顾及多动态环境因子的滑坡演化规律研究——以西宁市9大滑坡区为例

doi:10.13474/j.cnki.11-2246.2023.0130

测绘通报 ›› 2023, Vol. 0 ›› Issue (5): 21-26,43.doi: 10.13474/j.cnki.11-2246.2023.0130

顾及多动态环境因子的滑坡演化规律研究——以西宁市9大滑坡区为例

胡祥祥¹, 柯福阳^1,2, 张志山³, 姚永顺³, 宋宝⁴, 明璐璐¹, 尹继鑫³, 张海欢⁵

1. 南京信息工程大学遥感与测绘工程学院, 江苏南京 210044;
2. 南京信息工程大学无锡研究院, 江苏无锡 214000;
3. 西宁测绘院, 青海西宁 810000;
4. 北京理工大学自动化学院, 北京 100081;
5. 西宁市不动产登记服务中心, 青海西宁 810000

收稿日期:2022-12-28 修回日期:2023-03-21 发布日期:2023-05-31
通讯作者: 柯福阳。E-mail:ke.fuyang@qq.com
作者简介:胡祥祥(1996-),男,硕士,主要研究方向为地质灾害。E-mail:837531464@qq.com
基金资助:
江苏省自然科学基金（BK20211037）；江苏省科技项目社发项目（BE2021622）；2022年度第六期江苏省“333人才”培养支持资助（BRA2022042）

Landslide evolution law considering multiple dynamic environmental factors: a case study of nine landslide areas in Xining city

HU Xiangxiang¹, KE Fuyang^1,2, ZHANG Zhishan³, YAO Yongshun³, SONG Bao⁴, MING Lulu¹, YIN Jixin³, ZHANG Haihuan⁵

1. School of Remote Sensing and Geomatics Engineering, Nanjing University of Information Science & Technology, Nanjing 210044, China;
2. Wuxi Research Institute, Nanjing Information Engineering University, Wuxi 214000, China;
3. Xining Surveying and Mapping Institute, Xining 810000, China;
4. School of Automation, Beijing Institute of Technology, Beijing 100081, China;
5. Xining Real Estate Registration Service Center, Xining 810000, China

Received:2022-12-28 Revised:2023-03-21 Published:2023-05-31

摘要/Abstract

摘要： 本文利用2018—2022年103景Sentinel-1A数据，采用SBAS-InSAR方法，获得了西宁市坡向沉降信息，研究西宁市滑坡区坡向沉降的趋势特征及其同区域内如植被覆盖、降水等因素之间存在的耦合关系。结果表明，西宁市滑坡区的沉降趋势呈现出坡向分异的特征，具体表现为阳坡沉降速率大于阴坡沉降速率。根据这一沉降变化特性，本文分析得出更深层次的特征机制：①植被覆盖度越低，滑坡形变速率越高；②降水量可能导致特征点的形变量短期上升，但总体仍呈下降状态；③地物威胁主要来自阳坡，坡度越高区域往往是滑坡区速率最大的地方。为此，未来西宁市滑坡的注意力应该更倾向于西南坡方向，提高本区域滑坡监测与预警的警觉性。

关键词: SBAS-InSAR, 滑坡, 坡向, 沉降规律, 降水

Abstract: In this paper, using 103-view Sentinel-1A data from 2018 to 2022, the SBAS-InSAR method was used to obtain information on slope-oriented subsidence in Xining city and to study the trend characteristics of slope-oriented subsidence in the landslide area of Xining city and its coupling relationship with factors such as vegetation cover and precipitation in the region. The results show that the sedimentation trend in the landslide area of Xining city shows the characteristics of slope divergence. Specifically, the degree of landslide sedimentation in the Yang slope area changes dramatically, and its sedimentation rate is faster than that of the Yin slope. According to this characteristic of subsidence change, this paper conducted a more profound study and characteristic mechanism:① The lower the vegetation cover, the higher the landslide deformation rate and the sunny slope is more prone to landslide than the shady slope. ② The amount of precipitation may lead to a short-term increase in the deformation variables of the characteristic points, but the overall situation is still decreasing. ③ The threat of features mainly comes from the sunny slope, and the higher slope area tends to be the place where the rate of landslide area is the largest. Therefore, the attention to landslides in Xining city should be more inclined to the southwest slope in the future to improve the alertness of landslide monitoring and warning in this region.

