论文部分内容阅读
摘要：贵州地质条件复杂，年降雨量多在1000mm上，故地质灾害频发，针对传统地质灾害监测无法全天时、全天候、大范围地获取地面形变信息这一现状，本文利用Stacking-InSAR技术，以及L波SAR数据，获取了贵州省大方县形变速率图，结果显示发现11处形变区，通过现场核查发现其中5处为威胁性较大的灾害隐患点，其形变速率均达到10cm/y以上，并发现多处形变区存在于采矿区附近，对其产状和发育分布做了简要归纳。结论证明了Stacking-InSAR技术在贵州地质灾害易发区可以发挥有效作用，为防灾工作提供数据支撑。
关键词：地质灾害监测;Stacking-InSAR技术;L波SAR数据
引言：
贵州属典型内陆岩溶山区，地质环境脆弱，全省地质灾害高、中易发区面积达13.6万平方公里，占全省国土面积的77%，88个县（市、区）中有81个为国家级地质灾害重點防治区。截止目前，全省共查明地质灾害隐患9000余处，威胁145万人和430亿元的生命财产安全。由于地质灾害隐蔽性强，单靠人工发现和和传统技术排查难度较大，特别是近年来发生的地质灾害，绝大部分都不在台账范围内，造成较大的人员伤亡和财产损失;因此，对于地质灾害易发区开展早期探测和长时间的监测对于防灾治理工作具有重大意义。国内采用D-InSAR和MT-InSAR技术进行形变监测起始于2000年后，由于其全天候、全天时、大范围、高精度的优点，故这一技术在大范围形变监测领域具有巨大优势，使得大量学者参与到该领域的研究中来，因而取得了飞速的进展和不菲的成绩。2008年，Wang等首先对三峡巴东地区分析，并成功探测到两个大型滑坡（Wang et al.，2008c）。2016年，赵超英，康亚等采用多种InSAR技术如Stacking，SBAS，IPTA和多源SAR数据（ALOS，Envisat波）对西南山区的多个区域展开大范围滑坡探测研究，总结了几类InSAR技术的适用性 ，并且获得了较高精度的观测结果。
对于贵州山区，山谷纵横，云迷雾锁，植被茂密的特点，X与C波SAR数据受失相干严重（在雨季尤甚），而PS技术由于无法提取到相当数量的稳定目标点也难以施展。因而为了对该区域展开大范围的滑坡灾害识别，本文利用Stacking-InSAR技术，选取2018-2019期间 ALOS-2 L波段SAR 数据，对贵州省毕节市大方县地区进行灾害早期识别，并对其结果进行野外核查，最后对这一技术在在该区域的应用成效和该区域灾害分布特点作归纳。
一、 Stacking-InSAR技术
D-InSAR技术同时属于遥感技术和空间大地测量新技术范畴，是利用覆盖同一地区的两幅SAR影像数据，基于卫星轨道数据或空间基线参数，得到具有高敏感性的干涉相位信号来获取地表高程信息和地表形变信息的一种新技术。
Stacking-InSAR技术就是将多幅D-InSAR解缠后的差分干涉相位图进行加权平均，以求最大程度减少大气误差和DEM误差的影响，更加准确的获取形变的一种方法[1]。它遵循一个基本假设：在独立的干涉图中，大气项的误差相位是随机且相等的，同时形变区以线性形变为主。在该假设基础上，多幅独立的干涉图对应解缠相位加权叠加，得到的形变相位信息救是所叠加时间基线内的形变量。根据误差传播定律，由此可以提高叠加相位图中形变信息和大气项之间的信噪比，达到提高监测精度的目的。
单幅干涉图相位变化速率的标准差与成像时间间隔成比例
（2.3）
式中，Vi表示第i幅干涉图相位变化速率;phi表示第i幅干涉图的解缠相位;表示第i幅干涉图成像时间间隔。
