張璇鈺 劉桂衛(wèi) 孫琪皓 王 飛 王東旭
(中國鐵路設(shè)計集團有限公司,天津 300308)
泥石流災(zāi)害多發(fā)生于地形險峻的山地區(qū)域,并具有流速快、流量大以及破壞力強等特點,嚴重威脅我國山區(qū)鐵路的行車安全。1981年成昆線利子依達溝特大型泥石流就曾沖垮橋梁結(jié)構(gòu),造成巨大人員傷亡[1]。然而,既有的現(xiàn)場調(diào)查、蹲守、群測群防等措施難以全面及時獲取災(zāi)害體發(fā)育情況,且預(yù)警時效性較差,無法為鐵路安全運營提供強有力的支撐。亟須利用新的技術(shù)手段對鐵路沿線泥石流災(zāi)害開展監(jiān)測研究,保障鐵路行車安全。
近年來興起的“航天-航空”綜合遙感技術(shù),在復(fù)雜艱險山區(qū)鐵路勘察設(shè)計中發(fā)揮了重要作用[2]。其中,航天合成孔徑雷達干涉(InSAR)技術(shù)可穿透云霧,獲取廣域地表形變信息,并已在地震火山形變提取、城市沉降監(jiān)測等領(lǐng)域取得了良好的效果[3-7]。在此基礎(chǔ)上,學(xué)者們將InSAR技術(shù)應(yīng)用于鐵路工程災(zāi)害監(jiān)測中。邊坡監(jiān)測方面,甘俊提出一種融合星載、地基合成孔徑雷達的鐵路施工區(qū)滑移形變監(jiān)測方法,通過星載雷達探測形變區(qū),利用地基雷達進行實時監(jiān)測[8];泥石流勘察方面,陳庭軒等提出一種聯(lián)合雷達相位信息和后向散射信息的災(zāi)害解譯方法,取得兼具高精度和高可靠性的成果[9];李晶等采用短基線干涉測量(SBAS-InSAR)技術(shù),對覆蓋整個黃土高原的1994景Sentinel-1A數(shù)據(jù)進行處理,識別出黃土高原3240處地質(zhì)災(zāi)害隱患點[10]。雖然利用InSAR技術(shù)可揭示災(zāi)害形變規(guī)律,但由于缺少目標(biāo)的紋理和色彩,其結(jié)果的直觀性相對較差,仍需聯(lián)合其他技術(shù)手段進行深入研究。
低空無人機遙感技術(shù)可獲得高分辨率的光學(xué)遙感影像,廣域災(zāi)害調(diào)查方面,劉桂衛(wèi)等基于自主研發(fā)的三維遙感判釋系統(tǒng)實現(xiàn)真實場景的室內(nèi)重建,利用多源遙感數(shù)據(jù)開展鐵路沿線災(zāi)害解譯,并成功應(yīng)用于鐵路勘察設(shè)計和既有線路的防災(zāi)減災(zāi)[11-12]。精細化災(zāi)害篩查方面,王棟等以高寒高海拔地區(qū)鐵路工程為研究對象,對無人機在地質(zhì)勘察中的應(yīng)用進行探索,通過高分影像和激光點云的融合分析,獲取災(zāi)害位置、空間產(chǎn)狀等地質(zhì)要素,解決高位、高植被覆蓋地區(qū)勘察低效的問題[13-17]。單一的無人機低空遙感技術(shù)缺少監(jiān)測目標(biāo)的形變信息,而上述兩種技術(shù)的綜合有望為山區(qū)泥石流災(zāi)害的勘察提供一套更為完整可行的技術(shù)方案。
綜上,為解決傳統(tǒng)泥石流調(diào)查低效、全面性較差的問題,以湖南西北部某山區(qū)鐵路上游泥石流為研究對象,綜合利用InSAR和無人機低空遙感技術(shù),對該泥石流災(zāi)害進行系統(tǒng)研究分析,獲取區(qū)域災(zāi)害隱患的時空分布情況,并實地驗證綜合遙感成果的可靠性,以期為山區(qū)鐵路沿線泥石流災(zāi)害的監(jiān)測治理提供借鑒。
