2020, Vol. 52引用本文 |
2. 中国地质大学（北京） 工程技术学院，北京 100083
2. School of Eng. and Technol., China Univ. of Geosciences(Beijing), Beijing 100083, China
中国地域辽阔，地质灾害类型分布广泛且多发，近年来，西南地区发生多次大型地质灾害，造成了严重的经济损失，严重威胁人民群众的生命、财产安全[1-4]。以往研究表明，大型滑坡灾害往往需要长时间孕育，且滑坡失稳前会有明显的变形破坏痕迹[5]。利用变形痕迹对滑坡灾害进行早期识别，分析危险性并对重点滑坡进行长期连续性监测是目前预防大型滑坡灾害的有效手段。
大型、灾难型的滑坡灾害通常发育于高处，不易地面调查。如何在人类不易到达的情况下对滑坡灾害进行有效的早期识别和监测，对滑坡灾害的防控具有重要意义。
西南山区，尤其是位于西南地形急变带的三江地区易发育地质灾害，深切峡谷地形及充沛的降水为地质灾害发育提供了有利条件。高寒气候、高陡地形也使得人类不易探查，往往易发生大规模、灾难型的地质灾害。例如，白格滑坡发生时并未被注意到，直至其堵塞金沙江引起江水回流漫灌才被发现。传统的地面地质灾害调查手段对于大范围人烟稀少的高原地区能够发挥的效果有限。
光学遥感手段以其广范围、高频次、低价格的优势在广范围的地质灾害调查、识别中发挥了积极作用，尤其是卫星成像分辨率进入亚米级以后，配合精确的地面高程模型，光学遥感解译已经成为广范围地质灾害识别的有效手段[6-7]。但光学遥感手段存在云雾遮蔽、人工解译随意性大、无法识别变形等诸多问题，在应用于三江流域的高山峡谷区时特别突出。
近十几年来，主动成像的微波遥感技术的合成孔径雷达卫星（SAR）逐渐应用于地质灾害领域，其全天时、全天候的工作能力具有独特优势。1988年，在基于3期SAR影像的差分雷达干涉（D-InSAR）技术被证明具有厘米级的测量能力后[8]，该技术开始广泛应用于滑坡[9-13]、地震[14-15]、地面沉降[16-18]、火山[19-20]、冰川运动[21-23]等自然灾害领域的研究。2017年，利用45期Sentinel–1数据的时间序列InSAR技术，更是以毫米级测量能力获取了茂县滑坡从孕育、加速变形到失稳破坏的全过程形变曲线，并认为时间序列InSAR技术在滑坡失稳前是有可以预测的[1-2]，极大推进了InSAR技术应用于滑坡灾害早期识别与预警预报。
但InSAR计算结果的准确度同样受制于地面条件及气候限制，尤其在三江流域高山峡谷区：
1）SAR卫星成像系统问题。SAR卫星为主动微波侧视成像，在地形起伏变化较大地区极易出现阴影、叠掩及透视收缩等现象而无法正常干涉计算，所以山区往往使用升、降轨结合的方式相互补充。
2）失相干问题。InSAR的计算依赖SAR图像之间的相干性，不断变化的地面条件很容易引起失相干而导致计算失败，地面厚层植被、降雪覆盖、高处冰川融水活动等都容易引发失相干。
3）特殊气候模式影响。SAR卫星虽然可以穿透云雾成像，但雷达波在穿越大气层时依然会受到水汽折射影响而产生延迟，即大气效应。河谷地区的特殊气候条件会对InSAR结果产生明显的影响而降低计算结果的准确性。
为解决三江高寒地区山体高陡、植被遮挡、气候寒冷、人类不易到达、地质灾害不易探查等问题，选取灾害发育、InSAR干涉条件较差的澜沧江梅里雪山段开展研究，为青藏高原高山峡谷区开展InSAR滑坡识别进行有益的探索。
1 研究区概况研究区位于中国青藏高原三江（金沙江、澜沧江、怒江）并流区的梅里雪山及其周边地区，区内包括了受地质灾害威胁的德钦县城和3个规划中的大型水电工程库区（图1）。
 |
| 图1 研究区位置及InSAR观测范围 Fig. 1 Location of the study area and range of InSAR observation |
澜沧江河谷两岸地形复杂，多以陡坡为主，顶部分布有缓坡地带，是当地居民主要的生产生活地区。澜沧江河道总体呈近NW–SE向延伸，局部呈近东西向延伸。流域德钦县境内两岸山顶高程多在5 000 m以上，局部地段可达6 000 m。区内澜沧江河谷形态多为“V”型深切峡谷，河道蜿蜒曲折，两岸坡度一般为30°～50°，局部呈陡崖状。
研究区气候受海拔的影响较大。纬度影响不甚明显。随着海拔的升高，气温降低，降水增大，大部分地区四季不分明，冬季长、夏季短，正常年干湿两季分明，年平均降雨量633.7 mm，雨季5—10月的降水量占全年降水量的77.5%，西北部年平均降水量在660 mm以下，东南部年平均降水量在850 mm左右。
