甘肅通渭黃土滑坡二維形變時序監(jiān)測

蒲虹宇，張立峰，何毅，陳寶山，陳毅，何旭

（1. 蘭州交通大學測繪與地理信息學院，甘肅 蘭州 730070；2. 地理國情監(jiān)測技術(shù)應(yīng)用國家地方聯(lián)合工程研究中心，甘肅 蘭州 730070；3. 甘肅省地理國情監(jiān)測工程實驗室，甘肅 蘭州 730070）

0 引言

黃土滑坡是一種突發(fā)性極強的地質(zhì)災(zāi)害，近年來，隨著黃土高原地區(qū)經(jīng)濟發(fā)展、人類活動以及在地震或暴雨等誘發(fā)因素作用下常呈大面積高發(fā)狀態(tài)[1]。傳統(tǒng)的滑坡監(jiān)測手段以野外實地調(diào)查為主，譬如GPS、水準監(jiān)測，該方法可識別勘測滑坡性質(zhì)、范圍以及運動規(guī)律等，但需要耗費大量的時間和人力，無法快速、準確地獲取區(qū)域性滑坡信息，阻礙后續(xù)工作的進展。隨著遙感技術(shù)的發(fā)展，滑坡體信息的識別從長期以來的點到線，線到面的模式得到改變，提高了精度與效率[2]，其中光學影像以其視點高、視域廣、時效好等特點成為滑坡體識別優(yōu)先手段。然而，光學影像受云霧以及天氣影響大，且只能根據(jù)滑坡體在影像上的光譜特征與紋理特性進行簡單的定性分析與解譯。合成孔徑雷達干涉測量（interferometric synthetic aperture radar，InSAR）技術(shù)具有覆蓋范圍廣、穿透云層、全天候運作、精度高的特點[3?4]，能夠定量對滑坡體進行描述，在對大型滑坡追溯、監(jiān)測與普查方面已經(jīng)發(fā)揮重要作用。在滑坡災(zāi)害追溯方面，Dong等[5]采用Sentinel-1 與ALOS-2 PALSAR 數(shù)據(jù)對發(fā)生在2017 年造成80 多人遇難的新磨村滑坡災(zāi)害進行了追溯，監(jiān)測結(jié)果表明此次災(zāi)害前已有明顯加速階段；戴可人等[6]采用InSAR 方法對2018 年南峪鄉(xiāng)滑坡進行形變追溯，發(fā)現(xiàn)了滑前明顯的累計與加速形變信息，但未獲取到臨滑前明顯加速階段；侯燕軍等[7]利用L 波段升軌ALOS 數(shù)據(jù)，對蘭州市普蘭太有限公司進行了有效識別?；聻?zāi)前形變追溯能夠分析引起形變加速的原因，進而了解了該地區(qū)滑坡成因機理，為后續(xù)監(jiān)測預(yù)警以及預(yù)測工作打好基礎(chǔ)。

文中將采 用SBAS-InSAR（small baseline sunset In-SAR）技術(shù)，融合升/降軌Sentinel-1A 數(shù)據(jù)對甘肅省通渭縣常河鎮(zhèn)滑坡災(zāi)前進行二維形變追溯，研究其災(zāi)前演變過程。結(jié)合降雨量信息分析滑坡誘因，并通過D-InSAR技術(shù)進行形變追溯佐證，有利于了解滑坡誘導(dǎo)因素、滑坡內(nèi)部機理以及更好的進行災(zāi)后穩(wěn)定性評估，為未來該區(qū)域滑坡監(jiān)測與預(yù)警提供理論支撐。

