李沙 张立舟 周成涛 刘洋 陈锐
摘要：为了研究三峡库区大型滑坡的变形分区，基于2021年1～12月共29景Sentinel-1A数据，通过小基线集干涉测量（SBAS-InSAR）技术研究了师专-群沱子滑坡的变形分区和时序监测。解译结果表明：与全球定位系统监测结果对比，师专-群沱子滑坡的SBAS-InSAR解译结果具有一定准确性；
滑坡的蠕变过程表现出明显的时空变形差异，变形区主要集中在未布设治理工程区域，且受场地整平工程的影响，滑坡北部边界出现新的变形区域；
滑坡不同区域的主控因素存在差异，前缘变形主要受库水位波动影响；
滑坡中部受库水位、降雨联合作用；
滑坡后缘主要受长历时降雨控制。所得结果证明SBAS-InSAR技术可以对大型滑坡进行时序监测，为防灾减灾提供技术参考。
关 键 词：大型滑坡；
形变监测；
SBAS-InSAR；
Sentinel-1；
时间序列；
三峡库区
中图法分类号：
P237；
TV221.2 文献标志码：
ADOI：10.16232/j.cnki.1001-4179.2023.06.015
0 引 言
水库运行通常会改变岸坡的渗流环境，进而可能诱发地质灾害［1］。作为中国乃至世界最大最重要的水电站，三峡水电站极大地改变了地区的地质环境。研究表明三峡库区的库水位波动诱发了2 500多处滑坡，其中许多是大型堆积层滑坡［2］。松散的堆积物使滑坡对库水位和降雨非常敏感，其通常在复杂的水文环境中发展，并在长时间内表现出缓慢的运动特征，对居民的生命财产安全造成威胁［3］。因此，对大型库岸滑坡开展变形监测，探究滑坡的演化机制及变形分区，对保证工程安全运行、减少经济损失有重大意义［4］。
目前的滑坡监测方法以全站仪、GNSS、裂缝计等传统监测手段为主。这些方法具有操作简单、全天候、高精度等特点，但初期投入费用较大，当面对大型滑坡时很难反映整体的变形特征［5］。合成孔径干涉雷达（Interferometric Synthetic Aperture Radar，InSAR）技术凭借其全天候、强穿透性、高精度获取连续覆盖地面高程和信息的突出优势，已在地表形变监测、灾害评估等相关领域得到广泛应用［6-9］。近年来，国内外学者对三峡库区的滑坡开展了大量的时序InSAR研究。2004年，Xia等［10］首先在三峡库区新滩、树坪等滑坡布设了角反射器，利用D-InSAR监测滑坡变形，结果与监测数据吻合。Perissin等［11］基于欧洲航天局（European Space Agency，ESA）和中国国家遥感中心（National Remote Sensing Center of China，NRSCC）合作项目“龙计划”（Dragon Project）在巴东县黄土坡滑坡开展了准永久散射体（Quasi-PS，QPS）技术，获取了滑坡的变形特征。Shi等［12］采用永久散射体干涉雷达（Persistent Scatterers InSAR，PS-InSAR）技术研究三峡库区巴东县黄土坡和赵树岭滑坡的变形历史，结果表明：L波段PALSAR数据比C波段ASAR数据能检测出更多的点状目标，更适合监测三峡等植被覆盖度高的地区。范景辉等［13］采用3 m空间分辨率的TerraSAR-X数据对大型岩质滑坡进行形变监测，分析了滑坡受库水位变化和大气降雨的影响。史绪国等［14］联合分析了藕塘滑坡的2007～2011年的19景ALOS-PALSAR數据和2015～2018年的47景Sentinel-1数据，获取了滑坡长时间的形变趋势。Liu等［15］通过PS-InSAR分析了活动滑坡的变形，并评估了滑坡治理工程的有效性。朱同同等［16］利用时序InSAR评估了树坪滑坡多年的稳定性。王尚晓和Zhou等［17-18］分别利用ALOS-2和Sentinel-1数据对木鱼包滑坡形变特征进行了分析，确定了库水位和降雨的影响。