基于MSBAS技术的金沙江上游色拉滑坡形变分析

金沙江缝合带是滑坡灾害的高发区,且具有较大的堵江威胁。以堵江风险较高的色拉滑坡为研究对象,选取高时间分辨率的升降轨Sentinel-1A/B数据,利用MSBAS InSAR技术对该滑坡展开地表形变监测研究。文章在利用不同轨道的Sentinel-1A/B获取色拉滑坡2018—2020年间的二维动态形变时间序列的基础上,分析了典型特征点形变时间序列特征。结果表明,在2018年1月—2020年4月色拉滑坡东西向累积形变最高达到165 mm,垂直向累积形变达?102 mm,滑坡体形变加速的时间点被成功地捕获。最后,分析了该滑坡的形变趋势,通过现场调查结果验证了所获得滑坡监测结果的准确性。     

基于MSBAS技术的金沙江上游色拉滑坡形变分析

金沙江缝合带是滑坡灾害的高发区,且具有较大的堵江威胁。以堵江风险较高的色拉滑坡为研究对象,选取高时间分辨率的升降轨Sentinel-1A/B数据,利用MSBAS InSAR技术对该滑坡展开地表形变监测研究。文章在利用不同轨道的Sentinel-1A/B获取色拉滑坡2018—2020年间的二维动态形变时间序列的基础上,分析了典型特征点形变时间序列特征。结果表明,在2018年1月—2020年4月色拉滑坡东西向累积形变最高达到165 mm,垂直向累积形变达-102 mm,滑坡体形变加速的时间点被成功地捕获。最后,分析了该滑坡的形变趋势,通过现场调查结果验证了所获得滑坡监测结果的准确性。     

光学遥感用于贵州发耳镇尖山营滑坡监测研究

文章选取贵州省发耳镇尖山营采矿型滑坡为研究对象,利用多期光学遥感数据,基于亚像元相关性匹配技术,实现该滑坡长时序定量化二维形变监测。利用多期存档Google earth影像及无人机影像,探测出该地区1#滑坡在2013年已开始发生明显的地表形变,且随着时间的推移,地表形变愈发严重;再基于Sentinel-2遥感数据求解出1#滑坡自2016年7月31日至2020年3月22日期间的二维形变时间序列,结果表明:该滑坡最大水平形变方向与斜坡方向一致,且在东西向和南北向上均表现为持续增大的趋势,最大累积形变量分别达到了44 m和-58 m。      

基于SBAS-InSAR的西宁市滑坡识别和形变监测分析

中国黄土高原滑坡灾害频发，严重威胁经济的发展及生命财产安全。利用时序合成孔径雷达干涉测量(InSAR)技术识别潜在的活动滑坡，并对其进行形变监测，有利于预防和减轻灾害造成的危害。InSAR技术具有大范围观测地表变形的能力，这里以西宁市为研究区，采用83景升轨和87景降轨Sentinel-1A雷达影像，利用小基线集(SBAS)时间序列InSAR技术，获取了研究区2019年1月至2021年11月地表形变速率以及时序形变量，共探测到74处显著形变区；结合地貌和光学影像特征，确定其中35处为活动黄土滑坡。通过对活动滑坡的时间序列形变分析，内在(工程岩组、断层)和外在(降雨)条件的共同作用，是激活不稳定边坡或加速边坡运动的主要因素。     

基于SBAS-InSAR技术的白鹤滩水电站库岸潜在滑坡变形分析

库岸潜在滑坡变形分析是保障国家水利水电设施安全运行的重要环节,针对仅利用单一轨道SAR数据对库岸潜在滑坡变形监测不准确的问题,采用SBAS-InSAR技术,联合升降轨Sentinel-1 SAR数据构建研究区2019年7月至2021年7月的雷达视线方向形变时间序列,并结合无人机野外调查,分析白鹤滩水电站库岸典型潜在滑坡...     

