基于短基线DInSAR的白鹤滩库区蓄水期滑坡隐患广域快速动态识别

doi:10.11873/j.issn.1004-0323.2023.5.1054

遥感技术与应用

2023, Vol. 38

Issue (5): 1054-1061 DOI: 10.11873/j.issn.1004-0323.2023.5.1054

InSAR专栏

基于短基线DInSAR的白鹤滩库区蓄水期滑坡隐患广域快速动态识别

吴明堂¹(

),房云峰¹,沈月^2,³,戴可人^2,³(

),姚义振¹,陈建强¹,冯文凯²

^1.浙江华东岩土勘察设计研究院有限公司，浙江杭州 310030
^2.成都理工大学地质灾害防治与地质环境保护国家重点实验室，四川成都 610059
^3.成都理工大学地球科学学院，四川成都 610059

Fast Dynamic Identification of Landslide Hazards in Baihetan Reservoir area based on Short Baseline DInSAR Interferometry

Mingtang WU¹(

),Yunfeng FANG¹,Yue SHEN^2,³,Keren DAI^2,³(

),Yizhen YAO¹,Jianqiang CHEN¹,Wenkai FENG²

^1.Zhejiang Huadong Geotechnical Investigation & Design Institute Company Limited，Hangzhou，310030
^2.State Key Laboratory of Geohazard Prevention and Geoenvironment Protection，Chengdu University of Technology，Chengdu 610059，China
^3.School of Earth Science，Chengdu University of Technology，Chengdu 610059，China

全文: PDF(7131 KB) HTML

摘要：

白鹤滩水电是国内继三峡水电站之后的第二大水电站，于2021年4月开始蓄水，水位上升约150 m，库区运行期随着水位线的快速变化，改变了库区的地质环境，极易引发突发性的地质灾害。为了保障水电站的正常运行及库区的居民生命财产安全，需要对库区进行快速动态的地质灾害识别。因此，基于短基线DInSAR方法对金沙江流域白鹤滩库区重点库岸段（葫芦口—象鼻岭地段）蓄水期展开了地质灾害隐患识别。通过Sentinel-1A/B数据进行联合监测，将重返周期提高到6 d 1景，获取了研究区蓄水期2021年4月至11月共66景数据，结合SRTM DEM数据进行基于同一主影像的DInSAR处理，再将干涉对进行组合分析以达到快速动态的形变监测。最终共识别出92处存在显著形变的强形变区，均分布在金沙江两岸，其中8个强形变区域已被目前最高水位线800 m淹没，38个强形变区域位于水位线附近，部分出现小规模塌岸。同时选取了4个持续形变的区域结合实际地形地貌进行分析，发现形变迹象较为明显，且强形变区域位置与DInSAR方法监测结果相吻合，证明了将DInSAR方法应用于快速动态的发现新隐患点的情况的可行性，进行了蓄水期灾害分析与监测预警对保障白鹤滩水电站的正常蓄水发电具有重要意义。采用该方法进行广域地质灾害高效快速动态监测，在第一时间发现隐患点并进行定性分析，为水库岸蓄水期因水位变化引起的突发性潜在地质灾害的识别提供了一种新思路。

关键词： 白鹤滩水库; 蓄水期; 短基线DInSAR; 滑坡隐患; 快速动态识别

Abstract:

