论文部分内容阅读
摘要：长江三峡地区位于川鄂交接的山地峡谷地区，山多坡陡，一旦遇上暴雨天气或地震灾害极易发生滑坡、泥石流或岩崩等灾害。为了更好地掌握三峡库区地面沉降变形情况，以库区内地质灾害风险较高的巴东县城区为例，选取该区域20景2016～2017年间的PALSAR2数据，基于时间序列InSAR方法进行了地表形变分析;并利用高切坡位移监测数据进行了验证，以更好地了解该区域地形稳定情况。结果表明：InSAR监测结果与该区域同时期高切坡监测实际位移变化情况一致;巴东城区在此期间整体形变速率较小，绝大部分区域年均形变速率在20 mm/a以下;部分变形较大区域与已查明的滑坡区域和土地利用类型变化区域一致。
关 键 词：
地表变形; 形变监测; InSAR; 巴东城区; 三峡库区
中图法分类号： TP79
文献标志码： A
DOI：10.16232/j.cnki.1001-4179.2021.05.018
1 研究背景
长江三峡地区位于川鄂交接的山地峡谷地区，山多坡陡，一旦遇上暴雨天气或地震灾害极易发生滑坡、泥石流或岩崩等灾害。监测分析三峡库区沿岸地表形变以有效识别地质灾害隐患对三峡水库的安全运行和区域地质灾害的监测预防非常重要[1]。巴东属于三峡库区建成后的迁移建设城区，是长江三峡沿岸地质条件最为复杂的地区之一，区内地质构造复杂，是地质灾害高风险区域[2-3]，歷史上曾发生黄土坡滑坡等大型滑坡，城区位置受到地质灾害的影响曾发生过三次选址和两次搬迁。
相对于水准测量、GPS等常规地面沉降测量方法，InSAR方法具有全天候、大范围同步的优点，其在大区域高精度地表形变和滑坡监测应用中的优势已经被广泛认可，已成为国际上地质灾害、地质环境变化监测与防治工作的重要技术手段[4-10]。在三峡库区滑坡监测方面已有多项关于InSAR应用的研究[11-14]，以及时间序列InSAR在巴东滑坡监测中的应用研究[15-16]，尚未有研究从InSAR用于库岸区域整体稳定性的角度来对周期性蓄退水状态下的库区地质灾害风险进行研究。
本文选用高分辨率的PALSAR2数据，基于时间序列InSAR方法进行地表形变分析，并利用高切坡位移监测数据进行验证，以更好地了解该区域地形稳定情况。
2 数据来源及处理
2.1 研究区数据来源
本文用到的数据包括高分辨率SAR数据PALSAR2和高切坡监测点位移数据。ALOS-PALSAR数据是继JERS-1和ADEOS之后的新一代L波段的SAR数据，PALSAR数据分为PALSAR1和PALSAR2两种，PALSAR1数据只到2011年，PALSAR2数据从2014年开始，数据的时间分辨率为14 d，数据分辨率远高于PALSAR1，各种极化数据均有，但数据价格较高，可用数量受限。本文研究中选用了20景巴东地区2016年8月到2017年10月间的PALSAR2数据，数据分辨率为3 m。
2.2 PALSAR数据处理
SBAS作为较为典型的时间序列InSAR形变监测分析技术已经得到广泛应用[13，17]。本文中SAR数据的处理主要利用Sarscape5.3软件工具，采用基于SBAS的时间序列InSAR数据处理方法，步骤如下。
（1） 生成连接图。根据时间和空间基线情况进行干涉像对配对，将会对配对的像对进行干涉处理。
（2） 干涉工作流处理。对步骤（1）中生成的所有干涉像对进行干涉处理，包括生成相干性系数图、去平、滤波和相位解缠。
（3） 轨道精炼和重去平。可以估算和去除残余相位以及解缠后依然存在的相位坡道。
（4） 形变速率反演。该步骤是SBAS技术的核心步骤之一，主要是估算形变速率和残余相位并进行大气滤波，通过时间序列形变情况估算和去除大气相位的影响，进而得到时间序列形变图。
（5） 地理编码。对所获得的雷达坐标系下的速率图进行地理编码。
首先是连接图生成，本文设置了2016年12月19日的1景PALSAR数据作为超级主影像，时间基线阈值设置为120 d，空间基线阈值设置为垂直基线的1.2%，共组成了74个干涉对，如图1所示。