小基线集干涉测量（Small Baseline Subsets Interferometric Synthetic Aperture Radar，SBAS-InSAR）技术大大克服了由于时空基线过长而导致的失相干现象，同时减缓了大气效应以及地形对差分的影响，提高了InSAR的监测精度［19］。许强和Wu等用SBAS-InSAR技术分析了延安新区的沉降变形机理及演化趋势［20-21］。Guo等［22］对Sentinel-1A的SBAS衍生结果进行解释和分析，得到地下水开采和周边沉降漏斗地质构造是主要的影响因素。大量的研究证明了SBAS-InSAR在具有多建筑物的城市形变监测中的适宜性和可靠性［23-24］，但是很少有研究利用SBAS-InSAR开展大型城市滑坡变形分析，因其主要有两方面的不足：① 缺乏对大型滑坡变形强度进行空间分区；
② 缺乏利用时序InSAR技术对大型滑坡不同位置的主控因素进行分析。
因为滑坡体上的建筑物能够作为潜在的高相干目标，因而InSAR能获取大型滑坡的变形特征，尤其是城市区域缓慢移动的滑坡［25-26］。为了研究大型滑坡的时空变形分区，本文利用SBAS-InSAR技术对师专-群沱子滑坡2021年1～12月期间共29景Sentinel-1A数据进行分析，获取滑坡及周围区域变形速率，识别强变形区。通过对滑坡不同位置的时序形变分析，探究滑坡的变形特征，并对影响因素进行分析。
1 研究区域
1.1 滑坡概况
师专-群沱子滑坡（107°24′E，29°42′N）位于重庆市涪陵区乌江东岸师专至群沱子正街一带（见图1），前缘剪出口高程137 m，后缘高程307 m，宽100～320 m，纵长约1 300 m，面积26.65万m2。根据滑体内已有井孔资料，滑体厚度一般在6.10～34.72 m，平均厚度约14.40 m，滑体方量约384万m3，属于松脱式、中层大型松散堆积层滑坡。坡体物质由粉质黏土夹碎块石组成，其成因包括崩坡积和人工填土两种，岩性为紫红色黏土夹岩屑砂岩、石英砂岩块碎石，块碎石含量一般为20%左右。滑带土位于基岩顶面以上0.3～1.0 m处，为灰白色、紫红色黏土夹碎石，在渗水浸泡后，表层脱落，土体结构松散，土体受挤压后，沿基岩顶面有厚0.2～2 cm乳白色滑动泥，有明显镜面和擦痕；
块石界面间也有明显滑动泥，泥厚0.1～0.8 cm。滑床主要为侏罗系下统珍珠冲组（J1z）地层，岩性以泥岩为主，夹少量粉砂岩和砂岩。
1.2 变形特征
师专-群沱子滑坡最早从1996年开始发生变形，表现为师专运动场至游泳池西侧地面强烈挤压变形，游泳池年年漏水，运动场后侧高约4.0 m浆砌条石挡土墙被挤压前移约1.0 m。6月暴雨造成该挡土墙破坏，师专附中操场水泥地面因挤压凸起，教学楼轻微变形。在滑坡前缘，涪陵建陶厂生产车间为挖孔灌注桩框架结构，已被拉裂损伤；
群沱子正街公路拉裂，缝宽约0.2 m，地面下沉0.05～0.10 m；
农贸市场北侧地面座滑下沉2～3 m；
1998年大洪水后，群沱子街部分房屋垮塌。
2002年9月30日至2003年12月25日，师专-群沱子滑坡开始第一次治理工程［27］，共施工抗滑桩58根，自下而上共分3排（见图1）。第一排位于群沱子街邻河侧，抗滑桩17根，顺河向分布长度96 m，柱间距6 m，A型桩断面尺寸2.8 m×3.0 m（长×宽，下同），桩顶高程157.2～159.0 m，单桩长度27.85～33.9 m，进入基岩段长度10.3～13.0 m。第二、三排位于群沱子街靠师专侧，两排紧邻，排距8 m，桩间距6 m，共施工抗滑桩41根，顺河向分布长度分别为108，138 m，桩断面尺寸：B型桩为3.0 m×3.5 m，C型桩为3.0 m×4.0 m，D型桩为2.5 m×3.0 m，E型桩为3.5 m×4.0 m，桩顶高程174.54～179.50 m，单桩长度24.7～41.2 m，进入基岩段长度10.4～16.5 m。然而，整个滑坡未进行彻底治理，自三峡库区蓄水后，变形被重新激活。
