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。     

联合InSAR与坡向约束的露天矿边坡三维形变监测

针对目前多轨道InSAR融合方法监测的南北向形变误差大,难以科学地识别露天矿边坡滑坡隐患的问题,本文提出了联合InSAR与坡向约束的露天矿边坡三维形变监测方法。首先,将露天矿边坡水平位移主要沿着坡向的先验信息作为约束条件。然后,根据SAR卫星形变投影关系,建立了附加约束条件的露天矿三维形变观测模型,并据此求解三维形变。最后,选用辽宁省阜新市新邱矿区作为研究区域,实现了仅基于升降轨InSAR数据的露天矿边坡三维形变监测。结果表明：本文方法解算的三维形变精度约为1.2 cm,仅占最大形变值的5.6%。本文方法有助于改善目前InSAR露天矿山三维形变监测精度不高的情况,提升露天矿山边坡滑坡隐患识别能力。     

时序地基SAR子影像集监测地震滑坡灾害研究

将星载SAR时间序列技术引入到地基SAR影像处理中,研究时序地基SAR影像监测地震后滑坡灾害。鉴于地基SAR设备与星载SAR传感器多方面均存在较大差异,时序星载SAR技术实际上不能直接用于地基SAR影像序列的分析与处理。考虑地基SAR气象环境等因素的影响,选用子影像集的方法,详细分析了时序地基SAR平均子影像集的生成、相干点目标的选取、沉降模型的建立与解算等处理步骤。以云南鲁甸地震后红石岩滑坡作为研究对象,首先对GB-SAR影像数据依据各影像数据质量提取生成子影像集,然后利用多阈值相结合的方法提取相干点目标,最后对时序建模后的结果进行分析。研究表明时序地基SAR子影像集监测滑坡灾害是有效的。     

联合北斗与地基InSAR多源数据分析四川茂县特大滑坡

本文以四川茂县渭门镇滑坡为典型案例,采用裂缝计、雨量计设备监测识别出该滑坡存在激烈下滑现象。结合北斗区域网获取实时监测数据,利用地基InSAR长达119.5 h的连续监测,获取滑坡体表面完整形变信息,识别出滑坡明显形变区域。北斗和地基InSAR监测结果表明,两种设备监测形变量和形变速度基本一致。联合北斗和地基InSAR进行监测,能充分发挥两者的优势,在滑坡形变的不同阶段,从不同位置分析滑坡表面形变信息,对于滑坡的早期防范和局部实时监测有重大意义。     

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。     

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。     

时序InSAR的贵州地质灾害监测

针对传统地质灾害监测手段无法进行全天时、全天候、大范围面状监测的这一现状,运用时序InSAR技术,以及L波段SAR数据、数字高程模型获取了研究区形变序列,并结合全球降水数据、实地调查数据、矿区采空区覆岩移动分带进行了成因分析。实地调查数据验证了小基线集InSAR技术识别地表形变具有较高的可靠性。通过引入全球降水计划GPM多星降水反演产品IMERG中的逐月降水数据分析了P2滑坡隐患点变形规律,发现在降雨多发期,隐患滑坡点变形速度明显增大。实验结果证明,时序InSAR技术在大面积地质灾害多发区中可以有效发挥作用,可为防灾减灾工作提供参考。     

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。     

DInSAR集成GPS的矿山地表形变监测研究北大核心CSCD

矿区滑坡、沉陷等地质灾害频繁,矿区地表监测及预报愈显重要,利用雷达差分干涉测量与GPS集成可实现对矿区的三维形变监测。本文以资兴唐煤矿区为例,对矿区五景ASAR数据进行了处理,获取了垂直形变图;在矿区选取了代表性的10个GPS形变监测点,获取了ASAR数据对应时间的平面点位形变监测结果。对DIn SAR与GPS测量数据集成与内插,获得地面监测点的三维形变量,采用部分监测点的水准测量数据对形变结果进行了验证,结果表明两种监测结果一致。     

高分三号卫星全极化SAR影像九寨沟地震滑坡普查

基于光学遥感影像的区域滑坡普查易受云雾天气的影响,存在滑坡体调查不全面的问题,无法满足震后应急调查与恢复重建的需求。本文提出了一种极化SAR卫星数据滑坡普查方法,采用高分三号全极化SAR卫星影像数据,以九寨沟地震震区为实验区,在深入分析滑坡体和其他地物类型散射特征的基础上,融合极化特征、纹理特征和地形特征等多维特征信息,结合高分二号影像获取的训练样本,构建基于BP神经网络的全极化SAR数据滑坡自动识别模型,实现滑坡体的自动快速识别。与高分辨率光学影像与无人机航空影像目视解译结果相比较,总体识别精度为92.8%,Kappa系数为0.715,识别准确度满足地震应急实际应用的需求。研究成果可用于震区大区域滑坡体的普查,为后续开展无人机高分辨率影像滑坡体详查、灾后应急与景区恢复提供辅助信息支撑,并促进国产高分SAR卫星数据在防震减灾中的应用。     

一种V/S和LSTM结合的滑坡变形分析方法

滑坡变形的产生是坡体自身地质条件和外部诱发条件共同作用的结果,滑坡变形定量预测是滑坡监测预警的关键。传统的基于滑坡累计位移-时间曲线分析滑坡变形的方法,忽略了滑坡变形演化的影响因素,难以对滑坡变形进行准确预测。三峡库区滑坡研究多集中在滑坡时空分布特征和滑坡整体稳定性分析方面,亟需开展单体滑坡综合变形分析。以三峡库区白水河滑坡为例,基于滑坡宏观变形和位移监测数据,利用重标方差（rescaled variance statistic,V/S）分析法对滑坡整体和局部变形趋势进行分析,进而构建考虑库水位波动和降雨滞后性影响因素的可有效利用长期依赖信息的长短记忆（long short-term memory,LSTM）神经网络模型,定量预测滑坡位移。研究结果表明,滑坡体属牵引式滑坡,北东部稳定性较差,西部和后缘相对稳定,预测值的均方根误差为8.95 mm,证明该模型是一种高性能的滑坡变形分析方法。     

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.     