Baihetan Hydropower station is the second largest hydropower station in China after the Three Gorges Hydropower Station. With the rapid change of water level during the reservoir impoundment period， the geoenvironment of the reservoir area is changed， which is easy to cause sudden geological disasters. In addition， the maximum reservoir level of the transformed hydropower station is 825m， which has a large storage capacity and higher sudden-onset. In order to ensure the normal impoundment of the hydropower station and the safety of residents' life and property， it is necessary to quickly and dynamically identify geological hazards in the reservoir area. Therefore， based on the short baseline DInSAR method， this paper carried out the identification of geological hazards in the key reservoir bank section of Baihetan Reservoir area （Hulukou-Xiangbi Ling section） during the water storage period of the Jinsha River Basin. The sentinel-1A /B data were used for joint monitoring， and the re-entry period was increased to one scene every 6 days. Finally， a total of 66 scenes of data were obtained during the study area's water storage period from April 2021 to November 2021. DInSAR processing based on the same main image was performed combined with SRTM DEM data. The fast and dynamic deformation monitoring can be achieved by combination analysis of interference pair. Don't out of the 92 consensus exists significant deformation of strong deformation zone， are distributed in Jinsha River two sides， including eight strong deformation area have been inundated by the highest water level 800 m， 38 strong deformation area near the water， part of the small bank collapse， at the same time has chosen three continuous deformation area in combination with the actual topography analysis， found signs of deformation is more obvious， The location of strong deformation area is consistent with the monitoring results of DInSAR method， which proves the feasibility of using DInSAR method to quickly and dynamically discover new hidden points. The disaster analysis and monitoring and early warning during water storage period is of great significance to ensure the normal water storage and power generation of Baihetan Hydropower Station. The method provided in this paper can be used for large-scale， efficient， rapid and dynamic geological disaster monitoring， and the hidden danger points can be found in the first time and qualitative analysis can be carried out， which provides a new idea for the identification of potential geological disaster caused by the change of water level during the reservoir bank impoundment period.

Key words: Baihetan Reservoir Impoundment period Short baseline DInSAR Landslide hazard Fast dynamic identification

收稿日期: 2022-06-12 出版日期: 2023-11-07

ZTFLH:

P642.22

基金资助: 四川省自然科学基金杰出青年科学基金项目(2023NSFSC1909);国家自然科学基金青年基金资助项目(41801391)

通讯作者: 戴可人 E-mail: wu_mt@hdec.com;daikeren17@cdut.edu.cn

作者简介: 吴明堂(1988-),男,河南民权人,工程师,主要从事地质灾害防治工作。E?mail:wu_mt@hdec.com

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	吴明堂
	房云峰
	沈月
	戴可人
	姚义振
	陈建强
	冯文凯

引用本文:

吴明堂,房云峰,沈月,戴可人,姚义振,陈建强,冯文凯. 基于短基线DInSAR的白鹤滩库区蓄水期滑坡隐患广域快速动态识别[J]. 遥感技术与应用, 2023, 38(5): 1054-1061.

Mingtang WU,Yunfeng FANG,Yue SHEN,Keren DAI,Yizhen YAO,Jianqiang CHEN,Wenkai FENG. Fast Dynamic Identification of Landslide Hazards in Baihetan Reservoir area based on Short Baseline DInSAR Interferometry. Remote Sensing Technology and Application, 2023, 38(5): 1054-1061.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2023.5.1054 或 http://www.rsta.ac.cn/CN/Y2023/V38/I5/1054