2017年修建万达广场对滑坡前缘进行整平，形成多个高切坡段（图1（b）中A～G），出现紧邻的群安路路面开裂、坡顶人行道石质栏杆局部脱榫、坡顶房屋拉裂等现象。滑坡的变形主要分为3个区域。
（1） 未治理区域。该区域主要位于滑坡中部及滑坡后缘，靠近滑坡下游边界长约30 m的混凝土护坡面板严重挤压凸起，高出地面约0.3 m；
靠近上游端长约25 m的混凝土护坡面板有宽3～8 mm的拉裂缝。滑坡中-后缘区域出现了路面开裂、人行道石质栏杆局部脱榫、房屋拉裂等现象。
（2） 已治理区域桩前。已治理区域出现局部细小拉裂缝，宽2～3 mm，长约15 m；
局部混凝土护坡面板严重挤压凸起，高出平台约0.1～0.3 m，变形明显；
局部混凝土护坡面板见宽3～10 cm的拉裂缝，最宽达25 cm，局部伴有挤压凸起现象，高出平台约0.1～0.2 m；
局部混凝土护坡面板有一条宽2～3 cm的拉裂缝，长约15 m，并伴有沉降，约5～15 cm。
（3） 已治理区域桩后。主要表现为局部混凝土护坡面板有一条宽2～3 mm的拉裂缝，长约12 m，变形轻微；
局部房屋墙体出现3处细微拉裂缝，长度约2.5 m。在多年库水位变动作用下，房屋墙体又出现新的拉裂变形；
师专附中水池地面有3条细微裂缝，宽1～3 mm，长5～8 m，东侧堡坎也存在轻微拉裂变形。
2 数据和方法
2.1 数据源
传统的地面变形监测以水准测量、GPS测量等为主，其耗时长、成本高，不利于开展大型滑坡的长期监测［28］。近年来，Sentinel-1数据开源获取和解譯算法的优化使得InSAR技术被广泛使用［29-30］。本文选择研究区的Sentinel-1A数据对师专-群沱子滑坡的时序变形进行监测，并研究其主要影响因素。Sentinel-1A于2014年4月3日升空，同一地点的拍摄周期为12 d。由于师专-群沱子滑坡长期经历人类工程活动的影响（库水位变动和地表开挖），局部应力重分布，变形区域呈现空间差异。因此，本文共选取29景升轨Sentinel-1A数据，基本参数如表1所列。
2.2 SBAS-InSAR方法
SBAS-InSAR是由Berardino等［31］提出的一种时间序列InSAR分析方法，特点是稳定性好、准确度高。如图2所示，其计算原理是通过对获取到的N幅SAR数据进行组合，并任意选择一幅影像作为主影像进行配置。根据干涉组合条件，在短基线距的条件下形成M幅干涉条纹图，且M满足：
对于任意干涉图α，假设在时间tA和tB（tB>tA）为α（α＝1，2，…，M）干涉图对应的SAR影像获取时间，δφx，α为某一像素点x处的干涉相位，φx，α（tA）和φx，α（tB）分别是像素点在tA和tB时刻对应于t0时刻的相位，δφdefx，α为tA和tB时刻之间视线向的形变相位，δφtopox，α为地形相位误差，δφatmx，α为大气相位误差，δφnoisex，α为噪声引起的相位误差。在去除平地及地形相位影响后，第x个像素的干涉相位可表示为
式中：λ为雷达波长；
dx，αtB和dx，α（tA）分别为tA和tB时刻相对于初始时刻的视线向方向的累积形变量；
R为斜距；
B⊥为垂直基线；
Δh为DEM高程差；
θ为入射角。然后基于形变速率的最小范数准则，通过矩阵的奇异值分解方法解算参数，即可获取相干目标的平均形变速率或位移时间序列（dLOS）［32］。SBAS-InSAR是一种一维测量技术，获取的位移时间序列为卫星的视线方向［33］。利用卫星的入射角将视线向位移转化为垂直向位移，以获取研究区垂直位移（dv）的数据［34］：
获取的垂直位移数据以特定位置的离散点采样为特征，因此需要对离散点进行表面插值，以获得整个区域监测期间发生的地表位移。本文采用反距离加权（Inverse Distance Weighted，IDW）插值方法从解译点位置创建连续位移面。IDW是一种基于地理学原理的确定性空间插值方法，主要思想为相互靠近的元素比相距较远的元素更相似［35］。利用这一原理，IDW通过使用最近的测量值，并假设每个测量点具有随距离减小的局部影响，进而预测任何未测量位置的值。IDW方法生成插值面时，假设离散值主要受附近点的影响，较少受远点影响。对于解译点，插值面是现有散射点的加权平均值，分配给每个散射点的权重随着插值点到散射点的距离增加而减小。
