image
Home Journals Progress in Geophysics
Progress in Geophysics

Abbreviation (ISO4): Prog Geophy      Editor in chief:

About  /  Aim & scope  /  Editorial board  /  Indexed  /  Contact  / 
Online first  /  Current issue  /  All issues  /  Top access  /  RSS

Progress in Geophysics >

2025 , Vol. 40 >Issue 1: 94 - 105

DOI: https://doi.org/10.6038/pg2025HH0580

Influence of water level fluctuation on landslide deformation in Baihetan reservoir area

  • ShenHe WANG , 1, 2, 3, 4 ,
  • ShiJie WANG , 1, 2, 3, 4, *
Expand
  • 1 Faculty of Geomatics, Lanzhou Jiaotong University, Lanzhou 730070, China
  • 2 National and Local Joint Engineering Research Center for Application of Geographic National Conditions Monitoring Technology, Lanzhou 730070, China
  • 3 Key Laboratory of Science and Technology in Surveying and Mapping, Gansu Province, Lanzhou 730070, China
  • 4 Academician Expert Workstation of Gansu Dayu Jiuzhou Spatial Information Technology Co., Ltd., Lanzhou 730050, China

Received date: 2024-03-27

  Online published: 2025-03-13

Copyright

Copyright ©2025 Progress in Geophysics. All rights reserved.
Fold

Abstract

Landslides in the reservoir area are a key issue of national hydropower engineering safety and geological disaster prevention and control. During the water storage cycle, the water level in the reservoir area changes significantly, and water level fluctuations have a strong triggering effect on landslides in the reservoir area. This article takes the Baihetan hydropower station reservoir area as the research area, uses Small-Baseline Subset InSAR technology, combined with Sentinel-1 A data from the lifting rail, to monitor deformation in the early, middle, and late stages of water storage in the research area, and studies the impact of water level changes in the reservoir area on landslide deformation. The results showed that: (1) deformation monitoring was carried out in the study area using InSAR technology, and 11 unstable slopes were detected, with the maximum deformation reaching 0.14 m. Among them, 4 were known landslides, and deformation monitoring was carried out on typical landslides to study the impact of water level changes in the reservoir area on deformation; (2) Taking the cross mountain landslide and Qiaojia County landslide as examples, this study investigates the correlation between water level fluctuations and landslide deformation. Through Pearson correlation coefficient research, it is found that there is a strong correlation between significant changes in water level and landslide deformation rate. The correlation between the two is highest in the middle stage of water storage, and the impact of rising water level in the reservoir area on landslide deformation is greater than that of falling water level; (3) Taking a typical landslide as an example, a lag study was conducted on the water level and landslide deformation in the reservoir area through wavelet analysis. It was found that there is a lag period of about three to four months between the landslide deformation and water level fluctuations in the reservoir area.

Key words： SBAS-InSAR; Water level fluctuations; Landslides; Correlation analysis; Baihetan reservoir area

Cite this article

ShenHe WANG , ShiJie WANG . Influence of water level fluctuation on landslide deformation in Baihetan reservoir area[J]. Progress in Geophysics, 2025 , 40(1) : 94 -105 . DOI: 10.6038/pg2025HH0580

