自然资源遥感, 2024, 36(1): 128-136 doi: 10.6046/zrzyyg.2023313

技术应用

基于综合遥感的察隅县滑坡隐患识别及致灾机理分析

蔡建澳,1, 明冬萍,1,2, 赵文祎1,3, 凌晓1, 张雨1, 张星星1

1.中国地质大学(北京)信息工程学院,北京 100083

2.深时数字地球前沿科学中心,北京 100083

3.中国地质环境监测院,北京 100081

Integrated remote sensing-based hazard identification and disaster-causing mechanisms of landslides in Zayu County

CAI Jian’ao,1, MING Dongping,1,2, ZHAO Wenyi1,3, LING Xiao1, ZHANG Yu1, ZHANG Xingxing1

1. School of Information Engineering, China University of Geosciences(Beijing), Beijing 100083, China

2. Frontiers Science Center for Deep-time Digital Earth, China University of Geosciences (Beijing), Beijing 100083, China

3. China Geological Environment Monitoring Institute, Beijing 100081, China

通讯作者: 明冬萍(1976-),女,博士,教授,主要从事遥感地学智能计算、高分遥感、大数据地质灾害智能监测等研究。Email:mingdp@cugb.edu.cn。

责任编辑: 张仙

收稿日期: 2023-10-30   修回日期: 2023-11-19  

基金资助: 国家重点研发计划项目课题“边海重点区域安全态势预警智能技术”(2022YFB3903604)
国家自然科学基金项目“基于深度学习变化检测的高分遥感震后建筑物倒损识别”(42371379)
中央高校基本科研业务费“深时数字地球前沿科学中心“深时数字地球”中央高校科技领军人才团队项目”(2652023001)

Received: 2023-10-30   Revised: 2023-11-19  

作者简介 About authors

蔡建澳(1998-),男,硕士研究生,主要从事InSAR技术在地质灾害方面的研究。Email: 2004210022@email.cugb.edu.cn。

摘要

察隅县地处青藏高原东南部,幅原辽阔,地形地貌与气候特征差异较大,滑坡灾害频发。针对该区域开展滑坡灾害隐患识别与早期预警对当地防灾减灾工作有重要意义。为此,收集2020年1月—2022年11月获取的162景升降轨Sentinel-1A雷达遥感影像数据及高分光学遥感影像数据,以Google Earth平台为辅助,采用综合遥感(integrated remote sensing,IRS)技术开展研究区内活动性滑坡隐患识别、编录制图和分析评价,共识别出活动性滑坡隐患237处,主要分布于贡日嘎布曲(察隅河支流西支)、察隅河、怒江两岸及察隅河东部至怒江西部的区域。将解译结果与地形地貌(高程、坡度、岩性)、自然环境(降雨、温度)等定量因子结合进行统计分析可知,左布村滑坡、阿扎村滑坡有极大的灾害风险,推荐进一步采取减灾措施。研究结果具有较高精度,可为当地防灾减灾工作提供参考。

关键词： 综合遥感(IRS); 短基线集干涉合成孔径雷达(SBAS-InSAR); 察隅县; 活动性滑坡; 滑坡监测

Abstract

Zayu County, located in the southeastern portion of the Qinghai-Tibet Plateau, is characterized by a large area, significantly varying topographic and climatic characteristics, and frequent landslides. The hazard identification and early warning of landslides are critical to disaster prevention and mitigation in the county. Based on the data acquired from January 2020 to November 2022, including 162 scenes of Sentinel-1A Radar remote sensing images taken on ascending and descending passes and high-resolution optical remote sensing images, this study conducted hazard identification, cataloging, mapping, analysis, and assessment of active landslides in Zayu County using the integrated remote sensing (IRS) technique on the Google Earth platform. A total of 237 active landslide hazards were identified primarily along the Gongrigabuqu River (the western tributary of the Zayu River), Zayu River, both sides of the Nujiang River, and the eastern Zayu River to the western Nujiang River. As revealed by the statistical analysis of the interpretation results combined with quantitative factors such as topography (elevation, slope, lithology) and natural environment (rainfall, temperature), the landslides in Zuobu and Azha villages pose high disaster risks, necessitating further mitigation measures. With relatively accurate results, this study can serve as a reference for disaster prevention and mitigation in Zayu County.