研究区出露地层主要为古生代–中生代地层，有泥盆系（D）、石炭系（C）、二叠系（P）、三叠系（T）、侏罗系（J）、白恶系（K）及少量的古近系（E）和第四系（Q）地层（图2）。新构造运动的总体特征主要为：一是大面积整体掀斜抬升运动，二是断块间的差异升降运动，另外还有断裂的新活动与强烈的火山活动。区内活动性强的的活动断裂有5条，分别是穿越紧邻城区西部N–S走向的字嘎寺—德钦断裂、穿越城区的NW–SE向的德钦—中甸—大具断裂、澜沧江西岸的澜沧江断裂，以及研究区两侧的N–S向金沙江活动断裂和NW–SE向嘉黎活动断裂。
 |
| 图2 研究区地层和活动断裂分布 Fig. 2 Lithology and active fault of the study area |
2 SAR数据及地质灾害InSAR识别方法
InSAR处理方法有D-InSAR和IPTA-InSAR（interferometric point target analysis，干涉点目标分析）两种，其中，D-InSAR方法及后续的叠加计算处理适合大范围的面上识别解译工作，IPTA-InSAR适合小范围的精确速率计算。
D-InSAR算法应用于广范围滑坡变形识别，充分利用SAR数据数量多的优势，同轨SAR数据快速两两干涉计算，可获取多时段地面变形结果。对于PALSAR–1/2的长波段数据，其对植被、冰雪穿透性好与相干性高的特点允许超过180 d以上的时间间隔也可以获取质量较高的干涉图像；对于Sentinel–1的短波段数据，穿透植被与冰雪弱的特性使其不适合做长时间间隔的干涉处理，但短波长数据对变形信息敏感的特性使其在36 d内的短时间间隔内，在保证相干性的前提下也可获取丰富的变形信息。
在未引入外部数据进行大气效应校正的情况下，单幅D-InSAR计算结果易受到研究区高寒复杂气候的影响，而对多期次D-InSAR结果进行的Stacking计算可有效减弱大气效应影响，尤其对C波段的Sentinel–1数据，可以充分发挥其数据量多的特性，极大地提升了InSAR计算结果的质量，但对于本身受大气效应影响弱的L波段数据效果提升并不明显。计算更为精确的IPTA-InSAR方法则可较好地发挥L波段数据高相干性的优势，获取更高密度的地面变形点和更准确的变形信息。
考虑到研究区复杂的地面条件及河谷大气环境，穿透能力强、受大气效应影响弱的L波段SAR数据较为适宜，共计19期升轨PALSAR–1数据和6期降轨PALSAR–2数据。欧空局科研SAR卫星Sentinel–1系列可以提供大幅宽、长时间、稳定成像的C波段雷达波数据，也是本次计算的良好选择。具体参数如表1所示。
| 表1 SAR数据参数 Tab. 1 Parameters of SAR |
 |
InSAR计算结果以栅格图像或矢量文件的形式展示；变形位置的解译以人机交互、目视解译为主，变形位置会有明显的颜色变化，以区别非变形区，可以作为目视解译标志。以D-InSAR与Stacking计算结果为基础，逐期解译并结合多时相光学遥感影像与高精度地貌图像进行多次校核，提升滑坡识别准确性。
3 地质灾害InSAR识别结果 3.1 河谷斜坡变形InSAR识别InSAR识别的结果显示研究区分布多处活动性滑坡灾害。共解译活动性滑坡地质灾害92处，其中澜沧江河谷76处，澜沧江支流5处，德钦县城周边地区11处。沿河谷解译的滑坡规模较大，解译滑坡平面面积统计见图3，其中，滑坡平面面积大于20×104 m2的有26处，占解译总数的28.3%。InSAR解译滑坡分布位置见图4。
 |
| 图3 InSAR解译滑坡平面面积统计 Fig. 3 Area of landslides interpreted by InSAR |
 |
| 图4 滑坡InSAR解译分布图 Fig. 4 Distribution of landslides interpreted by InSAR |
3.2 典型滑坡隐患分析
澜沧江河谷与德钦县城周边滑坡发育情况不同。河谷地势更加陡峭，沿河谷分布多为砂岩、泥岩、页岩等软弱地层，澜沧江流水侵蚀作用强烈，河谷中易发育高位、大型、快速活动滑坡体；德钦县城周边人为活动较多，灾害治理情况较好，滑坡体以蠕滑变形为主。
3.2.1 河谷大规模快速活动型滑坡1）梅里水滑坡（编号LCJ–13）
梅里水滑坡位于澜沧江左岸高陡边坡上，坐标位置（98.728，28.650）。InSAR解译的滑坡体在平面上呈“舌”形（图5），解译滑坡长约1 700 m，宽约840 m；滑坡前缘高程2 140 m，后缘高程3 290 m，前后缘高差1 150 m。滑坡表面存在明显变形痕迹，从光学遥感图像上来看，后缘已可见明显拉裂缝（图5（c）），InSAR图像上该滑坡变形反应明显，滑坡变形有3个变形集中区：两处位于前缘临江位置，变形度率较大并形成次级滑坡；另一处位于滑坡体中后部，该位置变形范围大，位置较高，在高程2 750 m以上属于高位变形滑坡。
 |
