自然资源遥感, 2024, 36(4): 282-294 doi: 10.6046/zrzyyg.2023168

技术应用

基于升降轨SAR数据的兰坪县黄登水电站上游时间序列地表形变研究

俞文轩,1, 李益敏,2, 计培琨2, 冯显杰1, 向倩英1

1.云南大学国际河流与生态安全研究院,昆明 650500

2.云南大学地球科学学院,昆明 650500

Time series surface deformation of the upper reaches of Huangdeng hydropower station in Lanping County based on ascending and descending SAR data

YU Wenxuan,1, LI Yimin,2, JI Peikun2, FENG Xianjie1, XIANG Qianying1

1. Institute of International Rivers and Eco-security, Yunnan University,Kunming 650500, China

2. College of Earth Science, Yunnan University, Kunming 650500, China

通讯作者: 李益敏(1965-),女,学士,研究员,研究方向为3S技术在生态安全、山地环境变化监测中的应用以及地质灾害评价、早期识别、监测预警研究。Email :liyimin1965@163.com。

责任编辑: 陈昊旻

收稿日期: 2023-06-9   修回日期: 2023-09-5  

基金资助: 云南省科技厅—云南大学联合基金重点项目“‘天空地’协同的高山峡谷区重大地质灾害隐患识别监测预警研究”(2019FY003017)
云南省中老孟缅自然资源遥感监测国际联合实验室和中国地质调查局项目“重要区域地质灾害监测评价与综合遥感地质调查“(DD20221824)

Received: 2023-06-9   Revised: 2023-09-5  

作者简介 About authors

俞文轩(1999-),男,硕士研究生,研究方向为InSAR形变监测。Email: yuwenxuan202305@163.com。

摘要

星载合成孔径雷达干涉测量技术(interferometric synthetic aperture Radar,InSAR)是目前被广泛应用于地表形变监测的一种具有全天时、全天候、高精度的大范围监测手段,但由于形变观测方法单一,在形变监测过程中不可避免地存在很大不确定性,进而产生误判。针对单次监测产生的不确定性,该文基于升降轨SAR数据集的短基线集时间序列InSAR(small baseline subset InSAR,SBAS-InSAR)结果二维解算的技术,分析了2020年4月—2022年8月黄登水电站上游地表形变情况。研究结果表明,使用34景Sentinel-1升轨数据和降轨数据,获取了黄登水电站上游的二维形变,识别出黄登水电站上游6处滑坡隐患点; 发现研究区形变以水平向为主,其中车邑坪区域的二维形变速率最大,水平形变速率达到158 mm/a,垂直形变速率达到81 mm/a。此外,通过对澜沧江江岸距离、降雨量和时间序列形变进行相关性分析,得到了研究区二维形变的分布情况及其季节性变化特征。

关键词： SBAS; 时序InSAR; 二维解算; 形变监测

Abstract

The interferometric synthetic aperture radar (InSAR) technique is widely applied to surface deformation monitoring, providing all-weather, all-time, and high-precision measurements over large areas. However, due to the limitations of the single deformation observation method, significant uncertainties inevitably arise during the monitoring process, leading to potential misinterpretations. Using the SBAS-InSAR (small baseline subset) two-dimensional solution technique based on ascending and descending SAR data, this study analyzed the surface deformations of the upper reaches of the Huangdeng Hydropower Station from April 2020 to August 2022. A total of 34 scenes of ascending and descending data from the Sentinel-1 satellite were used to derive the two-dimensional deformations of the upper reaches, with six potential landslide hazard sites there being identified. The results indicate that the study area displayed a predominance of horizontal surface deformations, with the highest two-dimensional deformation rates of up to 158 mm/a horizontally and 81 mm/a vertically observed in the Cheyiping area. Additionally, by correlation analysis between the distance from the Lancang River bank, rainfall, and the time-series deformations, this study identified the distribution of two-dimensional deformations in the upper reaches and its seasonal variations.

Keywords： SBAS; time series InSAR; two-dimensional analysis; deformation monitoring

PDF (14206KB) 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

俞文轩, 李益敏, 计培琨, 冯显杰, 向倩英. 基于升降轨SAR数据的兰坪县黄登水电站上游时间序列地表形变研究[J]. 自然资源遥感, 2024, 36(4): 282-294 doi:10.6046/zrzyyg.2023168

YU Wenxuan, LI Yimin, JI Peikun, FENG Xianjie, XIANG Qianying. Time series surface deformation of the upper reaches of Huangdeng hydropower station in Lanping County based on ascending and descending SAR data[J]. Remote Sensing for Land & Resources, 2024, 36(4): 282-294 doi:10.6046/zrzyyg.2023168