Keywords： integrated remote sensing (IRS); small baseline subset-interferometric synthetic aperture Radar (SBAS-InSAR); Zayu County; active landslide; landslide monitoring

PDF (24480KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

蔡建澳, 明冬萍, 赵文祎, 凌晓, 张雨, 张星星. 基于综合遥感的察隅县滑坡隐患识别及致灾机理分析[J]. 自然资源遥感, 2024, 36(1): 128-136 doi:10.6046/zrzyyg.2023313

CAI Jian’ao, MING Dongping, ZHAO Wenyi, LING Xiao, ZHANG Yu, ZHANG Xingxing. Integrated remote sensing-based hazard identification and disaster-causing mechanisms of landslides in Zayu County[J]. Remote Sensing for Land & Resources, 2024, 36(1): 128-136 doi:10.6046/zrzyyg.2023313

0 引言

我国的滑坡具有多发、受灾面积广、发育隐蔽、难以探查等特点[1-2]。近年来随着对地观测技术快速发展和应用,防灾减灾的工作重心逐渐从大尺度的静态易发性、危险性区划制图,转向动态的地表形变监测及其相关的滑坡隐患识别与监测预警,并逐渐成为最重要的防灾、减灾手段之一[3-4]。西藏自治区林芝市察隅县地处青藏高原东南部,地形复杂,地质活动频繁,多期次板块构造运动、冻融及降雨作用导致该地区地质环境脆弱,造成地质灾害频发[5],滑坡既威胁本地人民生命财产安全,也影响雅鲁藏布江下游、公共设施的安全。2022年1月,察隅县被自然资源部列入乡村振兴重点帮扶对象,准确地识别滑坡灾害隐患所在位置、分析隐患区致灾机理,对当地防灾减灾、推进乡村振兴工作具有重要意义。

滑坡监测是指运用一系列手段对地表状态进行监测,重点监测相关指标的量值及其动态变化情况[6]。滑坡隐患是指近期内可能失稳破坏并成灾的斜坡,尤其要重点关注已具有明显变形迹象、在近期内可能成灾的斜坡[6]。地表形变是滑坡发生的直接原因,因此地表形变也是滑坡早期监测最重要的指标[3]。目前,按照监测尺度,滑坡的监测方法可分为基于地质调查及地面监测站的滑坡监测方法、基于无人机机载激光雷达测量技术(light laser detection and ranging,LiDAR)的精细尺度监测方法与基于光学遥感技术的广域滑坡监测方法。基于地质调查及地面监测站的滑坡监测主要依靠水准测量和全球卫星导航系统(global navigation satellite system,GNSS),其监测精度可达毫米级、秒级响应[7],但价格成本略高、部署位置固定、易受到信号干扰、定位数据离散且分布数量少[6⇓-8]; 无人机机载LiDAR能够直接获取精确的地面高程信息[9],但机载LiDAR点云处理流程复杂,设备成本高昂,人工操作困难。上述2种方法均适用于探明隐患后的精细尺度监测,但不能完成广域滑坡监测任务。高分辨率光学遥感卫星影像具有观测范围广、多时相、低成本等优点[10]。针对拉裂、滑坡壁等灾害形变特征进行滑坡隐患普查现已有显著成果[11⇓-13],但极大受限于天气,无法反映地表形变,因此不适用于滑坡灾害形态迹象不明显的隐患区。为解决上述问题,合成孔径雷达干涉测量技术(interferometry synthetic aperture Radar,InSAR)被引入到滑坡隐患监测。合成孔径雷达(synthetic aperture Radar,SAR)遥感具备全天时、全天候、大范围、监测精度高等优势,其影像通过InSAR技术的处理,可反映毫米级的地表形变,在各领域中已取得了较多的成果[11,14-15]。按照采用的时空基线数量不同,InSAR技术可以分为2类: 单基线InSAR和多基线InSAR [16]。单基线InSAR的代表为差分干涉测量技术(differential InSAR,D-InSAR),适用于对地表形变进行短期监测; 但受限于时空失相干、大气延迟。为解决D-InSAR时空失相干问题,多基线InSAR应运而生。多基线InSAR又称多时相InSAR(multi-temporal InSAR,MT-InSAR),适用于对地表形变进行长期监测,其代表技术有永久散射体干涉技术测量[17](permanent scatterer InSAR,PS-InSAR)、短基线集干涉测量[18](small baseline subsets InSAR,SBAS-InSAR)以及分布式散射干涉技术[19](distributed scatterers InSAR,DS-InSAR)。然而,InSAR技术在用于山区滑坡监测时,特别对于地形起伏较大的高山峡谷地区,几何畸变、大气相位残差、解缠误差、植被覆盖茂密等均会给滑坡隐患识别与监测带来困难[20]。如何充分利用光学遥感及SAR遥感的优点进行协同监测分析,是当前广域滑坡监测的重点及难点问题。

地质灾害的综合遥感(integrated remote sensing,IRS)监测是指利用微波遥感、光学遥感等多源遥感数据,结合差分干涉测量、光学遥感影像解译、地面验证等技术手段,进行连续、多时相、长期观测的综合研判技术[21]。大部分滑坡在发育早期无法通过其光学地表形态特征识别,而InSAR技术又存在数据处理困难、无法判断是否为滑坡形变等问题。因此,仅使用单一的光学或SAR遥感技术,很难对滑坡隐患进行监测及对活动性失稳坡体进行准确识别。IRS能够结合2种技术的优势,发挥不同对地观测系统各自的优势,以实现对地学大数据的充分利用,目前已在滑坡监测领域取得了较好的应用成果[22⇓⇓⇓-26]。西藏自治区地旷人稀,进行精细的滑坡监测较为困难,因此采用IRS手段进行广域的滑坡监测可行性更高。本文采用光学、SAR相结合的IRS技术,对察隅县进行广域滑坡监测及隐患识别; 充分利用了InSAR技术的地表形变监测能力与光学遥感丰富的纹理、光谱信息,并结合多源地学数据进行综合分析,旨在取得较高的滑坡监测精度,为防灾减灾提供参考。

