Comprehensive Remote Sensing Identification of Hidden Landslides in Yongshan Section of Lower Jinsha River
-
摘要: 隐蔽性滑坡隐患是金沙江下游最普遍的地质灾害发育形式，具有隐蔽性强、突发性强、高位远程运动等特点。近年来，特大山区隐蔽性滑坡灾害案件频繁发生，对人民的生命财产造成了极大威胁。如何突破传统地质灾害调查手段的局限性、滞后性，提前有效识别隐蔽性滑坡隐患并探索其发育特征，对指导中国西南地区防灾减灾、工程规划建设具有重大科学意义。本文选择金沙江下游永善段地质灾害高易发区，利用升降轨时序InSAR–光学遥感综合识别方法，精细识别区域性时序地表形变、隐蔽性滑坡隐患光学遥感信息，通过野外考察，深入探索隐蔽性滑坡隐患发育特征。研究显示：1）通过升轨时序InSAR技术识别隐蔽性滑坡隐患26处，降轨时序InSAR技术识别隐蔽性滑坡隐患28处，光学遥感识别隐蔽性滑坡隐患48处（与升降轨时序InSAR识别结果有10处重合），合计识别滑坡隐患92处；对识别结果进行100%的野外考察，将升降轨InSAR和光学遥感识别结果划分为完全一致、部分一致、仅有光学遥感识别结果、仅有InSAR识别变形结果4种情况，识别准确率分别为82.86%、80.77%、75.00%和63.64%，总体识别准确率达78.26%，略高于目前国内滑坡隐患识别平均水平，验证了滑坡隐患识别的可靠性和有效性。2）通过对比分析综合遥感识别结果可知，InSAR技术和光学遥感的识别结果与二者的识别方式、影像成像条件、滑坡活动性关系密切，二者不能直接进行互检。3）通过分析滑坡发育特征可知，隐蔽性滑坡隐患发育规律随着地形地貌、地质条件的变化而变化，升降轨InSAR技术和光学遥感识别的隐蔽性滑坡隐患在地貌空间分布、地层岩性均存在一定差别。结果表明，综合遥感识别技术充分利用了升降轨InSAR技术和光学遥感识别方法的互补性，解决了隐蔽性滑坡隐患看不见、看不清、看不准的难题，提高了滑坡识别的准确率。Abstract: Hidden landslide hazard is the most common geological hazard in the lower reaches of the Jinshajiang River, which has the characteristics of strong concealment, and sudden and high-distance movement. In recent years, hidden landslide disasters occurred frequently in large mountainous areas, which posed a great threat to people's life and property. How to break through the limitation and lag of traditional geological disaster investigation means, identify hidden landslide hidden dangers and explore their development characteristics in advance is of great scientific significance for guiding disaster prevention and mitigation and engineering planning and construction in southwest China. The Yongshan section of the lower Jinsha River was selected, which was highly prone to geological disasters, and proposed the lifting rail time series INSAR–optical remote sensing comprehensive identification method. By using this method, we can identify the optical remote sensing information of regional time series surface deformation and hidden landslide hidden danger and explore the development characteristics of hidden landslide hidden danger through field investigation. Research showed that: 1) 26 hidden landslide hazards were identified by rail ascending sequence InSAR technology, 28 by rail descending sequence InSAR technology, and 48 by optical remote sensing (10 overlaps). A total of 92 hidden landslide hazards were identified, and a 100% field investigation was conducted on the identification results. The InSAR and optical remote sensing recognition results of lifting orbit were divided into four types: Completely consistent, partially consistent, only optical remote sensing recognition results, and only InSAR deformation recognition results. The recognition accuracy was 82.86%, 80.77%, 75.00% and 63.64%, respectively, and the overall recognition accuracy reached 78.26%. It was slightly higher than the average level of the identification of landslide hidden danger in China, which verified the reliability and effectiveness of the identification of landslide hidden danger. 2) Through comparative analysis of comprehensive remote sensing identification results, it was found that the identification results of InSAR technology and optical remote sensing were closely related to their identification methods, imaging conditions, and landslide activity, and the two could not be checked by each other directly. 3) According to the analysis of landslide development characteristics, the development law of hidden landslide hidden danger changes with the change of landform and geological conditions. The hidden landslide hidden danger identified by the lifting rail InSAR technology and optical remote sensing has certain differences in geomorphic spatial distribution and formation lithology. The results showed that the complementarity of the two methods was fully utilized to solve the problem of the invisible, unclear, and inaccurate hidden danger of hidden landslides, and improved the accuracy of landslide identification.
