Deformation analysis in the bank slopes in the reservoir area of Baihetan Hydropower Station based on SBAS-InSAR technology
-
摘要: 库岸潜在滑坡变形分析是保障国家水利水电设施安全运行的重要环节，针对仅利用单一轨道SAR数据对库岸潜在滑坡变形监测不准确的问题，采用SBAS-InSAR技术，联合升降轨Sentinel-1 SAR数据构建研究区2019年7月至2021年7月的雷达视线方向形变时间序列，并结合无人机野外调查，分析白鹤滩水电站库岸典型潜在滑坡的变形特征。结果表明：（1）受蓄水因素影响，白鹤滩水电站库岸潜在滑坡形变平均增速达10 mm/a以上，库岸稳定性受到破坏；（2）蓄水量变化是当前库岸滑坡发育的关键性诱因，在蓄水和降雨等因素共同作用下，白鹤滩水电站库岸潜在滑坡存在失稳风险；（3）升降轨SAR数据结合的方式能有效克服单一轨道导致的几何畸变等问题，使水电站库岸潜在滑坡变形监测更加准确、全面。研究结果有助于了解库区蓄水对库岸潜在滑坡变形趋势的影响，可为区域尺度防灾应急管理提供科学支持。
-
关键词:
- SBAS-InSAR技术 /
- 滑坡灾害 /
- 地表形变 /
- 变形分析 /
- 白鹤滩水电站
Abstract: The analysis of potential landslide deformation on the reservoir bank is an important link to ensure the safe operation of national water conservancy and hydropower facilities. In response to the problem of inaccurate monitoring of potential landslide deformation on the reservoir bank using single-track SAR data only, this paper uses SBAS-InSAR technology to construct the radar line-of-sight directional deformation of the study area from July 2019 to July 2021 by combining elevated-track Sentinel-1 SAR data time series, and unmanned aircraft field surveys were combined to analyse the deformation characteristics of typical potential landslides on the reservoir bank of Baihetan hydropower station. The results show that: (1) under the influence of water storage factors, the average growth rate of potential landslide deformation on the reservoir bank of Baihetan hydropower station reaches more than 10 mm/a. Reservoir bank stability is undermined; (2) water storage changes are the key causal factor in the development of reservoir bank potential landslides at present. The potential landslides on the reservoir bank of Baihetan Hydropower Station are at risk of instability with the joint effect factors such as water storage and rainfall; (3) the method which combined lift-track SAR data can effectively overcome the problems such as geometric distortion caused by a single track, and make the monitoring of potential landslide deformation on the reservoir bank of hydropower station more accurate and comprehensive. The research result can help to understand the impact of reservoir storage on the deformation trend of reservoir bank potential landslides, and can provide scientific support for regional-scale disaster prevention and emergency management. -
0. 引 言