1 研究区概况及数据源

1.1 研究区概况

察隅县隶属于西藏自治区林芝市,地处西藏自治区东南部,总面积为3.153万km2。全县平均海拔为2 800 m,地势由西北向东南倾斜,相对高程差达3 600 m,垂直高差悬珠,峡谷深邃,绝大多数河谷呈“V”型,是典型的高山峡谷和山地河谷地貌。县内有着以雅鲁藏布江支流察隅河和怒江为主体的几十条大中河流。高山峡谷地形受河水冲刷坡脚侵蚀严重,加之地表松散沉积物孔隙度大、透水性强,雨季强降水触发,且受嘉黎和怒江断裂带活动的影响,地面切割强烈,地质灾害事件频发。本文选取察隅县全县为研究区,采用Sentinel-1A升轨及降轨卫星数据进行地表形变监测,研究区位置与Sentinel-1A卫星数据选框如图1所示。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   研究区位置图和雷达卫星影像覆盖范围

Fig.1   Location of study area and coverage of Radar satellite image


1.2 数据源及其预处理

本文采用SBAS-InSAR时序形变探测针对察隅县全境进行监测。考虑到降轨影像未能覆盖全部研究区,故采用升轨影像作为补充,总计收集了从2020年1月—2022年11月获取的Sentinel-1A升轨SAR影像82景、降轨SAR影像80景,表1列出了Sentinel-1A数据集的基本参数。

表1   Sentinel-1A数据集基本参数

Tab.1  Basic parameters of Sentinel-1A dataset

参数Sentinel-1A升轨Sentinel-1A降轨
航向角/(°)12.56192.6
入射角/(°)33.939.6
波段CC
分辨率(方位向×距离
向)/m		2.3×13.92.3×13.9
影像数量/景8280
时间范围2020/01—2022/112020/01—2022/11

新窗口打开| 下载CSV


本文采用航天飞机雷达地形测绘任务(Shuttle Radar Topography Mission,SRTM)项目中开源空间分辨率为30 m的数字高程模型(digital elevation model,DEM)数据(http://dwtkns.com/srtm30m)消除SBAS-InSAR数据处理过程中的地形相位。此外,为消除基线误差,使用了Sentinel-1A的精密轨道卫星星历(precise orbit ephemerides,POD)数据(https://scihub.copernicus.eu/gnss/#/home),其定位精度优于5 cm。

在目视解译部分,本文利用的光学遥感影像数据主要包括GeoEye-1(从Google Earth获取)和高分二号等影像,空间分辨率分别为0.41 m和0.8 m。降雨遥感数据来自美国国家航天航空局全球降雨测量任务(Global Precipitation Measurement,GPM)月均降雨数据集(https://gpm.nasa.gov/data/directory),空间分辨率为0.1°(约11 km)。

2 研究方法

2.1 总体技术路线

本文首先收集覆盖察隅县全境的升、降轨Sentinel-1A数据; 基于GAMMA软件,使用SBAS-InSAR技术开展地表形变监测,在ArcGIS中利用阈值分割的方法提取出察隅县境内全部形变区; 最后结合高分遥感影像的地学特征,实现对活动性滑坡隐患的识别、编录制图和分析评价。研究路线如图2所示。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   研究技术流程

Fig.2   Flowchart of research technique


2.2 滑坡灾害前期目视解译方法

人工目视解译仍然是当前最主要的滑坡隐患光学遥感识别方法[27]。利用高分光学遥感影像目视解译活动性滑坡隐患主要包括已发生过整体失稳的古滑坡和正在发育的潜在滑坡2类。古滑坡的光学影像地学特征主要包括整体呈现圈椅状地貌特征,后缘可见滑坡壁,中部可见滑坡台坎、湿地、封闭洼地等,坡体上植被与周围边差异显著[27-28]。而对于正在发育中的潜在滑坡,其主要地学特征为后缘拉裂缝、双沟同源、前缘小滑落、坡脚不断受江水冲刷等特征。活动性滑坡隐患风险评价主要依据滑坡的规模、距离干流或冰碛湖的距离、滑坡活动性、是否失稳等参数进行定性评价[22,27]。

