高海拔排土场边坡安全稳定性的PS-InSAR监测_董建军.pdf

第 43卷第 1期2023年 2月防灾减灾工程学报Journal of Disaster Prevention and Mitigation EngineeringVol.43 No.1Feb.2023高海拔排土场边坡安全稳定性的 PSInSAR 监测董建军1，2，梅媛1，2，闫斌3，刘士乙4（1.辽宁工程技术大学安全科学与工程学院，辽宁 葫芦岛 125105；2.辽宁工程技术大学矿山热动力灾害与防治教育部重点实验室，辽宁 大连，116024；3.华新水泥股份有限公司水泥业务地矿部，湖北 武汉 430070；4.东北大学资源与土木工程学院，辽宁 沈阳，110819）摘要:为了解决高海拔排土场边坡灾害监测难度大以及安全稳定性预警等问题，提出利用 PSInSAR技术对高海拔排土场边坡进行安全稳定性监测分析。通过对西藏山南桑日县某排土场边坡进行监测分析研究，采用 2018 年 11月 04日至 2020 年 12 月 23日的 25景 Sentinel1A 数据，利用时序差分干涉相位的时空分析方法，进行差分干涉、模型迭代计算和地理编码等解算，解算得到平均形变速率分布，基于平均形变速率结果分析该排土场边坡的安全稳定性。结果表明：利用 PSInSAR 技术能够获取排土场边坡区域的地表形变信息；该研究区域坡体 2018年 11月至2020 年 12 月 的 平 均 形 变 速 率 最 大 值 为-20.00 mm/a，最 大 形 变 速 率 区 域 出 现 在 排 土 场 边 坡 的 下 部；通 过PSInSAR 技术能够对其安全稳定状态进行准确评价，并进行预警预报，为排土场边坡的安全稳定服役提供有效技术保证。关键词:高海拔；排土场边坡；安全稳定性；PSInSAR；监测中图分类号:X43 文献标识码:A 文章编号:16722132(2023)01014909PSInSAR Monitoring of Slope Safety and Stability for High Altitude DumpDONG Jianjun1,2，MEI Yuan1,2，YAN Bin3，LIU Shiyi4(1.Institute of Safety Science and Engineering,Liaoning University of Engineering and Technology,Huludao 125105，China；2.Key Laboratory of Mine Thermodynamic Disasters and Control of Ministry of Education(Liaoning Technical University,Dalian 116024,China；3.Cement Operations Geology Division,Huaxin Cement Co.Ltd.,Wuhan 430070,China；4.School of Resources and Civil Engineering,Northeastern University,Shenyang 110819,China)Abstract:In order to solve the problems associated with monitoring high-altitude dump slope disasters and provide early warning for safety and stability，the permanent scattered InSAR technology was proposed to monitor and analyze the safety and stability of high-altitude dump slope.The slope of a dump in Sangri County，Shannan，Tibet was monitored and analyzed using 25 Sentinel-1A data sets from November 4，2018 to December 23，2020.In this study，the spatio-temporal analysis method of temporal difference interference phase was adopted，and the average deformation rate map was obtained through interference workflow processing，model inversion，and geographic coding.Based on the reDOI：10.13409/ki.jdpme.20211111026收稿日期：2021-11-11；修回日期：2021-11-18基金项目：国家自然科学基金项目（52074148）、辽宁省自然科学基金项目（2023-MS-343）资助作者简介：董建军(1978)，男，副教授，博士后。主要从事工程安全与防灾减灾方向的研究。