基于D-InSAR技术的滑坡识别监测结果分析*
——以贵州某地区为例

黄广才，喜文飞，安 全，李思发，韦 瑾

(1.贵州省地质调查院，贵州 贵阳 550081；2.云南师范大学 地理学部，云南 昆明 650500)

0 引言

我国构造运动频繁，地形结构复杂，滑坡、崩塌等地质灾害呈现分布广泛、高易发等特点。地质灾害往往会导致强大的破坏力，严重威胁群众的生命和财产安全，并且使当地经济发展受限[1-2]。如何准确地识别地质灾害所处位置及可能发生灾害的时间，并且提前进行预报预警，是当前地质灾害工作人员关心的首要问题[3]。因此，开展地质灾害的大范围识别与监测，显得尤为重要。

水准测量、GPS测量和三维激光扫描技术等地表形变监测手段，难以在植被覆盖茂密、人迹罕至的高山峡谷区展开对滑坡等地质灾害的大范围监测[3-4]。光学遥感技术虽凭借其范围广、低成本等优势被广泛应用于地质灾害隐患排查，但易受气候条件影响，且对缓慢变形的地质灾害隐患难以识别[5-7]。

合成孔径雷达干涉 (Interferometric Synthetic Aperture Radar，InSAR) 测量技术作为一种新型地表形变监测技术，具有空间分辨率高、时间分辨率高、精度高以及大范围空间连续覆盖等众多优势[8-9]，已经成为地质灾害监测不可或缺的重要手段之一，被众多学者用于地震、火山、滑坡、地裂缝[10-17]等地质灾害形变监测研究。1996年法国学者Fruneau[18]等采用ERS-1数据，采用D-InSAR技术获取了6幅差分干涉图，监测结果能够清晰完整显示滑坡的形变趋势，与实测结果相一致。而后，又有不同学者对这一地区同样采用多期ERS-1/2数据，利用D-InSAR方法进行更深入的研究，得出了较为一致的滑坡形变场，证明了此滑坡的缓慢变形态势。近年来国内越来越多的学者也利用InSAR技术用于获取隐患的识别与监测研究。王群[19]等人利用不同传感器的SAR数据，采用PS-InSAR技术和offsettracking技术就金沙江白格滑坡滑前的运动特征进行了追溯，发现白格滑坡在失稳之前已有明显的滑移，其成果表明InSAR技术可以对活动性滑坡进行早期识别，并对活动性滑坡的形变特征进行定期观测，可以为滑坡灾害的预警提供重要参考。姚鑫等人[20]利用InSAR技术对高山峡谷区的滑坡进行识别和规律分析，示范了InSAR解译及重点区域规律分析及现场调查的工作流程和关键技术，同时也对泛三江并流区的隐患进行了早期识别和分布及发育规律进行了分析。杨成生等人[21]利用升降轨数据对金沙江流域巴塘段的滑坡隐患进行了识别，并对不同轨道数据的观测情况进行了分析，并采用MSBAS-InSAR技术对典型滑坡进行二维时序监测分析，认为降雨对该区域滑坡隐患变形具有促进作用。李梦华等[22]利用InSAR技术对四川茂县沿江区段滑坡隐患开展识别监测，同时对不同轨道数据在雷达视线向的灵敏度进行了分析，避免了对应滑坡体真实形变量的误判。

植被覆盖茂密地区，波长较短的SAR数据(比如C波段、X波段)因植被穿透能力较差，会造成较为严重的失相干现象，进而使得滑坡识别存在漏判、误判现象。搭载L波段的ALOS-2数据因其长波长、分辨率较高，对植被具有较好的穿透性。本文研究贵州地区植被覆盖茂密区域的滑坡变形，利用两景ALOS-2数据，采用D-InSAR技术，结合光学影像的方法进行滑坡识别，该方法可以为植被覆盖度较大区域的地质灾害识别提供参考。

1 研究区概况和实验数据1.1 研究区概况

研究区位于贵州省西部，属于毕节市与六盘水市交界区域，位于北纬26°19′23″～27°2′54″、东经104°55′49″～105°37′21″之间(见图1)。境内属岩溶地貌，多高原山地，地势表现为西北高，东南低，中部隆起，区域内海拔最高为2 858 m，最低为428 m。属于北亚热带季风湿润气候区，受低纬度高海拔的影响，冬暖夏凉，气候宜人，区域内植被覆盖茂密。

图1 研究区概况图Fig.1 Overview of study area

1.2 实验数据

本文实验选用了2014年5月日本空间局发射的ALOS PALSAR-2卫星搭载L波段传感器所采集的2景SPOT模式SAR数据，影像的基本参数见表1。同时收集了由日本宇宙航空研究开发机构(JAXA)发布的30 m分辨率的数字高程数据AW3D30，该数据被用来辅助SAR数据配准、模拟地形相位、叠掩阴影区的移除及地理编码处理。

表1 ALOS PALSAR-2数据参数Tab.1 ALOS PALSAR-2 data parameters

2 研究方法

合成孔径雷达差分干涉测量(D-InSAR)技术是指利用在同一空间位置不同时间节点获取的同一地区两幅SAR数据，通过对SAR数据中的相位信息共轭相乘获取干涉相位，其中干涉相位可表示为[23]：

