遥感技术与应用, 2023, 38(5): 1054-1061 doi: 10.11873/j.issn.1004-0323.2023.5.1054

InSAR专栏

基于短基线DInSAR的白鹤滩库区蓄水期滑坡隐患广域快速动态识别

吴明堂,1, 房云峰1, 沈月2,3, 戴可人,2,3, 姚义振1, 陈建强1, 冯文凯2

1.浙江华东岩土勘察设计研究院有限公司，浙江 杭州 310030

2.成都理工大学 地质灾害防治与地质环境保护国家重点实验室，四川 成都 610059

3.成都理工大学 地球科学学院，四川 成都 610059

Fast Dynamic Identification of Landslide Hazards in Baihetan Reservoir area based on Short Baseline DInSAR Interferometry

WU Mingtang,1, FANG Yunfeng1, SHEN Yue2,3, DAI Keren,2,3, YAO Yizhen1, CHEN Jianqiang1, FENG Wenkai2

1.Zhejiang Huadong Geotechnical Investigation & Design Institute Company Limited，Hangzhou，310030

2.State Key Laboratory of Geohazard Prevention and Geoenvironment Protection，Chengdu University of Technology，Chengdu 610059，China

3.School of Earth Science，Chengdu University of Technology，Chengdu 610059，China

通讯作者: 戴可人(1989-),男,四川成都人,博士,教授,博士生导师,主要从事卫星微波遥感地质灾害防灾减灾研究。E⁃mail:daikeren17@cdut.edu.cn

收稿日期: 2022-06-12   修回日期: 2023-09-03  

基金资助: 四川省自然科学基金杰出青年科学基金项目.  2023NSFSC1909
国家自然科学基金青年基金资助项目.  41801391

Received: 2022-06-12   Revised: 2023-09-03  

作者简介 About authors

吴明堂(1988-),男,河南民权人,工程师,主要从事地质灾害防治工作E⁃mail:wu_mt@hdec.com , E-mail：wu_mt@hdec.com

摘要

白鹤滩水电是国内继三峡水电站之后的第二大水电站，于2021年4月开始蓄水，水位上升约150 m，库区运行期随着水位线的快速变化，改变了库区的地质环境，极易引发突发性的地质灾害。为了保障水电站的正常运行及库区的居民生命财产安全，需要对库区进行快速动态的地质灾害识别。因此，基于短基线DInSAR方法对金沙江流域白鹤滩库区重点库岸段（葫芦口—象鼻岭地段）蓄水期展开了地质灾害隐患识别。通过Sentinel-1A/B数据进行联合监测，将重返周期提高到6 d 1景，获取了研究区蓄水期2021年4月至11月共66景数据，结合SRTM DEM数据进行基于同一主影像的DInSAR处理，再将干涉对进行组合分析以达到快速动态的形变监测。最终共识别出92处存在显著形变的强形变区，均分布在金沙江两岸，其中8个强形变区域已被目前最高水位线800 m淹没，38个强形变区域位于水位线附近，部分出现小规模塌岸。同时选取了4个持续形变的区域结合实际地形地貌进行分析，发现形变迹象较为明显，且强形变区域位置与DInSAR方法监测结果相吻合，证明了将DInSAR方法应用于快速动态的发现新隐患点的情况的可行性，进行了蓄水期灾害分析与监测预警对保障白鹤滩水电站的正常蓄水发电具有重要意义。采用该方法进行广域地质灾害高效快速动态监测，在第一时间发现隐患点并进行定性分析，为水库岸蓄水期因水位变化引起的突发性潜在地质灾害的识别提供了一种新思路。