2.3 SBAS-InSAR技术处理流程

SBAS-InSAR技术利用时空基线较短的干涉像对实现对地表形变的监测,通过增加时间采样率来提高时空相干性,使得具有高相干性的地面像元点的分布得更密集。

1)t1~t2时间段内,获取N+1景SAR影像,选取主影像,设置合适的时空基线阈值将其他SAR影像配准到主影像上,获得M个干涉组合,M满足:

N+12≤M≤N(N+1)2 。

2)利用M个差分干涉对,生成多主影像的时间序列干涉图。干涉相位组成为:

Δφi(x,y)=Δφflat+Δφtop+Δφdef+Δφatm+Δφnoise,

式中: Δφflat为参考椭球面相位; Δφdef为形变相位; Δφtop为地形相位; Δφatm为大气相位; Δφnoise为噪声相位。

3)消除地形相位、大气相位、参考椭球面相位、噪声相位后,第i幅差分干涉图中像元(r,c)的干涉相位值可表示为:

δφi(r,c)=φ(tB,r,c)-φ(tA,r,c)≈4πλ[d(tB,r,c)-d(tA,r,c)]，

式中: λ为雷达波长; δφi(r,c)为第i幅干涉图中(r,c)像元的干涉相位; d(tB,r,c)和d(tA,r,c)分别为像元在时刻tB和tA沿雷达视线(line of sight,LOS)方向的形变量。

4)最后采用奇异值分解法(singular value decomposition,SVD)估算形变速率,时域积分得到像元的形变时间序列。

3 结果与隐患致灾机理分析

3.1 基于SBAS-InSAR技术地表形变监测结果

Sentinel-1A升、降轨LOS向年形变速率结果如图3(a)和图4(a)所示。除部分失相干区域及察隅县最北部部分地区,地表形变监测结果基本覆盖整个研究区。升轨监测结果表明,2020年1月7日—2022年11月28日间,远离LOS向最大年形变速率可达200 mm/a; 靠近LOS向最大年形变速率可达130 mm/a。降轨监测结果表明,2020年1月2日—2022年11月23日期间,远离LOS向最大年形变速率可达170 mm/a; 靠近LOS向最大年形变速率可达110 mm/a。图3(b),(c)和图4(b),(c)为研究区内部分形变区。从整体监测结果来看,InSAR的适用性在察隅县东部优于西部,北部优于南部,其主要原因为西部、南部植被茂盛。茂盛植被引起的多次散射、遮挡效应及植被季节性生长,导致C波段雷达波在传播过程中的复杂相位变化,在不同时空获取的雷达回波之间相位关系难以维持,最终导致失相干。此外,研究区内大量“V”型深沟造成了严重叠掩、透视收缩、阴影,导致察隅河两旁监测结果并不理想,其结果详见图3(c)。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   基于Sentinel-1A的察隅县地表形变监测结果(升轨)

Fig.3   Sentinel-1A deformation monitoring results in Zayu County (ascending)


图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   基于Sentinel-1A的察隅县地表形变监测结果(降轨)

Fig.4   Sentinel-1A deformation monitoring results in Zayu County (descending)


3.2 IRS技术滑坡隐患识别

在SBAS-InSAR监测结果的基础上,结合高分光学遥感影像,依据滑坡灾害前期地学特征,通过目视解译生成滑坡隐患编录(共237处)。活动性滑坡类型以堆积层滑坡、软弱岩层顺层滑坡和冻融泥流滑坡为主,活动性滑坡隐患空间分布如图5所示。由图5可知,在空间分布上,解译出的活动性滑坡隐患主要分布于贡日嘎布曲、察隅河、怒江两岸及察隅河东部至怒江西部区域,而察隅县南部及西部分布稀疏。其中,受地质构造运动、InSAR监测适用性的影响,嘉黎断裂带附近的滑坡隐患密度最大。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   察隅县滑坡灾害隐患空间分布图

Fig.5   Spatial distribution of landslide hazards in Zayu County


坡度、海拔高程是滑坡灾害形成和发育的重要因素[29]。将高程和坡度分别划分为8和11个等级,进行定量统计分析,如图6所示。在坡度角定量分析中,活动性滑坡数量随着坡度角增加而增加,至[30,35)°后,随着坡度角的增加而减少。77.9%的活动性滑坡分布在[10,40)°坡度之间,其中,活动性滑坡最大数量分布在[30,35)°,占活动性滑坡总数的16.5%。活动性滑坡最大数量分布在海拔[3 500,4 000) m,约占活动性滑坡总数的26.7%; 约73.3%的活动性滑坡分布在海拔[3 500,5 000) m,符合山地型冻融泥流/蠕滑的发育条件。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   定量统计图