-
金沙江下游永善段地处云贵高原北部向川南丘陵延伸的地带，具有地势陡峻、岩体破碎[1]、地质环境脆弱、滑坡灾害频发等特点[2]。因为地形复杂、植被覆盖等恶劣条件，使其面临着隐蔽性滑坡隐患难以识别的关键难题[3]。近年来，随着全球气候变暖，极端降雨事件急剧增加，且强度不断增大，使金沙江沿岸隐蔽性滑坡发生的概率、强度均呈增加趋势[4]，造成了生命财产损失，也引起了社会广泛关注[5]。例如：溪洛渡库区干海子滑坡夏季经常发生变形和次级垮塌，造成堵江、浪涌、冲毁村庄等现象[6]；青杠坪滑坡、黄田坝滑坡、雨林二组滑坡[7]的发生造成堵江事件频率加剧。研究发现，金沙江沿岸的滑坡灾害隐患60%都不在已知灾害隐患台账中，该类滑坡的共同特点是灾体发育部位高、隐蔽性强、突发性强、人员和财产损失大[8]，传统的人工地面调查、隐患排查很难发现此类隐患[9]。大范围探查耗时费力，工作效率低。因此，如何提前、有效、低成本识别出这类滑坡隐患并加以有效防控，越来越成为中国西南地区地质灾害专项防治领域集中关注的难题和焦点。
由于中国西南地区环境艰险，传统地面调查手段面临诸多困难。近年来，国内外学者应用合成孔径雷达干涉测量、光学遥感、无人机激光雷达等手段，针对隐蔽性滑坡隐患开展了方法研究与应用示范[10-12]。Fruneau等[13]利用D–InSAR技术对法国的阿尔卑斯山地区滑坡进行研究，证实了该项技术可用于监测中等运动速率的滑坡隐患；Lauknes等[14]首次利用SBAS和PSI技术测量挪威北部岩质隐蔽滑坡的活动性情况，对区域内潜在滑坡进行定量研究；Casagli等[15]综合高分辨率光学遥感和SAR数据，剖析了意大利部分区域隐蔽性滑坡快速运动、缓慢运动的特点，从而开展风险评估，为灾害长期监测和应急管控提供了技术指导。此外，国内外学者以金沙江流域的三峡库区滑坡[16]、黑方台黄土滑坡[17]、四川西部山区滑坡[18]、沃达村滑坡[19]作为试验区，在方法探索、特征识别、联合地面开展示范应用方面，解决了诸多关键问题；许强[20]提出利用“天–空–地”一体化遥感监测技术进行地质灾害隐患早期识别的技术思路，并在滑坡调查与应急处置中发挥了显著作用，为在金沙江流域开展隐蔽性滑坡隐患识别提供重要技术支持。
本文围绕如何有效识别中国西南地区重大隐蔽性滑坡隐患这一核心需求，选择最具代表性地区，即金沙江下游永善段为研究区，利用Sentinel–1、GF–1、DEM等数据，在以往研究技术的基础上，通过升降轨时序InSAR、光学遥感技术，改进了以往识别技术方法的短板，识别区域性时序地表形变、隐蔽性滑坡隐患光学遥感信息；通过对比识别结果，探索隐蔽性滑坡隐患发育特征，以期为中国西南地区防灾减灾、工程规划建设提供理论和实践依据。
1. 区域地质背景
1.1 地理地质背景
金沙江下游永善段地处云贵高原北部扬子准地台边缘，川滇经向构造与华夏式构造交接带；峡谷山岳地貌，地势南高北低，海拔420～2 265 m；属亚热带、温带气候，年均降雨量900 mm，属于干热河谷区[21]；研究面积2600 km2。研究区位于马关—大关地震活动带，新构造运动较强烈，地震烈度为Ⅵ度[22]，属于地质灾害高易发区。
研究区地层齐全，地貌及岩性构造如图1所示。基岩以二叠系、三叠系砾岩、泥岩、凝灰质砂岩、泥质粉砂岩为主，兼少量元古界寒武系碎屑岩、粉砂岩、白云岩。区内除二叠系、石炭系有沉积间断、间隙剥蚀外，其余时期均稳定下沉，地层沉积厚度大，各时代地层间均呈整合或假整合接触；岩浆岩发育上二叠统峨眉山玄武岩。
图 1 研究区地貌及岩性构造Fig. 1 Geomorphology and lithologic structure of the study area
下载:
全尺寸图片
区内构造表现为大量褶皱伴生多组断裂特点，北东向平行展布。褶皱呈背斜紧密、向斜宽缓、形态对称特征，断裂以北东向为主，区内莲峰断裂[23]、赵家坪子断裂多为高角度向西倾之冲断层。
1.2 区域地质灾害问题
研究区内岩体在内、外动力地质作用下，岸坡岩石风化、卸荷明显；滑坡、崩塌和泥石流均发育，以滑坡为主，中型居多；不同灾害类型所在岩性区差异大，新构造运动活跃，地势陡峻，地表破碎，植被茂密，隐蔽性滑坡灾害频发。
特殊的地层岩性与构造加剧了滑坡的发育，如付家坪子滑坡[24]、大枫湾滑坡位于莲峰断裂的两侧；区内山体切割深、沟道纵横，为泥石流提供了较好的流通条件，加之区内隐蔽性滑坡发育，坡体表面松散、岩石破碎，物源条件丰富；在2014年溪洛渡水库蓄水及移民工程的扰动下，诱发大量隐蔽性滑坡和水库塌岸，对金沙江沿岸稳定性造成严重负面影响，江中形成了诸如烂田坝滩、石板滩[25]等险滩，对沿岸居民产生极大影响。
隐蔽性滑坡隐患在金沙江下游及整个西南地区非常普遍，突出特点表现为3个方面：一是，隐蔽性特点，主要指山区大多植被茂密，斜坡变形迹象和滑坡特征征兆被植被遮盖，难以发现，利用传统调查手段很难有效识别；二是，突发性特点，该类滑坡隐患由于所在区域地质背景不稳定，通常会造成滑坡发生顺变推移或牵引，导致大规模滑坡发生；三是，破坏性特点，隐蔽性滑坡隐患由于所在位置山高坡陡，大规模滑坡启动后，往往通过沿途碰撞解体而转化为碎屑流、泥石流，导致运动距离增至数千米，极大增加了破坏范围，使灾害呈数量级地被进一步放大。因此，在明确隐蔽性滑坡灾害隐患的主要类型、特点、发育部位后，就可以采取针对性的综合识别手段进行识别，解决“隐蔽性隐患在哪里”的问题。
2. 综合遥感识别技术方法体系
随着遥感技术的不断发展，实现“天–空–地”一体化的灾害研究和应用理论体系趋于完善[26]。隐蔽性滑坡隐患有效识别的前提必然是基于原有基础地质资料，探索潜在的滑坡灾害，再利用综合遥感识别方法进行深入研究，最后获取隐蔽性滑坡隐患发育特征规律。本文提出的综合遥感识别研究技术方法体系如图2所示。
图 2 综合遥感识别技术方法体系Fig. 2 Comprehensive remote sensing identification technology method system下载:
全尺寸图片
首先，本文采用资料收集、现场踏勘手段，对区内隐蔽性滑坡隐患进行系统总结归纳，考察区内地层岩性、地形地貌、地质构造、气象水文、人类工程活动等致灾因子[27]。通过地质环境剖析，初步判断区域内该类隐患的可能分布区域，为后续综合遥感识别方法技术应用提供基础资料。
其次，利用综合遥感识别方法获取区域隐蔽性滑坡隐患及其形变信息。针对研究需求，选用多期次Sentinel–01数据，通过升降轨时序InSAR差分干涉测量技术，获取长时序地表形变信息，圈定形变较大区域；叠加GF–1遥感影像、InSAR形变提取结果、数字高程模型（DEM），深入剖析隐蔽性滑坡隐患光学遥感识别信息，判断其位置范围。
最后，利用升降轨时序InSAR、光学遥感技术综合识别成果进行现场考察，通过典型隐蔽性滑坡变形迹象、变形体特征形变+光学遥感+野外现场剖析，对比两种手段的先进性、互补性，深入分析区域内隐蔽性滑坡灾害隐患发育特征。
3. 遥感数据选取、处理和识别
针对研究区地质资料所判断的隐蔽性滑坡灾害隐患，采用时序InSAR形变提取技术和光学遥感识别技术对其进行研究。
3.1 时序InSAR形变提取技术
