水库的形成严重影响沿岸地区自然条件的变化，主要包括两方面，一是由于水库水位的变化会造成河流局部侵蚀基准面和地下水位的变化，二是会引起区域水文动态变化，使水库边坡遭受强烈改造，进而影响边坡的稳定性[1]。其中，第二种影响直接诱发的滑坡、崩塌等灾害在近几年频繁发生，对人民群众的生命财产安全构成了严重的威胁[2]。例如1963年意大利北部发生的库区滑坡灾害，其主要原因是瓦依昂水库左岸岩体在库区蓄水后的稳定性受到影响，造成1925人死亡及附近5个村庄受损[3]。瓦依昂滑坡灾难引起了广泛关注，自此全球开始针对库区边坡的稳定性开展了一系列研究[4],涉及边坡稳定性分析、边坡加固技术、边坡变形监测等方面。

常见的边坡变形监测方法主要包括简易观测法、设站观测法、仪表观测法和远程监测法等[5]。简易观测法属于传统的边坡变形监测方法，即通过人工直接观测边坡是否存在地表裂缝、地面鼓胀、沉降、坍塌、建筑物变形等现象。该方法适用于对发生病害的边坡进行定期观测，从宏观上掌握其变形动态即发展趋势，该方法操作简单，但存在耗时费力的缺陷。设站观测法是指在边坡上设置固定观测站，使用水准仪、全站仪、GPS等测量仪器定期测量变形区域内监测点的三维位移变化情况，具体包括近景摄影测量方法、GB-InSAR监测方法[6]、地面激光扫描方法[7- 8]、GPS测量方法[9]、大地测量方法等，该类方法具有客观准确等优点，但观测范围收设站的影响具有一定的局限性。仪表观测法指用位移计、测斜仪、测缝计等精密仪表对变形边坡进行地表及深部的位移、倾斜(沉降)动态，裂缝相对张、闭、沉、错变化及地声、应力应变等物理参数与环境影响因素进行监测，该方法具有监测精度高、测成可调、仪器轻便等优势，但传感器元件在野外环境中易老化，抗电磁干扰差[10],监测过程中需考虑仪器运行性能的问题。远程监测法指利用各种自动遥测系统对边坡的变形、崩塌和滑坡进行监测，常见的技术为利用无人机平台或卫星遥感平台搭载光学或雷达传感器对边坡进行连续监测，该类方法具有全天候、长时序、广范围的优势，成为边坡变形监测的重要手段。

时序InSAR技术属于远程监测法中的一种技术，其发展随着合成孔径雷达(Synthetic Aperture Radar, SAR)卫星的增加不断进步，由于其具有不受云雾影响、周期性监测和覆盖范围广等特点，被广泛应用于水利枢纽安全监测[11]、山区滑坡监测[12]、城市地表沉降[13]等多个领域，并取得了良好的监测效果，其监测精度也在试验研究和应用实践中得到了很好的验证[14]。

万家寨水库库区多位于峡谷段，基岩岸坡多陡立；少部分段为结构松散的第四系地层，自蓄水以来部分地段已发生塌岸现象。水库边坡的稳定与否，将直接影响水库枢纽工程的正常运行及近岸地带建筑物的安全及居民生活。本文利用2022年1月—12月的哨兵一号SLC雷达影像，采用SBAS-InSAR技术，对万家寨水库大坝及边坡进行形变监测，并结合光学影像及地面监测数据，对形变较大的区域进行分析，获取大坝形变区和不稳定边坡分布情况及其形变原因，分析SBAS-InSAR技术在万家寨水库形变监测中的适用性，为万家寨水库安全运行提供合理化的建议。

1、研究区域及数据源

1.1研究区概况

万家寨水利枢纽位于黄河北干流上游段，地处山西省偏关县与内蒙古自治区准格尔旗交界处，坝址位于偏关县万家寨村西侧，是黄河北干流上游段的一座控制性水利枢纽工程，属Ⅰ等大(1)型工程。其主要任务是供水、发电、兼有防洪、防凌作用。大坝坝顶高程982m,坝顶长443m,最大坝高105m;坝后式电站厂房，总装机容量1080MW;水库最高蓄水位980m,总库容8.96亿m3,水库界桩约为981.0m高程。水库回水长约70km,总体流向为由北向南，河道蜿蜒曲折。万家寨库区两岸沟壑纵横，以水力和风力侵蚀为主，万家寨库区黄土塌岸一直是库区重要的工程地质问题之一，造成库岸滑塌的主要原因包括地层结构与岩性、库水的作用、波浪的作用、库岸形态、土体冻融作用等[15]。本文主要对万家寨水库大坝及库区边坡进行形变监测，其地理位置及形变监测范围如图1所示。