0 引言

水电作为一种清洁、可循环利用的资源受到了越来越多的关注[1]。拥有“东南亚水塔”之称的中国云南[2],是全球水电开发核心区之一。然而,水电站的建设会对当地的水文地质条件和区域重力场产生影响,可能导致地面形变和局部地质灾害[3]。历史上已经发生过多起水电站建成导致的滑坡和灾害。1963年意大利Vajont水库发生巨大的山体滑坡,造成约2 000人死亡[4]; 三峡大坝作为目前世界上最大的水电站,自2008年来发生的滑坡次数激增[5],学者们越来越关注水电建设带来的地表形变,以减少潜在的滑坡风险。

目前,滑坡产生的机理研究较成熟[6],但预测滑坡发生的时间和地点仍然具有挑战性。对于滑坡的地形形变监测常用的手段包括: GPS测量、实地水准测量、现有遥感数据图像解译和伸缩计深部形变监测等方法,这些较为传统的测量方法人力物力成本较高且无法在极端天气、复杂地形进行监测,监测范围有限。而作为新兴的监测技术,合成孔径雷达干涉测量技术(interferometric synthetic aperture Radar,InSAR)可以很好地对传统测量方式上的局限加以补充。InSAR使用的合成孔径雷达(synthetic aperture Radar,SAR)是一种主动式微波传感器,这种传感器具有不受天气的影响实现全天时、全天候对地观测的优势,是一种较为成熟且极具发展潜力的新型监测技术[7],随着干涉图叠加InSAR(stacking-InSAR),短基线集时间序列InSAR(small baseline subset InSAR,SBAS-InSAR)和永久性散射体InSAR(persistent scatterer InSAR,PS-InSAR)等数据处理方法的提出[8⇓-10],InSAR已经成为形变监测、滑坡识别的重要工具之一,国内外已有众多团队利用InSAR进行地质灾害监测并取得成果[11⇓⇓-14],对于水电站的地表形变监测也有先例[15-16],在众多InSAR的处理方法中,SBAS-InSAR技术是使用最广泛的方法之一[17-18],它利用干涉图网络,从中限制时间基线和空间基线,以减少几何去相关的影响[19⇓-21],SBAS-InSAR技术所获取的形变速率分布在空间上相对更为连续[22],受各种误差的影响更小[23],对复杂地形进行的形变监测具有一定可靠性[24]。考虑到研究区地形的复杂度,本文使用SBAS-InSAR开展地形形变监测。

InSAR由于其侧视成像的原理的限制,单轨道InSAR所提供的视线向(line of sight,LOS)分析形变反映的滑坡运动十分有限,如果只使用单轨道的一维分量代替滑坡的运动趋势无疑会产生较大的误差,考虑到滑坡识别的准确率,融合多轨道、多角度的LOS向形变数据已十分必要[25]。Zhu等[26]利用二维形变信息研究了贵州西部滑坡的运动模式; Meng等[27]利用垂直形变和水平形变对黄土滑坡进行分类; Chen等[28]使用多轨道SAR数据进行二维解算获得了溪洛渡水电站的形变和蓄水量的关系。目前的研究通过对多轨道LOS向形变的解算得到的二维形变,最大程度地监测出地表形变的东西向特征。

本文以云南省怒江傈僳族自治州兰坪县境内澜沧江干流的黄登水电站上游区域为研究区,选取2020年4月—2022年8月的34景Sentinel-1A升轨影像和降轨影像进行时序分析,并通过对升降轨数据的二维解算识别该区域的水平形变和垂直形变,结合研究区距澜沧江距离、降雨量等特征,对滑坡隐患点进行分析预测。

1 研究区概况及数据源

1.1 研究区概况

黄登水电站位于云南省怒江傈僳族自治州兰坪县境内的澜沧江干流上,地理坐标约为E99°07'11″,N26°33'35″。坝址距盘营镇公路约14 km,距兰坪县约70 km,水电站于2010年开始施工,2019年建成并投产使用,总装机容量1 900 MV,保证出力515.52 MV,多年平均发电量为85.78×108 kW·h,以发电为主,是兼有防洪、灌溉、供水和旅游等综合效益的大型水利水电工程,担任着“西电东送”、“云电外送”的任务,是云南省电力系统中的主力电站之一。

黄登水电站所在地区——澜沧江上游,属于高山峡谷地带,地势崎岖,具有低纬度山地季风和典型的三维气候垂直分布特征,雨季干湿分明。这种气候条件使降雨成为滑坡的强触发因素,导致水电站的可靠性下降,水库边坡稳定性下降[29]。现有研究发现,库区上游存在大型岩石滑坡[30],Wang等[31]对该研究区进行了安全评估,发现黄登水电站安全裕度较低,存在滑坡隐患,可见水电站上游的滑坡隐患已经不可忽视,对该地区的地形形变监测具有不可忽视的现实意义。