0 引言

我国西南地区海拔高，地势险峻，有众多河流交汇，水资源丰富，随着绿色能源的不断兴起，近几年来在我国西南山区修建了许多大型的水电站，由于该地区复杂的水文地质条件，极易诱发滑坡灾害发生(戴可人等，2023).白鹤滩水电站作为我国第二大水电站，在库区开发过程中，由于长期的淹没、水位升降、河道侵蚀、降水等因素，导致库岸发生了一定程度的滑动变形(Zhang et al., 2020), 库区的水位波动直接影响库岸滑坡的稳定性，引发库岸大规模滑坡，毁坏库区的基础设施，严重时对库区上下游的居民生命安全造成严重威胁，因此进行库区滑坡监测显得尤为重要.
白鹤滩库区位于高山峡谷地区且范围广阔，传统监测手段存在局限性，监测效果不理想.目前，合成孔径雷达干涉测量技术(Interferometric Synthetic Aperture Radar)突破了传统方法的局限性，可以准确高效地对高山峡谷区进行滑坡灾害隐患的早期识别和监测(陆会燕等，2019).国内外学者利用InSAR技术在水电站库区滑坡灾害的识别和监测等相关领域取得系列研究成果(Liu et al., 2022, 2024；杨正荣等，2022；李凡等，2023；吴明堂等，2023；朱智富等，2023；杨旭海等，2024).李凌婧等(2022)利用PALSAR-2和Sentinel-1SAR数据对溪洛渡水库的库区两岸进行形变监测，评价了利用Sentinel-1SAR数据在西南山区水库变形监测的可行性.史先琳等(2023)利用多源遥感数据对白鹤滩库区五里埔滑坡进行监测，研究库区蓄水期间水位对滑坡形变的演化，该研究为后期库区蓄水过程中的滑坡灾害防治提供科学依据.顿佳伟等(2023)利用时序InSAR技术对白鹤滩库区蓄水前期的潜在滑坡体进行研究, 共识别出27处活动性滑坡，通过野外验证最终确定23处滑坡体.Zhao等(2018)首次利用干涉点目标分析(Interferometric Point Target Analysis)方法对乌东德库区流域尺度潜在滑坡进行了探测，在2500多平方公里的范围内确定并绘制了22个活跃滑坡，并与地面实测数据进行对比，探测结果可靠.Yang等(2023)采用TLCC(Time Lag Cross Correlation)模型研究了水库蓄水期水位变化对库岸滑坡变形的时滞响应模式，研究表明，在蓄水过程中，水位变化对库岸滑坡变形有明显的时滞响应.Liu等(2023)对白鹤滩库区的典型滑坡区域进行监测，利用Landsat8-9遥感数据对研究区进行植被覆盖度计算，研究不同植被覆盖度对滑坡形变速率抑制作用，研究发现灌丛的效果最佳，草地次之，林地的效果最差.
目前，对于白鹤滩库区的研究主要集中在蓄水前期阶段，对完整蓄水期的研究较少.蓄水周期内库区水位大幅波动，对库区两岸边坡形变的影响是值得研究的.因此本文主要对白鹤滩库区完整蓄水周期内的库岸形变进行监测，利用SBAS-InSAR技术获取白鹤滩库区的库岸形变速率，结合Google Earth遥感影像识别出潜在地质灾害隐患区域和典型滑坡体，将获取的形变信息进行提取，与库区水位波动因素进行相关性分析.以典型滑坡为例利用小波分析的方法研究白鹤滩库区水位波动对库岸滑坡形变的时滞性.

1 研究区概况与数据源

1.1 研究区概况

白鹤滩水电站位于云南省巧家县和四川省宁南县境内，地处金沙江下游干流河段，是我国第二大水电站(Dun et al., 2021)，于2021年4月建成并开始蓄水工作，其库区正常水位为825 m，库容量最高可达206亿m3.本文选取大寨镇到巧家县这一范围的白鹤滩库区作为研究区，其位于青藏高原东南缘，属于山地峡谷地貌.

1.2 数据源

本文选取覆盖研究区且时间段为2020年9月至2022年4月的升降轨道的Sentinel-1A SAR影像数据用于滑坡识别和监测，其中包括48景升轨影像和45景降轨影像，升降轨道的卫星数据覆盖区域如图 1所示，升降轨道SAR影像的基本参数如表 1所示.将Shuttle Radar Topography Mission-DEM(30 m)作为外部数据，可以提供参考地形或地理坐标，以消除地形相位的影响.此外，通过导入相应轨道的精密轨道数据(PODRestituted Orbit)来减少轨道误差导致的相位误差.
图1 研究区概况图

(a)Sentinel-1A数据空间覆盖图；(b)研究区DEM；(c)研究区光学影像.

Fig 1 Overview of the research area

(a) Sentinel-1A data space coverage map; (b) DEM of the research area; (c) Optical imaging of the research area.

