1、第 卷 第 期 年 月人 民 长 江 ，收稿日期：基金项目：中国地质调查局地质调查项目“宜宾市空天地一体化地质灾害遥感调查与监测”（）作者简介：王庆芳，男，助理工程师，硕士，主要从事地质灾害遥感监测、地质灾害防治信息化建设等方面的研究工作。：通信作者：董继红，男，助理工程师，硕士，主要从事 技术在地质灾害识别与监测中的应用研究工作。：文章编号：（）引用本文：王庆芳，郑志军，董继红，等 基于多源遥感技术的红层滑坡识别与监测研究 人民长江，（）：基于多源遥感技术的红层滑坡识别与监测研究王 庆 芳，郑 志 军，董 继 红，余 天 彬，刘文，黄 细 超（成都市地质环境监测站，四川 成都；自然资源部成都
2、地质灾害野外科学观测研究站，四川成都；四川省地质调查院 稀有稀土战略资源评价与利用四川省重点实验室，四川 成都；四川省智慧地质大数据有限公司，四川 成都）摘要：红层滑坡具有分布广泛、隐蔽性强、突发性高、识别难度大等特点，采用多源时序 技术和光学遥感技术对四川省成都市龙泉山地区开展滑坡隐患识别，并以郑家房子滑坡为典型点开展时序监测分析，以揭示其变形规律。结果表明：基于时序 技术共识别出 处滑坡地质灾害隐患点，数据的识别效果优于 数据；监测显示郑家房子滑坡变形具有周期性，变形区间与汛期重合，最大形变速率为 ，最大变形量为 。结合现场调查分析，该滑坡在强降雨等诱发因素下可能发生大规模失稳，直接威胁坡
3、体居民区和村道，建议在雨季加强持续性监测。关 键 词：红层滑坡；时序 技术；光学遥感技术；早期识别；形变监测中图法分类号：文献标志码：引 言滑坡作为一种频繁发生，破坏最为严重的自然灾害之一，具有隐蔽性强、破坏性大、突发性高等特点，严重危害着人民群众的生命财产安全，同时也制约着区域经济的发展。红层是一种外观以红色为主色调的陆相碎屑岩沉积地层，龙泉山是典型的低山丘陵红层区。地层主要是侏罗系、白垩系，岩性以红色、紫红色、砖红色砂岩、粉砂岩、泥岩、砾岩为主，该区域的植被覆盖率较高，人类工程活动强烈。地层具有强度低、亲水性强、易崩解、软化、膨胀等特性，易发生规模较大的顺层岩性滑坡。据调查显示，自 年以来
4、，该区域发生多起大规模的滑坡灾害，如雷打石滑坡、五家坟滑坡、油榨房滑坡等。区内滑坡具有分布广、隐蔽性强、突发性高、识别难度大等特点。因此很有必要利用遥感技术对该区域的滑坡隐患开展大范围的早期识别研究，对典型的滑坡开展时序监测，分析变形规律及特征。光学遥感技术因结果准确率高、解译精度高、获取信息丰富、可以回溯历史形变等特点广泛用于滑坡识别、解译分析等工作，但是该技术自动化程度低、工作量大。而合成孔径雷达干涉测量（，）技术因其非接触、不受云雾天气影响、空间覆盖范围广、监测精度高等优势，广泛用于地表形变监测。张路等以四川省丹巴县为例，利用 技术获取的形变速率图及差分干涉图成功识别出 处滑坡隐患，同时
5、总结了影响时序 技术监测效果的主要因素。戴可人 人 民 长 江 年等通过 技术获取的形变速率图进行隐患的识别圈定，并讨论了研究区域内 数据可视性分布情况。朱赛楠等利用光学遥感技术、技术结合物探及地表位移监测等多个手段对金沙江流域色拉滑坡的特征、变形过程、形变机理进行研究，并对其变形趋势进行了预判。李媛茜等基于 技术结合野外资料成功圈定了白龙江流域 处滑坡隐患，分析了滑坡发育特征，并通过对牙豁口滑坡结合无人机数据进行分区研究，证实了 技术在滑坡变形监测的有效性和可靠性。同时一些学者也利用 技术及 技术进行滑坡隐患的大范围识别及监测，取得了不错的结果。基于此，本文以四川省成都市龙泉山区域为实验区域
6、，收集了覆盖该区域的 数据、数据及高分光学数据，开展多源遥感技术在低山丘陵区红层滑坡隐患的早期识别，并对比不同波段 数据的隐患识别情况；基于 技术结合无人机数据及现场调查结果分析了典型滑坡的变形规律及特征，并给出了相应建议。研究区概况及数据来源 研究区概况龙泉山位于四川省成都市东侧，西接成都平原区，东部接川东丘陵区，地势中部较高沿龙泉山山脊展布，东西两侧低，本次研究区主要分布在龙泉山中段（见图），研究区地貌类型主要为构造侵蚀低山地貌，属于川东低山丘陵区。区内属中亚热带湿润气候区，四季分明、湿润温暖，降雨丰沛，雨季多集中于 月，降雨量约占全年的。调查分析发现降雨条件对区域的滑坡灾害具有较强的控制