关键词： 白鹤滩水库 ; 蓄水期 ; 短基线DInSAR ; 滑坡隐患 ; 快速动态识别

Abstract

Baihetan Hydropower station is the second largest hydropower station in China after the Three Gorges Hydropower Station. With the rapid change of water level during the reservoir impoundment period， the geoenvironment of the reservoir area is changed， which is easy to cause sudden geological disasters. In addition， the maximum reservoir level of the transformed hydropower station is 825m， which has a large storage capacity and higher sudden-onset. In order to ensure the normal impoundment of the hydropower station and the safety of residents' life and property， it is necessary to quickly and dynamically identify geological hazards in the reservoir area. Therefore， based on the short baseline DInSAR method， this paper carried out the identification of geological hazards in the key reservoir bank section of Baihetan Reservoir area （Hulukou-Xiangbi Ling section） during the water storage period of the Jinsha River Basin. The sentinel-1A /B data were used for joint monitoring， and the re-entry period was increased to one scene every 6 days. Finally， a total of 66 scenes of data were obtained during the study area's water storage period from April 2021 to November 2021. DInSAR processing based on the same main image was performed combined with SRTM DEM data. The fast and dynamic deformation monitoring can be achieved by combination analysis of interference pair. Don't out of the 92 consensus exists significant deformation of strong deformation zone， are distributed in Jinsha River two sides， including eight strong deformation area have been inundated by the highest water level 800 m， 38 strong deformation area near the water， part of the small bank collapse， at the same time has chosen three continuous deformation area in combination with the actual topography analysis， found signs of deformation is more obvious， The location of strong deformation area is consistent with the monitoring results of DInSAR method， which proves the feasibility of using DInSAR method to quickly and dynamically discover new hidden points. The disaster analysis and monitoring and early warning during water storage period is of great significance to ensure the normal water storage and power generation of Baihetan Hydropower Station. The method provided in this paper can be used for large-scale， efficient， rapid and dynamic geological disaster monitoring， and the hidden danger points can be found in the first time and qualitative analysis can be carried out， which provides a new idea for the identification of potential geological disaster caused by the change of water level during the reservoir bank impoundment period.

Keywords： Baihetan Reservoir ; Impoundment period ; Short baseline DInSAR ; Landslide hazard ; Fast dynamic identification

PDF (7131KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

吴明堂, 房云峰, 沈月, 戴可人, 姚义振, 陈建强, 冯文凯. 基于短基线DInSAR的白鹤滩库区蓄水期滑坡隐患广域快速动态识别. 遥感技术与应用[J], 2023, 38(5): 1054-1061 doi:10.11873/j.issn.1004-0323.2023.5.1054

WU Mingtang, FANG Yunfeng, SHEN Yue, DAI Keren, YAO Yizhen, CHEN Jianqiang, FENG Wenkai. Fast Dynamic Identification of Landslide Hazards in Baihetan Reservoir area based on Short Baseline DInSAR Interferometry. Remote Sensing Technology and Application[J], 2023, 38(5): 1054-1061 doi:10.11873/j.issn.1004-0323.2023.5.1054

1 引 言

白鹤滩水电站是我国实施“西电东送”的国家重大工程，是当今世界在建规模最大、技术难度最高的水电工程。其已于2021年4月完成初期建设并开始蓄水，在2021年7月首批机组投产发电，目前已进入第一批机组发电试用阶段。全部机组将于2022年7月全部投产发电，电站全部建成投产后，将成为仅次于三峡工程的世界第二大水电站，预计最终水位线达825 m［1］，于2021年4月开始蓄水，水位上升约150 m。该水电站位于我国西南地区四川宁南县、云南巧家县交汇处，是金沙江下游干流河段梯级开发的第二个梯级电站。该区域地处青藏高原东缘横断山脉区域，多条断裂带交错其中，造成区域内构造活动活跃，地质灾害频发［2］。水库的建设与运营伴随着水位线的短期快速变动，势必会改变原有地质环境，加剧了岸坡地质灾害的规模和频率，导致崩塌、滑坡、泥石流等新的地质灾害的发生，甚至古滑坡的复活或者部分复活［3］，直接威胁着水电站建成后的正常运行，同时也给两岸居民、水库本身带来了极大的安全风险和经济损失隐患，因此寻找一种对库岸蓄水期突发性地质灾害隐患快速识别的方法迫在眉睫。