广东省是我国地质灾害多发省份之一，地质灾害类型以滑坡、崩塌和泥石流为主，具有点多、分布广、规模较小、危害性大等特点。降雨是诱发广东省地质灾害的主要因素。 2004年起，广东省就开展了汛期地质灾害气象风险预警工作，并取得了较好的防灾减灾效果。受地质灾害基础调查精度和气象数据共享程度等多因素影响，目前广东省地质灾害气象风险预警工作只开展到地市级，预警精度为乡镇。随着广东乡镇（街道）1∶1万地质灾害调查工作的实施，开展了以斜坡为单元的地质灾害风险调查评价，并控制性地布设测绘、钻探和岩土样测试等勘查测绘工作，划定风险区，构建了行政村风险管控网格。大量翔实的调查、勘查测绘数据进一步揭示斜坡类地质灾害的成灾机理，证实了广东省暴雨型滑坡主要发生在斜坡的浅表层这一显著特点，为以斜坡为单元构建预警模型开展地质灾害气象风险预警奠定了基础，同时精准的预警又是实施以风险斜坡为单元的行政村级风险管控的前提条件。因此，聚焦斜坡浅表层开展强降雨作用下坡面尺度的斜坡失稳动力预警模型研究，具有重要的理论和实践意义。
按照基于降雨因素的地质灾害区域预警理论，可将区域地质灾害气象风险预警为隐式统计预警、显式统计预警和动力预警三种类型[1 − 3]。隐式统计预警是把除降雨以外的其他地质环境因素的作用隐含在降雨中, 重点利用降雨参数建立模型的预警方法。显式统计预警是通过把地质环境因素变化与激发因素相迭，建立相互耦合判据模型的预警方法。隐式统计预警和隐式统计预警主要是运用数理统计分析的方法建模。动力预警是一种针对地质体因降雨影响自身发生动力变化过程构建数学物理判据方程的预警方法, 本质上是一种解析预警方法。三种预警模型与工作区地质灾害基础调查评价工作精度、灾害机理研究程度密切相关，是针对不同程度地质灾害调查研究成果转化应用发展的体现。目前在区域地质灾害气象风险预警中使用比较广泛的预警方法主要以显式统计预警为主，而动力学预警由于斜坡失稳条件、降雨对滑坡作用机理的复杂性，以及模型参数的不确定性，仍处于研究阶段[4]。本研究在广东省1∶5万地质灾害风险调查、乡镇（街道）1∶1万地质灾害风险调查评价、前期地质灾害气象风险预警等一系列工作成果的基础上，以风险管控斜坡为单元进行概化分类及几何模型建立，进一步构建降雨量为因、斜坡稳定性为果的动力预警模型，分析不同降雨变量条件下斜坡的稳定系数，实现坡面尺度级斜坡失稳风险预警，探索适应以斜坡单元预警为主要方式的县级地质灾害气象风险预警技术。
1. 广东省地质灾害特点
据统计，2003—2022年20年间广东省共发生各类突发性斜坡类地质灾害5597起，死亡 759 人（含失踪），受伤200 人，直接经济损失约30.4亿元。灾害类型主要以崩塌、滑坡、泥石流为主，具有点多面广、危害严重、灾害规模以中小型为主、群发性强等特点[5]。灾害主要集中分布在粤东、粤西和粤北等广大中低山区、丘陵区以及人类工程活动强烈的珠三角局部地区[3]，地质灾害空间分布上有明显的地域性；与不同地区地层岩性、地质构造、地形地貌、残坡积层岩土体类型以及人类工程活动等因素关系密切；同时地质灾害的发生时间具有明显的季节性，据有明确发生时间的4773处地质灾害统计，其中有4456处发生在4—9月的汛期雨季，占93%，特别是5月、6月“龙舟水”和8月台风强降雨期间，10月至次年3月发生地质灾害的频率较小。强降雨引发的地质灾害与月均降雨量呈明显正相关关系，当月均降雨量大于100 mm时，地质灾害发生数量呈明显增多[6]（图1）；地质灾害相对强降雨滞后时间短或与强降雨同步发生，具有群发性；群发性地质灾害主要以发育于第四系全新统残坡积层的浅层小型破坏为主，发育厚度范围为1～3 m，一般情况下崩滑体厚度均小于5 m，主要发生于坡度为35°～45°，坡高为30～60 m的凸形自然边坡。
![]()
图 1 广东省地质灾害与月均降雨量关系图Figure 1. Relationship chart between geo-hazards and average monthly rainfall in Guangdong Province2. 坡面尺度下区域动力学预警技术研究
2.1 斜坡类地质灾害成灾机理研究
广东省群发性地质灾害主要发生在岩土体的浅表层，在残坡积层形成易破坏层。不同母岩风化后形成的岩土体的矿物成分、结构构造、物理力学性质和工程性质差异性很大。为进一步探究广东省地质灾害成灾机理，为坡面尺度下区域动力学预警技术应用提供理论和数据支撑，本研究通过典型地质灾害物理模拟试验和地质灾害数值模拟构建了不同类型坡面单元的斜坡稳定评价物理模型、数值分析模型以及连续介质动力模型，揭示了强降雨过程斜坡体水力特征、破坏模式和变形特征。
2.1.1 典型地质灾害物理模拟试验
（1）模型试验总体思路
基于典型滑坡灾害调查勘查成果资料，采用物理模拟试验研究边坡在强降雨条件下的失稳模式和变形破坏特征，分析边坡失稳机理。模型试验以实际边坡原型为研究对象，采用1∶50比例，在坡内埋置监测传感器，通过自然工况下的模拟人工强降雨试验，探究强降雨条件下广东省典型滑坡失稳破坏机理。
（2）模型试验系统组成
试验系统与设备主要由模型箱、降雨模拟系统、数据监测系统和高清摄像机四个部分组成（图2）。通过试验模型箱、模拟降雨系统的组合，并配合土压力计等传感器的数据采集系统与数字影像实时监测系统形成一套降雨诱发型滑坡模拟的试验设备；试验的传感器有土压力传感器、水分仪和孔隙水压力传感器。传感器的布置，需要保证传感器不破坏边坡模型的整体完整；在降雨试验对模型边界的处理中，模型边坡除了具有应力边界外，还具有水力边界，即将边坡的上表面视为降雨入渗边界，边坡前缘作为自由边界，边坡底部及背部可近似地看作隔水边界。
（3）模型试验及结果
试验模拟50 mm/h降雨，持续160 min后边坡完全破坏。通过进行强降雨条件下物理模型试验，获得了滑坡模型各观测点的土壤含水率、孔隙水压力、土压力的变化过程曲线，并记录了不同时间模型变形及破坏的信息（图3）。
通过滑坡模型试验水力特征变化曲线（图4）可以看到：土壤体积含水率随时间变化曲线规律为快速上升-缓慢上升-快速上升-平稳趋于饱和，从坡脚到坡顶依次达到平稳饱和；孔隙水压随时间变化规律为孔隙水压力先逐渐增加，当测点处发生失稳破坏时孔隙水压消散，产生突降；土压力随时间变化规律为前期上升或下降，在测点处破坏时，土压力值突降。
通过物理模型试验，揭示边坡在强降雨条件下坡面土体在一定深度范围内由坡脚至坡顶逐步产生主动土压破坏，塑性区向上游扩展，影响因素主要有降雨量、降雨历时、土体类别和坡体结构等因素。
