论文部分内容阅读
摘要：甘肃省永靖县黑方台地区频频发生滑坡，威胁了当地居民的人身安全。本文通过小基线集合成孔径雷达干涉测量技术处理2019年8月13日～2020年6月8日哨兵1A雷达卫星降轨数据，识别出黑方台台塬周边的主要形变区：陈家北、磨石沟、新塬北、方台、党川。
关键词：黑方台;SBAS-InSAR;主要形变区;
0引言
甘肃黑方台黄土台塬地处干旱少雨的西北黄土高原，20世纪60年代，由于刘家峡与盐锅峡水库的修建，大量周边的人员移居到这里。该地区年蒸发量约为降雨量的5.4倍，因此當地的居民抽取黄河水来进行灌溉。长期的农业灌溉导致该地区的地下水水位大幅度上升，因此该地区的土壤抗剪度变低，滑坡频发。国内外学者在该地区展开多方位的研究，包括黑方台地区潜在滑坡的分布[1]、类型及发育规律[1]、黄土滑坡的滑动模式[2]以及破坏机理[3]。
基于以上，本文采用SBAS-InSAR技术，利用哨兵1A雷达卫星降轨数据，对2019年到2020年的甘肃省黑方台地区进行形变监测，并分析其具体形变情况。
1 研究区概况
黑方台位于中国甘肃省兰州市以西42公里处[4]，地形平坦，是河流阶地地貌（黄河第四阶地）的边缘，有深深的沟壑。梯田面积约12平方公里，距离东边的兰州市40km，距离南边的永靖县城20km。黑方台是一个组合而成的黄土台塬，虎狼沟把黑方台分成东西两部分，西侧的为方台，面积为1.5km2，东侧的为黑台，面积为9km2。
2数据与方法
2.1 研究数据
本实验选取欧空局2019年8月13日～2020年6月8日哨兵1A雷达卫星降轨数据。
2.2 SBAS-InSAR技术
SBAS-InSAR是由意大利学者Berardino等提出的，用来获取工作区地表形变的时间序列图，该方法利用小基线距避免空间失相关，同时减小地形差分的影响[5]。SBAS-InSAR技术，先设置合适的时间、空间阈值，生成多对干涉对，然后对差分干涉相位进行空间滤波，基于平均空间相干性识别满失相关滤波相位像素点，再进行三维相位解缠和奇异值分解，求解单主影像相位序列，最后采用时空滤波估计和去除大气延迟相位，得到地形高程误差和形变序列信息[6]。
3 结果与分析
本文通过SBAS-InSAR技术处理哨兵1A雷达卫星数据，时间基线设为60天，空间基线设为106m，共生成57对干涉组合，由于黑方台中部灌溉区域存在农作物覆盖，导致该部分相干性较差，无法获得形变信息。
由结果可知，主要形变区大致分布在5个位置：方台北、新塬北、磨石沟、陈家北、党川。处在黑台边缘的陈家村北部存在年形变速率高于-50mm/a的区域，该区域邻近农田灌溉区域。地处黑台边缘的磨石沟地区则存在年形变速率高于-90mm/a的区域，形变集中且已形成连片，同样邻近农田灌溉区域，推测该地区发生滑坡的风险较大。新塬村北部主要形变区域有两处，位置都处在建筑区域，涉及到建筑区域的沉降知识不在本文研究范围内。方台地区主要形变区集中在方台北边，该处同样处于建筑区域。党川段主要形变区呈集中连片的形式出现，分布在黑台台塬边上，部分边坡年形变速率达到-70mm/a，邻近农田灌溉区域。可证实灌溉是影响黑方台滑坡发生的重要原因之一。
4 结束语
本文基于SBAS-InSAR技术，利用19景哨兵1A雷达卫星降轨数据对黑方台进行形变监测，并分析形变特征，主要结果如下：
利用SBAS-InSAR技术对2019年8月13日到2020年6月8日哨兵1A雷达卫星降轨数据进行处理，生成沿卫星视线向的形变量，识别出黑方台地区5块存在较大形变的区域，分别是：陈家北、磨石沟、新塬北、方台、党川，通过形变结果推测出磨石沟区域发生滑坡的风险较大，并且得到灌溉是影响黑方台滑坡的重要因素之一。
参考文献
[1] Xu， L.， Dai， F.， Tu， X.， et al. Landslides in a Loess Platform， North-West China[J]. Landslides，2014， 11（6）： 993-1005.
[2] Xu， L.， Qiao， X.， Wu， C.， et al. Causes of Landslide Recurrence in a Loess Platform with Respect to Hydrological Processes[J]. Natural Hazards， 2012， 64（2）： 1657-1670.
[3] Xu， L.， Dai， F.， Gong， Q.， et al. Irrigation-Induced Loess Flow Failure in Heifangtai Platform， NorthWest[J]. Environmental Earth Sciences， 2012， 66（6）： 1707-1713.
[4] Zhang， Y.， Meng， X.M.， Dijkstra， T.A.， et al. A. Forecasting the magnitude of potential landslides based on InSAR techniques[J]. Remote Sensing of Environment， 2020，241.