研究區(qū)位于湖南省西北部,區(qū)域內(nèi)以褶皺構(gòu)造為主,山體高聳,巖性復(fù)雜,砂巖、石灰?guī)r、頁巖交錯分布。研究區(qū)域植被茂密,以常綠闊葉林和低矮灌木為主。區(qū)域降水主要集中在每年的6~9月,同時也是區(qū)域內(nèi)滑坡、崩塌落石等地質(zhì)災(zāi)害頻發(fā)的時段[18]。該鐵路工程穿越湘西武陵山區(qū),橋隧占比超75%,是中南地區(qū)重要的東西向客運通道之一。在茂密植被和強烈的巖溶作用下,崩塌落石等高危隱蔽性災(zāi)害問題突出,對隧道進出口和橋梁設(shè)施構(gòu)成嚴重威脅。傳統(tǒng)人工調(diào)查手段難度大、風(fēng)險高,已無法滿足安全運營的迫切需求。
研究區(qū)泥石流災(zāi)害匯水面積約為1.18 km2(見圖1),區(qū)內(nèi)最低點位于溝口道路,高程約281 m,最高點位于坡頂,高程約699 m,相對高差約418 m,坡度大于30°的面積占50%以上,共發(fā)育有4條支溝。該泥石流主溝溝谷狹窄,兩側(cè)山體節(jié)理、裂隙較發(fā)育,巖體風(fēng)化嚴重,溝內(nèi)可見大量塊石堆積,植被茂密。鐵路以橋梁方式橫跨主溝流通區(qū),中橋長約60 m,主橋墩高約15 m,橋下河道寬度約為20 m,南北兩側(cè)分別為某隧道進出口。2020年6月,受強降雨影響,該流域暴發(fā)泥石流。故對鐵路橋基的穩(wěn)定性和行車安全構(gòu)成潛在威脅,亟須進一步的監(jiān)測和治理。
圖1 鐵路工程穿越湘西武陵山區(qū)三維地形示意Fig.1 Three-dimensional terrain diagram of railway engineering crossing the Wuling Mountain in western Hunan
為了解決人工勘察存在的效率低、盲區(qū)多、風(fēng)險大等問題,綜合利用InSAR監(jiān)測和無人機航空攝影兩種技術(shù)對沿線某泥石流溝谷開展遙感監(jiān)測研究。首先,選取研究區(qū)域歐空局Sentinel-1A合成孔徑雷達(SAR)影像,開展影像配準(zhǔn)、重采樣、干涉、相位解纏,以及時序形變解算處理,并依據(jù)獲取形變識別流域內(nèi)的活動災(zāi)害隱患體,定量揭示其運動規(guī)律;其次,獲取研究區(qū)域低空無人機遙感影像,對其進行幾何校正、位置信息解算、同名點匹配、空中三角測量加密、構(gòu)建狄洛尼三角網(wǎng)、建立白模、匹配紋理等處理,最終構(gòu)建高分辨率實景三維模型;最后,綜合研究區(qū)InSAR形變數(shù)據(jù)、實景三維模型識別確定的崩滑隱患體,進行現(xiàn)場踏勘與驗證。綜合遙感技術(shù)路線見圖2。
圖2 綜合遙感技術(shù)路線Fig.2 Integrated remote sensing technology roadmap
(1) InSAR數(shù)據(jù)處理
針對研究區(qū)植被茂密的自然條件,選用C波段的歐空局Sentinel-1A SAR影像,利用短時間基線構(gòu)建密集干涉像對以降低噪聲干擾。監(jiān)測時段為2020年1月1日~2022年1月14日,共涵蓋33景升軌數(shù)據(jù);選用小基線集InSAR(SBAS-InSAR)技術(shù)進行地表形變解算,具體影像對時空基線組合見圖3(a)。研究選用ASTER GDEM V2-30m數(shù)字高程模型(DEM)[19],模擬并去除InSAR干涉對地形相位;利用歐空局提供的精密軌道星歷數(shù)據(jù)去除軌道誤差[20];依據(jù)通用大氣校正在線服務(wù)數(shù)據(jù)(GAGOS)去除InSAR干涉大氣延遲分量[21]。研究選取2020年9月2日的數(shù)據(jù)作為公共主影像,將其余SAR影像與公共主影像進行配準(zhǔn),以120 d、150 m的時空基線閾值進行干涉對組合、生成差分干涉圖;并選出具有高相干性的慢失相關(guān)濾波相位(SDFP)目標(biāo),在此基礎(chǔ)上去除大氣效應(yīng)和地形相位誤差;最后使用奇異值分解法(SVD)獲取形變信息。SBAS-InSAR的數(shù)據(jù)處理流程見圖3(b)。