时序InSAR干涉技术即为小基线集干涉测量技术。该技术根据短时空基线原则生成最优的差分干涉组合，并利用最小二乘或奇异值分解方法进行形变参数估计，大大增加了观测值的时间采样率，被广泛应用于地质灾害形变监测，用于区域性、形变速率缓慢的形变信息提取[28]。本文利用较短时空基线的干涉对组合，避免了长时空基线造成的失相干影响[29]。由于InSAR的数据量大且丰富，形变提取方法众多，本次研究在重点考虑区内地质环境和研究需求前提下，选取适合的SAR数据、提取方法以开展形变提取研究。通过研究区基本概况分析，总结区内地质环境特征及数据需求：
1）研究区植被覆盖较好，滑坡隐蔽性强，夏季植被茂盛，易出现失相干现象，需要选择对植被穿透性较强的SAR数据。
2）研究区伴随有不同地区气温变化、自然地震、愈发频繁的人类工程活动的影响，使得区内变形发生时段不统一，需多时段SAR数据源，以便大概率地探测到隐蔽性滑坡。
3）研究区位于峡谷山岳地貌区，从InSAR成像特点来看，易受阴影、叠衍、顶底倒置影响而产生成像畸变，故需要升轨、降轨SAR数据，以弥补这种畸变现象带来的不完备性。
4）研究区地形切割强烈、山体高差大，沿江两岸坡面陡峭，河谷和山顶的大气压存在较大差异，易出现高程差异引起的大气延迟现象；夏季因降雨集中，受大气影响更为强烈，因此需要选择穿透能力较强的SAR数据。
综上分析，利用升轨、降轨两种轨道的InSAR数据识别滑坡隐患，可相互耦合、优势互补，对隐蔽性滑坡隐患识别发挥着重要的作用。因此，本文选用存档数据时间长、时相多的升轨、降轨Sentinel–1数据160景（升轨、降轨数据各80景），SAR数据覆盖时段为2019年3月25日—2021年6月21日，满足研究所需的时间长度需求。
结合以往经验，对隐蔽性滑坡隐患开展形变信息提取的关键在于准确估计形变量。采用GAMMA平台，利用升降轨时序InSAR干涉测量技术，处理如下：1）影像配准。增加影像配准精度，形成SAR幅度图（图3（a））。2）平地效应去除。使相位图直观体现地形变化（图3（b））。3）通过相干性估计（图3（c））、滤波技术（图3（d））和相位解缠（图3（e））、轨道精炼（图3（f））、地理编码（图3（g））、时空基线组合等步骤[30]，去除与地形相关的地表相位。4）利用大气延迟相位校正，提高延迟校正精度，进而提高形变量估计准确性（图3（h））。
图 3 时序InSAR干涉测量技术过程产品图Fig. 3 Sequential InSAR Interferometry process product diagram下载:
全尺寸图片
3.2 光学遥感识别技术
3维光学遥感技术是对滑坡体本身识别的有效补充。光学遥感数据采用从地理空间数据云平台获取的GF–1产品。根据本次研究的需求，一共收集了16景GF–1影像数据，全色影像空间分辨率为2 m，采集时间段为2019—2021年，影像分辨率和覆盖范围满足研究需求；收集30 m分辨率DEM数字高程数据，以辅助开展光学遥感识别。通过数据校正、数据预处理、地质灾害增强处理等步骤，形成了满足研究可用的数据，用于高分辨率影像底图的制作与光学遥感识别[30]。
根据隐蔽性滑坡隐患识别需求和识别难度，研究选用对比法、邻比法、综合识别法，叠加DEM和GF–1形成3维视图模型，对金沙江沿岸第一斜坡单元的隐蔽性滑坡隐患进行识别，建立3维光学遥感识别标志。隐蔽性滑坡隐患识别标志的建立是光学遥感识别的关键，能有效识别目标物及其性质和相互关系的影像特征，例如形状、大小、色调、阴影等。研究根据滑坡区自身地物波谱特征、3维展布特征，结合地质资料和野外踏勘结果，分析滑坡体结构[31]，建立基于DEM和GF–1影像的3维识别标志，包括直接识别标志和间接识别标志。
3.2.1 直接识别标志
隐蔽性滑坡隐患较显性滑坡隐患难以识别，因此，需紧密结合区域资料进行综合判断，建立针对性识别标志以开展识别。首先，隐蔽性滑坡隐患虽肉眼难以分辨，但通过GF–1影像3维视图（图4），可以看到：其形状与周围的斜坡相比存在一定差异，坡体相较于周围坡体平缓，甚至呈现为凹地（图4（a）），滑坡周界偶尔呈现弧形、舌形等形状（图4（b）），滑坡周界和坡体交汇处易发生坡向改变；其次，3维遥感影像显示，滑坡色调与背景颜色存在差异，深色条带状展布，且一般会因有松散碎屑物堆积或裸露的岩石而呈现出灰白色或土黄色，或因裂隙发育，储水性能好而呈现较深的深褐色，纹理相较于周围地物具有粗糙的颗粒感且凹凸不平（图4（c））。
图 4 隐蔽性滑坡隐患3维光学遥感识别标志Fig. 4 Three-dimensional optical remote sensing identification marks of hidden landslide hazards下载:
全尺寸图片
3.2.2 间接识别标志
隐蔽性滑坡隐患很大程度需依靠间接识别标志有效识别，识别中需特别注意滑坡区域的微地貌特征、植被发育特征、水文条件等。3维遥感影像显示，隐蔽性滑坡隐患多发育在沿岸缓坡、分水岭阴坡，以及侵蚀基准面急剧变化的主支沟交会地段；河谷中形成的覆盖层堆积的缓坡地貌区，即多期隐蔽性古滑坡堆积地貌（图4（d））；沿岸的垄丘、阶地错断、坑洼、被掩埋的平缓山坡及沟槽改道的山坡沟谷地段（图4（e））；隐患体上植被与周围植被不一致、较周围植被年轻的地段；地表湿地、不正常河流弯道、局部河道变窄地段（图4（f））。故以上均为隐蔽性滑坡识别标志。
4. 隐蔽性滑坡隐患综合遥感识别结果与分析
4.1 隐蔽性滑坡隐患综合遥感识别结果
基于时序InSAR差分干涉测量，去除人类工程活动产生的噪声影响，获得升、降轨两个轨道方向的InSAR平均形变速率，完整识别区内形变信号；结合同区米级GF–1遥感数据、DEM数字高程模型，综合分析形变、形态特征。通过升轨InSAR技术识别隐蔽性滑坡隐患26处，降轨InSAR技术识别28处；光学遥感技术识别48处，如图5所示；升、降轨InSAR与光学遥感共同识别出10处，合计识别滑坡隐患92处。对识别结果进行了100%野外考察，总体识别准确率达78.26%，10处重合部分确定为滑坡隐患。识别的滑坡隐患中，最大面积为284.47×104 m2，最小面积为21.34×104 m2，平面面积小于25×104 m2的滑坡隐患2处。2019—2021年，滑坡中的最大视向形变速率位于7.22～24.93 mm/a之间，沿江不同部位发育不均匀形变迹象，威胁对象为沿江居民、房屋、道路、水库等。
图 5 升降轨InSAR技术与光学遥感识别结果对比Fig. 5 Comparison of identification results of lifting rail InSAR technology and optical remote sensing下载:
全尺寸图片
4.2 识别结果分析
由于SAR数据具有侧视成像、全天候拍摄的特点，光学遥感影像具有正视成像、白昼成像的特点，因此二者识别结果存在一定差异。为此，研究通过野外考察取证分析，对比区内升轨、降轨InSAR技术和光学遥感识别结果，剖析隐蔽性滑坡隐患范围、地表形变特征信息，总结分布和发育特征。通过考察分析，将升轨、降轨InSAR技术和光学遥感识别的对比结果分为4种情况，如图6所示。
