基于高分遙感的公路沿線滑坡危險性動態(tài)評價

崔麗 張?zhí)N靈 侯蕓

摘要 公路沿線地質(zhì)災害識別和評價一直是工程實踐和學術(shù)研究的熱點問題。文章基于多源多時相高分光學遙感影像、雷達衛(wèi)星時序InSAR分析技術(shù)和地質(zhì)、氣象、水文等數(shù)據(jù)資料，建立公路沿線次生地質(zhì)災害遙感識別指標，提取地質(zhì)災害危險性預測評價靜態(tài)和動態(tài)因子，構(gòu)建公路次生地質(zhì)災害危險性動態(tài)預測評價模型，實現(xiàn)對公路沿線次生地質(zhì)災害的隱患早期識別和危險性預測評價，可為公路重大工程規(guī)劃建設(shè)和防災減災提供思路和參考。

關(guān)鍵詞 地質(zhì)災害；遙感識別；動態(tài)評價

中圖分類號 P237文獻標識碼 A文章編號 2096-8949（2024）06-0006-04

0 引言

我國是一個地質(zhì)災害頻發(fā)且災害損失極為嚴重的國家，尤其是地質(zhì)環(huán)境復雜的西南山區(qū)，隨著西部山區(qū)公路建設(shè)迅猛發(fā)展，高山峽谷區(qū)公路勘察設(shè)計面臨著巨大挑戰(zhàn)。山區(qū)公路沿線設(shè)計難度大，施工環(huán)境惡劣，調(diào)度運行異常困難，安全生產(chǎn)任務艱巨，一直是科學理論研究和工程技術(shù)研究的熱點和難點。

山區(qū)公路沿線滑坡具有隱蔽性、突發(fā)性等特點，且危害大、不可控性強。目前，借助新興技術(shù)基本實現(xiàn)了地質(zhì)災害識別、特征分析、災害監(jiān)測、危險評價等環(huán)節(jié)[1-3]。然而，單一影像數(shù)據(jù)存在視線盲區(qū)，可信度不夠高，雖然能較好揭示已發(fā)生和正在發(fā)生的有明顯特征的地質(zhì)災害，但無法識別將要發(fā)生的地質(zhì)災害[4]。現(xiàn)有的地質(zhì)災害危險性評價研究多基于靜態(tài)評價，缺乏對時間因素影響的考慮[5]。

綜上，該項目面對山區(qū)公路重大工程規(guī)劃建設(shè)和防災減災迫切需求，以國道213汶川—松潘段為例作為研究區(qū)域，基于多源多時相高分遙感數(shù)據(jù)和地質(zhì)、氣象、水文等資料，將降雨、形變因子作為動態(tài)因子，結(jié)合大尺度易發(fā)性分析，構(gòu)建公路次生地質(zhì)災害預測模型，實現(xiàn)對公路沿線次生地質(zhì)災害的易發(fā)性評價、危險性評價和風險預測評估，可為公路重大工程規(guī)劃建設(shè)和防災減災提供理論指導和參考依據(jù)。

1 滑坡隱患綜合遙感識別

該文采用分辨率優(yōu)于1 m的高分二號衛(wèi)星遙感影像和Google Earth在線三維影像平臺進行遙感解譯；然后，提取相應雷達影像數(shù)據(jù)（如高程、坡度、坡向數(shù)據(jù)、距道路距離、距河流距離數(shù)據(jù)等），通過小基線集干涉測量技術(shù)（SBAS-InSAR）和差分干涉圖疊加技術(shù)（Stacking-InSAR）技術(shù)識別地表形變情況以及活動滑坡的探測；最后，采用現(xiàn)場調(diào)查和無人機航拍技術(shù)對滑坡隱患綜合遙感識別結(jié)果進行野外調(diào)查驗證，得到研究區(qū)域滑坡隱患最終識別結(jié)果。引入遙感數(shù)據(jù)，可較好地解決傳統(tǒng)方法僅依靠歷史靜態(tài)數(shù)據(jù)進行評估時無法獲取當前真實狀態(tài)數(shù)據(jù)進行精確評估的問題。

1.1 公路沿線滑坡隱患光學遙感識別

光學衛(wèi)星遙感解譯是一個初步解譯—野外驗證—詳細解譯的綜合、反復過程。利用Google Earth衛(wèi)星影像和高分二號衛(wèi)星遙感影像相結(jié)合的遙感解譯技術(shù)方法，基于地質(zhì)災害發(fā)育原理及特征，在ArcGIS等二、三維軟件平臺上，以人工目視解譯法進行地物識別及定性和空間分析，獲取滑坡災害信息?；码[患光學衛(wèi)星遙感解譯流程如圖1所示。

1.2 公路沿線滑坡隱患時序InSAR探測

時序差分干涉雷達測量（InSAR）技術(shù)指通過多期雷達干涉來測算地表形變量和形變速率，精度可達毫米級，常用方法包括SBAS-InSAR和Stacking-InSAR[6]。

