Research on key technologies for early identification, monitoring and forecasting of wide-area landslides with spaceborne radar remote sensing

Abstract

滑坡是全球范围内发生频率最高、危害最大且分布最广的一类地质灾害。受复杂 构造运动与地质环境的影响，我国是世界上滑坡灾害最为发育的国家之一。近年 来发生了多起特大滑坡灾害，如 2017 年四川茂县滑坡、2018 年金沙江白格滑 坡、2022 年贵州织金滑坡等，造成了严重的经济损失与人员伤亡。目前我国西部山区仍分布着许多滑坡灾害隐患，影响着山区城镇的地质安全和国家重大工程 的规划建设。因此，为实现滑坡灾害的科学防控，急需开展三个关键科学问题的 研究，即“滑坡灾害在哪里（Where）？”、“滑坡如何发育演化（How）？”、“滑 坡什么时候可能发生（When）？”。由InSAR 与 SAR 偏移量组成的雷达遥感技术，具有高精度、大空间覆盖及全天候和全天时作业等优点，在回答以上三个科学问题方面具备独特的优势。因此，雷达遥感目前已被国内外学者深入应用在滑坡灾害的全链条研究中，并取得了爆 发式的研究成果。然而，滑坡灾害所处的地貌环境通常较为复杂，加之其十分宽 泛的特征谱（如高海拔、强隐蔽性和高突发性等），使得雷达遥感在广域滑坡早 期识别、形变监测与预测三方面的研究中仍面临许多亟待解决的科学难题与技术 瓶颈。第一，大多数 SAR/InSAR 滑坡早期识别研究集中在观测条件较好的局域 尺度范围内，而 80%的新发生滑坡灾害多分布在偏远复杂的山区村镇，导致滑坡 灾害防控面临新挑战。因此，急需开展广域（百万平方千米）尺度 SAR/InSAR高精度自动化数据处理与滑坡早期识别关键技术研究。第二，在地貌环境极其复杂区域（如茂密植被及冰雪覆盖、地形陡峻）多形变梯度的滑坡研究中，InSAR常常受到去相干噪声、DEM 误差、大气延迟、相位解缠等多类误差的共同影响，SAR 偏移量受到地形起伏、地表覆盖、形变量级及数据处理等误差的干扰，严重降低雷达遥感地表形变反演精度，造成滑坡灾害的漏判与误判。因此，在地貌环境复杂区进行滑坡早期识别与形变监测亟需开展针对性的理论研究与技术研发。第三，常规InSAR 与 SAR 偏移量方法均难以直接获取斜坡三维地表变形，大大制约了滑坡的精细化监测与形变机理研究。第四，由于某些滑坡具有数十年的潜伏期，如何融合多源 SAR 数据，特别是多平台 SAR 影像进行超 10 年尺度的连续滑坡时序形变监测目前国际上未有先例。第五，滑坡形变预测主要依靠地面监测设备，雷达遥感在此方面的研究成果较少，随着 SAR 卫星重访周期逐渐缩短，特别是多源 SAR 卫星融合的重访周期将缩短至一天左右，因此采用雷达遥感进行滑坡形变预测为一个值得深入研究的课题。本文针对上述问题，开展了雷达遥感广域滑坡早期识别与监测预测关键技术研究和应用，主要研究内容和创新工作总结如下：（1） 研究并改进了 InSAR 广域高精度处理中的三个关键技术，获取了青藏高原与黄土高原314 万平方千米 20 m 空间分辨率的 InSAR 地表形变一张图。第一，为提高广域背景下海量 SAR 数据处理效率并抑制低频误差信号的传递，提出了InSAR 数据分块快速处理方案，相比常规整景 InSAR 处理方法，该方法提升数据处理效率达4 倍以上。第二，针对常规人工干涉图优选效率低下的问题，基于先验相干性指标、干涉图真实相干性和相位标准差，研究了基于图论（Graph theory）的干涉图自动化/半自动化优选方法，实验结果表明该方法可降低数十倍的时间成本。