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。     

基于SBAS-InSAR技术的川藏铁路澜沧江段滑坡隐患早期识别

早期识别是实现地质灾害防灾减灾的有效途径之一,然而复杂地形区滑坡的早期识别一直是个难题,尤其是位于高山峡谷区的滑坡隐患点。为了全面准确地获取川藏铁路澜沧江段的滑坡隐患,采用SBAS-InSAR技术,通过Sentinel-1(升轨)和RADARSAT-2(降轨)数据结合互补的方式,对川藏铁路澜沧江段进行滑坡隐患早期识别。解译结果显示2018年8月至2020年2月研究区LOS向的形变速率分别为-58~21 mm/a(升轨)和-42~16 mm/a(降轨),转换后的斜坡向最大平均速率达到-128 mm/a。基于升降轨数据的斜坡向形变结果,识别出川藏铁路澜沧江段的113处滑坡隐患点,其中存在4处滑坡隐患密集区以及13处典型滑坡隐患点,进一步分析了两处重点滑坡隐患的形变特征和滑移机制。本次研究结果对于川藏铁路线路选定以及澜沧江大桥上、下游的防灾减灾具有一定指导作用,不同轨道数据结合互补的方式为川藏铁路沿线的高山峡谷地区的滑坡隐患早期识别提供参考。     

时间序列InSAR技术广域地表形变监测——以湖北省为例

中国地质灾害点分布较为广泛,人工调查和排查的手段在特殊地区无法开展地质灾害隐患的识别,为了满足大区域地质灾害普查的需要,提出利用时序InSAR技术对广域地表进行形变监测。本文利用4个轨道92景Sentinel 1影像,基于小基线子集技术,首先,基于特定的时空基线阈值筛选影像集合;其次,利用轨道参数与强度信息进行影像配准,同时利用DEM去除地形相位;然后,通过两次形变反演剔除大气延迟相位与噪声相位;最后,将视线向形变量转换为垂直向形变,生成湖北省省域沉降普查图。结果表明,全省最大沉降速率达51 mm·a-1,荆门市石膏矿区存在缓慢沉降,最大年沉降速率为212 mm·a-1,通过历史灾害资料及实地调查核实,时间序列InSAR技术在广域地表形变监测中的有效性,为全省地质灾害普查提供一种技术支持。     

基于InSAR技术的盘锦地区地面沉降研究

为掌握盘锦地区地面沉降现状,包括沉降中心位置、沉降区面积、沉降量、沉降速率等,选取2013-2016年覆盖研究区的19期C波段Radasat-2数据,采用SBAS-InSAR技术提取盘锦地区地面沉降速率和累积地面沉降量。结果表明,研究区内存在两个沉降区:曙四联沉降区,面积约为43.6km^2,最大沉降速率为-151.49mm/a;龙王村沉降区,面积约为33.28km^2,最大沉降速率为-119.55mm/a。与2007-2009年的3期ASAR数据得到的结果进行对比后发现,两者得到的沉降区基本一致。通过地面沉降监测数据的时序分析,累积沉降量和沉降区范围均随着时间不断增大。     