2.1.2 典型地质灾害数值模拟及结果
基于以上地质灾害物理模拟研究结果，选择18处典型灾害点，结合地质灾害现场调查、工程地质测绘、勘察及土工试验成果，提取各灾害点原始坡体的坡长、坡度、岩土分层几何参数，选取相关物理力学参数，如：容重、弹性模量、泊松比、黏聚力和内摩擦角等（表1），利用Midas GTS /NX 软件分别构建二维、三维数值模型，分析降雨前后边坡体稳定系数变化情况斜坡应力云图、应变增量场变化情况（表2），对地质灾害及灾害链在暴雨下的动态演化机制进行研究，对其成灾机理进行解析，为降雨入渗的斜坡稳定性评价模型优化提供依据。研究发现，降雨前各斜坡稳定系数绝大多数在1.2以上，相对比较稳定，降雨后，各斜坡稳定系数均发生大幅下降，多数在1.0以下，处于失稳状态；暴雨条件下受降雨入渗影响，斜坡应力集中带向前扩展比较明显，应变场增量沿坡体上部增量明显，说明斜坡岩土体容易在浅表层首先造成失稳，与灾害事实相符。
表 1 天然及暴雨状态下斜坡岩土体计算参数Table 1. Calculation parameters of rock and soil mass of the slope under natural and rainstorm conditions名称 弹性模量
/MPa孔隙比 天然状态 饱水状态 γ/（kN·m−3） c/kPa ϕ/（°） γsat/（kN·m−3） c/kPa ϕ/（°） 砂质黏性土①-1 8.0 0.99 18.0 19.1 18.0 18.5 18.1 17.0 砂质黏性土①-2 8.5 0.88 18.1 20.2 19.2 18.7 19.3 18.3 砂质黏性土①-3 9.2 0.83 19.1 28.3 22.5 19.6 26.2 21.1 全风化花岗岩 50.0 0.71 21.0 38.0 35.0 21.5 − − 中风化花岗岩 100.0 0.65 22.0 50.0 45.0 22.5 − − 表 2 河源市龙川县地质灾害数值模拟（部分示例）Table 2. Numerical simulation of geo-hazards in Longchuan County, Heyuan City (some examples)灾害体特征 二/三维数值模拟 稳定系数 
1.25
（自然状态）1.01
（饱和状态）
1.22
（自然状态）0.80
（饱和状态）2.2 基于降雨入渗的斜坡稳定性评价模型优化
以上基于降雨入渗导致斜坡体失稳发生机理建立的物理模型试验和数值模型模拟结果证明以往研究认为的降雨引起的斜坡失稳大部分发生在极限入渗深度范围的浅层土质中[7 − 9]结论相吻合。因此，基于降雨入渗对斜坡单元构建以降雨为因、稳定性为果的预测评价具有可行性。本文聚焦斜坡残坡积层，以斜坡为单元，将Green-Ampt降雨入渗模型和无限边坡稳定性评价方法相结合，进行优化构建了相应的斜坡稳定性评价模型[10 − 11]。
袁畅等[12]结合广东的特点进一步分析总结认为：斜坡残坡积层在不同的降雨强度、降雨历时条件下，具有不同的湿润深度Zw，降雨入渗过程存在入渗极限深度Zw，深度与相对雨强和降雨历时具有较好的函数关系。
湿润深度：
$$ {Z}_{{\mathrm{w}}}=(0.13\eta +0.03){t}^{-0.03\eta +0.78} $$ (1) 式中：Zw——湿润锋深度/cm；
$ t $ ——降雨历时/min；$ \eta $ ——相对雨强。本文选取粤东地区花岗岩残积土边坡数值模型进行不同降雨强度条件下湿润峰入渗深度随时间的变化关系。
当
$ \eta < 10 $ 时，湿润锋深度与相对雨强以及降雨强度存在较好的函数关系。相对雨强：
$$ \eta =q/{k}_{{\mathrm{s}}} $$ (2) 式中：
$ q $ ——雨量强度/（cm·min−1）；$ {k}_{{\mathrm{s}}} $ ——饱和渗透系数/（cm·min−1）。基于湿润锋最大深度与降雨历时以及相对雨强的关系，建立基于降雨入渗斜坡稳定性系数与降雨关键参数的数学模型。公式如下：
$$ F_{\mathrm{s}}=\frac{c'+(\gamma_{\mathrm{sat}}-\gamma_{\mathrm{w}})Z_{\mathrm{w}}\cos^2\alpha\tan\varphi'}{\gamma_{\mathrm{sat}}Z_{\mathrm{w}}\sin\alpha\cos\alpha} $$ (3) 式中：
$ {c}' $ ——有效黏聚力/kPa；$ {\varphi }' $ ——有效内摩擦角/（°）；$ {\gamma }_{\text{sat}} $ ——土的饱和重度/（kN·m−3）；$ {\gamma }_{{\mathrm{w}}} $ ——水的重度/（kN·m−3）；$ \alpha $ ——边坡坡角/（°）；Zw——湿润锋深度/cm。
由以上公式可以看出斜坡稳定性系数Fs与Zw存在负相关的关系。
3. 坡面尺度下区域动力学预警技术应用初探
3.1 应用技术流程
以斜坡为单元的区域地质灾害气象风险预警的基础是对设定区域进行预警区划，按斜坡单元划分预警分析单元[6]，构建预警分析模型，同步获取降雨监测、预报数据，计算对应时空雨量下各斜坡单元的稳定性，根据稳定性动态分析结果发布预警[13 − 16]。具体方法如下：
（1）划分预警分析单元（斜坡单元）
斜坡单元是斜坡类地质灾害孕育、发生的最基本单元[17 − 18]。广东省1∶10000乡镇（街道）地质灾害风险调查评价基于斜坡单元开展，主要以承灾体作为斜坡单元划分的控制性因素，综合考岩土体特征、致灾因素、地层岩性、已发地质灾害隐患、变形特征等因素合理圈定，上限划到分水岭，下限将可能的承灾体圈划进去，单个斜坡单元面积控制在0.1～0.3 km2。主要通过DEM提取地表形态信息，借助GIS软件通过正向DEM提取出分水线，反向DEM提取出汇水线，将分水线和汇水线融合成一个闭合区域，期间要经过填洼、水流方向提取等众多步骤，再通过人机交互完善斜坡单元（图5）。