图 6 升降轨时序InSAR、光学遥感、野外考察结果对比Fig. 6 Comparison of InSAR, optical remote sensing and field investigation results of lifting rail timing series下载:
全尺寸图片
4.2.1 InSAR技术与光学遥感识别结果完全一致
通过现场考察该类情况滑坡隐患35处，正确29处，识别准确率达82.86%。该类滑坡隐患较易识别，InSAR技术与光学遥感识别结果一致。选取A滑坡进行分析：从典型升轨、降轨InSAR影像（图6（a）、（b））可以看出，A滑坡整体变形明显，干涉条纹显著，团块状、连续带状分布，后缘相对前缘形变量少，判定滑坡动力学特征为牵引式；从光学遥感识别结果（图6（c））可以看出，A滑坡体边界明显，中部发育一个较大冲沟，后缘呈圈椅状，前缘鼓胀，坡度变缓，判定为滑坡隐患；通过对野外现场剖析（图6（d））发现，滑坡区见多个阶梯台坎、冲沟、拉裂缝，人类活动频繁，民房墙体多处开裂、错动，裂缝为5～8 cm，水泥路面裂缝为15～20 cm，活动性明显，直接威胁金沙江干流，表明二者识别结果一致。
4.2.2 InSAR技术与光学遥感识别结果部分一致
通过现场验证该类情况滑坡隐患26处，正确21处，识别准确率达80.77%。该类滑坡隐患识别相对容易，InSAR技术与光学遥感识别结果部分一致。选取B滑坡进行分析：从典型升轨、降轨InSAR影像（图6（e）、（f））看出，B滑坡仅前缘变形较大，平均形变速率达32.51 mm/a，斜坡下部形变量尤为突出，最大速率88.28 mm/a；干涉条纹明显，似椭圆形，后缘无形变量，判定滑坡动力学特征为牵引式。从光学遥感识别结果（图6（g））可以看出，B滑坡后壁陡直、清晰，前缘鼓胀，后缘凹槽明显，局部阴影，判定为老滑坡堆积体。通过野外现场剖析（图6（h））发现，该坡面不平整，凹面型，植被一般，未见基岩，粉土夹碎石、块石发育，坡体中部多户民房，中下部多处次级滑坡，中上部梯田开裂明显。
4.2.3 仅有光学遥感识别滑坡特征结果
通过现场验证该类情况滑坡隐患共20处，其中正确15处，识别准确率达75.00%。该类滑坡隐患识别容易程度一般，仅有光学遥感识别出滑坡特征结果。选取C滑坡进行分析：从典型升轨、降轨InSAR影像（图6（i）、（j））看出，C滑坡在监测时间段内未出现变形。从光学遥感识别结果（图6（k））可以看出：该滑坡边界明显，影纹杂乱，呈舌形、不规则形；坡面不平整，滑坡后壁、侧壁特征明显，前缘临沟且有明显滑动迹象，判定为老滑坡。从野外现场剖析（图6（l））可知，该滑坡岩性为志留系砂岩、灰岩、粉砂岩，岩土体破碎，风化堆积层厚，次级滑塌特征老旧；表层无明显变形迹象，前缘可见岩层鼓胀和褶曲之态，无明显威胁对象，汇入沟中可形成泥石流物源威胁金沙江干流。该类滑坡需通过野外剖析进行进一步复核确定。
4.2.4 仅有InSAR识别变形结果
通过现场验证该类情况滑坡隐患共11处，其中正确7处，识别准确率为63.64%。该类滑坡隐患识别容易程度尚可，仅有InSAR识别变形结果。选取D滑坡进行分析：从典型升轨、降轨InSAR影像（图6（m）、（n））基本可以判断D滑坡变形范围，部分区域因变形过大出现失相干现象，平均形变速率为–30.30 mm/a；斜坡中部形变量明显，最大速率为–53.74 mm/a，干涉条纹显著。但通过光学遥感识别结果（图6（o））无法判断其变形情况。现场剖析该滑坡（图6（p））发现，岩土体破碎，风化堆积层厚，滑坡侧壁冲沟发育，目前处于欠稳定状态。结果显示，该类形变也需野外剖析以进一步确定是否为滑坡。
综上所述，升、降轨时序InSAR识别结果与光学遥感识别结果存在一定的异同，但总体显示采用SAR与光学综合遥感进行滑坡识别是适合的。野外现场调查发现，这4种识别情况在现场均存在一定的变形迹象，可以此验证识别结果的可靠性。
5. 隐蔽性滑坡隐患发育特征
通过对比分析前述遥感识别结果，验证了滑坡隐患识别的可靠性和有效性，为金沙江流域人类活动、工程建设合理避让灾害问题提供了重要支撑。综合利用InSAR技术、光学遥感识别成果进行野外验证综合分析，可以得到区域内隐蔽性滑坡灾害隐患发育特征。
5.1 滑坡发育地形地貌特征
地形地貌是滑坡发生的基本条件，研究采用分辨率为30 m的DEM数字高程数据开展隐蔽性滑坡隐患与地形地貌特征关系分析，结果如图7、8所示。通过对隐蔽性滑坡隐患在斜坡各区段坡度、坡向占比统计分析可知：研究区地形较为陡峻，滑坡隐患大多分布在坡度为20°～40°的地区，平缓地区所占面积较小；研究区相对高差基本>200 m，多为山地，少见盆地和丘陵；滑坡隐患在坡向为W～NW、NW～N区域所占面积百分比大于坡向SE～S、S～SW，说明北北东在一定程度上控制了金沙江河谷的走向。对比隐患点分布与各地形参数可知，滑坡隐患点发育分布特征与地形分布特征存在些微不同。隐蔽性滑坡隐患主要发育于地形坡度在25°～40°之间，相对高差大于200 m，且坡向为W、NW、N的地区。
图 7 综合遥感识别滑坡与坡度、坡向叠加Fig. 7 Overlay of landslide, slope and slope direction recognized by comprehensive remote sensing下载:
全尺寸图片
图 8 综合遥感识别滑坡坡度、坡向统计Fig. 8 Statistical of landslide slope and slope direction identified by comprehensive remote sensing下载:
全尺寸图片
对比升降轨InSAR技术与光学遥感识别结果，滑坡隐患在空间分布上存在异同点。InSAR识别滑坡隐患主要分布在地形坡度为20°～30°的地区（图7（a）、7（b）、8（a）），光学遥感识别的滑坡隐患主要分布在地形坡度为30°～40°地区（图7（c）、8（a）），故滑坡隐患数量基本与地形坡度成正相关。InSAR识别结果（图7（d）、7（e）、8（b））显示，SW、W、NW向有利于隐蔽性滑坡隐患发育；光学遥感识别结果（图7（f）、8（b））显示，NW、N、NE向地形有利于隐蔽性滑坡隐患的发育。InSAR技术与光学遥感识别的隐蔽性滑坡在相对高差的分布方面具有相同规律，二者均表现为相对高差越大，滑坡面积占比越大。
5.2 滑坡发育岩性特征
研究主要针对对隐蔽性滑坡隐患发育影响巨大的地层岩性。岩性是控制隐蔽性滑坡灾害发育的物质基础，根据岩性特征进行归并，分为4大类型（表1）。图9为综合遥感识别的滑坡隐患地层岩性分布。由图9可知，综合遥感识别技术中不同方法识别的隐蔽性滑坡隐患与岩性类型的相关性区别明显。升轨、降轨InSAR识别结果（图9（a）、（b）和表1）显示：隐蔽性滑坡隐患多分布于砂岩、粉砂岩、灰岩、白云岩、泥质灰岩、白云岩夹灰岩中，主要原因是该类岩性具有多顺层、缓慢滑动特征，InSAR识别效果显著；其次是页岩和泥岩等；少数分布于玄武岩、苦橄岩中。光学遥感识别结果（图9（c）、表1）显示，隐蔽性滑坡隐患主要分布于灰岩、白云岩、泥质灰岩、白云岩夹灰岩、页岩和泥岩中，因为该类岩性光学识别标志显著；其次为砂岩、粉砂岩等；玄武岩、苦橄岩等分布最少。