图1 研究区域概况图

表 1 SAR数据获取情况

图2 技术路线图

图3 隐患点识别概况图

图4 85号点干涉形变情况

图5 85号点形变现场图

图6 75、76、77号点形变情况

图7 公路断裂现场图

1	FAN Qixiang， ZHANG Chaoran， WANG Zhilin， et al. Introduction of key technologies for constructing Baihetan Hydropower Station［J］. China Water Resources， 2019， 18： 9-14.
1	樊启祥，张超然，汪志林，等. 白鹤滩水电站工程建设关键技术进展和突破［J］. 中国水利， 2019， 18： 9-14.
2	LI Bin， ZHANG Qing， WANG Wenpei， et al. Geohazard monitoring and risk management of high-steepslope in the Wudongde dam area［J］. Journal of Geomechanics，2020，26（4）： 556-564.
2	李滨，张青，王文沛，赵其苏，等. 金沙江乌东德水电站坝区高陡边坡地质灾害监测预警研究［J］.地质力学学报，2020，26（4）：556-564.
3	YUAN Ya， FU Huiyuan， XU Xiuzhen，et al. Influence of Wudongde hydropower station impoundamenton water environment of Panzhihua Reach［J］. Yangtze River， 2008（23）： 114-117.
3	阮娅，傅慧源，许秀贞. 乌东德水电站蓄水对攀枝花河段水环境的影响［J］. 人民长江， 2008（23）： 114-117.
4	ZHU Sainan， YIN Yueping， WANG Meng， et al. Instability mechanism and disaster mitigation measures of long-distance landslide at high location in Jinsha River junction zone： Case study of Sela landslide in Jinsha River， Tibet［J］. Chinese Journal of Geotechnical Engineering， 2021，43（4）：688-697.
4	朱赛楠，殷跃平，王猛，等. 金沙江结合带高位远程滑坡失稳机理及减灾对策研究——以金沙江色拉滑坡为例［J］. 岩土工程学报， 2021， 43（4）： 688-697.
5	XU Qiang， DONG Xiujun， LI Weile， et al. Integrated Space-Air-Ground early detection， monitoring and warning system for potential catastrophic geohazards［J］. Geomatics and Information Science of Wuhan University， 2020， 45（11）： 1651-1659.
5	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.
6	FENG Wenkai， Jiawei DUN， YI Xiaoyü，et al. 2020. 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.
6	冯文凯，顿佳伟，易小宇，张国强. 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.
7	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.
7	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.
8	ZHU K X， XU P H， CHEN C， et al. Preliminary identification of geological hazards from Songpinggou to Feihong in Mao County along the Minjiang River using SBAS-InSAR technique integrated multiple spatial analysis methods［J］. Sustainability，2021，13：1017. DOI：10.3390/su13031017 doi: 10.3390/su13031017
9	FENG W K， DUN J W， YI X Y， et al. 2020. Deformation analysis of Woda village old landslide in Jinsha river basin using SBAS-InSAR technology［J］. Journal of Engineering Geology，2019，28（2）：384-393. DOI： 10.13544/j.cnki.jeg. 2019-411 doi: 10.13544/j.cnki.jeg. 2019-411
10	ZHANG Lu， LIAO Mingsheng， DONG jie， et al. Early detection of landslide hazards in mountainous areas of West China using time series SAR interferometry—A case study of Danba， Sichuan［J］. Geomatics and Information Science of Wuhan University， 2018，43（12）：2039-2049.
10	张路，廖明生，董杰，等. 基于时间序列InSAR分析的西部山区滑坡灾害隐患早期识别-以四川丹巴为例［J］.武汉大学学报·信息科学版，2018，43（12）：2039-2049.
11	DAI Keren， ZHUO Guanchen， XU Qiang， et al. Tracing the pre-failure two-dimensional surface displacements of Nanyu landslide， Gansu province with radar interferometry［J］. Geomatics and Information Science of Wuhan University， 2019， 44（12）：1778-1786，1796.
11	戴可人，卓冠晨，许强，等. 雷达干涉测量对甘肃南峪乡滑坡灾前二维形变追溯［J］. 武汉大学学报（信息科学版），2019，44（12）：1778-1786，1796.
12	DAI Cong， LI Weile， LU Huiyan， et al. Active landslides detection in Zhouqu County，Gansu province using InSAR technology［J］. Geomatics and Information Science of Wuhan University， 2021，46（7）：994-1002.
12	代聪，李为乐，陆会燕，等. 甘肃省舟曲县城周边活动滑坡InSAR探测［J］.武汉大学学报·信息科学版，2021，46（7）：994-1002.