基于SBAS- InSAR技术的西藏雄巴古滑坡变形特征

大型古滑坡及其强变形和复活灾害日益频发,已造成重大灾害事件和严重损失.古滑坡的发育、变形影响因素多、机理复杂和识别难度大,本文采用SBAS-InSAR技术,结合遥感解译,获取了金沙江西岸雄巴村古滑坡2017年10月至2020年6月间的地表变形特征.研究表明,雄巴古滑坡方量巨大,可达2.6×108～6×108 m3,根据InSAR形变监测结果,滑坡前缘发育H1和H2等2个大型强变形区,变形级别分为4级:极强变形区(-132.1 mm/a≤VLOS＜-58.5 mm/a)、强变形区(-58.5 mm/a≤VLOS＜-20.3 mm/a)、中等变形区(-20.3 mm/a≤VLOS＜l.8 mm/a)和弱变形区(1.8 mm/a≤VLOS＜55.4 mm/a);其中H1变形区,最大累计变形量达203.8 mm,H2变形区变形量达302.1 mm.受金沙江河流侵蚀,特别是上游75 km的2018年10月和11月白格2次滑坡-堵江-溃坝-泥石流/洪水灾害链对雄巴古滑坡坡脚的侵蚀,加剧了雄巴古滑坡的变形,其中H1变形区的蠕滑速率是白格滑坡灾害链发生前的14～16倍,灾害链引起H2区发生变形,雄巴古滑坡整体呈现牵引式复活状态.基于SBAS-InSAR的形变监测结果得到了野外的验证,目前H1变形区前缘出现局部垮塌,滑体中横向和竖向裂缝发育,局部呈现拉张状态.雄巴古滑坡目前呈现持续变形中,部分地段为加速变形,雄巴古滑坡发生大规模复活将导致堰塞金沙江-溃坝-泥石流灾害链,应加强雄巴古滑坡的空—天—地一体化监测预警,为该区正在规划建设的重大工程和流域性地质安全风险提供技术支撑和科学依据.     

青藏高原鲜水河活动断裂带蠕变斜坡地质灾害InSAR识别研究

断裂带附近往往是蠕变斜坡地质灾害的多发区,微小变形是指示蠕变斜坡地质灾害的一项重要标志。本文以青藏高原鲜水河活动断裂带为研究区,选用多期ALOS/PALSAR合成孔径雷达数据进行时序干涉(InSAR)观测,获得了毫米级的地表变形量,结合现场调查、遥感解译和地质条件综合分析,揭示了该区域蠕变斜坡地质灾害的类别、变形特征和空间发育规律:(1)断裂沿线主要发育了蠕变滑坡、蠕变泥石流物源和冰碛物流动3种类型蠕变斜坡地质灾害;(2)蠕滑滑坡具有"错乱的等高线状台阶",凸凹不平的主滑方向地形剖面,舌状地貌,无基岩裸露滑床等特征;(3)鲜水河断裂北段古滑坡、历史地震滑坡和震裂斜坡发育,与断裂带直接相交的,大部分存在蠕滑变形,未相交的往往无蠕滑变形,体现了活动断裂对地质灾害发育的控制作用;(4)发育"土石林型"和"坡面松散堆积物型"两种泥石流,识别特征是物源区有分散的缓慢变形体,流域范围内变形体的数量和速率是重要标志;(5)鲜水河断裂带附近4200m高程以上区域广泛存在现代冰碛物沿冰川槽谷滑动变形,其分布范围广、单体规模大、运动速率高,是现今研究区最主要的地表剥蚀形式之一。研究结果也表明,InSAR技术结合地质条件能有效地识别蠕变斜坡地质灾害,适于山区地质灾害众多、调查不便的工作环境,是地质灾害调查技术未来重要发展方向。     

应用时间序列InSAR技术监测上海磁悬浮列车专线形变

新代高分辨军、短重访周期SAR卫星的发射运行,使得InSAR技术不仅能满足大范围地表沉降监测的数据需求,还可以监测到大型人工线状地物的形变,使得对短周期微小形变的监测和预警成为可能。本文以上海市在运营的磁悬浮列车专线为研究对象,利用时间序列分析方法对20112~F9月～2012年10月期间的15景TenaSAR-X数据进行了处理和分析,实验结果表明高分辨军SAR数据可以用于公共交通设施微小形变的监测,在公共安全领域具有广阔的应用前景。     

