基于InSAR技术和光学遥感的贵州省滑坡早期识别与监测

doi:10.13474/j.cnki.11-2246.2021.0216

摘要/Abstract

摘要： 贵州省因其复杂的地形地貌和强降水等气候特征，滑坡灾害频繁发生。亟需一种可靠的滑坡早期识别和监测方法。传统的滑坡识别和监测方法存在局限性，而InSAR技术在大规模地质灾害监测中具有独特的优势。但是，基于单一地表形变值的滑坡识别结果存在一定的不确定性。因此，本文联合InSAR技术和光学遥感，利用Sentinel-1A雷达卫星影像数据对贵州省六盘水市、铜仁市、贵阳市等地区进行大规模地表形变监测和危险形变区识别；并采用基于NDVI时间序列分析和基于滑坡发育要素的滑坡识别方法对研究区潜在滑坡灾害进行调查。利用InSAR技术对研究区域内重点滑坡（鸡场镇）进行监测，及时掌握滑坡的运动状态。本文方法对贵州省的灾害防治和管理具有重要意义。

关键词: 贵州省, 滑坡识别与监测, 光学遥感, InSAR, SBAS

Abstract: The topography and landforms of Guizhou province in China are complicated, and the climatic conditions of heavy precipitation make landslide disasters in Guizhou province occur frequently. To avoid damage bringing to people's lives and economic property caused by disasters, a reliable early landslide identification method and landslide monitoring method are urgently needed. Traditional landslide identification and monitoring methods have limitations. InSAR technology has unique advantages in large-scale landslide identification and monitoring, but landslide identification results based on a single deformation value are one-sided. Therefore, this paper uses Sentinel-1A Radar satellite image data and uses InSAR technology and optical remote sensing technology togather to carry out large-scale surface deformation monitoring and identification of dangerous deformation areas in Liupanshui city, Tongren city, Guiyang city and other regions in Guizhou province. The potential landslide identification methods based on the time series normalized difference vegetation index and landslide development environment elements are combined to investigate hidden landslide hazards in the study area. In this paper, time series InSAR technology is used to monitor key landslides in Yujiaying, to grasp the movement status of the landslide in time. The method of landslide identification and monitoring in this paper is of great significance for disaster prevention and management in Guizhou province.

Key words: Guizhou province, landslide identification and monitoring, optical remote sensing, InSAR, SBAS

中图分类号:

P237

吴绿川, 王剑辉, 符彦. 基于InSAR技术和光学遥感的贵州省滑坡早期识别与监测[J]. 测绘通报, 2021, 0(7): 98-102.

WU Lüchuan, WANG Jianhui, FU Yan. Early identifying and monitoring landslides in Guizhou province with InSAR and optical remote sensing[J]. Bulletin of Surveying and Mapping, 2021, 0(7): 98-102.

参考文献 20

[1]	窦爱霞, 丁香, 王龙, 等. 高分光学遥感地震应急应用原型系统[J]. 地震, 2013, 33(2):11-18.
[2]	白世彪, 王建, 郝立贞, 等. 基于光学遥感数据, GIS和Logistic回归模型的青川县地震滑坡敏感性制图[C]//中国地理学会2009百年庆典学术大会, 北京:[s.n.], 2009.
[3]	鲁学军, 史振春, 尚伟涛, 等. 滑坡高分辨率遥感多维解译方法及其应用[J]. 中国图象图形学报, 2014,19(1):141-149.
[4]	赵祥, 李长春, 苏娜. 滑坡泥石流的多源遥感提取方法[J]. 自然灾害学报, 2009, 18(6):29-32.
[5]	陆会燕, 李为乐, 许强, 等. 光学遥感与InSAR结合的金沙江白格滑坡上下游滑坡隐患早期识别[J]. 武汉大学学报(信息科学版), 2019, 44(9):1342-1354.
[6]	张洁, 胡光道, 罗宁波. INSAR技术在滑坡监测中的应用研究[J]. 工程地球物理学报, 2004(2):147-153.
[7]	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.
[8]	史绪国, 张路, 许强, 等. 黄土台塬滑坡变形的时序InSAR监测分析[J]. 武汉大学学报(信息科学版), 2019, 44(7):1027-1034.
[9]	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.
[10]	肖儒雅, 何秀凤. 时序InSAR水库大坝形变监测应用研究[J]. 武汉大学学报(信息科学版), 2019, 44(9):1334-1341.
[11]	唐青松, 田述军, 张静, 等. 基于时序InSAR技术的新磨村滑坡发生前后变形研究[J]. 华北地震科学, 2019, 37(4):1-6, 12.
[12]	苗朝, 石胜伟, 张勇, 等. 基于时间序列InSAR技术的川东红层滑坡识别及变形规律[J]. 科学技术与工程, 2019, 19(18):245-252.
[13]	欧阳伦曦, 李新情, 惠凤鸣, 等. 哨兵卫星Sentinel-1A数据特性及应用潜力分析[J]. 极地研究, 2017, 29(2):286-295.
[14]	朱建军, 李志伟, 胡俊. InSAR变形监测方法与研究进展[J]. 测绘学报,2017,46(10):1717-1723.
[15]	李德仁, 廖明生, 王艳. 永久散射体雷达干涉测量技术[J]. 武汉大学学报(信息科学版),2004,29(8):664-668.
[16]	朱文峰. 甘肃黑方台黄土滑坡InSAR精细化识别与监测[D].西安:长安大学,2018.
[17]	范洪冬. InSAR若干关键算法及其在地表沉降监测中的应用研究[D].徐州:中国矿业大学,2010.
[18]	张金芝.基于InSAR时序分析技术的现代黄河三角洲地面沉降监测及典型影响因子分析[D].青岛:中国科学院研究生院(海洋研究所),2015.
[19]	张艳梅,王萍,罗想,等.利用Sentinel-1数据和SBAS-InSAR技术监测西安地表沉降[J].测绘通报,2017(4):93-97.
[20]	王金烁,赵宁远.利用InSAR技术研究2018年西藏谢通门M_W5.6地震发震构造[J].地震工程学报,2020,42(2):384-390.