滑坡災害的早期識別，為區域性地質災害防治管理提供科學依據。

關鍵詞：形變監測；SBAS-InSAR技術；隧道邊坡；滑坡災害

中圖分類號：P237；P642文獻標志碼：A庫區大型隧道由于開挖面大、挖掘線路長，巖體的抗剪性能削弱，使隧道邊坡的穩定性遭到破壞，一旦在庫區形成滑坡災害，其產生的涌浪將比滑坡本身造成更大的破壞，影響范圍可輻射至上下游數公里，給人類生命安全和經濟發展造成重大損失［1-4］。因此，對庫區隧道邊坡進行形變監測研究具有重要意義。

目前的庫岸滑坡災害監測方法主要有3類。第1類是傳統的監測方法，如利用精密水準儀和全站儀等儀器進行野外實地測量。此技術操作簡單并且精度較高，但在實際使用中存在一些不足的地方：在地質條件復雜的高原山區，人工野外測量工作量大且工作環境危險、監測范圍小且成本較高等［5-6］。第2類是基于光學遙感數據的監測方法。光學遙感可識別大范圍滑坡并取得了良好的效果，通過融合多種衛星遙感數據，根據光譜、紋理等地質形態變量提取滑坡位置和邊界，以評估分析滑坡特征和影響因素 ［7-9］。與傳統的野外調查方法相比，光學遙感影像克服了效率低下、工作環境危險等弊端，并且可較直觀地提取滑坡信息和特征，但它易受天氣等客觀條件的影響，在云霧較多的地區難以獲取較為可靠的地面形變信息。第3類是基于合成孔徑雷達干涉測量技術（interferometric synthetic aperture radar，InSAR）的滑坡監測方法。InSAR技術不受天氣條件影響，可獲取高精度、大范圍、全天候的地表形變數據，在大區域滑坡監測與識別中可以取得良好的效果，并在其他地質災害研究領域有著較廣的發展應用前景。InSAR技術首先用于滑坡識別是在1995年，Achache等[10]利用ERS-1數據采用差分干涉測量技術（differential InSAR，D-InSAR）對法國某滑坡進行監測，最早證明了InSAR技術在滑坡領域研究的可行性。Tantianuparp等［11］采用永久散射體差分干涉測量技術（persistent scatterer InSAR，PS-InSAR），融合多種SAR數據對三峽地區進行了滑坡識別，并對永久散射體（persistent scatterer，PS）和庫區水位變化時間進行了相關性分析。趙蓓蓓等［12］采用SBAS-InSAR技術（small baseline subsets InSAR，小基線集差分干涉測量），結合全球衛星導航系統（global navigation satellite system，GNSS）地表位移數據對三峽庫區滑坡進行了動態監測 。但在地質條件復雜的山區，單一軌道SAR數據成像易受地形地貌等因素影響，導致在監測中出現區域缺失等問題，使結果缺乏一定的可靠性 ［13-15］。

白鶴灘水電站位于四川省涼山州寧南縣和云南省昭通市巧家縣交界處，屬典型的深切峽谷區，2021年4月6日水電站正式開始蓄水，電站運行期間水位將在765～825 m之間上下波動［16］。在庫區蓄水和降雨等多因素作用下，庫區隧道邊坡穩定性遭到破壞，一旦發生滑坡災害將直接威脅上下游居民的生命財產安全。因此，論文利用SBAS-InSAR技術，聯合70景升軌和68景降軌Sentinel-1A SAR數據對白鶴灘庫區典型隧道邊坡進行形變監測研究，為白鶴灘庫區隧道邊坡滑坡等地質災害提供防災減災的技術支持。

1SBAS-InSAR技術

SBAS-InSAR技術可以獲取厘米甚至毫米級高精度地表形變情況，與傳統D-InSAR技術相比，有更高的時間采樣率;與PS-InSAR技術相比，能夠用更少的數據得到較為可靠的測量結果［17-19］。假設獲取同一地區的N+1幅SAR影像，選取其中一幅作為主影像，將其他SAR影像配準到這幅影像上，根據組合條件，干涉像對M的取值范圍為