[5] 胡乐银， 张景发， 商晓青. SBAS-InSAR技术原理及其在地壳形变监测中的应用[J].地壳构造与地壳应力文集， 2010（00）.
[6] 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（09）.
关键词：黑方台;SBAS-InSAR;主要形变区;
0引言
甘肃黑方台黄土台塬地处干旱少雨的西北黄土高原，20世纪60年代，由于刘家峡与盐锅峡水库的修建，大量周边的人员移居到这里。该地区年蒸发量约为降雨量的5.4倍，因此當地的居民抽取黄河水来进行灌溉。长期的农业灌溉导致该地区的地下水水位大幅度上升，因此该地区的土壤抗剪度变低，滑坡频发。国内外学者在该地区展开多方位的研究，包括黑方台地区潜在滑坡的分布[1]、类型及发育规律[1]、黄土滑坡的滑动模式[2]以及破坏机理[3]。
基于以上，本文采用SBAS-InSAR技术，利用哨兵1A雷达卫星降轨数据，对2019年到2020年的甘肃省黑方台地区进行形变监测，并分析其具体形变情况。
1 研究区概况
黑方台位于中国甘肃省兰州市以西42公里处[4]，地形平坦，是河流阶地地貌（黄河第四阶地）的边缘，有深深的沟壑。梯田面积约12平方公里，距离东边的兰州市40km，距离南边的永靖县城20km。黑方台是一个组合而成的黄土台塬，虎狼沟把黑方台分成东西两部分，西侧的为方台，面积为1.5km2，东侧的为黑台，面积为9km2。
2数据与方法
2.1 研究数据
本实验选取欧空局2019年8月13日～2020年6月8日哨兵1A雷达卫星降轨数据。
2.2 SBAS-InSAR技术
SBAS-InSAR是由意大利学者Berardino等提出的，用来获取工作区地表形变的时间序列图，该方法利用小基线距避免空间失相关，同时减小地形差分的影响[5]。SBAS-InSAR技术，先设置合适的时间、空间阈值，生成多对干涉对，然后对差分干涉相位进行空间滤波，基于平均空间相干性识别满失相关滤波相位像素点，再进行三维相位解缠和奇异值分解，求解单主影像相位序列，最后采用时空滤波估计和去除大气延迟相位，得到地形高程误差和形变序列信息[6]。
3 结果与分析
本文通过SBAS-InSAR技术处理哨兵1A雷达卫星数据，时间基线设为60天，空间基线设为106m，共生成57对干涉组合，由于黑方台中部灌溉区域存在农作物覆盖，导致该部分相干性较差，无法获得形变信息。
由结果可知，主要形变区大致分布在5个位置：方台北、新塬北、磨石沟、陈家北、党川。处在黑台边缘的陈家村北部存在年形变速率高于-50mm/a的区域，该区域邻近农田灌溉区域。地处黑台边缘的磨石沟地区则存在年形变速率高于-90mm/a的区域，形变集中且已形成连片，同样邻近农田灌溉区域，推测该地区发生滑坡的风险较大。新塬村北部主要形变区域有两处，位置都处在建筑区域，涉及到建筑区域的沉降知识不在本文研究范围内。方台地区主要形变区集中在方台北边，该处同样处于建筑区域。党川段主要形变区呈集中连片的形式出现，分布在黑台台塬边上，部分边坡年形变速率达到-70mm/a，邻近农田灌溉区域。可证实灌溉是影响黑方台滑坡发生的重要原因之一。
4 结束语
本文基于SBAS-InSAR技术，利用19景哨兵1A雷达卫星降轨数据对黑方台进行形变监测，并分析形变特征，主要结果如下：
利用SBAS-InSAR技术对2019年8月13日到2020年6月8日哨兵1A雷达卫星降轨数据进行处理，生成沿卫星视线向的形变量，识别出黑方台地区5块存在较大形变的区域，分别是：陈家北、磨石沟、新塬北、方台、党川，通过形变结果推测出磨石沟区域发生滑坡的风险较大，并且得到灌溉是影响黑方台滑坡的重要因素之一。
参考文献
[1] Xu， L.， Dai， F.， Tu， X.， et al. Landslides in a Loess Platform， North-West China[J]. Landslides，2014， 11（6）： 993-1005.
[2] Xu， L.， Qiao， X.， Wu， C.， et al. Causes of Landslide Recurrence in a Loess Platform with Respect to Hydrological Processes[J]. Natural Hazards， 2012， 64（2）： 1657-1670.
[3] Xu， L.， Dai， F.， Gong， Q.， et al. Irrigation-Induced Loess Flow Failure in Heifangtai Platform， NorthWest[J]. Environmental Earth Sciences， 2012， 66（6）： 1707-1713.
[4] Zhang， Y.， Meng， X.M.， Dijkstra， T.A.， et al. A. Forecasting the magnitude of potential landslides based on InSAR techniques[J]. Remote Sensing of Environment， 2020，241.
[5] 胡乐银， 张景发， 商晓青. SBAS-InSAR技术原理及其在地壳形变监测中的应用[J].地壳构造与地壳应力文集， 2010（00）.
[6] 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（09）.