连接图生成后进行干涉工作流处理，PALSAR数据虽然分辨率较高，但是考虑到巴东地区的复杂地表情况，本文选取了Goldstein滤波方法，滤波效果较为明显。对于轨道精炼和重去平步骤，PALSAR数据分辨率高，较长的波长也反映出了更高的相干性，故在选取控制点时选择了地表比较稳定且相干性高的一些点。重去平之后的相位图如图2所示（以2016年8月15日与2016年10月24日为例）。
相位解缠是SBAS技术中最重要的步骤之一，解缠结果直接决定了形变结果的精度。目前存在多种解缠算法，最小费用流法通过先求解缠绕相位与解缠相位的差的最小值，进而将求解转换为最小费用流的问题，该算法在计算过程中会根据流的大小和方向对各个相位矩阵进行积分，得到高质量的解缠结果，再向低质量区域进行积分，得到所有的结果，这样能够很有效地避免相位误差从低相干性区域传到高相干性区域。巴东地区地表情况复杂，城区以外范围植被茂密，存在大范围的低相干性区域，采用最小费用流算法进行解缠可以得到高精确度的城区形变结果。
地表形变反演分为2次进行。第一次反演用时较长，主要进行地表形变速率的估算和残余地形相位的估算，同时会对干涉图进行二次解缠并优化。第二次反演主要是根据所有数据进行大气的滤波，估算和去除大气引起的相位变化，进一步明确区域实际地形变相位信息，反演得到的地形变速率如图3所示。
从图3可以看出：巴东地区在2016～2017年间整体地形变速率不高，绝大部分区域年均地表形变速率在20 mm/a以下，居民区稳定性较好。对比同时期光学遥感影像可以知道：在2016年8月到2017年6月的10个月间，巴东地区大部分地区土地利用类型没有发生变化，整体较为稳定;江两岸有一块缓冲带的土地类型由水体变为居民地和裸土，地表形变较为明显;北岸非居民地地区，植被覆盖有所增加，居民区裸土的面积有所增加，地表形变速率较高;南岸主要变化发生在中间的道路两侧，有两块相对较大的新增裸土地块;遥感影像与图3中信息较为吻合。 3 形变精度验证与分析
对于InSAR应用中的精度验证问题，有很多学者做了研究与对比[18-19]，通常采用将InSAR结果与GPS或者精密水准测量数据进行对比的方法。可能影响精度比较的因素主要有以下几点：
（1） InSAR形变结果为面状数据集，在相干性较差的区域会考虑利用周围相干性好的区域进行辅助解缠，因此在这些区域InSAR结果会存在一些误差，而实测数据为点状数据，测量过程很少考虑地形以及地表覆盖的情况，因此把实测数据和InSAR监测数据统一在高相干性区域是得到精确验证结果的前提。
（2） InSAR结果和实测数据往往处于不同坐标系下，坐标系的转换会造成位置的偏差。针对这些位置偏差，在整体形变连续且稳定的区域可以采用临近点搜索的方式进行验证[19]。
（3） InSAR反演的地表形变往往为沿卫星视线向（LOS）方向的位移，由于不同卫星的视线方向对于不同的观测点都不尽相同，想要得到真实的地表形变位移需要结合升降轨数据进行解算，但是由于数据具体情况在有些位置难以实现，可将实测的三维位移数据投影到卫星视线向，与卫星视线向的位移进行比较，但是该方法对于实测数据的三维精度要求较高，在推算过程涉及到复杂的投影计算。
在投影方面，本文给出了详细的投影公式和原理。对于本文实验区，通过实测数据得出地表的整体位移为垂直方向，水平向的位移较小，故采用了将InSAR观测值往垂直方向进行投影计算再与实测数据进行比对验证的方法，验证流程如图4所示。首先对SBAS结果与高切坡的实际测量值进行处理，即通过坐标转换将高切坡的实测值转换到WGS84坐标系下，与SBAS结果进行统一。本文采用了63个高切坡监测点的同期位移监测数据，点位分布如图5所示（地图来自谷歌地球）。从图5中可以看出，高切坡监测点主要集中在城市区域，一般城市区域人工地物较多，SAR图像可表现出较好的相干性。