7、作用，滑坡发生的时间主要集中在强降雨期。图 研究区位置 数据收集与处理本次研究采用多源遥感技术综合识别，利用多源 数据和高分光学卫星影像开展区域滑坡隐患早期识别。收集了覆盖该区域 年的 降轨数据。同时也收集了可以免费获取的 数据进行研究区内典型滑坡隐患的形变规律监测分析（见表）。利用 数据来消除 干涉处理中的地形相位及辅助 影像进行地理编码。卫星的 精密轨道星历（）数据被用来辅助 数据的预处理和基线误差改正。同时在数据处理中对与高程不相干的随机大气扰动误差，利用李振洪教授团队研制的通用型卫星雷达在线大气改正系统（，）来去除。光学卫星数据主要包括国产高分二号和北京二号数据，用来进行滑坡隐患的光学
8、遥感解译和识别验证。表 选用的遥感数据信息 数据类型波段波长分辨率数据时间影像期次 数据，数据 年高分二号数据 北京二号数据 低山丘陵区滑坡识别监测方法结合工作区滑坡发生的特殊性质，如分布广泛、隐蔽性强、空间尺度较小、受降雨影响大以及突发性强等特点，在基于 技术用于滑坡隐患识别的相关研究和前期数据处理结果分析基础上，本文结合收集到的 数据及其他相关资料，针对低山红层区突发性滑坡隐患识别、监测研究，给出了本文的滑坡隐患识别与监测处理流程（见图）。该流程的关键是对基于地表形变速率解译的滑坡隐患从光学影像中寻找依据，通过 技术判定其变形量及变形规律，通过野外调查、核查识别结果的准确性，并对灾害库进行
9、更新，同时积累该区域的解译标识库。技术用于滑坡隐患编目目前开展大范围滑坡隐患早期识别工作，普遍采用 技术，该技术具有使用影像数量少、结果获取效率高等优势。因此本文在对比不同波段数据获取结果解译情况与已有滑坡隐患库基础上，建议在进行 计算中采用 数据与 数据相结合的形式进行。第 期 王庆芳，等：基于多源遥感技术的红层滑坡识别与监测研究图 滑坡隐患识别与监测流程 其中 技术是由 等在 年提出，该技术原理是对解缠相位进行加权平均解算，以达到削弱空间上不相关的噪声的影响，从而获取研究区域的平均形变速率。主要处理步骤如图 所示。图 技术流程 基于光学遥感技术的滑坡隐患识别结合工作区地质灾害特征，对滑坡隐
10、患点的识别，可采用对比分析方法和直接识别方法进行判定。对比分析方法首先利用遥感影像对斜坡失稳前地质环境条件和变形迹象进行解译，然后对工作区内地质环境条件相似或者变形迹象明显的地质灾害进行遥感解译。直接识别方法的关键是建立遥感影像识别标志，遥感解译标志包括了地质灾害发育的地质环境条件和斜坡变形特征解译两个方面，如表 所列。技术用于滑坡监测分析对于典型滑坡隐患采用 技术进行长时间序列监测，获取其变形趋势及变形量等信息，因为 数据时间分辨率高（时间间隔为 ）、免费获取，所以本文利用 数据基于 技术开展典型滑坡隐患的时间序列监测分析。表 滑坡光学遥感解译识别标志 识别方法识别要素影像特征直接判识 平面
11、形态弧形、圈椅形、马蹄形、新月形、梨形、漏斗形、葫芦形、舌形等，影像特征包括色调、形态等微地貌形态后缘洼地、滑坡鼓丘、滑坡舌和滑坡台阶，影像特征包括色调、形态、纹理、阴影等变形特征拉裂缝、剪切裂缝、滑坡壁，主要包括色调、形态特征间接识别 地形条件坡度，斜坡为直线型和凸形斜坡物质条件主要为顺层砂泥岩斜坡、顺层岩土混合斜坡、近水平斜坡黏土坡层的易滑地层临空条件前缘发育冲沟或前缘坡脚开挖，后缘发育缓坡，一侧临空 技术是由 等于 年提出的，基本原理是假设在监测时间 内获取了 幅 影像，根据干涉组合条件可形成 幅干涉组合，符合式（）：()（）一般根据实际情况设置一定的垂直基线阈值和时间基线阈值对 的值域