1 研究區(qū)概況

2019 年9 月14 日，受多日降雨影響，甘肅省定西市通渭縣常家河鎮(zhèn)小莊村發(fā)生山體滑坡，滑坡體長約560 m，寬約800 m，平均厚度約20 m，體積約7.74×106m3，屬于大型滑坡。經(jīng)相關(guān)文獻核查統(tǒng)計[8]，此滑坡災(zāi)害損失范圍涉及通渭縣1 個鄉(xiāng)鎮(zhèn)17 個村民小組 2 975 人（未有人員傷亡），農(nóng)業(yè)、水利、道路、橋梁等直接經(jīng)濟損失 2347.2 萬元。現(xiàn)場調(diào)查顯示，在縣道X087 的23 km+400 m—24 km+400 m 處地面出現(xiàn)大面積蠕滑造成的拉張裂縫，部分農(nóng)田表面發(fā)育裂縫，常家河前進磚瓦廠工人宿舍后墻坍塌、陽坡大橋垮塌等現(xiàn)象[9]。

常家河鎮(zhèn)位于甘肅省定西市通渭縣西南向，見圖1（a）、圖1（b）則為Sentinel-1A 數(shù)據(jù)覆蓋范圍，其災(zāi)后影像如圖1（c）所示。研究區(qū)在1718 年和1920 年發(fā)生兩次大地震，通渭縣東南部一帶形成大面積滑坡隱患，導(dǎo)致這些規(guī)模巨大的滑坡體對當今甚至未來地質(zhì)災(zāi)害活動仍有強烈影響[10]。該區(qū)域?qū)匐]中黃土高原丘陵溝壑區(qū)，斷裂發(fā)育，分布有常家河與苦水河兩大河流，因此新構(gòu)造運動與剝蝕作用強烈。加上區(qū)內(nèi)以粉礫質(zhì)泥巖和礫質(zhì)泥巖為主，河流兩側(cè)成為滑坡最發(fā)育的區(qū)域。由于連續(xù)降雨是引起黃土滑坡的重要誘因之一，而該區(qū)域降水主要集中在6—9 月，且多以連續(xù)降雨的形式出現(xiàn)[9]，因此每年7—9 月是該區(qū)域滑坡多發(fā)期。

圖1 研究區(qū)位置Fig.1 Location of the study area

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)

在研究區(qū)和研究期間內(nèi)采用歐洲航天局提供的升/降軌漸進掃描(TOPS)模式地形觀測Sentinel-1A 場景圖像共63 景，其中升軌數(shù)據(jù)有31 景，其獲取日期為2018 年9 月1 日—2019 年9 月8 日；降軌數(shù)據(jù)32 景，日期為2018 年9 月6 日—2019 年9 月13 日。升/降軌軌道衛(wèi)星主要參數(shù)見表1。在SBAS-InSAR 技術(shù)中，文中研究中還采用美國地質(zhì)調(diào)查局公布的航天飛機雷達地形任務(wù)SRTM（Shuttle Radar Topography Mission）數(shù)據(jù)提供的90 m 分辨率DEM(數(shù)字高程模型)對地形相關(guān)的相位進行了去除和編碼[11]。另外，采用中國資源衛(wèi)星中心陸地觀測衛(wèi)星服務(wù)平臺提供的降水數(shù)據(jù)進行了后續(xù)分析（http://36.112.130.153:7777/DSSPlatform/index.html）。

表1 Sentinel-1A 衛(wèi)星SAR 數(shù)據(jù)主要參數(shù)Table 1 Main parameters of Sentinel-1A satellite SAR data

2.2 D-InSAR

D-InSAR 是具有時間與空間上形變的雷達影像做差分處理消除平地相位與地形相位以便獲取微小形變信息的技術(shù)，根據(jù)所使用的雷達影像數(shù)量可分為二軌法、三軌法和四軌法[12?13]。實驗采用二軌法，主要利用外部DEM 模擬地形相位，然后同兩幅影像干涉獲取到的具有形變的地形相位進行差分處理，獲取最終的變形相位。D-InSAR 方法差分干涉圖的每個像素的相位值φ可表示為：