白鹤滩库区相对高差大且地形陡峭，属于典型的高山峡谷地貌，地质隐患点往往具有分布范围广、高位、滑源区人难以至等特点［4］。传统的地质调查手段在大范围、地势陡峭的高位滑坡隐患识别中具有很大局限性，很难广域高效、快速精准地查明潜在的地质灾害隐患［5-7］。近年来，基于航空航天数据的合成孔径雷达干涉测量技术（Interferometry Synthetic Aperture Radar，InSAR）在广域高位的隐患识别中具有明显的优势，因其具有覆盖范围广、不受云雾限制、重访周期短等特点，逐渐在四川山区［8-11］、甘肃［12-14］等区域被应用于大范围的地质灾害隐患识别。其中基于时序InSAR方法的隐患识别应用较为广泛，涌现出了大批成功案例［15-17］。需要注意的是，时间序列方法受到影像数量的限制，在数据量不足的情况下进行形变监测的准确率较低。此外利用该技术在进行监测时对于短期新发生的隐患点不敏感，对于突发性较高的隐患无法做到快速动态识别。为了弥补这一缺陷，满足蓄水期广域滑坡动态探测的需求，研究提出了基于短基线的合成孔径雷达差分干涉测量（Differential Interferometric Synthetic Aperture Radar，DInSAR）监测的方法进行短基线干涉对组合分析来进行快速动态的隐患识别与监测。DInSAR是在InSAR基础上发展起来的基于面观测的形变监测手段，是从干涉相位中进一步消除高程信息，得到两次观测时间间隔内由地表变动导致的差分相位，从而定量反演地表形变［13］。最少仅需两景数据即可进行相应时间段的地表形变监测，且操作简单，处理时间短，其精度可达厘米级［18-21］，可快速动态的进行形变监测，就库区因水位变化引起的具有短期突发性的灾害来说，该技术具有明显的优势。本研究在保证InSAR 监测结果的可靠性的前提下，进行快速动态的隐患点识别，首先选取短基线干涉对形成干涉对组合，增大同一主影像条件下干涉纹图的数目，进行组合间的对比验证，有效的降低空间失相干带来的影响。再对干涉对组合进行对比分析解译，识别出发生形变的区域。通过该方法快速准确的发现白鹤滩库区蓄水期滑坡隐患点，保障水电站的安全运行，同时更好的服务于水利水电工程，防灾减灾事业。此外对于因库区蓄水期水位变化快、地质环境改变、地质灾害隐患具有极强的突发性等特殊情况的地灾识别，具有一定的优势，可快速准确的识别出潜在隐患点。进一步推动 InSAR技术在地质灾害隐患早期识别与监测领域的应用与发展。

2 研究区概况与数据

2.1　研究区域概况

白鹤滩水电站（图1（b））位于金沙江下游四川省宁南县和云南省巧家县境内，距巧家县城45 km，地处青藏高原东南缘，属川西南、滇东北高山与高原地貌单元，横断山系［22］。以白鹤滩水电站所在金沙江主河道葫芦口—象鼻岭段为研究区域，两岸约810 km2（图1（a））。该研究区沿线居住区密集，有多条交通要道且人类工程活动强烈，稳定性差，坡体高差大，植被稀疏，加之河流掏蚀等影响极易诱发滑坡、崩塌、泥石流等地质灾害（图1（c）），是白鹤滩库区地质灾害防治的重点库段。该区域主要海拔为3 000~4 000 m及4 000 m以上的高山和高原，山体走向近南北和北东；地貌属于侵蚀高中山与高原峡谷地貌类型，库区总体地势西南高，东北低。山脉主要有大凉山、鲁南山、药山及拱王山，山势陡峻，河谷断面多呈“V”型。地层发育较全，除第三系缺失外，前震旦系至第四系均有出露。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   研究区域概况图

