基于InSAR技術(shù)的川西高山峽谷區(qū)地質(zhì)災(zāi)害早期識別研究
——以小金川河流域為例

唐堯， 王立娟， 廖軍， 鄧琮

(1.四川安信科創(chuàng)科技有限公司，四川 成都 610045; 2.四川省安全科學(xué)技術(shù)研究院，四川 成都 610045； 3.四川省地震與地質(zhì)災(zāi)害應(yīng)急技術(shù)保障中心，四川 成都 610045； 4.四川交通職業(yè)技術(shù)學(xué)院，四川 成都 611130)

0 引言

我國地質(zhì)災(zāi)害多發(fā)頻發(fā)，災(zāi)害事件總量偏大。川西地區(qū)地處第一地勢階梯與第二地勢階梯的過渡帶，區(qū)內(nèi)安寧河—鮮水河—龍門山等構(gòu)造活動活躍，地震頻發(fā)，斷塊的差異化隆升以及河流強烈的下切侵蝕作用使得高山峽谷地貌發(fā)育，同時，大量的震裂山體與高陡河谷岸坡臨空面的側(cè)向卸荷作用使得該區(qū)域地質(zhì)災(zāi)害異常發(fā)育，受災(zāi)害影響嚴(yán)重。頻發(fā)的地質(zhì)災(zāi)害事故導(dǎo)致了大量的人員傷亡與財產(chǎn)損失，對社會民生造成了嚴(yán)重影響，極大制約了當(dāng)?shù)厣鐣?jīng)濟的發(fā)展[1]。前期的災(zāi)害隱患識別是開展災(zāi)中應(yīng)急救援處置、防災(zāi)減損的有力途徑[2]，但受川西高山峽谷地區(qū)惡劣的交通與地形條件限制[3]，以及災(zāi)害隱患信息化建設(shè)的滯后，地質(zhì)災(zāi)害的預(yù)防與應(yīng)急救援工作面臨極大的挑戰(zhàn)，因此亟需開展該類地區(qū)地質(zhì)災(zāi)害早期識別關(guān)鍵技術(shù)的研究[2,4]。

目前，地質(zhì)災(zāi)害早期識別主要采用野外人工排查、光學(xué)可見光遙感、無人機低空航攝等技術(shù)，缺乏對災(zāi)害分布、形變特征與時間演化特征過程的分析[5]。新型遙感對地觀測技術(shù)的出現(xiàn)，為實現(xiàn)地質(zhì)災(zāi)害隱患的早期識別提供了重要的技術(shù)支持，其中合成孔徑雷達干涉測量(interferometric synthetic aperture radar，InSAR)作為一種新型的空間對地觀測技術(shù)，具有全天時、全天候、大面積觀測地表精確形變信息的能力，近年來已廣泛應(yīng)用于我國西南山地、西北高原及三峽庫區(qū)等區(qū)域的地質(zhì)災(zāi)害監(jiān)測識別研究中[1,2,5]。本文采用InSAR技術(shù)，利用多時相合成孔徑雷達數(shù)據(jù)，對川西高山峽谷區(qū)開展地表多時相、長時序形變監(jiān)測，旨在實現(xiàn)小金川河流域地質(zhì)災(zāi)害早期隱患的識別分析。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

研究區(qū)位于四川省西部重要水系小金川河流域(圖1)，屬于大渡河上游重要支流，總面積約1 171 km2，區(qū)內(nèi)地形屬典型的高山峽谷地貌(強震頻發(fā)、河谷深切、水系發(fā)育)，行政上隸屬于甘孜州丹巴縣與阿壩州小金縣，包括墨爾多鎮(zhèn)、半扇門鎮(zhèn)、太平橋鄉(xiāng)、宅壟鎮(zhèn)、新橋鄉(xiāng)、沙龍鄉(xiāng)、美興鎮(zhèn)、崇德鄉(xiāng)及八角鎮(zhèn)等鄉(xiāng)鎮(zhèn)。流域最高海拔5 080 m，最低海拔1 847 m，相對高差約3 200 m，形成25 °～70 °的坡度變化。域內(nèi)有重要國道G350分別通往丹巴縣城與小金縣城，經(jīng)G248、S210通往國道G317與G318。

