基于光学遥感和SBAS-InSAR的川渝输电网滑坡隐患早期识别

doi:10.6046/zrzyyg.2022321

摘要
图/表
参考文献
相关文章
Metrics

全文: PDF(7185 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

近年来,山区输电网工程遭遇滑坡而导致输电杆塔倒塌、电力中断的事故屡有发生,早期识别滑坡隐患、防患于未然,对于保障电力工程安全具有重要意义。为此,依托川渝输电网工程,采用光学遥感与小基线集(small baseline subset,SBAS)-合成孔径雷达差分干涉测量(interferometric synthetic aperture radar,InSAR)相结合的SBAS-InSAR方法,对川渝输电网沿线区域进行了滑坡隐患点的早期识别。通过对高分辨率光学遥感影像的解译,共识别出电网沿线杆塔附近的滑坡隐患点28处。在此基础上,采用SBAS-InSAR技术针对研究区进行地表形变探测,发现滑坡隐患点27处。上述2种方法共识别出40处滑坡隐患点,其中15处隐患点为2种方法共同识别。最后,通过现场复核、变形迹象及稳定性定性分析,认为7处隐患点对电网杆塔具有威胁而存在风险、其中2处风险较大。该成果对于川渝输电线路的滑坡地质灾害防治具有指导和参考价值。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	赵华伟
	周林
	谭明伦
	汤明高
	童庆刚
	秦佳俊
	彭宇辉

关键词 ：滑坡, 早期识别, 光学遥感, SBAS-InSAR, 川渝输电网

Abstract：

Power grid projects in mountainous regions have encountered numerous landslides in recent years, leading to collapsed transmission towers and power outages. Hence, early identification of potential landslides is crucial for ensuring the safety of power engineering. For this purpose, this study conducted early identification of potential landslides along the Sichuan-Chongqing power grid based on optical remote sensing and the small baseline subset (SBAS) - interferometric synthetic aperture radar (InSAR) technology. The interpretation of high-resolution optical remote sensing images revealed 28 potential landslide sites near the transmission towers along the power grid. Based on this, this study detected the study area’s surface deformation using the SBAS-InSAR technology, identifying 27 potential landslide sites. Except for 15 repeated results, the above two methods identified a total of 40 potential landslide sites. Finally, through field check and the qualitative analysis of deformation signs and stability, this study determined that seven potential landslide sites threaten the safety of transmission towers, with two of them presenting higher risks. These findings provide valuable guidance and references for the prevention and control of landslides along the Sichuan-Chongqing power grid.

Key words： landslide early identification optical remote sensing SBAS-InSAR Sichuan-Chongqing power grid

收稿日期: 2022-08-10 出版日期: 2023-12-21

ZTFLH:

P237

基金资助:国家电网公司科技项目“基于AI技术的川渝输电网地质灾害和山火智能识别与预警研究”(SGSW0000AQJS2100059);重庆市规划和自然资源局科技项目“重庆市地质灾害智能化监测预警模型建设”(TC209D058)

通讯作者: 汤明高(1978-),男,博士,教授,主要从事地质灾害机理、评价预测与防治研究。Email: tomyr2008@163.com。

作者简介: 赵华伟(1998-),男,硕士研究生,主要从事岩土工程专业相关研究。Email: 2273366235@qq.com。

引用本文:

赵华伟, 周林, 谭明伦, 汤明高, 童庆刚, 秦佳俊, 彭宇辉. 基于光学遥感和SBAS-InSAR的川渝输电网滑坡隐患早期识别[J]. 自然资源遥感, 2023, 35(4): 264-272.
ZHAO Huawei, ZHOU Lin, TAN Minglun, TANG Minggao, TONG Qinggang, QIN Jiajun, PENG Yuhui. Early identification of potential landslides for the Sichuan-Chongqing power grid based on optical remote sensing and SBAS-InSAR. Remote Sensing for Natural Resources, 2023, 35(4): 264-272.