E-mail:149sults of the average deformation rate，an analysis of the safety and stability of the dump slope was conducted.The results show that the PS-InSAR technology can be used to obtain surface deformation information of the dump slope area.The maximum average deformation rate for the slope in the study area from November 2018 to December 2020 was 20.00 mm per year，and the maximum deformation rate area appeared in the lower part of the dump slope.The PS-InSAR technology can accurately evaluate the slope s safety and stability and offer early warning and prediction，thereby providing effective technical support for the safe and stable service of the dump slope.Keywords:high altitude；dump slope；safety and stability；PS-InSAR；monitoring0 引 言西藏山南桑日县某矿区终了排土场处于高海拔地区，常规监测手段如精密水准测量和全球定位系统（Global Positioning System，GPS）监测等技术存在监测困难等问题。精密水准测量需要花费大量的时间 1；GPS 监测进行大范围监测困难大，垂直位移分量的测量精度较低2。自 2000 年以来，合成孔径雷达干涉测量已经在地表沉降、地震变形、火山运动和冰川漂移等方面已表现出良好的应用前景，其探测精度能够达到 mm 级 3。合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar，InSAR）技术除了具备 GPS 监测的近实时监测、穿透性和三维空间坐标一致性的优点，同时能够实现对边坡周边区域监测、坡体本身区域监测和数据的空间高密度面监测，并且能够克服传统监测存在的仪器布置以及人员方面的高投入和高风险问题，能够实现高海拔排土场边坡坡体区域全覆盖的安全稳定性监测4。目前，国内外学者利用永久散射体差分干涉测量（Persistent ScattererInSAR，PSInSAR）技术对于天然边坡的形变问题研究已经非常广泛。雷玲等5利 用 PSInSAR 研 究 伯 克 利 山 滑 坡，基 于19922010 年 期 间 的 ERS1/2、Radarsat1 和TerraSARX 星载雷达数据，监测出最大滑坡速率达 到 了 30.0 mm/a。王 群 等6基 于 Sentinel1 和ALOS2PALSAR2 数据，采用 PSInSAR 和 Offset Tracking 技术进行监测，PSInSAR 结果表明白格 滑 坡 边 缘 处 滑 动 速 率 超 过 25.0 mm/a，Offset Tracking 技 术 结 果 表 明 白 格 滑 坡 在 2015/072018/07 期间累计滑动量超过 30.0 m。唐青松等7利用 PSInSAR 对新磨村滑坡及周边区域形变进行监 测，研 究 表 明 滑 移 区 形 变 速 率 最 大 值 达 到-72.0 mm/a。史绪国等8基于三峡藕塘滑坡的 19 景 ALOS PALSAR 数据和 47 景 Sentinel1 数据，运用 PSInSAR 监测出新增 3 处不稳定斜坡。吴东霖等9采用 PSInSAR 对黄河流域刘家峡兰州段滑坡的 110 景 Sentinel1 CSAR 数据进行处理，识别出 1 处位于永靖县的滑坡隐患区。韩守富等10采 用 PSInSAR 对 陕 西 绥 德 县 城 区 及 周 边 地 区2015/122018/04 共 54 景 Sentinel1A 数据，共识别出城区沉降区 8处，滑坡隐患区 39处。朱赛楠等11对比 InSAR 和 Offset Tracking 技术的分析结果，2014/10/312018/12/02 金沙江色拉滑坡体前部滑塌 变 形 区 最 大 形 变 速 率 为 48.055.0 mm/a，2018/11/72019/10/07 金沙江色拉滑坡最大形变速 率 为 319.0338.0 mm/a。姚 鑫 等12利 用PSInSAR 共识别到青藏高原泛三江并流区海拔4 000 m 以下 904 处活动性滑坡。张永双等13利用PSInSAR 监测的累积位移时间曲线，获得了古滑坡复活的起点标志为弹性变形与匀速变形之间的拐点。戴可人等14利用 Sentinel1 的 SAR 遥感数据，利用 InSAR 技术对雅砻江流域雅江县木里县段 的 高 山 峡 谷 区 域 探 测 出 8 处 隐 患 区 域。R.Dwivedi等15利用 PSInSAR 对印度北阿坎德邦特里坝水库地区的滑坡进行研究，研究表明其形变速 率 为-17.923.4 mm/a。A.Gokhan 等16利 用PSInSAR 确定了伊斯坦布尔沿海地区沉降的速率为 6.89.2 mm/a。F.Paolo等17利用 PSInSAR 对意大利中部阿尔卑斯山进行研究，发现该区域 66%的滑坡为活跃滑坡。B.Omar 等18利用 PSInSAR对阿尔及利亚君士坦丁进行变形监测，监测精度达到 mm 级。O.R.Kazeem 等19基于 Sentinel1A 卫150星数据利用 PSInSAR 对槟城岛进行地表形变监测，监测结果为-44.0 mm/a。以上学者应用 PS InSAR 主要研究天然边坡领域，对于高海拔地区人工堆积而成的排土场边坡研究尚少，高海拔排土场边坡由于其所处地域的特殊性，其安全稳定性关系到脆弱的高原环境安全和工业生产安全，但在进行 PSInSAR 监测过程中存在低相干区域较多的情况，需要提高低相干区域点目标的密度。