式中：φdef——地表形變信息；

φorb——衛(wèi)星軌道誤差；

φatm——大氣噪聲；

φdem——高程誤差；

φn——噪聲誤差。

對除地表形變信息以外的其他相位誤差進行去除，最終得到的視線向地表形變則可表示為：

式中：?D——視線向地表形變；

λ——波長/cm。

2.3 SBAS-InSAR

SBAS-InSAR 是一種利用多幅主影像獲得短空間基線差分干涉圖數(shù)據(jù)集的時間序列InSAR（TS-InSAR）分析方法[14?15]。主要研究思路是基于該區(qū)域合適的時空基線閾值，生成閾值內(nèi)根據(jù)不同主影像自由組合而成的SAR 影像干涉對，隨后對高相干點進行相位解纏處理反演出時間序列沉降信息[16]。該方法適用于非城鎮(zhèn)區(qū)域，在傳統(tǒng)InSAR 技術(shù)上有效降低了時間與空間失相干的影響。

SBAS-InSAR 技術(shù)的主要原理如下。首先將N+1幅SLC（Single Look Complex）影像按時間序列獲取，分別為：t0,t1,t2,···,ti,···,tN。然后將符合預(yù)先設(shè)定的時空間基線閾值的影像進行配對和差分干涉處理，得到M對干涉對。此時，干涉圖中每個像素的相位值的組成部分同式（1）。利用軌道信息與外部DEM 數(shù)據(jù)可逐影像對去除平地與地形效應(yīng)，然后對高相干性像元的相位采用最小費用流方法進行相位解纏，再根據(jù)最小二乘法和奇異值分解（Singular Value Decomposition，SVD）法對每個像元進行形變速率與DEM 誤差的第一次求解。由于大氣相位的干擾，會影響結(jié)果精度，因此在第一次基線估算后，通過時域上的高通濾波（365 d）和空間域上的低通濾波（1 200 m）進行大氣相位估算與刪除，接著使用相同方法進行第二次形變速率與DEM 誤差估算，得到最終的變形結(jié)果。SBAS-InSAR 技術(shù)在SARscape5.5 中有四個主要步驟，其具體處理流程如圖2所示。

圖2 SBAS-InSAR 基本流程Fig.2 Basic process of SBAS-InSAR

在連接圖生成步驟中，本研究通過設(shè)置降軌數(shù)據(jù)以日期為20190104 影像作為主影像，升軌數(shù)據(jù)以日期為20181203 影像作為主影像，120 d 時間基線閾值，20 m垂直基線閾值這些參數(shù)，將其他所有影像都根據(jù)主影像進行精配準與干涉圖生成，文中所使用升/降軌數(shù)據(jù)的具體獲取日期與時空基線關(guān)系如圖3 所示；第二步干涉處理升/降軌數(shù)據(jù)則分別生成了205 組與142 組干涉對，并采用Goldstein 濾波方法提高了信噪比，在此步驟中，編輯去除相干性不好與解纏結(jié)果不好的干涉對；第三步SBAS 技術(shù)反演中，通過選擇形變大小接近0值且位于山脊與遠離形變區(qū)的GCP 控制點共38 個進行了軌道精煉與重去平，并利用SVD 方法獲得地表形變速率；第四步地理編碼則是對SBAS 反演結(jié)果進行地理坐標投影，選擇虛擬值去除可得到更精確的結(jié)果。

圖3 升降軌SAR 影像時空基線圖Fig.3 Spatiotemporal baseline image of SAR imagery of ascending/descend orbit

2.4 基于升降軌的滑坡二維形變獲取

隨著利用InSAR 技術(shù)應(yīng)用于滑坡監(jiān)測研究的不斷深入，科研者們發(fā)現(xiàn)同一區(qū)域在升/降軌InSAR 監(jiān)測結(jié)果存在較大的差異，甚至完全相反[17]，這是因為InSAR技術(shù)一般只能得到LOS 方向上的一維形變，很難對滑坡體真實形變特征進行描述。再加之SAR 影像存在的疊掩、透視收縮、陰影等幾何畸變對LOS 向形變結(jié)果產(chǎn)生影響[18]，因此融合多個InSAR 監(jiān)測結(jié)果，利用信息冗余，將主影像異常像元值用對應(yīng)地理位置副影像正常像元值進行替代，從而對丟失信息進行補償[19]，能在不同維度對滑坡體形變進行研究，獲得更為準確的形變特征，滿足滑坡監(jiān)測的工程需求。假設(shè)朝向雷達衛(wèi)星方向的形變?yōu)檎?，遠離雷達衛(wèi)星運動方向的形變?yōu)樨揫6]。根據(jù)雷達衛(wèi)星成像幾何可知，垂直方向dh、南北方向dn以及東西方向de可構(gòu)成雷達LOS 向的形變[18]，如式（3）所示。

