基于SBAS-InSAR 技術的中緬邊境山區地質災害隱患探測

易邦進, 黃成, 傅濤, 孫技星, 朱寶權, 鐘成

(1.云南省地質科學研究所,昆明 650051; 2.云南省地質環境監測院,昆明 650216;3.中國地質大學(武漢)湖北巴東地質災害國家野外科學觀測研究站,武漢 430079)

0 引言

中國位于印度板塊、歐亞板塊與太平洋板塊交匯區域,構造運動活躍,地質環境復雜,氣候類型多樣,人類工程活動頻繁,是一個滑坡等地質災害多發的國家[1-2]。2021年,中國共發生地質災害4 772起,造成80人死亡、11人失蹤,其中滑坡2 335起、崩塌1 746起、泥石流374起、地面塌陷285起、地裂縫21起、地面沉降11起,造成直接經濟損失約32億元。開展防災減災工作的先決條件是進行滑坡災害排查,掌握區域內滑坡隱患的分布情況[3]。但是滑坡發生的地點、時間、規模和方式具有很大的不確定性,地質構造、地形地貌等環境因子的復雜性也給滑坡隱患點排查帶來很大困難。如何高效找出滑坡隱患點,為制定防災預警策略提供支持仍是當前地質災害防治工作面臨的關鍵問題[3-4]。

InSAR能夠實現對微小地表形變的高精度探測,其精度隨著雷達波長的變化可以達到厘米甚至毫米級[5-7]。通過InSAR技術進行地質災害隱患的早期識別已在多個地區的災害調查和災后應急中發揮了顯著作用[8-10]。其中,差分干涉測量短基線集時序分析(SBAS-InSAR)技術以多主影像的干涉對為基礎,基于高相干點恢復研究區域的時間序列形變信息,克服了PS-InSAR因選取一幅影像作為公共主影像而引起的部分干涉圖相干性較差的不足,適用于大范圍的地表變形探測[11-12]。

云南省福貢縣位于中緬邊境,地質環境脆弱,滑坡、泥石流、崩塌及滾石等地質災害頻發,對人民生命財產安全和經濟建設構成嚴重威脅。特別是地質災害可能會波及到鄰國境內影響到當地的安全,引起國際糾紛[13-14]。本研究利用SBAS-InSAR技術,開展該地區潛在滑坡的早期識別,對保護居民生命和財產安全,指導當地政府防災減災和維護國防安全都具有重要意義。

1 研究區概況與數據源

1.1 研究區概況

云南省福貢縣位于橫斷山脈北段,云貴高原西北部和青藏高原的東南部(圖1)。區內主要以北北西轉為南北向的斷裂構造為主,深大斷裂及次級斷裂均較發育,致使區內巖石破碎、揉曲現象非常強烈。工作區內深大斷裂主要有怒江大斷裂、獐子山—托基大斷裂,此外,褶皺及次級結構面極為發育。以變質巖廣泛出露、酸性侵入巖極為發育為其特征,分布于褶皺系內的各個時代地層均有不同程度的變質。

圖1 研究區概況

福貢縣境內群山縱橫交錯,河流穿插切割,山脈和峽谷相間分布。大部分山區溝道巨大的地形高差,使處于高處的松散碎屑物質擁有巨大的勢能,陡急的山坡和溝床為坡面和溝床松散堆積物能量的釋放和勢能轉化為動能提供有利條件,有利于滑坡、泥石流等災害的形成,導致該區域內滑坡、崩塌、泥石流等地質災害頻發。

1.2 數據源

本文所用數據為2019年01月12日至2020年12月08日間覆蓋研究區的54景Sentinel-1A升軌數據,模式為IW模式,影像數據集的時空基線圖如圖2所示。 Sentinel-1A影像波長5.6 cm,分辨率為5 m×20 m,幅寬250 km。為了消除與減弱由軌道誤差引起的相位誤差,在數據處理過程中還使用了歐洲空間局精密軌道數據對軌道信息進行糾正。采用30 m分辨率的SRTM1數據(https: //topex.ucsd.edu/gmtsar/demgen/)輔助去除地形相位。此外,采用1∶5萬的地形圖數據庫輔助分析變形分布及地理要素的影響,同時開展了地面調查工作對地質災害隱患探測結果開展復核。