所有干涉图叠加后平均相位变化速率
（2.4）
式中，wi表示第i幅干涉图的权，wi=ΔT2i。
则相位变化速率标准差
（2.5）
Stacking-InSAR相对于其他时序InSAR技术其优点是很明显的，即在数据量较少的情况下获取年平均速率，同时可以有效的抑制大气效应和DEM误差[1]，本文选用该方法来获取地表形变信息，以对实验区存在的滑坡灾害进行早期的识别。
二、实验与结果分析
（一）实验区
大方县位于贵州西北部，海拔在1400至1900米，为典型亚热带季风气候，雨量充沛;境内山峦重叠，切割较深，地貌破碎，河谷交错分布;且矿产资源丰富，早年开采矿井繁密[4]。诸此因素，该区域受地质灾害影响严重，已查明现状的地质灾害162处，每年汛期（5月至10月），多类地质灾害如滑坡，崩塌，泥石流，部分区域还伴随着地面沉降，严重影响当地居民的生命财产安全[4] 。
（二）实验数据
本文采用ALOS-2 L波段SAR数据共计6景，表1为其具体情况。DEM数据选用日本宇宙航空开发局（JAXA）发布的AW3D高程数据，其平面分辨率为30m。
（三）实验过程
利用ALOS-2 SAR数据和Stacking技术，基于GAMMA软件对贵州省毕节市大方县的地质灾害探测识别具体实验过程包括：数据转换、SAR影像配准、基线估计、D-InSAR处理、大气及轨道误差校正、地理编码、获取形变速率图，以下对步骤进行具体介绍：
1、数据转换，将原始影像转换为GAMMA软件所识别格式。
2、SAR影像配准，以获取日期为20190901 SAR影像为配准主影像，其余5幅影像均以该影像为基准进行坐标变换，插值和重采样过程，配准后的影像在距离向与方位向的偏移量均小于1/12个像元（研究表明，配准过程中精度达到1/8个像元，相位误差可以得到有效遏制）。
3、基线估计，本文将时间基线设置在300d，空间基线设置为400m，共生成10个干涉对。 4、D-InSAR处理，包括DEM配准，生成干涉图，去地形相位，去平地相位，自适应滤波，相位解缠，最后得到相位解缠后的差分干涉图。
5、大气校正及轨道误差校正，本文采用的是多项式拟合与地形相关的大气项来减弱大气效应对于干涉图的影响; 对于轨道误差的校正，采用二次曲面拟合的方法。 其处理效果如图2：
6、地理编码，将以上步骤处理后的干涉图从雷达坐标系转换至WGS-84坐标系下。
7、获取形变速率图，采用章节2.1所介绍的Stacking技术，将所有干涉图进行相位加权叠加，对方程组求解得到LOS向的形变速率图。
（四）实验结果
使用Stacking技术获取实验区域年平均速率后，对应雷达叠掩图进行筛选，从而获取疑似滑坡区域共计11处，截取其LOS向形变速率图如图3所示：
通过实地核查该11处形变区，其中5处为实际存在较大隐患的灾害点，分别为：1号点，位于大方县绿塘乡何木沟，最大形变速率为10.3cm/y，地貌为侵-溶中低山河河谷斜坡，地形坡度为20°，滑动面为公路切坡弃渣，大雨时存在局部滑动;4号点，位于大方县马场镇韩家坝和李家寨附近，最大形变速率为12.7 cm/y，斜坡下部坡度10°～20°，中部地形坡度为20°～30°，上部为陡崖;在形变区200m有一煤矿，该区域属于煤矿采空区，附近村寨房屋存在开裂和下沉。8号点，位于大方县小屯乡滑石组，最大形变速率为16.8 cm/y，斜坡坡度为10°～20°，局部大于30°;形变区附近存在一小型煤矿，在监测时间段形变区北西坡地段产生了直径2.0～3.0m，见深10m的塌陷坑。