为了消除干涉图中的地形影响，使用NASA（美国国家航空航天局）提供的30 m分辨率航天飞机雷达地形任务（SRTM）数字高程模型，以及欧洲航天局（ESA）提供的精确轨道。DEM的分辨率足以从干涉图网络中正确去除地形分量，并计算剩余地形误差。
3 计算结果
3.1 空间变形分析
利用SBAS-InSAR对2021年1～12月期间共29景Sentinel-1A数据进行整体处理，得到了师专-群沱子滑坡的年平均地表形变速率解译点（见图3（a））。通过IDW插值获取整个滑坡区域的形变分布（见图3（b）），得到滑坡的形变速率在77.92 ～ -89.51 mm/a之间。利用公式（6）将视线向位移转化为垂直向位移，得到结果如图4所示。当目标点dv计算为正值时则剔除，因为该点向上运动。尽管滑坡底部可能发生垂直正位移，但滑坡垂直位移矢量应保持向下运动。滑坡的垂直形变速率最大值为-110.64 mm/a，变形主要集中在滑坡前缘和中部。为验证解译结果精度，将布设在滑坡上的站点获取的沉降变形与邻近的SBAS-InSAR观测值进行对比（见图5）。如图5所示，GL 04和GL 07为冠梁顶部位移监测数据，2021年两个冠梁的垂直沉降约为12 mm，邻近解译点为14～16 mm沉降，变形趋势类似。C 5-1为房屋外侧沉降监测数据，年累积位移为77.8 mm，邻近解译点为66.5 mm，都表现出了较大的沉降量。WABC-4为ABC边坡顶部位移监测数据，年累积位移为59.4 mm，与解译位移62.91 mm 类似。从SBAS-InSAR获取的形变时序效果看，形变反演的精度存在改善空间。因为部分差分干涉图相位解缠存在错误，导致时序形变精度局部出现跳动，现场监测点与SBAS-InSAR点在时间和空间上不完全重合。总体来看，SBAS-InSAR与现场监测结果吻合较好，验证了解译结果的可靠性。
为分析滑坡在各个高程处的形变规律，选择6个剖面（见图6）进行高程-位移分析。如图6所示，由剖面1-1′和2-2′可知滑坡的主滑剖面沉降主要发生在高程200～235 m、280～300 m处，最大值约为75 mm，主要原因是滑坡支挡结构缓解了前缘变形，但是滑坡并未采取整体治理，在地下水的持续作用下，导致坡体中部出现裂隙，然后一直延续到滑坡顶部，沿应力集中带产生的裂隙持续向深部及两侧发展。滑带土为灰白色、紫红色黏土夹碎石，易被地下水软化，力学强度降低，从而产生蠕滑变形。斜坡上部岩土体逐渐松驰，坡体变形进入累进性破坏过程。地下水径流活动不断加剧，优势裂隙面不断扩展，地表变形趋于明显。由岩土体自重产生的下滑推力使得剪应力高度集中，迅速向前緣已破坏的滑动面发展。最终后缘拉裂面与前缘剪裂面贯通，符合牵引式滑坡的运动特征。由3-3′和4-4′剖面可知175～185 m高程处变形较为严重，这是由于受库区水位涨落的作用，滑坡前缘的土体不断被冲刷和掏空，形成临空面。由5-5′和6-6′剖面可知，2017年的场地整平工程导致滑坡北部前缘边界变形加剧。AB段形成的岩质边坡高度约6.2～17.4 m。边坡岩体为泥岩夹砂岩薄层，中等风化岩体为Ⅲ类岩，岩体等效内摩擦角φ为55°，破裂角取外倾结构面倾角和45°＋φ/2二者的相对较小值，即60.55°。强风化岩体为Ⅳ类，岩体等效内摩擦角50°，破裂角46°。边坡倾向207°，裂隙与边坡的组合关系见图7和表2。据图7的赤平投影分析：该边坡为反向坡，边坡倾向与J1裂隙基本一致，为外倾结构面；
裂隙1和3与边坡倾向大角度相交，故边坡稳定性受J1裂隙外倾结构面影响，在直立切坡后沿J1裂隙滑动破坏。因此人类工程活动在滑坡北侧形成了新的变形区。
