武维毓，周建波，王光辉，张 玲，黄会宝，巨淑君

（1.国家能源局大坝安全监察中心，浙江 杭州，311122；2.自然资源部国土卫星遥感应用中心，北京，100048；3.中国地质调查局自然资源航空物探遥感中心，北京，100083；4.国能大渡河流域水电开发有限公司，四川 成都，610041）

0 引言

水电是重要清洁能源，我国水电资源主要分布于西部地质条件复杂地区。近年来，地震、洪水、泥石流等地质灾害呈频发多发态势，由此造成的漫坝、垮坝及大坝重大结构损坏的风险居高不下。

2018年11 月，白格滑坡阻断金沙江干流形成堰塞湖，严重威胁金沙江中游各水电站的运行安全；2019年8月，汶川县境内发生特大暴雨泥石流灾害，太平驿水电站大坝闸门及启闭机严重损坏，龙潭水电站泄洪闸门堵塞，洪水翻坝。上述案例表明了提升水电站边坡安全风险的早期识别能力是应对大坝运行复杂环境条件的迫切需要，是保障大坝安全运行的重要途径。

近年来，卫星遥感技术发展快速，观测广度和深度不断扩展，空间分辨率、时间分辨率显著提升，将人类带入到一个多层、立体、多角度、全方位和全天候对地观测的新时代。通过光学遥感和合成孔径雷达干涉测量（InSAR）技术，可进行大范围、非接触、多频次的观察和测量[1]，相比传统的三角测量、水准测量等光电大地测量监测手段，具有范围广、成本低、实施易、高动态、客观准确等优势。随着国产卫星的快速发展，已经形成高、中、低分辨率合理配置、空天地一体多层观测的全球数据获取能力。全国第三次土地调查及各大型地质调查项目使用的卫星国产化占有率均已超过95%，国产光学卫星基本全面替代国外光学卫星。

基于卫星遥感光学影像和InSAR技术，进行某流域地质灾害普查，并选取该流域某变形体、某泥石流沟作为研究对象，结合孕灾地质背景及GNSS等实测数据，开展卫星遥感技术在水电站边坡安全风险识别方面的应用研究工作。

1 地质灾害综合遥感分析方法

地质灾害综合遥感分析方法是以灾害地质学原理和滑坡遥感为理论基础，从地质灾害的遥感特征出发，基于InSAR地表形变监测获取的集中变形区和光学解译获取的滑坡、崩塌、泥石流相关微地貌特征，结合地层岩性、地质构造、地形地貌等孕灾地质背景，通过人工交互解译和综合判识模型相结合的方式，完成区域地质灾害隐患的识别，并初步确定其类型、范围、规模、活动性（变形强度）、风险程度和威胁对象等。主要技术流程如图1所示。

图1 遥感灾害识别流程Fig.1 Disaster identification process through remote sensing

综合遥感解译过程中，将对数据进行采集处理获取的DOM、DEM、三维模型及数字化后的基础地质、地形、气候等专题数据，输入到GIS二维或三维平台中，采用人机交互与目视解译相结合的方式，通过多时相多尺度遥感数据对照解译、平面立体场景补充解译、灾害特征解译与潜在风险评价等综合解译分析过程，完成各类地质灾害隐患的光学遥感解译。具体的解译方法主要包括直判法、对比法、邻比法、综合解译法等。

2 某流域地质灾害普查

我国西南部某流域地处青藏高原与四川盆地的过渡地带，受扬子板块、印度板块与华北板块的碰撞、俯冲，发育大量的韧性剪切带，具有非常复杂的地质环境条件。

基于InSAR地表形变监测获取的集中变形区和光学解译获取的滑坡、崩塌、泥石流相关微地貌特征，结合地层岩性、地质构造、地形地貌等孕灾地质背景，开展区域地质灾害隐患的普查工作，共识别隐患174处（以滑坡为主），并对隐患体类型、范围、分布特点、规模、风险程度等进行分类统计，其中巨型滑坡38个、大型滑坡124个、中型滑坡11个、小型滑坡1个。

根据《地质灾害风险调查评价技术要求（1∶50 000）》及相关规范规定，基于地质灾害活动性和危害性等级，对其风险等级按照极高、高、中、低4类进行划分，划分标准见表1。其中低风险35个、中风险49个、高风险68个、极高风险22个。

