天津薊州五名山滑坡隱患早期識別監(jiān)測

王 勇 楊 軍 閆 勇 李 鎖 陳 巖

1 天津城建大學地質與測繪學院，天津市津靜路26號，300384 2 中國科學院精密測量科學與技術創(chuàng)新研究院大地測量與地球動力學國家重點實驗室，武漢市徐東大街340號，430077 3 天津市地質工程勘測設計院有限公司，天津市紅旗南路261號，300191

由于多年露天開采礦石，天津薊州五名山人工堆積斜坡及臨空面曾多次發(fā)生滑坡、崩塌等地質災害，但未進行有效監(jiān)測和預警，造成一定經濟損失，嚴重威脅人民群眾安全。滑坡災害具有破壞性大、隱蔽性強等特點，對滑坡進行早期識別和長期監(jiān)測值得重點研究[1]。目前，滑坡監(jiān)測主要依賴傳統(tǒng)的地表形變監(jiān)測技術，如GNSS監(jiān)測和定期水準測量等，雖然精度較高，但只能針對滑坡體邊緣布設，無法有效地大面積覆蓋整個滑坡體，且對于潛在未知隱患區(qū)監(jiān)測非常有限[2]。逐漸成熟的時序InSAR技術具有精度高、不受天氣限制、監(jiān)測范圍廣等特點[3]，可以克服該限制。近年來，國內外學者利用InSAR技術獲取已知或未知的潛在滑坡位置、邊界、運動趨勢，回溯評估滑坡體的運動學特征等[4-5]。Goorabi[6]利用InSAR技術探測到伊朗北部區(qū)域2017年地震后誘發(fā)的滑坡仍在繼續(xù)移動；Bayer等[7]發(fā)現人類工程活動已激活意大利某山脈潛在的深層滑坡，并用GPS等數據與InSAR數據進行對比，結果具有良好的一致性；王之棟等[8]采用多種InSAR監(jiān)測技術進行研究，結果表明可正確識別70%的形變區(qū)域，證明了不同InSAR技術可為地質災害探測提供幫助。然而不同滑坡體朝向會使InSAR監(jiān)測精度受限，可利用滑坡特殊性，認為滑坡主要發(fā)生在垂向與坡向，結合升降軌技術獲取滑坡體垂向和坡向二維形變，可全面探查天津薊州五名山滑坡災害分布情況，為后續(xù)集中監(jiān)測提供良好基礎。

本文利用2017-03～2021-04 Sentinel-1A升軌和Sentinel-1B降軌數據，使用SBAS-InSAR技術對天津薊州五名山滑坡隱患進行識別和探測。同時聯(lián)合解算滑坡隱患區(qū)垂向和坡向形變場，與GNSS形變數據進行對比分析，評價SBAS-InSAR技術的適用性和精度，并結合區(qū)域內降水數據回溯滑坡的運動規(guī)律和特征，對天津薊州五名山滑坡災害的穩(wěn)定性和范圍進行初步評估，為有關部門提供精確的形變數據資料。

1 研究區(qū)概況及實驗數據

1.1 區(qū)域概況

五名山位于天津市薊州區(qū)漁陽鎮(zhèn)與官莊鎮(zhèn)交界處，山腳周圍分布小刀剪營村、大星峪村等多個村莊。整體地貌屬于低山丘陵，由于受長年采石影響，部分區(qū)域地貌已發(fā)生較大變化，形成多個臨空面。其中已知的部分滑坡類型為中深層牽引式巖質順層滑坡，大部分滑坡走向與坡向基本一致，曾多次發(fā)生局部巖體順層滑動[9]。薊州區(qū)降水主要集中在6～9月，占全年降水量的80%以上，其中汛期主要集中在7、8月，此時正是強降水引發(fā)地質災害的多發(fā)期。

圖1為初步圈定的五名山可能存在的滑坡隱患區(qū)域，其中A、D為主要的采石區(qū)，山頂已被削平深挖，呈不規(guī)則漏斗狀，B、C多是在山腳處存在部分開采區(qū)域。已有資料顯示，災害類型主要為淺表層風化殘坡積土質滑坡、尾礦堆碎屑泥石流，以及廢棄礦山采面滑坡和崩塌、山坡崩塌等。

圖1 五名山主要采石區(qū)Fig.1 Main quarrying areas of Wuming mountain

1.2 實驗數據

本文選用歐空局的Sentinel-1A/B衛(wèi)星數據，成像模式為IW(interferometric wide-swath)模式、SLC(single look complex)、C波段SAR影像數據，分辨率為5 m×20 m，采用VV極化方式。Sentinel-1A/B成像時間為2017-03～2021-04，Sentinel-1A升軌數據量為51幅，入射角為35.82°，軌道方位角為-13.38°；Sentinel-1B降軌數據量為48幅，入射角為41.76°，軌道方位角為-166.52°。數字高程模型(DEM)采用30 m空間分辨率的ALOS World 3D(AW3D30)作為外部DEM數據，也用于提取坡度坡向信息。