为了对滑坡变形进行分区，引入Barra［36］提出的活动变形区（Active Deformation Area，ADA）的概念。ADA由高于选定变形阈值的空间聚集运动点组成，且当变形区域直接与一个或多个建筑物/道路区域重叠时才使用。将InSAR解译点强度划分为4个等级：① 可忽略变形区，年平均变形速率小于16 mm/a；
② 低强度变形区，年平均变形速率为16 ～32 mm/a；
③ 中强度变形区，年平均变形速率为32～48 mm/a；
④ 高强度变形区，年平均变形速率大于48 mm/a。当一个区域出现多个强度时取最大等级。最终划分的变形区如图8所示，变形区广泛分布于整个滑坡，主要集中在未布设治理工程区域。变形分区主要以高强度变形区为主，说明滑坡处于持续蠕变阶段。针对不同的变形区提出相应的减灾措施：① 对于高强度变形区，布设防治工程，开展道路地表裂缝监测、建筑物沉降、裂缝监测和边坡稳定性验算；
② 对于中强度变形区，加强监测，判断变形是否有扩张趋势；
③ 对于低强度变形区，定期开展巡查，如发现裂缝、道路变形等情况及时上报。
3.2 时间序列分析
师专-群沱子滑坡的变形影响因素分为内因和外因。内因为受滑体物质成分影响，主要为块碎石土、粉土、黏土夹碎块石，其结构松散-中密，渗透性好。外因则包括受降雨和库水位变动的影响。区内降雨丰富，暴雨多集中在5～9月，连续降雨持续长，这种连续、集中降雨过程，为滑坡发生的主要触发因素之一。强降雨的作用使滑体的土体重量增加，滑动面（带）抗剪强度降低，土体在自重的作用下向中前部滑动，导致滑体变形破坏。三峡水库蓄水后，水库运行水位在175～145 m（吴淞高程）之间周期性变动，其高水位出现在12月至次年3月，滑体、土体浸泡时间约3～4个月，滑体将完全饱水，岩（土）体的物理力学指标会大大降低。然后，在库水位回落形成的动水压力作用下，滑坡稳定性进一步降低，为师专滑坡再次发生变形的最主要因素。
为分析大型滑坡不同空间区域的时间序列位移影响因素，选取滑坡前-中-后缘共9个解译点进行时间序列分析。气象和库水位数据分别从中国气象数据网和中国长江三峡集团有限公司网站获取。如图9所示，库水位在2021年主要呈现3个变化阶段：① 下降阶段（1月至6月中旬，约175～145 m）；
② 稳定的低水位（6月中旬至8月，约145 m）；
③ 缓慢上升阶段（8～9月，约145～175 m）；
④ 稳定的高水位（9～12月，约175 m）。大量的监测研究得出库岸滑坡位移加速增长是由库水位下降诱发的［37-39］。根据滑坡前缘解译点（F1～F3）可以得出前缘变形主要受库水位下降影响，在上半年发生较大位移，其中F1整年处于持续蠕变阶段，F2和F3在下半年解译位移呈现波动，但并未出现大的增幅。由滑坡中部（M1～M3）解译点可知，位移序列在整年都处于持续增加的趋势，但在持续降雨时期会出现波动，说明在高程200～230 m范围内，库水位和降雨都会对滑坡变形造成影响。由后缘（E1～E3）解译点可知主控因素为降雨。在一段时间持续降雨后，位移序列会出现短暂的增长，尤其在8月8日出现了168.6 mm大型降雨事件后，位移序列都呈现较大的增幅。这主要是由于降雨对地下水的影响存在滞后性，且受地貌的影响，滑坡后缘处（高程大于250 m）的地下水位基本上不随库水位变动。水位除了受地表水、持续降雨等影响明显，同时也受短期的人类工程活动影响。因此，时序InSAR分析的方法不仅可以分析滑坡的形变空间分布，也可以对滑坡进行时序常规监测。
4 结 论
本文利用SBAS-InSAR技术对Sentinel-1A数据进行解译，实现了对2021年师专-群沱子滑坡的变形监测，然后对滑坡的变形规律及影响因素进行了分析，主要结论如下。