基于InSAR形变监测的四川甲居古滑坡变形特征

位于四川省丹巴县聂呷乡甲居村的甲居古滑坡主要由甲居滑坡(H01)、聂呷坪滑坡(H02)、小巴旺村滑坡(H03)、聂拉村滑坡(H04)和山顶滑坡(H05)等5个次级滑体组成.受区域构造、强降雨、河流侵蚀、地层岩性等因素影响,甲居古滑坡次级滑体持续发生蠕滑变形,对位于滑体上的村庄、道路和前缘大金河等具有较大危害,2020年遭受50年一遇的强降雨后,古滑坡变形速率有进一步增大的趋势.采用SBAS-InSAR技术,结合遥感解译和现场调查,获取了甲居古滑坡2018年6月至2021年8月的地表变形特征,通过二维形变速率转换获取了甲居古滑坡沿斜坡向(slope)和垂直向(vertical)的形变速率.研究认为,甲居古滑坡沿雷达视线方向(V_LOS)形变速率最大达-179 mm/a,沿斜坡方向的形变速率(V_s)最大为-211 mm/a,沿垂直方向的变形速率(V_v)最大为-67 mm/a.甲居滑坡的北侧区域、聂拉村滑坡的南侧区域和山顶滑坡后缘变形较大,总体上位于强变形-极强变形区.甲居古滑坡的变形机制具有一定差异,其中甲居滑坡以牵引式变形为主,聂拉村滑坡以推挤式变形为主.由于古滑坡地质构造复杂、新构造活动强烈,在强降雨和河流侵蚀作用下极易导致滑坡蠕滑速率加快并进一步失稳,形成堵江溃坝等灾害.建议加强次级滑体的地表变形监测,为流域性地质安全风险防灾减灾提供技术支撑和科学依据.      

基于SAR/InSAR技术的雅鲁藏布江下游高位地质灾害早期识别

雅鲁藏布江下游位于印度板块和欧亚板块碰撞的前缘地带, 区域内新构造运动活跃, 高山分布众多, 属典型高山深切割区。由于独特的地质构造以及气候变化的影响, 区域内崩塌、滑坡、泥石流等地质灾害频发。文章采用Sentinel-1影像以及ALOS/PALSAR-2影像通过多种时序InSAR技术和SAR偏移量技术联合的方式对区域内2014—2020年高位地质灾害进行了识别。文章研究结果表明: 在研究区内共存在260处地质灾害形变区, 且大多位于海拔较高的沟道与山峰; 泽巴隆巴冰川沟中的岩崩形变体已经形成多条大型拉张裂缝, 一旦发生崩落极有可能形成堰塞湖; 受米林地震影响而复活的达波古滑坡后缘已经完全脱离, 左右两侧裂缝完全贯通, 滑坡一旦失稳会完全堵塞雅鲁藏布江。此研究提供了识别高山峡谷区高位地质灾害的SAR/InSAR技术方法, 为类似的地质灾害识别提供了参考。     

InSAR技术在西南山区管道沿线地质灾害监测中的应用

本文通过在西南山区输气管道沿线进行长期遥感技术监测,分析监测区的地表形变速率图及时序趋势图,并对大形变区进行野外实地考察和验证,发现地质灾害隐患点12处。同时总结了管道沿线地质灾害的发育规律及诱因分析,提出后期监测及巡检措施,为制定科学合理的管线养护和治理方案提供有效支撑。     

基于改进时序InSAR技术的东莞地面沉降时空演变特征

东莞市是珠三角城市群和粤港澳大湾区的重要节点城市,深厚欠固结软弱土及其诱发的地面沉降已成为湾区内代表性的区域地质灾害问题,影响城市地质环境安全。为研究东莞市地面沉降发育规律及时空演变特征,采用改进时序InSAR技术对覆盖东莞地区的137景Sentinel-1 SLC SAR影像数据进行处理,分析了2015年6月至2020年6月地表形变动态演化规律。结果表明：（1）全域内地表沉降变形整体较稳定,沉降发育区占市域面积的34.6%,变形严重发育区主要集中在麻涌镇、道滘镇、洪梅镇、中堂镇、沙田镇及滨海湾新区;（2）大部分沉降变形点处于缓慢发展变形阶段,年平均沉降速率在20 mm/a以内,累计沉降量在1 000 mm以内;（3）结合形变监测和现场调查,认为地面沉降与深厚软土发育和人类工程活动的耦合作用有很强的相关性。证明该方法能较好地识别和反映城市复杂形态区地面沉降发育的时空演化特征,为灾害预警、减避及治理提供技术支持。     

