基于InSAR-光學影像的白鶴灘庫區(qū)地質災害隱患識別

摘要：為探明白鶴灘水電站蓄水后近壩區(qū)域兩岸地質災害隱患的分布情況，首先基于Sentinel-1數據，采用時序InSAR技術獲取白鶴灘壩址—葫蘆口段（即近壩區(qū)域）的區(qū)域地表形變信息，然后結合光學影像對該區(qū)域地災隱患進行綜合識別，最后通過野外踏勘進行調查驗證，并根據識別結果選取3處典型變形體進行了詳細的形變時空特征分析。結果表明：①InSAR監(jiān)測結果與地面GNSS觀測數據的相關系數達0.91，地質災害隱患點識別準確度達90.9%，論證了聯(lián)合InSAR和光學影像進行水電站庫區(qū)地質災害篩查的有效性。②研究區(qū)在2022年1月至2023年2月期間，升軌LOS向最大累計形變?yōu)?12.1 cm，降軌LOS向最大累計形變?yōu)?17.1 cm。③研究區(qū)內共探測識別出地質災害隱患點18處，主要分布在左岸的大彎子、野豬塘等區(qū)域，右岸的棉紗灣、子油樹附近。④變形體形變趨勢與蓄水活動存在明顯關聯(lián)，且受降雨活動影響，變形體A和變形體B均對附近的交通設施具有一定的威脅性，后期應加強監(jiān)測和預警，變形體C地質條件較差，長期處于快速變形階段，后期發(fā)生小規(guī)?；?、崩塌的概率較高。研究結果可為庫區(qū)地質災害治理以及后期精細化地質災害篩查工作的開展提供參考

關 鍵 詞：地表形變；地災隱患識別；InSAR；光學影像；水庫蓄水；白鶴灘水電站

中圖法分類號：P237 文獻標志碼：ADOI：10.16232/j.cnki.1001-4179.2024.S2.019

0 引言

白鶴灘水電站是當今世界在建規(guī)模最大的水電工程，地處高山峽谷地帶，兩岸地形陡峭，滑坡、崩塌等地質災害易發(fā)。2021年4月起，水庫開始蓄水，水位變化容易破壞坡體內部的應力平衡，導致古滑坡體復活以及新滑坡體出現(xiàn)^［1-2］，進一步增加該區(qū)域地質災害發(fā)生的不確定性。開展水庫蓄水后兩岸地質災害隱患探測識別工作，對維護水電站安全施工運行，保證人民生命財產安全具有重要意義。

形變監(jiān)測是地質災害隱患識別的主要途徑。傳統(tǒng)形變監(jiān)測技術（如水準測量、GNSS等）雖精度較高，但作業(yè)周期長、空間分辨率較差，多應用于已發(fā)現(xiàn)和關注的變形體，不宜進行大范圍地質災害篩查工作。合成孔徑雷達干涉測量（Interferometric Synthetic Aperture Radar，InSAR）技術可根據衛(wèi)星兩次成像期間的相位差提取地表形變，具有全天時、全天候、非接觸、廣域監(jiān)測等優(yōu)點，對于高位隱蔽的地質災害隱患具有很好的探測效果^［3-6］。

目前，針對白鶴灘庫區(qū)的InSAR監(jiān)測研究多集中于蓄水前或未到達正常蓄水位（825.00 m）的蓄水階段^［7-9］，缺少蓄水至正常水位后的監(jiān)測結果。本文以白鶴灘壩址—葫蘆口段（即近壩區(qū)域）為研究區(qū)，采用時序InSAR技術，結合光學影像，進行蓄水后庫區(qū)地質災害隱患點識別，最后通過野外踏勘進行調查驗證，分析形變演變規(guī)律，評估隱患風險，進而實現(xiàn)近壩區(qū)域地質災害隱患“空域”層次的初步摸排。研究成果可為白鶴灘庫區(qū)地質災害預防治理以及后期開展精細化地質災害篩查工作提供參考。

1 研究區(qū)概況及數據來源

白鶴灘水電站位于金沙江下游，總裝機容量1 600萬kW，為僅次于三峽水電站的世界第二大水電站。壩址左岸屬四川省涼山彝族自治州寧南縣，右岸屬云南省昭通市巧家縣，庫區(qū)正常蓄水位高程825.00 m，控制流域面積約43.03萬km²，地貌類型以山地地貌和河谷地貌為主。