Fig.1   Overview of study area


2.2　数据情况

研究采用Sentinel-1卫星SAR数据进行短基线集DInSAR处理。该数据采用C波段获取，重返周期时间短、覆盖范围大，在地质灾害监测方面具有较广泛的应用［20］。实验获取了研究区蓄水期2021年4月至11月共66景Sentinel-1升降轨单视复数（Single Look Complex， SLC）影像（表 1），其中35景升轨数据，31景降轨数据。升轨数据采用Sentinel-1A星的两个轨道（轨道号为26与128）数据同时进行监测，降轨数据利用Sentinel-1A与Sentinel-1B双星进行同步监测，均将数据处理周期由12 d提升至6 d。此外升降轨数据均采用干涉宽条带（Interferometric Wide swath， IW）模式下的VV极化方式获取。

表 1   SAR数据获取情况

Table 1  SAR data acquisition

卫星轨道号

升/

降轨

重访周期/d分辨率

数量

/景

影像时间
Sentinel-1A26升轨125×20 m1820210409、20210421、20210503、20210515、20210527、20210608、20210620、20210702、20210714、20210726、20210807、20210819、20210831、20210912、20210924、20211006、20211018、20211030
Sentinel-1A128升轨125×20 m1720210416、20210428、20210510、20210522、20210603、20210615、20210627、20210709、20210721、20210802、20210814、20210826、20210907、20210919、20211001、20211013、20211025
Sentinel-1A62降轨125×20 m1720210411、20210423、20210505、20210517、20210529、20210610、20210622、20210704、20210716、20210728、20210809、20210821、20210902、20210914、20210926、20211008、20211020
Sentinel-1B62降轨125×20 m1420210405、20210417、20210429、20210511、20210523、20210604、20210628、20210710、20210722、20210827、20210920、20211002、2021114、2021126

新窗口打开| 下载CSV


3 研究方法

研究利用DInSAR技术干涉对组合法对白鹤滩库区葫芦口至象鼻岭库段进行蓄水期隐患点的快速动态识别。其详细处理过程如图2所示。获取研究区域的SAR数据与DEM数据，对已收集到的SAR数据进行基线估算，评价干涉像对的质量，计算基线、轨道偏移（距离向和方位向）和其他系统参数。选取最长时间基线36 d，空间基线不超过200 m的影像进行基于同一主影像的处理干涉处理，构成干涉像对组合，降低空间失相干对形变区域的影响。研究从2021年4月6日开始蓄水到10月30日蓄水期进行实时动态观测，共进行了62次处理，生成了186对干涉对。在进行基于外部SRTM DEM数据进行差分干涉处理，去除平地相位，去除地形相位，干涉图滤波等处理，利用基于同一主影像的干涉对组合，结合当日水位线等情况进行基于干涉图纹的潜在隐患点解译。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   技术路线图

Fig.2   Technology Roadmap


值得注意的是，需要在进行隐患识别时直接基于干涉像对进行解译未进行相位解缠，避免的相位解缠带来误差［23］。其次在雷达干涉相位中，若地表发生形变时，从整体的干涉相位中扣除参考椭球面相位和地形相位，从而得到形变相位，而发生形变的区域常常表现出相位信息的不连续性。而相位不连续的地方常表现为干涉条纹图的颜色突变区域［24］。

因此基于此规律利用短基线数据集对基于同一主影像或相邻时间段的多期差分干涉的结果进行同步解译，此外为了实现快速动态的形变区域监测，采用A/B双星及多轨道联合观测，间隔6 d便能进行一次升降轨联合解译，在基于同一影像进行处理进而实现干涉对组合之间的相互验证，快速准确高效地发现库区潜在隐患点，进而进行大数集、广域的快速动态的地质灾害监测。