（2）预警分析单元参数赋值
斜坡单元岩土特性与水文地质特征基本一致，以坡面为单位基于地面调查多渠道提取各斜坡的相关地质环境调查信息或采用GIS技术叠加专题图层挖掘相关地质环境因子，对每个斜坡单元进行地质环境因子赋值（图6）。
（3）斜坡数值建模与预警分析
构建降雨量-斜坡稳定系数动力预警模型，基于调查、勘察及土工试验数据等，对研究区的各斜坡单元完成参数设置（图7），同步接入研究区降雨实测、预报数据，以不同的降雨性质如降雨强度、降雨持续时间、前期降雨等数据为变量计算出每个斜坡单元的稳定系数。
稳定系数分析结果按（0，1.05）、[1.05，1.1）、[1.1，1.2）、[1.2，1.4）区间分段划分为红、橙、黄、蓝4个等级，通过对研究区每个坡面单元的稳定系数的集合和前期易损性评价结果，从而实现对某一降雨过程诱发群发性地质灾害的时空分布及风险等级进行预报预警（图8）。
3.2 应用实例及效果——以龙川县贝岭镇流域为例
本次研究选取近年群发性地质灾害比较突出的广东河源龙川县贝岭镇流域，开展以斜坡为单元的地质灾害动力预警。河源市龙川县贝岭小流域面积为15.29 km2，属中低山地地形，地势北高南低，沟谷两侧山势陡峭、尖峰状、花岗岩呈平缓山顶，“V”型谷居多，地形切割强烈，相对高差500～700 m，地形坡度40°～45°基岩风化强烈，残积层厚10～25 m。2019年6月10日夜间至13日，受“龙舟水”影响，贝岭镇普降暴雨，导致山洪暴发、地质灾害群发，发生72起地质灾害，造成数人死亡以及重大经济损失。
导入龙川贝岭镇小流域的DEM等数据，系统将15.29 km2划分为259个坡面分析单元，并自动批量量测出各坡面单元坡度（α）、坡高（H）、体积（V）等几何物理参数（图9）。
![]()
图 9 坡面尺度的斜坡分析单元的划分及几何参数提取Figure 9. Division of slope units and extraction of geometric parameters of the slopes基于小流域浅表层岩土体力学参数（表1），以2019年6月10日夜间至13日期间持续降雨过程期间的实测、预报降雨以及持续降雨时间为变量（持续降雨时长75 h，最大小时雨量48.4 mm，单日最大雨量153.5 mm，累计雨量达到了275.2 mm），计算湿润锋深度Zw，通过基于降雨入渗的斜坡稳定性评价模型批量自动计算各斜坡单元的稳定系数，按红、橙、黄、蓝4个等级显示。分析结果显示，此轮降雨共有22个斜坡单元达到红色预警，10个斜坡单元为橙色预警，38个斜坡单元为黄色预警（图10），黄色及以上斜坡单元与群发性地质灾害实际发生位置比较吻合。
4. 结 论
（1）本文选择典型历史地质灾害，通过物理模型试验，揭示了边坡在暴雨条件下坡面土体在一定深度范围内的含水率、应力及破坏特征，影响因素主要有降雨量、降雨历时、土体类别和坡体结构等因素。
（2）本文通过典型地质灾害数值模拟，揭示了强降雨过程斜坡体应力云图、应变增量场、斜坡稳定系数等变化情况，结果表明受降雨入渗影响，斜坡应力集中带向前扩展比较明显，应变场增量沿坡体上部增量明显，斜坡岩土体容易在浅表层首先造成失稳。
（3）基于降雨入渗导致斜坡体失稳发生机理建立的物理模型试验和数值模型模拟结果，聚焦斜坡残坡积层，将Green-Ampt降雨入渗模型和无限边坡稳定性评价方法相结合，进行优化构建了动力学斜坡稳定性评价模型。
（4）探索了斜坡失稳动力预警模型对广东省暴雨型浅层滑坡灾害气象风险预警的可行性，包括按斜坡单元划分预警分析单元，构建降雨量-斜坡稳定系数动力预警模型，以不同时空雨量为变量动态计算对应时空各斜坡单元的稳定系数，基于稳定性的动态变化实时发布预警等应用流程，并结合龙川县贝岭镇流域应用实例验证了其可行性，可为广东省开展以斜坡单元预警为主要方式的县级地质灾害气象风险预警提供支撑。
-
![]()
图 4 研究区部分较理想的干涉图
注：（a）、（b）、（c）为升轨数据干涉图，（d）、（e）、（f）为降轨数据干涉图
Figure 4. Ideal interference patterns in the study area
![]()
图 6 升轨潜在滑坡解译及实地考察结果
Figure 6. Interpretation and field investigation results of potential landslide in ascending orbit
![]()
图 7 降轨潜在滑坡解译及实地考察结果
Figure 7. Interpretation and field investigation results of potential landslide in descending orbit
表 1 Sentinel-1A数据参数
Table 1 Sentinel-1A data parameters
轨道方向 成像模式 极化方式 波长 波段 入射角/(°) 升轨 IW VV 5.63 C 39.44 降轨 IW VV 5.63 C 39.28 
下载: 导出CSV
表 2 升轨数据库岸形变区域解译结果列表
Table 2 List of interpretation results of shore deformation region in orbit lifting database
编号 形变区域名称 最大形变速率/（mm·a−1） 形变区域类别 H1 观音岩 19.846 潜在滑坡 H2 鱼坝 18.537 潜在滑坡 X1 六城村 76.259 非滑坡形变 X2 半坡 55.947 非滑坡形变
下载: 导出CSV
表 3 降轨数据库岸形变区域解译结果列表
Table 3 List of interpretation results of shore deformation region in orbit descent database