以葫蘆口—白鶴灘壩址段為研究區(qū)（地理位置見圖1），全線長約30 km，江水整體流向為近南北向。區(qū)內地勢北高南低，陡坡與緩坡相間，地層出露二疊系上統(tǒng)峨眉山組玄武巖，上覆三疊系下統(tǒng)飛仙關組泥巖、砂巖^［10］。研究區(qū)為典型的干熱河谷氣候，干濕季節(jié)明顯，雨季一般集中在6～9月，多年平均降雨量730 mm。前期已探明地質災害易發(fā)區(qū)多分布在左岸。

受研究區(qū)地形地貌特征影響，單一軌道的SAR數據容易造成災害隱患點的漏判、錯判^［11-12］，因此本文分別采用升、降軌Sentinel-1A數據（影像覆蓋范圍如圖2（a）中矩形所示）進行InSAR時序處理。影像時間跨度為2022年1月至2023年2月，成像模式為干涉寬幅模式（interferometric wide swath，IW），參數信息詳見表1。地形相位去除采用30 m分辨率的SRTM DEM。影像相干性季節(jié)差異明顯，春、冬季雨水少，山體植被稀疏，見圖2（b），相干性較好；夏、秋季節(jié)雨水增多，植被發(fā)育，見圖2（c），影像相干性較差。

2 研究方法

首先采用主流的時序InSAR處理技術——小基線集干涉測量法（Small Baseline Subset，SBAS）提取研究區(qū)升降軌幾何下的視線向（light-of-sight，LOS）形變，然后根據升降軌形變結果結合光學影像，進行地災隱患點判讀，并通過野外踏勘進行調查驗證，最后根據形變量級、危害程度選擇典型區(qū)域進行詳細分析。具體技術路線如圖3所示。

2.1 SBAS-InSAR基本原理

SBAS-InSAR技術通過設置時空基線閾值，剔除相干性較差的干涉組合，以此抑制時空失相干，提高形變監(jiān)測精度，其基本原理如下^［13-14］：

假定φ是由某像元在各期影像中的相位值組成的向量，δφ為由M個差分干涉圖解纏后的相位組成，則第j幅干涉圖對應的相位可表示為

δφ_j=φ（t_Hj）-φ（t_Sj），j=1，…，M（1）

式中：t_Hj和t_Sj分別為第j個干涉組合中主、輔影像的獲取時間。

若考慮所有干涉圖，則可將公式（1）轉化為矩陣形式：

Aφ=δφ（2）

式中：A為系數矩陣。實際處理中，公式（2）的求解常會出現(xiàn)最小二乘法失效的情況，因而多采用奇異值分解（Singular Value Decomposition，SVD）法求解。當矩陣A進行SVD分解后，φ可表示為

φ=V∑^-1U^Tδφ（3）

為獲得有物理意義的形變序列，需將公式（3）中的φ用相位變化的平均速率代替，然后將解算結果在時間域上積分，進而獲取各時間點對應的線性形變。通常處理過程中還需進行時空域濾波，分離出非線性形變，然后將線性形變和非線性形變相加獲取更為準確的形變值。

2.2 聯(lián)合InSAR與光學影像的地質災害隱患識別

受影像相干性影響，InSAR處理結果會存在誤差，非形變區(qū)可能出現(xiàn)“偽形變”信號，干擾地質災害隱患識別工作。結合光學影像對變形區(qū)進行綜合判讀，可以更好地分析形變成因，提高隱患點判別的準確性。一般而言，聯(lián)合InSAR與光學影像進行地質災害隱患識別可遵循以下原則：

（1）對于升、降軌，InSAR結果中均出現(xiàn)形變信號，且形變信號方向相反、光學影像中顯示為邊坡區(qū)域的，可判別為真實形變信號。

（2）InSAR形變信號呈條帶形、扇形、圈椅形時，所在區(qū)域的光學影像色調、粗糙度、植被覆蓋情況異于周圍區(qū)域的，可判別為真實形變信號^［15-16］。

