利用Stacking_SBAS技术在滇西北地区滑坡隐患的识别对比.pdf

第4 2卷 第4期2 0 2 3年8月 山东科技大学学报(自然科学版)J o u r n a l o f S h a n d o n g U n i v e r s i t y o f S c i e n c e a n d T e c h n o l o g y(N a t u r a l S c i e n c e)V o l.4 2 N o.4A u g.2 0 2 3D O I:1 0.1 6 4 5 2/j.c n k i.s d k j z k.2 0 2 3.0 4.0 0 3 文章编号:1 6 7 2-3 7 6 7(2 0 2 3)0 4-0 0 2 1-1 1利用S t a c k i n g/S B A S技术在滇西北地区滑坡隐患的识别对比董继红1,2,张 肃1,梁京涛1,杨 磊1,赵 聪1(1.四川省综合地质调查研究所 稀有稀土战略资源评价与利用四川省重点实验室 四川 成都 6 1 0 0 8 1;2.四川省智慧地质大数据有限公司,四川 成都6 1 0 0 8 1)摘 要:文章以滇西北地区为例,分别利用S t a c k i n g和S B A S技术对9 2期S e n t i n e l-1数据进行处理,并结合可视性开展滑坡隐患识别对比研究。S t a c k i n g和S B A S技术分别识别出3 2、2 6处滑坡隐患,其中,S t a c k i n g技术对滇西北地区滑坡隐患识别更具优势,尤其是在透视收缩区域也能保持较好的滑坡隐患识别效果;而S B A S技术识别准确率高,在获取形变速率的同时还可提取时序信息。研究表明,在西南区域利用升降轨数据开展滑坡隐患识别,首选S t a c k i n g技术,并结合S B A S技术,可有效防止隐患的漏判。关键词:滑坡;隐患识别;S t a c k i n g技术;S B A S技术;可视性分析中图分类号:P 2 3 7 文献标志码:A收稿日期:2 0 2 2-1 0-1 7基金项目:自然资源部地质勘查管理司全国高易发区地质灾害隐患综合遥感识别与调查项目(0 7 3 3-2 0 1 8 0 8 7 6);2 0 2 1年四川省地质灾害隐患遥感识别监测采购项目(5 1 0 2 0 1 2 0 2 1 1 0 3 2 4)作者简介:董继红(1 9 9 4),男,甘肃天水人,助理工程师,硕士,主要从事利用I n S A R技术进行地质灾害研究.梁京涛(1 9 8 2),男,四川成都人,高级工程师,主要从事地质灾害遥感调查及检测研究工作,本文通信作者.E-m a i l:l i a n g j i n g t a o 0 4 1 91 6 3.c o mC o m p a r i s o n o f l a n d s l i d e h a z a r d i d e n t i f i c a t i o n i n N o r t h w e s t Y u n n a n u s i n g S t a c k i n g/S B A S t e c h n o l o g yD ONG J i h o n g1,2,Z HANG S u1,L I ANG J i n g t a o1,YANG L e i1,Z HAO C o n g1(1.E v a l u a t i o n a n d U t i l i z a t i o n o f S t r a t e g i c R a r e M e t a l s a n d R a r e E a r t h R e s o u r c e K e y L a b o r a t o r y o f S i c h u a n P r o v i n c e,S i c h u a n I n s t i t u t e o f C o m p r e h e n s i v e G e o l o g i c a l S u r v e y,C h e n g d u 6 1 0 0 8 1,C h i n a;2.S i c h u a n I n t e l l i g e n t G e o l o g i c a l B i g D a t a C o.L t d,C h e n g d u 6 1 0 0 8 1,C h i n a)A b s t r a c t:T a k i n g N o r t h w e s t Y u n n a n a s t h e s t u d y a r e a,t h i s p a p e r p r o c e s s e d t h e 9 2-p e r i o d S e n t i n e l-1 d a t a b y u s i n g S t a c k i n g t e c h n o l o g y a n d S B A S t e c h n o l o g y r e s p e c t i v e l y a n d c