10号点，位于大方县小屯乡大田村水坝组附近，最大形变量为15.1 cm/y，斜坡中下部地形坡度为10°～20°，局部大于30°，斜坡上部为陡崖，斜坡中上部有局部垮塌痕迹，陡崖风化严重，稳定性较差;11号点，位于大方县长石镇杨柳村五一组、水井组附近，最大形变量为12.9 cm/y，斜坡坡度8-20°;存在一處停采煤矿，附近公路和民房有不同程度开裂现象。2，3，5，7，9号点受灾体较远，因而相对较为安全，6号点因为道路不便且坡度较陡因而无法核查。11处形变区中有6处附近存在开采区或曾经开采区，且裸露基岩可见夹煤层，推断该地区滑坡发育和分布情况同矿区开采存在相关性。
三、结束语
本文以贵州毕节市大方县为实验区，利用Stacking-InSAR技术对该区域内的滑坡进行了识别，共发现形变区（疑似滑坡区）共11处，通过实地核查，其中5处存在较大隐患，且形变速率在10cm/y以上，现场情况也印证了Stacking-InSAR的形变结果，由于没有对应的地面观测数据因而无法定量验证其观测精度;在11处形变区中有6处在开采区附近，说明了该地区的滑坡发育与矿区开采存在一定联系，目前由于数据样本和矿区资料的缺乏，无法对其联系作进一步的研究。
通过本文研究，Stacking-InSAR技术对于贵州山区的滑坡隐患点识别具有大范围，高精度的特点，可以识别出大部分形变区，且能准确的对形变区定位，为地质灾害的预防提供了有力支持。
参考文献：
[1]康亚，赵超英，张勤，刘晓杰.InSAR滑坡探测技术研究——以金沙江乌东德水电站段为例[J].大地测量与地球动力学，2018，38（10）：1053-1057.
[2]杨成生，张勤，张菊清.InSAR时序法分离大气延迟相位与地形及MODIS水汽相关性分析[J].大地测量与地球动力学，2015，35（01）：92-96.
[3]高海英，赵争，章彭.时序InSAR的贵州地质灾害监测[J].测绘科学，2020，45（07）：91-99.
[4]李生红，欧光照.贵州省大方县地质灾害现状及防治措施分析[J].地下水，2017，39（04）：175-177.
关键词：地质灾害监测;Stacking-InSAR技术;L波SAR数据
引言：
贵州属典型内陆岩溶山区，地质环境脆弱，全省地质灾害高、中易发区面积达13.6万平方公里，占全省国土面积的77%，88个县（市、区）中有81个为国家级地质灾害重點防治区。截止目前，全省共查明地质灾害隐患9000余处，威胁145万人和430亿元的生命财产安全。由于地质灾害隐蔽性强，单靠人工发现和和传统技术排查难度较大，特别是近年来发生的地质灾害，绝大部分都不在台账范围内，造成较大的人员伤亡和财产损失;因此，对于地质灾害易发区开展早期探测和长时间的监测对于防灾治理工作具有重大意义。国内采用D-InSAR和MT-InSAR技术进行形变监测起始于2000年后，由于其全天候、全天时、大范围、高精度的优点，故这一技术在大范围形变监测领域具有巨大优势，使得大量学者参与到该领域的研究中来，因而取得了飞速的进展和不菲的成绩。2008年，Wang等首先对三峡巴东地区分析，并成功探测到两个大型滑坡（Wang et al.，2008c）。2016年，赵超英，康亚等采用多种InSAR技术如Stacking，SBAS，IPTA和多源SAR数据（ALOS，Envisat波）对西南山区的多个区域展开大范围滑坡探测研究，总结了几类InSAR技术的适用性 ，并且获得了较高精度的观测结果。