表1 卫星SAR影像数据基本参数信息

Table 1 Basic parameter information of satellite SAR image data

卫星 轨道方向 极化方式 波段 入射角/(°) 影像数量 开始影像时间 结束影像时间
Sentinel-1 升轨 VV C 43.9 48 2020-10-11 2022-04-28
Sentinel-1 降轨 VV C 38.5 45 2020-10-01 2022-04-18
选取白鹤滩库区蓄水前期(2020-10—2021-03)、蓄水中期(2021-04—2021-10)、蓄水后期(2021-11—2022-04)三个时期，作为研究的时间范围，通过长江水文网(www.cjh.com.cn/swyb_syqbg.html)和研究区历史天气情况(https://www.tianqi24.com)分别获取白鹤滩库区的水位和降雨数据.

2 研究方法与数据处理

2.1 研究方法

2.1.1 SBAS-InSAR技术

采用SBAS-InSAR技术对研究区进行形变特征提取和监测，该技术方法是由Berardino和Lanari等(Berardino et al., 2002)在2002年提出的经典时间序列分析方法，用于短基线组合和大尺度变形反演.该方法能够有效的减少时空失相干产生的影响，减少大地效应与地形残余相位引起的误差，提高监测精度.

2.1.2 皮尔逊相关系数

皮尔逊相关系数(Pearson correlation coefficient)，是一种用来衡量两个连续变量之间线性关系强度和方向的统计量(Benesty et al., 2009).相关系数的绝对值越大，相关度越强，相关系数的绝对值越小，相关度越弱.皮尔逊相关系数的公式如下：
$\begin{aligned}\rho_{X, Y} & =\frac{\operatorname{cov}(X, Y)}{\sigma_X \sigma_Y}=\frac{E[(X-E X)(Y-E Y)]}{\sigma_X \sigma_Y} \\& =\frac{E(X Y)-E(X) E(Y)}{\sqrt{E\left(X^2\right)-E^2(X)} \sqrt{E\left(Y^2\right)-E^2(Y)}}, \end{aligned}$
皮尔逊相关系数是描述X、Y之间的线性关系程度，其中cov(X, Y)为X和Y的协方差，σ为两者的标准差，E(XY)为两者的期望值.

2.1.3 小波分析

小波分析(Wavelet Analysis)是一种常见的时频分析方法.它的主要目的是将复杂的信号或数据分解成不同尺度的成分，来更好揭示不同时间尺度上信号的周期性特征.本文运用小波分析中的小波相干(Wavelet Coherence, WTC)和交叉小波(Cross Wavelet Transform, XWT)(Zhao et al., 2022)对库区滑坡形变和水位进行相关性分析.(费新峰等，2023).
小波相干可以分析两个时间序列的相位关系和相关系数，研究一定时间内的相关性，其公式如下：
$R_{x y}(\tau, s)=\frac{\left|S\left(W_{x y}(\tau, s)\right)\right|}{\sqrt{\left(\mid S\left(\left.W_x(\tau, s)\right|^2 \mid S\left(\left.W_y(\tau, s)\right|^2\right)\right.\right.}} ，$
式中s是适用于时间和频率的平滑算子，Rxy接近于1的值为其强相关提供证据.
此外，两个时间序列的时间延迟(Δt)计算公式如下：
$\Delta t=\frac{\Delta \varphi \times T}{2 \mathsf{π} }，$
式中Δt为两时间序列差，T为强相关周期，Δφ是相位弧度数.
交叉小波主要是应用于两个时间序列，通过交叉小波分析可以分析出信号间的相互关系程度.其相关公式如下：
$W_x(\tau, s)=\int_{-\infty}^{\infty} x(t) \psi_{\tau, s}^*(t) \mathrm{d} t \tau, s \in R s \neq 0, $
$W_x(\tau, s)=W_x(\tau, s) W_y^*(\tau, s)，$
式中w代表交叉小波，其中Wy*是Wy的复共轭，$ \left|W_x\right| 2$是交叉小波的功率谱，ψ是子小波，τ是平移参数，s是缩放系数.