2 SBAS基本原理與二維形變獲取

SBAS技術主要是通過設置時空基線閾值，將參與計算的所有SAR影像分成多個子集，選取短基線像對集合進行干涉處理，可有效克服時空失相干，提高InSAR精度和探測能力。其核心是利用最小二乘原理獲得各子集的形變時間序列，通過奇異值分解(SVD)方法估算形變參數，具體原理及處理流程可參見文獻[10]。SAR衛(wèi)星多數為側視成像，無論是升軌還是降軌，對于單一軌道獲得的形變結果并不是地表真實形變，而是三維形變在視線向(LOS)的投影，因此可將升降軌視線向形變分解成3個維度分量dU、dN、dE(圖2)，即

dlos=dUcosθinc-dEsinθincsin(αazi-3π/2)-

dNsinθinccos(αazi-3π/2)

(1)

式中，dlos為視線向形變；dU、dN、dE分別為地表某點的垂向、水平南北、水平東西方向形變；θinc為SAR衛(wèi)星入射角；aazi為SAR軌道方位角。

圖2 坡面形變分解示意圖Fig.2 Diagram of slope deformation decomposition

基于研究區(qū)先驗信息，滑坡大部分屬于順層坡向運動特性，假設滑坡體只受重力影響沿坡面均勻滑動，而沿坡面垂直坡向方向的運動可忽略。由圖2可知，坡面坐標系由dasp坡向形變、dT垂直坡向形變和dI垂直坡面形變構成，即認為SAR衛(wèi)星在滑坡面視線向形變主要由dU垂向和dasp坡向形變組成[11]：

(2)

式中，β為坡向。因此，可利用升降軌2個軌道依據式(2)聯(lián)合解算獲得研究區(qū)滑坡體垂向和坡向二維形變。其中垂向形變以向上為正、向下為負；坡向形變則順坡方向為正，反之則為負。

3 形變結果分析

3.1 InSAR結果精度分析

為評估SBAS-InSAR監(jiān)測結果的精度，聯(lián)合研究區(qū)周圍2021年最新建立的GNSS連續(xù)監(jiān)測站數據，經處理轉化為對應的垂向、坡向相對形變結果，并與SBAS-InSAR數據進行對比。經計算可知，GNSS數據與SBAS-InSAR數據的垂向相關系數為0.65，均方根誤差(RMSE)為1.44 mm；坡向相關系數為0.54，均方根誤差為1.93 mm，SBAS-InSAR結果與GNSS監(jiān)測結果的基本趨勢相同，具有較好的一致性。

3.2 滑坡隱患分析

通過SBAS-InSAR技術初步獲得2017-03～2021-04五名山的二維形變結果。研究結果表明，五名山滑坡隱患區(qū)最大垂向累積形變達到-38.28 mm，臨空面坡體最大坡向累積形變?yōu)?2.10 mm。五名山形變區(qū)域主要分布在A、B、C區(qū)域，以下將對A、B、C區(qū)域的形變特征展開詳細分析。A區(qū)域以前為五名山主要的采石區(qū)域，其形態(tài)大體呈凹陷漏斗狀，因對環(huán)境破壞較大，近幾年逐漸關停。由圖3可知，A區(qū)內不穩(wěn)定區(qū)域集中分布在采石區(qū)域，因A區(qū)大部分地區(qū)受采石影響嚴重，高程變化巨大，轉化成坡向形變時可能存在錯誤，因此只討論垂向形變結果。

圖3 五名山滑坡A區(qū)垂向形變Fig.3 Vertical deformation of area A of Wuming mountain landslide

A區(qū)采石場西側形變沿著礦區(qū)邊緣長度約為760 m，其中最大累積沉降為-23.70 mm；南側區(qū)域形變集中分布在開采區(qū)兩側，最大累積沉降為-25.06 mm；北部臨空面上部累積垂向形變?yōu)?17.28 mm。其中不穩(wěn)定區(qū)域面積共約31.5萬 m2。東側坡體暫未發(fā)現明顯形變。