基于InSAR技术的川西高山峡谷区地质灾害早期识别研究——以小金川河流域为例

采用短基线集时序干涉测量(small baseline subset InSAR,SBAS-InSAR)技术,利用多时相合成孔径雷达数据,对川西高山峡谷区开展地表多时相、长时序形变监测与地质灾害隐患早期识别研究。介绍了时序InSAR方法原理,梳理了数据处理流程,分析了小金川河流域雷达可视性,利用2018-11—2019-12共26期的Sentinel-1A历史存档数据开展了流域内地表形变监测,结果表明: 流域内雷达视线方向的年平均形变速率为-51.12~75.28 mm/a; 依据形变异常分布规律,共判译出4处形变异常区与11处潜在地质灾害隐患点,其中6处隐患点为已知地质灾害点,其余5处隐患点尚不为人知。以隐患点P1(阿娘寨滑坡)为典型案例,开展了长时序监测分析与验证,评估利用InSAR技术开展地质灾害隐患早期识别的可靠性,证明了SBAS-InSAR技术在地质灾害早期识别中的优势及有效性,其技术成果在川西高山峡谷区具有大范围推广应用的潜力。     

藏东冻土区滑坡形变时序InSAR监测分析

受气候暖湿化和冻融作用的影响,近年来西藏东部地区的山体滑坡多发频发,对人民生命财产安全造成严重威胁,制约了当地经济社会发展,因此,迫切需要利用有效手段对滑坡灾害隐患开展大范围调查与早期识别。以藏东317国道矮拉山地区为例,利用小基线集时序InSAR（Interferometric Synthetic Aperture Radar）技术,分别对2017年3月—2019年7月期间Sentinel-1A SAR升、降轨数据集进行地表形变监测分析,获取了该地区滑坡体隐患的分布情况,并讨论了滑坡历史形变演化特征及成因。结果表明：大部分区域较为稳定,滑坡隐患主要集中在山谷两侧,升降轨InSAR提高了滑坡监测识别的准确性和覆盖度;冻融滑坡形变过程与降雨型滑坡存在差异,呈现平稳期和失稳期交替出现的季节性变化特征;形变过程主要受冻融和降雨影响,两者共同作用加速坡体变形。实验结果验证了InSAR技术能够有效弥补传统监测手段的不足,可在高山冻土区滑坡隐患早期识别与监测防治中发挥重要作用。     

基于光学遥感与InSAR技术的潜在滑坡与老滑坡综合识别

我国滇西北区域地质灾害频发,主要灾害类型为滑坡,对该区域进行滑坡类地质灾害隐患识别是有效的防灾减灾措施,传统的地质灾害隐患识别手段较为单一,且依赖大量的人力,调查效率较低。利用WordView2、Sentinel-1A、ALOS-2几种遥感卫星数据,进行Stacking-InSAR等技术的处理,得到多种光学卫星影像和InSAR处理的地表形变图,建立滇西北区域潜在滑坡与老滑坡的光学解译标志和InSAR识别标志,并进行多次目视解译和人工交互式解译。依据解译、识别成果,总结识别方法并进行野外调查验证。共识别潜在滑坡与老滑坡696处,为今后滇西北区域地质灾害调查与评价提供新的调查思路和技术参考。     

基于Johnson分布体系黄土滑坡影响范围的概率预测

通过在甘肃省天水市进行大量的现场调查,收集已经发生的黄土滑坡数据并建立数据库,利用Johnson分布体系建立了多维滑坡变量模型并预测潜在滑坡发生后的堆积区滑体长度、滑坡体的面积和滑坡体的宽度。通过对比预测结果与验证组中滑坡体真实数据发现预测模型具有较好的精准度,以预测结果90%置信区间上边界作为影响范围的安全值,推导出研究区域内潜在黄土滑坡影响范围的预测公式,并以研究区域以外的同类型黄土滑坡数据加以验证发现预测公式对天水市内其他区域同类型的黄土滑坡的评估具有一定的适用性。预测公式中只有不稳定边坡高度作为自变量,这对现场快速评估不稳定黄土潜在滑坡危害、影响范围提供了极大便利。     

基于Sentinel-1A SAR数据的呼和浩特城区地表形变分析

为了实现对呼和浩特市城区形变监测,采用永久散射体合成孔径雷达干涉测量（PS-InSAR）技术,对2017年3月—2021年4月期间25景呼和浩特市城区Sentinel-1A数据进行时序干涉处理,提取了城区地表沉降信息,并分析了主要沉降中心沉降原因。结果表明：呼和浩特市城区地表存在5个明显的沉降中心,整体地表平均年沉降速率3.65 mm/a,平均累计沉降量为15.50 mm,其沉降主要原因是由于地下水过度开采。Sentinel-1A数据具有时间基线短、影像数量足、数据免费等优点,利于InSAR时序分析,可满足同类城区地表形变监测工作,服务城市安全。     