Fig.6   Quantitative statistical map


3.3 典型活动性滑坡隐患分析

阿扎村滑坡位于上察隅镇阿扎村北部,坐标为E96.831°,N29.124°。InSAR解译结果结合三维地貌可确定滑坡体的形变边界如图7和图8所示,形变主要集中在滑坡后缘下方及整个支离破碎的坡体,与光学影像解译的滑动面相吻合,LOS向形变速率最大可达107 mm/a。利用高分影像可判断出该滑坡为岩质滑坡。该滑坡水平面上呈“凹”字型,坡体下方为泥石流冰碛物及冰川融化产生的溪道。坡体长约1 520 m,宽约1 600 m,面积约2.5 km2,后缘高程4 154 m,前缘高程3 074 m,前后缘高差1 080 m。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   阿扎村滑坡光学遥感影像联合InSAR解译图

Fig.7   Interpretation of optical remote sensing image and InSAR of landslide in Aza Village


图8

新窗口打开| 下载原图ZIP| 生成PPT

图8   阿扎村滑坡光学遥感影像解译图

Fig.8   Interpretation of optical remote sensing image of landslide in Aza Village


滑坡后缘可见清晰的后缘壁,前缘可见滑坡舌挤压泥石流冰碛物,后缘前缘均存在明显的局部形变。坡体右侧常年受到积雪融水侵蚀和切割且伴有局部滑塌现象,滑坡体表面支离破碎,伴有大量松散堆积物。光学解译可分析出在重力作用下的滑动面,滑动面如图8中箭头所示。

滑坡体后缘至前缘处于永珠组-拉嘎组-昂杰组(措-申)地层,岩性主要为石英砂岩、含砾砂岩、含砾板岩等易风化、易侵蚀、软弱的岩体,且常年受到嘉黎断裂活动的影响,如图9所示。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9   阿扎村滑坡地层岩性和断裂位置示意图

Fig.9   Schematic diagram of lithology of the landslide stratigraphy and location of fractures in Aza Village


借助Google Earth平台进行多时相高分遥感影像分析,结果表明,该滑坡后缘处常年积雪,由此推断该滑坡为冻融型蠕滑滑坡。在滑动面上做2个剖线(图10(a)): 水平剖线P999,P360,P579; 竖直剖线P129,P579,P082。将形变曲线联合月均地表温度数据综合分析,如图10(b)和(c)所示。分析可得时间序列累积形变曲线与温度有较强的相关性,形变曲线与温度之间呈现周期性变化。每年6—10月温度达到0 ℃以上,坡体出现加速形变现象。其主要原因为积雪融水不断渗透坡体土壤,土壤中的含水量增加、孔隙水压力增加,导致土壤颗粒之间的摩擦力减小、抗剪强度下降,在重力的作用下发生滑动。该滑坡下方为冰雪融水径流,积雪融水沿斜面汇集至4 km处的冰碛湖。滑坡发生,碎屑物在重力的作用下高速运动,极大可能会冲进冰碛湖,导致冰碛湖溃决,形成灾害链。

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10   形变曲线联合月均地表温度数据综合分析

Fig.10   Comprehensive analysis of time series deformation against monthly surface temperature


左布村滑坡位于怒江左岸,坐标为E98.386°,N28.529°。利用光学遥感影像判断出该滑坡在平面上呈扇形,滑坡侧壁和后壁清晰可见,后缘凹陷、前缘坡脚挤占河道呈“凸”型,属于古滑坡,古滑坡边界如图11所示。

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11   左布村滑坡光学遥感解译图

Fig.11   Optical remote sensing interpretation of landslide in Zobu Village


左布村滑坡长约1 618 m,宽约1 287 m,面积约为2 km2,滑坡前缘高程为1 852 m,后缘高程为2 735 m,前后缘高差为883 m。该滑坡发育位于一套软弱、易风化的地层(诺错组地层),该地层主要由粉砂岩、泥岩、砾岩、凝灰岩等沉积岩组成,地层岩性如图12所示。

图12

新窗口打开| 下载原图ZIP| 生成PPT

图12   左布村滑坡地层岩性和断裂位置示意图

Fig.12   Schematic diagram of lithology and fracture location of landslide in Zobu Village


因此,斜坡表面受自然因素破坏严重、植被覆盖率低,大面积露出灰色粉砂岩。后缘前缘存在着明显的局部形变迹象,两侧局部滑塌较显著。人类工程(修筑道路)大规模挖掘去除坡体支撑层、断裂构造活跃,进而导致坡体周围失去稳定性,是造成局部垮塌的主要因素。此外,由于受到怒江河水长时间冲刷,前缘坡脚被强烈掏蚀,2014年右侧冲沟处局部发生了垮塌失稳,灾害规模达到300万m3。

InSAR解译结果表明,形变区主要集中于斜坡面下方,靠近滑坡体前缘,形变范围较大。图13为InSAR解译结果。2020年1月—2022年11月,最大形变速率可达201 mm/a。察隅县东部降雨充沛,因此,季节性降雨也是导致坡体形变的因素之一。在滑坡体上选取P1和P2形变监测点联合月均降雨量综合分析,形变监测点位置如图14(a)所示。由图14(b)和(c)可知,时间序列累积形变量和月均降雨量存在较强的相关性,形变曲线随着雨季、旱季呈现周期性变化的特征。每年6—10月份,雨季来临,雨水入渗,坡体含水量增加,特别是在坡体上有植被保护较差的地方,大大削弱了坡体的稳定性,导致周期性蠕滑。该滑坡目前正处于匀速形变阶段,但随着时间推移,有可能演化为加速形变。