编号 形变区域名称 最大形变速率/（mm·a−1） 形变区域类别 H3 观音岩 10.726 潜在滑坡 H4 清水沟 17.605 潜在滑坡 H5 鱼坝 19.326 潜在滑坡 H6 大湾子 15.888 潜在滑坡 X3 六城村 48.871 非滑坡形变 X4 半坡 61.425 非滑坡形变
下载: 导出CSV
-
[1] 代贞伟,殷跃平,魏云杰,等. 三峡库区藕塘滑坡特征、成因及形成机制研究[J]. 水文地质工程地质,2015,42(6):145 − 153. [DAI Zhenwei,YIN Yueping,WEI Yunjie,et al. Characteristics,origin and formation mechanism of the Outang landslide in the Three Gorges Reservoir area[J]. Hydrogeology & Engineering Geology,2015,42(6):145 − 153. (in Chinese with English abstract) [2] 张鹏,张森林,黄波林,等. 岸坡消落带岩体劣化的新生型滑坡(崩塌)隐患演化模式研究[J]. 工程地质学报,2021,29(5):1416 − 1426. [ZHANG Peng,ZHANG Senlin,HUANG Bolin,et al. Study on the evolution model of neogenic landslide (collapse) hazards in rock mass of hydro-fluctuation belt[J]. Journal of Engineering Geology,2021,29(5):1416 − 1426. (in Chinese with English abstract) [3] 裴小龙,杨瀚文,宋东阳,等. 雅砻江中游楞古水电站夏日滑坡发育特征及稳定性分析[J]. 中国地质灾害与防治学报,2022,33(1):75 − 82. [PEI Xiaolong,YANG Hanwen,SONG Dongyang,et al. Characteristics and stability analysis of Xiari landslide at Lenggu hydropower station in the middle reach of the Yalong river[J]. The Chinese Journal of Geological Hazard and Control,2022,33(1):75 − 82. (in Chinese with English abstract) [4] 李松林,许强,汤明高,等. 三峡库区滑坡空间发育规律及其关键影响因子[J]. 地球科学,2020,45(1):341 − 354. [LI Songlin,XU Qiang,TANG Minggao,et al. Study on spatial distribution and key influencing factors of landslides in Three Gorges Reservoir area[J]. Earth Science,2020,45(1):341 − 354. (in Chinese with English abstract) [5] 何少其,刘元雪,杨骏堂,等. 库岸堆积层滑坡位移的分量响应模式及多因子模型[J]. 岩土力学,2020,41(8):2773 − 2784. [HE Shaoqi,LIU Yuanxue,YANG Juntang,et al. A component response mode and multi-factor model for accumulation landslide displacement induced by reservoir[J]. Rock and Soil Mechanics,2020,41(8):2773 − 2784. (in Chinese with English abstract) [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. [LIAO Mingsheng,DONG Jie,LI Menghua,et al. Radar remote sensing for potential landslides detection and deformation monitoring[J]. National Remote Sensing Bulletin,2021,25(1):332 − 341. (in Chinese with English abstract) [7] 解明礼,巨能攀,刘蕴琨,等. 崩塌滑坡地质灾害风险排序方法研究[J]. 水文地质工程地质,2021,48(5):184 − 192. [XIE Mingli,JU Nengpan,LIU Yunkun,et al. A study of the risk ranking method of landslides and collapses full text replacement[J]. Hydrogeology & Engineering Geology,2021,48(5):184 − 192. (in Chinese with English abstract) [8] 康亚,赵超英,张勤,等. InSAR滑坡探测技术研究—以金沙江乌东德水电站段为例[J]. 