式中：θ——雷達視線方向的入射角/（°）；

α——雷達衛(wèi)星航向角/（°）。

由于常規(guī)InSAR 對垂直方向形變監(jiān)測最為敏感，東西方向形變次之，而南北方向?qū)τ贚OS 向形變量的貢獻最小，因此視線向上的南北方向形變分量可以忽略不計，所以衛(wèi)星LOS 向形變量與InSAR 監(jiān)測的形變量的關(guān)系可寫為:

3 結(jié)果與討論

3.1 SBAS-InSAR 形變追溯

文中基于上述SBAS-InSAR 技術(shù)，獲取了甘肅通渭縣常河鎮(zhèn)從2018 年9 月—2019 年9 月升/降軌視線方向上的形變，并基于苦水河建立600 m 緩沖區(qū)對形變結(jié)果進行裁剪（圖4）。圖中，形變?yōu)樨撝当硎镜匚镂灰七h離衛(wèi)星視線方向，用藍色代表；形變?yōu)檎祫t表示地物位移靠近衛(wèi)星視線方向，用紅色代表；黑色橢圓則圈定出滑坡體所在區(qū)域。升軌向形變場結(jié)果顯示，升軌數(shù)據(jù)獲取的滑坡體最大年平均速率為?24.47 mm/a；降軌形變場結(jié)果顯示，降軌數(shù)據(jù)獲取的滑坡體最大年平均形變速率為18.63 mm/a。升/降軌數(shù)據(jù)由于不同的觀測幾何，其獲取到的雷達影像的后向散射值不同，進而導(dǎo)致其探測到的形變范圍與形變量級有一定的差異。對于該滑坡體，升/降軌數(shù)據(jù)獲取的形變范圍與形變量級差異較小，且都顯示出西南走向的形變幾何，表明兩個軌道結(jié)果相干性好且吻合度高，可進行升/降軌數(shù)據(jù)聯(lián)合分析，對單軌道探測不完全的區(qū)域進行互補。根據(jù)該滑坡體的DEM 與升/降軌LOS 形變結(jié)果，可以推測其滑動方向大致沿東西向分布，因此利用東西向形變結(jié)果與垂直向形變結(jié)果能夠更好的反應(yīng)此次滑坡形變過程?；谏鲜龆S分解方法，聯(lián)合升/降軌LOS 向形變結(jié)果獲取了常家河鎮(zhèn)區(qū)域的二維形變。二維形變圖東西向形變場顯示，該滑坡體最大年平均形變速率為29.94 mm/a，整體向東移動；垂直向形變場顯示該滑坡體最大年平均速率為?18.25 mm/a，垂直向下形變。兩形變場方向?qū)Ρ确治鲲@示，該區(qū)域形變量級大的地方多分布于苦水河附近，且東西向的形變量級大于垂直向。

圖4 SBAS-InSAR 不同方向的形變結(jié)果Fig.4 Different direction of SBAS-InSAR deformation result

