西藏然烏地區(qū)地質(zhì)災(zāi)害隱患點(diǎn)InSAR識別與監(jiān)測

張本浩，魏云杰，楊成生，熊國華，董繼紅

（1. 長安大學(xué)地質(zhì)工程與測繪學(xué)院, 陜西 西安 710054；2. 中國地質(zhì)環(huán)境監(jiān)測院（自然資源部地質(zhì)災(zāi)害技術(shù)指導(dǎo)中心）, 北京 100081）

0 引言

我國地質(zhì)構(gòu)造運(yùn)動(dòng)頻繁，地形結(jié)構(gòu)復(fù)雜，地質(zhì)災(zāi)害隱患多、分布廣、高易發(fā)[1]。地質(zhì)災(zāi)害往往具有強(qiáng)大的破壞力，嚴(yán)重威脅群眾的生命和財(cái)產(chǎn)安全、阻礙當(dāng)?shù)亟?jīng)濟(jì)發(fā)展[2]。如何準(zhǔn)確地識別災(zāi)害隱患所在位置、可能發(fā)生的時(shí)間并提前預(yù)警，是當(dāng)前地質(zhì)災(zāi)害工作人員關(guān)注的首要問題[3]。因此，開展地質(zhì)災(zāi)害早期識別與監(jiān)測，確定災(zāi)害體空間分布及活動(dòng)規(guī)律，對防災(zāi)減災(zāi)工作具有重要意義。

嘉黎斷裂地處青藏高原東南緣，地勢高陡，經(jīng)過多次構(gòu)造變形運(yùn)動(dòng)，形成了大量節(jié)理、斷層等[4?5]。唐得勝等[6]通過對然烏湖到通麥鎮(zhèn)典型冰湖潰決泥石流災(zāi)害鏈的成因分析，得出該區(qū)域?yàn)閮?nèi)外應(yīng)力耦合作用形成地質(zhì)災(zāi)害鏈的結(jié)論。郭佳寧等[7]通過總結(jié)并分析前人對藏東南地區(qū)滑坡地質(zhì)災(zāi)害的研究得出林芝—然烏段共存在8個(gè)大型滑坡、6個(gè)大型崩塌，其中通麥—波密段有102個(gè)滑坡群[7]。趙聰?shù)萚8]利用遙感數(shù)據(jù)解譯發(fā)現(xiàn)帕隆藏布江流域（波密—然烏段）冰川退縮，大量凍融松散物源進(jìn)入溝道，導(dǎo)致流域內(nèi)冰川泥石流大規(guī)模發(fā)育[8]。這類地質(zhì)災(zāi)害一般規(guī)模較大、易堵河，對當(dāng)?shù)厝罕姷纳?cái)產(chǎn)安全構(gòu)成嚴(yán)重威脅。如2017年8月3日，波密縣傾多鎮(zhèn)暴發(fā)泥石流；2018年10月，林芝東部色東普溝暴發(fā)大規(guī)模冰川泥石流；2020年6月，嘉黎縣金翁錯(cuò)暴發(fā)冰磧湖潰決事件。目前對然烏地區(qū)的監(jiān)測集中在波密縣到然烏鎮(zhèn)的冰川和泥石流地質(zhì)災(zāi)害發(fā)育情況和構(gòu)造部位的運(yùn)動(dòng)特征[4,9]，觀測方法主要是光學(xué)遙感數(shù)據(jù)分析，大部分學(xué)者關(guān)注重點(diǎn)部位地質(zhì)災(zāi)害發(fā)育情況[10?12]，對區(qū)域地質(zhì)災(zāi)害形變特征和規(guī)律的分析研究較少。

然烏鎮(zhèn)地區(qū)地質(zhì)災(zāi)害易發(fā)，地形陡峭復(fù)雜、落差大、植被茂密，傳統(tǒng)地面監(jiān)測手段難以開展。合成孔徑雷達(dá)干涉測量（Interferometric Synthetic Aperture Radar，InSAR）作為一種大范圍地表形變監(jiān)測技術(shù)，其穿透能力強(qiáng)、覆蓋范圍廣、能快速獲取區(qū)域形變信息，已經(jīng)被廣泛用在冰川[13]、滑坡[14]、泥石流[15]等的調(diào)查和監(jiān)測，為地質(zhì)災(zāi)害的防治工作提供了新的技術(shù)手段。因此文章在分析InSAR技術(shù)在該地區(qū)適應(yīng)性的基礎(chǔ)上，利用InSAR技術(shù)對然烏地區(qū)開展地質(zhì)災(zāi)害隱患早期識別和形變監(jiān)測研究，為該區(qū)域防災(zāi)減災(zāi)提供參考。