4 隐患点快速识别结果

利用差分干涉DInSAR技术结合多源多时相SAR数据对白鹤滩库区葫芦口—象鼻岭段开展蓄水期灾害隐患识别工作，依据差分干涉结果，从2021年4月6日开始蓄水到10月30日，两岸共识别出92处存在显著形变的强形变区。

按照从北到南依次进行编号，如图3（a）所示。所识别出的强形变区域均分布在金沙江两岸，其中8个强形变区域已被目前最高水位线800 m淹没，38个强形变区域位于水位线附近，部分出现小规模塌岸（图3（b）~图3（d））值得重点关注。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   隐患点识别概况图

Fig.3   Overview of hidden danger point identification


5 典型区验证分析

通过6个月的持续观测部分区域出现持续形变，规模较大等特点，且危险性也相对较高。因此选取大规模缓慢形变的区域进行详细分析。

85号点位于云南省曲靖市会泽县娜姑镇王家山村，地理坐标103°3′54″ E，26°31′25″ N，距坝址约92.40 km，呈西北朝向。所在的坡体海拔在733 m~1 134 m之间，高差约401 m。从干涉结果中可以看出在研究时间段内一直发生持续形变（图4），6月份形变有所加剧，10月份形变集中在中下部。整体规模较大，临近水位，值得重点关注。与实际地形地貌进行结合发现，该区域整体呈堆积体状，平面上呈近似三角形，整体呈失稳状态，坡体中上部有下滑挤压的趋势。滑坡两侧发育冲沟，沟内季节性流水，在滑坡后缘处交汇，具有典型的“双沟同源”和“圈椅状”地貌特征。在蓄水期受水位线影响较大，到10月份底变形较为严重。坡体后缘出现

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   85号点干涉形变情况

Fig.4   Interference deformation at point 85


横向裂缝（图5（a）），两侧及前缘均出现大量纵向裂缝（图5（b））。此外坡体上形变严重已出现两处明显的公路断裂。前缘坡体形变严重与DInSAR监测结果相符，已经出现公路破损，堆积体呈临空状态，下滑趋势明显（图5（c））。从目前形变趋势来看，坡体稳定性较差，危险性较高，整个坡体滑动可能会引起金沙江主河道堵塞，产生的涌浪对附近居民、船舶均有安全威胁。因此综合评价该处风险高，建议采取专业监测和必要的工程治理措施。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   85号点形变现场图

Fig.5   No.85 point deformation field diagram


75、76、77等3个点均位于四川省凉山彝族自治州会东县野牛坪村，75点地理坐标为103°1′48″ E，26°33′27″ N，76点地理坐标为103° 1′52″ E，26°33′11″ N，77点地理坐标为103° 1′44″ E，26°33′12″ N，均在白鹤滩库区金沙江左岸。利用DInSAR技术从2021年4月至11月进行监测发现，该坡体整体相对稳定，但受水位的影响严重，在该区域发现3处存在明显形变的区域（图6）。右侧区域即75号点从4月到6月有轻微形变，随着蓄水水位的增涨，左侧区域76、77号点从8月份开始发生形变且一直持续到了10月底，其中76号点存在公路断裂的情况。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   75、76、77号点形变情况

Fig.6   Deformation at points 75， 76 and 77


根据现场调查发现，76号点形变较为明显（图7（a））。公路上方出现明显崩塌，所在坡体的公路断裂（图7（b）、图7（c）），与DInSAR检测的形变区域相吻合。同时从DInSAR的监测结果可以看出，在蓄水前期该点并未发生形变，随水位线的上涨逐渐发生形变，因此受水位波动影响较大。水库蓄水期随着水位线的波动，滑坡体局部稳定性变差，临江和临沟部分岸坡可能发生失稳，进而加大坡体的形变速度与力度。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   公路断裂现场图