為了更好的反應(yīng)該滑坡體運動過程，用滑坡體大致邊界裁剪出東西向與垂直向InSAR 結(jié)果，做出形變時序圖（圖5），其中越呈現(xiàn)紅色的區(qū)域代表沿著該方向抬升的形變越大，越凸顯藍色的區(qū)域則表示沿著該方向沉降的形變越大。二維時序圖最終結(jié)果顯示，在2018 年9 月到2019 年9 月這一年里，該滑坡體最大累計東向形變量為33.53 mm，最大累計西向形變量為18.36 mm，最大累計上升形變量為10 mm，最大累計下沉形變量為15.99 mm。其中，西向最大形變分布在滑坡體最北端，苦水河右側(cè)區(qū)域，東向最大形變區(qū)域分布在縣道X087 與苦水河中間區(qū)域，即苦水河左側(cè)與縣道右側(cè)區(qū)域，可以說東西向最大形變量的分布規(guī)律符合苦水河侵蝕河岸所造成的坡體下滑現(xiàn)象。垂直上升形變區(qū)分布在滑坡體周邊區(qū)域，以滑坡體后緣為主，而該區(qū)域附近存在落水洞、地下暗河以及少數(shù)裂縫，連續(xù)降雨沿裂縫、落水洞等集中通道快速下滲致使滑帶界面處出現(xiàn)泥化、軟化現(xiàn)象，并逐步促進落水洞等與滑帶及地下水的連通。隨著時間的推移，降雨入滲產(chǎn)生的地下水不斷集聚，出現(xiàn)滯水現(xiàn)象，致使地下水位上升[7,21]。文獻[20]指出，地下水位與地面沉降呈正相關(guān)。因此，該滑坡體后緣區(qū)域因為地下水位的上升，導(dǎo)致在垂直向上的形變出現(xiàn)災(zāi)害發(fā)生前的抬升現(xiàn)象。垂直下沉形變區(qū)域分布在苦水河附近，且距苦水河越近藍色越明顯，可以說垂直向的形變分布規(guī)律也滿足苦水河侵蝕作用造成的坡體下移現(xiàn)象。王浩杰等[9]將此次滑坡定性為推移-牽引式滑坡，根據(jù)災(zāi)害發(fā)生前垂直向形變結(jié)果來看，抬升最大累計量區(qū)域（10 mm）位于坡體后緣，滑坡下沉最大累計量區(qū)域（15.99 mm）則位于苦水河西側(cè)坡體前緣，滿足推移-牽引式滑坡災(zāi)害發(fā)生規(guī)律。對二維向形變進行交叉分析，該滑坡體最先發(fā)生形變的區(qū)域處于縣道X087 與苦水河之間的耕地上，這可能與降水以及灌溉引起的水位變化相關(guān)[22]。隨后，在東西向時序圖上顯示，分布在苦水河附近的區(qū)域開始形變且形變量級逐漸與耕地上的形變量級融合成為形變中心；垂直向時序圖上顯示，分布在苦水河附近的區(qū)域形變量級則逐漸取代耕地上的形變量級成為形變中心。在滑坡發(fā)生前，垂直向與東西向形變較大的區(qū)域基本介于縣道X087 與苦水河之間，且兩方向上的最大累計形變都沿苦水河分布，分別可達到?15.99 mm 與33.53 mm。為驗證苦水河是否對該區(qū)域形變有影響，選取縣道X087 與苦水河距離相近的三條水平線對垂直方向上20190908 期SBAS結(jié)果進行剖面分析（圖6）。由圖6 可以明顯看出，剖面圖具有以苦水河為中心的沉降漏斗，距其48 m 緩沖區(qū)內(nèi)累計沉降量都小于0 mm；在縣道X087附近區(qū)域形變都較小，距離苦水河120 m 時，區(qū)域內(nèi)形變值大幅度降低。因此，可以推測該滑坡發(fā)生的誘發(fā)因素之一是苦水河對河岸的侵蝕作用。