由图6可以看出：SBAS监测结果和高切坡实测结果在大部分点位都较为吻合，但是也存在一些误差较大的点，比如序号为33，35，41，42，45，48的误差均超过了20 mm，最大误差达到85 mm，导致所有高切坡监测点位移变化与对应SBAS提取值的差值中误差为±15.50 mm，大误差存在的原因包括：因InSAR监测范围为整个面，在一些植被覆盖茂密的区域往往会造成数据相干性较低，过低的相干性导致出现一些误差较大点;其次，对于一些形变量较大的区域，存在较大的形变梯度，在应用SBAS过程中对于大的形变梯度同样可能会出现失相干现象[20]。
图6中误差较大的点主要位于巴东城区以外，多为植被覆盖茂密或者地形坡度较大的区域，这些区域居住人口往往较少，对灾害预防和工程建设的需求较小。对于复杂地区的地表形变监测也要保证在一些失相干区域产生的误差不会传递到相干性较好的区域内。故本文接下来选取了城市区域等多为人工地物附近的高切坡实测数据进一步进行了精度评定，排除6个差值异常点后的中误差为±3.72mm，结果如图7所示。
由城区的高相干性区域的拟合结果可以看出，高切坡的实测值和SBAS监测结果存在着高度的一致性。本文进一步针对城区的高相干性区域进行精度评定，线性回归图如图8所示。
由拟合结果可以看出，在城市人工地物较多的的区域，设置临近点搜索阈值为9 m情况下，高切坡实测值和SBAS检测结果表现出了高度一致性。
4 区域地表形变与江边距离关联性分析
本文中还将PALSAR数据得到的形变分析結果与与江边距离分区进行了关联性分析，分析过程如下：
（1） 通过设置高相干性阈值提取巴东城区高精度形变监测点的时间序列信息;
（2） 将研究区域按距离岸边远近情况，每隔185 m设置缓冲区;
（3） 根据缓冲区分割步骤（1）中获取的高精度点位，进行统计并分析。
本文以0.90的高相干性系数阈值对获取的形变图进行点群提取，点群分割示意图如图9所示。
按照距离江边远近顺序将点群分割成了点群1～5。为了进一步统计不同缓冲区内的整体形变趋势，同样将缓冲区1～5内的点分别进行统计，其中每一个点都包含了2016年8月15日到2017年8月15日之间的时间序列形变信息，时间序列形变情况的时间分辨率由相同时间内所输入的PALSAR的数据量决定。然后，通过求得每一个时期卫星视线向的形变量的平均值反映该缓冲内的整体形变趋势，形变序列折线图如图10所示。
从图10可以看出：各个缓冲区的形变量均在-10～10 mm之间，形变较小，形变的整体趋势比较明显，随着点群1～4与江边的距离变远，缓冲区1～4内的形变趋势呈现出逐步减小的态势，并且缓冲区4和缓冲区5内的形变趋势逐步失去规律性。
5 结 论
研究结果表明：巴东城区在2016～2017期间的整体形变速率较小，已查明局部滑坡区域和地表土地利用类型发生变化区域有明显地表形变。PALSAR数据在对树木等地表覆盖物的穿透性上表现出了良好的性能，整体表现出良好的相干性，在地形变监测中可以达到很高的精度，但价格较高，为了控制成本可能会导致在长时间序列的分析过程中时间分辨率较低。另外，本文所用PALSAR数据均为升轨数据，无法结合同期降轨数据进行分析，因此文中所得到的形变速率以及形变量方向均为卫星视线向。
参考文献：
[1] 黄波林，殷跃平，李滨，等.三峡工程库区岩溶岸坡岩体劣化及其灾变效应[J].水文地质工程地质，2020，47（4）：51-61.
[2] 李浩，涂鹏飞，范国荣，等.城镇地质灾害危险性评估的研究：以巴东沿渡河镇为例[J].中国水运（下半月），2017，17（10）：219-221，225.
[3] 陈彪，张锦高，陈彪，等.三峡库区巴东新城区滑坡地质灾害危险性分区评价[J].科技管理研究，2009，29（1）：256-259. [4] 谢谟文，王增福，胡嫚，等.高山峡谷区D-InSAR滑坡监测数据特征分析[J].测绘通报，2012（4）：18-21.
