时序InSAR技术在三峡库区特高压输电通道滑坡隐患识别的应用

位于三峡库区的特高压输电线路是我国电力供应的重要一环,由于三峡库区以滑坡为主的地质灾害频发,严重威胁了特高压输电线路的安全,因此滑坡的监测和识别对特高压输电线路的安全运行尤为重要。针对三峡库区复杂的地形和气候条件,本文提出自适应优化构网的方法,并应用于时序InSAR处理流程,对三峡库区万州—巴东的84景Sentinel-1数据进行处理,实现特高压输电通道的地表形变监测。使用同步观测的北斗卫星导航系统观测数据和金鸡岭滑坡的实地考察数据,验证了时序InSAR监测结果的可靠性。根据时序InSAR的监测结果,在输电通道内识别出8处明显的滑坡隐患,进一步对监测的金鸡岭滑坡时间序列形变进行分析,发现该滑坡的形变特征与降雨、库水位和工程扰动有一定的关联。     

基于InSAR技术和光学遥感的贵州省滑坡早期识别与监测

贵州省因其复杂的地形地貌和强降水等气候特征,滑坡灾害频繁发生。亟需一种可靠的滑坡早期识别和监测方法。传统的滑坡识别和监测方法存在局限性,而InSAR技术在大规模地质灾害监测中具有独特的优势。但是,基于单一地表形变值的滑坡识别结果存在一定的不确定性。因此,本文联合InSAR技术和光学遥感,利用Sentinel-1A雷达卫星影像数据对贵州省六盘水市、铜仁市、贵阳市等地区进行大规模地表形变监测和危险形变区识别;并采用基于NDVI时间序列分析和基于滑坡发育要素的滑坡识别方法对研究区潜在滑坡灾害进行调查。利用InSAR技术对研究区域内重点滑坡（鸡场镇）进行监测,及时掌握滑坡的运动状态。本文方法对贵州省的灾害防治和管理具有重要意义。     

基于SBAS-InSAR技术的西南山区滑坡稳定性监测

本文首先利用小基线集时序InSAR(SBAS-InSAR)技术对云南省宣威东北部地表进行形变监测,获取2021年1月至2023年6月的形变结果;然后分析选取的典型滑坡的形变特征,采集了GNSS监测数据与InSAR形变监测进行对比验证;最后分析InSAR形变对降雨的响应。研究结果表明,SBAS-InSAR技术能有效监测西南山区的典型滑坡,该结果可为滑坡灾害的早期识别提供支撑,对于同类型滑坡灾害的稳定性监测具有较高的参考价值。     

InSAR技术在滑坡灾害中的应用研究进展

InSAR技术作为重要的对地观测技术之一,已在城市、矿山、地质灾害等地表形变监测领域得到广泛应用与探索,特别是在滑坡灾害形变监测中具有很强的实用性。为全面、准确及深入认识和梳理InSAR技术在滑坡灾害应用中的前沿科学问题、局限性、面临挑战及未来发展趋势,以期更好地服务于滑坡灾害的防治与监测。以InSAR技术滑坡灾害应用研究为主要脉络,系统阐述其研究进展:(1)以滑坡监测中应用的主要InSAR方法概述为切入点,系统梳理了各类主要方法的适用范围、优缺点及内在联系;(2)基于早期识别探测、不同量级形变监测、活动模式与三维信息获取、形变与诱因耦合4个视角,深入探析InSAR技术在滑坡应用中的最新进展、趋势及目前应用中存在的关键问题与挑战;(3)针对InSAR技术系统的局限性、滑坡灾害的特点,剖析了InSAR滑坡监测中存在的几何畸变、密集植被覆盖、大气干扰、三维形变信息获取、精度评定、滑坡形变的复杂性和非线性等问题,并对相应问题的解决提供了可行性的方案与建议措施;(4)基于InSAR滑坡行业体系构建的视角,结合人工智能(AI)、机器学习、无人机遥感及地学领域地震台网等其他观测技术,从数据处理、与其他新型技术融合对未来InSAR在滑坡应用研究进行总结和展望。     