1.2 数据源

选取影像数据为黄登水电站上游区域2020年4月—2022年8月期间的34景Sentinel-1A升轨和降轨的雷达影像(图1),雷达图像的详细参数如表1所示。为了去除图像配准和差分干扰过程中卫星轨道存在的地形相位误差,本文采用POD(precise orbit ephemerides)精轨数据进行轨道修正,美国地质调查局30 m SRTM数字高程模型(digital elevation model,DEM)数据用于去除地形噪声,美国国家气候数据中心的降雨量数据进行滑坡季节性运动特征分析。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   研究区的地理位置和 SAR 图像覆盖范围

Fig.1   Location of the study area and SAR image coverage area


表1   研究中使用的雷达图像参数

Tab.1  Radar image parameters used in the study

数据源波长/cm轨道入射角/(°)影像数量/景极化方式时间跨度
Sentinel-1A SLC IW5.55升轨39.2734VV2020/05/06—2022/08/12
降轨39.4634VV2020/04/26—2022/08/26

新窗口打开| 下载CSV


2 研究方法

本研究的技术路线如图2所示。通过SBAS-InSAR方法计算研究区升降轨年平均LOS向形变速率和时间序列形变。利用二维解算方程,对升降轨监测结果进行二维形变解算,获取研究区的垂直向和水平向的二维形变速率数据,利用二维形变速率数据识别滑坡隐患区域,对异常形变点及其形变趋势进行分析预测,并结合降雨量数据、与距澜沧江距离分析滑坡运动特征。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   技术路线图

Fig.2   Flowchart of the proposed method


2.1 SBAS-InSAR处理

采用SBAS-InSAR技术计算研究区LOS向年平均形变和时间序列形变。SBAS-InSAR技术采用了多主影像,以过滤掉短时空基线干扰的组合,提取高相干点目标进行时间序列分析。同时,通过对原始的干涉相位展开并进行奇异值分解,得到点目标的时序形变和形变率。该方法可以有效地克服时空基线过长导致的去相关问题,降低大气相位延迟和高程误差的影像[32],计算步骤包括对获取的SAR影像进行预处理,即对升轨和降轨的Sentinel-1影像分别进行配准,本文通过4×1的多视因子增大干涉图的信噪比,之后进行干涉组合优化和微分干涉相位计算,其中最大时空基线分别设置为180 d和180 m,共生成了332组干涉对,包括160组升轨和172组降轨(图3)。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   SBAS-InSAR时空基线

Fig.3   SBAS-InSAR spatiotemporal baseline


获得干涉对后,对干涉对进行相位展开,并采用自适应滤波函数平滑干扰相位,采用最小费用流(minimum cost flow,MCF)算法进行相位展开,然后继续形变率反演,以去除大气误差和地形相位的影响,并选择高质量的分布式散射体,通过奇异值分解(singular value decomposition,SVD)得到形变率和时间序列形变。

2.2 二维形变分解

通过升轨和降轨SAR数据的组合,可以有效地获取研究区垂直方向和东西方向的水平运动[33],升降轨SAR影像经过SBAS-InSAR处理获得的形变量是地面点相对于SAR LOS向的形变,由于卫星飞行方向接近南北方向,雷达LOS向垂直于卫星飞行方向,雷达对地表在南北方向的形变感知极其微弱,此处仅考虑东西方向的水平形变,当升轨和降轨位于同一时空时,二维形变速率和LOS向形变速率的关系为:

Vasc=Vvcosθasc-Vhcos(2π-αasc)sinθasc,
Vdes=Vvcosθdes-Vhcos(2π-αdes)sinθdes,

式中: Vasc和Vdes分别为升轨和降轨LOS向的形变速度; Vv和Vh分别为垂直和东西向形变速率值; θasc和θdes分别为升轨和降轨的入射角(分别为39.27°和39.46°); αasc和αdes分别为升轨和降轨的飞行方位角。二维形变速率可以通过升降轨LOS向的形变进行线性变换获得,原理如图4所示,其中Vreal为实际形变速率,β为边坡滑动方向的方位角,计算公式为:

Vh= Vasccosθdes-Vdescosθasccos(2π-αdes)sinθdescosθasc-cos(2π-αasc)sinθasccosθdes,
Vv= Vasc+Vhcos(2π-αasc)sinθasccosθasc。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   雷达飞行方向和地表运动方向投影的示意图

Fig.4   Schematic diagram of the projection of the radar flight direction and the surface movement direction


