基于SAR/InSAR技术的雅鲁藏布江下游高位地质灾害早期识别

赵超英 刘晓杰高 杨冯晓松

1.长安大学地质工程与测绘学院,陕西 西安 710054;

2.西部矿产资源与地质工程教育部重点实验室,陕西 西安 710054;

3.自然资源部生态地质与灾害防控重点实验室,陕西 西安 710054;

4.中国地质科学院地质力学研究所,北京 100081

雅鲁藏布江是中国最长的高原河流,位于西藏自治区境内,巨大的落差以及充沛的径流量使其成为世界上水利资源最丰富的地区之一(江平等,2022;刘丽红等,2022)。雅鲁藏布江大峡谷位于雅鲁藏布江下游,由于该区域是印度板块和欧亚板块碰撞的前缘地带(李翔,2019),区域内新构造运动活跃,地层挤压褶皱,断裂切割,使得地势起伏大,高山分布众多,河谷深切现象普遍,山顶与河谷高差多大于2000 m,有的相对高差甚至大于3000 m,河流下切强烈,属典型高山深切割区(李金城,2007;祝嵩,2012;辛聪聪,2019)。由于独特的地质构造以及气候变化的影响,区域内崩塌、滑坡、泥石流等地质灾害频发(王军等,2000;袁喆,2014;刘丽红等,2022),例如1950年墨脱地震后引发冰川冰崩,导致雅鲁藏布江下游派镇100余人死亡(张沛全等,2008);2000年4月9日,林芝地区扎木弄沟发生大规模山体滑坡,截断了易贡藏布河,之后堰塞湖溃决形成特大洪水,冲毁了下游道路以及沿岸村庄(殷跃平,2000;刘铮等,2020);2018年10月17日雅鲁藏布江下游色东普沟发生特大型泥石流堵江事件,堰塞坝溃决后又造成洪水灾害,导致堰塞坝周边乡镇受到威胁(刘传正等,2019)。

雅鲁藏布江下游复杂特殊的地质环境导致了其地质灾害问题的复杂性和特殊性(李滨等,2020)。为减少该区域地质灾害给当地环境及居民造成的影响,对区域内高位地质灾害进行早期识别是有必要的。合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar,InSAR)是多门学科交叉发展而来的新型技术(Moreira et al., 2013)。它可以全天候、全天时地实现对地表变形的厘米级至亚厘米级精度观测。由于InSAR技术的覆盖范围广及监测精度高等特点,自从问世以来,就受到了地质灾害研究人员的广泛关注(Shi et al., 2016; Liu et al., 2021; Dun et al., 2021; Zhao et al., 2021; Wang et al., 2022; 朱怡飞等,2022)。但是由于米林-墨脱段地形起伏剧烈,且覆盖有茂密的植被以及冰雪,使得InSAR监测、识别地质灾害的能力降低(Liu et al., 2021)。并且冰川快速移动所引起的失相干现象会导致InSAR结果的漏判(Sivalingam et al., 2022)。因此,文章以雅鲁藏布江下游米林-墨脱段为研究区,联合时序InSAR技术以及SAR偏移量技术来进行高山峡谷区高位地质灾害的识别(Gu et al., 2022)。根据Sentinel-1影像和ALOS/PALSAR-2影像获得的形变速率图,并结合数字高程模型(Digital Elevation Model,DEM)数据获得的坡度图和坡向图以及多时相光学遥感影像,在研究区共探测到260处大小不等的地质灾害形变区。此次研究为高山峡谷区高位灾害的识别和监测提供了技术支持,给研究区内的灾害防治提供了重要参考。