表 1 综合遥感识别滑坡地层岩性统计Table 1 Statistical of landslide stratum lithology identified by comprehensive remote sensing岩性类型 地层代号 升轨InSAR识别
滑坡数量降轨InSAR识别
滑坡数量光学遥感识别
滑坡数量砂岩、粉砂岩 J3sn、P2x、∈q-l、T3k-x、∈2-3d-l 4 10 9 灰岩、白云岩、泥质灰岩、
白云岩夹灰岩T2l、T1-2f-j、T1-2f-l、P1l-y、
S1-2sk-h、Ohs-d、Z2g-d11 12 20 页岩、泥岩 O1S1m-l、Slsf 6 4 14 玄武岩、苦橄岩 Pe、P1-2e-x 5 2 5 
图 9 综合遥感识别滑坡隐患地层岩性分布Fig. 9 Lithologic distribution of strata landslide hazards identified by comprehensive remote sensing下载:
全尺寸图片
6. 讨 论
对比光学遥感识别结果发现，升轨InSAR技术识别隐蔽性滑坡隐患26处，降轨InSAR技术识别隐蔽性滑坡隐患28处，光学遥感识别隐蔽性滑坡隐患48处，InSAR技术与光学遥感识别重合数量仅10处。这表明利用综合遥感识别技术识别更为全面，识别效果显著。
研究结果表明，InSAR识别结果与光学遥感识别结果在数量和重合度上均存在差异。从形成机理上看：以地形地貌、坡面破坏现象为主要依据的光学遥感识别，其识别的主要对象是隐蔽性滑坡堆积体，因为降低了势能，自然状态下活动性不明显。InSAR识别的是滑坡某一时间段的微小缓慢形变，主要对象为滑坡堆积体、变形体；由于在变形初期，地貌特征不明显，滑坡表层破坏微弱，光学遥感影像很难直接判定其结果。这表明InSAR识别结果不能直接利用光学结果判定其准确性，二者属于互补关系。因此，在金沙江流域开展工程设施建设的应用中，需要将二者有机综合。
7. 结 论
通过对金沙江下游永善段隐蔽性滑坡隐患开展综合遥感识别与对比分析，以及隐患发育特征分析，得出以下结论：
1）通过升轨、降轨InSAR技术和光学遥感识别技术共识别隐蔽性滑坡隐患92处。对识别结果进行100%野外考察，将升降轨InSAR和光学遥感识别结果划分为完全一致、部分一致、仅有光学遥感识别的滑坡特征结果、仅有InSAR识别变形结果4种情况，识别准确率分别为82.86%、80.77%、75.00%和63.64%，总体识别准确率达78.26%，略高于目前国内滑坡隐患识别平均水平。基于两种技术识别的10处重合的滑坡隐患均正确，验证了滑坡隐患识别的可靠性和有效性。结果表明，适合采用SAR与光学遥感对滑坡进行识别，特别是二者识别结果的一致性较强，利用综合遥感识别技术达到了相互补充的目的。
2）研究区隐蔽性滑坡隐患的发育规律随着地形地貌、地层岩性条件和地质灾害等的变化存在较大差异。升降轨时序InSAR技术与光学遥感识别的隐蔽性滑坡隐患在不同的地质条件下分布密度有所差异，各有侧重。
3）时序InSAR技术和光学遥感识别技术需要辩证应用，InSAR识别结果与光学遥感识别结果存在些微不同，经综合分析判断其与二者的识别方式、影像的成像条件及隐蔽性滑坡隐患的活动性存在一定的关系，二者不能直接进行互查工作。
4）综合遥感技术方法的应用在金沙江下游永善段高山峡谷区的防灾减灾、工程规划建设中具有普适性，其很大程度地利用光学遥感识别了固有隐蔽性滑坡灾害，尤其是对于大型滑坡堆积体的识别；使用InSAR对活动性滑坡灾害进行监测，充分利用了二者的互补性。二者的有机结合解决了以往调查隐蔽性滑坡隐患看不见、看不清、看不准的难题，提高了滑坡隐患识别的准确率。
-
图 1 研究区地貌及岩性构造
Fig. 1 Geomorphology and lithologic structure of the study area
下载:
全尺寸图片
图 2 综合遥感识别技术方法体系
Fig. 2 Comprehensive remote sensing identification technology method system
下载:
全尺寸图片
图 3 时序InSAR干涉测量技术过程产品图
Fig. 3 Sequential InSAR Interferometry process product diagram
下载:
全尺寸图片
图 4 隐蔽性滑坡隐患3维光学遥感识别标志
Fig. 4 Three-dimensional optical remote sensing identification marks of hidden landslide hazards
下载:
全尺寸图片
图 5 升降轨InSAR技术与光学遥感识别结果对比
Fig. 5 Comparison of identification results of lifting rail InSAR technology and optical remote sensing
下载:
全尺寸图片
图 6 升降轨时序InSAR、光学遥感、野外考察结果对比
Fig. 6 Comparison of InSAR, optical remote sensing and field investigation results of lifting rail timing series
下载:
全尺寸图片
图 7 综合遥感识别滑坡与坡度、坡向叠加
Fig. 7 Overlay of landslide, slope and slope direction recognized by comprehensive remote sensing
下载:
全尺寸图片
图 8 综合遥感识别滑坡坡度、坡向统计
Fig. 8 Statistical of landslide slope and slope direction identified by comprehensive remote sensing
下载:
全尺寸图片
图 9 综合遥感识别滑坡隐患地层岩性分布
Fig. 9 Lithologic distribution of strata landslide hazards identified by comprehensive remote sensing
下载:
全尺寸图片
表 1 综合遥感识别滑坡地层岩性统计
Table 1 Statistical of landslide stratum lithology identified by comprehensive remote sensing
岩性类型 地层代号 升轨InSAR识别
滑坡数量降轨InSAR识别
滑坡数量光学遥感识别
滑坡数量砂岩、粉砂岩 J3sn、P2x、∈q-l、T3k-x、∈2-3d-l 4 10 9 灰岩、白云岩、泥质灰岩、
白云岩夹灰岩T2l、T1-2f-j、T1-2f-l、P1l-y、
S1-2sk-h、Ohs-d、Z2g-d11 12 20 页岩、泥岩 O1S1m-l、Slsf 6 4 14 玄武岩、苦橄岩 Pe、P1-2e-x 5 2 5 -