图13

新窗口打开| 下载原图ZIP| 生成PPT

图13   左布村滑坡光学联合InSAR解译图

Fig.13   Interpretation of optical images and InSAR of landslide in Zobu Village


图14

新窗口打开| 下载原图ZIP| 生成PPT

图14   InSAR形变监测点联合月均降雨量综合分析

Fig.14   Comprehensive analysis of time series deformation against monthly precipitation


4 结论与讨论

4.1 结论

1)本文利用IRS技术,实现了对察隅县境内滑坡灾害隐患的识别。以SABS-InSAR技术为主,高分光学遥感为辅助验证在整个研究区内共识别出237处滑坡隐患。滑坡隐患编录可以为当地易发性评价提供样本支持,为解决“样本难”问题提供一种新的解决思路。

2)研究区内InSAR适用性不一致,致使已解译的滑坡隐患主要分布于察隅县东部及北部地区。77.9%的活动性滑坡隐患分布在坡度[10,40)°之间; 73.3%的活动性滑坡分布在海拔[3 500,5 000)m之间。其中,处于发育阶段的阿扎村滑坡、左布村滑坡有极大灾害风险。

4.2 讨论

1)高分光学遥感影像对滑坡灾害形变迹象明显的隐患具有较好的识别能力,对形变迹象不明显的滑坡隐患识别较为困难。而SBAS-InSAR技术对正在缓慢形变的滑坡隐患能进行有效探测,但对于形变速度快的自然灾害或人为因素触发的突发性滑坡,则无法进行有效探测。如今的IRS手段在一定程度上可以用于突发性滑坡的探测,但也存在一些挑战和限制,若能够克服植被遮挡、光学云遮挡、光学分辨率限制及数据处理难度等问题,IRS手段亦可对突发性滑坡进行准确和及时的探测。

2)针对察隅县植被覆盖率比较高的地区,采用C波段的SAR数据,在时空基线控制较好的情况下,仍然出现大量失相干现象。所以对于察隅县植被茂盛地区应采用可穿透植被的L波段SAR数据,削弱植被冠层引起的多次散射对回波信号的影响,增强不同时空获取的雷达回波信号相位的稳定性。此外,研究区内地形起伏显著的区域存在大量叠掩、透视收缩、阴影,应采用多源、多入射角、升降轨数据进行联合分析。

参考文献

Wang D F, Li Y X, Ren J, et al.

Application of Joint UAV Optics and Airborne LiDAR in high level landslide element identification:Taking the Longxigou landslide in Wenchuan,West Sichuan as an example

[J/OL]. Geoscience, 2023.https://doi.org/10.19657/j.geoscience.1000-8527.2023.101.

URL     [本文引用: 1]

张雨, 明冬萍, 赵文祎, 等.

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.doi:10.6046/zrzyyg.2022434.

[本文引用: 1]

Zhang Y, Ming D P, Zhao W Y, et al.

The extraction and analysis of Luding earthquake-induced landslide based on high-resolution optical satellite images

[J]. Remote Sensing for Natural Resources, 2023, 35(1):161-170.doi:10.6046/zrzyyg.2022434.

[本文引用: 1]

赵华伟, 周林, 谭明伦, 等.

基于光学遥感和SBAS-InSAR的川渝输电网滑坡隐患早期识别

[J/OL]. 自然资源遥感, 2023(2023-04-24). https://kns.cnki.net/kcms/detail/10.1759.P.20230423.1809.008.html.

URL     [本文引用: 2]

Zhao H W, Zhou L, Tan M L, et al.

Early identification of landslide hidden danger in Sichuan-Chongqing power transmission network based on optical remote sensing and SBAS-InSAR

[J/OL]. Remote Sensing for Natural Resources, 2023(2023-04-24). https://kns.cnki.net/kcms/detail/10.1759.P.20230423.1809.008.html.

URL     [本文引用: 2]

杨昭颖, 韩灵怡, 郑向向, 等.

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.doi:10.6046/zrzyyg.2021204.

[本文引用: 1]

Yang Z Y, Han L Y, Zheng X X, et al.

Landslide identification using remote sensing images and DEM based on convolutional neural network:A case study of loess landslide

[J]. Remote Sensing for Natural Resources, 2022, 34(2):224-230.doi:10.6046/zrzyyg.2021204.

[本文引用: 1]

Li L, Yao X, Zhang Y, et al.

Surface recovery of landslides triggered by 2008 Ms8.0 Wenchuan earthquake (China):A case study in a typical mountainous watershed

[J]. Landslides, 2016, 13(4):787-794.