1.2 SAR影像、DEM数据及其他辅助分析数据

本文采用的SAR影像为哨兵一号卫星影像，哨兵一号(sentinel- 1,SA1)卫星是为欧空局于2014年发射的主动微波遥感卫星，由两颗极轨卫星A和B组成，执行C波段合成孔径雷达(SAR)成像。单星重访周期为12天，双星座重访周期缩短至6天。包括HH、HV、VV、VH四种极化方式；方位向分辨率为13.98m,斜距向分辨率为2.33m,雷达波长为5.6cm;具有条带模式SM宽幅干涉模式IW、极宽模式EW和波模式WM四种成像模式[16];欧空局官网(https: //scihub.copernicus.eu/dhus/#/home)提供哨兵一号卫星的原始零级数据、一级产品单视复数产品SLC、地距多视强度数据GRD和海洋地球物理参数产品OCN等，本文研究收集2022年1月1日至2022年12月31日期间共27景哨兵一号的SLC产品，极化方式为VV,成像模式为宽幅干涉模式IW,均为升轨数据。

本研究使用的数字高程模型数据(Digital Elevation Model, DEM)为SRTM DEM数据，其作用为在SBAS-InSAR形变监测中去除地形相位和平底效应、并在得到形变信息后辅助地理编码。SRTM DEM是由美国航空航天局(NASA)和国防部国家测绘局(NIMA)联合测量的，具有覆盖均匀和精度高的特点，在地学相关领域获得了广泛应用，格网间距为30m。

本研究在分析阶段使用的辅助分析数据包括光学影像RGB产品(哨兵二号)、大坝三维倾斜数据(下视影像空间分辨率为5cm)、万家寨水库月平均水位数据(地面监测数据)等。

2、研究方法

InSAR技术是一种用于地表形变监测的雷达遥感技术。目前较为常见且效果良好的InSAR方法包括：PS-InSAR(Permanent Scatterer InSAR)、SBAS(Small Baseline Subset)、StaMPS(Stanford Method for Persistent Scatterers)、MAI(Multi-Aspect InSAR)等方法，通过查找资料及调研，本研究梳理了上述各种方法优缺点，见表1。

图1万家寨水库位置及形变监测范围示意图

表1各种时序InSAR方法的优缺点

PS-InSAR[17]   通过识别和跟踪地表上的“永久散射体”(Permanent Scatterer, PS),即对雷达信号具有较高相干性并且相对稳定的地物目标，以提供高质量的形变监测。        针对城市区域和稳定地表上的人工目标，如建筑物和桥梁，提供高质量的地表形变监测。能够在多时期观测中提供相对较高的相位稳定性。        对于自然地表(如农田、森林等)的监测效果相对较差。数据要求较高，通常需要长时间序列的SAR数据。

SBAS-InSAR[18]       旨在解决传统InSAR方法在处理相干性差的区域时遇到的问题。SBAS主要应用于大范围地表形变监测，其算法通过选择合适的基线集合来处理相位不稳定性，从而提高形变监测的准确性。    适用于大范围地表形变监测，包括城市和自然地区。对于相干性较差的区域，采用小基线法可以更好地处理相位不稳定性。    数据处理较为复杂，需要考虑多个时期的干扰项。对于高相干性的区域，可能需要更多的时间序列观测来获得准确的形变信息。

StaMPS-InSAR[19]  旨在提供对城市区域和人工目标的高质量形变监测。相比于传统的InSAR方法，StaMPS专注于通过识别和跟踪永久散射体(Permanent Scatterers, PS)来实现对地表形变的高精度监测。         针对城市区域的建筑物等人工目标提供高质量的形变监测。对于高相干性区域有较好的性能。        对于低相干性区域效果较差。需要考虑大量的地球大气干扰。

MAI-InSAR[20]          MAI结合了多个方位角的雷达数据，通过比较不同方向上的雷达返回信号，可以提供更全面的地表形变信息。        可以处理多个方位的InSAR观测。适用于地质灾害监测、城市沉降监测、地震活动监测等领域     算法相对较为复杂，需要考虑多个方向的相位信息。

综合考虑以上多种InSAR方法的优势及适用性，选用SBAS-InSAR方法，使用哨兵一号雷达影像对研究区进行形变监测，监测时间为2022年1月—2022年12月。具体流程如图2所示。