圖2 SAR圖像時空基線

1.3 短基線InSAR技術

短基線集差分干涉測量技術(即SBAS-InSAR)的核心思路是將同一個地區多幅SAR影像配準得到短基線對,采用奇異值分解法(sin-gular value decomposition, SVD)將多個短基線集聯合求解,得到目標區域的整個時間位移序列以及地表形變平均速率[15]。具體原理及流程如下:

對于獲取時間分別為t0,t1,…,tn的N+1幅SAR影像組成的數據集來說,每一幅影像至少可以和一幅其他影像組成干涉對,可以生成M組干涉對,M、N滿足以下關系(假設N為奇數):

。

(1)

對于本文的54幅影像的數據集,最終干涉對的數量在27～702之間。

假設SAR影像在t1和t2這2個時刻干涉得到干涉圖,其相位差可以表示為:

φ=φfit+φtop+φdef+φatm+φnoise+k·2π ,

(2)

,

(3)

,

(4)

,

(5)

,

(6)

式中:φfit為平地相位;φtop為地形相位;φdef為視線方向形變相位;d為視線方向形變量;φatm為2次成像期間由于大氣延遲而引起的相位;St1為t1時刻成像的大氣延遲相位;St2為t2時刻成像的大氣延遲相位;φnoise為噪聲相位;k為整周模糊度。

式(2)中的平地相位φfit可以通過對基線進行估計而獲得。地形相位可以利用參考DEM比較精確地估計出來。因為在SBAS-InSAR處理過程中,時間基線比較小,2次成像的大氣條件接近,因此,對于大氣噪聲帶來的影響忽略不計。如此,便可獲得形變相位φdef,再經過相位解纏,求得整周模糊度k,便可以獲取形變量d,即:

。

(7)

根據形變量的計算原理,SBAS-InSAR的技術流程為: 首先利用DEM數據進行地形相位去除,使用精密軌道數據進行軌道信息校正; 然后對各幅影像進行基線估算以得出平地相位并為干涉對的選取提供依據; 接著選擇恰當的時空基線閾值,選取一定數量的干涉對,本次研究中設定時間基線為61 d,空間基線為75 m,共生成157對干涉像對; 再對選取的干涉對進行差分干涉處理,得到差分干涉圖,并通過相位解纏求解整周模糊度; 最后根據干涉圖形成子集的情況,對所有干涉圖組成的相位方程采用最小二乘法或者SVD方法進行形變參數的估計。由于生成的像對之間的空間基線都比較短,可以有效地減少由于視角變化引發的去相干[15]。

2 SBAS-InSAR檢測結果

本文在Linux環境下利用GMTSAR開展InSAR處理和分析。工作站配置為i7-9700 中央處理器,64G DDR4 內存和2張GeForce RTX 2080 super顯卡。對54景Sentinel-1A影像做SBAS-InSAR處理, 得到研究區形變如圖3。

圖3 研究區形變圖

2.1 地表變形檢測

檢測到顯著形變的區域大都分布于怒江與怒江支流沿岸的河谷以及兩側高山上的部分區域及部分高山地區。其中,怒江沿岸是研究區主要的人口聚集地,地面調查臺賬點也大都位于這些區域。高山地區人煙稀少,地面調查難度大,缺乏地質災害編錄數據。通過InSAR進行非接觸地表形變監測可以很好的開展高位隱蔽地區的形變監測工作,彌補了地面調查的不足。