[1] 刘文,王猛,朱赛楠,等.基于光学遥感技术的高山极高山区高位地质灾害链式特征分析——以金沙江上游典型堵江滑坡为例[J].中国地质灾害与防治学报,2021,32(5):29–39. doi: 10.16031/j.cnki.issn.1003-8035.2021.05-04 Liu Wen,Wang Meng,Zhu Sainan,et al.An analysis on chain characteristics of highstand geological disasters in high mountains and extremely high mountains based on optical remote sensing technology:A case study of representative large landslides in upper reach of Jinsha River[J].The Chinese Journal of Geological Hazard and Control,2021,32(5):29–39 doi: 10.16031/j.cnki.issn.1003-8035.2021.05-04 [2] 杨吉忠,张准,张颖.永善县地质灾害类型与成因研究[J].防灾科技学院学报,2007,9(3):61–63. Yang Jizhong,Zhang Zhun,Zhang Ying.Geological disaster types in Yongshan County and the forming cause analysis[J].Journal of Institute Disaster-Prevention Science and Technology,2007,9(3):61–63 [3] 张佳佳,高波,刘建康,等.基于SBAS–InSAR技术的川藏铁路澜沧江段滑坡隐患早期识别[J].现代地质,2021,35(1):64–73. doi: 10.19657/j.geoscience.1000-8527.2021.005 Zhang Jiajia,Gao Bo,Liu Jiankang,et al.Early landslide detection in the Lancangjiang region along the Sichuan—Tibet railway based on SBAS–InSAR technology[J].Geoscience,2021,35(1):64–73 doi: 10.19657/j.geoscience.1000-8527.2021.005 [4] 王世金,温家洪.冰冻圈灾害特征、影响及其学科发展展望[J].中国科学院院刊,2020,35(4):523–530. doi: 10.16418/j.issn.1000-3045.20200301002 Wang Shijin,Wen Jiahong.Characteristics,influence of cryosphere disaster and prospect of discipline development[J].Bulletin of Chinese Academy of Sciences,2020,35(4):523–530 doi: 10.16418/j.issn.1000-3045.20200301002 [5] 王栋,文洪,杜世回,等.川藏交通廊道伯舒拉岭隧道出口斜坡雪崩活动特征及形成机理[J].地球科学,2022,47(6):1985–1998. doi: 10.3321/j.issn.1000-2383.2022.6.dqkx202206007 Wang Dong,Wen Hong,Du Shihui,et al.Characteristic and formation mechanism of snow avalanches on boshulaling tunnel exit slope of Sichuan—Tibet traffic corridor[J].Earth Science,2022,47(6):1985–1998 doi: 10.3321/j.issn.1000-2383.2022.6.dqkx202206007 [6] 李攀峰,黄啸鹰,吴建川,等.溪洛渡水库运行期干海子滑坡变形动态响应研究[J].工程地质学报,2016,24(增刊1):996–1002. Li Panfeng,Huang Xiaoying,Wu Jianchuan,et al.On dynamic responses of Ganhaizi landslide in reservoir zone during Xiluodu Project operation[J].Journal of Engineering Geology,2016,24(Supp1):996–1002 [7] 刘仕勇,李攀峰.溪洛渡库区典型滑坡堆积体变形与防灾探讨[J].地下空间与工程学报,2018,14(5):1393–1399. Liu Shiyong,Li Panfeng.Deformation characteristics and disaster prevention of typical landslide deposits in Xiluodu Reservoir area[J].Chinese Journal of Underground Space and Engineering,2018,14(5):1393–1399 [8] 申佳洪,汪蒙.高密度电法在某高位隐蔽滑坡地质灾害勘查中的应用[J].冶金与材料,2018,38(6):149–151. doi: 10.3969/j.issn.1674-5183.2018.06.089 [9] 葛大庆,戴可人,郭兆成,等.重大地质灾害隐患早期识别中综合遥感应用的思考与建议[J].武汉大学学报(信息科学版),2019,44(7):949–956. doi: 10.13203/j.whugis20190094 Ge Daqing,Dai Keren,Guo Zhaocheng,et al.Early identification of serious geological hazards with integrated remote sensing technologies:Thoughts and recommendations[J].Geomatics and Information Science of Wuhan University,2019,44(7):949–956 doi: 10.13203/j.whugis20190094 [10] 李亮,邓卫卫.遥感地质解译与GIS在重大地质灾害中的应急调查[J].