[5] 葛大庆.区域性地面沉降InSAR监测关键技术研究[D].北京：中国地质大学，2013.
[6] 陈德良，陆燕燕，贾东振.基于StaMPS-InSAR的常州地区地表形变监测研究[J].人民长江，2018，49（12）：59-65.
[7] 刘朋俊，张璐，陈元申，等.南水北调中线湿陷性黄土区InSAR时序分析[J].人民长江，2020，51（6）：125-128.
[8] JIE D，LIAO M，QIANG X，et al.Detection and displacement characterization of landslides using multi-temporal satellite SAR interferometry：a case study of Danba County in the Dadu River Basin[J].Engineering Geology，2018（240）：95-109.
[9] 白林，江利明，汪汉胜.利用高分辨率TerraSAR-X数据监测武汉地区2013～2015年地面沉降[J].大地测量与地球动力学，2019，39（8）：832-836.
[10] 王国强，陈仁琛.基于InSAR技术的流域库岸地质灾害监测研究[J].中国农村水利水电，2020（12）：206-210.
[11] 范景辉，邱阔天，夏耶，等.三峡库区范家坪滑坡地表形变InSAR监测与综合分析[J].地质通报，2017，36（9）：1665-1673.
[12] SHI X G，ZHANG L，LIAO M S，ET AL.Deformation monitoring of slow-moving landslide with L- and C-band SAR interferometry[J].Remote Sensing Letters，2014，5（11）：951-960.
[13] 郑岳泽.InSAR技术在三峡库区滑坡监测中的应用研究[D].北京：中国地质大学（北京），2019.
[14] 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.
[15] 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.
[16] 楊长江，易祎，赵蓉.基于Sentinel-1数据的时序InSAR技术在滑坡监测方面的应用：以巴东地区为例[J].科技创新与生产力，2017（4）：55-58，63.
[17] 黄洁慧，谢谟文，王立伟.基于SBAS-InSAR技术的白格滑坡形变监测研究[J].人民长江，2019，50（12）：101-105.
[18] BERARDINO P，COSTANTINI M，FRANCESCHTTI G，et al.Use of differential SAR interferometry in monitoring and modelling large slope instability at Maratea （Basilicata，Italy）[J].Engineering Geology，2003，68（1-2）：31-51.
[19] 陈强，刘国祥，丁晓利，等.永久散射体雷达差分干涉应用于区域地表沉降探测[J].地球物理学报，2007，7（3）：87-93.
[20] 田馨，廖明生.InSAR技术在监测形变中的干涉条件分析[J].地球物理学报，2013，56（3）：812-823.
（编辑：刘 媛）
关 键 词：
地表变形; 形变监测; InSAR; 巴东城区; 三峡库区
中图法分类号： TP79
文献标志码： A
DOI：10.16232/j.cnki.1001-4179.2021.05.018
1 研究背景
长江三峡地区位于川鄂交接的山地峡谷地区，山多坡陡，一旦遇上暴雨天气或地震灾害极易发生滑坡、泥石流或岩崩等灾害。监测分析三峡库区沿岸地表形变以有效识别地质灾害隐患对三峡水库的安全运行和区域地质灾害的监测预防非常重要[1]。巴东属于三峡库区建成后的迁移建设城区，是长江三峡沿岸地质条件最为复杂的地区之一，区内地质构造复杂，是地质灾害高风险区域[2-3]，歷史上曾发生黄土坡滑坡等大型滑坡，城区位置受到地质灾害的影响曾发生过三次选址和两次搬迁。
相对于水准测量、GPS等常规地面沉降测量方法，InSAR方法具有全天候、大范围同步的优点，其在大区域高精度地表形变和滑坡监测应用中的优势已经被广泛认可，已成为国际上地质灾害、地质环境变化监测与防治工作的重要技术手段[4-10]。在三峡库区滑坡监测方面已有多项关于InSAR应用的研究[11-14]，以及时间序列InSAR在巴东滑坡监测中的应用研究[15-16]，尚未有研究从InSAR用于库岸区域整体稳定性的角度来对周期性蓄退水状态下的库区地质灾害风险进行研究。