1 研究區(qū)概況及數(shù)據(jù)來源

1.1 研究區(qū)概況

研究區(qū)位于藏東南然烏地區(qū)（圖1），屬嘉黎斷裂東部，川藏鐵路康定—林芝段的必經(jīng)路線。研究區(qū)內(nèi)相對高差最大超過2 000 m。受季風(fēng)環(huán)流影響，夏季濕涼、冬季干冷漫長多大風(fēng)。由于該區(qū)域?qū)儆诘湫偷母呱綅{谷地貌，且受嘉黎斷裂帶活動(dòng)和氣候的影響，地面切割強(qiáng)烈，地質(zhì)災(zāi)害易發(fā)。研究區(qū)內(nèi)災(zāi)害主要有泥石流、滑坡等。2016年田小平[16]通過野外調(diào)查結(jié)合文獻(xiàn)資料，統(tǒng)計(jì)得到然烏—波密段泥石流共有118條，1994—2015年國道318線波密縣至然烏鎮(zhèn)段降雨泥石流和冰川泥石流總計(jì)64處。泥石流會(huì)引發(fā)堰塞湖、阻斷交通、毀壞基礎(chǔ)設(shè)施等[17]問題。

圖1 研究區(qū)影像覆蓋示意圖Fig.1 Image coverage diagram of the study area

1.2 數(shù)據(jù)來源

為了利用InSAR技術(shù)對然烏地區(qū)開展地質(zhì)災(zāi)害隱患識別和監(jiān)測，文中收集了覆蓋研究區(qū)從2018年1月至2020年11月的Sentinel-1A升軌SAR影像82景，從2018年1月至2020年10月的Sentinel-1A降軌SAR影像75景，表1列出使用的SAR數(shù)據(jù)基本參數(shù)。使用日本宇宙航空研究開發(fā)機(jī)構(gòu)（JAXA）發(fā)布的AW3D30（https://www.eorc.jaxa.jp/ALOS/en/aw3d30/data/index.htm） 全球數(shù)字地表模型數(shù)據(jù)消除InSAR干涉圖中的地形相位[14]。同時(shí)為了分析SAR成像幾何對地表觀測的影響，AW3D30被用來計(jì)算SAR影像的疊掩和陰影區(qū)。為了改正基線誤差，使用了Sentinel-1A的POD精密軌道衛(wèi)星星歷（Precise Orbit Ephemerides，POD）數(shù)據(jù)，數(shù)據(jù)下載網(wǎng)址（https://s1qc.asf.alaska.edu/aux_poeorb/），定位精度優(yōu)于5 cm[17]。

表1 SAR數(shù)據(jù)基本參數(shù)Table 1 Basic parameters of SAR data

2 技術(shù)方法

2.1 基于InSAR堆疊技術(shù)的滑坡探測

本次實(shí)驗(yàn)使用干涉圖堆疊技術(shù)（Stacking-InSAR）進(jìn)行大范圍地質(zhì)災(zāi)害隱患調(diào)查。Stacking-InSAR技術(shù)由SANDWELL等[18]在1998年提出，通過對多幅解纏干涉圖進(jìn)行加權(quán)平均。在對解纏干涉圖堆疊處理之前，需要將參與計(jì)算的干涉對重新采樣到相同投影坐標(biāo)系下。與傳統(tǒng)的差分技術(shù)（D-InSAR）相比[19]，該技術(shù)能夠明顯的減弱數(shù)字高程模型誤差和大氣誤差的影響[14]。因此，Stacking-InSAR技術(shù)用于然烏地區(qū)地質(zhì)災(zāi)害隱患點(diǎn)識別具有較好的技術(shù)優(yōu)越性。

Stacking技術(shù)假設(shè)任意一幅干涉圖是獨(dú)立、大氣誤差是隨機(jī)且相等的、形變速率是線性的。在此基礎(chǔ)上，將多幅解纏相位圖按干涉對時(shí)間間隔進(jìn)行加權(quán)平均，就可以得到研究區(qū)的形變相位信息。根據(jù)誤差傳播定律，加權(quán)平均后大氣相位誤差與解纏相位圖數(shù)量之間并不是倍數(shù)關(guān)系，而是平方根關(guān)系。從而增加了形變和大氣相位的信噪比，提高了形變監(jiān)測精度，其數(shù)學(xué)模型可以表示為：