灾害学,2014,29(4):89–92. doi: 10.3969/j.issn.1000-811X.2014.04.017 Li Liang,Deng Weiwei.Emergency survey of remote sensing geology interpretation and GIS in serious geological disasters[J].Journal of Catastrophology,2014,29(4):89–92 doi: 10.3969/j.issn.1000-811X.2014.04.017 [11] 刘星洪,姚鑫,周振凯,等.滑坡灾害InSAR应急排查技术方法研究[J].地质力学学报,2018,24(2):229–237. doi: 10.12090/j.issn.1006-6616.2018.24.02.024 Liu Xinghong,Yao Xin,Zhou Zhenkai,et al.Study of the technique for landslide rapid recognition by InSAR[J].Journal of Geomechanics,2018,24(2):229–237 doi: 10.12090/j.issn.1006-6616.2018.24.02.024 [12] 许强,董秀军,李为乐.基于天–空–地一体化的重大地质灾害隐患早期识别与监测预警[J].武汉大学学报(信息科学版),2019,44(7):957–966. doi: 10.13203/j.whugis20190088 Xu Qiang,Dong Xiujun,Li Weile.Integrated space-air-ground early detection,monitoring and warning system for potential catastrophic geohazards[J].Geomatics and Information Science of Wuhan University,2019,44(7):957–966 doi: 10.13203/j.whugis20190088 [13] Fruneau B,Achache J,Delacourt C.Observation and modelling of the Saint-Étienne-de-Tinée landslide using SAR interferometry[J].Tectonophysics,1996,265(3/4):181–190. doi: 10.1016/S0040-1951(96)00047-9 [14] Lauknes T R,Shanker A P,Dehls J F,et al.Detailed rockslide mapping in northern Norway with small baseline and persistent scatterer interferometric SAR time series methods[J].Remote Sensing of Environment,2010,114(9):2097–2109. doi: 10.1016/j.rse.2010.04.015 [15] Casagli N,Frodella W,Morelli S,et al.Spaceborne,UAV and ground-based remote sensing techniques for landslide mapping,monitoring and early warning[J].Geoenvironmental Disasters,2017,4:9. doi: 10.1186/s40677-017-0073-1 [16] Ye Xia,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. doi: 10.14358/pers.70.10.1167 [17] Zhao Chaoying,Zhang Qin,He Yang,et al.Small-scale loess landslide monitoring with small baseline subsets interferometric synthetic aperture radar technique—Case study of Xingyuan landslide,Shaanxi,China[J].Journal of Applied Remote Sensing,2016,10:026030. doi: 10.1117/1.JRS.10.026030 [18] Dong Jie,Zhang Lu,Li Menghua,et al.Measuring precursory movements of the recent Xinmo landslide in Mao County,China with Sentinel–1 and ALOS–2 PALSAR–2 datasets[J].Landslides,2018,15(1):135–144. doi: 10.1007/s10346-017-0914-8 [19] 冯文凯,顿佳伟,易小宇,等.基于SBAS–InSAR技术的金沙江流域沃达村巨型老滑坡形变分析[J].工程地质学报,2020,28(2):384–393. doi: 10.13544/j.cnki.jeg.2019-411 Feng Wenkai,Dun Jiawei,Yi Xiaoyu,et al.Deformation analysis of woda village old landslide in Jinsha River Basin using SBAS–InSAR technology[J].Journal of Engineering Geology,2020,28(2):384–393 doi: 10.13544/j.cnki.jeg.2019-411 [20] 许强.对地质灾害隐患早期识别相关问题的认识与思考[J].武汉大学学报(信息科学版),2020,45(11):1651–1659. doi: 10.13203/j.whugis20200043 Xu Qiang.Understanding and consideration of related issues in early identification of potential geohazards[J].Geomatics and Information Science of Wuhan University,2020,45(11):1651–1659 doi: 10.13203/j.whugis20200043 [21] 陈进,徐平.金沙江科学考察的几个问题及思考[J].长江科学院院报,2013,30(7):1–6. doi: 10.3969/j.issn.1001-5485.2013.07.001 Chen Jin,Xu Ping.Considerations on the scientific investigation of Jinsha River[J].Journal of Yangtze River Scientific Research Institute,2013,30(7):1–6 doi: 10.3969/j.issn.1001-5485.2013.07.001 [22] 李凌婧,姚鑫,周振凯,等.