圖3 InSAR數(shù)據(jù)處理Fig.3 Data processing of InSAR
(2)無人機數(shù)據(jù)采集與處理
為完成泥石流溝內(nèi)災(zāi)害體的詳查工作,根據(jù)研究區(qū)基礎(chǔ)地形數(shù)據(jù)和重點作業(yè)目標(biāo)規(guī)劃仿地飛行航線,通過五鏡頭同步采集正射與傾斜影像,確保各區(qū)域影像尺度的一致性。數(shù)據(jù)采集和處理流程如下。
首先,劃定泥石流災(zāi)害影響范圍作為遙感影像采集區(qū)域;其次,基于工程區(qū)基礎(chǔ)資料,規(guī)劃自適應(yīng)地形起伏的仿地飛行航線,使航向重疊度達到95%,旁向重疊度達到85%,確保重點區(qū)域影像空間分辨率不低于5 cm,高程分辨率不低于10 cm;最后,利用數(shù)據(jù)處理軟件對無人機影像進行幾何校正、位置信息解算、同名點匹配、空中三角測量加密、構(gòu)建狄洛尼三角網(wǎng)、建立白模、匹配紋理等處理(見圖4),獲取研究區(qū)的實景三維模型。利用模型所呈現(xiàn)的色彩、紋理、立體幾何信息,開展泥石流發(fā)育情況的詳查與幾何參數(shù)量測工作。
圖4 無人機數(shù)據(jù)采集與處理流程Fig.4 Data acquisition and processing flow of UAV photogrammetry
為了獲取可靠的InSAR形變信息,綜合考慮研究區(qū)植被郁閉度,并根據(jù)多次不同相關(guān)系數(shù)閾值實驗,發(fā)現(xiàn)在閾值選為0.35時,可在較好濾除低相干目標(biāo)的同時,保留盡可能多的高質(zhì)量InSAR形變觀測。因此,選擇0.35作為相干系數(shù)閾值。設(shè)定監(jiān)測目標(biāo)在2020年1月1日的形變量為0,后續(xù)形變皆為相對量級。監(jiān)測結(jié)果顯示,泥石流溝谷主要存在4處隱患(見圖5(a)),會對鐵路行車安全和當(dāng)?shù)鼐用駱?gòu)成威脅。總體上,4處隱患的形變曲線隨季節(jié)呈周期性變化,雨季的形變量較大,剩余期間相對平緩(見圖5(b))。各監(jiān)測點的形變特征如下。
圖5 時序InSAR形變監(jiān)測結(jié)果Fig.5 Time-series deformation monitoring results of InSAR
隱患點1位于泥石流堆積區(qū),該危巖體在監(jiān)測周期內(nèi)形變明顯,平均速率為17.7 mm/a,在2020年6月至11月期間累計形變達18 mm,處于明顯的形變加速階段。隱患點2于2020年雨季發(fā)生30 mm的大量級形變,之后進入緩慢形變階段,平均形變速率為18 mm/a。隱患點3位于泥石流主溝上游右后側(cè),該區(qū)域形變量級最為顯著,在此次監(jiān)測周期內(nèi)累計形變量達57 mm,平均形變速率為28.5 mm/a。隱患點4位于泥石流主溝頂部左前側(cè)山體,該斜坡曾發(fā)生滑塌,在2020年及2021年雨季均監(jiān)測到明顯的形變信號,平均形變速率為17.8 mm/a。