大地测量与地球动力学,2018,38(10):1053 − 1057. [KANG Ya,ZHAO Chaoying,ZHANG Qin,et al. Research on the InSAR technique of landslide detection:A case study of wudongde hydropower station section,Jinshajiang[J]. Journal of Geodesy and Geodynamics,2018,38(10):1053 − 1057. (in Chinese with English abstract) [9] 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. [LU Huiyan,LI Weile,XU Qiang,et al. Early detection of landslides in the upstream and downstream areas of the baige landslide,the Jinsha river based on optical remote sensing and InSAR technologies[J]. Geomatics and Information Science of Wuhan University,2019,44(9):1342 − 1354. (in Chinese with English abstract) DOI: 10.13203/j.whugis20190086 [10] 闫怡秋,郭长宝,张永双,等. 基于SBAS-InSAR技术的西藏雄巴古滑坡变形特征[J]. 地质学报,2021,95(11):3556 − 3570. [YAN Yiqiu,GUO Changbao,ZHANG Yongshuang,et al. Study of the deformation characteristics of the Xiongba ancient landslide based on SBAS-InSAR method,Tibet,China[J]. Acta Geologica Sinica,2021,95(11):3556 − 3570. (in Chinese with English abstract) DOI: 10.3969/j.issn.0001-5717.2021.11.027 [11] 苏晓军,张毅,贾俊,等. 基于InSAR技术的秦岭南部略阳县潜在滑坡灾害识别研究[J]. 山地学报,2021,39(1):59 − 70. [SU Xiaojun,ZHANG Yi,JIA Jun,et al. InSAR-based monitoring and identification of potential landslides in Lueyang County,the southern Qinling Mountains,China[J]. Mountain Research,2021,39(1):59 − 70. (in Chinese with English abstract) [12] 徐帅,王尚晓,牛瑞卿. 基于InSAR技术的三峡库区巫山—奉节段潜在滑坡识别[J]. 安全与环境工程,2020,27(1):32 − 38. [XU Shuai,WANG Shangxiao,NIU Ruiqing. Identification of the potential landslide in Wushan:Fengjie in the Three Gorges Reservoir area based on InSAR technology[J]. Safety and Environmental Engineering,2020,27(1):32 − 38. (in Chinese with English abstract) DOI: 10.13578/j.cnki.issn.1671-1556.2020.01.006 [13] 王振林,廖明生,张路,等. 基于时序Sentinel-1数据的锦屏水电站左岸边坡形变探测与特征分析[J]. 国土资源遥感,2019,31(2):204 − 209. [WANG Zhenlin,LIAO Mingsheng,ZHANG Lu,et al. Detecting and characterizing deformations of the left bank slope near the Jinping hydropower station with time series Sentinel-1 data[J]. Remote Sensing for Land & Resources,2019,31(2):204 − 209. (in Chinese with English abstract) [14] 朱同同,史绪国,周超,等. 利用2016—2020年Sentinel-1数据监测与分析三峡库区树坪滑坡稳定性[J]. 武汉大学学报·信息科学版,2021,46(10):1560 − 1568. [ZHU Tongtong,SHI Xuguo,ZHOU Chao,et al. Stability monitoring and analysis of the shuping landslide in the Three Gorges area with Sentinel-1 images from 2016 to 2020[J]. Geomatics and Information Science of Wuhan University,2021,46(10):1560 − 1568. (in Chinese with English abstract) [15] 史绪国,徐金虎,蒋厚军,等. 时序InSAR技术三峡库区藕塘滑坡稳定性监测与状态更新[J]. 地球科学,2019,44(12):4284 − 4292. [SHI Xuguo,XU Jinhu,JIANG Houjun,et al. Slope stability state monitoring and updating of the outang landslide,Three Gorges area with time series InSAR analysis[J]. Earth Science,2019,44(12):4284 − 4292. (in Chinese with English abstract) [16] LIAO M S,BALZ T,ZHANG L,et al. Characterization of landslide deformations in Three Gorges area using multiple InSAR data stacks[J]. Remote Sensing,2013,5(6):2704 − 2719. DOI: 10.3390/rs5062704