區(qū)內(nèi)地質(zhì)環(huán)境脆弱，滑坡、崩塌、泥石流等地質(zhì)災(zāi)害頻發(fā)(圖1)，當(dāng)?shù)刈匀毁Y源部門提供的資料表明，區(qū)內(nèi)分布有滑坡、崩塌、泥石流等地質(zhì)災(zāi)害共400余處，主要沿小金川河沿岸及次級支流展布。隨著近年來人類活動的日益增強，受小金川河沿線梯級水電開發(fā)及相關(guān)基建項目施工的影響，流域內(nèi)地質(zhì)災(zāi)害發(fā)育有加劇的趨勢，多處災(zāi)害復(fù)活變形或形成災(zāi)害鏈，如2020年的“6·17”梅龍溝泥石流-堰塞湖災(zāi)害鏈、阿娘寨復(fù)活滑坡群及“7·6”城隍廟溝泥石流等影響較大的典型地質(zhì)災(zāi)害，給當(dāng)?shù)鼐用裆敭a(chǎn)造成了重大損失。

圖1 研究區(qū)地理位置(左)及流域地質(zhì)災(zāi)害分布(右)Fig.1 Geographic location of the study area(left) and geological hazards in the watershed(right)

1.2 數(shù)據(jù)源

InSAR分析采用的遙感數(shù)據(jù)主要為歐空局(European space agency, ESA)的Sentinel-1A影像數(shù)據(jù)及精密軌道數(shù)據(jù)(precise orbit ephemerides, POD)，包括26景C波段數(shù)據(jù)，IW模式單視復(fù)數(shù)影像(single look complex，SLC)，時相為2018-11—2019-12。軌道方向為降軌，軌道號為135，方位向分辨率9.32 m，距離向分辨率13.97 m，重訪周期12 d，飛行方位角6.7°，視線方位角為-83.3°，視線入射角為39.5°，極化方式VV。差分干涉處理選用30 m空間分辨率的ASTER GDEM作為參考DEM(digital elevation model)，該數(shù)據(jù)由美國航天局(NASA)主導(dǎo)測量，其標(biāo)稱高程精度約為10～25 m。

影像數(shù)據(jù)需做必要的預(yù)處理，本次Sentinel-1A雷達影像數(shù)據(jù)導(dǎo)入與裁剪采用PIE-SAR 6.0軟件完成。PIE是航天宏圖自主開發(fā)的一款專業(yè)遙感圖像處理軟件，提供了面向多源、多載荷的遙感圖像處理、輔助解譯及信息提取功能，是一套高度自動化、簡單易用的遙感工程化應(yīng)用平臺。

2 短基線集時序InSAR方法

2.1 時序InSAR方法原理

短基線集時序干涉測量方法(SBAS-InSAR)，最早于2002年由意大利學(xué)者Berardino等人提出，之后經(jīng)多位學(xué)者加以改進完善，其主要利用多期影像對地表形變進行反演，對區(qū)域地表形變的時間演化有很好的分析能力。該方法通過時間基線和空間基線的閾值，將獲取的SAR影像進行自由配對組合，生成多個組合，去除地形相位，生成一系列差分干涉圖； 對差分干涉圖的像元基于相干性篩選出高相干點，對這些高相干像元進行相位解纏，利用地面控制點進行軌道精煉，去除相干性較低和解纏錯誤的干涉像對，通過奇異值分解法和最小二乘法解得影像獲取時刻的累計形變； 最后，利用時域的高通濾波和空間域的低通濾波去除大氣影響，得到最終的形變結(jié)果。其方法原理為： 獲取同一區(qū)域按照時間順序t0,t1,…,tn排列的(n+1)幅SAR影像，選取其中一幅影像作為主影像，將其他SAR影像配準(zhǔn)到這幅影像上，生成j幅多視差分干涉圖。