1.1 研究区概况

雅鲁藏布江下游米林-墨脱段(图1)位于西藏自治区东南部(藏东、藏南地区),区域内水系为雅鲁藏布江水系,主要包括帕隆藏布江、易贡藏布江、波都藏布、拉月曲等河流。研究区内分布着广泛冰川、积雪和冻土。主要的地形地貌为藏东高山峡谷区,由于区域内新构造运动活跃,地层挤压褶皱,断裂切割,使得地势起伏大,高山分布众多,河谷深切现象普遍(边紫璇,2021)。但受到青藏高原间歇性抬升和河谷下切的影响,在区域内河谷区存在夷平面和阶地等层状地貌。研究区内人类工程经济活动类型包括农林牧活动、城镇工程建设、交通工程、小型矿山工程、水利工程(水库、堤防、渠道)等,人口密度小,少部分为无人区(高鹏,2010)。雅鲁藏布江下游地区地质灾害是地质构造、地层岩性、新构造运动等内部地质特征和气候,冰川水文、人类活动等外部诱发因素共同作用的结果;其形成机理、发生过程、方式和影响的范围等方面与内陆地区的地质灾害均存在巨大差异。该区域是全球构造应力作用最强、隆升和剥蚀最快、新生代变质和深熔作用最强的地区,高位远程地质灾害链、高地应力、高地温等重大工程地质问题突出(翟毅飞,2022)。

图1 研究区位置及所用SAR影像空间覆盖(位置图据公开的SRTM DEM数据绘制)Fig.1 Location of the study area and coverage of SAR images (Location map based on publicly available SRTM DEM data)

1.2 影像数据

现有的SAR卫星主要工作波段为X波段(波长3.1 cm)、C波段(5.6 cm)以及L波段(23.5 cm)。对于InSAR形变监测而言,形变测量的灵敏度在一定程度上取决于雷达的波长,波长越短,灵敏度越高,反之波长越长,灵敏度越低(康亚,2020)。研究区处于地质环境复杂的极高山区,植被覆盖极其茂密且大部分区域常年被冰雪覆盖。在冰雪及植被覆盖情况下,短波长的X波段和C波段SAR数据难以穿透植被冠层及干燥积雪,时间相干性保持能力弱(李凌婧等,2022);波长更长、穿透能力更强的L波段SAR数据往往能保持更好的相干性。在充分考虑每种波长SAR数据形变测量灵敏度及相干性保持能力的情况下,采用长短波长SAR数据相结合的方式进行研究区高位冰崩、崩塌及滑坡灾害的综合判识与监测研究。

共计收集了覆盖研究区2017年3月—2020年7月284景Sentinel-1影像以及2014年9月—2020年5月111景ALOS/PALSAR-2影像,SAR数 据 基本参数见表1。采用30 m空间分辨率的SRTM DEM及日本AW3D30 DSM进行地形相位的去除及结果分析。

表1 所用SAR数据基本参数Table 1 Fundamental parameters for SAR images used in this study

采用时序InSAR技术以及SAR偏移量技术来进行高山—极高山区大范围地质灾害识别。由于研究区域海拔高,地形起伏剧烈,监测环境的差异性较大,并且不同的多时相InSAR/SAR技术具有各自不同的适用特点(Osmanogˇlu et al., 2016)。因此针对每个区域的环境以及存档SAR数据使用了多种InSAR/SAR数据处理流程。在滑坡识别中所应用的InSAR/SAR技术包括:Stacking-InSAR(刘 国 祥,2019)、SBAS-InSAR(Tizzani et al., 2007)以及SAR偏移量技术(Strozzi et al., 2007)。使用InSAR/SAR技术的主要目的在于恢复出覆盖研究区域的大范围地表形变。在恢复出地表形变之后,结合形变信息、DEM以及多时相光学遥感影像进行滑坡的圈定工作。具体的操作流程如图2所示,主要分为以下几步。

图2 高山峡谷区高位地质灾害SAR/InSAR识别技术流程图Fig.2 Flow chart of the SAR/InSAR identification technology for high-elevation geohazard in a mountain-valley area

(1)SAR数据的合理获取。根据研究区域的地形起伏程度、降雨、植被覆盖、地质环境等以及结合每种SAR卫星的波长、入射角大小、飞行方向等进行SAR数据的合理选取,最大程度增加SAR数据的可视区域,减少地质灾害的漏判与误判(Dai et al., 2022)。