12、进行限制，通过这种形式可以降低因垂直基线和时间基线过大引起的失相干现象。利用差分干涉计算获得差分干涉相位，用于第 幅干涉相位是根据和（）两个时间获取的 影像干涉所获取，则图幅内距离向坐标为，方位向坐标为 的像元的差分干涉相位为：，()，()，()，()，()，()，()（）式中：，()为视线向形变相位，()为残余地形相位，()为大气延迟相位，()为噪声相位。对差分干涉图进行相位解缠，通过时空域滤波来去除大气误差的影响，使用最小二乘方法解算出形变速率与相对于第一幅 影像的累积形变时间序列。结果分析 基于 技术的滑坡隐患早期识别与效果分析 分别利用 数据和 数据进行 处理。对 数据进行距离向和方位
13、向采用 的多视处理来提高信噪比，由于 数据量较少，因此采用全组合的形式进行差分干涉处理，并进行 解算获得沿雷达 人 民 长 江 年卫星视线向（，）年平均形变速率结果（见图）。对于 数据，在处理中采用 进行距离向和方位向多视处理，设置空间基线不大于，时间基线不大于 进行干涉对组合，进而提高相干性和运算效率，并通过 技术获取了形变速率结果。图 利用 数据获取沿 向地表形变速率 根据形变速率图中的条纹形态判识疑似的地灾隐患，结合地形条件及光学影像，对基于不同数据源获取的地表形变监测结果进行滑坡隐患的识别解译，其中 数据共识别出 处隐患点（见图），野外核查发现 处有明显变形，处无明显变形。升轨数据识别
14、出 处，经野外验证 处为滑坡隐患，降轨数据识别出 处，经野外验证 处为滑坡隐患，数据经验证正确的隐患点与 数据识别的隐患点位置一致，具体滑坡隐患信息如表 所列。表 滑坡隐患信息 序号滑坡名称经度纬度面积威胁对象是否新增识别数据狮子山滑坡 耕地是、鄢家沟滑坡 聚居区否、宋家湾滑坡 聚居区是黄莲水库滑坡 分散农户否、瓦房头滑坡 聚居区是郑家房子滑坡 聚居区是、尖坡滑坡 聚居区否房前滑坡 聚居区否、注：为 数据，为 数据。选择了 处经野外验证为滑坡隐患进行多源遥感数据识别对比分析（见图）。其中狮子山滑坡和宋家湾滑坡为新增隐患点。通过基于 数据获取了这 处滑坡隐患的解译信息，可以看到明显的变形信息。相
15、应地，在 升轨数据中可以看到较为明显的形变信息。其中狮子山滑坡和鄢家沟滑坡的变形信息与 数据获取的变形信息具有较好的一致性，只是 是升轨数据，是降轨数据，所以在速率图中图斑颜色正好相反。这 处滑坡隐患在 降轨数据中没有变形信息，故没有展示。图 典型滑坡隐患 解译信息对比 宋家湾滑坡隐患是基于 数据获取的新增隐患点，该滑坡在 升轨数据中变形信息并不明显，为此依据图 流程进行验证分析。图 为该滑坡隐患对应的光学影像，从图 中可以看到该滑坡隐患具备地质灾害发育的地质环境条件，但是斜坡变形特征并不明显。为此，提取基于 监测变形强烈的部分，再基于 技术提取其时间序列变形信息（见图）。从图 可以看到：第
16、期 王庆芳，等：基于多源遥感技术的红层滑坡识别与监测研究该滑坡一直处于变形状态，变形具有明显的周期性，每年 月前后处于加速变形状态，变形时间为工作区雨季，同时 年 月至 年 月累积变形量达到了 ，佐证了该点为滑坡隐患点，后期通过野外调查验证，确定该点为一新增滑坡隐患点。图 宋家湾滑坡光学卫星影像解译信息（北京 号）（）图 宋家湾滑坡时序点变形信息 典型滑坡隐患监测选择利用时序 技术识别的一处新增隐患点 郑家房子滑坡为例进行隐患监测分析。该滑坡地理位置为 ，；滑坡形态整体呈簸箕形，滑坡前缘高程 ，后缘高程，高差 ，纵长约 ，横宽约 ，坡向约，坡度 ，滑坡平面面积为 万，按 厚度估算，估算方量为 ，为一大型缓倾滑坡。地层岩性为侏罗系中统沙溪庙组（）浅紫红、黄灰色厚 块状中细粒岩屑砂岩、岩屑长石砂岩与紫红色、灰紫色粉砂质泥岩、粉砂岩互层，滑坡结构为一顺向坡，属于典型的低山红层区顺层滑坡。同时获取了该区域的无人机正射影像图（见图），从光学影像图中可以看到滑坡后缘呈圈椅状，可见早期滑动形成的洼地缓坡平台；滑坡两侧以负地形凹地为界，可见沟道微地貌；滑坡前缘以缓坡平台为界，堆积体外凸挤向临空面，陡缓