式中：V——年均形變速率；

M——參與加權(quán)平均計(jì)算的干涉圖數(shù)量；

ΔTi——第i幅干涉圖的時(shí)間基線；

φi——第i個(gè)干涉圖的解纏相位值。

由于原始Sentinel-1A影像覆蓋范圍較大（250 km×190 km），為提高數(shù)據(jù)處理效率，僅選擇了與研究區(qū)相關(guān)的區(qū)域進(jìn)行處理。數(shù)據(jù)處理過程中，時(shí)空基線閾值分別為60 d和±200 m，升降軌影像分別產(chǎn)生368和317個(gè)干涉對，通過挑選相干性高且無明顯解纏誤差干涉對，最終分別選擇205個(gè)和189個(gè)高質(zhì)量干涉對進(jìn)行Stacking技術(shù)處理。

為了抑制數(shù)據(jù)處理中噪聲影響，提高干涉圖的相干性，數(shù)據(jù)處理過程中對SAR影像進(jìn)行了多視處理，多視比為4∶1，多視處理后SAR影像分辨率約為15 m，并采用16×16和8×8窗口進(jìn)行兩次自適應(yīng)濾波[20]。對殘余軌道誤差，采用二次多項(xiàng)式擬合方法進(jìn)行去除。我們將InSAR識別出的疑似隱患點(diǎn)，疊加到谷歌光學(xué)影像中，通過與實(shí)際地形條件對比分析，圈定最終的地質(zhì)災(zāi)害隱患點(diǎn)，具體實(shí)驗(yàn)流程如圖2所示。

圖2 實(shí)驗(yàn)流程示意圖Fig.2 Schematic diagram of experimental flow

2.2 二維形變解算

由于SAR系統(tǒng)側(cè)視成像特點(diǎn)，導(dǎo)致單一軌道的SAR數(shù)據(jù)在高山峽谷區(qū)進(jìn)行地質(zhì)隱患點(diǎn)探測中會(huì)存在漏判情況[21]，而采用升軌和降軌數(shù)據(jù)組合的觀測方法，則可以增加對地觀測的可見范圍，有利于減少隱患點(diǎn)的漏判，且通過不同方向的形變特征能夠更好地反映隱患點(diǎn)的形變特征。文中采用多維小基線子集(Multidimensional Small Baseline Subset，MSBAS)技術(shù)，聯(lián)合升、降軌數(shù)據(jù)對研究實(shí)驗(yàn)區(qū)開展地質(zhì)災(zāi)害隱患點(diǎn)的二維形變監(jiān)測。MSBAS技術(shù)是由SAMSONOV等[22]在2013年提出，和傳統(tǒng)小基線技術(shù)（Small BAseline Subset，SBAS）有所區(qū)別，該技術(shù)可以計(jì)算隱患點(diǎn)的二維(水平東西向、垂直向)形變速率和時(shí)間序列，稱為MSBAS-2D技術(shù)[23]。

MSBAS-2D技術(shù)利用兩個(gè)不同軌道在相同時(shí)間段覆蓋相同區(qū)域的影像，常用升軌影像和降軌影像，獲取該區(qū)域的二維形變時(shí)間序列。其數(shù)學(xué)模型可以表示為：

θ——方位角；

φ——航向角；

λ——正則化參數(shù)；

VE、VU——表示水平東西向速率和垂直向速率；

當(dāng)升軌和降軌數(shù)據(jù)獲取時(shí)間存在差異時(shí)，利用吉洪諾夫正則化矩陣B和 參數(shù) λ相乘，得到正則化的時(shí)間序列結(jié)果，類似于利用低通濾波的方法去除高頻信號的噪聲。再應(yīng)用奇異值分解（SVD）方法獲得二維形變速率，在形變速率的基礎(chǔ)上，使用數(shù)值積分法獲得形變時(shí)間序列[23]。