3 结果与分析

3.1 升轨和降轨数据沿LOS向的形变速率

升轨和降轨数据的SBAS-InSAR处理结果如图5所示。结果表明,研究区升、降轨在LOS向的年平均形变速率为-100~119 mm/a和-112~60 mm/a,其中,负值表示远离传感器的形变速率,表现为地表沉降; 正值表示朝向传感器的形变速率,表现为地表抬升。在图5划定了6处强形变区域,其中升轨识别的强形变区域形变速率都为正值,表现为抬升; 降轨识别的强形变区域形变速率都为负值,表现为沉降,升轨和降轨的监测结果相反,垂直方向的形变情况难以判断,可以认定该地区存在水平方向的形变,据此,需要对SBAS-InSAR的结果进行二维解算,以获取研究区在水平向和垂直向的形变速率情况。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   SBAS-InSAR在LOS方向的监测结果

Fig.5   Monitoring results of SBAS-InSAR in LOS direction


3.2 基于时间配准的插值方法

在对SAR数据进行SBAS-InSAR处理之后,需对时间序列形变进行插值计算,以保证在进行二维解算处理时时间上的统一。采用了3种常见插值方法(线性插值、二次函数插值、三次样条插值),对所选取的POI(point of interest)形变量在时间维度上进行插值,以P1(图5)的LOS向升轨和降轨的观测点为例,选取了升降轨共有的时间序列区间,对比分析3种插值方法的差异。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   3种插值方法对比

Fig.6   Comparison of three interpolation methods


从图6可以看出,3条插值曲线都较好拟合了所有的观测点,且总体差异并不是很大,但在降轨LOS向观测日期为第768—816天的部分,三次样条插值函数曲线波动较大,2个观测点之间的斜率变化明显,这与地表的实际变化情况有所不同,在未受到外力影响的情况下不会发生较大的波动,而二次函数插值曲线较平滑,波动较小,整体更符合滑坡实际形变变化的情况,故在二维解算时,将采用二次函数插值以解决升降轨数据在时间上的不统一问题。

3.3 二维形变率

利用二维形变解算公式对SBAS-InSAR的结果进行分解,得到了水平方向和垂直方向的形变速率结果,进而得到了水平方向和垂直方向的年平均形变速率,如图7所示。其中,水平方向和垂直方向的最大形变均位于车邑坪村区域(图5),需重点进行分析。车邑坪村的水平方向的最大形变速率为-158 mm/a,表现为向东方向运动,负值表现为向西方向运动; 垂直方向的最大形变速率为81 mm/a,正值表示抬升,负值表示沉降。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   水平向和垂直向的监测结果

Fig.7   Monitoring results in horizontal and vertical directions


3.4 车邑坪村形变分析

车邑坪村位于兰坪县石登乡澜沧江边Q20县道旁黄登水库沿江公路边,2021年1月,研究组在车邑坪村村民家看到明显形变裂缝(图8)。2022年6月,群测群防人员观察到车邑坪村中部地下水突然断流,库区水位下降15 m。可见水电站周边的安全隐患已经不可忽视。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8   车邑坪村村民房屋裂缝

Fig.8   Cracks in village houses at Cheyiping village


由于滑坡运动方向对卫星飞行方向的敏感性不同,降轨的形变程度略小于升轨,考虑到形变速率数据分布的情况,选取了垂直于岸向的剖面线AB以进行形变速率的分布情况分析(图9(a)—(b))。从图9(c)—(d)可以看出,该剖面的水平形变为负值,即朝西方向沿着滑坡向下运动,剖面的垂直形变为正值,表示抬升。从图10可以看出,A-B剖面线在离岸边70 m左右达到峰值,平均水平形变速率达到-87 mm/a,平均垂直形变速率达到71 mm/a,二维形变速率在整体趋势上,距离澜沧江越近,形变速率越大。结合LOS向的监测结果可以看出,滑坡平面呈扇形,长约1 500 m,宽约800 m,最大水平形变速率、最大垂直形变速率均位于坡脚,且水平形变整体较大,此外,在车邑坪村区域内存在垂直方向的沉降,从结果可以看出,车邑坪村的滑坡比较危险,本文结合降雨量数据进行进一步分析。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9   车邑坪村区域形变速率

Fig.9   Deformation rate of Cheyiping village area


图10

新窗口打开| 下载原图ZIP| 生成PPT

图10   AB剖面水平向和垂直向形变速率

Fig.10   Horizontal and vertical directions displacement rate of profile line A-B


4 讨论

4.1 车邑坪滑坡季节性运动特征

水是导致滑坡发生不可忽视的因素之一[34],以往研究表明[35-36],连续的降雨和澜沧江水位的快速变化会对车邑坪滑坡的形变速率产生影响,导致滑坡稳定性下降。将车邑坪滑坡的垂直和水平时间序列形变值与月降雨量数据进行对比分析,研究区雨季为5—10月,降雨量占全年90%以上。根据车邑坪强形变区各部分形变的特征,在图9(a)中选定了点P1,P2,P3,P4和P5以讨论季节性降雨和滑坡形变速率之间的相关性。其中点P1位于车邑坪村区域,点P2,P3,P4位于滑坡中下部,点P5位于滑坡顶部。