InSAR滑坡监测研究进展

InSAR技术的发展及数据的丰富,使其成为了滑坡监测中的重要手段之一。本文首先从InSAR滑坡监测的数据选择开始,介绍不同数据、场景对于InSAR滑坡监测的影响;其次,对当前影响InSAR滑坡监测精度的主要因素进行分析,综述了目前主流的解决方法;然后,对当前InSAR滑坡三维形变监测的方法做了系统性的分类,总结了各自的优缺点及使用范围;最后,对目前限制InSAR滑坡监测的主要问题、可能的解决途径及未来的发展方向等问题进行了探讨。     

时序InSAR滑坡探测与DEM误差影响分析

以贵州省西南山区为例,针对地质灾害隐患早期识别的实际情况和需求,开展差分干涉测量和时序InSAR方法的对比实验,以验证时序InSAR在抗误差干扰、探测微小形变、捕捉形变序列演化趋势等方面的能力;再基于高精度LiDAR DEM数据进一步研究DEM误差对时序InSAR处理结果的影响。实验表明,时序InSAR方法无法完全剔除DEM误差,从而导致形变速率、形变序列估计不准,在开展精细化InSAR形变分析时应尽可能选取高精度的外部DEM数据,以保证正确估计地质灾害隐患形变特征。     

四川茂县岷江河谷区段滑坡隐患雷达遥感识别与形变监测

长期以来,中国四川省茂县地区受地质、地形条件和构造活动的影响,滑坡等地质灾害频发,给人民的生命财产和公路等基础设施安全带来了巨大的威胁,因此需要对滑坡隐患区域进行有效识别和监测。以时序哨兵1号A、B卫星(Sentinel-1A/1B)影像为数据源,利用时间序列合成孔径雷达干涉测量(interferometric synthetic aperture radar, InSAR)技术对茂县岷江河谷区段的潜在滑坡隐患开展识别监测,对重点区段进行了分析,同时分析探讨了InSAR滑坡监测中不同轨道数据的视线方向形变测量灵敏度差异。从实验结果中成功探测识别出了茂县岷江河谷沟口乡至石大关乡段的20余处滑坡隐患,现场实地考察验证了识别结果的准确性,证明了时序InSAR方法在高山河谷区滑坡隐患识别监测中的有效性。     

甘肃黑方台黄土滑坡InSAR识别、监测与失稳模式研究

采用合成孔径雷达干涉测量（interferometric synthetic aperture radar，InSAR）技术对甘肃黑方台地区潜在的黄土滑坡开展了多时相编目、长时序监测以及失稳模式识别研究。首先，采用不同空间分辨率、不同波长的历史存档合成孔径雷达（synthetic aperture radar，SAR）数据对黑方台地区2006-12至2017-11间的潜在滑坡开展了识别研究，在2006-12至2011-03和2016-01至2016-11两个时间段均识别出数10处不稳定坡体，实地调查和光学遥感影像验证了InSAR技术识别结果的可靠性与准确性。然后，对典型不稳定滑坡体采用高空间与高时间分辨率的TerraSAR-X数据开展了长时序监测，结果表明，在InSAR监测期间，累积形变最大的滑坡体在随后的时间里均发生了滑动，并成功地捕获到滑坡体形变加速的时间点。最后，利用升降轨SAR数据开展了黄土滑坡二维形变监测研究，基于滑坡的二维形变特征并结合地形图以及光学遥感影像进一步研究了滑坡的失稳模式，现场调查结果验证了所获得滑坡失稳模式的准确性。     

改进TS-InSAR方法的白格滑坡灾前-灾后形变演化特征分析

2018年10至11月,金沙江上游白格滑坡先后两次垮塌渡江并致堰塞湖,且至今仍存在较显著的蠕滑形变。针对时序InSAR技术在高植被发育区的应用局限,本文提出了一种改进的时序InSAR解算方法(ITSI),结合Sentinel-1A卫星2017年9月-2021年3月期间获取的SAR影像数据,针对滑坡区域分别开展了灾前和灾后时序干涉处理,提取了灾害-灾后时段内的年平均蠕滑速率场(灾前极值为9.71cm/a,灾后达到25.42cm/a)和累计蠕滑形变量(灾前极值为13cm,灾后两年内达61cm),并结合灾前-灾后形变时间序列,重点分析了蠕滑形变的时序演化特征,发现白格滑坡灾后两年间渐趋稳定。此外,监测结果发现白格滑坡上游5km处的肖莫久滑坡也处于活动状态。相关结果可为该区域防灾减灾领域研究提供参考。     