Fig.7   Highway fracture site diagram


6 结 语

本文利用DInSAR方法对金沙江流域白鹤滩库区重点库岸段（葫芦口—象鼻岭地段）蓄水期展开了地质灾害隐患的快速动态识别。利用Sentinel-1A/B数据同步监测，将重返周期提高到6 d 1景，获取了研究区蓄水期2021年4月到2021年11月共66景数据，结合SRTM DEM数据进行基于同一主影像的DInSAR处理，共进行了62次处理，再利用生成的186对干涉对进行干涉对的组合分析。共识别出92处存在显著形变的强形变区，均分布在金沙江两岸，其中8个强形变区域已被目前最高水位线800 m淹没，38个强形变区域位于水位线附近，部分出现小规模塌岸，值得重点关注。同时选取了3个持续形变的区域结合实际地形地貌进行分析，发现形变迹象较为明显，且强形变区域位置与DInSAR方法监测结果相吻合，证明了将DInSAR方法应用于快速动态的发现新隐患点的情况的可行性。该方法对蓄水后灾害分析与监测预警以及对保障白鹤滩水电站的正常蓄水发电具有重要意义。同时对水库岸地质灾害识别具有较好示范作用、研究意义与应用价值。

根据本文提供的方法进行广域地质灾害的高效快速动态监测，在第一时间发现隐患点进形定性分析。弥补了长时间序列差分干涉测量（SBAS-InSAR）技术进行地质灾害隐患点识别时对数据量需求高，处理时间长，对新加入的影像敏感度较低，不易解算出新发生变形等不足。对于突发性高，需进行实时动态监测地质灾害进行定性分析的情况具有一定的应用价值。本文的研究成果可为滑坡灾害隐患的广域快速动态识别提供参考，并为水库岸蓄水期因水位变化引起的潜在地质灾害的识别提供了一种新的思路。

参考文献

FAN Qixiang， ZHANG Chaoran， WANG Zhilin， et al.

Introduction of key technologies for constructing Baihetan Hydropower Station

［J］. China Water Resources， 2019， 18： 9-14.

[本文引用: 1]

樊启祥， 张超然， 汪志林， 等.

白鹤滩水电站工程建设关键技术进展和突破

［J］. 中国水利， 2019， 18： 9-14.

[本文引用: 1]

LI Bin， ZHANG Qing， WANG Wenpei， et al.

Geohazard monitoring and risk management of high-steepslope in the Wudongde dam area

［J］. Journal of Geomechanics，2020，26（4）： 556-564.

[本文引用: 1]

李滨，张青，王文沛，赵其苏，等.

金沙江乌东德水电站坝区高陡边坡地质灾害监测预警研究

［J］.地质力学学报，2020，26（4）：556-564.

[本文引用: 1]

YUAN Ya， FU Huiyuan， XU Xiuzhen，et al.

Influence of Wudongde hydropower station impoundamenton water environment of Panzhihua Reach

［J］. Yangtze River， 2008（23）： 114-117.

[本文引用: 1]

阮娅， 傅慧源， 许秀贞.

乌东德水电站蓄水对攀枝花河段水环境的影响

［J］. 人民长江， 2008（23）： 114-117.

[本文引用: 1]

ZHU Sainan， YIN Yueping， WANG Meng， 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.

[本文引用: 1]

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.

[本文引用: 1]

XU Qiang， DONG Xiujun， LI Weile， et al.

Integrated Space-Air-Ground early detection， monitoring and warning system for potential catastrophic geohazards

［J］. Geomatics and Information Science of Wuhan University， 2020， 45（11）： 1651-1659.

[本文引用: 1]

许强， 董秀军， 李为乐.

基于天—空—地一体化的重大地质灾害隐患早期识别与监测预警

［J］. 武汉大学学报·信息科学版， 2019， 44（7）： 957-966.