Detecting the slope movement after the 2018 Baige Landslides based on ground-based and space-borne radar observations

On Oct. 11 and Nov. 3, 2018, two large-scale landslides occurred in the same location in Baige Village, Tibet, and massive rocks fell and encroached into the Jingsha River. These landslides posed a severe risk to the upstream and downstream areas. The occurrence, development and evolution of landslides are accompanied by a large number of changes in measurable variables. The deformation data are one of most important parameters for characterizing change and development trends of a landslide. This paper is centered on the results derived from ground-based radar and space-borne Synthetic Aperture Radar (SAR) images in the post-event phase to monitor the Baige landslides and to assess their residual risk. Two technologies play important roles in identifying and characterizing impending catastrophic slope failures: ground-based radar reveals the horizontal deformation, and satellite SAR images reveal the azimuth and range offset deformation. By combining satellite and ground-based SAR observations, we obtained high-precision three-dimensional (3D) deformation results and found that the vast majority of the instability regions mainly occur in the source area of the slope failures and that the direction of collapse converges from all sides to the middle. Additional information from UAV orthophoto maps and GNSS measurements also reveal that several cracks are distributed on the trailing edge of the landslide and are still moving. The comprehensive results revealed that the moving rock mass has still been remarkably active after the two landslide events. This study combined ground-based and space-borne SAR data to develop a long-term monitoring and stability evaluation process for implementation after a large landslide disaster. Based on the distribution characteristics of the 3D deformation fields, the present and future stability of the Baige Landslide was analyzed.     

三峡库区“阶跃”型滑坡变形机理与预警模型

自2003年蓄水以来,三峡库区已查明的滑坡或潜在滑坡高达5000余处,这些灾害对三峡水库的持续运营、大坝、航道及库区居民的安全造成了严重的威胁。通过研究滑坡的变形特征、诱发因素及失稳机制,有助于开展滑坡的稳定性评价,并构建预警预报模型。以三峡库区八字门滑坡为研究对象,综合分析降雨、库水位、人工和自动GNSS监测等数据,结合勘查资料及野外宏观巡查,研究了滑坡的变形特征及失稳机理,并确定合理的预警判据及阈值。研究表明:①八字门滑坡整体变形明显,处于蠕动变形阶段,滑坡变形主要集中于每年5—9月,滑坡累积曲线呈现典型的“阶跃”状变形特性。②滑坡的变形受斜坡结构、岩性等因素的控制,水库水位下降是滑坡变形的主要驱动因素,并与库水下降速率正相关。另外,特大暴雨和持续降雨在水位下降阶段、水库低水位运行期及水位上升期会促进滑坡变形,是滑坡的次要驱动因素。③通过精细化数据分析以及改进切线角法获取的八字门滑坡出现“阶跃”变形的位移速率阈值为4.6 mm/d,7 d累积降雨量阈值为60 mm,库水位阈值为159 m,库水位下降速率阈值0.4 m/d。     

基于地基真实孔径雷达的边坡动态监测研究与应用

滑坡是仅次于地震的发生最频繁、造成损失最严重的地质灾害之一,给人民群众生命和财产安全带来了巨大威胁。为了能够对危险滑坡进行动态监测,采用GPRI-Ⅱ地基雷达系统,研究了滑坡形变时序分析关键技术,制定了地基雷达数据时序处理流程,并应用于浙江绍兴某道路边坡稳定性监测。实验结果表明,该边坡存在1处明显的形变区域,位于施工现场堆积区,最大形变量达到3.5 mm/d。目前在观测条件满足的情况下,地基雷达可以达到亚毫米级的形变监测能力,已经成为灾害预警和治理的重要手段之一。     

高精度时空信息崩滑坡灾害监测技术

我国部分地区地质灾害爆发频率高,多年来崩滑坡、泥石流等高危险性地质灾害严重威胁我国人民财产与生命安全。因此,地质灾害及时预警一直是我国在应急方面亟待解决的难题。随着北斗、GPS等全球卫星导航系统的建设组网,GNSS技术逐渐成为当前提供时空位置信息的重要手段,具有数据实时性、设备低功耗、搭建便捷化等特性,成为解决地质灾害监测与预警的理想技术手段。本文利用BDS+GPS+GLONASS时空信息数据,构建了面向地质灾害监测的中长基线毫米级精度的崩滑坡监测解算方法,确定了双差观测的载波相位解算模型。最后在重庆新浦区域展开试验应用,实现了基于高精度时空信息的毫米级滑坡灾害的监测与预警。为预计该区域的地质灾害提供了数据支持,为人民的生产生活提供了技术保障。     

地基干涉雷达地面灾害监测数据可视化方法

针对目前对地基干涉雷达监测数据的可视化程度偏低,可视化效果涵盖信息不够丰富的现状,该文以地基干涉雷达系统的露天矿区边坡地面灾害监测为例,实现了多样化的可视化效果。该方法利用遥感影像和人工测量高程数据,丰富了可视化中的地表覆盖信息和地形起伏情况等重要信息,具有结果数据和过程数据的多样化、可视化方式。结果表明,该方法改善了单一的地基干涉雷达系统监测数据的可视化效果,充分发挥了其形变预警分析功能。     

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。     

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。