統計表明,SBAS-InSAR共檢測到141 032個形變點,平均形變為3.98 mm/a,標準差在14.18 mm/a。其中81.93%的形變位于-10～20 mm/a的區間。監測結果中的正負號表示形變相對衛星的運動方向,正值表示運動方向靠近衛星,負值則相反,計算形變的絕對平均值為11.06 mm/a。從地表類型分析,形變點在林地、草地以及耕地、不透水面所占比例分別是35.24%,24.33%,16.96%和13.17%?？梢姵私ㄖ锿?在其他地表類型也分布了大量形變點。相對于只能檢測到永久性散射體的PS-InSAR技術,SBAS-InSAR極大的擴展了監測范圍和密度(圖4)。

圖4 目標點分布

在形變區域中,選擇地質災害臺賬點中對應的7處比較具有代表性的隱患點,開展時間序列形變分析。典型點的位置如圖3所示,其分布從南到北相對比較均勻,基本覆蓋了各個鄉鎮,包含了滑坡、泥石流和崩塌3種主要的地質災害類型,比較具有代表性。分析每個點隨著時間變化的形變量,得到圖5的折線圖。由圖5可以發現,多數點位的形變速度比較穩定,處于緩慢形變狀態。FG2020015號滑坡點在部分時間段的變形幅度較大,FG2020526號點和FG2020158號點在2019年10月27日的形變存在顯著變化。通過逐個開展災害臺賬點時間變形曲線分析,可以對災害的動態演化過程進行深入分析,進而開展預測預報等工作。

圖5 典型點位時間序列形變分析

2.2 地質災害隱患探測和核驗

通過設置合適的形變速率閾值,可開展對潛在地質災害的早期判別。就云南省福貢縣而言,考慮到區域內地質災害的活動性和監測誤差影響,依據專家經驗選定10 mm/a為閾值; 當形變速率絕對值大于10 mm/a時,將被確定為潛在地質災害。同時,通過解譯高分2號(GF-2)影像、實地勘察和群防群測數據得到了地質災害臺賬點數據。將形變檢測結果與臺賬點記錄對比,可以發現地質災害的當前變形情況,及時發現地質災害隱患; 同時也可以用于驗證變形檢測結果的可靠性。地質災害隱患探測結果見表1,表中災害類型對照GF-2影像和實地調查確定。

表1 地質災害隱患探測

表1表明,約68.40%的變形檢測結果得到地面調查臺賬數據的驗證。另外,通過對監測結果與地面調查臺賬點的對比發現,沒有臺賬點進行驗證的區域大都分布于兩側高山之上,超出了地面調查的工作范圍,表明 InSAR 檢測可以彌補地面調查的不足。從表1中各類地質災害的監測精度統計可知,InSAR技術對于滑坡災害的監測精度最高,達到71.96%; 對泥石流的監測精度最低,為61.76%; 對于崩塌、滑坡與泥石流的總體監測精度達68.40%,表明InSAR可用于探測地表變形情況,為災害隱患識別和早期預防提供支持。圖6展示了部分檢測結果的影像和實地調查圖片,圖中第一列為InSAR檢測結果,第二列為高分2號影像,第三列為現場照片。

(a) 檢測結果1的InSAR檢查結果(左)、高分2號影像(中)和現場照片(右)

3 結論

本次研究利用了2019—2020年的時間序列SAR影像,基于時間序列InSAR技術監測了中緬邊境高山峽谷地區的地表變形情況。對監測結果進行了實地驗證,并結合地質災害臺賬點數據對監測結果進行評價。結果表明,研究區內的地質災害隱患大都分布于怒江及其支流沿岸的河谷,兩側高山上也有零星分布。研究區內地質災害隱患形變速率位于-48.45～54.67 mm/a的區間。SBAS-InSAR監測結果很好地補充了傳統方法不足,為開展地質災害隱患詳查和判定圈定了大致范圍,提高了在高山林區實現地質災害早期識別的可能性。下一步還需要綜合利用多源、多時段和多波段SAR數據開展高山峽谷地區地表時序形變檢測,進一步提高地質災害識別和監測精度。