2.2 数据处理

本文主要利用上述的三种方法进行研究，通过获取Sentinel-1A影像数据来进行SBAS-InSAR技术的数据处理，先将研究区影像裁剪出来，进行配准和重采样，这样可以提高数据处理的效率，设置多对主从影像短时空基线阈值生成多对连接图来克服一定的时空相干效应，其中Sentinel-1A升降轨空间基线阈值分别设置为临界基线的3%、4%, 相对应的时间基线均设置为72天，采用能有效抑制相位噪声的Goldstein滤波算法对SAR图像进行滤波，以消除噪声带来的影响.采用奇异值分解(SVD)方法反演研究区在观测时间内的形变序列和平均形变速率，进而获取研究区形变速率图，结合光学影像识别出滑坡隐患区域和已知典型滑坡区，获取白鹤滩库区的水位变化和降雨等数据，对典型滑坡区进行分析，利用皮尔逊相关性分析和小波分析的方法对研究区的滑坡形变进行相关性分析，研究水位变化和滑坡形变速率的相关性和滞后性，其相关流程图如图 2所示.
图2 技术路线图

Fig 2 Technology roadmap

3 InSAR形变结果分析

3.1 形变速率分析

通过SBAS-InSAR技术获取得到研究区升降轨道的形变速率.升、降轨的形变速率如图 3所示.分析图 3可知：(1)升轨数据探测的形变信息较为丰富，获取的形变结果更为广泛.库岸边坡有明显形变，东岸形变较为明显，最大形变速率达到144.26 mm/a；(2)降轨数据提取的形变信息，在库区北部地表形变较为明显，最大的形变速率达到116.83 mm/a.
图3 研究区形变速率图

(a)Sentinel-1A升轨年均形变速率; (b)Sentinel-1A降轨年均形变速率.

Fig 3 Diagram of deformation rate in the study area

(a) Sentinel-1A average annual rate of deformation during ascending orbit; (b) Sentinel-1A average annual deformation rate during orbit reduction.

由于白鹤滩水库位于高山峡谷区，植被茂密，会导致低相干和失相干现象，造成测量结果不准确.由于雷达侧视成像特性，升降轨飞行方向不同，升降轨数据获取的形变信息会有所差异，联合升降轨获取结果会更加真实可靠.

3.2 不稳定边坡识别

利用SBAS-InSAR技术对研究区的升降轨道Sentinel-1 SAR数据进行处理，对该地区开展活动性滑坡的监测和地质灾害隐患识别.根据InSAR获取的形变速率，结合光学影像、滑坡的相关报道以及已有研究结果和滑坡编目，在白鹤滩库区两岸共识别出11处正在蠕动的不稳定斜坡，对其依次进行编号，即H01~H11(图 4)，相关形变信息见表 2.
图4 InSAR识别形变区分布情况图

(a)形变区域分布情况; (b)形变区的Google Earth影像图.

Fig 4 InSAR recognition of deformation zone distribution

(a) Distribution of deformation areas; (b) Google Earth image of the deformation zone.

表2 InSAR形变区信息

Table 2 InSAR deformation zone information

InSAR形变区类型 编号 最大形变速率/(mm·a-1) SAR数据来源
蓄水前期 蓄水中期 蓄水后期
已知活动性滑坡 H03 9.64 46.13 49.45 Sentinel-1A升轨
H04 10.48 50.34 54.92 Sentinel-1A升降轨
H06 24.56 62.65 95.45 Sentinel-1A升降轨
H08 14.18 17.90 23.74 Sentinel-1A升降轨
潜在地质灾害隐患点 H01 29.63 45.72 38.67 Sentinel-1A升轨
H02 5.72 31.98 25.58 Sentinel-1A升轨
H05 11.84 6.61 19.97 Sentinel-1A升降轨
H07 9.25 40.43 46.30 Sentinel-1A升降轨
H09 13.54 43.08 39.11 Sentinel-1A降轨
H10 4.08 17.20 8.82 Sentinel-1A降轨
H11 4.53 28.69 15.47 Sentinel-1A降轨
综合分析可知：(1)不稳定斜坡主要分布在库区的东岸，将识别出的形变区结合相对应的Google Earth遥感影像叠置进行分析，可以清晰地看出已知的活动性滑坡中，有滑坡和泥石流沟的沟槽、裂缝等明显特征；(2)识别出的形变区域其中包括4处已知活动性滑坡，分别为H03、H04、H06、H08(戴可人等，2022)，7处滑坡地质灾害隐患点，分别为H01、H02、H05、H07、H09、H10、H11.将四处已知典型的滑坡与先前研究对比，发现其形变的区域和形变特征具有很高的一致性，说明了形变监测的可靠性；(3)在蓄水周期内，对识别出典型滑坡的形变速率进行监测，发现相较于蓄水前期和后期，蓄水中期的形变速率较大，因为蓄水中期是库区建成并开始蓄水的时期，这一时期水位大幅上涨，说明水位的上涨对形变速率的影响较大.