（3）光學影像中巖體存在明顯破壞痕跡的區(qū)域，如地表破碎，發(fā)育有滑坡壁等，InSAR結果顯示的形變可判別為真實形變信號。

（4）InSAR監(jiān)測結果中的孤立點狀形變信號在光學影像中位于植被茂密等相干性較差區(qū)域時，應判別為“偽形變”信號。

（5）InSAR形變信號呈一定密度聚集，形變區(qū)跨越多個坡體單元、區(qū)域內存在多條沖溝的，該大面積形變信號主要由大氣延遲、植被差異引起，應判別為“偽形變”信號^［17］。

3 結果與分析

3.1 升降軌SBAS-InSAR監(jiān)測結果

基于GAMMA軟件，采用SBAS-InSAR技術對覆蓋研究區(qū)的升降軌Sentinel-1A數據進行時序處理。時空基線閾值分別設置為40 d和250 m，形變反演前對相干性較差的干涉組合進行剔除，反演后采用時空域濾波進行大氣相位分離，最后獲取的白鶴灘庫區(qū)近壩區(qū)域2022年1月至2023年2月期間LOS向累計形變如圖4所示。

升軌監(jiān)測結果中最大累計形變?yōu)?12.1 cm（負值表示地表遠離衛(wèi)星移動），降軌最大累計形變?yōu)?17.1 cm。整體來看，庫區(qū)左岸（水流方向左側）形變區(qū)主要分布在騎騾溝以南，右岸形變區(qū)主要分布在棉紗灣以北。同一區(qū)域的形變在升降軌結果中顯示不同主要是受衛(wèi)星成像幾何差異影響。

利用左岸大彎子區(qū)域的GNSS監(jiān)測數據對InSAR監(jiān)測結果進行精度分析。受失相干影響，部分區(qū)域缺少InSAR形變信息。為盡可能減少區(qū)域差異的影響，選取距離GNSS觀測站點最近的InSAR測量點進行比較，兩點相距約70 m。根據SAR衛(wèi)星成像參數，將GNSS觀測的三維位移投影至升軌LOS向，繪制InSAR與GNSS數據的時序曲線，如圖5（a）所示。從圖5（a）中可以看到，GNSS監(jiān)測的最大累計形變達-50 cm，而InSAR監(jiān)測數值約為-12 cm，兩者數值差異較大，這主要是由兩點所在位置不重合引起。從形變趨勢來看，兩點具有較高的一致性，采用皮爾遜相關系數^［18］（Pearson correlation coefficient，PCC）進行定量評價。考慮到兩者數值不在同一量級，需先進行歸一化處理，處理后兩者的相關系數達0.91，相關性較高，表明本文InSAR監(jiān)測結果較為可靠。

3.2 地質災害隱患識別

根據升降軌時序InSAR監(jiān)測結果和谷歌光學影像，對變形區(qū)的地形地貌、色調紋理等特征進行綜合分析，推斷形變區(qū)域的變形特征，剔除“偽形變”信號和由正常施工活動引起的地表沉降信號后（如渣土沉降），共識別出18處（編號YH01～YH18）隱患點，其分布如圖6所示。

為驗證識別結果的可靠性，在綜合考慮形變量級、影響范圍等因素后，選取11處隱患點進行實地調查。調查結果表明，其中10處隱患區(qū)出現(xiàn)了明顯的裂縫、巖石破碎、“醉漢林”等跡象，隱患點識別準確率達90.9%。表2為踏勘區(qū)域的升、降軌累計形變及現(xiàn)場調查結果。

3.3 典型變形體分析

選取研究區(qū)內的3處典型變形體，根據時序InSAR監(jiān)測結果，結合現(xiàn)場踏勘情況，詳細分析了變形體歷史形變演化規(guī)律及特征。

（1）變形體A。該變形體位于庫區(qū)左岸，形變范圍橫跨公路左右兩側，坡向約50°。升軌InSAR監(jiān)測結果中該區(qū)域顯現(xiàn)出形態(tài)完整、清晰的舌形形變信號（圖7（a）），最大累計形變約-11.5 cm；降軌InSAR監(jiān)測結果中未見明顯形變信號。為進一步分析該變形體時序形變演化規(guī)律及特征，分別選取位于該變形體后緣及前緣的兩點P1和P2，繪制單點時序形變曲線，如圖7（b）所示。