Stcking-InSAR處理首先需選擇主影像，然后對主從影像進行配準，配準成功后生成干涉對，然后對這些干涉對的對應像元共軛相乘得到相位差，并生成差分干涉圖。再對差分干涉圖進行自適應濾波處理。在移除地形和平地相位后，選擇穩(wěn)定的像元利用最小費用流法（mcf）進行相位解纏。最后選取質(zhì)量較好的干涉對進行Stacking-InSAR技術(shù)處理（如圖2所示）。

研究區(qū)域SBAS-InSAR技術(shù)處理是在Stacking-InSAR技術(shù)處理結(jié)果的基礎(chǔ)上完成。利用Stacking-InSAR將差分干涉圖由柵格格式轉(zhuǎn)成點文件，然后把多主影像轉(zhuǎn)為單主影像（SDV分解法），使用均值法掩蓋形變區(qū)和錯誤形變點，對剩下的區(qū)域采用二次加權(quán)平均值法對大氣進行提取，剔除時防止去除有效形變點。最后通過時間相干性去除掉質(zhì)量較差點，得到研究區(qū)年均形變速率結(jié)果（如圖3所示）。

2 滑坡危險性動態(tài)評價

山區(qū)公路沿線滑坡危險性評價是在易發(fā)性基礎(chǔ)上，考慮特定某一條件下的災害發(fā)生的程度，如：降雨量達到>100 mm等，結(jié)合路域形變因子變化趨勢，測算未來發(fā)生滑坡的概率，主要指滑坡發(fā)生的空間概率、時間概率等。滑坡易發(fā)性評價提供了空間概率，InSAR技術(shù)能夠?qū)ψ冃螤顟B(tài)進行實時監(jiān)測，為計算時間概率提供數(shù)據(jù)支撐。

2.1 滑坡易發(fā)性評價

滑坡易發(fā)性評價可以定義為由于一組特定的環(huán)境條件而發(fā)生滑坡的空間可能性[7]。滑坡易發(fā)性評價圖提供了關(guān)于潛在的未來斜坡不穩(wěn)定性的位置和預計會發(fā)生滑坡區(qū)域的空間概率。滑坡易發(fā)性評價結(jié)果為滑坡動態(tài)危險性評價提供滑坡發(fā)生空間概率。

2.1.1 易發(fā)性評價因子提取

基于公路滑坡的特點、分布規(guī)律、影響因素等研究，該文擬選取斜坡選取高程、坡度、坡向、地表曲率、工程地質(zhì)巖組、歸一化植被指數(shù)（NDVI）、距道路距離、距河流距離和距斷層距離，共計9個影響因素作為公路次生災害易發(fā)性預測評價因子。

2.1.2 易發(fā)性評價預測方法

邏輯回歸模型是應用較廣泛且效果較好的地質(zhì)災害易發(fā)性預測評價模型[8-13]。因此，該文也采用該模型對示范區(qū)滑坡易發(fā)性預測評價[6]。

2.2 基于InSAR技術(shù)的滑坡危險性動態(tài)評價

滑坡易發(fā)性評價提供了關(guān)于潛在的未來斜坡不穩(wěn)定性的位置和預計會發(fā)生滑坡區(qū)域的空間概率，但未能提供滑坡發(fā)生的概率以及時間概率。通常，在不同的時間段內(nèi)，滑坡的演化過程不同。因此，需要考慮特定誘發(fā)因素條件下、不同時期內(nèi)滑坡的演化過程，以表明滑坡危險性評價具有動態(tài)變化的特性。

如圖4所示，該研究考慮將降雨誘發(fā)滑坡發(fā)生作為特定誘發(fā)事件，首先，計算特定降雨事件下的概率（統(tǒng)計分析法），其次，利用易發(fā)性分析結(jié)果進行滑坡危險性評價，然后借助InSAR技術(shù)探測地表形變速率，基于上述成果，形成動態(tài)評價矩陣，完成動態(tài)評價。

2.2.1 危險性概率計算

該研究以降雨誘發(fā)滑坡災害發(fā)生作為特定誘發(fā)事件，運用統(tǒng)計分析方法確定研究區(qū)降雨誘發(fā)滑坡發(fā)生的概率。由于降雨誘發(fā)滑坡發(fā)生不僅與滑坡發(fā)生當日的降雨量有關(guān)，還受前期累積降雨量的影響，因此，找出研究區(qū)前期降雨時間的最佳累計日數(shù)，是計算滑坡危險性概率的關(guān)鍵。根據(jù)國土局地質(zhì)災害統(tǒng)計信息以及美國國家海洋和大氣管理局全球環(huán)境信息（NOAA-National Centers for Environmental Information）的氣象數(shù)據(jù)，收集整理2010年至2020年研究區(qū)內(nèi)因降雨誘發(fā)滑坡發(fā)生事件和每個滑坡事件對應的降雨信息，共搜集歷史降雨滑坡災害79處。以滑坡發(fā)生某日的累積降雨量為降雨量因子，滑坡發(fā)生事件次數(shù)作為時間因子，利用SPSS軟件進行相關(guān)性分析，結(jié)果如表1所示。