SBAS-InSAR方法的主要流程主要包括：收集雷达影像、生成连接图、差分干涉处理、轨道精炼和去平化、SBAS反演、地理编码等。

(1)收集雷达影像：

收集2022年覆盖研究区的哨兵一号雷达影像，共27景。

(2)生成连接图：

基于时序信息和影像的卫星轨道参数计算每一对影像的时序基线和空间基线；选择构成时空基线最短且连接数量最多、位于时空基线中间的影像作为参考影像；基于由基线长度设定的阈值对SAR影像进行分组，形成多个小基线集合。

(3)差分干涉处理：

计算的每一对影像的相位差异，生成相应的干涉图；并进行去平、自适应滤波和相干性生成、相位解缠等处理，生成一系列解缠之后的相位图；逐个查看生成的各个影像像对的相干性图和解缠结果图，移除相干性低的像对。

图2 SBAS-InSAR方法流程图

(4)轨道精炼和重去平：

在滤波后的干涉图上选择控制点，选择相干性高、相位好的点作为控制点；结合DEM,进行轨道精炼和重去平操作，并剔除残余相位。

(5)SBAS反演：

第一次估算位移速率和残余地形，用来对合成的干涉图进行去平；重新进行相位解缠和精炼，生成更优化的结果；在第一次估算得到的形变速率的基础上，进行大气滤波，估算并去除大气相位，得到更加准确的时间序列上的位移结果。

(6)地理编码：

由于上一步得到的高程信息是沿着雷达视线方向的，需要将高程信息从雷达坐标系统转换为地理坐标系统；最终得到平均位移速率数据、每个时间点的位移信息和PS点三维位置信息。

3、实验结果分析

3.1大坝形变监测结果分析

利用SBAS-InSAR方法对万家寨主体工程进行形变监测，监测时段为2022年1月—2022年12月，得到水库大坝的形变速率图见图3(b)。可以看出，大坝的右侧主要体现为沉降，厂房和溢洪道主要体现为上升。

结合大坝倾斜模型(见图3(a)),选取分别位于坝顶、厂房、溢洪道的形变监测点进行详细分析。3处的形变监测点分别用1、2、3表示，它们的形变量时序曲线如图4(a)所示，可以看出，3个位置的形变量趋势是一致的，在2022年1月至5月，基本没有形变；在5月28日，3个点都有微小的抬升，形变量小于3mm,到6月初，趋于平稳；7月15日之后，3个点有较大的抬升，8月20日，形变量最大，之后逐渐回降，到9月初，趋于平稳；10月31日，3个点都有微小的沉降，到11月12之后，趋于平稳。结合收集的万家寨月平均库水位数据(如图4(b)),可知，1月至6月，水位基本在973米左右，6月之后，水位逐渐下降，到9月，水位下降至最低952米，之后，水位逐渐抬升。这是由于万家寨、龙口水库从7月1日起开始集中下泄，7月3日，随着万家寨水库水位回落至966m以下，8月30日万家寨、龙口水库启动2022年联合敞泄排沙，9月7日，敞泄排沙结束。综上可得出，水库在开闸泄水时，水的冲击力可能会导致大坝形变，表现为抬升，水库泄水排沙后，由于水流带走了沉积在水库底部的沙土和泥沙，大坝可能会出现沉降。

3.2上游边坡形变监测结果分析

利用SBAS-InSAR方法对万家寨库区边坡进行形变监测，监测时段为2022年1月—2022年12月，得到库区上游边坡的形变速率图如图5所示。可以看出，水库上游整体形变不大，比较稳定，只有部分小面积区域存在抬升和沉降；具体的形变速率图如 图6所示，在边坡左岸，距大坝直线距离3.5km处的河道第一个拐弯处，边坡有抬升的趋势，结合对应的形变量时序曲线图如图6所示。发现2022年8月之前，该位置比较平稳，8月20日，该位置有一个明显的抬升，最大形变约2.5mm,究其原因是6月份开始库区水位下降时，水流携带泥沙在途径拐弯处，由于拐弯角度大于90度，出现泥沙沉积，导致的边坡抬升；在边坡左岸，距大坝直线距离4.3km处的河道第一个拐弯处，边坡有沉降的趋势，主要原因是在水位下降时，水流途径拐弯处，拐弯角度小于45度，会对边坡有较大的冲击力，使边坡发生微小的沉降，通过对应的RGB影像也可以验证这一点；在红水沟附近，库岸两侧都有较大的沉降区，主要的原是两处为施工区，易受水流冲刷。