鉴于此，本文通过对西藏山南桑日县某排土场边坡进行研究，基于 2018/11/042020/12/23 期间25 景 Sentinel1A 数据，采用 PSInSAR 解算监测终了排土场边坡的地表形变，通过时序差分干涉相位的时空分析，进行差分干涉、模型迭代计算和地理编码等解算，获得排土场边坡平均形变速率，进而评判该排土场边坡的安全稳定状态。1 PSInSAR基本原理假设研究区域有 N+l幅不同时相的合成孔径雷达（Synthetic Aperture Radar，SAR）影像，按一定的规则选取其中一幅作为主影像，其余 N 幅为辅影像并分别与主影像配准，得到 N+l 幅配准的 SAR影像和 N 个干涉像对。将 N 个干涉像对与由已知数字高程模型（Digital Elevation Model，DEM）数据反演的干涉相位进行差分处理得到 N 幅差分干涉图。第 i景干涉图相位i表示为：i=topo+def+flat+atm+noise（1）式中，topo为地形相位；def为形变相位；flat为平地相位；atm为大气延迟相位；noise为噪声相位。利用精密轨道数据去除平地相位，引入相关研究区的 DEM 数据去除地形相位，进行 SAR 数据的差分干涉处理，得到时序差分干涉图集，第 i 景差分干涉图相位i如下所示：i=topo+def+atm+noise（2）式中，topo为 DEM 残余相位。通过对 PS 点处高相干性差分干涉相位进行时间序列分析就可以得到该点处亚 m 级的 DEM、mm级的地表形变和大气延迟误差，其计算流程如图 1所示。2 高海拔排土场边坡 PSInSAR 监测2.1 监测区域概况监测区域位于西藏山南桑日县某矿区终了排土场，如图 2所示。该地区海拔在 3 5004 500 m 之间，平均海拔 3 700 m，属于高海拔地区，受到由夏季热低压和冬季冷高压形成的独特高原季风，降水量明显集中在下半年，存在明显且剧烈的干湿季交替现象。2.2 高海拔排土场边坡的 PS点提取PS点是指在时间序列上保持稳定的像素点，受到几何去相干和时间去相干的影响都比较小。由于高海拔排土场边坡的海拔落差大、冰雪覆盖程度严重、植被覆盖度较高、边坡研究区域较广图 1PSInSAR流程示意Fig.1PS-InSAR flow chart图 2排土场卫星影像Fig.2Satellite image of the dump151泛、地形复杂等因素的影响，造成大气延迟误差、地形相位误差、主辅影像的相干性较低等问题。对于大气延迟误差通过滤波去除，地形相位误差采用高精度 DEM 数据去除。对于主辅影像相干性较低的难题，提出相位稳定性与时序相关系数阈值并集的PS提取方法，提高低相干区域点目标的密度。相位稳定性阈值选取时，若存在 n 幅时序雷达差分干涉图，其相关值为：i=()i=1ncos()i2+()i=1nsin()i2n（3）式中，i为相关系数；为时间序列为高相干点相位。时序相关系数阈值选取时，差分干涉的雷达影像之间的相干系数计算如下：i=EMS*EMM*ESS*（4）式中，E表示为数学期望；M 为复数主影像；S 为复数辅影像。采用相位稳定性与时序相关系数阈值并集的模型为：PSunit_set=PStime-coherence PSphas-stability（5）式中，PStime-coherence表示为时序相干系数阈值提取的高相干目标点集；PSphas-stability为相位稳定性提取的高相干目标点集。2.3 PSInSAR处理方法2.3.1 研究数据的选取基于西藏山南桑日县某矿区终了排土场的具体条件，采用欧空局提供的时间跨度为 2018/11/042020/12/23 的 25 景 Sentinel1A 影像作为研究数据源。在升轨模式下，影像数据均采用 VV 单极化干涉宽幅（IW）模式，如图 3所示。结 合 NASA 发 布 的 全 球 30 m 分 辨 率 NASA DEM 数据，选取西藏自治区 SRTM1 Version3.0 30 m DEM 数据。对于研究数据进行裁剪，减少冗余工作量，裁剪后的结果如图 4所示。2.3.2 SAR 影像配准选择一个主影像，根据设定的临界基线阈值对其他数据与主影像建立主辅数据对。该试验数据选取的主影像为 2019/12/29影像，最大时间基线为420 d，最大空间基线为 102.88 m，共生成像对 24对，得到时间位置图和时间基线图，如图 5 和图 6所示，25景 Sentinel1A影像空间基线信息见表 1。图 3SAR数据地理范围Fig.3SAR data displayed on Google Earth online platform图 4裁剪后研究数据Fig.4Research data graph after clipping图 5时间位置Fig.5Time-position Polt图 6时间基线Fig.6Time-Baseline Polt1522.3.3 差分干涉利用 DEM 进行干涉相位的去平处理，高精度DEM 得到高分辨率，地形去除效果越好。利用相位稳定性与时序相关系数阈值并集提取 PS点。大气延迟处理通过对高通滤波结果进行空间域上的低通滤波，滤除失相干噪声相位，剩余相位为主辅 SAR影像上总的大气延迟相位，即atm,ki=(kres,i)uHP-TimeLP-Space（6）式中，HP-Time和 LP-Space分别表示时间域上的高通滤波和空间域上的低通滤波。在时间域上对解缠残余相位求平均值便可得到主影像上的大气延迟相位，即atmm,i=mean(kres,i)u（7）式中，mean 为平均算子。从总大气延迟相位中剔除主影像大气延迟相位便可得到辅影像上的大气延迟相位，即atm,ks,i=atm,ki-atmm,i（8）由式（7）从解缠残余相位中分离出高频相位后，剩余低频相位主要是非线性形变相位。为进一步提高非线性形变相位的估计精度，考虑到形变的空间相关性，对剩余低频相位再进行空间上的低通滤波，低通滤波后的结果即为非线性形变相位的估计值，即kNL,i=(kres,i)u-(kres,i)uHP-TimeLP-Space（9）该步骤得到去平后的干涉图，如图 7所示。