a r r i e d o u t a c o m p a r a t i v e a n a l y s i s o f p o t e n t i a l l a n d s l i d e i d e n t i f i c a t i o n b y c o m b i n i n g v i s i b i l i t y a n a l y s i s.3 2 p o t e n t i a l l a n d s l i d e s w e r e s u c c e s s f u l l y i d e n t i f i e d b y S t a c k i n g t e c h n o l o g y a n d 2 6 p o t e n t i a l l a n d s l i d e s w e r e i d e n t i f i e d b y S B A S t e c h n o l o g y.S t a c k i n g t e c h n o l o g y h a s c e r t a i n a d v a n t a g e s i n t h e i d e n t i f i c a t i o n o f p o t e n t i a l l a n d s l i d e s i n N o r t h w e s t Y u n n a n a n d c a n k e e p b e t t e r p o t e n t i a l l a n d s l i d e h a z a r d i d e n t i f i c a t i o n e s p e c i a l l y i n t h e p e r s p e c t i v e s h r i n k a g e a r e a.S B A S t e c h n o l o g y h a s a h i g h e r a c c u r a c y o f p o t e n t i a l l a n d s l i d e s i d e n t i f i c a t i o n a n d c a n o b t a i n t i m e-s e r i e s i n f o r m a t i o n w h i l e o b t a i n i n g d e f o r m a t i o n r a t e.T h e r e s u l t s s h o w t h a t S t a c k i n g t e c h n o l o g y s h o u l d b e t h e f i r s t c h o i c e f o r p o t e n t i a l l a n d s l i d e i d e n t i f i c a t i o n i n s o u t h w e s t e r n C h i n a a n d t h e c o m b i n a t i o n o f S t a c k i n g t e c h n o l o g y a n d S B A S t e c h n o l o g y c a n e f f e c t i v e l y p r e v e n t t h e m i s j u d g m e n t o f p o t e n t i a l l a n d s l i d e h a z a r d s.K e y w o r d s:l a n d s l i d e;p o t e n t i a l g e o h a z a r d s i d e n t i f i c a t i o n;S t a c k i n g t e c h n o l o g y;S B A S t e c h n o l o g y;v i s i b i l i t y a n a l y s i s山东科技大学学报(自然科学版)2 0 2 3年第4期滑坡是全球最常见、分布最广泛的地质灾害类型之一,不仅造成人员伤亡和基础设施破坏,还会形成链式灾害,产生二次破坏1。据统计,1 9 9 52 0 1 4年,全球共发生3 8 7 6 处灾难性滑坡,造成1 6万余人死亡和1.1万余人受伤2。准确识别潜在滑坡并绘制滑坡隐患分布图是防灾减灾工作的重点内容3。预先获知滑坡隐患的分布位置、发育特征和变形趋势,对预测潜在风险区和防灾治理尤为重要。目前滑坡隐患识别手段多基于光学影像和现场调查等,工作强度大且效率低,亟需寻找一种高效、高精度技术手段对滑坡隐患进行识别和监测。合成孔径雷达干涉测量(i n t e r f e r o m e t r i c s y n t h e t i c a p e r t u r e r a d a r,I n S A R)作为一种非接触获取地表形变的技术4,具有全天时、全天候、穿云透雾等优点,在滑坡隐患识别中被广泛应用5。