从图11可以看出,降雨量的变化对滑坡中下部的影响大于顶部的影响,其中滑坡中下部的点P2,P3和P4的累积水平形变曲线在雨季之后都有加速形变的趋势,在2个雨季之后,从图11中虚线和红线所划定的时间段(2020年9月—2020年12月和2021年9月—2021年12月)可以看出,点P2,P3和P4所在区域累计形变曲线斜率发生了增大,形变加速,这段时间之外的时间段,形变速率趋于平缓。滑坡顶部的点P5的形变曲线斜率的变化小于中下部的,且在垂直方向的累计变化更加平缓。滑坡在过去2 a发生了明显的滑动,其中形变最缓慢的点P1和P5的水平年平均形变速率也分别达到了53 mm/a和68 mm/a,形变最剧烈的点P2的年平均形变更是达到了158 mm/a。5个点中,点P1的累计水平形变最小,但垂直形变最大且呈现抬升的趋势,在第二个雨季(2021年9月—2021年12月)后形变曲线斜率有明显的增大,于2022年8月累计抬升95 mm。

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11   特征点的时间序列累计形变

Fig.11   Accumulated deformation time series of feature points


在分析了5个点的形变曲线变化之后,可以发现在雨季之后的2个月内,滑坡形变速率的曲线斜率更加陡峭,这表明滑坡形变速率增加。由于季节性降雨往往持续数月,其对滑坡形变具有较强的诱发作用。此外,这种加速的产生和消失通常会延迟一段时间,因为降雨渗入滑坡岩体需要一定的时间,其对滑坡形变速率的影响具有滞后性[37-38],这与很多研究的结果具有一致性[39]。

4.2 其他5处滑坡

在黄登水电站上游,除了车邑坪滑坡外还存在其他5处滑坡隐患区域(图7),分别位于支角登、界坪村、大格拉岩、新农村上方及其下方区域,这5处隐患区域均位于澜沧江右岸,本文选取了5个剖面,结合二维形变速率与降雨量、距澜沧江江岸距离的关系进行逐一分析。

4.2.1 支角登

支角登(图12)滑坡隐患区域的水平向形变和垂直形变都为负值,水平向表现为向西方向位移,垂直向表现为沉降,图12(a)中标记的2个点P6和P7被选作形变特征分析,如图12(e)所示,2点的形变速率在雨季之后表现为先减小再增大,这种情况通常与地下水位的变化有关[40],降雨对2点的形变速率无明显影响。通过C-D剖面的二维形变速率距澜沧江距离分析发现(图12(f)),支角登异常形变较大区域整体靠近江岸,整体垂直向形变分布较为均匀,水平形变大于垂直形变。

图12-1

新窗口打开| 下载原图ZIP| 生成PPT

图12-1   支角登区域

Fig.12-1   Zhijiaodeng area


图12-2

新窗口打开| 下载原图ZIP| 生成PPT

图12-2   支角登区域

Fig.12-2   Zhijiaodeng area


4.2.2 界坪村

界坪村(图13)滑坡隐患区域的二维异常形变分布同支角登类似,整体水平形变速率大于垂直形变速率,水平方向形变表现为向西方向移动,垂直方向以沉降为主。图13(e)—(f)可以看出,点P9在雨季之后二维形变具有加速的趋势,整体上水平形变距离江岸距离越近,速率越大,垂直速率无明显相关性。

图13

新窗口打开| 下载原图ZIP| 生成PPT

图13   界坪村区域

Fig.13   Jieping village area


4.2.3 大格拉岩子

大格拉岩子(图14)滑坡隐患区域的形变以水平向为主,表现为朝西方向运动,垂直向形变速率较水平向小,以沉降为主,且主要集中在隐患区域中下部靠近江岸的区域,图14(e)—(f)可以看出,点P10的累计水平形变曲线的斜率在雨季之后有明显的增加,水平形变在距离江岸455 m左右开始减小,垂直速率较小且无明显相关性。

图14

新窗口打开| 下载原图ZIP| 生成PPT

图14   大格拉岩子区域

Fig.14   Dagela area


4.2.4 新农村

新农村(图15—16)区域存在2处滑坡隐患区域,2处异常形变区域的形变以水平方向为主,表现为朝西方向运动,垂直向形变速率较水平向较小,以沉降为主,形变主要集中在中下部,图15(e)—(f)和图16(e)—(f)可以看出,水平向形变速率在降雨之后增大,整体上呈现离澜沧江越近水平形变速率越大的趋势,垂直向无明显相关性。