[17] ZHOU C,CAO Y,YIN K L,et al. Landslide characterization applying sentinel-1 images and InSAR technique:The muyubao landslide in the Three Gorges Reservoir area,China[J]. Remote Sensing,2020,12:3385. DOI: 10.3390/rs12203385
[18] LIU P,LI Z H,HOEY T,et al. Using advanced InSAR time series techniques to monitor landslide movements in Badong of the Three Gorges Region,China[J]. International Journal of Applied Earth Observation and Geoinformation,2013,21:253 − 264. DOI: 10.1016/j.jag.2011.10.010
[19] 佘雅文,付广裕,赵倩,等. 白鹤滩水电站蓄水引起重力与库仑应力变化的模拟研究[J]. 地球物理学报,2021,64(6):1925 − 1936. [SHE Yawen,FU Guangyu,ZHAO Qian,et al. Simulating changes of gravity and Coulomb stress caused by the impoundment of the Baihetan hydropower station[J]. Chinese Journal of Geophysics,2021,64(6):1925 − 1936. (in Chinese with English abstract) DOI: 10.6038/cjg2021O0163 [20] 冯文凯,易小宇,白慧林,等. 白鹤滩水库初次蓄水对双河段岸坡稳定性的影响预测分析[J]. 科学技术与工程,2021,21(1):346 − 352. [FENG Wenkai,YI Xiaoyu,BAI Huilin,et al. Prediction and analysis of influence of the first impoundment of Baihetan Reservoir on the bank slope stability of Shuanghe river section[J]. Science Technology and Engineering,2021,21(1):346 − 352. (in Chinese with English abstract) [21] 王哲,赵超英,刘晓杰,等. 西藏易贡滑坡演化光学遥感分析与InSAR形变监测[J]. 武汉大学学报·信息科学版,2021,46(10):1569 − 1578. [WANG Zhe,ZHAO Chaoying,LIU Xiaojie,et al. Evolution analysis and deformation monitoring of yigong landslide in Tibet with optical remote sensing and InSAR[J]. Geomatics and Information Science of Wuhan University,2021,46(10):1569 − 1578. (in Chinese with English abstract) DOI: 10.13203/j.whugis20210168 [22] 黄观文,王家兴,杜源,等. 顾及降雨及库水位因素的滑坡时滞分析与预测—以三峡库区新铺滑坡为例[J]. 地球科学与环境学报,2021,43(3):621 − 631. [HUANG Guanwen,WANG Jiaxing,DU Yuan,et al. Time-delay analysis and prediction of landslide considering precipitation and reservoir water level:A case study of Xinpu landslide in Three Gorges Reservoir area,China[J]. Journal of Earth Sciences and Environment,2021,43(3):621 − 631. (in Chinese with English abstract) [23] HUANG H N, ZHANG X B, LI Z R, et al. Stability evaluation at Xishan Loess landslide using InSAR technique applying ascending and descending SAR data[C]//2021: 034519.