(2)设置合理的时空基线阈值生成所有可能的干涉图,抑制时空去相干的影响(Li et al., 2022)。

(3)对所生成的所有干涉图进行滤波、相位解缠以及误差改正。滤波的主要目的是削弱噪声的影响,使相位变得更加连续,最终达到正确相位解缠与地质灾害精准解译的目的。相位解缠的主要目的是恢复出相位主值中被模糊掉的整周相位,从而计算出正确的形变信息。误差改正包括大气延迟误差改正和DEM误差改正。大气延迟误差包括垂直分层大气延迟和湍流混合效应。对于垂直分层大气延迟,可采用数学模型以及外部大气产品(例如GACOS、ECMWF等)进行改正;对于湍流混合效应,可采用时空域滤波的方式进行改正。ALOS/APLSAR-2部分影像大气误差改正前后解缠图如图3所示(Kang et al., 2021)。对于DEM误差,首先选取具有短时间基线、长空间基线的干涉对,并对其采用最小二乘法求解DEM误差(李伟华,2020),然后对原始DEM进行更新。

图3 大气误差改正前后解缠图Fig.3 Unwrapping images before and after the correction of atmospheric error

(4)基于干涉图相干性以及误差改正后每个解缠图的残余大气噪声水平来自动选取优质的干涉图。对于一些观测环境极为复杂的地区,例如有剧烈的地形起伏以及极其茂密的植被覆盖,往往会造成相位的不连续以及不一致,从而引起较为严重的相位解缠误差。因此,在自动选取干涉图基础上通过目视方式进行解缠误差的检查与改正,并进一步选取高质量的解缠图进行形变的反演。对于解缠误差的改正,可采用相位闭合或者相位补偿的方式进行改正(王霞迎,2018)。ALOS/PALSAR-2部分影像相位解缠误差改正前后解缠图如图4所示。

图4 相位解缠误差改正前后解缠图Fig.4 Unwrapping images before and after the correction of phase error

(5)采用多种SAR/InSAR技术获取研究区域地表形变图。Stacking-InSAR、SBAS-InSAR与偏移量等SAR/InSAR技术被用来反演研究区域的地表形变图。

3.1 形变结果分析

采用多种SAR/InSAR技术包括Stacking-InSAR、SBAS-InSAR与Offset-tracking以及光学偏移量技术对所获得的SAR数据及光学影像进行了处 理。研 究 区2017年3月 至2020年7月Sentinel-1数据地表形变速率如图5所示,研究区2014年9月至2020年5月ALOS/PALSAR-2数 据地表形变速率如图6所示。对于Sentinel-1数据得到的地表形变速率,大部分点目标的形变速率分布在-10～20 mm/a;对于ALOS/PALSAR-2数 据得到的地表形变速率,大部分点目标的形变速率分布在-10～20 mm/a,说明研究区整体稳定性较好。在整个研究区中,在海拔较高的山谷及沟道探测到大量的形变聚集区,主要是由于冰川运动、冰崩、滑坡以及崩塌引起的变形。林芝市巴宜区附近部分区域形变信号主要是由于误差所引起的(图5),该地区植被覆盖极其茂密加之冰雪的覆盖导致C波段的Sentinel-1数据相干性极低,受失相干噪声影响较大。此外,海拔较高的部分山峰由于快速的冰川运动、冰崩以及岩崩引起了相位测量失相干,未获得有效的观测点目标(图5,图6)。对于相位测量失相干的区域,采用SAR偏移量技术及光学偏移量技术进行形变的探测。

图5 米林-墨脱段2017年3月至2020年7月Sentinel-1数据地表形变速率Fig.5 Surface deformation rate of the Sentinel-1 data from March 2017 to July 2020 for the Milin-Motuo section

图6 米林-墨脱段2014年9月至2020年5月ALOS/PALSAR-2数据地表形变速率Fig.6 Surface deformation rate of the ALOS/PALSAR-2 data from September 2014 to May 2020 for the Milin-Motuo section