第三，针对地貌环境复杂区 InSAR 干涉图常常受到严重大气延迟的影响，GACOS 等外部大气产品的时空分辨率不满足小尺度滑坡形变监测的要求，以及常规经验线性模型改正方法未考虑对流层大气延迟空间与季节性变化的问题，提出了InSAR 分块对流层大气延迟改正方法，通过云南省德钦县 C 波段Sentinel-1 与西班牙 Alcoy 市 X 波段 PAZ 干涉实验，结果证明该方法大气延迟改正效果最优。研究并改进了 SAR 偏移量广域高精度处理中的四个关键技术，成功应用于青藏高原极高山区复合斜坡变形早期识别与监测中。第一，针对 SAR 偏移量广域地表形变计算耗时大的问题，提出了 SAR 偏移量分块快速处理方案，包括影像分块、分块偏移量计算与形变结果拼接等步骤。第二，针对山区环境地形起伏在SAR 偏移量计算中引入方位向与斜距向系统偏移误差的问题，提出了基于外部DEM 数据的 SAR 影像正射校正地形偏移误差改正方法。该方法在金沙江流域高山峡谷区实验结果证明，一方面可以有效校正地形起伏引起的主从影像像元位置几何畸变，实现长时空基线 SAR 影像的高精度配准；另一方面可提高长时空基线影像对的互相关性与形变估计精度。第三，针对地貌环境复杂区 SAR 偏移量形变测量精度对互相关窗口尺寸敏感的问题，设计了可变自适应窗口互相关计 算方法，实验结果表明新方法在保证形变场分辨率的同时可显著提高大梯度形变估计的精度。第四，首次创新性提出基于奇异值分解与稳健估计的跨平台 SAR偏移量二维时序地表形变反演算法，制定了新的偏移对组合与优选策略，基于跨平台ALOS/PALSAR-1 与 ALOS/PALSAR-2 影像成功恢复出白格滑坡滑前 11 年超过60 m 级的累积形变，并捕获到该滑坡于 2015 年7 月 27 日进入加速变形阶段。（3） 开展了西部山区不同地貌环境区广域滑坡早期识别研究，总结了不同地貌环境区各种雷达遥感技术的适用性并给出了数据处理建议。首先，研究了西部青藏高原与黄土高原的滑坡灾害空间分布特征，发现五大滑坡集中分布区。其次，建立了融合InSAR 地表形变特征与光学遥感地貌形态特征的高山峡谷区滑坡早期识别方法，获取了金沙江干流 915 个活动滑坡的空间分布位置与特征。基于InSAR 得到的地表形变图和 DEM 得到的 C-Index，在云南省德钦县实现了高山城镇高位滑坡的半自动化识别与分类。开展了基于 SAR 偏移量技术的极高山区高位滑坡早期判识研究，在雅鲁藏布江大峡谷探测出数个危险性极高的隐蔽性滑坡隐患点。（4） 研究了 InSAR 与 SAR 偏移量多形变梯度滑坡三维时序形变监测方法，提高了滑坡监测的维度。针对一维 LOS 向形变在滑坡精细化研究中的局限性，选取金沙江沙东滑坡为研究对象，开展了基于地表平行流约束的 InSAR 蠕变型滑坡三维时序形变监测研究，利用三维形变深度揭示了沙东滑坡变形特征、失稳模式及运动方向。考虑到地表平行流约束滑坡三维形变反演方程的系数矩阵与观测值同时存在误差，提出了基于总体最小二乘的跨平台 SAR 偏移量三维时序地表形变反演算法，解决了传统的基于高斯马尔科夫模型的估计准则无法处理系数矩阵误差的问题，实现了剧滑型滑坡高精度三维长时序形变监测，成功反演出金沙江老菁边滑坡近13 年的形变时空演化，并捕获到该滑坡因云南鲁甸 6.5 级强震于2015 年9 月 25 日形变出现加速。提出了基于 InSAR 与 SAR 偏移量技术的滑坡形变预测方法，推动雷达遥感在滑坡早期预警中的应用。首先，基于长短记忆（LSTM）神经网络、InSAR序贯动态数据处理理论及工程地质滑坡预警模型，建立了基于深度学习的 InSAR滑坡形变预测方法，通过模拟实验与金沙江沙东滑坡实际应用证明了所提方法的可靠性。其次，针对深度学习滑坡加速形变预测能力弱的问题，建立了基于岩土体物理模型的SAR 偏移量滑坡形变预测方法，给予了老菁边滑坡黄色警示级水平的预警，并预测该滑坡在 2025 年5 月 15 日水平向累积形变可能达到 66 m。