图15

新窗口打开| 下载原图ZIP| 生成PPT

图15   新农村上方区域

Fig.15   Upper area of Xinnong village


图16-1

新窗口打开| 下载原图ZIP| 生成PPT

图16-1   新农村下方区域

Fig.16-1   Lower area of Xinnong village


图16-2

新窗口打开| 下载原图ZIP| 生成PPT

图16-2   新农村下方区域

Fig.16-2   Lower area of Xinnong village


4.3 研究区滑坡隐患区域形变特征

通过分析可以发现,研究区所有的异常形变点都在澜沧江右岸,总体形变以水平方向为主,都表现为向西,即澜沧江方向进行运动,并伴有以沉降为主的垂直向形变。水平方向形变整体上呈现出: 距离澜沧江越近,形变速率越大的特征,垂直向形变与澜沧江距离相关性在车邑坪滑坡以外的区域并不明显。在雨季过后,形变最大的车邑坪滑坡二维形变速率出现较为明显的增加,在其他滑坡隐患区域,降雨量和二维形变速率的相关性并不显著,仅在界坪村、大格拉岩子和新农村的部分区域表现出较好的相关性,水平形变的相关性比垂直形变更显著。

此外,经过二维解算所识别出的异常形变区域在LOS向的升轨和降轨的监测结果中都可以识别出来,但获得的监测结果却出现了2种相反的监测结果。所以,仅依靠LOS向的监测结果难以把握滑坡的走向和趋势,这也体现了对多轨道数据集结合进行二维解算的必要性。

5 结论

本研究利用升降轨Sentinel-1A卫星影像和时序InSAR技术对黄登水电站上游在2020年4月—2022年8月期间的形变进行了大范围地表形变监测,结论如下:

1)针对单一数据源获得的监测结果精度有限,多数据源时空不同步的问题,通过二维形变解算成功获取了整个时间序列的二维形变地表形变数据,识别了黄登水电站上游6处异常形变区域,通过数据分析发现,最大平均形变速率发生在车邑坪区域,最大水平形变速率达到了158 mm/a,最大垂直速率为81 mm/a,结果显示黄登水电站上游地表形变以水平形变为主,同时伴有垂直方向形变。

2)通过分析二维形变和澜沧江江岸距离的关系发现,形变最大的车邑坪滑坡二维形变速率和江岸距离呈反比,形变速率伴随着江岸距离的增加而减小,车邑坪以外的异常形变区域,异常形变总是分布在澜沧江江岸,江岸距离和水平向形变的相关性更强,和垂直向相关性较弱。

3)通过分析二维形变和降雨量的关系发现,形变最大的车邑坪滑坡二维形变速率存在季节性变化,在雨季后的2个月内加速,在其他滑坡隐患区域,降雨量的和二维形变速率的相关性并不显著,仅在界坪村、大格拉岩子、新农村的部分区域表现出较好的相关性,且水平形变的相关性比垂直形变更显著。

本文的不足之处在于: 进行二维解算时忽略了南北向水平的形变,仅考虑了东西向水平形变的结果,且没有考虑地下水位的影响。在后续分析中,为了更全面地了解研究区地表形变的情况,可以增加GNSS数据以获取三维形变数据,并结合地下水位数据进行进一步的分析。

参考文献

Bartle A.

Hydropower potential and development activities

[J]. Energy Policy, 2002, 30(14):1231-1239.

[本文引用: 1]

Hennig T, Wang W, Feng Y, et al.

Review of Yunnan’s hydropower development.Comparing small and large hydropower projects regarding their environmental implications and socio-economic consequences

[J]. Renewable and Sustainable Energy Reviews, 2013, 27:585-595.

[本文引用: 1]

Wang L, Chen C, Zou R, et al.

Surface gravity and deformation effects of water storage changes in China’s Three Gorges Reservoir constrained by modeled results and in situ measurements

[J]. Journal of Applied Geophysics, 2014, 108:25-34.

[本文引用: 1]

Bosa S, Petti M.

Shallow water numerical model of the wave generated by the Vajont landslide

[J]. Environmental Modelling and Software, 2011, 26(4):406-418.

[本文引用: 1]

Zhang L, Liao M, Balz T, et al. Monitoring landslide activities in the three gorges area with multi-frequency satellite SAR data sets[M]//Modern Technologies for Landslide Monitoring and Prediction. Berlin,Heidelberg: Springer Berlin Heidelberg, 2015:181-208.

[本文引用: 1]

Froude M J, Petley D N.

Global fatal landslide occurrence from 2004 to 2016

[J]. Natural Hazards and Earth System Sciences, 2018, 18(8):2161-2181.

[本文引用: 1]

云烨, 吕孝雷, 付希凯, 等.

星载InSAR技术在地质灾害监测领域的应用

[J]. 雷达学报, 2020, 9(1):73-85.

[本文引用: 1]

Yun Y, Lyu X L, Fu X K, et al.

Application of spaceborne interferometric synthetic aperture radar to geohazard monitoring

[J]. Journal of Radars, 2020, 9(1):73-85.