时间序列InSAR技术在矿区地表形变监测中的应用

针对露天矿区与城区地表相干性不一的特征,提出一种改进的时序InSAR(合成孔径雷达干涉测量)技术对霍林河矿区及周围城区地表进行形变监测。首先,通过增加时间采样密度控制相干性来筛选矿区周边具备一定相干点密度的干涉数据;其次,采用经过参数优化的分布式散射点选取方法选取分布式目标并使用传统方法提取永久散射体;最后,将分布式目标与永久散射体目标混合构建Delaunay三角网进行两次回归分析得到研究区域地表形变速率。实验结果显示,霍林河矿区边坡最大形变速率达到?630 mm/a,矿区周边道路地面最大沉降速率达到71 mm/a,霍林郭勒市地表沉降速率最大达到15 mm/a,与同期GPS监测结果进行对比,证明改进的时序InSAR技术方法适用性良好,对矿业城市地表形变监测提出了一种新的InSAR监测方法。     

基于轨道精炼控制点精选的极艰险区域时序InSAR地表形变监测

极艰险区域具有地形起伏极大、地理环境复杂和永久散射体稀少的特点,为此文章设计了一种改进的SBAS-InSAR技术进行地表形变监测。文章先从相干性、振幅离差指数、形变速率三个方面获得候选的永久性散射体点,之后辅以光学影像精选出最终的永久性散射体点,将其作为轨道精炼控制点引入SBAS-InSAR解算过程,最终完成了研究区的地表形变监测。通过对比分析常规的PS-InSAR技术与SBAS-InSAR技术,该技术在极艰险区域具有良好的应用价值。     

无人机倾斜摄影技术在城市化建设中地质灾害早期识别应用

针对城市化建设中地质灾害问题,提出了一种基于无人机倾斜摄影技术的地质灾害早期识别技术与方法。以地下空间利用强度高、目前周边城市化建设频繁的锦城广场为例,通过无人机倾斜摄影处理技术流程,构建研究区高精度正射影像与三维立体实景场景。通过解译分析,提取地质灾害形变信息及范围,最后通过现场调查对解译形变区进行了实地复核、验证。结果表明,基于无人机倾斜摄影的地质灾害早期识别技术与方法具有效率高、机动性强、投入少、精度高的优势,可以方便技术人员快速解译、分析、识别城市化建设过程中地质灾害问题,具有较好的推广前景。     

基于InSAR识别的黄土高原活动性地质灾害发育规律分析

地震、 降雨、 人类工程活动诱发的活动性地质灾害在黄土高原频现,但由于其地域广阔、 构造活跃、 地貌类型多样、 各地黄土特性差异较大,一直以来缺乏活动性地质灾害发育分布的系统认识.InSAR技术具有大范围观测地表变形的能力,文章利用2019年1月1日至2020年3月31日期间40期Sentinal-1 SAR数据,计算...     

无人机载LiDAR和倾斜摄影技术在地质灾害隐患早期识别中的应用

近年来,隐蔽性强、突发性高、破坏力大、灾害链长的重大地质灾害频繁发生。如何实现人工排查无法到达区域地质灾害隐患的早期识别,已是地质灾害防治领域必需解决的难题。本文基于无人机载LiDAR和倾斜摄影技术,获取地质灾害隐患点更加精准、精细的地形地貌勘测数据,采用定性与定量相结合方法开展地质灾害隐患早期识别。无人机载LiDAR技术能够“穿透”地表植被,获取真实地表数字高程模型（DEM）,据此可计算出地质灾害的关键特征参数,如山体阴影、坡度、等高线、粗糙度以及曲率等微地貌因子。无人机载倾斜摄影技术能够快速获取地质灾害隐患点的三维模型和数字正射影像（DOM）,使在三维实景场景模型中开展地质灾害隐患点识别和研判成为可能。通过建立数据综合应用策略,对地质灾害隐患点定性和定量分析,能够实现早期发现、有效识别。本文通过对九寨沟九道拐滑坡点的研究分析,结果表明无人机载LiDAR和倾斜摄影技术在地质灾害隐患早期识别方面具有较大的应用价值。     