3.3 典型活动性滑坡特征分析

3.3.1 跨山滑坡

跨山滑坡(H03)位于金沙江下游，是泥石流较为活跃的区域.金沙江在此处河道变窄，受河流冲刷和降雨等影响，滑坡灾害频发.跨山滑坡的前后缘高度差约为190 m，顶部到底部坡长约为510 m，滑坡面积约为0.31 km2(周振凯，2022).由Google Earth影像可以看出该滑坡的后缘部分已经有明显的拉裂情况，滑坡的前缘突起，具有典型的滑坡和泥石流地质灾害特征.图 5为该滑坡研究时间内LOS方向上的形变速率图.由图 5可知：(1)跨山滑坡形变速率的范围为-49.45~9.64 mm/a，在研究期累计形变量为59.05 mm/a，该滑坡体整体发生显著形变；(2)将滑坡形变速率图叠加到光学影像上，可知滑坡整体移动方向是由东向西，而且滑坡体的后缘形变速率明显大于前缘，滑动方式呈阶梯状.
图5 跨山滑坡形变速率图

Fig 5 Deformation rate diagram of cross-mountain landslide

3.3.2 巧家县滑坡

巧家县滑坡(H04)位于牛栏江与金沙江的交汇处，整体上属于条带状山间盆地地貌，巧家县滑坡堆积体长5.5 km，宽9 km，平均厚度为250 m(丁永政，2021).由Google Earth影像可以看出该滑坡整体呈东高西低的地形特征，滑坡两侧的地貌破碎，容易发生滑坡和泥石流地质灾害.图 6为该滑坡研究时间内LOS方向上的形变速率图.由图 6可知：(1)形变速率大的区域主要分布在金沙江流域的右岸斜坡体上，其形变速率范围-54.92~4.86 mm/a，累计沉降形变量为59.78 mm/a，整体发生显著形变；(2)将滑坡形变速率图叠加到光学影像上，可以看出滑坡整体移动方向由东向西，而且滑坡体后缘形变速率明显大于前缘，说明巧家县滑坡的滑动方式为推移式.
图6 巧家县滑坡形变速率图

Fig 6 Landslide deformation rate diagram in Qiaojia County

4 库区水位波动与滑坡形变的关系

滑坡的形成和发育由多种因素共同影响.对于库区滑坡而言，水位波动是触发滑坡的主导因素.水位波动诱发滑坡的方式主要表现在：(1)库区蓄水过程中，水位上涨，库区两岸前缘部分被淹没引起浮力作用，抵抗了滑坡体本身的重力作用，坡体稳定性降低，导致滑坡体产生和发育；(2)库区水位波动时，滑坡体内部地下水高度会随之变化，其内部地下水位高度不能与库区的水位保持平衡，内外形成水位差，进而影响库岸的稳定性(孟睿，2020)；(3)库岸边坡在库水位升降的影响下，坡体内的地下水渗流场会发生变化，进而使岩体的强度降低，导致库岸边坡稳定性下降.