2.3.4 模型迭代计算通过两次线性模型迭代计算获得位移速率和残余地形，生成最终的形变结果。第 1次线性模型表示为：Disp=V(t-t0)（10）式中，Disp为 T时间的形变；V 为形变速率。第 2次线性模型表示为：Disp=K+V(t-t0)（11）式中，K为常数，用于最后的拟合处理。2.3.5 地理编码地理编码使用 RD 定位模型，设置相干系数阈值为 0.85，最终得到 SAR 平均亮度图像以及平均形变速率结果图，如图 8、9所示。3 监测结果分析地表形变空间分布经 PSInSAR 处理可得到2018/11/042020/12/23的形变速率数据如图 9所表 1 25景 Sentinel1A影像空间基线信息Table 1 Spatial baseline information of Sentinel1A images of 25 scenes序号12345678910111213时间2018/11/042018/12/102019/01/032019/02/082019/03/042019/05/03/2019/06/08/2019/07/02/2019/08/07/2019/09/24/2019/10/30/2019/11/23/2019/12/29/时间基线/d-420-384-360-324-300-240-204-180-120-96-60-360空间基线/m31.039 634.858 760.91247.339 9-41.137 5-47.873 114.575 528.165 5-95.832 3-102.8840.851 822.448 30序号141516171819202122232425时间2020/01/222020/02/272020/03/222020/04/032020/05/092020/06/262020/07/202020/08/132020/09/062020/10/242020/11/172020/12/23时间基线/d24608496132180204240252300324360空间基线/m31.823 343.106 4-30.499 4-29.956 620.646-13.387 98.758 83-99.888 1-32.375 2-55.592 6-16.270 626.060 2图 7去平后的干涉图Fig.7Interference diagram after leveling153示，形变速率为负，表示沉降。排土场边坡的形变速率范围为 0-20.00 mm/a，排土场边坡下半部分存在沉降骤变点，其沉降值达到-15.00 mm/a以上。该研究得到排土场边坡区域的相干系数大于0.85 的 PS 点共 138 个，其中平均速率超过-10.00 mm/a 的 PS 点共有 33 个点，占排土场边坡总体的23.91%，大部分位于排土场边坡的下部分区域。为了精准分析沉降区域的形变变化，基于离散的形变速率数据，通过样条插值方法对数据进行连续及平滑计算之后，可以得到排土场边坡区域形变速率等值线图，如图 10 所示。通过图 10 可以看出排土场边坡共 5 个区域出现较大滑移现象，这些区域平均速率超过-15.00 mm/a，并且排土场边坡的主要滑移区域处于排土场边坡坡底位置。对该 5个区域进行形变速率值提取，分别提取横向和纵向两个方向，提取位置如图 11所示。提取出的横向平均形变速率结果如图 12所示，纵向平均形变速率结果如图 13所示。根据图 12和图 13可以看出，排土场边坡 5个较大滑移区域横向与纵向平均形变速率均呈现出 V图 8SAR平均亮度图像Fig.8Histogram of Rate Deformation图 9平均形变速率分布Fig.9Average deformation rate注：形变速率为负，表示沉降图 10形变速率等值线Fig.10Contour map of deformation rate图 11形变速率提取位置示意Fig.11Location map for extracting deformation rates图 12北纬方向平均形变速率Fig.12Average deformation rate in relation to latitude154字形，通过等值线图，可以预测出排土场边坡的最大平均形变速率达到了-28.92 mm/a，该区域滑移现象比较明显。根据 Society A G 对基于滑动速度的滑坡分类20，即表 2所示，可以看出该排土场边坡处于第类别，处于很慢的滑坡滑动状态，不会对附近矿区造成伤害。根据李德仁等21、林辉22验证了 PSInSAR 沉降结果与水准、GPS 监测结果基本保持一致。基于本文采取的 Sentinel1A 影像对相干性为 0.85 和波长为 55.47 mm，根据式（12）得出形变速率的理论精度23。PDisp=1-2224=1-0.8522 0.85255.474=1.934 mm/a（12）式中，PDisp为形变速率的理论精度值；为影像对相干性。相对于该排土场边坡长 300 m、宽 150 m 的尺度而 言，该 精 度 能 够 完 全 满 足 工 程 需 求。通 过PSInSAR持续监测排土场边坡沉降变形速率，能够对其安全稳定状态进行准确评价，并进行预警预报，为排土场边坡的安全稳定服役提供有效技术保证。4 结 论以西藏山南桑日县某矿区终了排土场边坡为研究对象，利用 PSInSAR 进行形变沉降监测，获取2018/11/182020/12/23 平均沉降速率图。主要结论如下：（1）基于 Sentinel1A 卫星 SAR 数据和 DEM 数据，利用 PSInSAR 更加精确的获取了西藏山南桑日县某矿区终了排土场边坡区域的地表形变信息。