Key words: SBAS-InSAR, landslide, slope orientation, subsidence pattern, precipitation

中图分类号:

P237

胡祥祥, 柯福阳, 张志山, 姚永顺, 宋宝, 明璐璐, 尹继鑫, 张海欢. 顾及多动态环境因子的滑坡演化规律研究——以西宁市9大滑坡区为例[J]. 测绘通报, 2023, 0(5): 21-26,43.

HU Xiangxiang, KE Fuyang, ZHANG Zhishan, YAO Yongshun, SONG Bao, MING Lulu, YIN Jixin, ZHANG Haihuan. Landslide evolution law considering multiple dynamic environmental factors: a case study of nine landslide areas in Xining city[J]. Bulletin of Surveying and Mapping, 2023, 0(5): 21-26,43.

参考文献

[1] 张勤, 白正伟, 黄观文, 等. GNSS滑坡监测预警技术进展[J]. 测绘学报, 2022, 51(10):1985-2000.
[2] 王国权, 鲍艳. 基于区域参考框架的GNSS滑坡监测[J]. 测绘学报, 2022, 51(10):2107-2116.
[3] 明璐璐, 高品红, 刘宇航, 等.北斗监测滑坡及其梯度增强多元回归位移预测[J].测绘通报, 2022(10):7-12.
[4] XIONG Z, FENG G, FENG Z, et al.Pre-and post-failure spatial-temporal deformation pattern of the Baige landslide retrieved from multiple radar and optical satellite images[J]. Engineering Geology, 2020, 279:105880.
[5] 喜文飞, 赵子龙, 李国柱, 等. SBAS-InSAR技术与无人机影像融合的滑坡变形监测[J]. 测绘通报, 2022(10):1-6.
[6] 安炳琪, 罗海滨, 丁海勇, 等. 基于SBAS-InSAR技术的西宁地表形变监测[J]. 遥感技术与应用, 2021, 36(4):838-846.
[7] 王战卫. 基于SBAS-InSAR技术的青海大通县滑坡识别方法研究[D]. 成都:成都理工大学, 2019.
[8] 赵超英, 刘晓杰, 张勤, 等. 甘肃黑方台黄土滑坡InSAR识别、监测与失稳模式研究[J]. 武汉大学学报(信息科学版), 2019, 44(7):996-1007.
[9] LI Jingying. Study on stability evaluation and prevention of Sanxing Temple landslide in Sichuan earthquaked areas[EB/OL].[2022-12-10].https://www.semanticscholar.org/paper/Study-on-stability-evaluation-and-prevention-of-in-Jing-ying/3945d9ef73581cd524da1eb02371330ca7294c27.
[10] YANG H Q, ZHANG L, GAO L, et al. On the importance of landslide management:insights from a 32-year database of landslide consequences and rainfall in Hong Kong[J]. Engineering Geology, 2022, 299:106578-106593.
[11] 白仙富, 戴雨芡, 叶燎原, 等. 基于GIS和专家知识的滇西南地区滑坡敏感性模糊逻辑推理方法[J].地震研究, 2022, 45(1):118-131.
[12] 刘睿, 施婌娴, 孙德亮, 等. 基于GIS与随机森林的巫山县滑坡易发性区划[J]. 重庆师范大学学报(自然科学版), 2020, 37(3):86-96.
[13] 李益敏, 袁静, 蒋德明, 等.基于GIS的西南高山峡谷区滑坡风险性评价——以怒江州泸水市为例[J].西北师范大学学报(自然科学版), 2021, 57(6):94-102.
[14] 王朝阳.坡向与斜坡稳定性的关系研究[D].昆明:昆明理工大学, 2008.
[15] 石固林, 陈强, 刘先文, 等.联合升降轨Sentinel-1A数据监测桃坪乡古滑坡沿坡向的形变速度场[J].工程地质学报, 2022, 30(4):1350-1361.
[16] YANG Jie, HUANG Xin.The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019[J].Earth System Science Data, 2021, 13(8):3907-3925.
[17] 郭忻怡, 郭擎, 冯钟葵. 滑坡蠕变与遥感影像上植被异常关系[J]. 遥感学报, 2020, 24(6):776-786.
[18] 张晓东, 刘湘南, 赵志鹏, 等. 基于像元二分法的盐池县植被覆盖度与地质灾害点时空格局分析[J]. 国土资源遥感, 2018, 30(2):195-201.
[19] 何秀凤, 高壮, 肖儒雅, 等. InSAR与北斗/GNSS综合方法监测地表形变研究现状与展望[J]. 测绘学报, 2022, 51(7):1338-1355.
[20] CASCINI L, FORNARO G, PEDUTO D. Advanced low-and full-resolution DInSAR map generation for slow-moving landslide analysis at different scales[J]. Engineering Geology, 2010, 112(1-4):29-42.