DOI:10.1007/s10346-015-0594-1      URL     [本文引用: 1]

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.

[本文引用: 1]

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.

[本文引用: 1]

Shi X, Xu Q, Zhang L, et al.

Surface displacements of the Heifangtai Terrace in Northwest China measured by X and C-band InSAR observations

[J]. Engineering Geology, 2019, 259:105181.

DOI:10.1016/j.enggeo.2019.105181      URL     [本文引用: 1]

刘晓杰. 星载雷达遥感广域滑坡早期识别与监测预测关键技术研究[D]. 西安: 长安大学, 2022.

[本文引用: 1]

Liu X J. Research on key technologies for early identification,monitoring and forecasting of wide-area landslides with spaceborne radar remote sensing[D]. Xi’an: Chang’an University, 2022.

[本文引用: 1]

Hilley G E, Bürgmann R, Ferretti A, et al.

Dynamics of slow-moving landslides from permanent scatterer analysis

[J]. Science, 2004, 304(5679):1952-1955.

PMID:15218146      [本文引用: 1]

High-resolution interferometric synthetic aperture radar (InSAR) permanent scatterer data allow us to resolve the rates and variations in the rates of slow-moving landslides. Satellite-to-ground distances (range changes) on landslides increase at rates of 5 to 7 millimeters per year, indicating average downslope sliding velocities from 27 to 38 millimeters per year. Time-series analysis shows that displacement occurs mainly during the high-precipitation season; during the 1997-1998 El Niño event, rates of range change increased to as much as 11 millimeters per year. The observed nonlinear relationship of creep and precipitation rates suggests that increased pore fluid pressures within the shallow subsurface may initiate and accelerate these features. Changes in the slope of a hill resulting from increases in the pore pressure and lithostatic stress gradients may then lead to landslides.

Lanari R, Mora O, Manunta M, et al.

A small-baseline approach for investigating deformations on full-resolution differential SAR interferograms

[J]. IEEE Transactions on Geoscience and Remote Sensing, 2004, 42(7):1377-1386.

DOI:10.1109/TGRS.2004.828196      URL     [本文引用: 1]

Ferretti A, Fumagalli A, Novali F, et al.

A new algorithm for processing interferometric data-stacks:SqueeSAR

[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(9):3460-3470.

DOI:10.1109/TGRS.2011.2124465      URL     [本文引用: 1]

Dong J, Liao M, Xu Q, et al.

Detection and displacement characterization of landslides using multi-temporal satellite SAR interferometry:A case study of Danba County in the Dadu River basin

[J]. Engineering Geology, 2018, 240:95-109.

DOI:10.1016/j.enggeo.2018.04.015      URL     [本文引用: 1]

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.

[本文引用: 1]

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.

[本文引用: 1]

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.

[本文引用: 2]

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.

[本文引用: 2]

Hu J, Wu W, Motagh M, et al.

FIM-based DSInSAR method for mapping and monitoring of reservoir bank landslides:An application along the Lancang River in China

[J]. Landslides, 2023, 20(11):2479-2495.

DOI:10.1007/s10346-023-02097-5      [本文引用: 1]

Zhang C, Li Z, Yu C, et al.

An integrated framework for wide-area active landslide detection with InSAR observations and SAR pixel offsets

[J]. Landslides, 2022, 19(12):2905-2923.

DOI:10.1007/s10346-022-01954-z      [本文引用: 1]

Dai K, Li Z, Xu Q, et al.

Identification and evaluation of the high mountain upper slope potential landslide based on multi-source remote sensing:The Aniangzhai landslide case study

[J]. Landslides, 2023, 20(7):1405-1417.

DOI:10.1007/s10346-023-02044-4      [本文引用: 1]

Xie M, Zhao W, Ju N, et al.

Landslide evolution assessment based on InSAR and real-time monitoring of a large reactivated landslide,Wenchuan,China

[J]. Engineering Geology, 2020, 277:105781.

DOI:10.1016/j.enggeo.2020.105781      URL     [本文引用: 1]

卓宝熙. 工程地质遥感判释与应用[M]. 2版. 北京: 中国铁道出版社, 2011.

[本文引用: 3]

Zhuo B X. Remote sensing interpretation & application of geology engineering[M]. 2nd ed. Beijing: China Railway Publishing House, 2011.

[本文引用: 3]

Fiorucci F, Cardinali M, Carlà R, et al.

Seasonal landslide mapping and estimation of landslide mobilization rates using aerial and satellite images

[J]. Geomorphology, 2011, 129(1/2):59-70.

DOI:10.1016/j.geomorph.2011.01.013      URL     [本文引用: 1]

廖明生, 董杰, 李梦华, 等.

雷达遥感滑坡隐患识别与形变监测

[J]. 遥感学报, 2021, 25(1):332-341.

[本文引用: 1]

Liao M S, Dong J, Li M H, et al.