4.1 研究区典型滑坡形变影响因素分析

选取白鹤滩库区跨山滑坡和巧家县滑坡进行研究，分析水位和降雨因素对库区滑坡形变的影响.图 7为典型滑坡(跨山滑坡、巧家县滑坡)的水位、降雨和形变速率的时序形变曲线图.由图 7a分析可知：蓄水前期，跨山滑坡形变速率较为缓慢，最大形变速率为8.14 mm/a；蓄水中期，水位大幅上涨，滑坡体前缘受到江水侵蚀改变了滑坡体前后缘之间的平衡关系，形变速率加快；蓄水后期，水位趋于稳定，滑坡形变速率变化逐渐趋于相对稳定状态，其形变速率一直保持在-50~-40 mm/a之间，不再大幅的增加.结合降雨量数据分析可以看出，降雨量与滑坡形变量存在一定的相关性.由图 7b分析可知：蓄水前期，巧家县滑坡形变速率较为缓慢，最大形变速率为10.48 mm/a；蓄水中期，水位大幅上升，滑坡形变速率逐渐增大且有一定的波动，当水位上升至最高点时，形变速率为-47.87 mm/a；蓄水后期，库区水位趋于稳定，滑坡形变速率逐渐放缓.该滑坡地区降雨主要集中在夏季，其中6月—9月降雨量较大，滑坡形变速率也有明显增加，降雨对库区滑坡形变速率有一定影响.
图7 水位、降雨和形变速率的时序形变曲线

(a)跨山滑坡；(b)巧家县滑坡.

Fig 7 Temporal deformation curves of water level, rainfall and deformation rate

(a) Cross mountain landslide; (b) Landslide in Qiaojia County.

综上所述，通过白鹤滩库区蓄水前后对比表明，蓄水期间库岸滑坡变形速率趋势发生了明显变化，在水位上升的过程中形变速率变化波动大，说明水位上涨对形变速率的影响较大.蓄水期水位的上升与降雨同步变化，降雨有效补充了白鹤滩水库的库容，为水库水位的上升创造了有利条件，研究中降雨主要起辅助作用，水位变化是主要影响因素.

4.2 库区水位波动与滑坡形变的相关性分析

4.2.1 皮尔逊相关系数分析

以巧家县滑坡和跨山滑坡为例，计算滑坡的形变速率和库区蓄水前、中、后期水位变化的皮尔逊相关系数，其结果如图 8.由图 8a、b、c可知，跨山滑坡的形变速率与库区蓄水的前、中、后期水位波动的相关系数分别为：-0.78、-0.84、0.46.由图 8d、e、f可知，巧家县滑坡的形变速率与库区蓄水的前、中、后期水位波动的相关系数分别为：-0.84、-0.94、0.76.在蓄水中期两者的相关性最强，这一时间段库区进行蓄水，水位大幅上涨，对库区两岸滑坡形变影响最大；在蓄水后期，水位下降，滑坡也在继续发生形变，滑坡形变速率变化逐渐趋于相对稳定状态，其一直稳定在-55~-45 mm/a之间，不再大幅的增加，两者相关性降低.
图8 皮尔逊相关系数图

(a)—(c)跨山滑坡；(d)—(f)巧家县滑坡.

Fig 8 Pearson correlation coefficient grap

(a)—(c)Cross mountain landslide; (d)—(f)Landslide in Qiaojia County.

综上分析，水位大幅变化与滑坡形变速率具有较强的相关性，滑坡形变速率在库区水位上升时候，水位变化和滑坡形变速率的相关性更强.

4.2.2 小波分析

通过对跨山滑坡、巧家县滑坡的形变和库区水位进行小波分析，将时间序列记录转换为时频域.根据信号的分布对基本信息进行评估并可视化表达，得到研究周期内的滑坡形变和库水位波动之间的交叉小波凝聚谱和交叉小波能量谱(图 9).小波分析中，横轴为日期指数，纵轴为研究时间跨度，箭头向右表示正相关，箭头向左表示负相关(Arfaoui et al., 2021).
图9 典型滑坡时间序列形变和库区水位的小波分析图

(a)跨山滑坡小波相干；(b)跨山滑坡交叉小波；(c)巧家县滑坡小波相干；(d)巧家县滑坡交叉小波.

Fig 9 Wavelet analysis of typical landslide time series deformation and reservoir water level

(a) Cross mountain landslide wavelet coherence; (b) Cross mountain landslide crossing wavelet; (c) Wavelet coherence of landslide in Qiaojia County; (d) The landslide crossing wavelet in Qiaojia County.