| 图5 梅里水滑坡多源影像 Fig. 5 Multi-source images of Meilishui landslide |
滑坡发育于一套软弱、易风化的地层中。如图6所示，滑坡体整体形态明显，后缘凹陷、前缘凸起，且斜坡表面破坏严重、植被覆盖率低，尤其是滑坡体前缘位置，深大冲沟发育，风化破碎严重，大面积出露紫红色砂泥岩。
 |
| 图6 梅里水滑坡全貌（镜像E） Fig. 6 Photo of Meilishui landslide（Orientation E） |
梅里水滑坡为澜沧江河谷中典型的规模大、变形破坏严重、高位变形发育的滑坡，危险性大，InSAR解译结果表明，沿江河谷中存在多处类似的高位变形滑坡，均发育在二叠系和三叠系的软弱地层中。
2）亚贡滑坡（编号LCJ–15）
亚贡滑坡位于澜沧江河谷左岸，德钦县城西北方向约20 km处，坐标位置（98.754，28.592）。亚贡滑坡是本次解译滑坡中规模最大、长期快速活动的滑坡。
使用多个时间段、多种类型的SAR数据观测滑坡体，都有明显的变形活动迹象，如图7所示。图7（a）为滑坡所在斜坡的光学遥感影像，可见仅凭光学影像，无法完整确定整个滑坡体的变形活动范围，尤其是滑坡体的中后缘处植被覆盖较多的情况下；图7（b）为使用2007—2011年间的PALSAR–1数据得到的时间序列InSAR结果，可较好地厘定出滑坡体的变形范围；图7（c）为使用2014—2016年间多期PALSAR–2数据的Stacking结果，滑坡体主要变形范围与之前结果基本一致；图7（d）为使用2017—2019年间Sentilen–1数据的Stacking结果，其变形范围也与之前两种数据结果一致。即亚贡滑坡在已有SAR数据时间段内（2007—2019年）一直处于活动状态，且除整体变形外，中前缘还有两处明显变形的次级滑坡体。
 |
| 图7 亚贡滑坡InSAR观测多时段变形图 Fig. 7 Multi-temporal deformation of Yagong landslide acquired by InSAR technology |
亚贡滑坡在地貌上并没有明确的变形边界（图8），InSAR结果表明，滑坡体在平面上呈“舌”形，长约2 950 m，宽约2 680 m；前缘高程2 110 m，后缘高程3 650 m，前后缘高差1 540 m。滑坡体自后缘到前缘出露多个时代的地层，岩性主要是砂岩、泥岩、灰岩等软弱、易风化岩体。
 |
| 图8 亚贡滑坡地貌图与地质图 Fig. 8 Landform and geology map of Yagong landslide |
穿越两个次级滑坡体，沿亚贡滑坡滑动方向做剖面图，如图9、10所示。剖面ab坡面形态近似直线，表面小型陡坎较多，前缘处有凸起，滑坡后缘有较宽大平台，次级滑坡体在坡面位置上明显，后缘在剖面上有较明显错坎。剖面cd形态为两个较大的陡坎，小型陡坎主要分布在亚贡滑坡中后部；滑坡后缘处有较大平台，前缘为澜沧江河谷。次级滑体后缘位于亚贡滑坡中部错坎平台处，属于典型后缘凹陷、前缘凸起的“大肚子”形态。
 |
| 图9 亚贡滑坡ab剖面图 Fig. 9 ab profile map of Yagong landslide |
 |
| 图10 亚贡滑坡cd高程剖面图 Fig. 10 cd profile map of Yagong landslide |
图11为亚贡滑坡表面变形速率分布，可知亚贡滑坡整体变形活动速率不均，变形速率最大处为位于滑坡体中前缘的次级滑坡，可达7～11 cm/a；滑坡中后缘变形速率相对较小，属“前快后慢”变形特征。
 |
| 图11 亚贡滑坡表面变形速率分布 Fig. 11 Surface deformation rate of Yagong landslide |
现场调查发现滑坡体中前缘变形破坏现象明显，岩体风化裸露，深大冲沟发育，沿江可见多处塌岸现象；滑坡后缘植被覆盖较好，变形破坏现象并不显著。次级滑坡体后缘均有一个平台，现场可见平台上有居民居住且多处为耕地，人类活动、耕地灌溉等行为应该是加快次级滑坡发育变形的一个因素。
3.2.2 县城区大规模蠕变型滑坡1）丁羊丁滑坡（编号LCJ–59）
丁羊丁滑坡位于县城南部（坐标98.891，28.473），斜坡上修建有道路、房屋，人类活动较多。InSAR结果发现该斜坡多处存在蠕滑变形情况（图12）。滑坡边界与周边地形有明显的地貌差异（图13），推测为老滑坡堆积体局部蠕变活动。InSAR解译变形边界与地貌分异边界基本吻合。
 |
| 图12 丁羊丁滑坡Stacking解译图与遥感影像 Fig. 12 Interpreted map of Dingyangding landslide and image of optical remote sensing |
 |