本文选用高分辨率的PALSAR2数据，基于时间序列InSAR方法进行地表形变分析，并利用高切坡位移监测数据进行验证，以更好地了解该区域地形稳定情况。
2 数据来源及处理
2.1 研究区数据来源
本文用到的数据包括高分辨率SAR数据PALSAR2和高切坡监测点位移数据。ALOS-PALSAR数据是继JERS-1和ADEOS之后的新一代L波段的SAR数据，PALSAR数据分为PALSAR1和PALSAR2两种，PALSAR1数据只到2011年，PALSAR2数据从2014年开始，数据的时间分辨率为14 d，数据分辨率远高于PALSAR1，各种极化数据均有，但数据价格较高，可用数量受限。本文研究中选用了20景巴东地区2016年8月到2017年10月间的PALSAR2数据，数据分辨率为3 m。
2.2 PALSAR数据处理
SBAS作为较为典型的时间序列InSAR形变监测分析技术已经得到广泛应用[13，17]。本文中SAR数据的处理主要利用Sarscape5.3软件工具，采用基于SBAS的时间序列InSAR数据处理方法，步骤如下。
（1） 生成连接图。根据时间和空间基线情况进行干涉像对配对，将会对配对的像对进行干涉处理。
（2） 干涉工作流处理。对步骤（1）中生成的所有干涉像对进行干涉处理，包括生成相干性系数图、去平、滤波和相位解缠。
（3） 轨道精炼和重去平。可以估算和去除残余相位以及解缠后依然存在的相位坡道。
（4） 形变速率反演。该步骤是SBAS技术的核心步骤之一，主要是估算形变速率和残余相位并进行大气滤波，通过时间序列形变情况估算和去除大气相位的影响，进而得到时间序列形变图。
（5） 地理编码。对所获得的雷达坐标系下的速率图进行地理编码。
首先是连接图生成，本文设置了2016年12月19日的1景PALSAR数据作为超级主影像，时间基线阈值设置为120 d，空间基线阈值设置为垂直基线的1.2%，共组成了74个干涉对，如图1所示。
连接图生成后进行干涉工作流处理，PALSAR数据虽然分辨率较高，但是考虑到巴东地区的复杂地表情况，本文选取了Goldstein滤波方法，滤波效果较为明显。对于轨道精炼和重去平步骤，PALSAR数据分辨率高，较长的波长也反映出了更高的相干性，故在选取控制点时选择了地表比较稳定且相干性高的一些点。重去平之后的相位图如图2所示（以2016年8月15日与2016年10月24日为例）。
相位解缠是SBAS技术中最重要的步骤之一，解缠结果直接决定了形变结果的精度。目前存在多种解缠算法，最小费用流法通过先求解缠绕相位与解缠相位的差的最小值，进而将求解转换为最小费用流的问题，该算法在计算过程中会根据流的大小和方向对各个相位矩阵进行积分，得到高质量的解缠结果，再向低质量区域进行积分，得到所有的结果，这样能够很有效地避免相位误差从低相干性区域传到高相干性区域。巴东地区地表情况复杂，城区以外范围植被茂密，存在大范围的低相干性区域，采用最小费用流算法进行解缠可以得到高精确度的城区形变结果。
地表形变反演分为2次进行。第一次反演用时较长，主要进行地表形变速率的估算和残余地形相位的估算，同时会对干涉图进行二次解缠并优化。第二次反演主要是根据所有数据进行大气的滤波，估算和去除大气引起的相位变化，进一步明确区域实际地形变相位信息，反演得到的地形变速率如图3所示。
从图3可以看出：巴东地区在2016～2017年间整体地形变速率不高，绝大部分区域年均地表形变速率在20 mm/a以下，居民区稳定性较好。对比同时期光学遥感影像可以知道：在2016年8月到2017年6月的10个月间，巴东地区大部分地区土地利用类型没有发生变化，整体较为稳定;江两岸有一块缓冲带的土地类型由水体变为居民地和裸土，地表形变较为明显;北岸非居民地地区，植被覆盖有所增加，居民区裸土的面积有所增加，地表形变速率较高;南岸主要变化发生在中间的道路两侧，有两块相对较大的新增裸土地块;遥感影像与图3中信息较为吻合。 3 形变精度验证与分析
对于InSAR应用中的精度验证问题，有很多学者做了研究与对比[18-19]，通常采用将InSAR结果与GPS或者精密水准测量数据进行对比的方法。可能影响精度比较的因素主要有以下几点：
（1） InSAR形变结果为面状数据集，在相干性较差的区域会考虑利用周围相干性好的区域进行辅助解缠，因此在这些区域InSAR结果会存在一些误差，而实测数据为点状数据，测量过程很少考虑地形以及地表覆盖的情况，因此把实测数据和InSAR监测数据统一在高相干性区域是得到精确验证结果的前提。