表1 地质灾害风险等级划分Table 1 Risk classification of geologicaldisasters

对该流域内重点关注隐患边坡开展了地面调查及无人机巡查等工作，部分隐患体布设地面监测设施，纳入跟踪分析范围。对比地面调查及监测结果，本次基于遥感技术的地质灾害普查结果对活动边坡识别率达100%，并在水电站及管控边坡周围5 km内新发现活动变形边坡5处。同时，本次流域地质灾害普查解译识别的不仅包括有直接威胁对象的隐患，还包括潜在滑动对电站有间接影响的斜坡，覆盖范围更全面。

综合来看，基于卫星遥感技术的流域地质灾害普查在识别精细程度、全面性等方面具有显著成效，后期定期开展普查工作有利于动态掌握管控边坡状态，指导管控措施。流域性地质灾害定期普查为风险早期识别、精准定位监测目标打下良好基础。

3 某变形体风险识别及分析

3.1 某变形体概况

某变形体距离某水电站坝址16.8 km，变形体前缘高程约1 115 m（高出原河水位约80 m），后缘高程约1 600 m，顺河长度160～250 m，宽度约660 m，体积约150万m3，发育于三叠系白果湾组（T3bg）薄层砂页岩中。变形体主要由崩坡积堆积块碎石土层组成，涉及部分碎裂松动变形岩体。为监测该变形体的稳定性，布置了GNSS卫星定位、测斜孔、测缝计、微芯桩、地震计等监测设施。

蓄水前变形体覆盖层曾发生过小型塌滑。2016年8月，变形体前缘左岸库周交通公路路面出现开裂，坡体主要见8条裂缝，后缘及上下游裂缝贯通，下错位移明显；2016年8月23日，公路边坡局部垮塌；2017年7—11月，坡体变形加剧，后缘裂缝下错，坡体普遍开裂，局部垮塌；2017年12月1日起，最大日变形量开始小于10 mm，变形体变形逐渐减缓；2018年6月17日起，监测数据出现突变，7月2日该变形体大面积垮塌。为及时掌握变形体的位移及发展趋势，有效监测险情动态，新增了7个GNSS监测点，对变形体进行实时监测。自2018年12月1日起，该变形体最大日变形量小于10 mm，逐渐呈减缓的趋势。

3.2 基于综合遥感技术的风险识别及分析

3.2.1 变形体地表形变面积变化

利用多期高分辨率光学卫星遥感影像对该变形体地表形变进行变化分析，计算滑坡体的地表形变面积变化。查找2016年7月—2021年3月期间变形体区域空间分辨率优于2 m的光学卫星遥感数据，通过去云雾筛选与处理，进行解译分析，统计变形体面积时序变化，见图2。

由图2可知：变形体在2016年开始初步发育，规模较小。2018年内发生两次大规模变化：3月发生第一次大规模变化，较之前面积增长了10.4倍；6月之后，面积继续扩大至3月时的4.5倍，这一时期正是变形体滑坡的发生期，进而出现了较大规模的滑坡灾害。随后滑坡的面积除了小幅度增长之外，基本处于稳定状态。遥感光学影像解译的变形体地表面积变化特征与地面调查结果较为一致，可有效回溯形变发展过程。

图2 某变形体面积时序统计柱状图Fig.2 Time series graph of the area of a deformation body

3.2.2 变形体形变精细化分析

进一步开展某变形体精细化InSAR形变时间过程分析。根据滑坡数据源、地形地貌、SAR侧视成像特点及区域结果等，选用Sentinel-1降轨数据开展相应处理。数据起止时间为2017年3月15日—2021年4月23日，共计135期，数据重访周期6～12 d。处理得到变形体形变精细调查结果，见图3。

图3 某变形体形变状态精细调查结果（面向滑坡体）Fig.3 Detailed investigation results of the deformation body(facing landslide)

由图3可见：该变形体整体存在不同程度变形，后缘变形程度高于前缘，形变最大区域在变形体中后部，从光学影像上亦可看出其后缘有明显“圈椅状”，整个变形体色调较周围背景色浅，坡体有不同程度的溜滑活动，坡体后缘发育数条宽度不等的冲沟。

