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(qiáng)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(jì)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(jī)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(dá)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(dá)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(qiáng)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(qiáng)，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(dá)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(jìn)完善，其主要利用多期影像對地表形變進(jìn)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(jìn)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(jìn)行相位解纏，利用地面控制點進(jìn)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(dá)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(jìn)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(jìn)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(jī)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(jìn)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(jìn)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(jìn)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(jìn)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(yuǎn)離形變區(qū)、相對穩(wěn)定的點作為地面控制點(ground control point，GCP)。考慮本次監(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(jìn)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(jìn)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(dá)可視性分析

由于SAR采用側(cè)視成像方式，即雷達(dá)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(jìn)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(dá)影像成像規(guī)律和地表特征對研究區(qū)的可視性進(jìn)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(jìn)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(jìn)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(dá)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(fù)值代表地表目標(biāo)位移沿遠(yuǎn)離衛(wèi)星視線方向，藍(lán)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(dá)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(fù)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(rèn)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(fù)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(jìn)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(jī)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(dá)-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(dá)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(qiáng)監(jiān)測。P10與P11分別位于小金縣城上游的新橋鄉(xiāng)團(tuán)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(dá)-19.15 mm/a和-18.92 mm/a，威脅對象主要為團(tuán)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(qiáng)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(qiáng)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(qiáng)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(dá)視線方向上分別達(dá)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(jìn)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(kuò)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(dá)-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(dá)-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(dá)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(dá)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(qiáng)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(jī)機(jī)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(qiáng)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(dá)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]。可綜合采用降軌、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(dá)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(qiáng)，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(dá)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(dá)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_(dá)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(dá)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(dá)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(jìn)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(fù)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(jìn)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(jìn)的方向。