該方法具有不受天氣制約、可大面積監(jiān)測等優(yōu)勢[1,6-7]。

2.2 時序SBAS-InSAR數(shù)據(jù)處理

時序InSAR方法在山區(qū)地質(zhì)災(zāi)害早期識別中有較廣泛的應(yīng)用，可獲得沿雷達視線方向(line of sight，LOS)的地表形變信息，而對于山區(qū)來說，LOS向的形變速率不足以真實反映斜坡的真正形變情況[6-8]。本節(jié)采用SBAS-InSAR的方法完成小金川河流域數(shù)據(jù)分析，數(shù)據(jù)處理基本流程包括數(shù)據(jù)(SAR與DEM)預(yù)處理、差分干涉計算、時間空間域形變估算及形變量計算等步驟，如圖2所示。

圖2 SBAS-InSAR數(shù)據(jù)處理基本流程Fig.2 Basic flow chart of SBAS-InSAR data processing

2.2.1 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理包括計算所有Sentinel-1A影像對之間的時間和空間基線，經(jīng)配準(zhǔn)裁剪后，利用流域內(nèi)DEM數(shù)據(jù)完成影像精配準(zhǔn)，選擇滿足給定閾值的相對組合生產(chǎn)差分干涉圖集[9-10]。本節(jié)利用歐空局發(fā)布的對應(yīng)精密軌道數(shù)據(jù)(POD)和30 m分辨率的SRTM DEM進行影像軌道誤差和地形相位校正。為了提高時間、空間相干性，保證干涉圖質(zhì)量，將最大空間基線閾值設(shè)為5%，最大時間基線閾值設(shè)為90 d，進行3D解纏。超級主影像為2018-11-01，共生成了230個干涉像對，數(shù)據(jù)配對情況如圖3所示。

圖3 數(shù)據(jù)集像對配對圖與時空基線分布

2.2.2 差分干涉計算

差分干涉計算包括平地與地形相位去除、差分干涉圖濾波、相關(guān)系數(shù)計算機相位解纏等內(nèi)容。相位去除依據(jù)空間基線參數(shù)和地球橢球體參數(shù)計算平地相位，之后利用配準(zhǔn)后的DEM計算地形相位，從干涉相位中去除平地和地形相位，獲得差分干涉相位，逐像元計算差分干涉圖[8-10]。對生成的120個干涉像對進行干涉處理，主要包括了相干性生成、去平、濾波和相位解纏等步驟。為了得到方位向和距離向一致的地面分辨率，將多視的視數(shù)比設(shè)置為1∶4； 為了削弱斑點噪聲的影響，采用可以提高干涉條紋清晰度的Goldstein濾波進行噪聲去除； 由于小金川河流域內(nèi)地形起伏大，森林覆蓋度較高，選用可以減小植被等因素的Delaunay MCF方法進行相位解纏。

2.2.3 時間空間域形變估算

對干涉圖的差分干涉相位進行時間域的線性變形相位估計，去除大氣、噪聲等殘余相位，獲得點目標(biāo)的時間序列變形相位。經(jīng)過相鄰點間的參數(shù)估計、線性變形相位與殘余高程相位計算、殘余相位低通濾波、奇異值分解處理(singular value decomposition，SVD)、大氣相位和非線性變形相位計算及時間序列變形相位計算等步驟[8-10]，在解纏后的干涉圖像上選取75個遠離形變區(qū)、相對穩(wěn)定的點作為地面控制點(ground control point，GCP)?？紤]本次監(jiān)測時間周期較短(僅1年)等因素，將精煉次數(shù)設(shè)置為3，對殘余的恒定相位及解纏后還殘留的相位坡道進行去除。