川西高原活动性滑坡识别与空间分布特征研究

成都平原向西至松潘?甘孜褶皱带完成了从平原到高山峡谷区的转变,区域内起伏落差巨大,地势奇峻,河流下切侵蚀严重,构造活动频繁,地震频发,内外动力作用强烈,地质灾害众多。文章利用覆盖全区的Sentinel-1A升降轨数据以及重点区域的ALOS-2数据进行InSAR技术处理,结合GIS空间分析,对研究区活动性滑坡进行早期识别以及空间分布规律的探索,再辅以部分野外调查佐证,获得了以下认识:研究区滑坡集中分布地区按其诱因可分为水库蓄水诱发灾害区（黑水县毛尔盖水库）、震后破碎山体灾害区（茂县岷江与黑水沟交界、汶川至理县一带、九寨沟至石鸡坝镇一线）和重要河流灾害区（舟曲、腊子口镇、小金县和丹巴县）;区域内活动性滑坡主要分布于千枚岩等变质岩和泥页岩等碎屑岩中;主要地形范围为坡向南东、东、北东向,坡度15°~40°,高程区间1000~3000 m,相对高差>1000 m;主要分布断裂有岷江断裂、玛曲?荷叶断裂、光盖山?迭山北麓断裂和茂汶?汶川断裂。Sentinel-1A升降轨数据的结合,使得有效观测区域提高到研究区面积的73.41%。在川西高原区ALOS-2数据相对优于Sentinel-1A数据,ALOS-2和Sentinel-1A数据在九寨沟和茂县重叠区识别的结果重合率为58.7%和44.8%,识别数量前者分别是后者的3.98倍和1.39倍。      

Measuring precursory movements of the recent Xinmo landslide in Mao County,China with Sentinel-1 and ALOS-2 PALSAR-2 datasets

The Xinmo landslide occurred in the early morning of 24 June 2017 at about 5:38 am local time. This catastrophic event caused enormous casualties and huge economic losses in Xinmo Village, Mao County, Sichuan Province, China. In this study, Synthetic Aperture Radar (SAR) datasets acquired by X-band TerraSAR-X, Phased Array type L-band Synthetic Aperture Radar-2 (PALSAR-2) aboard the Advanced Land Observing Satellite-2 (ALOS-2), and C-band Sentinel-1 over the disaster area were collected and analyzed to characterize this landslide. The high-resolution TerraSAR-X intensity images were used to evaluate the landslide disaster and delineate the sliding area. Afterwards, two ALOS-2 PALSAR-2 image pairs and a stack of 45 Sentinel-1 images were processed to detect precursory movements of the landslide surface, using the conventional differential InSAR (DInSAR) method and advanced time series InSAR analysis. The unstable source area near the ridge was identified from the displacement rate map derived from Sentinel-1 datasets. The maximum displacement rate detected at the source area was ?35mm/year along the radar line of sight (LOS) direction. The time series of LOS displacements over 2 years presents an easily discerned seasonal evolution pattern. In particular, a sudden acceleration of the displacement, dozens of days before the collapse was clearly captured by the Sentinel-1 observations, which might suggest that early warning of landslide disasters is possible given the availability of operational SAR data acquired in frequent repeat-pass mode, such as the Sentinel-1 twin-satellite constellation.     

免像控无人机航测技术在舟曲县立节北山滑坡-泥石流灾害应急处置中的应用

近年来,无人机航测技术在地质灾害防治领域广泛应用,特别是在突发性地质灾害应急处置中优势显著。免像控无人机航测技术能够快速获取测绘数据,跟传统航测方法相比,极大的节约了时间和人力成本。文中利用大疆精灵Phantom 4 RTK无人机,对甘肃省舟曲县立节北山滑坡-泥石流灾害进行免像控航测数据获取和处理。根据航测成果快速获取了滑坡形态特征、泥石流沟道特征等相关参数, 分析了滑坡变形迹象,并应用实地测量数据进行免像控航测精度评价分析。研究结果表明:滑坡形态特征、泥石流沟道特征、变形迹象均与实地相符,检核点精度满足《低空数字航空摄影测量内业规范》（GH/Z 3003—2010）数据生产规范,成果数据可用于灾害体变形特征分析、几何参数快速提取,辅助分析评估险情、灾情。对突发性地质灾害应急处置中无人机测绘数据的快速获取工作具有一定的借鉴意义。     