[24] BERARDINO P,FORNARO G,LANARI R,et al. A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms[J]. IEEE Transactions on Geoscience and Remote Sensing,2002,40(11):2375 − 2383. DOI: 10.1109/TGRS.2002.803792
[25] DAI F,JIANG P,XU N W,et al. Focal mechanism determination for microseismic events and its application to the left bank slope of the Baihetan hydropower station in China[J]. Environmental Earth Sciences,2018,77(7):268. DOI: 10.1007/s12665-018-7443-1
[26] 喜文飞. 滇东北山区无人机遥感影像预处理方法及滑坡特征识别研究[D]. 昆明: 云南师范大学, 2019 XI Wenfei. Study on remote sensing image preprocessing method and landslide feature identification of UAV in northeast Yunnan Mountain area[D]. Kunming: Yunnan Normal University, 2019. （in Chinese with English abstract）
[27] 张欣,王运生. 白鹤滩水电站库区小江断裂带活动性研究[J]. 工程地质学报,2017,25(2):531 − 540. [ZHANG Xin,WANG Yunsheng. Activities of Xiaojiang fault zone in Baihetan hydropower station reservoir[J]. Journal of Engineering Geology,2017,25(2):531 − 540. (in Chinese with English abstract) -
期刊类型引用(12)
1. 王深禾，王世杰. 白鹤滩库区水位波动对滑坡形变的影响. 地球物理学进展. 2025(01): 94-105 . 
百度学术
2. 李志国，徐涛，刘永杰，赵立春，徐勇超，杨天鸿，郑小斌. 露天矿边坡稳定性的层次分析-模糊综合评价耦合分析. 中国地质灾害与防治学报. 2024(01): 116-123 . 本站查看
3. 岳磊，刘昌义，丛晓明，唐彬元，付江涛，邢光延，雷浩川，赵吉美，吕伟涛，胡夏嵩. 基于InSAR技术的夏藏滩滑坡区地表变形监测与分析. 水文地质工程地质. 2024(03): 158-170 . 百度学术
4. 陈跨越，王保云. 联合时序InSAR技术和CS-Elman神经网络的板子沟地表形变监测与预测模型性能的评估. 地球物理学进展. 2024(03): 1003-1016 . 百度学术
5. 李昊，李叶繁，魏长婧，王磊杰，康利军，姜川. 基于SBAS-InSAR技术的登封市潜在地质灾害识别研究. 河南科学. 2024(08): 1170-1178 . 百度学术
6. 张攀，李为乐，陆会燕，周胜森，李维敏，许善淼. 基于SBAS-InSAR的库区活动滑坡变形特征与库水位变化响应关系：以四川省黑水县毛尔盖水电站为例. 科学技术与工程. 2024(28): 11991-12002 . 百度学术
7. 洪文玉，喜文飞，钱堂慧，郭峻杞，靳婷婷. SBAS-In SAR下小湾水库-澜沧江段库岸滑坡空间分布统计. 测绘科学. 2024(10): 59-68 . 百度学术
8. 武彬彬，罗超鹏，余波，刘沛源. 基于FLOW-3D的滑坡运动过程模拟研究. 甘肃水利水电技术. 2023(03): 17-20 . 百度学术
9. 戴可人，吴明堂，卓冠晨，居安华，温柠玲，冯文凯，许强. 西南山区大型水电工程库岸滑坡InSAR早期识别与监测研究进展. 地球科学与环境学报. 2023(03): 559-577 . 百度学术
10. 崔华丽，谯鹏志，王佃明. 库水位变动情况下库岸边坡稳定性研究——以白鹤滩水电站石圪垴滑坡为例. 钻探工程. 2023(05): 36-42 . 百度学术
11. 何清，魏路，肖永红. 基于SBAS-InSAR技术的安徽亳州市地面沉降时空分布特征与影响因素分析. 中国地质灾害与防治学报. 2023(05): 81-90 . 本站查看
12. 孙鹏. 基于Stacking-InSAR和SBAS-InSAR地面沉降监测方法研究——以新疆阿勒泰地区为例. 经纬天地. 2023(06): 58-64 . 百度学术
其他类型引用(3)
计量
- 文章访问数: 1852
- HTML全文浏览量: 260
- PDF下载量: 289
- 被引次数: 15
邮件订阅
RSS