（2）该排土场坡体 2018 年 11 月至 2020 年 12 月的平均形变速率最大值为-20.00 mm/a，最大形变区域出现在排土场的下部，最大形变区域内的滑坡平均形变速率呈现 V字形。（3）根据 PSInSAR 得到的排土场边坡属于很慢滑坡类型，目前阶段不会发生大范围滑移的情况，表明该方法对滑坡预警具有重要意义。（4）通过 PSInSAR 持续监测排土场边坡沉降变形速率，能够对其安全稳定状态进行准确评价，并进行预警预报，为排土场边坡的安全稳定服役提供有效技术保证。参考文献：1蒋洪波，陈超，肖勇，等.三峡库区云阳张飞庙滑坡监测与分析 J.测绘科学，2011，36（5）：90-92.Jiang H B，Chen C，Xiao Y，et al.Monitoring and analyzing of the Yunyang Zhangfei temple landslide J.Science of Surveying and Mapping，2011，36（5）：90-92.（in Chinese）2 王利，张勤，黄观文，等.GPS PPP 技术用于滑坡监测 的 试 验 与 结 果 分 析J.岩 土 力 学，2014，35（7）：2118-2124.Wang L，Zhang Q，Huang G W，et al.Experiment results and analysis of landslide monitoring by using GPS PPP technology J.Rock and Soil Mechanics，2014，35（7）：2118-2124.（in Chinese）图 13东经方向平均形变速率Fig.13Average deformation rate in relation to longitude表 2 基于滑动速度的滑坡分类Table 2 Landslide classification based on the displacement velocity类别滑坡滑动状态超快很快快速中速慢速很慢超慢典型速度5 000 mm/s5 000 mm/min1 000 mm/h10 mm/month1 000 mm/a10 mm/a10 mm/a1553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）：1717-1733.Zhu J J，Li Z W，Hu J.Research progress and methods of insar for deformation monitoring J.Acta Geodaetica et Cartographica Sinica，2017，46（10）：1717-1733.（in Chinese）4程滔，单新建，董文彤，等.利用 InSAR 技术研究黄土地区滑坡分布 J.水文地质工程地质，2008，35（1）：98-101.Cheng T，Shan X J，Dong W T，et al.A study of landslide distribution in loess area with InSAR J.Hydrogeology and Engineering Geology，2008，35（1）：98-101.（in Chinese）5雷玲，周荫清，李景文，等.PS-InSAR 技术在伯克利山滑坡监测中的应用 J.北京航空航天大学学报，2012，38（9）：1224-1226.Lei L，Zhou Y Q，Li J W，et al.Application of PS-InSAR to monitoring Berkeley landslides J.Journal of Beijing University of Aeronautics and Astronautics，2012，38（9）：1224-1226.（in Chinese）6王 群，张 蕴 灵，范 景 辉，等.基 于 PS-InSAR 和 offset tracking 技术的金沙江白格滑坡形变监测 J.大地测量与地球动力学，2020，40（4）：340-345.Wang Q，Zhang Y L，Fan J H，et al.Deformation monitoring of the baige landslide in the Jinsha River using PS-InSAR and offset tracking techniques J.Journal of Geodesy and Geodynamics，2020，40（4）：340-345.（in Chinese）7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.Tang Q S，Tian S J，Zhang J，et al.Research on deformation of Xinmo village landslide before and after occurrence based on the time-series InSARJ.North China Earthquake Sciences，2019，37（4）：1-6，12.（in Chinese）8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 X G，Xu J H，Jiang H J，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）9吴东霖，葛伟鹏，魏聪敏，等.黄河流域刘家峡-兰州段滑坡灾害的 InSAR 识别及成因分析 J.