2.2.4 形變量計算

形變量計算主要根據(jù)反演結(jié)果分析實現(xiàn)，反演是SBAS(small baseline subset)處理的核心步驟。第一次反演估算形變速率和殘余地形，同時也會做二次解纏用來對輸入的干涉圖進行優(yōu)化。第二次反演是在第一步的基礎(chǔ)上，利用高通濾波和低通濾波估算和去除大氣相位，得到更加純凈的時間序列上的最終位移結(jié)果，通過地理編碼，最終獲取研究區(qū)形變速率分布圖。

3 地質(zhì)災(zāi)害識別結(jié)果分析

3.1 雷達可視性分析

由于SAR采用側(cè)視成像方式，即雷達波束是以一定的入射角照射地表，小金川河流域內(nèi)山高坡陡，當(dāng)使用SBAS技術(shù)對其地表進行監(jiān)測時，形變結(jié)果易受地形起伏的影響。為了克服影像因區(qū)內(nèi)地形起伏、地表坡度等引起的幾何畸變，需要結(jié)合雷達影像成像規(guī)律和地表特征對研究區(qū)的可視性進行劃分，以對基于SBAS技術(shù)獲取的地表形變監(jiān)測數(shù)據(jù)進行合理篩除。SAR影像常常會發(fā)生以下3類幾何畸變： 陰影、透視收縮和疊掩[7,9-10]。根據(jù)Sentinel-1A衛(wèi)星幾何參數(shù)以及研究區(qū)30 m分辨率所獲取的地形參數(shù)，可得出本文所用降軌軌道衛(wèi)星在研究區(qū)的可視性分區(qū)方式，并劃分了相應(yīng)的可視性區(qū)域。

3.2 地表形變監(jiān)測結(jié)果

采用短基線集時序InSAR分析方法，對覆蓋小金川河流域的Sentinel數(shù)據(jù)進行時序干涉處理，獲取了2018-11—2019-12期間該地區(qū)的地表形變特征信息，即雷達視線方向LOS(line of sight)的年平均形變速率，結(jié)合研究區(qū)可視性分析結(jié)果，剔除了透視收縮、疊掩和陰影不可信區(qū)域的形變信息，保留了可視區(qū)域和低敏感區(qū)域中的形變點。在小金川河主干道兩側(cè)及平坦的地區(qū)發(fā)生的可能性也很低，因此本次剔除了研究區(qū)密度較高的林地、灌木林、河流以及坡度小于5°的不可靠區(qū)域的形變點，保留其他區(qū)域可靠形變點。本次從形變速率數(shù)據(jù)集中共識別出500萬個測量位置點(measurement points，MPS)，平均分布密度約為1 492 MPS/km2。

研究區(qū)年平均形變速率信息如圖4所示，圖中紅色負值代表地表目標(biāo)位移沿遠離衛(wèi)星視線方向，藍色正值表示位移靠近或朝向衛(wèi)星視線方向[10]。在1年多時間里，LOS方向的年平均形變速率達到-51.12～75.28 mm/a，分析區(qū)內(nèi)形變異常分布規(guī)律，共判譯出4處形變異常區(qū)，見圖4(a)中Q1、Q2、Q3及Q4。Q1表現(xiàn)為形變負異常，位于丹巴縣縣城東南部，呈葫蘆狀，起始部位于小金川河與大渡河流域交匯處，主體沿大渡河流域展布，長約7.9 km。Q3位于小金縣宅壟鎮(zhèn)與丹巴縣半扇門鎮(zhèn)交界處，長約10.8 km，主要沿小金川河展布，呈帶狀分布，異常值明顯區(qū)別于周邊區(qū)域，分布面積較大，為本文形變異常重點關(guān)注區(qū)。Q2與Q4分別位于丹巴縣半扇門鎮(zhèn)與小金縣八角鎮(zhèn)，異常區(qū)面積相對較小，形變異常特征相對于周邊區(qū)域較為顯著。