[本文引用: 1]

Sandwell D T, Price E J.

Phase gradient approach to stacking interferograms

[J]. Journal of Geophysical Research:Solid Earth, 1998, 103(B12):30183-30204.

[本文引用: 1]

Ferretti A, Prati C, Rocca F.

Analysis of permanent scatterers in SAR interferometry

[C]// IGARSS 2000.IEEE 2000 International Geoscience and Remote Sensing Symposium.Taking the Pulse of the Planet:The Role of Remote Sensing in Managing the Environment.Proceedings (Cat.No.00CH37120).Honolulu,HI,USA.IEEE, 2002:761-763.

[本文引用: 1]

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.

[本文引用: 1]

杨帆, 巩世彬, 陈梓萌.

时序InSAR 技术对大连主城区沉降分析

[J]. 测绘工程, 2022, 31(3):61-67.

[本文引用: 1]

针对大连市海水入侵加剧地表变形等问题，文中通过时序InSAR技术对大连市主城区2018年11月8日—2020年10月28日的30景Sentinel-1A影像进行地表沉降分析，最终得到大连市两年内的平均沉降速率和时序形变量。同时将PS-InSAR技术和SBAS-InSAR技术获得的两种形变监测结果进行交叉验证，根据时序监测的沉降信息和沉降发育特征分析大连市主城区近两年地面沉降的主要原因。利用时序InSAR技术的优势在于能在大范围地表变形监测过程中克服一定程度的时间、空间以及大气等因素对监测结果的影响。结果表明，该地区沉降和地下水入侵及人类工程建设有关，且两种技术所获得的变形结果基本一致，证明两种方法在该地区监测的可靠性。

Yang F, Gong S B, Chen Z M.

Time series InSAR technology for settlement analysis of Dalian main urban area

[J]. Engineering of Surveying and Mapping, 2022, 31(3):61-67.

[本文引用: 1]

虎小强, 杨树文, 闫恒, 等.

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.doi:10.6046/zrzyyg.2021415.

[本文引用: 1]

Hu X Q, Yang S W, Yan H, et al.

Time-series InSAR-based monitoring and analysis of surface deformation in the Axi mining area,Xinjiang

[J]. Remote Sensing for Natural Resources, 2023, 35(1):171-179.doi:10.6046/zrzyyg.2021415.

[本文引用: 1]

向淇文, 郭金城, 汪娟, 等.

时序InSAR在贵州区域地质灾害隐患识别的应用

[J]. 测绘科学, 2022, 47(9):112-119.

[本文引用: 1]

Xiang Q W, Guo J C, Wang J, et al.

Application of time series InSAR in recognition of hidden dangers of geological hazards in Guizhou area

[J]. Science of Surveying and Mapping, 2022, 47(9):112-119.

[本文引用: 1]

张亚迪, 李煜东, 董杰, 等.

时序InSAR技术探测芒康地区滑坡灾害隐患

[J]. 遥感学报, 2019, 23(5):987-996.

[本文引用: 1]

Zhang Y D, Li Y D, Dong J, et al.

Landslide hazard detection in Markam with time-series InSAR analyses

[J]. Journal of Remote Sensing, 2019, 23(5):987-996.

[本文引用: 1]

Liu P, Li Z, Hoey T, et al.

Using advanced InSAR time series techniques to monitor landslide movements in Badong of the Three Gorges region,China

[J]. International Journal of Applied Earth Observation and Geoinformation, 2013, 21:253-264.

[本文引用: 1]

Zhao C Y, Kang Y, Zhang Q, et al.

Landslide detection and monitoring with insar technique over upper reaches of Jinsha River,China

[C]// 2016 IEEE International Geoscience and Remote Sensing Symposium (IGARSS).Beijing,China.IEEE, 2016:2881-2884.

[本文引用: 1]

Samsonov S, Dille A, Dewitte O, et al.

Satellite interferometry for mapping surface deformation time series in one,two and three dimensions:A new method illustrated on a slow-moving landslide

[J]. Engineering Geology, 2020, 266:105471.

[本文引用: 1]

Maghsoudi Y, van der Meer F, Hecker C, et al.

Using PS-InSAR to detect surface deformation in geothermal areas of West Java in Indonesia

[J]. International Journal of Applied Earth Observation and Geoinformation, 2018, 64:386-396.

[本文引用: 1]

Chen Y, Yu S, Tao Q, et al.

Accuracy verification and correction of D-InSAR and SBAS-InSAR in monitoring mining surface subsidence

[J]. Remote Sensing, 2021, 13(21):4365.

[本文引用: 1]

Umarhadi D A, Avtar R, Widyatmanti W, et al.

Use of multifrequency (C-band and L-band) SAR data to monitor peat subsidence based on time-series SBAS InSAR technique

[J]. Land Degradation and Development, 2021, 32(16):4779-4794.

