九寨沟地区高位滑坡隐患InSAR-LiDAR早期识别

doi:10.13474/j.cnki.11-2246.2023.0128

测绘通报 ›› 2023, Vol. 0 ›› Issue (5): 9-15.doi: 10.13474/j.cnki.11-2246.2023.0128

九寨沟地区高位滑坡隐患InSAR-LiDAR早期识别

王之栋^1,2, 唐伟², 马志刚¹, 李雨宸³, 杨本勇², 李维庆², 李永鑫²

1. 四川省国土空间生态修复与地质灾害防治研究院, 四川成都 610036;
2. 自然资源部第三地理信息制图院, 四川成都 610100;
3. 西南财经大学天府学院, 四川成都 610066

收稿日期:2022-07-14 修回日期:2023-03-20 发布日期:2023-05-31
通讯作者: 唐伟。E-mail:362706358@qq.com
作者简介:王之栋(1993-),男,硕士,工程师,研究方向为InSAR数据处理与分析应用。E-mail:zdwang_gis@foxmail.com
基金资助:
四川省地质灾害隐患遥感识别监测项目（510201202110324）；自然资源技术融合研究与应用示范项目（121204007000204101）；四川省地质灾害隐患遥感识别监测（2022年）及高分遥感应用服务项目（N5100012022001470）

Early identification of ridge-top landslide hazards in Jiuzhaigou area using InSAR-LiDAR method

WANG Zhidong^1,2, TANG Wei², MA Zhigang¹, LI Yuchen³, YANG Benyong², LI Weiqing², LI Yongxin²

1. Sichuan Academy of Territorial Space Ecorestoration and Geohazard Prevention, Chengdu 610036, China;
2. The Third Geoinformation Mapping Institute of Ministry of Natural Resources, Chengdu 610100, China;
3. Tianfu College, Southwestern University of Finance and Economics, Chengdu 610066, China

Received:2022-07-14 Revised:2023-03-20 Published:2023-05-31

摘要/Abstract

摘要： 首先在九寨沟地区约4000 km²的范围实践了空-天-地一体化的合成孔径雷达干涉测量技术（InSAR）和激光探测及测距技术（LiDAR）的滑坡隐患识别方法，共识别出滑坡隐患344处，其中高位滑坡隐患114处，其形变速率为-149～120 mm/a。然后综合遥感和野外调查验证分析，可知九寨沟地区高位滑坡隐患主要分布在构造侵蚀高山河谷地貌、坡度35°～45°、坡向NE至SE范围、高差100～350 m的第四系（Q）松散堆积层中。最后以中查沟高位滑坡隐患为例进行了基于InSAR-LiDAR方法的高位滑坡隐患时空分析，得到了该高位滑坡隐患的形变、形态和形势特征。本文验证了综合利用InSAR、LiDAR技术识别和分析高位滑坡隐患的准确性和可靠性，可为滑坡隐患的防灾减灾提供科学依据和参考。

关键词: 九寨沟, 高位滑坡隐患, 早期识别, InSAR, LiDAR, 发育特征

Abstract: In the area of about 4000 km² in Jiuzhaigou area, synthetic aperture radar interferometry (InSAR) and light detection and ranging (LiDAR) are applied to identification of landslide hazards. A total of 344 landslide hazards are identified, including 114 ridge-top landslide hazards, with a deformation rate of -149~120 mm/a during December 2017 and October 2020.Through comprehensive remote sensing and field investigation, it is concluded that most of ridge-top landslide tend to develop in the NE, SE-faced slope with a gradient of 35°~45°. The most elevation difference of ridge-top landslide range from 100 m to 350 m. The slope material is mostly composed of quaternary (Q) unconsolidated deposit with geomorphology of high mountains and valleys eroded by tectonics. Finally, Taking the Zhongchagou ridge-top landslide as an example, the temporal and spatial analysis of the ridge-top landslide based on InSAR-LiDAR method is carried out, and the deformation, shape and situation characteristics of the ridge-top landslide are obtained. This study verified the accuracy and reliability of the comprehensive use of InSAR and LiDAR technology to identify and analyze ridge-top landslide hazards, which can provide scientific basis and reference for disaster prevention and mitigation of landslide hazards.

Key words: Jiuzhaigou, ridge-top landslide hazards, early identification, InSAR, LiDAR, developmental characteristics

中图分类号:

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.

WANG Zhidong, TANG Wei, MA Zhigang, LI Yuchen, YANG Benyong, LI Weiqing, LI Yongxin. Early identification of ridge-top landslide hazards in Jiuzhaigou area using InSAR-LiDAR method[J]. Bulletin of Surveying and Mapping, 2023, 0(5): 9-15.