13	ZHU Zeng. Analysis of surface deformation in a landslide prone Heifangtai area， Gansu using InSAR technology and muti-temporal datasets［D］. Chengdu： University of Electronic Science and Technology of China， 2019.曾珠.基于InSAR技术分析甘肃黑方台已滑及潜在滑坡区地表形变［D］. 成都：电子科技大学，2019.
14	LIU Zhenguo. Study on the subsidence monitoring caused by repeated excavation with DInSAR［D］. Xuzhou： China University of Mining and Technology， 2014.
14	刘振国. DInSAR 技术在矿区地表重复采动开采沉陷监测中的应用研究［D］. 徐州：中国矿业大学， 2014.
15	DAI Keren， Yongbo TIE， Qiang XÜ，et al. Early identification of potential landslide geohazards in alpine-canyon terrain based on SAR interferometry—A case study of the middle section of Yalong river［J］. Journal of Radars，2020，9（3）：554-568.
15	戴可人，铁永波，许强，等.高山峡谷区滑坡灾害隐患InSAR早期识别——以雅砻江中段为例［J］. 雷达学报，2020，9（3）： 554-568.
16	ZHANG L L， DAI K R， DENG J， et al. Identifying potential landslides by Stacking-InSAR in Southwestern China and its performance comparison with SBAS-InSAR［J］. Remote Sensing，13（18）：3662. DOI：10.3390/rs13183662 doi: 10.3390/rs13183662
17	YANG Chao， YANG Yinghui， WANG Jiyan， et al. 2023. Inferring landslide depth based on ascending and descending InSAR deformations-example of Taoping village ancient landslide［J］.Journal of Engineering Geology，2021，31（3）：868-879.
17	杨超，杨莹辉，王继燕，等. 利用InSAR升降轨形变数据反演滑坡深度—以桃坪乡古滑坡为例［J］. 工程地质学报，2021，31（3）：868-879.
18	DAI K R， LI Z H， XU Q， et al. Entering the era of Earth-Observation based landslide warning system［J］. IEEE Geoscience and Remote Sensing Magazine，2019，8（1）： 136-153. DOI： 10.1109/MGRS.2019.2954395 . doi: 10.1109/MGRS.2019.2954395
19	XU Xiaobo， MA Chao， SHAN Xinjian，et al. Monitoring ground subsidence in high-intensity mining area by integrating DInSAR and Offset-tracking technology［J］. Journal of Geo-information Science， 2020. 22（12）： 2425-2435.徐小波，马超，单新建，等. 联合DInSAR与Offset-tracking技术监测高强度采区开采沉陷的方法［J］.地球信息科学学报， 2020， 22（12）： 2425-2435.
20	GE Daqing， DAI Keren， GUO Zhaocheng， et al. Early identification of serious geological hazards with integrated Remote sensing technologies：Thoughts and recommendations［J］. Geo-matics and Information Science of Wuhan University，2019，44（7）：949-956.
20	葛大庆，戴可人，郭兆成，李振洪. 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.
21	ZHANG Lele， LIU Bo， JIA Shili， et al. Reconstruction of time series three-dimensional multi-level deformationin Mining area based on single OT DInSAR Pair［J］. Journal of Geodesy and Geodynamnies， 2021， 41（9）： 886-894.
21	张乐乐，刘波，贾世利，等. 基于单轨道OT DInSAR的矿山时序三维多量级形变重建［J］.大地测量与地球动力学， 2021， 41（9）： 886-894.
22	ZHANG Weimin， XU Jianqiang， JI Jinhua， et al. Baihetan hydropower project on Jinshajiang River and timing of project construction［J］. Water Power， 2003（6）：1-4.
22	张为民，徐建强，计金华. 金沙江白鹤滩水电站工程建设时机的选择［J］. 水力发电， 2003（6）： 1-4.
23	LI Yuting， XIE Xianming.A phase unwrapping algorithm combining unscented Kalman filter and particle filter［J］. Science of Surveying and Mapping，2019，44（8）：19-31.
23	李玉婷，谢先明. 一种 UKF与PF相结合的相位解缠算法［J］. 测绘科学，2019，44（8）：19-31.
24	GE Daqing， WANG Yan， GUO Xiaofang， et al. Surface deformation field monitoring by use of small-baseline differential interferograms stack［J］. Journal of Geodesy and Geodynam ICS， 2008， 28（2）： 61-66.
24	葛大庆，王艳，郭小方，等. 利用短基线差分干涉纹图集监测地表形变场［J］. 大地测量与地球动力学， 2008， 28（2）： 61-66.

[1]	彭令，徐素宁，梅军军，李文娟. 资源三号卫星在汶川震区滑坡快速识别中的应用方法研究[J]. 遥感技术与应用, 2018, 33(1): 185-192.
[2]	乔彦肖，张少才. 利用卫星遥感对石家庄市西部山区特大型滑坡的初步研究[J]. 遥感技术与应用, 1999, 14(2): 44-48.

Viewed

Full text

Abstract

Cited

Shared

Discussed