[本文引用: 1]

Tao Q, Wang F, Guo Z, et al.

Accuracy verification and evaluation of small baseline subset (SBAS) interferometric synthetic aperture radar (InSAR) for monitoring mining subsidence

[J]. European Journal of Remote Sensing, 2021, 54(1):642-663.

[本文引用: 1]

Zhang P, Guo Z, Guo S, et al.

Land subsidence monitoring method in regions of variable radar reflection characteristics by integrating PS-InSAR and SBAS-InSAR techniques

[J]. Remote Sensing, 2022, 14(14):3265.

[本文引用: 1]

Shanker P, Casu F, Zebker H A, et al.

Comparison of persistent scatterers and small baseline time-series InSAR results:A case study of the San francisco bay area

[J]. IEEE Geoscience and Remote Sensing Letters, 2011, 8(4):592-596.

[本文引用: 1]

Crosetto M, Monserrat O, Cuevas-González M, et al.

Persistent scatterer interferometry:A review

[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2016, 115:78-89.

[本文引用: 1]

Hu J, Li Z W, Ding X L, et al.

Resolving three-dimensional surface displacements from InSAR measurements:A review

[J]. Earth-Science Reviews, 2014, 133:1-17.

[本文引用: 1]

Zhu Y F, Yao X, Yao C, et al.

Integration of vertical and horizontal deformation derived by SAR observation for identifying landslide motion patterns in a basaltic weathered crust region of Guizhou,China

[J]. Remote Sensing, 2022, 14(16):4014.

[本文引用: 1]

Meng Q, Confuorto P, Peng Y, et al.

Regional recognition and classification of active loess landslides using two-dimensional deformation derived from sentinel-1 interferometric radar data

[J]. Remote Sensing, 2020, 12(10):1541.

[本文引用: 1]

Chen Q, Zhang H, Xu B, et al.

Accessing the time-series two-dimensional displacements around a reservoir using multi-orbit SAR datasets:A case study of xiluodu hydropower station

[J]. Remote Sensing, 2022, 15(1):168.

[本文引用: 1]

Ning Y, Tang H, Zhang G, et al.

A complex rockslide developed from a deep-seated toppling failure in the upper Lancang River,Southwest China

[J]. Engineering Geology, 2021, 293:106329.

[本文引用: 1]

Zhong R, Zhao T, He Y, et al.

Hydropower change of the water tower of Asia in 21st century:A case of the Lancang River hydropower base,upper Mekong

[J]. Energy, 2019, 179:685-696.

[本文引用: 1]

Wang H L, Zhao X F, Chen H J, et al.

Evaluation of toppling rock slopes using a composite cloud model with DEMATEL-CRITIC method

[J]. Water Science and Engineering, 2023, 16(3):280-288.

[本文引用: 1]

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.

[本文引用: 1]

Fobert M A, Singhroy V, Spray J G.

InSAR monitoring of landslide activity in Dominica

[J]. Remote Sensing, 2021, 13(4):815.

[本文引用: 1]

Fuhrmann T, Garthwaite M C.

Resolving three-dimensional surface motion with InSAR:Constraints from multi-geometry data fusion

[J]. Remote Sensing, 2019, 11(3):241.

[本文引用: 1]

Wang H, Sun P, Zhang S, et al.

Rainfall-induced landslide in loess area,Northwest China:A case study of the Changhe landslide on September 14,2019,in Gansu Province

[J]. Landslides, 2020, 17(9):2145-2160.

[本文引用: 1]

Guo C, Ma G, Xiao H, et al.

Displacement back analysis of reservoir landslide based on multi-source monitoring data:A case study of the cheyiping landslide in the Lancang River Basin,China

[J]. Remote Sensing, 2022, 14(11):2683.

[本文引用: 1]

Xia M, Ren G M, Ma X L.

Deformation and mechanism of landslide influenced by the effects of reservoir water and rainfall,Three Gorges,China

[J]. Natural Hazards, 2013, 68(2):467-482.

[本文引用: 1]

Li D, Yin K, Leo C.

Analysis of Baishuihe landslide influenced by the effects of reservoir water and rainfall

[J]. Environmental Earth Sciences, 2010, 60(4):677-687.

[本文引用: 1]

Ma S, Qiu H, Hu S, et al.

Characteristics and geomorphology change detection analysis of the Jiangdingya landslide on July 12,2018,China

[J]. Landslides, 2021, 18(1):383-396.

[本文引用: 1]

Cohen-Waeber J, Bürgmann R, Chaussard E, et al.

Spatiotemporal patterns of precipitation-modulated landslide deformation from independent component analysis of InSAR time series

[J]. Geophysical Research Letters, 2018, 45(4):1878-1887.

[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