2研究區概況

研究區位于白鶴灘水電站大壩以南約17 km處，長15.51 km，寬7.85 km，面積約121.75 km2，地處青藏高原東南部和云貴高原東北部，屬于典型的深切峽谷區，地區斷裂構造發育，山高谷深，降雨多集中在6—10月，約占全年總雨量的90%，導致該地區存在大量山體滑坡等地質災害隱患［22-23］。如圖1所示。3SBAS-InSAR技術下的數據處理

研究數據來自歐空局（European Space Agency，ESA）2020年2月2日至2022年5月24日極化方式為VV，成像模式為IW的C波段Sentinel-1A單視復數（single look comple，SLC）影像，其中升軌數據70景，降軌數據68景，數據參數如表1所示。引入哥白尼哨兵POD精密軌道數據和日本宇宙航空研究開發機構（Japan Aerospace Exploration Agency，JAXA）空間分辨率為30 m的數字高程模型（digital elevation model， DEM）， 以提高衛星軌道精度和去除地形相位。

采用SBAS-InSAR技術進行影像數據處理，經數據導入、裁剪，設置臨界基線最大百分比和最大時間基線為5%和36 d，共生成219對升軌和206對降軌干涉像對。設置多視數為1∶4能夠較好地抑制斑點噪聲，采用Minimum Cost Flow解纏方法和Goldstein濾波方法進行干涉工作流處理，在調整剔除不理想的像對之后，生成較為理想的研究區干涉圖，如圖2所示。

繼續進行軌道精煉和重去平，經過第一次反演、第二次反演以后，得到更加純凈的時間序列上的位移結果，最后對序列信息地理編碼后獲得研究區2020年2月2日至2022年5月24日LOS向（line of sight，地表雷達視線）的升降軌形變速率結果，如圖3所示。

升軌數據中沿金沙江南北兩側多為正形變，中間部位則多為負形變，整體形變速率范圍為-126.408 mm/a～107.330 mm/a；降軌數據中北側沿江部分多為負形變，中間和南側沿江部分多為正形變，整體形變速率范圍為-70.424 mm/a～87.330 mm/a。 對比圖3（a）、（b）可發現，升軌數據形變信息更為豐富，降軌數據中存在部分區域缺失問題，故采用升降軌數據聯合的辦法可以有效互補，增加監測結果的準確性和可靠性。升降軌數據得到的最終形變速率結果雖然在數值上和空間上有所差異，但形變趨勢基本上能夠對應，為驗證數據的可靠性，在分析之前采用交叉驗證的方式對數據作出檢驗。在研究區內選取若干同名點，以升軌數據LOS向形變速率為x軸，降軌數據LOS向形變速率為y軸進行線性回歸分析，結果如圖4所示。兩種數據同名點LOS向形變速率之間的相關系數為R2=0.82，表明升、降軌數據之間具有較高的相關性，證明了兩種數據聯合分析的可行性。

4實驗結果分析

4.1研究區典型隧道邊坡選取

選取研究區內3個長度在1 000 m以上的典型隧道邊坡，分別為彎梁隧道邊坡（S1）、野豬塘隧道邊坡（S2）和鷹地梁子隧道邊坡（S3），如圖5所示。

為了能夠在側視雷達視線方向獲取較好的形變信息，根據邊坡坡面朝向和哨兵衛星飛行方向選擇升降軌數據進行典型隧道邊坡形變特征分析，選擇結果如表2所示，以盡可能減小衛星掃描成像過程中產生的陰影、疊掩和透視收縮等幾何畸變問題。

4.2庫區典型隧道邊坡形變分析

S1彎梁隧道邊坡距離白鶴灘水電站大壩27 km，隧道全長1 896 m，形變速率如圖6（a）所示，邊坡整體形變速率范圍為-48.888 mm/a～25.020 mm/a，分別選取隧道上方的A點和邊坡下緣的B點，結合降雨數據進行形變分析，如圖6（b）所示。