地震工程学报，2021，43（3）：607-614，635.Wu D L，Ge W P，Wei C M，et al.Identification and cause analysis of potential landslides in Liujiaxia-Lanzhou section of the Yellow River basin with InSAR technique J.China Earthquake Engineering Journal，2021，43（3）：607-614，635.（in Chinese）10 韩守富，赵宝强，殷宗敏，等.基于 PS InSAR 技术的黄土高原地质灾害隐患识别 J.兰州大学学报（自然科学版），2020，56（1）：1-7.Han S F，Zhao B Q，Yin Z M，et al.The identification of potential geological hazards on the Loess Plateau based on PS InSAR technology J.Journal of Lanzhou University（Natural Science），2020，56（1）：1-7.（in Chinese）11 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.Zhu S N，Yin Y P，Wang M，et al.Instability mechanism and disaster mitigation measures of long-distance landslide at high location in Jinsha River junction zone：case study of Sela landslide in Jinsha River，Tibet J.Chinese Journal of Geotechnical Engineering，2021，43（4）：688-697.（in Chinese）12 姚鑫，邓建辉，刘星洪，等.青藏高原泛三江并流区活动性滑坡 InSAR 初步识别与发育规律分析 J.工程科学与技术，2020，52（5）：16-37.Yao X，Deng J H，Liu X H，et al.Primary recognition of active landslides and development rule analysis for Pan Three-river-parallel Territory of Tibet Plateau J.Advanced Engineering Sciences，2020，52（5）：16-37.（in Chinese）13 张永双，刘筱怡，姚鑫.基于 InSAR 技术的古滑坡复活早期识别方法研究以大渡河流域为例 J.水利学报，2020，51（5）：545-555.Zhang Y S，Liu X Y，Yao X.InSAR-based method for early recognition of ancient landslide reactivation in Dadu River，China J.Journal of Hydraulic Engineering，2020，51（5）：545-555.（in Chinese）14 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.Dai K R，Tie Y B，Xu Q，et al.Early identification of potential landslide geohazards in alpine-canyon terrain based on SAR Interferometry-a Case Study of the Mid156dle Section of Yalong River J.Journal of Radars，2020，9（3）：554-568.（in Chinese）15 Dwivedi R，Narayan A B，Tiwari A，et al.Multi-temporal SAR interferometry for landslide monitoringJ.XXIII ISPRS Congress，Commission VIII，2016，41（B8）：55-58.16 Gokhan A，Ziyadin C，Semih E，et al.Analysis of secular ground motions in istanbul from a long-term InSAR time-series（19922017）J.Remote Sensing，2018，10（3）：408-426.17 Paolo F，Giovanni B C，Micol R，et al.Activity and kinematic behaviour of deep-seated landslides from PS-InSAR displacement rate measurementsJ.Landslides，2018，15（6）：1053-1070.18 Omar B，Timo B，Bahaa M，et al.Using PS-InSAR with Sentinel-1 images for deformation monitoring in Northeast AlgeriaJ.Geosciences，2019，9（7）：315-328.19 Kazeem O R，Ismail A A，Daniele P.Characterization of Landslide using InSAR technique and electrical resistivity method at Paya Terubong，Malaysia J.