3.2 地质灾害编目与分析

基于Sentinel-1数据及ALOS/PALSAR-2数据相位测量获得的地表形速率及时间序列、ALOS/PALSAR-2数据SAR偏移量测量获得的方位向与视线向形变以及光学影像偏移量测量获得的南北向与东西向形变,并结合DEM数据获得的坡度图和坡向图以及多时相光学遥感影像,在米林-墨脱段共探测到260处大小不等地质灾害变形区,其中崩滑灾害111处,冰川、冰崩变形区149处。探测到的崩滑灾害以及冰川、冰崩变形区编目图见图7。

图7 米林-墨脱段地质灾害编目图Fig.7 Catalogued map of geohazards in the Milin-Metuo section

为进一步分析探测到的崩滑及冰川、冰崩变形区空间上分布规律,分别绘制并统计了距离雅鲁藏布江5 km、10 km、15 km和20 km崩滑及冰川、冰崩变形区分布。距离雅鲁藏布江不同距离崩滑及冰川、冰崩变形区分布和统计结果分别如图8和图9所示。结果表明:距离雅鲁藏布江5 km范围内,分布有崩滑灾害34处,冰川、冰崩变形区15处;距离雅鲁藏布江10 km范围内,分布有崩滑灾害70处,冰川、冰崩变形区97处;距离雅鲁藏布江15 km范围内,分布有崩滑灾害91处,冰川、冰崩变形区114处;距离雅鲁藏布江20 km范围内,分布有崩滑灾害100处,冰川、冰崩变形区120处。崩滑以及冰川、冰崩变形区数量随着离雅鲁藏布江距离的增加而增加(图9),说明探测到的大多数崩滑及冰川、冰崩变形区分布在距离雅鲁藏布江较远、海拔较高的沟道及山峰。

图8 距离雅鲁藏布江不同距离地质灾害分布Fig.8 Distribution of geohazards at different distances from the Yarlung Zangbo River

图9 距离雅鲁藏布江不同距离地质灾害分布统计Fig.9 Distribution statistics of geohazards at different distances from the Yarlung Zangbo River

在探测到的149处冰川、冰崩变形区中,有13处为大冰川的运动,其位置分布如图10所示。在这些大冰川中,流速最快的为培龙贡支大冰川,该冰川2019年8月29日至2019年9月26日雷达方位向与视线向二维地表形变见图11,28天时间里最大位移在雷达方位向超过10 m,在视线向超过14 m。最长的冰川为果登冰川,其长度达到16 km,该冰川2020年1月至4月南北向与东西向形变见图12。在泽巴隆巴冰川沟中探测到一危险岩崩隐患点,其2016年6月15日至2018年3月7日雷达方位向与视线向二维地表形变见图13。在不到两年的时间里,最大累积形变在方位向达到-13 m,在视线向达到7 m。多时相光学遥感影像表明该变形体已形成多条大型拉张裂缝,一旦发生崩落可能会堵塞雅鲁藏布江形成堰塞湖,危及雅鲁藏布江上下游。

图10 探测大冰川运动位置分布Fig.10 Location distribution of detected large glacier movements

图11 培龙贡支大冰川2019年8月29日至2019年9月29日方位向与视线向二维地表形变Fig.11 Two dimensional azimuthal and LOS deformation of the Peilonggongzhi Glacier from August 29, 2019 to September 29, 2019

图12 果登冰川2020年1月至2020年4月南北向与东西向形变Fig.12 North-south and east-west deformation of the Guodeng Glacier from January 2020 to April 2020

图13 泽巴隆巴沟岩崩危险隐患点2016年6月15日至2018年3月7日方位向与视线向二维形变Fig.13 Two-dimensional azimuthal and LOS deformation from June 15, 2016 to March 7, 2018 at the rock avalanche potential sites in the Zebalongba gorge