由图 9分析可得：(1)跨山滑坡、巧家县滑坡的时间序列形变与库区水位的关系，指示箭头偏左，说明滑坡形变与水位呈负相关.从时间跨度上分析跨山滑坡在0~12 d的尺度上，相关性显著且较高；巧家县滑坡在0~14 d的尺度上，相关性显著且较高；(2)箭头指示的方向与水平方向顺时针的夹角代表，强相关的波周期为T，由图 9a、c可以看出两个变量的时间序列一致，在6 d附近的黄颜色区域较多且范围较大，所以大约在6 d的高相关波段滑坡位移相对于库区水位存在滞后性.在该时期箭头与水平方向顺时针的夹角Δφ=π，由公式3计算可知，两个时间序列的时间延迟Δt=3 d(三到四个月)，说明了滑坡形变滞后于库区水位序列三到四个月；(3)通过研究发现两个典型滑坡的滞后性大约为3 d，库区蓄水的时间周期为6个月，所以库区库岸滑坡在蓄水期的滞后响应要短于周期性水位变化期，该结果为更准确地研究库岸滑坡变形对水位变化的滞后性提供了补充.
综上所述，跨山滑坡和巧家县滑坡的形变与水位强相关的部分有周期性的重叠，主要位于白鹤滩库区蓄水中期，这段时间内库区水位迅速抬升，波动范围变大，水位对滑坡形变的影响增强.此外，水库水位的上升和下降都影响库区滑坡的发展演变.本研究中，库区水位上升对滑坡形变速率的影响更大，这一现象与前人研究结果一致.

5 结论

本文以Sentinel-1A升降轨雷达影像作为研究数据，利用SBAS-InSAR技术提取了白鹤滩库区地表形变数据，对库区两岸2020年10月到2022年4月的滑坡形变特征进行监测，结合库区水位波动进行分析，主要结论如下：
(1) 利用SBAS-InSAR技术对白鹤滩库区进行滑坡识别和监测，结合Google Earth遥感影像共识别出11处形变区域，形变速率为-121.02~144.23 mm/a.通过研究发现监测到的形变区域有4处与历史滑坡区域具有较高的重合度，说明该区域已知的活动性滑坡还在持续发生形变.此外，研究区内识别出7处潜在的滑坡灾害隐患点，也存在明显的滑动特征，应持续进行监测.
(2) 以跨山和巧家县两处典型滑坡为例，分析白鹤滩库区水位波动对滑坡形变的影响.水位变化是影响库区滑坡形变速率的主导因素.监测周期内，通过皮尔逊系数相关性分析可以看出，滑坡的形变速率与库区水位波动具有强相关性，尤其在蓄水中期，相关性最强，库区水位的上涨时候对滑坡形变的影响大于库区水位下降时候.
(3) 以典型滑坡为例，通过小波分析对库区水位和滑坡形变进行滞后性研究，发现库区滑坡形变与水位波动之间存在三到四个月左右的滞后期.
(4) 受限于Sentinel-1A卫星数据的分辨率和雷达方向一维形变影响，无法精准反映白鹤滩库区滑坡形变情况，后续研究应结合无人机数据、GNSS数据和地质地形等多源数据对研究区滑坡进行深入研究，才能更充分挖掘库区两岸地表形变的发生和发展态势及机理，从而为库区地质灾害精准防治提供科学支撑.

感谢审稿专家提出的修改意见和编辑部的大力支持！

References

Publishing order | Descend order by publishing year | Descend order by cited within
Arfaoui S , Ben Mabrouk A , Cattani C . Wavelet Analysis: Basic Concepts and Applications. New York: CRC Press, 2021

DOI

Benesty J, Chen J D, Huang Y T, et al. 2009. Pearson correlation coefficient. //Cohen I, Huang Y T, Chen J D, et al eds. Noise Reduction in Speech Processing. Berlin, Heidelberg: Springer, 1-4, doi: 10.1007/978-3-642-00296-0_5.

Berardino P , Fornaro G , Lanari R , et al. A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40 (11): 2375- 2383.