Δφ=φ2-φ1

=Δφflat+Δφtopo+Δφdef+Δφatm+Δφnoise

(1)

式中：φi(i=1，2)为前后两幅SAR影像相位信息；Δφflat为地球椭球面引起的干涉相位，称为平地效应，在干涉处理应予以去除；Δφtopo为地表高程变化引起的干涉相位，称为地形相位；Δφdef为目标沿雷达视线方向引起的形变相位；Δφatm是大气延迟相位；Δφnoise为噪声相位。

通过滤波、相位解缠、大气延迟相位去除等处理，进而得到地表形变信息。

本文数据经过影像配准及多视处理、原始干涉图生成及地形相位去除、干涉图滤波和相干系数图计算、相位解缠、形变获取和地理编码等处理。数据处理流程如图2所示。

图2 D-InSAR技术流程Fig.2 D-InSAR technology flow

图3为数据处理各步骤局部结果图。

图3 D-InSAR过程图件Fig.3 D-InSAR process maps

3 结果分析

3.1 基于D-InSAR技术的滑坡识别结果

采用2020年7月19日和2020年8月16日两景数据，利用D-InSAR技术获取了该区域的形变结果，如图4所示。

图4 研究区域地表形变结果Fig.4 Surface deformation results in study area

基于D-InSAR结果进行解译，初步解译出24处明显的变形区域，变形较大区域形变量达到-16.6 cm。结合光学影像，对这24处变形进行解译筛选，发现其中11处为滑坡隐患，另外10处为采矿、采煤引起的地面沉降现象，还有3处是因为人类工程活动引发的变形。其中，绝大多数滑坡隐患分布于纳雍县和水城县。表2为该研究区域内24处隐患点的变形信息及解译情况。

表2 D-InSAR识别隐患点信息表Tab.2 Information of hidden hazards points identified by using D-InSAR

3.2 典型滑坡分析

结合图4和表2，选取大桥社区区域的两个滑坡作为典型滑坡隐患进行分析，该滑坡如图4中黑色箭头所示，位于毕节市织金县阿弓镇。根据D-InSAR结果(见图5(b))显示，两个滑坡变形范围清晰，最大形变量为-12 cm。同时收集了对应区域，与之时间相近的光学影像(见图5(a))。从光学影像上可以清晰地看到该处分布着两个十分典型的滑坡，滑坡呈舌形，主滑方向近似西北方向。滑坡最高处海拔2 072 m，最低处1 832 m。左侧滑坡可以看到明显的滑面，地表裸露，无植被覆盖，因滑坡变形表面新鲜，坡脚有明显的堆积体。右侧同样可以看到多处明显溜滑痕迹，滑坡表面颜色与周围具有明显的差异性。为了更进一步分析，对D-InSAR结果沿着该滑坡提取AA′剖线变形量分布情况，从图6(a)中可以看到2处明显的沉降漏斗，其中最大形变量为-9.65 cm，对应位置为图5(a)中右侧滑坡隐患，在距离A点0.55 km处，也有一个较小的沉降漏斗，对应图5(a)中左侧滑坡隐患，由于该滑坡变形主要集中在上部，所以变形较小。同时分别对这两个滑坡提取沿滑坡方向剖线BB′和CC′，从剖面图可看到明显的变形沉降漏斗，在进入滑坡区域，形变量增加，最大形变量分别是-8.42 cm与-6.92 cm，随着远离B点、C点，其变形量趋于稳定在变形量内，证明了该区域地表发生了变形，同时裁剪了对应滑坡的差分干涉图(见图6(d))，从图中可以看到较为明显的干涉信息，如图中虚线所圈定。同时也看到滑坡坡脚不远处有一处变形较为强烈的位置，经与光学影像对比，此处为采矿引起的地面沉降，为表2中的旧官寨塌陷。

图5 大桥社区滑坡光学影像与D-InSAR结果图Fig.5 Optical image and D-InSAR result of landslide in Daqiao community

图6 D-InSAR沿剖面形变量结果及差分干涉图Fig.6 D-InSAR deformation results along profile and differential interferogram

通过以上分析，不难发现使用ALOS-2数据，采用D-InSAR技术在该地进行滑坡的识别和监测具有较强的可行性，可以大大提高地质灾害识别的效率。

4 结论

本文利用两景ALOS-2数据采用差分干涉测量技术获取了研究区内2020年7月19日至2020年8月16日地表形变结果，通过分析得出以下结论：

1)基于D-InSAR结果成功识别出24处变形点，并结合光学影像对变形点进行解译，其中，11处为滑坡灾害，10处为采矿引起的地面沉降和3处为人类工程活动引发的变形。通过对大桥社区范围内两处典型滑坡的识别监测分析，表明基于ALOS-2数据，采用D-InSAR技术进行滑坡的识别监测具有较强的可行性。

2)从识别的隐患点来看，InSAR技术用于地表形变监测，可以快速高效地获取高精度地表形变信息，然而D-InSAR结果中仍然残留许多误差，而时序InSAR技术利用通过多幅SAR影像，减少各类误差来获取高精度结果，因此未来研究重点将是时序InSAR技术用于地质灾害隐患识别监测。