链接本文:

https://www.gtzyyg.com/CN/10.6046/zrzyyg.2022321 或 https://www.gtzyyg.com/CN/Y2023/V35/I4/264

Fig.1 研究区位置图及雷达影像覆盖图

Fig.2 典型的老滑坡的影像

Fig.3 H37滑坡隐患点光学遥感影像

Tab.1 Sentinel-1A影像基本参数

Fig.4 基于光学遥感人工解译识别的滑坡隐患分布图

Fig.5 哨兵1号A升轨年均形变速率图及识别滑坡隐患分布图

Tab.2 对电网正常运营有影响的滑坡隐患

Fig.6 H08滑坡隐患点光学遥感影像

Fig.7 局部破碎基岩

Fig.8 前缘公路裂缝

Fig.9 H08滑坡隐患点形变速率图

Fig.10 H08滑坡隐患特征点时序形变曲线

Fig.11 H10滑坡隐患点光学遥感影像

Fig.12 H10滑坡隐患点形变速率图

Fig.13 H10滑坡隐患Ⅰ区特征点时序形变曲线

Fig.14 H10滑坡隐患Ⅱ区特征点时序形变曲线

[1]	高霞霞, 李素敏, 陈朋弟, 等. 时序InSAR边坡滑移监测下输电杆塔失稳机理研究[J]. 贵州大学学报(自然科学版), 2022, 39(1):43-50.
	Gao X X, Li S M, Chen P D, et al. Research on the instability mechanism of transmission towers under time-series InSAR slope slip monitoring[J]. Journal of Guizhou University(Natural Sciences), 2022, 39(1):43-50.
[2]	董继红, 马志刚, 梁京涛, 等. 基于时序InSAR技术的滑坡隐患识别对比研究[J]. 自然资源遥感, 2022, 34(3):73-81.doi:10.6046/zrzyyg.2021333.
	Dong J H, Ma Z G, Liang J T, et al. A comparative study of the identification of hidden landslide hazards based on time series InSAR techniques[J]. Remote Sensing for Natural Resources, 2022, 34(3):73-81.doi:10.6046/zrzyyg.2021333.
[3]	丁华, 丁辉. 遥感技术在滑坡灾害解译中的应用——以陕西省延安市子长县为例[J]. 自然灾害学报, 2013, 22(2):229-233.
	Ding H, Ding H. Application of remote sensing technology to interpretation of landslide disaster:A case study of Zichang County,Shanxi Province[J]. Journal of Natural Disasters, 2013, 22(2):229-233.
[4]	董秀军, 王栋, 冯涛. 无人机数字摄影测量技术在滑坡灾害调查中的应用研究[J]. 地质灾害与环境保护, 2019, 30(3):77-84.
	Dong X J, Wang D, Feng T. Research on the application of unmanned aerial vehicle digital photogrammetry in landslide disaster investigation[J]. Journal of Geological Hazards and Environment Preservation, 2019, 30(3):77-84.
[5]	许强, 李为乐, 董秀军, 等. 四川茂县叠溪镇新磨村滑坡特征与成因机制初步研究[J]. 岩石力学与工程学报, 2017, 36(11):2612-2628.
	Xu Q, Li W L, Dong X J, et al. The Xinmocun landslide on June 24,2017 in Maoxian,Sichuan:characteristics and failure mechanism[J]. Chinese Journal of Rock Mechanics and Engineering, 2017, 36(11):2612-2628.
[6]	张文君. 滑坡灾害遥感动态特征监测及其预测分析研究[D]. 成都: 西南交通大学, 2007.
	Zhang W J. Research on the remote sensing dynamic character monitoring and prediction analysis of landslide disaster[D]. Chengdu: Southwest Jiaotong University, 2007.
[7]	朱怡飞, 姚鑫, 姚磊华, 等. 基于InSAR和光学遥感的贵州鬃岭采煤滑坡识别与危险性评价[J]. 地质力学学报, 2022, 28(2):268-280.
	Zhu Y F, Yao X, Yao L H, et al. Identification and risk assessment of coal mining-induced landslides in Guizhou Province by InSAR and optical remote sensing[J]. Journal of Geomechanics, 2022, 28(2):268-280.
[8]	Guo J M, Hu J Y, Li B, et al. Land Subsidence in Tianjin for 2015 to 2016 Revealed by the Analysis of Sentinel-1A with SBAS-InSAR[J]. Journal of Applied Remote Sensing, 2022, 11(2):026024. doi: 10.1117/1.JRS.11.026024
[9]	陆会燕, 李为乐, 许强, 等. 光学遥感与InSAR结合的金沙江白格滑坡上下游滑坡隐患早期识别[J]. 武汉大学学报(信息科学版), 2019, 44(9):1342-1354.
	Lu H Y, Li W L, Xu Q, et al. Early detection of landslides in the upstream and downstream areas of the baige landslide,the Jinsha River based on optical remote sensing and InSAR technologies[J]. Geomatics and Information Science of Wuhan University, 2019, 44(9):1342-1354.
[10]	张路, 廖明生, 董杰, 等. 基于时间序列InSAR分析的西部山区滑坡灾害隐患早期识别——以四川丹巴为例[J]. 武汉大学学报(信息科学版), 2018, 43(12):2039-2049.
	Zhang L, Liao M S, Dong J, et al. Early detection of landslide hazards in mountainous areas of West China using time series SAR interferometry:A case study of Danba, Sichuan[J]. Geomatics and Information Science of Wuhan University, 2018, 43(12):2039-2049.