[本文引用: 1]

FENG Wenkai， Jiawei DUN， YI Xiaoyü，et al. 2020.

Deformation analysis of Woda village old landslide in Jinsha river basin using SBAS-InSAR technology

［J］. Journal of Engineering Geology，2020，28（2）：384-393.

冯文凯，顿佳伟，易小宇， 张国强.

基于SBAS-InSAR技术的金沙江流域沃达村巨型老滑坡形变分析

［J］.工程地质学报，2020，28（2）： 384-393.

XU Qiang.

Understanding and consideration of related issues in early identification of potential geohazards

［J］. Geomatics and Information Science of Wuhan University，2020，45（11）： 1651-1659.

[本文引用: 1]

许强.

对地质灾害隐患早期识别相关问题的认识与思考

［J］. 武汉大学学报·信息科学版， 2020， 45（11）： 1651-1659.

[本文引用: 1]

ZHU K X， XU P H， CHEN C， et al.

Preliminary identification of geological hazards from Songpinggou to Feihong in Mao County along the Minjiang River using SBAS-InSAR technique integrated multiple spatial analysis methods

［J］. Sustainability，2021，13：1017. DOI：10.3390/su13031017

[本文引用: 1]

FENG W K， DUN J W， YI X Y， et al. 2020.

Deformation analysis of Woda village old landslide in Jinsha river basin using SBAS-InSAR technology

［J］. Journal of Engineering Geology，2019，28（2）：384-393. DOI： 10.13544/j.cnki.jeg. 2019-411

ZHANG Lu， LIAO Mingsheng， DONG jie， et al.

Early detection of landslide hazards in mountainous areas of West China using time series SAR interferometry—A case study of Danba， Sichuan

［J］. Geomatics and Information Science of Wuhan University， 2018，43（12）：2039-2049.

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.

DAI Keren， ZHUO Guanchen， XU Qiang， et al.

Tracing the pre-failure two-dimensional surface displacements of Nanyu landslide， Gansu province with radar interferometry

［J］. Geomatics and Information Science of Wuhan University， 2019， 44（12）：1778-1786，1796.

[本文引用: 1]

戴可人，卓冠晨，许强，等.

雷达干涉测量对甘肃南峪乡滑坡灾前二维形变追溯

［J］. 武汉大学学报（信息科学版），2019，44（12）：1778-1786，1796.

[本文引用: 1]

DAI Cong， LI Weile， LU Huiyan， et al.

Active landslides detection in Zhouqu County，Gansu province using InSAR technology

［J］. Geomatics and Information Science of Wuhan University， 2021，46（7）：994-1002.

[本文引用: 1]

代聪，李为乐，陆会燕，等.

甘肃省舟曲县城周边活动滑坡InSAR探测

［J］.武汉大学学报·信息科学版，2021，46（7）：994-1002.

[本文引用: 1]

ZHU Zeng.

Analysis of surface deformation in a landslide prone Heifangtai area， Gansu using InSAR technology and muti-temporal datasets

［D］. Chengdu： University of Electronic Science and Technology of China， 2019.曾珠.基于InSAR技术分析甘肃黑方台已滑及潜在滑坡区地表形变［D］. 成都： 电子科技大学，2019.

[本文引用: 1]

LIU Zhenguo.

Study on the subsidence monitoring caused by repeated excavation with DInSAR

［D］. Xuzhou： China University of Mining and Technology， 2014.

[本文引用: 1]

刘振国.

DInSAR 技术在矿区地表重复采动开采沉陷监测中的应用研究

［D］. 徐州： 中国矿业大学， 2014.

[本文引用: 1]

DAI Keren， Yongbo TIE， Qiang XÜ，et al.

Early identification of potential landslide geohazards in alpine-canyon terrain based on SAR interferometry—A case study of the middle section of Yalong river

［J］. Journal of Radars，2020，9（3）：554-568.

[本文引用: 1]

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.