（2） InSAR结果和实测数据往往处于不同坐标系下，坐标系的转换会造成位置的偏差。针对这些位置偏差，在整体形变连续且稳定的区域可以采用临近点搜索的方式进行验证[19]。
（3） InSAR反演的地表形变往往为沿卫星视线向（LOS）方向的位移，由于不同卫星的视线方向对于不同的观测点都不尽相同，想要得到真实的地表形变位移需要结合升降轨数据进行解算，但是由于数据具体情况在有些位置难以实现，可将实测的三维位移数据投影到卫星视线向，与卫星视线向的位移进行比较，但是该方法对于实测数据的三维精度要求较高，在推算过程涉及到复杂的投影计算。
在投影方面，本文给出了详细的投影公式和原理。对于本文实验区，通过实测数据得出地表的整体位移为垂直方向，水平向的位移较小，故采用了将InSAR观测值往垂直方向进行投影计算再与实测数据进行比对验证的方法，验证流程如图4所示。首先对SBAS结果与高切坡的实际测量值进行处理，即通过坐标转换将高切坡的实测值转换到WGS84坐标系下，与SBAS结果进行统一。本文采用了63个高切坡监测点的同期位移监测数据，点位分布如图5所示（地图来自谷歌地球）。从图5中可以看出，高切坡监测点主要集中在城市区域，一般城市区域人工地物较多，SAR图像可表现出较好的相干性。
由图6可以看出：SBAS监测结果和高切坡实测结果在大部分点位都较为吻合，但是也存在一些误差较大的点，比如序号为33，35，41，42，45，48的误差均超过了20 mm，最大误差达到85 mm，导致所有高切坡监测点位移变化与对应SBAS提取值的差值中误差为±15.50 mm，大误差存在的原因包括：因InSAR监测范围为整个面，在一些植被覆盖茂密的区域往往会造成数据相干性较低，过低的相干性导致出现一些误差较大点;其次，对于一些形变量较大的区域，存在较大的形变梯度，在应用SBAS过程中对于大的形变梯度同样可能会出现失相干现象[20]。
图6中误差较大的点主要位于巴东城区以外，多为植被覆盖茂密或者地形坡度较大的区域，这些区域居住人口往往较少，对灾害预防和工程建设的需求较小。对于复杂地区的地表形变监测也要保证在一些失相干区域产生的误差不会传递到相干性较好的区域内。故本文接下来选取了城市区域等多为人工地物附近的高切坡实测数据进一步进行了精度评定，排除6个差值异常点后的中误差为±3.72mm，结果如图7所示。
由城区的高相干性区域的拟合结果可以看出，高切坡的实测值和SBAS监测结果存在着高度的一致性。本文进一步针对城区的高相干性区域进行精度评定，线性回归图如图8所示。
由拟合结果可以看出，在城市人工地物较多的的区域，设置临近点搜索阈值为9 m情况下，高切坡实测值和SBAS检测结果表现出了高度一致性。
4 区域地表形变与江边距离关联性分析
本文中还将PALSAR数据得到的形变分析結果与与江边距离分区进行了关联性分析，分析过程如下：
（1） 通过设置高相干性阈值提取巴东城区高精度形变监测点的时间序列信息;
（2） 将研究区域按距离岸边远近情况，每隔185 m设置缓冲区;
（3） 根据缓冲区分割步骤（1）中获取的高精度点位，进行统计并分析。
本文以0.90的高相干性系数阈值对获取的形变图进行点群提取，点群分割示意图如图9所示。
按照距离江边远近顺序将点群分割成了点群1～5。为了进一步统计不同缓冲区内的整体形变趋势，同样将缓冲区1～5内的点分别进行统计，其中每一个点都包含了2016年8月15日到2017年8月15日之间的时间序列形变信息，时间序列形变情况的时间分辨率由相同时间内所输入的PALSAR的数据量决定。然后，通过求得每一个时期卫星视线向的形变量的平均值反映该缓冲内的整体形变趋势，形变序列折线图如图10所示。
从图10可以看出：各个缓冲区的形变量均在-10～10 mm之间，形变较小，形变的整体趋势比较明显，随着点群1～4与江边的距离变远，缓冲区1～4内的形变趋势呈现出逐步减小的态势，并且缓冲区4和缓冲区5内的形变趋势逐步失去规律性。
5 结 论
研究结果表明：巴东城区在2016～2017期间的整体形变速率较小，已查明局部滑坡区域和地表土地利用类型发生变化区域有明显地表形变。PALSAR数据在对树木等地表覆盖物的穿透性上表现出了良好的性能，整体表现出良好的相干性，在地形变监测中可以达到很高的精度，但价格较高，为了控制成本可能会导致在长时间序列的分析过程中时间分辨率较低。另外，本文所用PALSAR数据均为升轨数据，无法结合同期降轨数据进行分析，因此文中所得到的形变速率以及形变量方向均为卫星视线向。
参考文献：
[1] 黄波林，殷跃平，李滨，等.三峡工程库区岩溶岸坡岩体劣化及其灾变效应[J].水文地质工程地质，2020，47（4）：51-61.