| 图13 丁羊丁滑坡地形地貌与地质图 Fig. 13 Landform and geology map of Dingyangding landslide |
丁羊丁滑坡平面上呈“水滴状”，坡向205°。平面长约1 540 m，宽约1 040 m；后缘高程3 630 m，前缘高程3 260 m，高差370 m。滑坡体表面形态为明显的3级台阶（图14），后缘阶地平缓，中部有明显突出，前缘陡峭，前缘临近冲沟处被侵蚀切割严重。
 |
| 图14 丁羊丁滑坡ab剖面示意图 Fig. 14 ab profile map of Dingyangding landslide |
使用2017年10月8日—2019年3月20日间共44期升轨Sentinel–1数据对丁羊丁滑坡做时间序列分析，变形情况如图15所示。滑坡变形主要集中在滑坡后缘与滑坡体中部，变形速率多小于3 cm/a；局部变形速率高，高变形速率点多分布在地形坡度变化快、受侵蚀严重区域。滑坡体中部两处累计变形曲线基本上为线性变形，该滑坡体仍处于蠕变阶段。
 |
| 图15 丁羊丁滑坡InSAR变形速率 Fig. 15 Deformation rate of Dingyangding landslide acquired by InSAR technology |
2）归巴顶滑坡（编号LCJ–58）
归巴顶滑坡位于县城入口处（坐标98.889，28.443），斜坡顶部修建有道路房屋，人类活动较多。InSAR的结果表明，斜坡表面多处存在变形情况，以局部变形为主，还未联通为整体变形，但变形覆盖面积总体较大（图16）。从地貌上来看，斜坡整体前缘凸起，中部凹陷（图17），推测为老滑坡堆积体局部蠕变活动。
 |
| 图16 归巴顶滑坡Stacking-InSAR解译图与遥感影像 Fig. 16 Interpreted map of Guibading landslide and image of optical remote sensing |
 |
| 图17 归巴顶滑坡地形地貌与出露地层 Fig. 17 Landform and geology map of Guibading landslide |
归巴顶滑坡在平面上呈“舌”形，斜坡坡向117°。滑坡体平面长约1 840 m，宽约1 280 m；滑坡后缘高程3 520 m，前缘高程2 650 m，前后缘高差870 m。滑坡体表面形态为明显的4级台阶，总体上，地形后缘平缓，向前缘地形变化逐渐加快，后缓前陡（图18）。后缘局部存在较陡台坎，滑坡体中部呈明显下凹形态，前缘凸起。
 |
| 图18 归巴顶滑坡ab剖面示意图 Fig. 18 ab profile map of Guibading landslide |
使用44期升轨Sentinel–1数据对归巴顶滑坡做时间序列分析，时间分布为2017年10月8日—2019年3月20日。滑坡体表面变形分布总体前缘变形量较小，向后缘变形量逐渐加大，变形速率多小于3 cm/a，最大变形点不超过5 cm/a，如图19所示。
 |
| 图19 归巴顶滑坡InSAR变形速率 Fig. 19 Deformation rate of Guibading landslide acquired by InSAR technology |
根据变形点分布特点，滑坡体变形分为3个部分：1）前缘平台区，地形坡度相对较缓，变形度率多在0.5～1.5 cm/a；2）中部凹陷区，凹陷区后壁地形相对陡峭，变形点比较集中，变形速率多在1.5～2.5 cm/a；3）后缘平台区，地形平缓，变形速率小于1 cm/a。
滑坡体局部点变形速率较高，速率约3～5 cm/a。高变形速率点多分布在地形坡度变化较快、受侵蚀较为严重的区域，如前缘近河谷冲蚀区、中部凹陷区后壁。滑坡体中部两处累计变形曲线为线性变形，说明该滑坡体仍处于蠕变阶段。
3.3 滑坡防护工程效果检验贡水对岸滑坡（编号LCJ–55）已进行了工程防护，滑坡位于县城入口公路边上（坐标98.901，28.426）。滑坡体长约640 m，宽约400 m，坡向270°；前缘高程2 540 m，后缘高程2 940 m，前后缘高差400 m（图20）。
 |
| 图20 贡水对岸滑坡Stacking-InSAR解译图与遥感影像 Fig. 20 Interpreted map of Gongshuiduian landslide and image of optical remote sensing |
InSAR结果表明，进行了工程防护的滑坡体区域，稳定性良好；但工程防护只覆盖了滑坡体的中下部分，未进行工程防护的滑坡体后缘，尤其是滑坡左肩部分，仍然存在较严重的变形情况，且逐渐向后扩展。滑坡体坡面呈近直线状，坡度约45°，前缘近河谷处略微凸起，中下部下凹（图21）。坡面进行了工程治理的部分多在高程2 740 m以下部位，约占整个坡面长度的1/3。