黄土台塬滑坡变形的时序InSAR监测分析

黄土台塬由于经常性的农业灌溉容易造成边缘区域滑坡发育。因此，需要利用有效手段对这些潜在的滑坡隐患进行早期识别与监测。利用时间序列合成孔径雷达干涉测量（interferometric synthetic aperture radar，InSAR）技术对2016-01至2018-08期间获取的升降轨Sentinel-1数据集进行分析，获取了甘肃永靖黑方台典型台塬地区的滑坡隐患分布情况。将InSAR结果与GPS观测资料进行对比，验证了时序InSAR处理方法的有效性。对该地区滑坡的历史变形分析表明，持续的农业灌溉引起的地下水位抬升是台塬边缘坡体失稳的主要诱因。同时，InSAR时序分析发现，研究区域内的跨黄河大桥受季节更替和温度波动的影响，存在周期性变形现象。实验结果证明了时序InSAR方法在地表变形监测中的有效性，可在黄土滑坡识别与监测防治中发挥重要作用。     

广域滑坡灾害隐患InSAR显著性形变区深度学习识别技术

全面识别和发现地质灾害隐患,已成为我国地质灾害防治的重大实际需求。目前,基于InSAR技术和深度学习相结合用于广域尺度下地质灾害隐患智能识别应用效果与适用性还需要进一步探索与研究。本文基于Stacking InSAR技术获得地表形变相位数据,利用深度学习检测识别正在变形的滑坡隐患位置与分布,确定显著性形变区边界,探索将上述技术方法推广到一定的广域范围和动态更新数据集。结果显示,测试数据集显著性形变区平均识别精度为0.69,召回率为0.67,F₁ score为0.67,动态更新数据集识别精度为0.85,召回率为0.58,F₁ score为0.68。研究表明,本文方法在广域地灾隐患识别中具有应用可行性,可为地质灾害监测预警提供理论基础与技术支撑。     

GPS与InSAR技术在滑坡监测中的应用研究

合成孔径雷达干涉测量技术(InSAR)应用于地面形变监测已经成为地质灾害研究热点。本文分析了In-SAR技术在滑坡变形监测中的特点与技术优势,监测中InSAR、GPS的结合能够同时提高监测在空间域与时间域的分辨率;本文叙述了GPS、InSAR结合技术的理论与方法。说明利用干涉雷达结合GPS技术对滑坡进行监测是可行的,具有十分广阔的应用前景。     

地基SAR在滑坡形变监测中的应用

地基InSAR是近年发展起来的基于地基SAR (GB-SAR)获取地表形变的一种新的技术手段,分辨率高、可实时监测,实现毫米级形变监测精度,为近距离滑坡实时监测与预警提供了先进的技术手段。本文首先以澜沧江某滑坡体为研究对象,在滑坡体对岸设立固定站点,按固定频率进行GB-SAR数据采集;然后通过先后两景影像形成干涉对,利用相干阈值方法提取相干点目标;最后利用形变模型提取滑坡体形变结果。研究表明,地基SAR可获得整个滑体形变边界、形变大小空间分布及时间变化历程,对滑坡体灾害实时监测非常有效,可为滑坡灾害监测及预警提供参考。     

“天-空-地”协同滑坡监测技术进展

滑坡灾害是全球范围内发生频率最高、分布范围最广、造成损失最重的自然灾害之一,严重威胁着人类生命财产和重大工程设施的安全。科学监测是实现滑坡预警预报与主动防范的重要技术前提,经过多年的技术攻关,融合高分辨率光学遥感、卫星InSAR、无人机摄影测量、无线传感网络(WSN)等多种新技术方法,滑坡监测已从传统点式人工监测逐步发展到“天-空-地”多维协同监测,在我国地质灾害风险识别与监测预警方面取得显著成效。本文结合多年来对滑坡发生机理与变形破坏过程的研究认识,从天(光学遥感和InSAR)、空(无人机摄影测量)、地(全球导航卫星系统、裂缝计等专业监测)三维立体角度对我国滑坡监测技术的最新研究进展进行了系统总结,分析讨论了不同技术在工程实践中的技术优势和适用性,构建了滑坡变形破坏全过程的“天-空-地”协同监测技术体系,为滑坡地质灾害的科学防范提供一种新的思维范式和经验指导。     