從圖7可以看到，P2點的形變速率顯著高于P1點，兩點在監(jiān)測時段內先后經歷了緩慢變形、加速、減速、再加速4個階段，形變趨勢近似一致。整體來看，該坡體的變形具有一定的周期性，形變較為活躍，穩(wěn)定性較差。2022年9月坡體的加速變形極有可能與9月初開始的蓄水活動有關。從現(xiàn)場踏勘結果可以看出，變形體后緣發(fā)育有多條裂縫，前緣樹木歪斜，坡體坍塌，已形成圈椅狀滑坡壁（圖7（a）），表面留有較為清晰的滑動擦痕。

（2）變形體B。該變形體位于庫區(qū)左岸，坡向約89°。升軌InSAR監(jiān)測結果中顯現(xiàn)出完整明顯、條帶狀的形變信號（圖8（a）），LOS向最大累計形變約-12 cm。結合坡頂和坡腳兩點P1、P2的單點時序形變曲線（圖8（b））可以看出，該區(qū)域邊坡在2022年4～12月期間處于快速變形階段，2023年1月前后形變開始減速，并于監(jiān)測后期逐漸趨于穩(wěn)定。整體來看，P1、P2兩點形變趨勢近似一致，P2點形變態(tài)勢的改變略滯后于P1點。

結合當地降雨情況，該區(qū)域的變形特征與降雨存在明顯關聯(lián)，雨季期間變形體形變速率較快，進入旱季后形變逐漸放緩?，F(xiàn)場踏勘發(fā)現(xiàn)該區(qū)域土質松散，后緣存在明顯下錯跡象，坡體發(fā)育多條縱向裂縫（圖8（c）），最大裂縫寬度超過40 cm，上部及底部可見小規(guī)模坍塌，坡體破壞嚴重，后期有進一步發(fā)展擴大趨勢。為保證附近交通隧道的安全性，建議進行定期觀測，并采取裂縫封堵、削坡減載等措施^［19-20］進行綜合治理。

（3）變形體C。該變形體位于右岸棉紗灣北部，距白鶴灘壩址約10 km，歷經多年的滑移、崩塌等地質運動后，現(xiàn)已發(fā)展為上大下小的錐形凹溝，順溝長度約1 200 m，溝谷兩側最大寬度約630 m。升軌幾何下該區(qū)域未出現(xiàn)明顯形變信號，表明該區(qū)域變形對升軌幾何并不敏感。降軌InSAR監(jiān)測結果中，該區(qū)域最大累計形變達-17.1 cm，形變主要集中在凹溝右半側，如圖9（a）所示。分別選取凹溝上部、中部兩點P1、P2，繪制單點時序形變曲線，如圖9（b）所示。從圖9中可以看到，兩點形變趨勢基本一致，自監(jiān)測初期起就以一定的線性趨勢持續(xù)形變，進入2022年5月底，形變突然加速，2022年11月后形變速率略微放緩。整體而言，該區(qū)域在監(jiān)測時段內始終保持著較快的形變速率，穩(wěn)定性較差，后期發(fā)生小規(guī)模的滑移、崩塌概率較高。結合現(xiàn)場踏勘結果及相關地質資料，該凹溝基巖上部為白云巖，下部為千枚巖，巖石強風化，巖體節(jié)理裂隙發(fā)育，巖體破碎（圖9（c）），滑落物多堆積在溝底，以碎石粒為主，變形影響范圍內無居民及生產設施，對水庫運行影響較小。2023年5月22日，該區(qū)域發(fā)生了小規(guī)模滑移崩塌事件。

4 結論

本文結合時序InSAR技術和谷歌光學影像對白鶴灘庫區(qū)蓄水后葫蘆口至壩址段區(qū)域的地質災害隱患點進行了初步識別，并根據識別結果選取3處典型變形體進行了詳細的形變時空特征分析，結果表明：

（1）研究區(qū)在2022年1月至2023年2月期間，升軌LOS向最大累計形變?yōu)?12.1 cm，降軌LOS向最大累計形變?yōu)?17.1 cm，InSAR監(jiān)測形變趨勢與GNSS觀測站點數據具有較高的一致性，歸一化后兩者的皮爾遜相關系數達0.91。

（2）研究區(qū)內共探測識別出地質災害隱患點18處，主要分布在左岸的大彎子、野豬塘等區(qū)域，右岸的棉紗灣、子油樹附近，識別準確率達90.9%，論證了聯(lián)合InSAR和光學影像進行地質災害篩查的可靠性，可為后期庫區(qū)災害治理提供參考。