随着I n S A R技术的不断发展,形变监测从起初精度较低且提取信息单一的D-I n S A R技术,发展到后来的时间序列I n S A R(t i m e s e r i e s i n t e r f e r o m e t r i c s y n t h e t i c a p e r t u r e r a d a r,T S-I n S A R)技术6。T S-I n S A R技术能利用较多S A R影像,最大限度克服时空去相干、大气延迟和数字高程模型(d i g i t a l e l e v a t i o n m o d e l,D EM)误差等的影响,拓展了I n S A R技术的应用领域7-8。特别是S a n d w e l l 等9提出的S t a c k i n g技术,能通过较少S A R数据生成的差分干涉图进行相位堆叠,快速获取地表形变结果而被广泛应用于滑坡隐患的早期识别1 0。B e r a r d i n o等1 1提出的小基线集(s m a l l b a s e l i n e s s u b s e t,S B A S)技术通过将较短时空基线干涉对组合,在提高监测点密度的同时获取监测点形变量。目前上述两种技术均被广泛应用于滑坡隐患识别1 2,如L i a n g等1 3以川西片区为例,开展大范围S t a c k i n g技术与S B A S技术滑坡隐患识别对比分析,何佳阳等1 4利用I n S A R和S A R技术开展雅砻江沿线西昌区域滑坡隐患识别。上述文献对比了不同I n S A R技术在滑坡隐患识别中的应用效果,但未分析隐患识别的差异原因,而且在西南高山峡谷区利用不同I n S A R技术进行隐患识别和对比分析尤为重要。本研究利用S t a c k i n g和S B A S技术处理S e n t i n e l-1数据以获取地表形变速率,并结合S A R数据的可视性进行隐患识别。将不同技术的隐患识别效果进行对比,详细分析两种I n S A R技术在滑坡隐患识别中的差异性和影响因素。1 研究区域研究区位于云南省丽江市与怒江、大理两州的交界处(图1),属云贵高原与横断山脉结合部位,地势西北高,东南低。金沙江、澜沧江和怒江流经该区域,为泛三江源区域,地貌复杂多样,属于低纬高原季风气候。受断裂、构造的影响,该区滑坡频繁发生1 5,使得当地居民的生命财产和安全长期受到威胁。因此,对该区滑坡隐患识别进行系统分析,不仅对该区域具有重要意义,也能为地质环境相似的西南山区滑坡隐患识别、治理提供参考。图1 研究区域简图F i g.1 S c h e m a t i c d i a g r a m o f t h e s t u d y a r e a2 数据和采用的技术方法2.1 数据收集研究区2 0 1 8年1 1月2 0 2 1年1 2月期间9 2期S e n t i n e l-1卫星S A R影像数据,如图1所示,由于S e n t i n e l-1数据幅宽较大,需根据研究区大小对S A R影像进行裁剪,图1为数据覆盖范围。表1为所采用S A R数据集的基本参 数。收 集S e n t i n e l-1卫 星 对 应 的P O D(p r e c i s e o r b i t e p h e m e r i d e s)精密轨道星历数据,用于去除因轨道误差引起的系统误差。引入AW 3 D 3 0 D S M数据去除I n S A R干涉处理中的地形相位并辅助S A R影像地理编码,该数据也被用来计算研究区的可视性分布情况。22董继红等:利用S t a c k i n g/S B A S技术在滇西北地区滑坡隐患的识别对比表1 S e n t i n e l-1数据参数列表T a b l e 1 S e n t i n e l-1 d a t a p a r a m e t e r s方向升轨波段C波长/c m5.6P a t h_F r a m e9 9_1 2 8 5飞行方位角/()-1 2.5 3视线入射角/()3 7.0 3视线方位角/()7 7.4 7日期2 0 1 8-1 1-0 82 0 2 1-1 2-1 0影像数量/个9 22.2 技术方法本研究基于S t a c k i n g和S B A S技术获取地表形变结果,因S A R数据为侧视雷达成像,在地形起伏区域存在几何畸变现象,故首先采用改进后的R指数进行可视性计算,分析地形特征对结果的影响。2.2.1 R指数S A R卫星采用侧视雷达成像,因此在地形起伏较大的区域容易形成几何畸变,不仅降低了S A R影像的质量,还会对隐患识别造成漏判、误判,因此有必要准确识别几何畸变区域,以提高I n S A R识别隐患的准确率1 5。常见的几何畸变现象包括叠掩、阴影和透视收缩。S A R影像的几何畸变与雷达卫星的入射角、方位角、地面坡度、坡向有关,本研究采用由N o t t i等1 6提出的R指数模型,以及R e n等2 0为识别较远被动叠掩区域而提出的改进R指数公式计算S A R影像几何畸变区域。