 |
| 图21 贡水对岸滑坡ab剖面图 Fig. 21 ab profile map of Gongshuiduian landslide |
2017年10月15日—2019年3月27日共42期降轨Sentinel–1数据的时间序列InSAR结果表明，工程治理区与非治理区出现明显的变形速度分异，滑坡体左后方出现明显的集中变形区，且范围较大，变形范围已越过山脊线，向周边扩展。变形区变形速率较高，多在4～10 cm/a，局部变形量值可超过10 cm/a。选取两个点位的累计变形曲线，如图22所示，典型强变形点在数据观测期间累积变形量已达到10～15 cm，滑坡变形速率快，变形量为线性增长，暂未出现加速变形的情况，该滑坡体此时处于快速变形的发展阶段。
 |
| 图22 贡水对岸滑坡InSAR变形速率图 Fig. 22 Deformation rate of Gongshuiduian landslide acquired by InSAR technology |
4 问题与讨论
地面条件与大气条件是影响InSAR计算结果的重要因素，其中，地面条件直接决定InSAR计算是否成功，大气条件则多是影响InSAR计算结果的精度与准确程度。在澜沧江河谷这种地面条件快速变化、大气条件差异分布的情况下，选择合适的SAR数据与相应的处理方法，也可以得出准确的结果。本文InSAR计算及解译的情况表明澜沧江河谷地区的SAR数据处理与InSAR地质灾害解译有如下特点：
1）对于长波长的PALSAR–1与PALSAR–2数据，植被穿透性好、相干性强，相对于D-InSAR的结果，Stacking计算的提升效果并不明显，这可能与PALSAR–1/2系列数据本身时间间隔长有关。
2）对于短波长的Sentinel–1数据，数据量多、时间间隔短、变形探测敏感性强是其优势，但是短波长更容易受到多种因素的干扰。相对于D-InSAR的结果，Stacking计算的提升效果非常明显，不但有效地改善了河谷大气的影响，也加强了微弱变形体解译的能力。
3）Sentinel–1数据免费，其数据量远大于PALSAR–1/2数据，两种不同波段SAR数据计算结果表明，大的数据量可以很大程度上弥补波段不同带来的劣势；虽然Sentinel–1数据分辨率低，但在地质灾害解译的应用效果上并不逊色于更高分辨率的PALSAR–1/2数据，尤其对比空间轨道、数据间隔时间不稳定的PALSAR–1数据反而优势明显，升、降轨道结合的效果更好，但PALSAR–2数据带来的更高空间分辨率的优势是无法被取代的。
4）IPTA-InSAR的计算方法提高了数据计算精度，该方法是利用数学统计模型，基于多幅连续干涉影像结果，通过迭代计算的方式逐步剥离误差相位；该计算方法在计算过程上有一定难度，比较依赖操作人员的数据处理水平与经验。误差相位去除的最大难点在于大气相位，目前直接去除大气相位的有TRAIN工具箱[24]与GACOS大气模型[25]等，这些应用于计算过程中可能会降低计算难度，进一步提升计算结果精度。
5 结 论针对澜沧江流域德钦段重点地区密林、高寒、陡峭的复杂条件，综合使用PALSAR–1、PALSAR–2和Sentinel–1这3种SAR数据，对工作区进行了多时段、多波段、多角度、多空间尺度的全面InSAR观测，使用了D-InSAR、IPTA-InSAR和Stacking多种InSAR计算方法，分析了不同SAR数据和InSAR方法在研究区的适用性，解译并分析了重大单体滑坡变形体分布规律及发育特征，得到如下结论：
1）在澜沧江高寒、陡峭、多植被的山区，长波段的PALSAR–1和PALSAR–2数据在恶劣条件下有更好的适应性，免费的Sentinel–1数据可以通多大数据量的Stacking计算显著改善计算效果；D–InSAR技术适合大范围区域活动性滑坡精确识别，IPTA–InSAR适用于对单体重点滑坡进行连续监测。
2）共解译滑坡地质灾害92处，其中：位于澜沧江河谷段的滑坡地质灾害共76处（占总解译数的82.6%），澜沧江支流5处，德钦县城周边地区滑坡11处；滑坡平面面积大于20×104 m2的有26处，占解译总数的28.3%。澜沧江河谷区二叠系、三叠系软弱地层沿河谷分布，加上地形、降雨、水库蓄水作用等多重因素影响，沿河谷多发育活动性大型、快速活动滑坡灾害，如梅里水滑坡、亚贡滑坡，并对滑坡在数据观测时段（2007—2019年）的变形情况进行分析。
3）德钦县城观测范围内共解译11处滑坡变形体，包括丁羊丁滑坡、归巴顶滑坡两处蠕变型滑坡，局部变形现象明显，仍处于发展阶段。
4）InSAR技术可同时监测多种灾害类型，县城周边发育4条大型泥石流沟，物源区和流通区都有不同程度的变形现象；高海拔区冰碛物活动频繁，变形量大，除冰碛物与冰雪相互作用形成的冰碛物滑坡外，多处高山斜坡风化破碎严重，也存在较强的变形现象。