图3 2022年万家寨水库大坝形变监测结果

图4 2022年万家寨水库大坝典型位置的形变量时序曲线及库水位曲线

图5 2022年万家寨水库上游边坡形变监测结果

图6 2022年万家寨水库上游边坡典型区域形变量时序曲线图

3.3下游边坡形变监测结果分析

利用SBAS-InSAR方法对万家寨库区边坡进行形变监测，监测时段为2022年1月—2022年12月，得到库区下游边坡的形变速率图如图7所示。可以看出，在下游左岸多处存在沉降现象，如距大坝1.2～3.6km段、距大坝9.3～11.1km段，在形变量较大的区域选取五个具有代表性的位置进行详细分析，相应的形变量时序曲线图如图8所示，距大坝3.6km处，沉降速率较大，约60毫米/年(mm/y),在8月份的沉降量最大，这与万家寨、龙口水库于8月下旬启动2022年联合敞泄排沙、9月7日敞泄排沙结束有关，边坡受到水力冲刷，尤其是距大坝3.6km处，位于下游第一个拐弯北侧，受到的水力大于距离大坝更近的边坡，所以，其沉降量较大。寺沟附近出现抬升，尤其在8月20日，出现了较大的抬升，约4.4mm,这与该处地形有关，寺沟附近有一条支流，且水流在此拐弯，当水流携带泥沙经过此处时，会有一部分水流进入支流，随着水力减弱，携带的泥沙会在支流与干流交界处形成淤积，随着时间的累积，导致边坡表现出微小的抬升。

图7 2022年万家寨水库下游边坡形变速率图

图8 2022年万家寨水库下游边坡典型区域形变量时序曲线图及形变速率

4、结论

以万家寨水库工程为研究区域，借助时序InSAR技术对大坝及边坡进行形变监测，通过参阅相关研究及文献对比分析多种时序InSAR技术的优缺点及适用条件，得出SBAS-InSAR适用于大范围地表形变监测。因此，选择SBAS-InSAR技术，对万家寨水库大坝及边坡进行长时序形变监测，结合水位信息、调度信息及泥沙淤积等信息分析其对大坝及边坡的影响。研究发现，泥沙淤积和水力冲刷是大坝及边坡形变的主要影响因素。本文虽然利用SBAS-InSAR技术对大坝及边坡进行了有效的形变监测，但是缺乏与其他时序InSAR技术的对比分析，在后续研究中，将尝试引入其他时序InSAR技术，对不同研究区进行形变监测和分析，提高应用效果。

参考文献:

[1]王明华,晏鄂川.水库蓄水对库岸滑坡的影响研究[J].岩土力学,2007,28(12):2722- 2725.

[2]罗博,刘宇昊,涂国祥,等.水库蓄水诱发大型边坡堆积体失稳破坏机理研究:以澜沧江RS库区堆积体为例[J].水利水电技术(中英文),2023,54(8):156- 166.

[4]王涛,吴树仁,石菊松,等.国内外典型工程滑坡灾害比较[J].地质通报,2013,32(12):1881- 1899.

[5]罗志强.边坡工程监测技术分析[J].公路,2002(5):45- 48.

[8]王强,陈雪万.基于地面三维激光扫描系统的水利水电施工测量方法研究[J].人民黄河,2022,44(S1):111- 112.

[9]李程,宋胜武.惯性测量融合GNSS监测水库边坡变形初探[J/OL].水利水电技术(中英文):1- 13[2023- 09- 08].

[10]张磊.基于DFOS的库岸边坡变形机理及预测研究[D].南京大学,2021.

[11]盖侨侨.PS-InSAR技术在北江下游沿线形变监测中的应用[J].水利技术监督,2022(10):57- 59,72.

[12]郭澳庆,胡俊,郑万基,等.时序InSAR滑坡形变监测与预测的N-BEATS深度学习法:以新铺滑坡为例[J].测绘学报,2022,51(10):2171- 2182.

[13]何毅,姚圣,陈毅,等.ConvLSTM神经网络的时序InSAR地面沉降时空预测[J/OL].武汉大学学报(信息科学版):2023.

[14]周伟,马刚,安妮,等.高堆石坝变形监测和变形预测关键技术及工程应用[J].水利规划与设计,2022(11):54- 60.

[15]周艳松.万家寨库区库岸滑塌原因及治理[J].中国水利,2020(22):55- 56.

[16]于海明,张熠斌,方向辉,等.综合InSAR技术和多源SAR数据在滑坡变形监测中的应用—以吉林治新村滑坡为例[J].中国地质灾害与防治学报,2024,35(3):1- 9.

基金资助:国家重点研发计划课题(2021YFB3900603);

文章来源:赵琳,徐晓臣,奚歌,等.基于SBAS-InSAR技术的水库边坡形变监测应用分析[J].水利规划与设计,2024,(10):79-84.