R=s i n+a r c t a nt a n()c o s(-)ShLaFa。(1)其中:为卫星的入射角;为卫星的方位角;为地面坡度;为坡向;Sh为山体阴影系数,阴影区域取0,其他区域取1.0;La为顶底倒置(L a y o v e r)系数,主动顶底倒置和被动顶底倒置区域的值为0,其他区域的值为1.0;Fa为较远被动叠掩系数,主动叠掩区域和被动叠掩区域的值为0,其他区域的值为1.0。Sh、La、Fa三个系数由A r c G I S计算获得,通过计算可视性分析,可直观了解不同地形特征对结果的影响。2.2.2 S t a c k i n g技术S t a c k i n g技术通过对多幅差分干涉图加权平均获取地表形变速率结果。该技术的前提是假设地表形变趋势为线性形变,通过相位堆叠有效抑制大气相位和D EM误差,从而提高形变信息的精度1 7。该技术通过处理少量S A R数据快速获取大范围滑坡隐患分布图,结果可靠,被广泛应用于滑坡隐患的早期识别1 8。2.2.3 S B A S技术S B A S技术基于配准后的多幅S A R影像,根据设置的时间基线阈值和空间基线阈值生成小基线集,进行差分干涉处理,经滤波降低相位噪声增加高相干点位,再对滤波后的干涉图进行相位解缠,利用奇异值分解(s i n g u l a r v a l u e d e c o m p o s i t i o n,S V D)小基线集得到形变速率,最后对形变速率积分得到监测时间段内的累积形变量1 9。3 数据处理过程利用GAMMA软件对所获取的9 2景S e n t i n e l-1 A数据进行I n S A R数据处理,具体处理流程如图2所示。主要包括以下5个步骤:1)数据预处理:选择位于中间的一期S A R影像作为主影像,根据研究区范围对其进行裁剪,完成主影像与D EM的配准、裁剪,得到S A R坐标系下的D EM数据;同时完成主影像与其他S A R数据配准;限制时间基线不超过6 0 d,垂直基线不大于2 5 0 m,生成时空基线,共获取3 8 0对组合干涉对。2)干涉工作流处理:对上述组合干涉对进行主辅影像共轭相乘得到差分干涉图;采用精密轨道数据去除平地相位;采用D EM数据模拟并剔除地形相位;采用自适应滤波的方法对差分干涉图进行滤波处理,以消除或减弱噪声,生成相干系数图;根据R指数计算阴影叠掩区域,同时因水域没有有效干涉信息,对差分干涉图进行掩膜处理,去除阴影叠掩区域和水域。采用最小费用流(m i n i m u m c o s t f l o w,MC F)法进行相位解缠,使用相干性掩模避开相干性较低、相位不可靠的区域,设定0.3为相干值的阈值,低于此相干值的区域设为空值并不参与解缠计算。32山东科技大学学报(自然科学版)2 0 2 3年第4期3)S t a c k i n g计算对相位解缠结果进行相位堆叠计算,获取形变速率结果,然后将形变转换到L O S向,借助D EM数据进行地理编码获取地理坐标系下形变结果。4)时间/空间域变形估算该步骤是在上述第2)步完成之后进行,相邻点间参数估计:将点目标连接构成不规则三角网,依据点间连接关系求解相邻点差分相位差;残余高程计算和线性变形:依据基线组合,估算相邻点间的线性变形速率和D EM误差;残余相位低通滤波:从差分干涉相位中减去步骤中差分相位得到残余相位,对残余相位进行空间域低通滤波得到滤波后的残余相位;奇异值分解处理:根据短基线像对组合关系,对上一步得到的滤波后残余相位进行奇异值分解(S i n g u l a r V a l u e D e c o m p o s i t i o n,S V D)处理,求解每个影像对应时刻的大气相位和非线性变形相位;大气相位和非线性变形相位计算:对奇异值分解得到的大气相位和非线性变形相位进行空间域高通滤波,得到大气相位,并对滤波后的相位序列进行时域低通滤波,得到非线性变形相位。5)形变量计算将上一步获取的非线性形变结果和线性形变结果相加,根据时间基线参数获得形变量结果,将结果转换到视线向形变,利用D EM数据进行基准修正和地理编码,获取地理坐标系下形变速率和时间序列结果。图2 I n S A R数据处理流程图F i g.2 I n S A R d a t a p r o c e s s i n g f l o w c h a r t42董继红等:利用S t a c k i n g/S B A S技术在滇西北地区滑坡隐患的识别对比4 结果分析4.1 可视性分析(a)地形可视性分布;(b)几何畸变面积统计图3 S e n t i n e l-1数据的几何畸变和地形可视性分布图F i g.3 D i s t r i b u t i o n m a p o f g e o m e t r i c d i s t o r t i o n a n d t o p o g r a p h i c v i s i b i l i t y o f t h e S e n t i n e l-1 d a t a 假设S A R卫星为太阳所在位置,利用表1中S e n t i n e l-1数据参数,通过A r c G i s软件对卫星高度角和方位角计算Sh、Fa和La系数值,然后通过式(1)计算得到最终的S A R地形可视性分布图(图3)。