Radar remote sensing for potential landslides detection and deformation monitoring

[J]. National Remote Sensing Bulletin, 2021, 25(1):332-341.

DOI:10.11834/jrs.20210162      URL     [本文引用: 1]

殷跃平.

中国地质灾害减灾战略初步研究

[J]. 中国地质灾害与防治学报, 2004, 15(2):1-8.

[本文引用: 1]

Yin Y P.

Initial study on the hazard-relief strategy of geological hazard in China

[J]. The Chinese Journal of Geological Hazard and Control, 2004, 15(2):1-8.

[本文引用: 1]

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.

[本文引用: 2]

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.

[本文引用: 2]

许强.

对滑坡监测预警相关问题的认识与思考

[J]. 工程地质学报, 2020, 28(2):360-374.

[本文引用: 1]

Xu Q.

Understanding the landslide monitoring and early warning:Consideration to practical issues

[J]. Journal of Engineering Geology, 2020, 28(2):360-374.

[本文引用: 1]

Wu C H, Cui P, Li Y S, et al.

Seismogenic fault and topography control on the spatial patterns of landslides triggered by the 2017 Jiuzhaigou earthquake

[J]. Journal of Mountain Science, 2018, 15(4):793-807.

DOI:10.1007/s11629-017-4761-9      [本文引用: 1]

戴福初, 邓建辉.

青藏高原东南三江流域滑坡灾害发育特征

[J]. 工程科学与技术, 2020, 52(5):3-15.

[本文引用: 1]

Dai F C, Deng J H.

Development characteristics of landslide hazards in three-rivers basin of southeast Tibetan Plateau

[J]. Advanced Engineering Sciences, 2020, 52(5):3-15.

[本文引用: 1]

许强, 彭大雷, 何朝阳, 等.

突发型黄土滑坡监测预警理论方法研究——以甘肃黑方台为例

[J]. 工程地质学报, 2020, 28(1):111-121.

[本文引用: 3]

Xu Q, Peng D L, He C Y, et al.

Theory and method of monitoring and early warning for sudden loess landslide:A case study at Heifangtai Terrace

[J]. Journal of Engineering Geology, 2020, 28(1):111-121.

[本文引用: 3]

张勤, 白正伟, 黄观文, 等.

GNSS滑坡监测预警技术进展

[J]. 测绘学报, 2022, 51(10):1985-2000.

DOI:10.11947/j.AGCS.2022.20220299      [本文引用: 2]

滑坡灾害在全球广泛分布,严重影响人类活动和人居安全。全球卫星导航系统(GNSS)已经被广泛应用于滑坡灾害监测预警工作,但其在复杂场景监测预警中依然存在诸多技术瓶颈。本文首先综述了GNSS硬件数据采集、软件数据处理和多源融合监测等方面的研究进展,重点分析了各类GNSS滑坡监测技术优势、适用范围和存在问题;然后,从滑坡位移预测、临滑时间预报和预警实施等方面介绍了GNSS滑坡预警的技术方法;最后,在梳理复杂场景GNSS实时滑坡监测预警中面临挑战的基础上,对GNSS滑坡监测预警技术的发展趋势和研究方向提出了一些思路。

Zhang Q, Bai Z W, Huang G W, et al.

Review of GNSS landslide monitoring and early warning

[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(10):1985-2000.

DOI:10.11947/j.AGCS.2022.20220299      [本文引用: 2]

Landslides, widely happening across the world, have a severely negative impact on human activities and people's residential security. GNSS has been widely used in landslide disaster monitoring and warning, but there are still many technical bottlenecks in complex scenario monitoring and warning. First of all, this paper reviews the current research on landslip reduction technologies by GNSS such as monitoring receiver, high-precision positioning and multi-source heterogeneous data fusion monitoring, and lays special stress on analyzing the advantages, applicable range and latent problems of landslide-monitoring technologies of every kind. Furthermore, the technical methods suitable for releasing warning by GNSS are introduced from landslide displacement prediction, the prediction of sliding time and the implementation of early warning. Lastly, a comprehensive analysis on the challenges brought about by GNSS's real-time monitoring in complex scenarios is conducted, and some ideas are proposed for the future development and research of technologies monitoring and warning landslides through GNSS.

Du H, Song D, Chen Z, et al.

Prediction model oriented for landslide displacement with step-like curve by applying ensemble empirical mode decomposition and the PSO-ELM method

[J]. Journal of Cleaner Production, 2020, 270:122248.

DOI:10.1016/j.jclepro.2020.122248      URL     [本文引用: 1]

王德富, 李永鑫, 任娟, 等.

联合无人机光学与机载LiDAR在高位滑坡要素识别中的应用: 以川西汶川龙溪沟滑坡为例

[J/OL]. 现代地质, 2023.https://doi.org/10.19657/j.geoscience.1000-8527.2023.101.

URL     [本文引用: 1]

/

〈 〉

京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编：100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发