B、C區(qū)為五名山坡腳區(qū)域，其二維形變如圖4所示。B區(qū)沿公路走向的采石區(qū)具有明顯的滑坡運動趨勢，最大垂向形變速率為-4.48 mm/a，最大垂向累積形變?yōu)?23.42 mm，最大坡向形變速率為3.68 mm/a，最大坡向累積形變?yōu)?8.11 mm，形變區(qū)域面積約3.2萬 m2。中部存在2個臨空面，未出現滑動跡象，最南端采石區(qū)坡腳處的最大垂向形變速率為-4.64 mm/a，最大垂向累積形變?yōu)?20.87 mm，面積約0.5萬m2。臨空面山腳處采挖區(qū)累積垂向形變達到30 mm以上，坡向形變具有沿周邊向中心移動的趨勢。原因為B區(qū)山腳處曾在采石區(qū)向下深挖后，為恢復原有的地質環(huán)境，又進行簡單的回填處理，由于回填土沉降，形成現在的漏斗狀沉降分布，因此在InSAR結果中主要表現為垂向沉降形式。圖4(b)為五名山C區(qū)滑坡，該滑坡位于小刀剪營村北側。由于坡體前緣臨空，坡體特征為前緣切割和后緣裂縫，存在發(fā)生滑坡的可能。通過本次監(jiān)測發(fā)現，最大垂向形變速率大于-4 mm/a，最大垂向累積形變?yōu)?25.08 mm，坡向形變速率超過6 mm/a，最大坡向累積形變?yōu)?5.67 mm，形變區(qū)沿坡向最大長度約227 m，寬度約158 m，面積約2.7萬 m2?；码[患的產生是受坡腳處持續(xù)采石影響，導致上部滑坡體前緣臨空逐漸加大，具有向下蠕滑趨勢，穩(wěn)定性較差。形變最大區(qū)距山頂約150 m，遠離坡腳處較穩(wěn)定。如果發(fā)生滑坡會對下方居民區(qū)形成巨大的安全隱患，因此后續(xù)應重點關注該區(qū)域。

圖4 五名山B、C滑坡區(qū)Fig.4 Areas B and C of Wuming mountain landslide

3.3 滑坡形變與降水影響因素分析

研究表明，季節(jié)性強降水容易引發(fā)滑坡。分別在B、C坡體上提取形變區(qū)垂向、坡向形變，分析其與日均降水量的關系，對比結果如圖5所示。從圖中可以看出，每年6～9月研究區(qū)月均降水量在200 mm以上，較大降水后滑坡體均表現出不穩(wěn)定狀態(tài)，強降水后坡體形變存在加速趨勢。

圖5 累積形變與日均降水對比Fig.5 Comparison of cumulative deformation and daily precipitation

前期降水量較少時(2017-11、2018-05)，強降水會導致坡體形變位移快速增加，這可能與土體含水率極速增多導致坡體的穩(wěn)定性變差有關；而連續(xù)降水(2019-06～2020-06)對滑坡形變影響較小，并未明顯促使滑坡位移出現加速；滑坡形變峰值對于降水峰值具有滯后性，但滯后時間存在差異，需要一定的時間延遲才能對降水作出響應。從圖5累積形變量可以看出，2018年雨季過后，五名山主要滑坡隱患區(qū)的垂向和坡向累積形變均明顯快速增大。以C區(qū)滑坡體為例，繪制2018-07-24強降水前后垂向、坡向形變結果(圖6)。

圖6 2018年強降水前后C區(qū)垂向、坡向形變對比Fig.6 Comparison of vertical and slope deformation in area C before and after heavy rainfall in 2018

雨季過后坡體中下部位移逐漸加大，且潛在滑坡體面積增大，說明降水會加劇潛在滑坡形變。隨著形變的逐漸積累，坡體可能在某次強降水過后，從蠕滑狀態(tài)達到臨界值而形成滑坡，對坡下居民區(qū)造成嚴重影響。這表明大量降水會導致潛在滑坡體被激活，位移逐漸增大，因此降水是影響五名山坡體滑坡的主要外部因素之一。

4 結 語

本文利用SBAS-InSAR技術處理2017～2021年共99景覆蓋天津市薊州區(qū)五名山區(qū)域的Sentinel-1A/B影像，獲取垂向和坡向形變，識別滑坡災害以及隱患點，并開展滑坡原因分析，獲得以下結論：

1)在2017-03～2021-04期間，五名山滑坡隱患區(qū)域中最大垂向累積形變達到-38.28 mm，臨空面坡體最大坡向累積形變?yōu)?2.10 mm。隱患區(qū)域中A區(qū)形變主要集中在露天采石區(qū)；B區(qū)坡向形變表現為沿周邊向中心移動趨勢；C區(qū)由于滑坡體前緣臨空，處于緩慢蠕滑階段；D區(qū)較穩(wěn)定，未出現明顯形變。

2)強降水是影響滑坡形變的重要自然因素，降水量大小及降水持續(xù)時間對坡體的穩(wěn)定性具有不同影響，突發(fā)大量降水會加速滑坡位移，而持續(xù)少量降水對滑坡影響較小，且降水峰值與滑坡形變峰值并不重合，存在一定的時間延遲。