[11]	廖明生, 张路, 史绪国, 等. 滑坡变形雷达遥感监测方法与实践[M]. 北京: 科学出版社, 2017.
	Liao M S, Zhang L, Shi X G, et al. Remote sensing monitoring method and practice of landslide deformation radar[M]. Beijing: Science Press, 2017.
[12]	聂成顺. 基于InSAR和光学遥感的会东县滑坡隐患识别研究[D]. 北京: 中国地质大学(北京), 2021.
	Nie C S. Recognition for potential landslides in Huidong County based on InSAR and optical remote sensing[D]. Beijing: China University of Geosciences(Beijing), 2021.
[13]	许强, 董秀军, 李为乐. 基于天-空-地一体化的重大地质灾害隐患早期识别与监测预警[J]. 武汉大学学报(信息科学版), 2019, 44(7):957-966.
	Xu Q, Dong X J, Li W L. Integrated space-air-ground early detection, monitoring and warning system for potential catastrophic geohazards[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7):957-966.
[14]	许强. 对地质灾害隐患早期识别相关问题的认识与思考[J]. 武汉大学学报(信息科学版), 2020, 45(11):1651-1659.
	Xu Q. Understanding and consideration of related issues in early identification of potential geohazards[J]. Geomatics and Information Science of Wuhan University, 2020, 45(11):1651-1659.
[15]	葛大庆. 地质灾害早期识别与监测预警中的综合遥感应用[J]. 城市与减灾, 2018(6):53-60.
	Ge D Q. Comprehensive application of remote sensing application in early identification,monitoring and early warning of geological disasters[J]. City and Disaster Reduction, 2018(6):53-60.
[16]	葛大庆, 戴可人, 郭兆成, 等. 重大地质灾害隐患早期识别中综合遥感应用的思考与建议[J]. 武汉大学学报(信息科学版), 2019, 44(7):949-956.
	Ge D Q, Dai K R, Guo Z C, et al. Early identification of serious geological hazards with integrated remote sensing technologies: Thoughts and recommendations[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7):949-956.
[17]	葛大庆, 郭兆成. 重大地质灾害隐患早期识别中综合遥感应用的思考[J]. 中国应急救援, 2019(1):10-14.
	Ge D Q, Guo Z C. Thoughts on the application of comprehensive remote sensing in the early identification of hidden dangers of major geological disasters[J]. China Emergency Rescue, 2019(1):10-14.
[18]	沙永莲, 王晓文, 刘国祥, 等. 基于SBAS-InSAR的新疆哈密砂墩子煤田开采沉陷监测与反演[J]. 自然资源遥感, 2021, 33(3):194-201.doi:10.6046/zrzyyg.2020026.
	Sha Y L, Wang X W, Liu G X, et al. SBAS-InSAR based monitoring and inversion of surface subsidence of the Shadunzi Coal Mine in Hami City,Xinjiang[J]. Remote Sensing for Natural Resources, 2021, 33(3):194-201.doi:10.6046/zrzyyg.2020026.
[19]	刘沛源, 常鸣, 武彬彬, 等. 基于SBAS-InSAR,技术的成汶高速汶川段滑坡易发区选线研究[J]. 地球科学, 2022, 47(6):2048-2057.
	Liu P Y, Chang M, Wu B B, et al. Route selection of landslide prone area in Wenchuan section of Chengdu Wenchuan expressway based on SBAS-InSAR[J]. Earth Science, 2022, 47(6):2048-2057.
[20]	张家勇, 邹银先, 刘黔云, 等. 利用时序InSAR进行毕节市潜在滑坡识别与形变监测[J]. 测绘通报, 2022(6):121-124. doi: 10.13474/j.cnki.11-2246.2022.0183.
	Zhang J Y, Zou Y X, Liu Q Y, et al. Potential landslides deformation monitoring in Bijie City with InSAR time series[J]. Bulletin of Surveying and Mapping, 2022(6):121-124. doi: 10.13474/j.cnki.11-2246.2022.0183.
[21]	卓宝熙. 工程地质遥感判释与应用[M]. 北京: 中国铁道出版社, 2011.
	Zhuo B X. Remote sensing interpretation & application of geology engineering[M]. Beijing: China Railway Publishing House, 2011.
[22]	徐子兴, 季民, 张过, 等. 基于SBAS-InSAR技术和Logistic模型的矿区沉降动态预测方法[J]. 自然资源遥感, 2022, 34(2):20-29.doi:10.6046/zrzyyg.2021354.
	Xu Z X, Ji M, Zhang G, et al. Method for dynamic prediction of mining subsidence based on the SBAS-InSAR technology and the logistic model[J]. Remote Sensing for Natural Resources, 2022, 34(2):20-29.doi:10.6046/zrzyyg.2021354.
[23]	Berardino P, Fornaro G, Lanari R, et al. A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(11):2375-2383. doi: 10.1109/TGRS.2002.803792