| [1] |
Intrieri E,Raspini F,Fumagalli A,et al. The Maoxian landslide as seen from space:Detecting precursors of failure with Sentinel–1 data[J]. Landslides, 2017, 15: 123-133. DOI:10.1007/s10346-017-0915-7 |
| [2] |
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, 2017, 15: 135-144. DOI:10.1007/s10346-017-0914-8 |
| [3] |
Deng Jianhui,Dai Fuchu,Wen Baoping,et al. Investigation on the catastrophic mechanism and risk control measures of major landslides in Tibetan Plateau[J]. Advanced Engineering Sciences, 2019, 51(5): 1-8. [邓建辉,戴福初,文宝萍,等. 青藏高原重大滑坡动力灾变与风险防控关键技术研究[J]. 工程科学与技术, 2019, 51(5): 1-8. DOI:10.15961/j.jsuese.201900719] |
| [4] |
Zhu Yaoqing,Xu Shimin,Zhuang Yu,et al. Characteristics and runout behaviour of the disastrous 28 August 2017 rock avalanche in Nayong,Guizhou,China[J]. Engineering Geology, 2019, 259: 105154. DOI:10.1016/j.enggeo.2019.105154 |
| [5] |
Xu Qiang,Dong Xiujun,Li Weile. Integrated space-air-ground early detection,mornitoring and warning system for potential catastrophic geohazards[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 957-966. [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] |
| [6] |
Yao Xin,Zhang Yongshuang,Wang Xianli,et al. Automatic hierarchical approach to detecting shallow landslides and avalanches by the combination of multi-spectral RS imagery and DEM derivatives[J]. Geological Bulletin of China, 2008, 27(11): 1870-1874. [姚鑫,张永双,王献礼,等. 基于地貌特征的浅层崩滑体遥感自动识别[J]. 地质通报, 2008, 27(11): 1870-1874. DOI:10.3969/j.issn.1671-2552.2008.11.015] |
| [7] |
Li Lingjing,Yao Xin,Zhang Yongshuang,et al. Surface recovery of landslides triggered by 2008 Ms8.0 Wenchuan earthquake (China):A case study in a typical mountainous watershed[J]. Landslides, 2016, 13: 787-794. DOI:10.1007/s10346-015-0594-1 |
| [8] |
Gabriel A K,Goldstein R M,Zebker H A. Mapping small elevation changes over largeareas:Dif ferential radar interf erometry[J]. Journal of Geophysical Research, 1989, 94(B7): 9183-9191. DOI:10.1029/JB094iB07p09183 |
| [9] |