当Rs i n,为好可视性区域;当0R s i n,为透视收缩区域,可视性中等;当R0,为叠掩和阴 影区 域,可 视 性 较差2 0。图3(a)为研究区几何畸变的分布情况,可以看出在河谷区容易出现透视收缩现象。由图3(b)可知,透视收缩区占研究区总面积的5 1.9%,阴影区域占总面积的3.7%且集中在研究区海拔较高、坡度较陡的左上角和右上角。由于本次实验仅采用升轨数据,“好可视性”区域仅占总面积的4 4.4%,可以通过联合使用降轨数据减少“阴影叠掩”和“透视收缩”区域的面积,从而提高“好可视性”区域的分布。4.2 地表形变结果分析利用S t a c k i n g和S B A S技术分别对2 0 1 8年1 1月2 0 2 1年1 2月的S e n t i n e l-1数据进行处理,得到研究区雷达视线向形变速率(图4),正值表示地表形变靠近卫星飞行方向;负值表示地表形变背向卫星飞行方向。分别利用S t a c k i n g和S B A S技术获取的L O S向形变速率为-8 35 1和-7 92 9 mm/y r。对形变参考区域的平均值和标准差进行统计分析,确定以-1 01 0 mm/y r作为相对稳区,该阈值外的速率对应不同程度的形变,值越大表示形变越强烈,其中形变最大区域主要集中在河谷两侧。通过对比监测结果发现,S B A S技术获取的结果点位较稀疏,究其原因一方面受到几何畸变的影响,另一方面由某些区域相干性不连续导致。图4 沿L O S向平均形变速率图F i g.4 A v e r a g e d e f o r m a t i o n r a t e a l o n g t h e L O S d i r e c t i o n 4.3 相关性分析对两种不同I n S A R技术获取的S t a c k i n g和S B A S结果进行相关性分析(图5),发现两者线性相关性系52山东科技大学学报(自然科学版)2 0 2 3年第4期数达0.7 2,表明两种方法得到的结果具有较高的一致性。通过相关性分析,一方面验证两种技术获取结果的一致性,另一方面可验证内符合精度。图5 S t a c k i n g与S B A S技术年平均形变速率相关性图F i g.5 C o r r e l a t i o n o f a v e r a g e a n n u a l d e f o r m a t i o n r a t e o f S t a c k i n g t e c h n o l o g y a n d S B A S t e c h n o l o g y图6 不同技术识别滑坡隐患分布图F i g.6 D i s t r i b u t i o n o f i d e n t i f i e d p o t e n t i a l l a n d s l i d e s b y d i f f e r e n t m e t h o d s 4.4 地质灾害隐患识别对比分析为了对比S t a c k i n g和S B A S两种技术对地质灾害隐患的识别能力,借助该区域的D EM数据和光学影像数据,分别对结果进行解译和统计。S t a c k i n g和S B A S技术分别识别出隐患点4 5处和3 6处,结合野外验证得到滑坡隐患分布图(图6),图中绿色圆点为S t a c k i n g和S B A S技术共同识别的滑坡隐患,红色圆点为仅被S t a c k i n g技术识别出来的隐患点。表2为不同I n S A R技术识别的滑坡隐患数目,可以看出,S t a c k i n g技术识别的滑坡隐患数目较多,但S B A S技术识别隐患的准确率更高。表2 I n S A R技术识别隐患统计表T a b l e 2 S t a t i s t i c s o f p o t e n t i a l g e o h a z a r d s i d e n t i f i e d b y I n S A R t e c h n o l o g y类别S t a c k i n g技术识别S B A S技术识别两种技术共同识别识别总数4 53 43 3野外验证正确3 22 62 6准确率/%7 1.17 6.5-表3 不同I n S A R技术识别滑坡特征统计表T a b l e 3 S t a t i s t i c s o f l a n d s l i d e s c h a r a c t e r i s t i c s i d e n t i f i e d b y d i f f e r e n t I n S A R t e c h n o l o g i e s类别两种技术共同识别由S t a c k i n g识别数量2 66S t a c k i n g速率范围/(mm/y r)1 5.65 4.81 4.22 4.8S B A S速率范围/(mm/y r)1 4.85 8.0-R指数范围0.8 40.9 90.5 20.6 3 为分析两种技术识别滑坡隐患差异的原因,对识别的3 2处隐患点的最大L O S向形变速率和R指数进行统计(表3)。