隧道上方A點的形變趨勢和隧道邊坡下緣B點的形變趨勢基本一致，每年6—10月雨季期間形變量較大，11月—次年3月出現形變反彈，主要原因是6—10月處于雨季，邊坡受降雨影響，形變量較大，11—次年3月屬于旱季，邊坡受白鶴灘水電站蓄水影響，總體呈擠壓抬升趨勢。邊坡下緣B點的形變量稍大于隧道上方A點的形變，原因是該邊坡位于金沙江附近，在雨水沖刷作用下山上的巖石土體直接滾入江內，難以在山腳形成堆積。2021年 4月至10月期間降雨更為集中且量級更大，但邊坡的形變量較去年同時期卻減小了約10 mm，說明該邊坡受蓄水影響，總體呈擠壓抬升趨勢。

S2野豬塘隧道邊坡位于彎梁隧道邊坡以北5 km處，距離白鶴灘水電站大壩約22 km，隧道全長1 300 m，形變速率如圖7（a）所示，邊坡整體形變速率范圍為-23.423 mm/a～82.079 mm/a，分別選取野豬塘隧道上方C點和邊坡下緣D點，結合降雨量數據進行形變分析，如圖7（b）所示。

野豬塘隧道上方C點和邊坡下緣D點形變趨勢基本一致，形變量與降雨量呈現一定的相關性， 2月至9月形變量持續增加，邊坡呈沉降變化，原因是雨季期間金沙江水位抬升，裸露的巖體受到江水侵蝕，原本穩定的邊坡結構在流水作用下遭到破壞，使得邊坡形變加速，而在10至次年2月由于降雨較少，加上該地區頻繁的地質活動，使邊坡被擠壓抬升。2021年4月之前C、D兩點形變量差值約在10 mm以內，自白鶴灘水電站開始蓄水以后，隧道上方C點和邊坡下緣D點形變差值開始逐漸增大，在2022年3月達40 mm左右，并在未來的形變中有繼續擴大的趨勢，后續極有可能發展為滑坡災害，應當對該地進行持續形變監測。

S3鷹地梁子隧道邊坡距離白鶴灘水電站大壩約16.6 km，隧道全長1 200 m，邊坡下方是寧南縣騎騾溝鄉江邊村，一旦滑坡失穩將直接威脅村民的生命財產安全，邊坡整體形變速率范圍為-45.080 mm/a～37.610 mm/a，如圖8（a）所示。在隧道上方和邊坡下緣分別選取特征點E、F，結合降雨量數據繪制時間序列曲線進行形變分析，如圖8（b）所示。

鷹地梁子隧道上方E點和邊坡下緣F點整體形變趨勢基本一致，形變量隨降雨量呈規律性變化，每年2月至9月沉降，10月至次年2月抬升，2020年11月和12月抬升過程中出現兩次沉降反彈，形變量差值在10 mm以內。2021年4月以后E、F兩點形變量較2020年有所減小，但隧道上方位置形變開始逐漸超過邊坡下緣，在2022年4月差值達到20 mm，并在未來的形變中有進一步擴大的趨勢，一旦超過閾值極有可能發育為真正意義上的滑坡，使邊坡下方的居民遭受嚴重損失。

S1、S2、S3 3個隧道邊坡的邊坡下緣與隧道上方形變趨勢基本一致，形變量主要受降雨影響。2021年4月以后，隧道上方和邊坡下緣開始出現異常形變，在降雨和蓄水作用下，形變差值逐漸拉大，最大達40 mm，庫區隧道邊坡穩定性遭到破壞，存在滑坡失穩風險。

5結論

針對單一軌道SAR數據在深切峽谷地區形變監測中因成像幾何畸變出現區域缺失、導致識別不準確的問題，論文采用SBAS-InSAR技術，聯合70景升軌和68景降軌Sentinel-1A SAR影像，獲取了研究區內2020年2月2日至2022年5月24日LOS向的形變結果，結合降雨量數據分析了3個長度在1 000 m以上的典型隧道邊坡形變特征，得到以下結論：