Fruneau B,Achache J,Delacourt C. Observation and modelling of the Saint-Etienne-de-Tinée landslide using SAR interferometry[J]. Tectonophysics, 1996, 265(3/4): 181-190. DOI:10.1016/S0040-1951(96)00047-9 |
| [10] |
Yao Xin,Li Lingjing,Zhang Yongshuang,et al. Types and characteristics of slow-moving slope geo-hazards recognized by TS-InSAR along Xianshuihe active fault in the eastern Tibet Plateau[J]. Natural Hazards, 2017, 88(3): 1727-1740. DOI:10.1007/s11069-017-2943-y |
| [11] |
Hao Junming,Wu Tonghua,Wu Xiaodong,et al. Investigation of a small landslide in the Qinghai–Tibet Plateau by InSAR and absolute deformation model[J]. Remote Sensing, 2019, 11(18): 2116. DOI:10.3390/rs11182126 |
| [12] |
Shi Xuguo,Xu Qiang,Zhang Lu,et al. Surface displacements of the Heifangtai terrace in Northwest China measured by X and C-band InSAR observations[J]. Engineering Geology, 2019, 259: 105181. DOI:10.1016/j.enggeo.2019.105181 |
| [13] |
Lu Ping,Bai Shibiao,Tofani V,et al. Landslides detection through optimized hot spot analysis on persistent scatterers and distributed scatterers[J]. ISPRS Journal of Photogrammetry & Remote Sensing, 2019, 156: 147-159. DOI:10.1016/j.isprsjprs.2019.08.004 |
| [14] |
Massonnet D,Rossi M,Carmona C. The displacement field of the Landers earthquake mapped by radar interferometry[J]. Nature, 1993, 364(6433): 138-142. DOI:10.1038/364138a0 |
| [15] |
Zhou Zhenkai,Yao Xin. Study of InSAR observation to tectonic deformation of Mw6.6 earthquake on Nov.25,2016 in West Kunlun Mountain[J]. Acta Geologica Sinica, 2018, 92(2): 232-243. [周振凯,姚鑫. 基于InSAR技术的2016年11月25日西昆仑Mw6.6地震构造变形研究[J]. 地质学报, 2018, 92(2): 232-243. DOI:10.3969/j.issn.0001-5717.2018.02.003] |
| [16] |
Strozzi T,Wegmulier U. Land subsidence in Mexico City mapped by ERS differential SAR interferometry[J]. Geoscience and Remote Sensing Symposium, 1999, 4: 1940-1942. DOI:10.1109/IGARSS.1999.774993 |
| [17] |
Gao Mingliang,Gong Huili,Chen Beibei,et al. InSAR time-series investigation of long-term ground displacement at Beijing Capital International Airport,China[J]. Tectonophysics, 2016, 691(PartB): 271-281. DOI:10.1016/j.tecto.2016.10.016 |