圖4 研究區(qū)形變速率及地質(zhì)災(zāi)害隱患探測識別

3.3 地質(zhì)災(zāi)害識別結(jié)果分析

參閱Colesanti C及張路等的研究成果[1,10]，當(dāng)山地斜坡區(qū)域LOS方向形變速率絕對值超過8～12 mm/a，即可認定為不穩(wěn)定狀態(tài)。在基于SBAS-InSAR處理結(jié)果的平均形變速率信息與形變負異常區(qū)判譯成果基礎(chǔ)上，通過形變點速率、聚集特征圈定小金川河流域內(nèi)地質(zhì)災(zāi)害隱患點，之后借助國產(chǎn)高分等可見光高分辨率光學(xué)影像數(shù)據(jù)，結(jié)合地質(zhì)災(zāi)害光學(xué)影像紋理特征，對隱患點進行核對篩查，完成潛在地質(zhì)災(zāi)害隱患點識別。

本次共判譯識別11處不穩(wěn)定坡體，疑為地質(zhì)災(zāi)害隱患點，如圖4(b)所示，各隱患點編號、地理位置、坡向、隱患區(qū)面積、MPS平均點密度及最大LOS形變量等信息見表1。

表1 InSAR分析地質(zhì)災(zāi)害隱患探測識別結(jié)果Tab.1 InSAR analysis of geological hazard detection and identification results

(續(xù)表)

經(jīng)與已有地質(zhì)災(zāi)害臺賬、Google地球、近期高分遙感影像、無人機航片及現(xiàn)場野外反饋照片等資料對比驗證，11處隱患點中的6處： P1(阿娘寨滑坡)、P2(擦巴溝滑坡)、P5(大鷹寨滑坡)、P6(下槽滑坡)、P7(旦巴里滑坡)及P11(水井灣滑坡)為已知地質(zhì)災(zāi)害點，其余5處隱患點在本文研究前尚不為人知。判譯的各處隱患點主要沿小金川河流域分布(圖5)，行政上主要位于小金川縣宅壟鎮(zhèn)(6處)、新橋鄉(xiāng)(1處)、美興鎮(zhèn)(1處)與丹巴縣太平橋鄉(xiāng)(2處)、半扇門鎮(zhèn)(1處)等； 面積大于0.6 km2的有5處； 最大LOS方向形變量介于-18.92～-36.56 mm/a； 平均空間密度為3 204～5 387 MPS/km2。

隱患點P2位于太平橋鄉(xiāng)三木扎村，面積最大(1.127 5 km2)，最大形變量達-27.98 mm/a，成災(zāi)可能性較高; 區(qū)內(nèi)分布有連片居民聚集區(qū)，危害性較大。P5與P3隱患點分別位于宅壟鎮(zhèn)千家村與太平橋鄉(xiāng)一只碉村區(qū)域，LOS方向形變量均較大，分別達約-36.56 mm/a和-34.06 mm/a，發(fā)展成災(zāi)的可能性高，隱患點面積約0.615 8 km2和0.553 5 km2。P4、P5、P6、P7、P8及P9等隱患點上部有居民聚集區(qū)，面積介于0.5 ～ 0.76 km2之間，下方分布有小金川河，有堵江次生堰塞湖災(zāi)害的可能性，應(yīng)作為重點加強監(jiān)測。P10與P11分別位于小金縣城上游的新橋鄉(xiāng)團結(jié)村與下游的美興鎮(zhèn)卯梁村，面積相對較小，約0.267 1 km2和0.464 6 km2，均在后緣部分形變量最大，分別達-19.15 mm/a和-18.92 mm/a，威脅對象主要為團結(jié)村與卯梁村聚集民居、周邊鄉(xiāng)村道路及耕地等。P10下部為水卡子溝，為小金川河流域次級子流域，一旦成災(zāi)，勢必形成泥石流災(zāi)害物源，如遇強降雨等極端天氣，極易堵江斷流，威脅距溝口1.5 km的小金縣城，建議加強雨季監(jiān)管值守與預(yù)警。P11位于小金縣城上游約1.5 km處，P11下部為小金川河美興段與國道G350春廠段，災(zāi)害一旦發(fā)生有堵江斷路的隱患，造成汶川與寶興縣通往小金縣城的生命線中斷，次生堰塞湖更是威脅小金縣城安全，建議加強汛期監(jiān)測排查與隱患治理。