3 一維形變監(jiān)測結(jié)果與分析

3.1 研究區(qū)幾何畸變分析

由于SAR系統(tǒng)的側(cè)視成像模式，在較小范圍內(nèi)，可將微波看作為平面波且入射角視為固定。若地面不平坦則表示地表存在起伏，導(dǎo)致幾何畸變現(xiàn)象的產(chǎn)生（頂?shù)椎怪?、陰影、透視收縮）（圖3）[24]。當(dāng)隱患點(diǎn)位于疊掩區(qū)時(shí)（圖3b），會(huì)造成滑坡體形變特征被壓縮且點(diǎn)數(shù)量較少；當(dāng)隱患點(diǎn)位于陰影區(qū)域時(shí)（圖3c），雷達(dá)衛(wèi)星不能接收到該區(qū)域的任何后向散射信息，則導(dǎo)致隱患點(diǎn)的漏判。因此，同一區(qū)域采用不同視角的衛(wèi)星（如升降軌聯(lián)合觀測），則可以提高隱患點(diǎn)的識別范圍。我們根據(jù)升降軌數(shù)據(jù)的成像參數(shù)和地形數(shù)據(jù)計(jì)算了研究區(qū)的疊掩陰影分布如（圖4）。從圖4中可以看出，升軌受到疊掩和陰影幾何畸變影響，且在整個(gè)影像上均有分布，其面積占比分別為22.72%和0.86%；降軌受到疊掩和陰影幾何畸變影響，且空間分布集中在西部，面積占比分別為7.45%和3.77%。升軌和降軌數(shù)據(jù)幾何畸變空間分布和占比面積均存在差異，其原因主要是衛(wèi)星的航向角和入射角的不同，導(dǎo)致幾何畸變的空間分布和占比面積存在差異。對位于幾何畸變區(qū)域中的隱患點(diǎn)，將會(huì)在InSAR識別結(jié)果中進(jìn)行綜合判斷以減少誤判。

圖3 SAR成像幾何畸變示意圖（a:頂?shù)椎怪?；b:透視收縮；c:陰影）Fig.3 Geometric distortion diagram of SAR imaging (a: top bottom inversion; b: fluoroscopic contraction; c: shadow)

圖4 然烏地區(qū)升降軌疊掩陰影分布圖Fig.4 Overlay shadow distribution of lifting rails in Ranwu area

3.2 大范圍識別結(jié)果

相比較D-InSAR技術(shù)，Stacking技術(shù)能夠明顯的削弱數(shù)字高程模型誤差和大氣誤差的影響[25]，研究中利用Stacking技術(shù)獲取了然烏地區(qū)沿衛(wèi)星視線方向年均形變速率結(jié)果。結(jié)合然烏地區(qū)地形和地質(zhì)災(zāi)害的活動(dòng)特性，選擇然烏地區(qū)人工建筑物作為穩(wěn)定區(qū)，計(jì)算標(biāo)準(zhǔn)差為1.96 mm/a，最大形變速率為8.3 mm/a。因此選擇形變量級±10 mm/a的區(qū)域作為穩(wěn)定區(qū)，當(dāng)形變速率超過這個(gè)閾值時(shí)，則將其判定為地質(zhì)災(zāi)害疑似隱患點(diǎn)。然后，結(jié)合光學(xué)影像和地形條件，對識別出的地質(zhì)災(zāi)害疑似隱患點(diǎn)進(jìn)行對比分析，最終共圈定潛在隱患點(diǎn)67處，隱患點(diǎn)分布如圖5所示。升軌和降軌影像分別識別出隱患點(diǎn)41處和45處，其中共同識別19處。災(zāi)害類型主要為滑坡和冰川，部分典型隱患點(diǎn)InSAR結(jié)果如圖6所示。從識別結(jié)果的空間分布看：識別隱患點(diǎn)主要集中在318國道附近，且在然烏附近分布較多的隱患點(diǎn)；識別隱患點(diǎn)在空間分布上有所差異，升軌影像主要集中在然烏到吉達(dá)鄉(xiāng)，降軌影像隱患點(diǎn)主要集中在然烏到玉普鄉(xiāng)。分析原因是由于升降軌影像入射角差異和疊掩陰影空間位置分布不同導(dǎo)致的。

圖5 然烏地區(qū)地質(zhì)災(zāi)害隱患點(diǎn)InSAR判識結(jié)果分布圖Fig.5 Distribution of InSAR identification results of geological hazard hidden spots in Ranwu area

圖6 典型隱患點(diǎn)InSAR結(jié)果及遙感影像（圖a和圖b分別對應(yīng)圖5中1號和2號點(diǎn)）Fig.6 InSAR results and remote sensing images of typical hidden trouble points (Fig.a and b correspond to no.1 and no.2 in Fig.5 respectively)