（3）變形體A于監(jiān)測后期出現(xiàn)明顯加速跡象，形變速率較快，形變趨勢的轉變與當地蓄水活動存在明顯關聯(lián)；變形體B在監(jiān)測期間出現(xiàn)過快速滑移階段，形變量級較大，滑移趨勢受降雨活動影響；變形體C地質條件較差，長期處于快速變形階段，后期發(fā)生小規(guī)?；?、崩塌的概率較高。變形體A和變形體B均對附近的交通設施具有一定的威脅性，后期應加強監(jiān)測和預警。

參考文獻：

［1］ 徐文杰.庫岸滑坡涌浪鏈生災害動力學研究進展［J］.工程地質學報，2023，31（6）：1929-1940.

［2］ SUN GH，ZHENG H，HUANG YY，et al.Parameter inversion and deformation mechanism of Sanmendong landslide in the Three Gorges Reservoir region under the combined effect of reservoir water level fluctuation and rainall［J］.Engineering Geology，2016，205：133-145.

［3］ 廖明生，董杰，李夢華，等.雷達遙感滑坡隱患識別與形變監(jiān)測［J］.遙感學報，2021，25（1）：332-341.

［4］ MONDINI AC，GUZZETTI F，CHANG KT，et al.Landslide failures detection and mapping using synthetic aperture radar：past，present and future［J］.Earth-Science Review，2021，216：103574.

［5］ 王斌，徐佳沅，唐力明，等.小型斜坡隱患識別“空天地”圖譜幾何遙感方法［J］.測繪通報，2023（8）：136-141.

［6］ 畢自航，李素敏，袁利偉，等.基于InSAR的烏東德水電站庫區(qū)邊坡形變監(jiān)測及分析［J］.人民長江，2024，55（1）：143-150.

［7］ 吳明堂，崔振華，易小宇，等.白鶴灘庫區(qū)象鼻嶺—野豬塘段地質災害綜合遙感識別［J］.長江科學院院報，2023，40（4）：155-163.

［8］ DUN JW，F(xiàn)ENG WK，YI XY，et al.Detection and mapping of active landslides before impoundment in the Baihetan Reservoir Area（China）based on the time-series InSAR method［J］.Remote Sensing，2021，13（16）：3213.

［9］ 戴可人，沈月，吳明堂，等.聯(lián)合InSAR與無人機航測的白鶴灘庫區(qū)蓄水前地災隱患廣域識別［J］.測繪學報，2022，51（10）：2069-2082.

［10］韓鋼，周輝，陳建林，等.白鶴灘水電站層間錯動帶工程地質特性［J］.巖土力學，2019，40（9）：3559-3568.

［11］胡東雨，王運生，吳昊宸，等.基于SBAS-InSAR技術的小金川兩岸滑坡隱患識別［J］.大地測量與地球動力學，2022，42（11）：1171-1176.

［12］蔡建澳，明冬萍，趙文祎，等.基于綜合遙感的察隅縣滑坡隱患識別及致災機理分析［J］.自然資源遙感，2024，36（1）：128-136.

［13］BERARDINO P，F(xiàn)ORNARO 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.

［14］閆怡秋，郭長寶，張永雙，等.基于SBAS-InSAR技術的西藏雄巴古滑坡變形特征［J］.地質學報，2021，95（11）：3556-3570.

［15］董秀軍，許強，佘金星，等.九寨溝核心景區(qū)多源遙感數據地質災害解譯初探［J］.武漢大學學報（信息科學版），2020，45（3）：432-441.

［16］童立強，郭兆成.典型滑坡遙感影像特征研究［J］.國土資源遙感，2013，25（1）：86-92.

［17］吳明轅，羅明，劉歲海.基于光學遙感與InSAR技術的潛在滑坡與老滑坡綜合識別：以滇西北地區(qū)為例［J］.中國地質災害與防治學報，2022，33（3）：84-93.

［18］馬銳.白家包滑坡變形與降雨、庫水位相關性定量化分析研究［D］.宜昌：三峽大學，2019.

［19］徐青，葛韻.霧江滑坡穩(wěn)定分析及工程治理［J］.武漢大學學報（工學版），2017，50（4）：526-530.

［20］MA YF，CHEN JP，ZHANG W，et al.Stability analysis and treatment design of Mengdumei landslide［J］.Applied Mechanicsamp;Materials，2013，405-408：554-555.

（編輯：劉媛）