分析2018-11-10—2019-12-23地質(zhì)災(zāi)害各隱患點判譯結(jié)果可知: P2、P3、P4、P5、P6、P7、P8、P9、P10、P11號隱患點持續(xù)變形，在1a多的時間里，累積形變在雷達視線方向上分別達到了-31 mm、-29 mm、-36 mm、-44 mm、-24 mm、-27 mm、-40 mm、-33 mm、-26 mm、-39 mm; 隱患點P2在2019-06之前相對穩(wěn)定，累積形變量約-15 mm，隨后開始形變加速； 隱患點P5、P8、P11在2018-10—2019-12間是累積形變量最大的3個區(qū)域，其中P5與P8在2019-07呈現(xiàn)變形加速，分別由-14 mm、-16 mm快速躍至2019-12的-44 mm與-40 mm，加速現(xiàn)象顯著； P11則在2019-08出現(xiàn)累積形變加速，由-12 mm快速累積至-39 mm，加速跡象明顯。

3.4 典型隱患點時序監(jiān)測與驗證

為驗證InSAR技術(shù)時序監(jiān)測方法判識地質(zhì)災(zāi)害成果，本節(jié)以流域內(nèi)隱患點P1(阿娘寨滑坡)為例，采用SAR數(shù)據(jù)集進行滑坡形變的長時序監(jiān)測研究(圖6)，研究災(zāi)害體的歷史形變特征，印證災(zāi)害體的形變加速過程，以評估利用InSAR技術(shù)開展地質(zhì)災(zāi)害隱患早期識別的可靠性。

(a) 隱患點P1形變速率 (b) 隱患點P1時間序列形變折線

隱患點P1總體呈圈椅狀或舌狀，即為已知的阿娘寨(爛水灣)滑坡，位于半扇門鎮(zhèn)阿娘寨村，其西北緣正對梅龍溝，下方為小金川河曲折蜿蜒處，下部有國道G350通過，判譯隱患區(qū)面積約0.651 5 km2，坡向約300°，滑區(qū)LOS方向的年平均形變速率為-20.12～7.05 mm/a，最大形變量-20.12 mm/a。如圖6所示，滑坡形變跡象信息區(qū)域主要分為4個區(qū)域(圖6(a)中a、b、c、d)，自滑坡中上部向外呈環(huán)形擴展，其中a區(qū)與b區(qū)屬形變量較大區(qū)域，位于滑坡中后部及中部，呈手柄狀，形變異常在隱患點較為明顯，形變速率分別達-15 mm/a與-8 mm/a以上，成災(zāi)致災(zāi)可能性大，危害性較大； c區(qū)與d區(qū)屬滑坡形變一般區(qū)，呈環(huán)形、葫蘆狀，位于形變較大區(qū)域外圍，總體上窄下寬，為滑坡中心形變擠壓周邊所致，形變速率分別為-8.31～4.84 mm/a與-4.84～-0.84 mm/a，疑為緩慢沉降所致。

在2018-11—2019-12這一年多時間里，滑坡各區(qū)域累積形變在LOS方向總體呈沉降跡象，最大值達-27 mm。其中a區(qū)在2019-06-02前后有一次明顯的沉降跡象，由-12 mm跌至-20 mm，之后略有抬升，到9月前后沉降速率加大，趨勢更為顯著，在12月達到極值，推測在該時間前后滑體裂縫形成并加劇所致； b區(qū)與c區(qū)累積形變量變化趨勢與a區(qū)域相似，均在9月前后表現(xiàn)為沉降加速，最大累積形變值分別為-25 mm與-19 mm； d區(qū)相對其他3個區(qū)域累積形變相對較小，6月之前形變速率較小、跡象不甚明顯，且在局部時間呈現(xiàn)抬升趨勢，推測該處為滑坡中心部位物源擠壓周邊所致，其在9月后開始出現(xiàn)形變加速，至2019-12累積形變量達極值，為-11 mm。