滑坡位移EEMD-SVR预测模型

滑坡位移预测是滑坡灾害实时监测预警的重要组成部分,良好的滑坡位移预测模型有助于预测地质灾害发生。滑坡变形受多种外界因素影响呈现出随机性和非线性的特点,在现有的滑坡位移预测方法中,机器学习方法在滑坡位移预测中得到了广泛的应用。针对滑坡位移预测是趋势项位移和周期项叠加的特点,本文研究采用基于集成经验模态分解(EEMD)的滑坡趋势项和周期项位移提取方法,结合支持向量回归(SVR)模型实现对滑坡的位移预测。首先,详细介绍了该模型的构建过程和预测性能,并以均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和决定系数(R²)作为评估模型的预测性能指标。然后,分别利用EEMD-SVR、SVR、Elman模型对贵州省岩溶山区的一处滑坡进行位移预测,结果表明,EEMD-SVR模型连续1 d预测的RMSE值、MAPE值和R²值分别为0.648 mm、0.518%和0.996 8,可以提供更高可靠的滑坡位移预测精度,对同类滑坡的位移预测具有一定的参考价值。     

Potential loess landslide deformation monitoring using L-band SAR interferometry

Multi-temporal InSAR technique can implement continuous earth surface deformation detection with long time scale and wide geographical coverage. In this paper, we first employ the Small Baseline Subset method to survey potential landslides in Guide County, Qinghai Province, which is identified as a loess landslide prone area for geological and climate conditions. Two anomalous deformation regions are detected by L-band Phased Array and L-band Synthetic Aperture Radar stacks. Then, qualitative and quantitative evaluations of the measuring points are given for understanding the distribution regularity of deformation. Finally, preliminary correlation between the time-series deformation and triggering factors is analyzed to explore the driving mechanism for landslide movement. The results demonstrate that L-band SAR has high potential in landslide monitoring applications and can be used as the basis for landslide recognizing, precursory information extracting, and early warning.     

基于深度学习的滑坡位移时空预测

滑坡变形监测数据是认识滑坡变形演化规律的直接依据,对该数据深度挖掘是实现滑坡灾害预警预报的有力保障。现有的滑坡位移预测模型多局限于单个监测点的时序预测,且未考虑监测点间的空间相关性。针对上述问题,本文提出了一种基于深度学习的滑坡位移时空预测模型:首先,构建表达所有点间空间相关性的加权邻接矩阵;其次,引入外界影响因素加强属性特征矩阵,以构建图结构数据;最后,采用集合图卷积网络(GCN)和门控循环单元(GRU)的深度学习模型,并通过多组试验寻找最优超参数,实现滑坡位移的时空预测。本文模型结果的均方根误差为4.429 mm,与对比模型相比至少降低了47.3%。而消融试验结果也显示,引入外界影响因素的属性增强可进一步提高模型的预测性能,均方根误差相对于未属性增强结果减少了28.4%。结果表明,该方法可用于滑坡位移或其他地质灾害中同样具有时空关联属性的观测量的时空预测。     

雷达遥感滑坡隐患识别与形变监测

滑坡是全球发生最为频繁、造成损失最严重的自然灾害之一,滑坡表面形变测量对于滑坡的早期识别、监测和预警具有重要意义。雷达遥感具有非接触式大范围空间连续覆盖和高精度形变测量等优势,在滑坡地质灾害领域中取得了广泛的应用。本文概述武汉大学干涉雷达遥感团队近几年在利用雷达遥感监测滑坡形变方面的研究内容,包括：雷达遥感在滑坡形变监测中的可行性和适用性分析、大范围滑坡隐患识别、复杂山区滑坡形变测量、大梯度滑坡形变测量、滑坡三维形变提取等。