（1） 2021年师专-群沱子滑坡处于缓慢变形阶段，治理工程在一定范围内减缓了滑坡变形速率，但滑坡并未得到整体治理，三峡库区水位蓄水后被重新激活。解译垂直形变速率最大值为-110.64 mm/a，将解译点位与现场监测数据对比，验证了解译的精度。师专-群沱子滑坡的变形受人类工程活动、库水位及岩土体性质影响，在空间上具有明显的分区特性。滑坡前缘变形最强，中部未治理区域次之，后缘最弱。受场地整平工程的影响，滑坡北部边界出现新的变形区域，变形速率为38.21～44.32 mm/a。
（2） 利用ADA原理对滑坡变形强度进行分区，结果表明：变形区主要集中在未布设治理工程区域，以高强度变形区为主，说明滑坡处于持续蠕变阶段。针对不同的变形区提出了相应的减灾措施，可为滑坡风险管控提供参考。
（3） 对位移时间序列进行分析，得到大型滑坡不同区域的主控因素存在差异。滑坡前缘变形主要受库水位波动影响；
滑坡中部受库水位与降雨联合作用；
滑坡后缘主要受长历时降雨控制。因此，时序InSAR分析的方法不仅可以分析滑坡的形变空间分布，也可以对滑坡进行时序常规监测。
从解译结果可知，时序InSAR技术适合开展大型滑坡的监测及状态更新。未来可以对海量的SAR数据进行分析，获取滑坡每年的变形趋势，合理分配资源，对滑坡开展减灾措施。
参考文献：
［1］XIAO L，WANG J，WARD S N，et al.Numerical modeling of the June 24，2015，Hongyanzi landslide generated impulse waves in Three Gorges Reservoir，China［J］.Landslides，2018，15（12）：2385-2398.
［2］YIN Y，HUANG B，WANG W，et al.Reservoir-induced landslides and risk control in Three Gorges Project on Yangtze River，China［J］.Journal of Rock Mechanics and Geotechnical Engineering，2016，8（5）：577-595.
［3］ZENG T R，JIANG H W，LIU Q L，et al.Landslide displacement prediction based on variational mode decomposition and MIC-GWO-LSTM model［J］.Stochastic Environmental Research and Risk Assessment，2022，36：1353-1372.
［4］郭延辉，杨溢，杨志全，等.国产GB-InSAR在特大型水库滑坡变形监测中的应用［J］.中国地质灾害与防治学报，2021，32（2）：66-72.
［5］赵永红，王航，张琼，等.滑坡位移监测方法综述［J］.地球物理学进展，2018，33（6）：2606-2612.
［6］李媛茜，张毅，苏晓军，等.白龙江流域潜在滑坡InSAR识别与发育特征研究［J］.遥感学报，2021，25（2）：677-690.
［7］朱赛楠，殷跃平，王猛，等.金沙江结合带高位远程滑坡失稳机理及减灾对策研究：以金沙江色拉滑坡为例［J］.岩土工程学报，2021，43（4）：688-697.
［8］代聪，李为乐，陆会燕，等.甘肃省舟曲县城周边活动滑坡InSAR探测［J］.武汉大学学报（信息科学版），2021，46（7）：994-1002.
［9］朱子林，任超，周吕，等.基于小基线集干涉测量的天津地区地表沉降时空分析［J］.科学技术与工程，2020，20（18）：7152-7158.
［10］XIA Y，KAUFMANN H，GUO X F.Landslide monitoring in the Three Gorges area using D-INSAR and corner reflectors［J］.Photogrammetric Engineering & Remote Sensing，2004，70（10）：1167-1172.