顾及多动态环境因子的滑坡演化规律研究——以西宁市9大滑坡区为例

Landslide evolution law considering multiple dynamic environmental factors: a case study of nine landslide areas in Xining city

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	孟永东, 袁昌纬, 田斌, 蔡征龙, 张伟杰. 滑坡表面位移的无人机航测点云比对监测方法[J]. 测绘通报, 2023, 0(5): 1-8.
[2]	王之栋, 唐伟, 马志刚, 李雨宸, 杨本勇, 李维庆, 李永鑫. 九寨沟地区高位滑坡隐患InSAR-LiDAR早期识别[J]. 测绘通报, 2023, 0(5): 9-15.
[3]	杜宇峰, 黄亮, 赵子龙, 李国柱. 基于DETR的高分辨率遥感影像滑坡体识别与检测[J]. 测绘通报, 2023, 0(5): 16-20.
[4]	曹小燕, 满新耀, 汪继平, 麦荣章, 郭云开. 基于鸟群优化BP神经网络的滑坡处治后变形预测[J]. 测绘通报, 2023, 0(5): 27-31.
[5]	何亚东, 徐许雄, 李林, 孙铭, 黄逢. 联合北斗与地基InSAR多源数据分析四川茂县特大滑坡[J]. 测绘通报, 2023, 0(4): 159-162.
[6]	丁伟, 陈展鹏, 许兵, 冯志雄. 基于SBAS-InSAR技术的广州市白云区长时序地表形变监测与成因分析[J]. 测绘通报, 2023, 0(4): 167-171.
[7]	潘建平, 蔡卓言, 赵瑞淇, 付占宝, 袁雨馨. 基于InSAR和GRU神经网络的不稳定斜坡地表形变预测[J]. 测绘通报, 2023, 0(3): 33-38.
[8]	谢艳玲, 夏正清, 王涛, 张政亮, 朱冬春. 黄河流域植被NPP时空变化及其对水热条件和退耕还林还草工程实施的响应[J]. 测绘通报, 2023, 0(2): 15-20.
[9]	张领旗, 谢酬, 陈蜜, 田帮森, 杨知, 朱玉. 时序InSAR技术在三峡库区特高压输电通道滑坡隐患识别的应用[J]. 测绘通报, 2023, 0(2): 97-103.
[10]	钱雨扬, 杨泽发, 吴立新, 周亦, 秦源均. 联合InSAR与坡向约束的露天矿边坡三维形变监测[J]. 测绘通报, 2023, 0(2): 104-109.
[11]	方留杨, 刘天逸, 赵鑫, 吴昊, 贾志文, 曾珍. 基于增强生成对抗网络的滑坡影像集超分辨率重建[J]. 测绘通报, 2023, 0(1): 45-51.
[12]	陈巧, 袁飞云, 付霞, 张文居, 董秀军. 无人机摄影测量技术在阿娘寨滑坡应急调查中的应用[J]. 测绘通报, 2023, 0(1): 77-83,119.
[13]	王润泽, 费敏, 梁世川, 薛豪威, 楼晓. 基于SBAS-InSAR技术监测西安市地表形变特征[J]. 测绘通报, 2023, 0(1): 173-178.
[14]	唐菲菲, 唐天俊, 朱洪洲, 胡川, 马英, 李昕. 结合注意力机制和Bi-LSTM的降雨型滑坡位移预测[J]. 测绘通报, 2022, 0(9): 74-79,104.
[15]	周志伟, 程翔, 周伟, 郝卫峰, 肖海斌, 陈鸿杰, 杨魁. 地基SAR在滑坡形变监测中的应用[J]. 测绘通报, 2022, 0(7): 60-63.