3.3 典型隱患點(diǎn)時(shí)空形變特征

為了更好地分析識別的隱患點(diǎn)在時(shí)間和空間上的形變特征，選擇形變特征明顯、對附近居民點(diǎn)或交通路線存在隱患的兩個(gè)隱患點(diǎn)，分別是日曲滑坡（1號點(diǎn)）、莫格曲冰川（2號點(diǎn)）（圖5），提取得到了這兩個(gè)隱患點(diǎn)的時(shí)間序列結(jié)果。日曲滑坡位于古繞村日曲北岸陡峭山體上，坡體西側(cè)為318國道。根據(jù)該滑坡體在2018年1月至2020年11月的時(shí)間形變序列和整體的年均形變速率結(jié)果（圖7），可以看到該滑坡體處于等速蠕滑階段，結(jié)合其剖線圖（圖8）發(fā)現(xiàn)，在距離山頂0.56 km處滑坡的形變速率達(dá)到最大值?94.8 mm/a，隨著坡度增大，形變速率增大且兩年多時(shí)間累計(jì)形變量達(dá)到278 mm。莫格曲冰川位于莫格曲東岸，通過光學(xué)影像發(fā)現(xiàn)冰川上部存在兩個(gè)冰湖，根據(jù)2018年1月至2020年11月時(shí)間形變序列和整體的年均形變速率結(jié)果，可以看出相比日曲滑坡，莫格曲冰川體的形變速率更大，結(jié)合其剖線圖（圖7）發(fā)現(xiàn)該冰川形變主要集中于冰川中部，最大年均形變速率處距離山頂0.64 km，且在雷達(dá)視線方向達(dá)到107 mm/a，兩年多時(shí)間累計(jì)形變量達(dá)472 mm。根據(jù)這兩個(gè)隱患點(diǎn)的剖線結(jié)果，可以看出變形趨勢均是先增大后減小，呈漏斗狀，最后形變速率均趨近穩(wěn)定。

圖7 典型隱患點(diǎn)時(shí)間序列Fig.7 Time series of typical hidden trouble points

圖8 典型隱患點(diǎn)剖線圖Fig.8 Section diagram of typical hidden danger points (Riqu landslide on the left and Mogequ Glacier on the right)

4 二維形變監(jiān)測結(jié)果與分析

4.1 二維時(shí)序形變監(jiān)測結(jié)果

從圖5結(jié)果可以發(fā)現(xiàn)，然烏鎮(zhèn)附近安目錯(cuò)北岸的升軌、降軌數(shù)據(jù)均存在明顯的冰川群形變信息，其中包括吉窮隆冰川、迫弄冰川、瓦巴村冰川（圖5中3、4、5號點(diǎn)）等多處典型隱患點(diǎn)。因此對該區(qū)域采用MSBAS-2D技術(shù)處理，反演該區(qū)域隱患點(diǎn)的二維形變結(jié)果(圖9），其中水平東西向正值和負(fù)值分別代表向東和向西運(yùn)動(dòng)；垂直方向正值和負(fù)值分別代表向上和向下運(yùn)動(dòng)。由于該區(qū)域沒有實(shí)地監(jiān)測數(shù)據(jù)，為了評價(jià)MSBAS-2D結(jié)果的精度，選取升軌、降軌數(shù)據(jù)的解纏參考區(qū)域，通過計(jì)算得到標(biāo)準(zhǔn)差在2.2 mm/a內(nèi)，小于隱患點(diǎn)判識的閾值（±10 mm/a），證明了反演結(jié)果的可靠性。從圖9(a)可以發(fā)現(xiàn)，三個(gè)冰川(吉窮隆冰川、迫弄冰川、瓦巴村冰川)在水平東西向主要表現(xiàn)為正值，最大能達(dá)到90 mm/a，表明這些冰川在水平方向均向東運(yùn)動(dòng)，結(jié)合區(qū)域?qū)嶋H地形可以發(fā)現(xiàn)這三個(gè)冰川的朝向均為偏向東，即沿坡體方向向下運(yùn)動(dòng)；從圖9(b)可以發(fā)現(xiàn)，這三個(gè)冰川在垂直向均表現(xiàn)為負(fù)值，最大超過?90 mm/a，即沿近似坡向的向下的主滑方向運(yùn)動(dòng)。