参考文献

[1] 殷跃平, 王文沛, 张楠, 等.强震区高位滑坡远程灾害特征研究:以四川茂县新磨滑坡为例[J].中国地质, 2017, 44(5):827-841.
[2] 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.
[3] KRIEGER G, FIEDLER H, HAJNSEK I, et al.TanDEM-X:mission concept and performance analysis[C]//Proceedings of 2005 IEEE International Geoscience and Remote Sensing Symposium.[S.l.]:IEEE, 2005:4890-4893.
[4] 朱建军, 杨泽发, 李志伟.InSAR矿区地表三维形变监测与预计研究进展[J].测绘学报, 2019, 48(2):135-144.
[5] 张勤, 黄观文, 杨成生.地质灾害监测预警中的精密空间对地观测技术[J].测绘学报, 2017, 46(10):1300-1307.
[6] 廖明生, 董杰, 李梦华, 等.雷达遥感滑坡隐患识别与形变监测[J].遥感学报, 2021, 25(1):332-341.
[7] FERRETTI A, FUMAGALLI A, NOVALI F, et al.A new algorithm for processing interferometric data-stacks:SqueeSAR[J].IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(9):3460-3470.
[8] 许强, 李为乐, 董秀军, 等.四川茂县叠溪镇新磨村滑坡特征与成因机制初步研究[J].岩石力学与工程学报, 2017, 36(11):2612-2628.
[9] 王之栋, 文学虎, 唐伟, 等.联合多种InSAR技术的龙门山-大渡河区域地灾隐患早期探测[J].武汉大学学报(信息科学版), 2020, 45(3):451-459.
[10] 王志一, 徐素宁, 王娜, 等.高分辨率光学和SAR遥感影像在地震地质灾害调查中的应用:以九寨沟M7.0级地震为例[J].中国地质灾害与防治学报, 2018, 29(5):81-88.
[11] 董秀军, 许强, 佘金星, 等.九寨沟核心景区多源遥感数据地质灾害解译初探[J].武汉大学学报(信息科学版), 2020, 45(3):432-441.
[12] 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.
[13] 张亚迪, 李煜东, 董杰, 等.时序InSAR技术探测芒康地区滑坡灾害隐患[J].遥感学报, 2019, 23(5):987-996.
[14] 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.
[15] 葛大庆, 戴可人, 郭兆成, 等.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.
[16] HANSSEN R F.Radar Interferometry:data interpretation and error analysis[M].Dordrecht:Kluwer Academic, 2001.
[17] 吴俊峰.大渡河流域重大地震滑坡发育特征与成因机理研究[D].成都:成都理工大学, 2013.
[18] 许强, 李为乐.汶川地震诱发大型滑坡分布规律研究[J].工程地质学报, 2010, 18(6):818-826.
[19] 戴岚欣, 许强, 范宣梅, 等.2017年8月8日四川九寨沟地震诱发地质灾害空间分布规律及易发性评价初步研究[J].工程地质学报, 2017, 25(4):1151-1164.
[20] 敖萌, 张勤, 赵超英, 等.改进的CR-InSAR技术用于四川甲居滑坡形变监测[J].武汉大学学报(信息科学版), 2017, 42(3):377-383.

九寨沟地区高位滑坡隐患InSAR-LiDAR早期识别

Early identification of ridge-top landslide hazards in Jiuzhaigou area using InSAR-LiDAR method

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]	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.
[2]	牛鹏涛, 曹毅, 张恩朝, 漆洋. 融合车载LiDAR点云和全景影像的道路标线自动提取方法[J]. 测绘通报, 2023, 0(5): 67-71,139.
[3]	田正杰, 王雪英, 渠涛, 李泽晖. 无人机载LiDAR在光伏场区1∶500地形图测绘中的应用[J]. 测绘通报, 2023, 0(5): 180-184.
[4]	郑鹏, 魏星灿, 李宁, 李强, 陈江攀. 无人机机载LiDAR技术在抽水蓄能电站库区岩溶识别中的应用[J]. 测绘通报, 2023, 0(4): 121-127.
[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]	董耿志, 星文太, 周程, 蔡永栋, 张宏光. 基于InSAR及综合物探方法的道路塌陷分析[J]. 测绘通报, 2023, 0(3): 104-110.
[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]	陶威, 贾洪果, 亢邈迒, 刘雨鑫. 基于时序合并的PS-InSAR方法在雄县及周边区域地表形变监测中的应用[J]. 测绘通报, 2023, 0(1): 101-106.
[12]	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.
[13]	梁斌, 魏冠军. 利用InSAR技术观测台湾花莲地震断层滑动与运动机理分析[J]. 测绘通报, 2022, 0(9): 68-73.
[14]	牛鹏涛, 曹毅, 乔文彬. 融合RGB-D深度图像和LiDAR点云的石油管线BIM建模[J]. 测绘通报, 2022, 0(9): 93-97,157.
[15]	龚高太, 李佳豪, 周吕, 刘志荣, 黄良珂, 刘立龙. 时序InSAR北京地区地表沉降监测与分析[J]. 测绘通报, 2022, 0(9): 123-128.