由表1可知，累積降雨量與滑坡事件顯著相關(guān)，變化趨勢呈現(xiàn)先升后降。在降雨持續(xù)天數(shù)4 d時達到相關(guān)性峰值0.835，因此，以前4 d累積降雨量為指標，統(tǒng)計研究區(qū)2010—2020年的降雨事件和滑坡發(fā)生的關(guān)系，按降雨量大小分了四個層次，結(jié)果如表2所示。

如圖5～7所示，展示了研究區(qū)各特定降雨事件（0 mm，0～10 mm，25～50 mm，>100 mm）下的滑坡危險性概率（借助Arcgis分析工具，將特定降雨誘發(fā)事件下滑坡發(fā)生概率和滑坡易發(fā)性評價結(jié)果疊加）。

可以看出，滑坡危險性概率值和易發(fā)性評價結(jié)果在空間分布趨勢上具有一致性，均呈帶狀分布于研究區(qū)國道213線兩側(cè)，并且主要集中分布于汶川映秀至茂縣石大關(guān)鄉(xiāng)沿線區(qū)域。

2.2.2 不同時間段平均地表形變速率

基于不同時間段內(nèi)的SAR影像數(shù)據(jù)：2017年1月20日至2019年1月4日（時間段1）期間57景SAR影像和2017年1月20日至2021年12月19日（時間段2）期間144景SAR影像，根據(jù)SBAS-InSAR技術(shù)提取地表形變信息的流程，分別獲取兩個時間段的平均地表形變速率（如圖8～9所示），為危險性動態(tài)評價提供基礎(chǔ)數(shù)據(jù)。

2.2.3 構(gòu)建動態(tài)評價矩陣

由表2可知，研究區(qū)域在累積降雨量25～50 mm工況下，發(fā)生滑坡概率最大。以此為誘發(fā)事件對研究區(qū)時間段1和時間段2的滑坡危險性進行動態(tài)評價。綜合分析研究區(qū)滑坡分布與平均形變速率的關(guān)系，將研究區(qū)的平均形變速率分為5個等級：極慢速（V1：>2 mm/a），慢速（V2：?4～2 mm/a），中速（V3：?8 ～?4 mm/a），快速（V4：?12～?8 mm/a）和極快速（V5：

3 結(jié)語

該文針對公路路域范圍內(nèi)滑坡危險性動態(tài)評估問題，基于高分遙感技術(shù)，綜合識別滑坡隱患，提取地質(zhì)災害危險性評價因子，構(gòu)建公路次生地質(zhì)災害危險性動態(tài)預測評價模型，可為工程實踐提供參考。

參考文獻

[1]吳悅， 任濤， 楊卓靜， 等. 應用于地質(zhì)災害的泥石流監(jiān)測分析儀[J]. 電子測量技術(shù)， 2013（3）： 67-70.

[2]劉筱怡. 基于多元遙感技術(shù)的古滑坡識別與危險性評價研究[D]. 北京：中國地質(zhì)科學院， 2021.

[3]劉紀堯， 豆猛， 吳少菁. 遙感技術(shù)在地貌與巖土體特征識別和地質(zhì)災害分布規(guī)律分析中的應用[J]. 地質(zhì)災害與環(huán)境保護， 2017（3）： 83-90.

[4]王天河. 基于多源遙感的康定—爐霍擬建高速公路地質(zhì)災害危險性評價及線路優(yōu)化分析[D]. 成都：成都理工大學， 2020.

[5]劉靜. 基于RS與GIS的川藏聯(lián)網(wǎng)工程沿線地質(zhì)災害危險性評價[D]. 北京：中國地質(zhì)大學（北京）， 2018.

[6]周超. 集成時間序列InSAR技術(shù)的滑坡早期識別與預測研究[D]. 武漢：中國地質(zhì)大學， 2019.

[7]梁京濤， 趙聰， 馬志剛. 多源遙感技術(shù)在地質(zhì)災害早期識別應用中的問題探討——以西南山區(qū)為例[J]. 中國地質(zhì)調(diào)查， 2022（4）： 92-101.

[8]周建國， 龔建宗， 劉文杰. 無人機貼近攝影測量在滑坡體監(jiān)測中的應用[J]. 測繪與空間地理信息， 2023（11）： 183-185+189.

[9]江寶得， 李秀春， 羅海燕， 等. 異質(zhì)集成學習在滑坡易發(fā)性評價中的對比研究[J]. 土木工程學報， 2023（10）： 170-179.

[10]陶偉， 孫岳. 基于GIS滑坡地質(zhì)災害易發(fā)性評價方法綜述[J]. 世界有色金屬， 2020（21）： 157-159.

[11]陳凱， 陳礪鋒， 張紫昭， 等. 基于實證調(diào)查的新疆地區(qū)地質(zhì)災害易發(fā)性和危險性評價研究[J]. 工程地質(zhì)學報， 2023（4）： 1156-1166.

[12]孟凡奇， 高峰， 林波， 等. 基于AHP和信息量模型的地質(zhì)災害易發(fā)性評價——以魯東片區(qū)為例[J]. 災害學， 2023（3）： 111-117.

[13]李光輝， 鐵永波. 基于信息量模型的綜合地質(zhì)災害易發(fā)性建模方法對比研究[J]. 災害學， 2023（3）： 212-221.