在探测到的111处崩滑灾害中,有17处滑坡靠近雅鲁藏布江分布,若坡体发生崩落,其岩土体会直接冲入雅鲁藏布江,在一定程度上可能会威胁沿线居民群众生命财产安全及交通设施安全。17个滑坡的详细信息如表2所示,部分滑坡光学遥感影像见图14,可以看到滑坡形态特征已非常明显,大多数滑坡体表面存在崩塌现象以及曾经发生滑动的痕迹。在这17个滑坡中,最危险的滑坡体为达波滑坡。达波滑坡体2016年6月15日至2018年3月7日雷达方位向与视线向二维形变见图15。该滑坡体是一巨型古滑坡体,长度约1054 m,宽度约1089 m,其在2017年11月之前处于稳定状态,未观测到任何形变信息。2017年11月18日米林县6.9级地震诱发了该滑坡体的复活,在视线向产生约-10 m及方位向产生约3 m的变形,2020年该滑坡又势于稳定状态。SAR强度图上看到该滑坡体后缘已完全脱离,左右两侧裂缝已完全贯通,在极端事件下(地震)一旦发生失稳会完全堵塞雅鲁藏布江,危及上下游居民生命财产安全,该滑坡体应受到高度重视,布设地面监测设备开展连续跟踪监测。

图14 靠近雅鲁藏布江部分典型滑坡光学遥感影像Fig.14 Optical remote sensing images of typical landslides near the Yarlung Zangbo RiverRed curves indicate the landslide boundary

图15 达波滑坡2016年6月15日至2018年3月7日方位向与视线向二维形变Fig.15 Two-dimensional azimuthal and LOS deformation of the Dapo landslide from June 15, 2016 to March 7, 2018

表2 17处滑坡详细信息Table 2 Detailed information of 17 landslides

文章通过284景Sentinel-1影像与111景ALOS/PALSAR-2影像联合Stacking-InSAR、SBASInSAR以及SAR偏移量技术识别了雅鲁藏布江下游米林-墨脱段大小不等的地质灾害形变区共260处。灾害编目图显示探测到的大多数崩滑以及冰川、冰崩变形区分布在距离雅鲁藏布江较远、海拔较高的沟道及山峰。

在探测到的13处大型冰川中,泽巴隆巴冰川沟中的危险岩崩隐患点在不到两年的时间里方位向累积形变已经达到-13 m,并且该变形体已经形成多条大型拉张裂缝,一旦发生崩落可能会形成堰塞湖,给雅鲁藏布江上下游环境及居民带来危害。

探测到的17处沿岸滑坡中,达波古滑坡受米林地震影响而复活,视线向形变量达-10 m,并且该滑坡体后缘已经完全脱离,左右两侧裂缝完全贯通。该滑坡一旦失稳会完全堵塞雅鲁藏布江,危及上下游居民的生命财产安全,应对该滑坡体提高重视,布设地面监测设备来预防灾害的发生。

致谢:本文Sentinel-1数据由欧空局免费提供,30m分辨率SRTM DEM数据由美国USGS免费提供,再次一并致谢。感谢各位评审专家、编辑对文章提出的宝贵意见。

猜你喜欢 雅鲁藏布江偏移量滑坡体 基于格网坐标转换法的矢量数据脱密方法研究地理空间信息(2022年3期)2022-04-01新疆BEJ山口水库近坝库岸HP2滑坡体稳定性分析陕西水利(2021年8期)2021-09-15基于Midas-GTS的某高速公路堆积型滑坡治理前后稳定性分析水电与新能源(2020年10期)2020-11-052018年长江流域水旱灾害防御工作回顾与展望人民长江(2019年3期)2019-10-20基于AutoLISP的有轨起重机非圆轨道动态仿真计算机辅助工程(2018年4期)2018-10-09卷烟硬度与卷接、包装工序相关性分析价值工程(2018年13期)2018-05-03搅拌针不同偏移量对6082-T6铝合金接头劳性能的影响制造技术与机床(2017年7期)2018-01-19雅鲁藏布江—布拉马普特拉河流域GDP数据空间化估算与分析南水北调与水利科技(2017年5期)2017-10-24中国与孟加拉国在雅鲁藏布江河流治理中的合作与问题探究商(2016年32期)2016-11-24大美尼洋河农产品市场周刊(2014年14期)2014-08-21