通过形变精细化分析，可对变形体进行活动性分区。现状分区与早期地面调查结果存在差异，可有效指导地面监测设施的布设与调整。

3.2.3卫星遥感形变分析与地面监测结果对比

为评估卫星遥感形变分析有效性，选择典型InSAR相干目标点HP01（ptID：107 637）与附近地面监测GNSS测点结果进行对比分析。对比时将GNSS测量累积形变量投影至雷达视线向，与相干目标点形变方向一致。分析时段为2017年3月—2021年4月。

图4为InSAR相干点形变速率图，负值表示形变远离卫星方向；图5为InSAR相干点与GNSS测点归算形变量过程线对比（LOS方向）。由图4和图5可见：

图4 某变形体相干点形变速率图Fig.4 Deformation rates of coherent points of the deformation body

图5 典型部位InSAR相干点及GNSS观测归算形变量对比（LOS方向）Fig.5 Comparison of deformation in typical positions measured by InSAR and GNSS(LOS direction)

（1）相干点InSAR解算线性与非线性累积形变量为334 mm，拟合形变速率为103 mm/a。GNSS测量归算至LOS方向累积形变量为440 mm。

（2）GNSS数据呈较明显的趋势性变化，雨季形变速率斜率大于非雨季；InSAR分析结果规律性相似，但由于时间采样率较GNSS低，相干性受地物目标变化影响较大，在雨季时干扰因素多，造成雨季形变测量值波动较大，多次叠加后对累计位移有所影响，是造成InSAR与GNSS累计位移偏差的原因之一。

（3）对比不同年份雨季形变速率，可见2017年和2018年斜率基本相同，说明此时黄草坪变形体为匀速运动，2019年斜率有变小现象，而在2020年又突然变大，且大于2017年和2018年，说明从2020年开始，形变有加速趋势，需加强关注。

3.2.4 小结

基于卫星遥感技术对某变形体地表面积变化、相干点形变进行时程分析，揭示的变形体演变过程及规律与地面调查、地面监测结果一致性较高。研究结果表明，卫星遥感技术在目标地质灾害隐患点动态监测、跟踪分析等方面具有精度高、覆盖广、成本低廉等优势，并可动态反馈指导地面监测系统优化调整，通过多源协同增强高风险部位监测预测能力。

4 某泥石流沟灾变成因回溯及分析

某水电站泥石流沟流域较广，汇水面积大，崩滑物源充足，对下游威胁大。泥石流沟道下游地势相对平缓，形成“U”形峡谷地貌，泥土岩块散落堆积在沟谷中。

2019年8月6 日晚突发泥石流，堵塞排水沟渠，泥石流漫灌至附近居民家中及某水电站营地厂区内，造成部分道路及建筑受损。泥石流爆发后，该水电站即增设雨量计、超声波泥位计、视频监控相机、GNSS测点等监测设施及无线报警器，对其稳定情况进行跟踪观测。

为回溯泥石流灾害诱发原因，通过高分辨率卫星遥感光学影像，结合区域地质条件、前期爆发情况、地面监测系统布设等，对泥石流沟范围内近5年的道路、冲沟、建筑物、松散物等物源特征及变化过程进行了动态识别，结果如图6所示。

图6 泥石流沟物源动态识别Fig.6 Dynamic source identification of debris flow gully

对比分析认为，2019年8月6日泥石流爆发前，公路切坡产生的大量弃渣堆积在泥石流沟内，沟内物源显著增多，在强降雨作用下诱发泥石流。

研究结果表明，卫星遥感技术在泥石流沟物源空间分布、时序演变过程分析方面具有显著优势，可为反演地质灾害诱发成因与演变规律提供技术支撑。

5 结语

面对近年来我国地震、洪水、滑坡、泥石流等地质灾害频发、多发态势，卫星遥感技术具有范围广、成本低、实施易、高动态、客观准确等优势，是一种较为理想的监测监控和风险识别技术载体，在流域地质灾害普查、隐患点动态监测、跟踪分析、灾变成因回溯及规律分析等方面具有良好的应用前景，可进一步加强和完善安全监测体系，提升水电站边坡风险识别能力，共同保障大坝运行安全，守卫人民生命财产安全，维护经济社会发展大局。