对于贵州山区，山谷纵横，云迷雾锁，植被茂密的特点，X与C波SAR数据受失相干严重（在雨季尤甚），而PS技术由于无法提取到相当数量的稳定目标点也难以施展。因而为了对该区域展开大范围的滑坡灾害识别，本文利用Stacking-InSAR技术，选取2018-2019期间 ALOS-2 L波段SAR 数据，对贵州省毕节市大方县地区进行灾害早期识别，并对其结果进行野外核查，最后对这一技术在在该区域的应用成效和该区域灾害分布特点作归纳。
一、 Stacking-InSAR技术
D-InSAR技术同时属于遥感技术和空间大地测量新技术范畴，是利用覆盖同一地区的两幅SAR影像数据，基于卫星轨道数据或空间基线参数，得到具有高敏感性的干涉相位信号来获取地表高程信息和地表形变信息的一种新技术。
Stacking-InSAR技术就是将多幅D-InSAR解缠后的差分干涉相位图进行加权平均，以求最大程度减少大气误差和DEM误差的影响，更加准确的获取形变的一种方法[1]。它遵循一个基本假设：在独立的干涉图中，大气项的误差相位是随机且相等的，同时形变区以线性形变为主。在该假设基础上，多幅独立的干涉图对应解缠相位加权叠加，得到的形变相位信息救是所叠加时间基线内的形变量。根据误差传播定律，由此可以提高叠加相位图中形变信息和大气项之间的信噪比，达到提高监测精度的目的。
单幅干涉图相位变化速率的标准差与成像时间间隔成比例
（2.3）
式中，Vi表示第i幅干涉图相位变化速率;phi表示第i幅干涉图的解缠相位;表示第i幅干涉图成像时间间隔。
所有干涉图叠加后平均相位变化速率
（2.4）
式中，wi表示第i幅干涉图的权，wi=ΔT2i。
则相位变化速率标准差
（2.5）
Stacking-InSAR相对于其他时序InSAR技术其优点是很明显的，即在数据量较少的情况下获取年平均速率，同时可以有效的抑制大气效应和DEM误差[1]，本文选用该方法来获取地表形变信息，以对实验区存在的滑坡灾害进行早期的识别。
二、实验与结果分析
（一）实验区
大方县位于贵州西北部，海拔在1400至1900米，为典型亚热带季风气候，雨量充沛;境内山峦重叠，切割较深，地貌破碎，河谷交错分布;且矿产资源丰富，早年开采矿井繁密[4]。诸此因素，该区域受地质灾害影响严重，已查明现状的地质灾害162处，每年汛期（5月至10月），多类地质灾害如滑坡，崩塌，泥石流，部分区域还伴随着地面沉降，严重影响当地居民的生命财产安全[4] 。
（二）实验数据
本文采用ALOS-2 L波段SAR数据共计6景，表1为其具体情况。DEM数据选用日本宇宙航空开发局（JAXA）发布的AW3D高程数据，其平面分辨率为30m。
（三）实验过程
利用ALOS-2 SAR数据和Stacking技术，基于GAMMA软件对贵州省毕节市大方县的地质灾害探测识别具体实验过程包括：数据转换、SAR影像配准、基线估计、D-InSAR处理、大气及轨道误差校正、地理编码、获取形变速率图，以下对步骤进行具体介绍：
1、数据转换，将原始影像转换为GAMMA软件所识别格式。
2、SAR影像配准，以获取日期为20190901 SAR影像为配准主影像，其余5幅影像均以该影像为基准进行坐标变换，插值和重采样过程，配准后的影像在距离向与方位向的偏移量均小于1/12个像元（研究表明，配准过程中精度达到1/8个像元，相位误差可以得到有效遏制）。
3、基线估计，本文将时间基线设置在300d，空间基线设置为400m，共生成10个干涉对。 4、D-InSAR处理，包括DEM配准，生成干涉图，去地形相位，去平地相位，自适应滤波，相位解缠，最后得到相位解缠后的差分干涉图。