[本文引用: 1]

ZHANG L L， DAI K R， DENG J， et al.

Identifying potential landslides by Stacking-InSAR in Southwestern China and its performance comparison with SBAS-InSAR

［J］. Remote Sensing，13（18）：3662. DOI：10.3390/rs13183662

YANG Chao， YANG Yinghui， WANG Jiyan， et al. 2023.

Inferring landslide depth based on ascending and descending InSAR deformations-example of Taoping village ancient landslide

［J］.Journal of Engineering Geology，2021，31（3）：868-879.

[本文引用: 1]

杨超， 杨莹辉， 王继燕， 等.

利用InSAR升降轨形变数据反演滑坡深度—以桃坪乡古滑坡为例

［J］. 工程地质学报，2021，31（3）：868-879.

[本文引用: 1]

DAI K R， LI Z H， XU Q， et al.

Entering the era of Earth-Observation based landslide warning system

［J］. IEEE Geoscience and Remote Sensing Magazine，2019，8（1）： 136-153. DOI： 10.1109/MGRS.2019.2954395 .

[本文引用: 1]

XU Xiaobo， MA Chao， SHAN Xinjian，et al.

Monitoring ground subsidence in high-intensity mining area by integrating DInSAR and Offset-tracking technology

［J］. Journal of Geo-information Science， 2020. 22（12）： 2425-2435.徐小波， 马超， 单新建， 等. 联合DInSAR与Offset-tracking技术监测高强度采区开采沉陷的方法［J］.地球信息科学学报， 2020， 22（12）： 2425-2435.

GE Daqing， DAI Keren， GUO Zhaocheng， et al.

Early identification of serious geological hazards with integrated Remote sensing technologies：Thoughts and recommendations

［J］. Geo-matics and Information Science of Wuhan University，2019，44（7）：949-956.

[本文引用: 1]

葛大庆， 戴可人， 郭兆成， 李振洪.

重大地质灾害隐患早期识别中综合遥感应用的思考与建议

［J］. 武汉大学学报·信息科学版，2019，44（7）：949-956.

[本文引用: 1]

ZHANG Lele， LIU Bo， JIA Shili， et al.

Reconstruction of time series three-dimensional multi-level deformationin Mining area based on single OT DInSAR Pair

［J］. Journal of Geodesy and Geodynamnies， 2021， 41（9）： 886-894.

[本文引用: 1]

张乐乐， 刘波， 贾世利， 等.

基于单轨道OT DInSAR的矿山时序三维多量级形变重建

［J］.大地测量与地球动力学， 2021， 41（9）： 886-894.

[本文引用: 1]

ZHANG Weimin， XU Jianqiang， JI Jinhua， et al.

Baihetan hydropower project on Jinshajiang River and timing of project construction

［J］. Water Power， 2003（6）：1-4.

[本文引用: 1]

张为民， 徐建强， 计金华.

金沙江白鹤滩水电站工程建设时机的选择

［J］. 水力发电， 2003（6）： 1-4.

[本文引用: 1]

LI Yuting， XIE Xianming.

A phase unwrapping algorithm combining unscented Kalman filter and particle filter

［J］. Science of Surveying and Mapping，2019，44（8）：19-31.

[本文引用: 1]

李玉婷， 谢先明.

一种 UKF与PF相结合的相位解缠算法

［J］. 测绘科学，2019，44（8）：19-31.

[本文引用: 1]

GE Daqing， WANG Yan， GUO Xiaofang， et al.

Surface deformation field monitoring by use of small-baseline differential interferograms stack

［J］. Journal of Geodesy and Geodynam ICS， 2008， 28（2）： 61-66.

[本文引用: 1]

葛大庆， 王艳， 郭小方， 等.

利用短基线差分干涉纹图集监测地表形变场

［J］. 大地测量与地球动力学， 2008， 28（2）： 61-66.

[本文引用: 1]

/

〈 〉