SBAS-InSAR技术在西藏江达县金沙江流域典型巨型滑坡变形监测中的应用

滑坡是一种破坏力极强的地质灾害,对滑坡易发区域进行长期有效的时序形变监测是研究机理和防灾减灾的重要途径,小基线雷达干涉测量技术（SBAS-InSAR）在滑坡等地质灾害形变监测中的应用为当前地灾防治提供了新的手段。文章使用SBAS-InSAR技术对西藏江达县金沙江流域发生的典型滑坡灾害进行了时序形变特征分析。首先,基于2017年7月—2018年12月的23景Sentinel-1A影像数据,获取了江达县东部及其周边区域在时间跨度内的形变分布图以及时序形变特征;在此基础上,结合区域内沃达和白格2处滑坡的实地勘探资料和现有研究成果验证了形变探测结果的准确性;另监测数据显示沃达滑坡中部及前缘位置存在明显形变,且部分位置的形变量超过100 mm,白格滑坡的残留体同样存在较大的形变,尤其是边界区域存在明显的形变漏斗,最大形变量超过110 mm。同时在金沙江流域西岸存在2处滑坡隐患区域,累计沉降量均超过45 mm,最大形变速率分别为?53 mm/a和?45 mm/a。基于数据分析和现场勘查,表明SBAS-InSAR技术在滑坡灾害的形变监测方面是一种有效手段,另江达县金沙江多处岸坡在不断发生形变,应进一步加强该区域地质灾害形变监测,必要时提前开展防治工作。     

九寨沟地震地质灾害隐患早期识别与分析研究

针对传统地质灾害调查手段难以有效识别高位远程、高植被覆盖下地质灾害隐患问题,本文研究采用InSAR、机载LiDAR、无人机光学遥感等技术,系统开展了九寨沟地震区域地质灾害隐患早期识别工作。通过SAR数据处理、激光点云数据处理、无人机影像处理等过程,构建了一套集成纹理特征、形变特征、形态特征的地质灾害隐患识别遥感解译图谱。通过综合应用多源遥感技术,完成了九寨沟核心景区230 km²范围内的地质灾害隐患早期识别任务,突破了以往地质灾害灾害调查灾害隐患看不见、看不清、看不准的难题,提高了该区域地质灾害隐患识别的成功率。研究表明,综合应用InSAR、机载LiDAR、无人机遥感等探测技术可以有效提高艰险复杂山地环境地质灾害隐患的识别率,可以为地质灾害隐患早期识别提供技术支撑。     

助力提升台风暴雨影响区重大地质灾害识别精度

2019—2021年,中国地质调查局南京地质调查中心承担了中国地质调查局部署的"浙江丽水地区灾害地质调查"项目.重大地质灾害隐蔽性强,危害严重,具有灾害链特征.因此,2019年,"浙江丽水地区灾害地质调查"项目组采用地面调查、遥感调查、INSAR、地质勘查等技术手段探索了台风暴雨条件下重大地质灾害的早期识别机制,提升了重大地质灾害隐患的识别精度,对支撑台风暴雨影响区重大地质灾害防灾减灾具有重要意义.     

“空-天-地”一体化技术在滑坡隐患早期识别中的应用——以兰州普兰太公司滑坡为例

长时间序列SBAS-InSAR形变监测,能够减弱误差带来的影响,提高监测精度,有效识别地质灾害隐患。研究获取了兰州地区2019年9月至2020年4月的L波段升轨ALOS-2编程数据,利用"空-天-地"一体化地质灾害监测体系,基于小基线集(SBAS-InSAR)技术对兰州市普兰太有限公司滑坡进行了有效识别。经现场核查,滑坡宏观变形迹象明显,并与同期C波段Sentinel-1A升轨数据处理对比分析,表明基于L波段的SBAS-InSAR形变监测在兰州市典型滑坡早期识别中发挥了很好的作用,可以在区域滑坡早期识别中推广应用。