圖5 二維形變時序形變圖Fig.5 Sequence diagram of two-dimensional deformation

圖6 垂直向剖面圖Fig.6 Vertical profile

據(jù)報道，此滑坡發(fā)生前有連續(xù)降雨現(xiàn)象。徐輝等人[23]研究表明滑坡災(zāi)害發(fā)生前10 d 特別是前5 d 的降雨是導(dǎo)致滑坡發(fā)生的關(guān)鍵因素，這與王浩杰等[7]研究的此次通渭滑坡結(jié)果相吻合，表明降雨可能是此滑坡的誘發(fā)因素。然而，降雨是否對此次滑坡有長時間序列的影響未知，因此文中選取二維時序圖上遠離苦水河的四個點的時序統(tǒng)計結(jié)果與月降水量進行分析，探究月降雨對此滑坡的影響。按照近苦水河的垂直距離的大小依次對四個點命名，a、b、c、d 四點距苦水河的垂直距離分別為395 m、146 m、111 m 以及103 m，其統(tǒng)計結(jié)果如圖7 所示。根據(jù)降雨量多少，將研究區(qū)累積形變時間段以2019 年5 月為分界點分為兩個階段，2018 年9 月—2019 年5 月降雨量較少將其標記為Ⅰ階段，Ⅱ階段（2019 年5—9 月）則為降雨量較多月份。從東西向形變結(jié)果折線圖與時序點可以看出，Ⅰ階段形變較為穩(wěn)定是形變累積階段；在2019 年5 月后的Ⅱ階段形變加速，四個點的形變斜率都普遍增大，以距離苦水河最近的d 點形變加速最為明顯。從垂直向形變結(jié)果與時序點可以看出，Ⅰ階段中，b、c 兩點在2018 年9—10 月形變斜率大于另外兩點，在2018 年11 月—2019 年2 月四個點形變都較為平穩(wěn)，2019 年3—4 月，b、c、d 三點形變斜率增大，而在2019 年5 月之后，隨著降雨量的增加，四個點形變呈現(xiàn)出直線的加速階段。據(jù)王浩杰等[7]的研究，c 點處于的臺緣區(qū)域橫向裂縫和陡坎十分發(fā)育，土壤裸露，遇水更容易軟化，水土保護能力低于位于耕地處的a、b、d 三點。我們知道裂縫、落水洞處區(qū)域，連續(xù)降雨會引起地下水位抬升，進而引起向上的形變，c 點雖然有著地下水位抬升引起的抬升，但其位于的臺緣區(qū)，有臨空條件，裸露土壤軟化導(dǎo)致的下滑趨勢更大，因此c 點在垂直向中Ⅱ階段與其他三點呈相反趨勢加速。時序統(tǒng)計結(jié)果表明，此滑坡體的災(zāi)前形變過程經(jīng)歷了兩個階段：形變累積（緩慢形變）階段和加速形變階段。將加速形變階段同該時段降雨統(tǒng)計結(jié)果交互分析，2019 年5—9 月降水量增加的同時，相應(yīng)的滑坡變形也明顯增大，呈現(xiàn)明顯相關(guān)性。因此，可以說降雨為此滑坡發(fā)生的誘發(fā)因素之一。李鵬程[24]研究表明，通渭縣內(nèi)河流為降雨型補給河流，汛期水量大且集中在6—9 月，來勢兇猛，對河岸的侵蝕作用更加強烈。因此，在垂直向上累積沉降量的形變累積階段，出現(xiàn)距離苦水河進的b、c 兩點形變斜率變大的現(xiàn)象（2018 年9—11 月），這也進一步說明苦水河對河岸的侵蝕作用是此滑坡發(fā)生的誘發(fā)因素之一。

圖7 時間序列形變與降雨量交互結(jié)果Fig.7 Interaction between time series deformation and rainfall

3.2 內(nèi)符合精度驗證與D-InSAR 結(jié)果佐證

SBAS-InSAR 結(jié)果顯示，此次滑坡災(zāi)害并非偶然，該區(qū)域在滑坡發(fā)生前一年時間里一直存在形變。為了驗證SBAS-InSAR 結(jié)果的可靠性，利用內(nèi)符合精度方法與D-InSAR 技術(shù)進行驗證。D-InSAR 技術(shù)中升軌數(shù)據(jù)選擇時間為2019 年9 月8 日與2019 年9 月20 日，降軌數(shù)據(jù)獲取時間為2019 年9 月1 日與2019 年9 月25 日。