基于無人機低空遙感影像構(gòu)建的實景三維模型顯示,泥石流物源區(qū)面積較大,呈漏斗狀,土地覆蓋類型為常綠闊葉林地、草地、農(nóng)田及裸地;流通區(qū)溝道狹窄,兩側(cè)山體坡度較大,植被茂密;堆積區(qū)主要由磨圓度較差的碎石和松散軟土構(gòu)成。經(jīng)判識,流域主要存在4處隱患(危巖體1處、不穩(wěn)定斜坡1處、滑坡體2處)。
危巖體位于泥石流主溝出口南側(cè)邊坡上(見圖6(a))。巖層近似水平,節(jié)理產(chǎn)狀196°∠40°,坡面產(chǎn)狀330°∠80°,方量約775.52 m3,距隧道進口約45 m。巖體側(cè)方發(fā)育較寬的拉張裂隙,有貫通風(fēng)險;底部巖體破碎,基座孤立,存在傾倒式崩塌隱患。
圖6 基于實景三維模型的災(zāi)害隱患詳查結(jié)果Fig.6 Detailed investigation results of realistic 3D model
不穩(wěn)定斜坡位于泥石流主溝頂部(見圖6(d)),高程約630 m,影像中可見一處由四級梯田構(gòu)成的農(nóng)務(wù)區(qū),面積約為2.0×103m2。該區(qū)域利用上游及兩側(cè)山谷匯水開展農(nóng)務(wù),造成溝谷改道。
滑坡體1(見圖6(b))位于村落和主溝間,距離上游道路約80 m。影像中可見一面積約1.95×103m2的平緩地帶(見圖6(c)),表面無高大植被覆蓋?;麦w2(見圖6(e))位于西北-東南向延伸山脊的北東側(cè)斜坡上部,地面坡度大于40°?;聟^(qū)面積約為2.03×104m2,體積為(16.5~18)萬m3。根據(jù)影像特征,將滑坡分為上部滑動形變區(qū)(Ⅰ區(qū))、中部滑動形變與碎屑流堆積區(qū)(Ⅱ區(qū))、下部堆積區(qū)(Ⅲ區(qū))。
由于缺少研究區(qū)同期地面監(jiān)測數(shù)據(jù),故未能對InSAR結(jié)果的絕對精度進行驗證。因此,采用非顯著形變區(qū)統(tǒng)計法和影像解譯分析法對InSAR結(jié)果的內(nèi)符合精度進行評估。首先,針對圖5(a)中非顯著形變區(qū)域,統(tǒng)計其年平均形變速率,該區(qū)域形變速率在-5~5 mm/a之間波動,形變均值為0.49 mm,標(biāo)準(zhǔn)差為2.17 mm(見圖7(a)),表明InSAR監(jiān)測成果有較好的內(nèi)符合精度。其次,沿滑坡體主軸方向,Ⅰ區(qū)形變梯度較大,且形變速率逐漸增加,野外調(diào)查也顯示該區(qū)域滑動面平整且擦痕明顯;Ⅱ區(qū)形變速率整體較高,形變梯度相對變緩,同時光學(xué)影像顯示該區(qū)域存在多條橫向張拉裂隙,物質(zhì)流體化特征顯著;Ⅲ區(qū)形變速率逐漸減小后維持在一定數(shù)值波動,堆積體顏色較深,呈凸起狀,影像特征與形變趨勢相符(見圖7(b))。
圖7 InSAR精度評估與驗證Fig.7 Accuracy evaluation and verification of InSAR
綜上,InSAR技術(shù)實現(xiàn)了研究區(qū)域微小形變的探測,無人機遙感又賦予了監(jiān)測結(jié)果影像色彩和紋理信息,將二者相結(jié)合,完成了地質(zhì)災(zāi)害隱患由宏觀至細部的高精度快速篩查。
為了對監(jiān)測結(jié)果進行復(fù)核,研究團隊于2022年3月、5月分別對研究區(qū)域開展實地踏勘。根據(jù)踏勘情況,按照物源類型對隱患進行分類,并對遙感工作與現(xiàn)場調(diào)查結(jié)果進行匯總與分析。