溪洛渡库区某大型滑坡蓄水前后变形特征InSAR分析[J].工程地质学报,2017,25(9):458–462. Li Lingjing,Yao Xin,Zhou Zhenkai,et al.InSAR analysis of deformation characteristics of a large landslide in Xiluodu Reservoir area[J].Journal of Engineering Geology,2017,25(9):458–462 [23] 李大虎,丁志峰,吴萍萍,等.川滇交界东段昭通、莲峰断裂带的深部结构特征与2014年鲁甸MS6.5地震[J].地球物理学报,2019,62(12):4571–4587. doi: 10.6038/cjg2019M0450 Li Dahu,Ding Zhifeng,Wu Pingping,et al.Deep structure of the Zhaotong and Lianfeng fault zones in the eastern segment of the Sichuan–Yunnan border and the 2014 Ludian MS6.5 earthquake[J].Chinese Journal of Geophysics,2019,62(12):4571–4587 doi: 10.6038/cjg2019M0450 [24] 周永强,盛谦.库水位变化和降雨作用下付家坪子高陡滑坡稳定性研究[J].长江科学院院报,2014,31(2):57–61. doi: 10.3969/j.issn.1001-5485.2014.02.012 Zhou Yongqiang,Sheng Qian.Stability of Fujiapingzi high and steep landslide under the action of reservoir water level fluctuation and rainfall[J].Journal of Yangtze River Scientific Research Institute,2014,31(2):57–61 doi: 10.3969/j.issn.1001-5485.2014.02.012 [25] 刘罡,陈中华.石板滩滑坡地段路基边坡稳定性分析与加固措施[J].路基工程,2012(3):199–204. doi: 10.3969/j.issn.1003-8825.2012.03.054 Liu Gang,Chen Zhonghua.Stability analysis and reinforcement measures on subgrade slope along Shibantan landslide section[J].Subgrade Engineering,2012(3):199–204 doi: 10.3969/j.issn.1003-8825.2012.03.054 [26] 范一大,吴玮,王薇,等.中国灾害遥感研究进展[J].遥感学报,2016,20(5):1170–1184. Fan Yida,Wu Wei,Wang Wei,et al.Research progress of disaster remote sensing in China[J].Journal of Remote Sensing,2016,20(5):1170–1184 [27] 刘星洪,姚鑫,於开炳,等.川藏高速巴塘—芒康段地质灾害遥感综合早期识别研究[J].工程科学与技术,2020,52(6):49–60. doi: 10.15961/j.jsuese.202000242 Liu Xinghong,Yao Xin,Yu Kaibing,et al.Remote sensing integrated identification of geological hazards in the Batang—Mangkang section of the Sichuan—Tibet highway[J].Advanced Engineering Sciences,2020,52(6):49–60 doi: 10.15961/j.jsuese.202000242 [28] Rizo V,Tesauro M.SAR interferometry and field data of Randazzo landslide(eastern Sicily,Italy)[J].Physics and Chemistry of the Earth(Part B Hydrology,Oceans and Atmosphere),2000,25(9):771–780. doi: 10.1016/S1464-1909(00)00100-3 [29] 王宏宇.短时空基线PS–InSAR技术在大同地区的形变监测研究[D].西安:长安大学,2011. Wang Hongyu.Deformation monitoring in Datong area using PS–INSAR technique for short temporal baseline[D].Xi’an:Chang’an University,2011. [30] 苏晓军,张毅,贾俊,等.基于InSAR技术的秦岭南部略阳县潜在滑坡灾害识别研究[J].山地学报,2021,39(1):59–70. doi: 10.16089/j.cnki.1008-2786.000576 Su Xiaojun,Zhang Yi,Jia Jun,et al.InSAR-based monitoring and identification of potential landslides in Lueyang County,the southern Qinling Mountains,China[J].Mountain Research,2021,39(1):59–70 doi: 10.16089/j.cnki.1008-2786.000576 [31] 张志军,庄永成.基于GF–1数据的地质灾害遥感调查——以青海省大通县为例[J].科学技术与工程,2017,17(18):9–17. doi: 10.3969/j.issn.1671-1815.2017.18.002 Zhang Zhijun,Zhuang Yongcheng.The survey of geological hazards based on GF–1 data:Taking example for Datong County,Qinghai Province[J].Science Technology and Engineering,2017,17(18):9–17 doi: 10.3969/j.issn.1671-1815.2017.18.002