甘肃通渭黄土滑坡二维形变时序监测

时间序列合成孔径雷达干涉测量技术能有效反应滑坡形变过程。2019年9月14日,甘肃省通渭县发生山体滑坡,但该滑坡灾前是否已经发生缓慢形变以及滑坡原因值得追溯和探讨。文中基于欧洲航天局发布的哨兵一号升/降轨数据,利用SBAS-InSAR技术分析甘肃通渭滑坡灾前二维形变特征以及滑动的因素。结果表明,2018年9月—2019...     

贵州金海湖新区田湾子滑坡活动特征及成因机理分析

2022年1月3日18时55分,贵州毕节市金海湖新区归化街道田湾子发生一起顺层滑坡,形成约3.5×104?m3的堆积体,造成14?人遇难,3?人受伤。综合应用无人机航拍、现场测试等技术手段,文章详细描述了现场的地质调查,初步分析了滑坡体特征、滑坡发生的运动过程和成因机理,并对滑坡残留体的潜在危险进行了监测和分析,为现场救援行动提出搜救建议。初步研究结果认为,滑坡源区特殊的地形地貌条件、风化碎裂的泥质白云岩和不利的岩体结构面是滑坡形成的内因,边坡开挖扰动致斜坡的地表形态和应力分布发生改变是滑坡发生的外因。田湾子滑坡发生前斜坡无明显的变形迹象,灾害发生具有突发性,造成了较大的人员伤亡和经济损失,深入研究田湾子滑坡的形成过程和成灾机理,对贵州山区存在类似条件的地质灾害隐患防治工作具有现实的指导意义。     

The Maoxian landslide as seen from space: detecting precursors of failure with Sentinel-1 data

Post-event Interferometric Synthetic Aperture Radar (InSAR) analysis on a stack of 45 C-band SAR images acquired by the ESA Sentinel-1 satellites from 9 October 2014 to 19 June 2017 allowed the identification of a clear precursory deformation signal for the Maoxian landslide (Mao County, Sichuan Province, China). The landslide occurred in the early morning of 24 June 2017 and killed more than 100 people in the village of Xinmo. Sentinel-1 images have been processed through an advanced multi-interferogram analysis capable of maximising the density of measurement points, generating ground deformation maps and displacement time series for an area of 460 km² straddling the Minjiang River and the Songping Gully. InSAR data clearly show the precursors of the slope failure in the source area of the Maoxian landslide, with a maximum displacement rate detected of 27 mm/year along the line of sight of the satellite. Deformation time series of measurement points identified within the main scarp of the landslide exhibit an acceleration starting from April 2017. A detailed time series analysis leads to the classification of different deformation behaviours. The Fukuzono method for forecasting the time of failure appear to be applicable to the displacement data exhibiting progressive acceleration. Results suggest that satellite radar data, systematically acquired over large areas with short revisiting time, could be used not only as a tool for mapping unstable areas, but also for landslide monitoring, at least for some typologies of sliding phenomena.     

基于SBAS-InSAR技术的安徽省砀山县地面沉降监测

皖北地区地貌形态以平原为主,地面沉降是其面临的主要地质灾害。基于小基线集(small baseline subsets-interferometric synthetic aperture radar, SBAS-InSAR)方法,利用2017年5月至2021年12月期间采集的47景Sentinel-1A SLC (single look complex,SLC) 升轨数据对砀山县进行地表形变监测,获得了砀山地区该时段年均形变速率和地表累计形变图,揭示了监测期间该区的形变时空分布和变化特征。结果表明: 以砀城镇为中心,包含高铁新区及经济开发区一带地表沉降明显,黄河故道以北,沿玄庙镇东西方向发生微量沉降,沉降的分布与地下水过量开采以及岩土性质密切相关。定期监测地面沉降的分布和量级,能够缓解日益增长的城市化人口暴露于这类灾害下的风险。