由表3可以看出,能被两种技术共同识别的隐患点中,S B A S和S t a c k i n g技术能够识别的最小形变速率分别为1 4.8、1 5.6 mm/y r,且R指数均大于0.8,属于好可视性区域;仅被S t a c k i n g技术识别出的隐患点最小形变速率为1 4.2 mm/y r,R指数为0.5 20.6 3,属于透视收缩区域。为进一步分析两种技术识别的差异性,选择两处典型滑坡点进行分析:第一处滑坡点是被两种技术共同识别的中村滑坡;第二处滑坡点为仅被S t a c k i n g技术识别的营盘镇滑坡。中村滑坡位于兰坪县,坡向朝东。从光学影像(图7(a)可以看出植被覆盖较差,滑坡前缘以澜沧江为界,由S t a c k i n g和S B A S结果可以看出滑坡体存在两处明显变形区域,即滑坡的中前部右侧和中后部左侧。对比两种技术可知,S t a c k i n g结果的有效监测点更密集,S B A S结果形变速率更大。为进一步分析不同I n-S A R技术的监测结果和R指数值,沿图7(b)中的剖面线提取形变曲线,如图8(a)所示,其中图7(c)中红色62董继红等:利用S t a c k i n g/S B A S技术在滇西北地区滑坡隐患的识别对比箭头标注区域对应图8(a)中灰色阴影区域,两种技术识别的变形区域一致,形变速率均超过-1 5 mm/y r,R指数均大于0.8。因此,能被两种技术共同识别的条件是形变速率大于-1 0 mm/y r且斜坡处于好可视性区域。另外,造成S B A S结果点位稀疏的主要原因是部分区域的相干性在时间域不连续。而S B A S技术获取的形变速率更大是因为S t a c k i n g技术是对形变相位的加权平均,适用于线性形变,因此监测过程会丢失非线性形变信息。(a)光学影像;(b)可视性分布图;(c)S t a c k i n g技术结果;(d)S B A S技术结果图7 中村滑坡结果对比图F i g.7 C o m p a r i s o n o f t h e r e s u l t s o f Z h o n g c u n l a n d s l i d e图8 典型滑坡对比分析图F i g.8 C o m p a r a t i v e a n a l y s i s o f t y p i c a l l a n d s l i d e s72山东科技大学学报(自然科学版)2 0 2 3年第4期营盘镇滑坡位于兰坪县,坡向朝西,光学影像如图9(a)所示。S B A S结果无明显形变信息且监测点位稀疏,在R指数图中绝大部分区域为透视收缩区域。为深入分析不同I n S A R技术和R指数对结果的影响,沿图9(b)中黑色剖线提取形变曲线,图9(c)中红色箭头区域对应图8(b)灰色阴影区域,两种技术在变形区域均出现明显的变形趋势,但S B A S结果中仅有4个像素值超过1 0 mm/y r,且最大值不超过1 2 mm/y r;在S t a c k i n g结果中阴影区域速率均超过1 0 mm/y r,部分区域变形速率超过1 2 mm/y r,R指数小于0.6,属于透视收缩区域。因此,该区域未被S B A S技术识别的原因是坡向朝西,在升轨数据中处于透视收缩区域,造成在地理编码之后监测点位稀疏,形变信息丧失;在S t a c k i n g结果中有明显形变信息的原因是两者求解形变速率的原理不同。但根据S A R数据成像几何关系可知该隐患点在降轨数据中应处于好可视性区域,可以弥补S B A S结果在该区域识别的劣势,增加S A R数据的可观测区域。(a)光学影像;(b)可视性分布图;(c)S t a c k i n g技术结果;(d)S B A S技术结果图9 营盘镇滑坡结果对比图F i g.9 C o m p a r i s o n o f r e s u l t s i n Y i n g p a n t o w n l a n d s l i d e为证明降轨数据可以提高升轨数据的好可视性范围,对营盘镇滑坡的降轨S e n t i n e l-1数据进行处理,并提取该滑坡体不同位置的3个时序监测点进行变形特点分析(见图1 0中的P 1、P 2、P 3),对比图9(d)可以发现,降轨S B A S结果中变形特征明显,最大形变速率为-3 8 mm/y r,表明降轨数据可以提升升轨数据在透视收缩区域的监测效果。图1 1为营盘镇滑坡时间序列曲线图,发现该滑坡中前部(点P 2、P 3)变形强烈,且变形趋势接近,最大形变量为-8 3.3 mm,目前仍处于持续变形状态,存在较大隐患。