5、大气校正及轨道误差校正，本文采用的是多项式拟合与地形相关的大气项来减弱大气效应对于干涉图的影响; 对于轨道误差的校正，采用二次曲面拟合的方法。 其处理效果如图2：
6、地理编码，将以上步骤处理后的干涉图从雷达坐标系转换至WGS-84坐标系下。
7、获取形变速率图，采用章节2.1所介绍的Stacking技术，将所有干涉图进行相位加权叠加，对方程组求解得到LOS向的形变速率图。
（四）实验结果
使用Stacking技术获取实验区域年平均速率后，对应雷达叠掩图进行筛选，从而获取疑似滑坡区域共计11处，截取其LOS向形变速率图如图3所示：
通过实地核查该11处形变区，其中5处为实际存在较大隐患的灾害点，分别为：1号点，位于大方县绿塘乡何木沟，最大形变速率为10.3cm/y，地貌为侵-溶中低山河河谷斜坡，地形坡度为20°，滑动面为公路切坡弃渣，大雨时存在局部滑动;4号点，位于大方县马场镇韩家坝和李家寨附近，最大形变速率为12.7 cm/y，斜坡下部坡度10°～20°，中部地形坡度为20°～30°，上部为陡崖;在形变区200m有一煤矿，该区域属于煤矿采空区，附近村寨房屋存在开裂和下沉。8号点，位于大方县小屯乡滑石组，最大形变速率为16.8 cm/y，斜坡坡度为10°～20°，局部大于30°;形变区附近存在一小型煤矿，在监测时间段形变区北西坡地段产生了直径2.0～3.0m，见深10m的塌陷坑。10号点，位于大方县小屯乡大田村水坝组附近，最大形变量为15.1 cm/y，斜坡中下部地形坡度为10°～20°，局部大于30°，斜坡上部为陡崖，斜坡中上部有局部垮塌痕迹，陡崖风化严重，稳定性较差;11号点，位于大方县长石镇杨柳村五一组、水井组附近，最大形变量为12.9 cm/y，斜坡坡度8-20°;存在一處停采煤矿，附近公路和民房有不同程度开裂现象。2，3，5，7，9号点受灾体较远，因而相对较为安全，6号点因为道路不便且坡度较陡因而无法核查。11处形变区中有6处附近存在开采区或曾经开采区，且裸露基岩可见夹煤层，推断该地区滑坡发育和分布情况同矿区开采存在相关性。
三、结束语
本文以贵州毕节市大方县为实验区，利用Stacking-InSAR技术对该区域内的滑坡进行了识别，共发现形变区（疑似滑坡区）共11处，通过实地核查，其中5处存在较大隐患，且形变速率在10cm/y以上，现场情况也印证了Stacking-InSAR的形变结果，由于没有对应的地面观测数据因而无法定量验证其观测精度;在11处形变区中有6处在开采区附近，说明了该地区的滑坡发育与矿区开采存在一定联系，目前由于数据样本和矿区资料的缺乏，无法对其联系作进一步的研究。
通过本文研究，Stacking-InSAR技术对于贵州山区的滑坡隐患点识别具有大范围，高精度的特点，可以识别出大部分形变区，且能准确的对形变区定位，为地质灾害的预防提供了有力支持。
参考文献：
[1]康亚，赵超英，张勤，刘晓杰.InSAR滑坡探测技术研究——以金沙江乌东德水电站段为例[J].大地测量与地球动力学，2018，38（10）：1053-1057.
[2]杨成生，张勤，张菊清.InSAR时序法分离大气延迟相位与地形及MODIS水汽相关性分析[J].大地测量与地球动力学，2015，35（01）：92-96.
[3]高海英，赵争，章彭.时序InSAR的贵州地质灾害监测[J].测绘科学，2020，45（07）：91-99.
[4]李生红，欧光照.贵州省大方县地质灾害现状及防治措施分析[J].地下水，2017，39（04）：175-177.