| [18] |
Chen Guan,Zhang Yi,Zeng Runqiang,et al. Detection of land subsidence associated with land creation and rapid urbanization in the Chinese Loess Plateau using time series InSAR:A case study of Lanzhou new district[J]. Remote Sensing, 2018, 10(2): 270. DOI:10.3390/rs10020270 |
| [19] |
Hooper A,Zebker H,Segall P,et al. A new method for measuring deformation on volcanoes and other natural terrains using InSAR persistent scatterers[J]. Geophysical Research Letters, 2004, 31(23): L23611. DOI:10.1029/2004GL021737 |
| [20] |
Schaefer L N,Di T F,Chaussard E,et al. Monitoring volcano slope instability with Synthetic Aperture Radar:A review and new data from Pacaya (Guatemala) and Stromboli (Italy) volcanoes[J]. Earth-Science Reviews, 2019, 192: 236-257. DOI:10.1016/j.earscirev.2019.03.009 |
| [21] |
Rignot E,Bamber J L,van Den Broeke M R,et al. Recent Antarctic ice mass loss from radar interferometry and regional climate modeling[J]. Nature Geosciences, 2008, 1(2): 106-110. DOI:10.1038/ngeo102 |
| [22] |
Reeh N,Madsen S N,Mohr J J. Combining SAR interferometry and the equation of continuity to estimate the three-dimensional glacier surface-velocity vector[J]. Journal of Glaciology, 1999, 45(151): 533-538. DOI:10.3189/S0022143000001398 |
| [23] |
Samsonov S. Three-dimensional deformation time series of glacier motion from multiple-aperture D-InSAR observation[J]. Journal of Geodesy, 2019, 93(12): 2651-2660. DOI:10.1007/s00190-019-01325-y |
| [24] |
Bekaert D P S,Hooper A,Wright T J. A spatially variable power law tropospheric correction technique for InSAR data[J]. Journal of Geophysical Research:Solid Earth, 2015, 120(2): 1345-1356. DOI:10.1002/2014JB011558 |
| [25] |
Yu Chen,Li Zhenhong,Penna N T,et al. Generic atmospheric correction model for interferometric synthetic aperture radar observations[J]. Journal of Geophysical Research:Solid Earth, 2018, 123(10): 9202-9222. DOI:10.1029/2017JB015305 |