［11］PERISSIN D，WANG T.Time-series InSAR applications over urban areas in China［J］.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2011，4（1）：92-100.
［12］SHI X，ZHANG L，LIAO M，et al.Deformation monitoring of slow-moving landslide with L- and C-band SAR interferometry［J］.Remote Sensing Letters，2014，5（11）：951-960.
［13］范景輝，邱阔天，夏耶，等.三峡库区范家坪滑坡地表形变InSAR监测与综合分析［J］.地质通报，2017，36（9）：1665-1673.
［14］史绪国，徐金虎，蒋厚军，等.时序InSAR技术三峡库区藕塘滑坡稳定性监测与状态更新［J］.地球科学，2019，44（12）：4284-4292.
［15］LIU S，SEGONI S，RASPINI F，et al.Satellite InSAR as a new tool for the verification of landslide engineering remedial works at the regional scale：A case study in the Three Gorges Resevoir area，China［J］.Applied Sciences，2020，10（18）：6435-6450.
［16］朱同同，史绪国，周超，等.利用2016～2020年 Sentinel-1数据的三峡库区树坪滑坡稳定性监测与分析［J］.武汉大学学报（信息科学版），2021，46（10）：1560-1568.
［17］王尚晓，李士垚，牛瑞卿.木鱼包滑坡形变特征的InSAR监测分析［J］.长江科学院院报，2022，39（4）：77-84.
［18］ZHOU C，CAO Y，YIN K，et al.Landslide characterization applying Sentinel-1 images and InSAR technique：The Muyubao Landslide in the Three Gorges Reservoir area，China［J］.Remote Sensing，2020，12（20）：3385-3395.
［19］HU B，CHEN J，ZHANG X.Monitoring the land subsidence area in a coastal urban area with InSAR and GNSS［J］.Sensors，2019，19（14）：3181-3195.
［20］许强，蒲川豪，赵宽耀，等.延安新区地面沉降时空演化特征时序InSAR监测与分析［J］.武汉大学学报（信息科学版），2021，46（7）：957-969.
［21］WU Q，JIA C，CHEN S，et al.SBAS-InSAR based deformation detection of urban land，created from mega-scale mountain excavating and valley filling in the Loess Plateau：The case study of Yan′an City［J］.Remote Sensing，2019，11（14）：1673-1683.
［22］GUO J，HU J，LI B，et al.Land subsidence in Tianjin for 2015 to 2016 revealed by the analysis of Sentinel-1A with SBAS-InSAR［J］.Journal of Applied Remote Sensing，2017，11（2）：1-14.
［23］周志伟，程翔，周伟，等.基于时序InSAR的水电站库岸滑坡形变监测分析［J］.人民长江，2022，53（8）：112-116.
［24］郑文潘，张双成，王余沛，等.SBAS-InSAR解译福州市地表沉降时空变化研究［J］.测绘科学，2021，47（3）：1-10.
［25］CIAMPALINI A，BARDI F，BIANCHINI S，et al.Analysis of building deformation in landslide area using multisensor PSInSARTM technique［J］.International Journal of Applied Earth Observation and Geoinformation，2014，33：166-180.
［26］INFANTE D，CONFUORTO P，Di MARTIRE D，et al.Use of DInSAR data for multi-level vulnerability assessment of urban settings affected by slow-moving and intermittent landslides［J］.Procedia engineering，2016，158：470-475.
［27］苗勝坤.三峡库区师专-群沱子滑坡防治设计与施工［J］.人民长江，2010，41（24）：55-57.
［28］INTRIERI E，CARLA T，GIGLI G.Forecasting the time of failure of landslides at slope-scale：A literature review［J］.Earth-Science Reviews，2019，193：333-349.
［29］李闯，李兵，王宁.基于多源遥感技术的水库特征参数反演研究［J］.人民长江，2021，52（11）：92-99.
［30］赵蓓蓓，黄海峰，邓永煌，等.基于Sentinel-1A的三峡库区范家坪滑坡InSAR监测分析［J］.人民长江，2022，53（10）：103-107.
［31］BERARDINO P，FORNARO G，LANARI R，et al.A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms［J］.IEEE Transactions on Geoscience and Remote Sensing，2002，40（11）：2375-2383.