[1]	余绍淮, 徐乔, 余飞. 联合光学和SAR遥感影像的山区公路滑坡易发性评价方法[J]. 自然资源遥感, 2023, 35(4): 81-89.
[2]	潘建平, 付占宝, 邓福江, 蔡卓言, 赵瑞淇, 崔伟. 时序InSAR解析消落带区域岸坡地表形变及其水要素影响[J]. 自然资源遥感, 2023, 35(2): 212-219.
[3]	张雨, 明冬萍, 赵文祎, 徐录, 赵治, 刘冉. 基于高分光学卫星影像的泸定地震型滑坡提取与分析[J]. 自然资源遥感, 2023, 35(1): 161-170.
[4]	虎小强, 杨树文, 闫恒, 薛庆, 张乃心. 基于时序InSAR的新疆阿希矿区地表形变监测与分析[J]. 自然资源遥感, 2023, 35(1): 171-179.
[5]	李晨辉, 郝利娜, 许强, 王一, 严丽华. 面向对象的高分辨率遥感影像地震滑坡分层识别[J]. 自然资源遥感, 2023, 35(1): 74-80.
[6]	贺鹏, 颜瑜严, 文艳, 马志刚, 焦其松, 郭兆成, 莫悠. 机载LiDAR技术在缓倾地层滑坡及其拉裂槽识别中的应用[J]. 自然资源遥感, 2022, 34(4): 307-316.
[7]	刘亚林. 基于真实感场景影像的天陇铁路勘察遥感解译与分析[J]. 自然资源遥感, 2022, 34(3): 227-234.
[8]	董继红, 马志刚, 梁京涛, 刘彬, 赵聪, 曾帅, 鄢圣武, 马晓波. 基于时序InSAR技术的滑坡隐患识别对比研究[J]. 自然资源遥感, 2022, 34(3): 73-81.
[9]	罗雪玮, 向喜琼, 吕亚东. 龙里某塌陷时序InSAR变形监测的PS修正[J]. 自然资源遥感, 2022, 34(3): 82-87.
[10]	杨昭颖, 韩灵怡, 郑向向, 李文吉, 冯磊, 王轶, 杨永鹏. 基于卷积神经网络的遥感影像及DEM滑坡识别——以黄土滑坡为例[J]. 自然资源遥感, 2022, 34(2): 224-230.
[11]	晏红波, 韦晚秋, 卢献健, 杨志高, 黎振宝. 基于高光谱特征的土壤含水量遥感反演方法综述[J]. 自然资源遥感, 2022, 34(2): 1-9.
[12]	徐子兴, 季民, 张过, 陈振炜. 基于SBAS-InSAR技术和Logistic模型的矿区沉降动态预测方法[J]. 自然资源遥感, 2022, 34(2): 20-29.
[13]	刘文, 王猛, 宋班, 余天彬, 黄细超, 江煜, 孙渝江. 基于光学遥感技术的冰崩隐患遥感调查及链式结构研究——以西藏自治区藏东南地区为例[J]. 自然资源遥感, 2022, 34(1): 265-276.
[14]	杨旺, 何毅, 张立峰, 王文辉, 陈有东, 陈毅. 甘肃金川矿区地表三维形变InSAR监测[J]. 自然资源遥感, 2022, 34(1): 177-188.
[15]	艾璐, 孙淑怡, 李书光, 马红章. 光学与SAR遥感协同反演土壤水分研究进展[J]. 自然资源遥感, 2021, 33(4): 10-18.

Viewed

Full text

Abstract

Cited

Shared

Discussed