[2] 李浩，涂鹏飞，范国荣，等.城镇地质灾害危险性评估的研究：以巴东沿渡河镇为例[J].中国水运（下半月），2017，17（10）：219-221，225.
[3] 陈彪，张锦高，陈彪，等.三峡库区巴东新城区滑坡地质灾害危险性分区评价[J].科技管理研究，2009，29（1）：256-259. [4] 谢谟文，王增福，胡嫚，等.高山峡谷区D-InSAR滑坡监测数据特征分析[J].测绘通报，2012（4）：18-21.
[5] 葛大庆.区域性地面沉降InSAR监测关键技术研究[D].北京：中国地质大学，2013.
[6] 陈德良，陆燕燕，贾东振.基于StaMPS-InSAR的常州地区地表形变监测研究[J].人民长江，2018，49（12）：59-65.
[7] 刘朋俊，张璐，陈元申，等.南水北调中线湿陷性黄土区InSAR时序分析[J].人民长江，2020，51（6）：125-128.
[8] JIE D，LIAO M，QIANG X，et al.Detection and displacement characterization of landslides using multi-temporal satellite SAR interferometry：a case study of Danba County in the Dadu River Basin[J].Engineering Geology，2018（240）：95-109.
[9] 白林，江利明，汪汉胜.利用高分辨率TerraSAR-X数据监测武汉地区2013～2015年地面沉降[J].大地测量与地球动力学，2019，39（8）：832-836.
[10] 王国强，陈仁琛.基于InSAR技术的流域库岸地质灾害监测研究[J].中国农村水利水电，2020（12）：206-210.
[11] 范景辉，邱阔天，夏耶，等.三峡库区范家坪滑坡地表形变InSAR监测与综合分析[J].地质通报，2017，36（9）：1665-1673.
[12] SHI X G，ZHANG L，LIAO M S，ET AL.Deformation monitoring of slow-moving landslide with L- and C-band SAR interferometry[J].Remote Sensing Letters，2014，5（11）：951-960.
[13] 郑岳泽.InSAR技术在三峡库区滑坡监测中的应用研究[D].北京：中国地质大学（北京），2019.
[14] 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.
[15] 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.
[16] 楊长江，易祎，赵蓉.基于Sentinel-1数据的时序InSAR技术在滑坡监测方面的应用：以巴东地区为例[J].科技创新与生产力，2017（4）：55-58，63.
[17] 黄洁慧，谢谟文，王立伟.基于SBAS-InSAR技术的白格滑坡形变监测研究[J].人民长江，2019，50（12）：101-105.
[18] BERARDINO P，COSTANTINI M，FRANCESCHTTI G，et al.Use of differential SAR interferometry in monitoring and modelling large slope instability at Maratea （Basilicata，Italy）[J].Engineering Geology，2003，68（1-2）：31-51.
[19] 陈强，刘国祥，丁晓利，等.永久散射体雷达差分干涉应用于区域地表沉降探测[J].地球物理学报，2007，7（3）：87-93.
[20] 田馨，廖明生.InSAR技术在监测形变中的干涉条件分析[J].地球物理学报，2013，56（3）：812-823.
（编辑：刘 媛）