隱患點P1滑坡沿小金川河右岸展布，位于河道拐角處，為土巖混合滑坡群，受上游強降雨誘發(fā)泥石流災(zāi)害影響，滑坡在2020-06-17加速形變、失穩(wěn)、下墜，形成多次滑坡造成疊加效果，后在堰塞湖自然潰壩泄漏流水沖擊作用下，點狀滑坡互相作用誘發(fā)滑坡群，形成災(zāi)害鏈效應(yīng)[2]。結(jié)合災(zāi)后無人機機載LiDAR監(jiān)測數(shù)據(jù)(圖7)，滑坡下部形變以增量趨勢為主，變形量介于3～6 cm之間，推測原因疑為滑體上部老滑坡滑移物下墜堆疊所致，部分區(qū)域形變?yōu)槲⑷踹f增，介于1～2 cm，推測或為上部滑落物墜落至下部的靠小金川河處，后被堰塞湖下泄流水沖刷帶走； 滑坡上部整體呈現(xiàn)下滑趨勢，其在2020年6月18—20日的變形量在-5～0 cm之間，形變量較大，該隱患的存在對災(zāi)后應(yīng)急救援搶險構(gòu)成較大安全隱患，建議在災(zāi)后恢復(fù)重建過程中，利用InSAR及光學(xué)遙感等手段對其加強跟蹤監(jiān)測，保障重建施工安全。

針對上述短基線集InSAR分析判譯識別的地質(zhì)災(zāi)害結(jié)果，主要通過已有地質(zhì)災(zāi)害點對比、可見光遙感影像解譯成果佐證、實地現(xiàn)場調(diào)查驗證及差分干涉處理結(jié)果定性比較等技術(shù)方法完成。

圖7 典型隱患點(P1)現(xiàn)場照片及形變監(jiān)測

3.5 災(zāi)害識別結(jié)果影響分析

對研究區(qū)小金川河流域的災(zāi)害識別結(jié)果，證明了SBAS-InSAR技術(shù)在地質(zhì)災(zāi)害早期識別中的優(yōu)勢及有效性，該技術(shù)成果在川西高山峽谷區(qū)具有大范圍推廣應(yīng)用潛力，但其實際應(yīng)用效果尚受限于多種影響，具體包括如下幾部分。

(1)影像幾何畸變。由于衛(wèi)星SAR數(shù)據(jù)采集系統(tǒng)的固有觀測成像模式，導(dǎo)致其對高地形起伏區(qū)的影像容易出現(xiàn)幾何畸變現(xiàn)象，形成盲區(qū)。通常在面向SAR衛(wèi)星的地表坡體區(qū)域出現(xiàn)疊掩或收縮透視的可能性更大，多個雷達散射回波信號更易疊混，較難獲取有效地形形變信息； 相比而言，背向衛(wèi)星的地表坡體出現(xiàn)疊掩現(xiàn)象較少，更適用于獲取觀測坡體形變信息，穩(wěn)定性較好。影像幾何畸變的大小主要與衛(wèi)星傳感器和觀測地表坡體的相對幾何關(guān)系有關(guān)，特別是衛(wèi)星入射角和坡體的坡向、坡角等關(guān)鍵參數(shù)[1]?？删C合采用降軌、升軌觀測模式以減少盲區(qū)，提升地表形變觀測效率。既有雷達衛(wèi)星(民用)觀測波段主要集中于C(λ=5.6 cm)、X(λ=3.1 cm)與L(λ=23.5 cm)波段，波長越長代表穿透植被冠層更容易，時間相干性更強，地表形變觀測靈敏度越低； 波長越短則地表形變觀測靈敏度越高[10]。