針對然烏區(qū)域3個(gè)典型冰川，我們選擇了5個(gè)特征點(diǎn)(圖9中A、B、C、D、E)，并提取了他們的形變時(shí)間序列結(jié)果(圖10)。結(jié)果顯示：吉窮隆冰川在水平方向?yàn)檎?，?年時(shí)間內(nèi)水平東西方向最大累計(jì)形變量達(dá)到了202 mm，且在該冰川前緣垂直方向同樣表現(xiàn)為加速變形趨勢；迫弄冰川是3個(gè)典型冰川中面積最大的冰川，通過光學(xué)影像計(jì)算該冰川面積約為2.26×106m2，冰川形態(tài)為狹長條帶狀，兩年多的時(shí)間內(nèi)水平東西方向最大累計(jì)形變量為283 mm，且該冰川前緣同樣表現(xiàn)為水平方向加速位移趨勢；瓦巴村冰川運(yùn)動(dòng)方向近似平行東西方向，從形變時(shí)間序列結(jié)果上發(fā)現(xiàn)該冰川在東西和垂直方向變形狀態(tài)仍然表現(xiàn)為加速，其中水平和垂直方向最大累計(jì)形變量均超過150 mm，且都呈現(xiàn)加速趨勢。因此，建議后續(xù)加強(qiáng)對這三個(gè)典型冰川的形變監(jiān)測，關(guān)注該冰川后期形變趨勢。

4.2 形變外界驅(qū)動(dòng)因素分析

瓦巴村冰川位于瓦巴村北方的山坡上，面積約63×104m2，在升降軌年均形變速率結(jié)果中均發(fā)現(xiàn)該滑坡形變特征明顯。文中選取瓦巴村冰川來分析其形變特征，為此，在該坡體上選取了一處特征點(diǎn)（圖9中E點(diǎn)），獲得了其二維時(shí)間序列結(jié)果（圖10）。從結(jié)果上可以發(fā)現(xiàn)，無論水平方向還是垂直方向，其累積形變量均超過150 mm，且2020年6月以后表現(xiàn)為加速趨勢。

圖9 重點(diǎn)地區(qū)冰川群二維年均形變速率圖Fig.9 Time series of horizontal east-west and vertical deformation in key areas

圖10 重點(diǎn)區(qū)域水平東西向和垂直向形變時(shí)間序列Fig.10 Time series of horizontal ew and vertical deformations in key areas

為了探討降雨和溫度對瓦巴村冰川形變速率的影響，收集了與InSAR覆蓋時(shí)間段一致的降雨量和溫度數(shù)據(jù)。經(jīng)對比分析，降雨量和溫度變化對冰川形變存在一定的影響(圖11)。在每年雨季期間，冰川的形變量會(huì)產(chǎn)生加速趨勢，其他月份冰川較穩(wěn)定，且隨著溫度的升高，冰川變形也表現(xiàn)出部分加速趨勢。

圖11 瓦巴村冰川二維時(shí)間序列月降雨量和溫度關(guān)系Fig.11 Relationship between monthly rainfall and temperature in twodimensional time series of Waba glacier

5 結(jié)論

文章通過采用Stacking技術(shù)和MSBAS技術(shù)對然烏鎮(zhèn)附近區(qū)域地質(zhì)災(zāi)害進(jìn)行識別和形變特征的研究。

（1）在影像覆蓋范圍內(nèi)共識別出67處災(zāi)害隱患點(diǎn)，其中19處疑似隱患點(diǎn)為升降軌影像共同識別。識別出的滑坡體主要集中于然烏鎮(zhèn)318國道和201省道兩側(cè)，且最大滑坡速率可達(dá)?168 mm/a，威脅兩側(cè)道路的安全。利用MSBAS技術(shù)獲取了然烏鎮(zhèn)附近安目錯(cuò)北岸冰川群二維形變時(shí)間序列，分析表明冰川位移沿坡體方向向下運(yùn)動(dòng)，垂向位移速率超過90 mm/a，由于嚴(yán)重的位移失相干，冰川體物源區(qū)的位移未能獲取。選取其中的瓦巴村冰川進(jìn)行分析表明，其中水平和垂直方向最大累計(jì)形變量均超過150 mm，且都呈現(xiàn)加速趨勢。需加強(qiáng)對該冰川后續(xù)形變監(jiān)測，同時(shí)研究表明降雨和溫度對冰川位移速率有一定的影響。

（2）文中僅利用了InSAR方法對然烏區(qū)域地質(zhì)災(zāi)害隱患點(diǎn)識別與監(jiān)測技術(shù)方法的適用性進(jìn)行了研究分析，缺乏野外實(shí)地調(diào)查資料。通過野外調(diào)查對InSAR結(jié)果進(jìn)行驗(yàn)證，并采取不同角度分析然烏區(qū)域地質(zhì)災(zāi)害隱患點(diǎn)的形變特征是下一步將要做的事。