陳有東等[2]指出，相干性系數(shù)越高，所得干涉相位的條紋越清晰，干涉相位觀測量越可靠，且平均相干系數(shù)在0.5 以上就能提取到有用的形變信號。因此，文中對這一年中不同季節(jié)的干涉相對進行了平均相干系數(shù)計算，結(jié)果如圖8 所示。在圖8 中，不同季節(jié)的干涉對平均相干系數(shù)均在0.5 及以上，說明了文中實驗結(jié)果可靠。利用D-InSAR 技術(shù)進行佐證，兩個軌道的D-InSAR結(jié)果如圖9 所示。因為滑坡體滑動后，形變量級大，出現(xiàn)未能解算出的區(qū)域，而這區(qū)域位于縣道X087 與苦水河之間，與SBAS 技術(shù)追述的災(zāi)前形變最大區(qū)域相吻合。相關(guān)報道指出[6]，此次滑坡災(zāi)害致使道路出現(xiàn)多處裂縫與陽坡大橋區(qū)域垮塌；王浩杰等[7]研究則表明，縣道X087 在災(zāi)害發(fā)生前無裂縫，陽坡大橋災(zāi)害發(fā)生前只有一條裂縫，均處于穩(wěn)定狀態(tài)。在文中實驗，SBAS 追溯的結(jié)果顯示，一年間道路縣道X087 與陽坡大橋區(qū)域形變較小；D-InSAR 升軌結(jié)果顯示縣道X087 災(zāi)后形變最大為13.37 mm，陽坡橋區(qū)域形變?yōu)? mm，降軌結(jié)果則表明縣道X087 災(zāi)后形變最大值是11.01 mm，陽坡大橋區(qū)域最大形變值是2 mm，這兩種技術(shù)的監(jiān)測結(jié)果均與實際情況相吻合。綜上所述，此次SBAS-InSAR 結(jié)果有很好的可信度。

圖8 升/降軌不同季節(jié)相干性圖以及相干性系數(shù)Fig.8 Coherence diagrams and coherence coefficients in different seasons of ascending/ descend orbits

圖9 升/降軌D-InSAR 形變結(jié)果Fig.9 D-InSAR deformation results of ascending/descend orbit

4 結(jié)束語

文中基于SBAS-InSAR 技術(shù)和升/降軌Sentinel-1A雷達衛(wèi)星影像獲取了甘肅省通渭縣滑坡災(zāi)前的形變，建立二維模型分析此滑坡形變特征，探討影響滑坡發(fā)生的因素，并用內(nèi)符合精度驗證方法與D-InSAR 技術(shù)對SBAS-InSAR 技術(shù)的可靠性進行了驗證。結(jié)果顯示：

（1）通渭滑坡從2018 年9 月起便存在形變，隨著時間的推移形變量逐漸增大。至滑坡發(fā)生前東西向與垂直向最大累計形變量達33.53 mm 與?15.99 mm。

（2）二維時序累計圖顯示，此滑坡災(zāi)害發(fā)生前區(qū)域內(nèi)的形變中心沿著苦水河分布，且形變嚴重區(qū)域基本位于縣道X087 與苦水河之間，苦水河對于河岸的侵蝕作用可能是此次滑坡誘發(fā)因素之一。

（3）將時序結(jié)果與降雨量數(shù)據(jù)聯(lián)合分析，滑坡區(qū)域內(nèi)遠離苦水河的時間序列形變可分成兩個階段：緩慢形變（形變積累）階段與加速形變階段。在加速形變階段，形變趨向與降水量變化趨向高度一致，因此可以表明降水也是此次滑坡滑動的主要誘發(fā)因素。

（4）由于二維形變的日期是2018 年9 月6 日—2019 年9 月8 日，距離滑坡發(fā)生尚有6 d 時間，因此不能得到臨滑階段明顯的加速形變期，這說明基于Sentinel 數(shù)據(jù)的InSAR 技術(shù)運用在滑坡長期監(jiān)測預(yù)警中可能存在時間分辨率不足等缺點，因此需結(jié)合其他雷達影像、技術(shù)等完備滑坡監(jiān)測預(yù)警體系。