(2)對流層大氣傳播延遲。雷達衛(wèi)星信號在傳播過程中受到大氣對流層水分含量時空變化的影響，回波信號易出現(xiàn)傳播延遲現(xiàn)象，形成雷達回波差分相位測量誤差。當(dāng)前星載SAR衛(wèi)星的大氣相位傳播延遲的去除，已成為利用時序InSAR技術(shù)分析地表形變與災(zāi)害早期判識的重要瓶頸[1,10]。提取高山峽谷區(qū)地表形變信息的關(guān)鍵是對流層大氣傳播延遲的定量估算與去除。針對本文研究的小金川河流域等典型川西高山峽谷區(qū)，與地表高程起伏相關(guān)的對流層垂直分層延遲相位占據(jù)主導(dǎo)地位，且具有季節(jié)變化特征與時間相關(guān)性，使用傳統(tǒng)的時空濾波等方法在估算與去除時難度較大。

(3)可探測最大形變梯度。時序InSAR技術(shù)通?；诶走_波相位觀測，在觀測地表形變的空間梯度與時間形變速率時面臨上限閾值，即空間上臨近觀測點的地表形變差異值需小于等于波長的四分之一(λ/4)，才能保證有效的相位解纏成果； 而時間形變速率取決于雷達數(shù)據(jù)獲取時間間隔(Δt)與空間形變梯度[1,10-11]。波長較長的雷達波與高空間分辨率可提升地表形變空間梯度與較大時間形變速率，較短時間獲取周期也是提高形變時間形變速率的有效方法。但若地表形變量過大則較難獲取到相干散射體，容易導(dǎo)致失相干現(xiàn)象的出現(xiàn)。

4 結(jié)論與討論

(1)采用SBAS-InSAR方法完成了小金川河流域的數(shù)據(jù)分析，梳理總結(jié)了數(shù)據(jù)處理的基本流程，包括數(shù)據(jù)(SAR與DEM)預(yù)處理、差分干涉計算、時間空間域形變估算及形變量計算等步驟。

(2)采用SBAS-InSAR分析方法，對覆蓋小金川河流域區(qū)域進行時序干涉處理，獲取了2018-11—2019-12的年平均形變速率(LOS方向)為-51.12～75.28 mm/a。分析了區(qū)內(nèi)形變異常的分布規(guī)律，共判譯出4處形變異常區(qū)，其中： Q1形變異常區(qū)位于丹巴縣縣城東南部，沿大渡河流域展布，長約7.9 km； Q3形變異常區(qū)長約10.8 km，主要沿小金川河展布，呈帶狀分布，異常值明顯區(qū)別于周邊區(qū)域，分布面積較大； Q2與Q4形變異常區(qū)分別位于丹巴縣半扇門鎮(zhèn)與小金縣八角鎮(zhèn)，異常區(qū)面積相對較小，異常特征顯著。

(3)基于平均形變速率信息與形變負異常區(qū)判譯結(jié)果，結(jié)合地質(zhì)災(zāi)害光學(xué)影像紋理特征，共判譯識別11處不穩(wěn)定坡體，疑為潛在地質(zhì)災(zāi)害隱患點，其中6處隱患點為已知地質(zhì)災(zāi)害點，其余5處隱患點在本文研究前尚不為人知。這些隱患點主要位于小金川縣宅壟鎮(zhèn)(6處)、新橋鄉(xiāng)(1處)、美興鎮(zhèn)(1處)與丹巴縣太平橋鄉(xiāng)(2處)、半扇門鎮(zhèn)(1處)。

(4)選擇隱患點P1(阿娘寨滑坡)開展長時序監(jiān)測研究，并通過災(zāi)后LiDAR監(jiān)測數(shù)據(jù)進行驗證，結(jié)果表明利用InSAR技術(shù)開展川西高山峽谷區(qū)地質(zhì)災(zāi)害隱患早期識別具有較好的可靠性。監(jiān)測結(jié)果與實際情況存有一定誤差，分析其可能受幾何畸變、對流層大氣傳播延遲及可探測最大形變梯度等多種因素影響，這將是下一步研究改進的方向。