82董继红等:利用S t a c k i n g/S B A S技术在滇西北地区滑坡隐患的识别对比图1 0 营盘镇形变速率图F i g.1 0 D e f o r m a t i o n r a t e o f Y i n g p a n t o w n l a n d s l i d e图1 1 营盘镇滑坡时序曲线图F i g.1 1 T i m e s e r i e s c u r v e o f Y i n g p a n t o w n l a n d s l i d e5 结论以云南大理为例,利用S t a c k i n g和S B A S技术对S e n t i n e l-1数据进行处理,获取研究区地表形变速率,并结合S A R数据可视性开展滑坡隐患识别差异性及影响因素分析,结果表明:1)两种I n S A R技术获取的结果线性相关性系数为0.7 2,具有较高的一致性。2)透视收缩区域占研究区总面积的5 0%以上,在透视收缩区域内,S t a c k i n g技术识别效果优于S B A S技术,因此采用S t a c k i n g技术识别的滑坡隐患数量多于S B A S技术,结果表明S t a c k i n g技术可以提高隐患识别能力。3)结合野外 验 证 结 果 显 示S t a c k i n g技 术 识 别 准 确 率 为7 1.1%,S B A S技 术 识 别 准 确 率 较 高,为7 6.5%,表明S B A S技术识别结果可靠性更强。92山东科技大学学报(自然科学版)2 0 2 3年第4期4)研究表明在西南山区开展滑坡隐患识别,应结合升降轨数据,以减少透视收缩区和叠掩阴影区面积占比,数据处理方法首选S t a c k i n g技术。此外,为提高滑坡隐患识别准确率并获取时序变形结果应结合使用S B A S技术。参考文献:1 CH I KA L AMO E E,MAV R OU L I O C,E T T EMA J,e t a l.S a t e l l i t e-d e r i v e d r a i n f a l l t h r e s h o l d s f o r l a n d s l i d e e a r l y w a r n i n g i n B o g o w o n t o C a t c h m e n t,C e n t r a l J a v a,I n d o n e s i aJ/O L.I n t e r n a t i o n a l J o u r n a l o f A p p l i e d E a r t h O b s e r v a t i o n a n d G e o i n f o r-m a t i o n,2 0 2 0,8 9.D O I:1 0.1 0 1 6/j.j a g.2 0 2 0.1 0 2 0 9 3.2 HAQU E U,S I L VA P,D E VO L I G,e t a l.T h e h u m a n c o s t o f g l o b a l w a r m i n g:D e a d l y l a n d s l i d e s a n d t h e i r t r i g g e r s(1 9 9 52 0 1 4)J.S c i e n c e o f T h e T o t a l E n v i r o n m e n t,2 0 1 9,6 8 2:6 7 3-6 8 4.3 G ON G W,J UANG C H,WA S OWS K I J.G e o h a z a r d s a n d h u m a n s e t t l e m e n t s:L e s s o n s l e a r n e d f r o m m u l t i p l e r e l o c a t i o n e v e n t s i n B a d o n g,C h i n a:E n g i n e e r i n g g e o l o g i s ts p e r s p e c t i v eJ/O L.E n g i n e e r i n g G e o l o g y,2 0 2 1,2 8 5.D O I:1 0.1 0 1 6/j.e n g-g e o.2 0 2 1.1 0 6 0 5 1.4 郭华东,张露.雷达遥感六十年:四个阶段的发展J.遥感学报,2 0 1 9,2 3(6):1 0 2 3-1 0 3 5.GUO H u a d o n g,Z HANG L u.6 0 y e a r s o f r a d a r r e m o t e s e n s i n g:F o u r-s t a g e d e v e l o p m e n tJ.J o u r n a l o f R e m o t e S e n s i n g,2 0 1 9,2 3(6):1 0 2 3-1 0 3 5.5 李晓恩,周亮,苏奋振,等.I n S A R技术在滑坡灾害中的应用研究进展J.遥感学报,2 0 2 1,2 5(2):6 1 4-6 2 9.L I X i a o e n,Z HOU L i a n g,S U F e n z h e n,e t a l.