［32］周超.集成时间序列InSAR技术的滑坡早期识别与预测研究［D］.武汉：中国地质大学（武汉），2018.
［33］CASCINI L，FORNARO G，PEDUTO D.Advanced low- and full-resolution DInSAR map generation for slow-moving landslide analysis at different scales［J］.Engineering Geology，2010，112（1-4）：29-42.
［34］BIANCHINI S，PRATESI F，NOLESINI T，et al.Building deformation assessment by means of persistent scatterer interferometry analysis on a landslide-affected area：The Volterra（Italy）Case Study［J］.Remote Sensing，2015，7（4）：4678-4701.
［35］SHEPARD D.A two-dimensional interpolation for irregularly-spaced data［Z］.New York，1968：27-29.
［36］BARRA A，SOLARI L，BJAR-PIZARRO M，et al.A methodology to detect and update active deformation areas based on sentinel-1 SAR Images［J］.Remote Sensing，2017，9（10）：1-15.
［37］杨背背，殷坤龙，杜娟.基于时间序列与长短时记忆网络的滑坡位移动态预测模型［J］.岩石力学与工程学报，2018，37（10）：2334-2343.
［38］李麟玮，吴益平，苗发盛，等.考虑变形状态动态切换的阶跃型滑坡位移区间预测方法［J］.岩石力学与工程学报，2019，38（11）：2272-2287.
［39］ZENG T，YIN K，JIANG H，et al.Groundwater level prediction based on a combined intelligence method for the Sifangbei landslide in the Three Gorges Reservoir Area［J］.Scientific Reports，2022，12（1）：11108.
（编辑：高小雲）
Research on deformation zoning and time-series monitoring of large-scale landslide based on SBAS-InSAR
LI Sha1，ZHANG Lizhou1，2，ZHOU Chengtao1，LIU Yang1，CHEN Rui3
（1.Chongqing Survey Institute，Chongqing 401121，China；
2.College of River and Ocean Engineering，Chongqing Jiaotong University，Chongqing 400074，China；
3.Chongqing Municipal Research Institute of Design，Chongqing 400020，China）
Abstract：
To analyze the deformation zoning of large-scale landslides in the Three Gorges Reservoir area，based on the Sentinel-1A data of 29 scenes from January to December of 2021 and used the Small Baseline Subsets Interferometric Synthetic Aperture Radar （SBAS-InSAR） technology，the deformation zoning and time-series monitoring of the Shizhuan-Quntuozi landslide were studied.The interpretation results revealed that compared with GPS monitoring data，the accuracy of SBAS-InSAR results was verified.The creep behavior showed noticeable temporal-spatial differences：the deformation area was mainly concentrated in the area without treatment engineering，and a new deformation area appeared on the northern boundary of the landslide due to ground levelling.There were differences in the main control factors of landslides in different regions，such as the factors in the front area were the fluctuation of the reservoir water level，and the middle area of the landslide was affected by the reservoir water level and heavy rainfall.The results reveal that the SBAS-InSAR technology can monitor large-scale landslides in time series and provide reference for disaster prevention and reduction.
Key words：
large-scale landslide；
deformation monitoring；
SBAS-InSAR；
；
Sentinel-1；
time-series；
Three Gorges Reservoir area
收稿日期：2022-04-14
基金項目：国家自然科学基金青年项目（51808083）；
重庆市自然科学基金项目（cstc2021jcyj-msxm3174）
作者简介：李 沙，男，高级工程师，研究方向为岩土工程勘察与设计。E-mail：lishacqkc@163.com
通信作者：张立舟，男，高级工程师，博士研究生，研究方向为岩土工程勘察与设计、岩石力学研究。E-mail：28745035@qq.com
猜你喜欢师专滑坡水位滑坡推力隐式解与显式解对比分析——以河北某膨胀土滑坡为例河北地质(2021年1期)2021-07-21捐资一亿，十年赋能3000名西藏一线教职人员">拉萨师专?马云教育基金启动 ：扩展阅读文章
推荐阅读文章
恒微文秘网 https://www.sc-bjx.com Copyright © 2015-2024 . 恒微文秘网 版权所有
Powered by 恒微文秘网 © All Rights Reserved. 备案号：蜀ICP备15013507号-1