隱患點1位于流域下游高位邊坡上(見圖8(a)),屬危巖落石型物源。雨季形變量較大,其余監(jiān)測時段相對平緩;坡面地形陡峭,現(xiàn)場調(diào)查難度較高,整體風(fēng)化較為嚴重,危巖兩側(cè)大型裂隙內(nèi)可見水流,植被茂密,與邊坡的連接性較差。
圖8 地質(zhì)災(zāi)害現(xiàn)場驗證Fig.8 Verify in field for geologic hazards
隱患點2位于流域中游(見圖8(b)),屬滑坡型物源。該處在2020年雨季出現(xiàn)大量級形變后即進入平緩期,未見明顯的周期性變化規(guī)律;無人機和現(xiàn)場調(diào)查顯示,該隱患朝向主溝,呈圈椅狀,后緣有拉裂形變跡象,表面發(fā)育有低矮灌木、草地,與周圍的林地差異顯著。
隱患點3位于流域上游(見圖8(c)),屬于坡面侵蝕型物源。形變監(jiān)測顯示,該處雨季形變梯度較大,明顯高于其余隱患;現(xiàn)場調(diào)查顯示農(nóng)田地處高位,兩側(cè)山體陡峭,植被茂密,邊界土質(zhì)松軟,水土流失嚴重,主溝內(nèi)可見多處小規(guī)模堆積體。
隱患點4位于流域上游(見圖8(d)),屬滑坡型物源。該處形變規(guī)律與季節(jié)關(guān)聯(lián)度較高,在暴雨沖刷搬運下轉(zhuǎn)化為泥石流。物質(zhì)流體化特征明顯,坡面覆蓋層較厚,滑動面未見明顯基巖出露,斜坡中下部多為崩坡積、滑坡堆積物覆蓋,坡面可見上部基巖陡坡滾落的塊石。
野外調(diào)查表明,受地形起伏大和植被茂密的影響,多處災(zāi)害隱患僅靠人力難以企及,單點化的作業(yè)模式無法獲取災(zāi)害全貌,且工作效率較低。綜合遙感技術(shù)有效克服了上述問題,為災(zāi)害篩查提供了多維度視角,實現(xiàn)了危險源的快速精準(zhǔn)化判識。
綜合時序InSAR監(jiān)測、無人機三維模型解譯以及現(xiàn)場復(fù)核結(jié)果,認為該泥石流溝物源豐富,隱患體形變量較大,對下游鐵路橋梁設(shè)施構(gòu)成較大威脅。工程防災(zāi)建議如下:①在流通區(qū)采用多級攔擋、消能措施,來減弱碎屑流對橋梁的沖擊;②堆積區(qū)隧道口邊坡巨型危巖體節(jié)理裂隙大量發(fā)育,表面風(fēng)化強,且存在持續(xù)形變,應(yīng)采用主、被動結(jié)合的多層防護結(jié)構(gòu),防止碎石崩落上線;③對隱患體進行長期監(jiān)測與形變加速預(yù)警。
對遙感技術(shù)在鐵路泥石流勘察中的應(yīng)用進行研究,實現(xiàn)了泥石流溝谷崩、滑隱患體的快速、精準(zhǔn)化篩查,主要結(jié)論如下。
(1)利用SBAS-InSAR技術(shù)獲取流域為期2年的InSAR形變數(shù)據(jù),成功探測發(fā)現(xiàn)多處活動形變隱患點,最大形變速率為28.5 mm/a。其中上游形成區(qū)隱患點數(shù)量較多,主要分布于滑坡體和不穩(wěn)定斜坡;流通區(qū)峽谷切割較深,山坡陡峻,未發(fā)現(xiàn)顯著形變;堆積區(qū)隧道口邊坡危巖體存在大量級持續(xù)性形變,對行車安全構(gòu)成較大威脅。
(2)無人機實景三維模型詳查結(jié)果顯示,流域內(nèi)共存在4處災(zāi)害隱患,分別對應(yīng)滑坡、危巖,以及不穩(wěn)定斜坡,災(zāi)害體的影像學(xué)特征與InSAR形變規(guī)律相符。
(3)基于廣域篩查、流域詳查、單點核查的綜合遙感方案可有效節(jié)約人力成本,提升災(zāi)害篩查工作的效率和精度。未來研究中將聯(lián)合地面監(jiān)測數(shù)據(jù),對InSAR的絕對精度進行驗證與分析,進一步增強結(jié)果的可靠性。