1）白鶴灘水電站庫區形變速率范圍為-126.408 mm/a～107.330 mm/a，自2021年4月白鶴灘水電站蓄水以來，各典型隧道邊坡開始出現異常變化，年平均形變量較去年同時期相差20 mm以上，庫區隧道邊坡穩定性遭到一定程度破壞。

2）選取的3個典型隧道邊坡下緣與隧道上方形變趨勢基本一致，形變量受降雨量影響較大，雨旱兩季形變差異明顯，在降雨和庫區蓄水等多因素作用下，白鶴灘庫區隧道邊坡存在滑坡失穩風險。參考文獻：

[1]宋國虎， 楊楨賢， 郭朝旭， 等. 成都五家墳滑坡變形破壞特征和復活機制分析［J］. 科學技術與工程， 2022， 22（2）： 496-503.

［2］ 覃事河， 鄭正勤， 胡慶忠， 等. 高山峽谷區大型水電站庫岸滑坡失穩機理與風險管理研究［J］. 廣東水利水電， 2021（12）： 25-30.

［3］ 周丁恒， 曹力橋， 楊宏偉， 等. 連拱隧道邊坡三維變形的現場監測與分析［J］. 巖石力學與工程學報， 2010， 29（S2）： 3785-3791.

［4］ 殷坤龍， 張宇， 汪洋. 水庫滑坡涌浪風險研究現狀和災害鏈風險管控實踐［J］. 地質科技通報， 2022， 41（2）： 1-12.

［5］ 謝全敏， 李曉輝， 楊文東. 滑坡災害風險評估的FA-ECM法［J］. 金屬礦山， 2017（1）： 25-29.

［6］ 李慧. 基于光學遙感和InSAR技術的滑坡早期識別與監測研究［D］. 廣州：廣東工業大學， 2020.

［7］ MCDERMID G J， FRANKLIN S E. Remote sensing and geomorphometric discrimination of slope processes［J］. Zeitschrift für Geomorphologie. Supplementband， 1995 （101）： 165-185.

［8］ 王治華. 滑坡遙感調查、監測與評估［J］. 國土資源遙感， 2007（1）： 10-15，23，103.

［9］ 曹景峰， 劉洪鋮. 基于Quickbird影像的水庫庫岸滑坡遙感解譯研究［J］. 吉林水利， 2017（12）： 4-6，10.

［10］ACHACHE J， FRUNEAU B， DELACOURT C. Applicability of SAR interferometry for operational monitoring of landslides［C］//Proceedings of the Second ERS Applications Workshop. London： ［s. n. ］， 1995： 165-168.

［11］TANTIANUPARP P， SHI X， ZHANG L， et al. Characterization of landslide deformations in three gorges area using multiple InSAR data stacks［J］. Remote Sensing， 2013， 5（6）： 2704-2719.

［12］趙蓓蓓， 黃海峰， 鄧永煌， 等. 基于Sentinel-1A的三峽庫區范家坪滑坡InSAR監測分析［J］. 人民長江， 2022， 53（10）： 103-107.

［13］喜文飛. 滇東北山區無人機遙感影像預處理方法及滑坡特征識別研究［D］. 昆明：云南師范大學， 2019.

［14］石固林， 徐浪， 張璇鈺， 等. 西山村滑坡時序形變的SBAS-InSAR監測［J］. 測繪科學， 2021， 46（2）： 93-98，105.

［15］周定義， 左小清， 喜文飛， 等. 基于SBAS-InSAR技術的深切割高山峽谷區滑坡災害早期識別［J］. 中國地質災害與防治學報， 2022， 33（2）： 16-24.

［16］吳明堂， 崔振華， 易小宇， 等. 白鶴灘庫區象鼻嶺-野豬塘段地質災害綜合遙感識別［J/OL］. 長江科學院院報： 1-10［2023-04-13］. http： //kns. cnki. net/kcms/detail/42. 1171. TV. 20220530. 1511. 006. html.

［17］王宏宇. 短時空基線PS-InSAR技術在大同地區的形變監測研究［D］. 西安：長安大學， 2011.

［18］李曉恩， 周亮， 蘇奮振， 等. InSAR技術在滑坡災害中的應用研究進展［J］. 遙感學報， 2021， 25（2）： 614-629.

［19］張文旭， 李巍， 李首達， 等. 基于SBAS-INSAR技術的滑坡變形監測［J］. 遼寧科技大學學報， 2021， 44（2）： 135-140.

［20］曾學宏， 趙義花. 利用SBAS-InSAR技術分析西寧市地面沉降監測及驅動因素［J］. 測繪通報， 2022（6）： 137-142.

［21］張家勇， 鄒銀先， 劉黔云， 等. 利用時序InSAR進行畢節市潛在滑坡識別與形變監測［J］. 測繪通報， 2022（6）： 121-124.

［22］張欣， 王運生. 白鶴灘水電站庫區小江斷裂帶活動性研究［J］. 工程地質學報， 2017， 25（2）： 531-540.

［23］李大龍， 尉海江， 易小宇， 等. 白鶴灘庫區王家山滑坡蓄水涌浪風險評價［J］. 科學技術與工程， 2022， 22（2）： 850-856.

（責任編輯：曾晶）

Study on Deformation Monitoring of Typical Tunnel Slope in Baihetan

Reservoir Area Under SBAS-InSAR Technology

GUO Junqi XI Wenfei SHI Zhengtao YANG Zhiquan YANG Zhengrong

（1.Faculty of Geography， Yunnan Normal University， Kunming 650500， China; 2.Key Laboratory of Early Rapid Identification， Prevention

and Control of Geological Diseases in Traffic Corridor of High Intensity Earthquake Mountainous Area of Yunnan Province， Kunming

650093， China； 3.Faculty of Public Safety and Emergency Management， Kunming University of Science and Technology，

Kunming 650093， China; 4.Key Laboratory of Geological Disaster Risk Prevention and Control and Emergency

Disaster Reduction of Ministry of Emergency Management of the Peoples Republic of China，

Kunming University of Science and Technology， Kunming 650093， China）Abstract： Large-scale tunnel excavation in the reservoir area will cause certain disturbance to the mountain， leading to deformation of the mountain and geological disasters such as landslides. The surge wave formed in the reservoir area can spread to several kilometers downstream， seriously affecting the safety of the dam. Aiming at the problem of inaccurate identification of single-orbit synthetic aperture radar （SAR） data in deformation monitoring in deep canyon region due to geometric distortion， in this paper， small baseline subsets interferometric synthetic aperture radar （SBAS-InSAR） is used for data processing combined with Sentinel-1A SAR images of 70 ascending orbiters and 68 descending orbiters. The surface radar line of sight （LOS） deformation rate from February 2020 to May 2022 was obtained， and the typical tunnel slope in Baihetan Reservoir area was selected to analyze the deformation characteristics. The results show that： 1） Abnormal deformation occurs in the reservoir area of Baihetan Hydropower Station. The annual mean shape variable of the tunnel slope before and after impoundment is over 20mm， and the slope stability is damaged to a certain extent. 2） The deformation trend of the lower edge of the tunnel slope and the position above the tunnel is basically consistent. The combined complementary method of SBAS-InSAR technology and SAR images of lifting rail can effectively overcome the problem of inaccurate identification of single-track data in deformation monitoring of deep canyon area due to geometric distortion such as shadow， overlay and perspective contraction. The results can be used for early identification of slope landslide disaster in Baihetan Reservoir area and provide scientific basis for regional geological disaster prevention and management.

Key words： deformation monitoring； SBAS-InSAR technology； tunnel slopes； landslide disasters