DOI

Dai K R , Shen Y , Wu M T , et al. Identification of potential landslides in Baihetan Dam area before the impoundment by combining InSAR and UAV survey. Acta Geodaetica et Cartographica Sinica, 2022, 51 (10): 2069- 2082.

DOI

Dai K R , Wu M T , Zhuo G C , et al. Review on InSAR early identification and monitoring of reservoir landslides for large hydropower engineering projects in southwest mountainous area of China. Journal of Earth Sciences and Environment, 2023, 45 (3): 559- 577.

DOI

Ding Y Z. 2021. Study on stability of Qiaojia giant ancient landslide in Baihetan hydropower station the reservoir area[Master's thesis] (in Chinese). Qingdao: Shandong University of Science and Technology, doi: 10.27275/d.cnki.gsdku.2019.000549.

Dun J , Feng W K , Yi X Y , et al. Detection and mapping of active landslides before impoundment in the Baihetan Reservoir Area (China) based on the time-series InSAR method. Remote Sensing, 2021, 13 (16): 3213

DOI

Dun J W , Feng W K , Yi X Y , et al. Early InSAR identification of active landslide before impoundment in Baihetan reservoir area: A case study of Hulukou town Xiangbiling section. Journal of Engineering Geology, 2023, 31 (2): 479- 492.

DOI

Fei X F , Tian Y , Zhao C Y , et al. Identification and deformation monitoring of unstable slopes in Longyangxia reservoir area, the upper reach of Yellow River, China based on multi-temporal InSAR technology. Journal of Earth Sciences and Environment, 2023, 45 (3): 578- 589.

DOI

Li F , Li S M , Yang Y , et al. Research on the development characteristics of landslide-type debris flow in Shawandagou based on MT-InSAR. Progress in Geophysics, 2023, 38 (2): 532- 541.

DOI

Li L J , Yao X , Zhou Z K , et al. The applicability assessment of Sentinel-1 data in InSAR monitoring of the deformed slopes of reservoir in the mountains of southwest China: A case study in the Xiluodu Reservoir. Journal of Geomechanics, 2022, 28 (2): 281- 293.

DOI

Liu M S , Yang Z Q , Xi W F , et al. InSAR-based method for deformation monitoring of landslide source area in Baihetan reservoir, China. Frontiers in Earth Science, 2023, 11: 1253272

DOI

Liu Y , Qiu H J , Yang D D , et al. Deformation responses of landslides to seasonal rainfall based on InSAR and wavelet analysis. Landslides, 2022, 19 (1): 199- 210.

DOI

Liu Y , Yao X , Gu Z K , et al. Research on automatic recognition of active landslides using InSAR deformation under digital morphology: A case study of the Baihetan reservoir, China. Remote Sensing of Environment, 2024, 304: 114029

DOI

Lu H Y , Li W L , Xu Q , et al. Early detection of landslides in the upstream and downstream areas of the Baige Landslide, the Jinsha River based on optical remote sensing and InSAR technologies. Geomatics and Information Science of Wuhan University, 2019, 44 (9): 1342- 1354.

DOI

Meng R. 2020. Study on the deformation mechanism and evolution trend of Muyubao landslide in the Three Gorges Reservoir area[Master's thesis] (in Chinese). Chengdu: Chengdu University of Technology, doi: 10.26986/d.cnki.gcdlc.2020.001145.

Shi X L , Ju A H , Dai K R , et al. Deformation evolution and reactivation mechanism of landslide revealed based on multi-source remote sensing during impoundment period for Wulipo landslide in Baihetan Reservoir Area. Transactions of Beijing institute of Technology, 2023, 43 (11): 1164- 1175.

DOI

Wu M T , Fang Y F , Shen Y , et al. Fast dynamic identification of landslide hazards in Baihetan Reservoir area based on short baseline DInSAR interferometry. Remote Sensing Technology and Application, 2023, 38 (5): 1054- 1061.

DOI

Yang X H , Niu Y F , Zhang Z J , et al. Research on subsidence monitoring of SBAS-InSAR mining area based on UAV DEM fusion: a case study of a mining area in Wu'an. Progress in Geophysics, 2024, 39 (1): 38- 47.

DOI

Yang Z R , Xi W F , Shi Z T , et al. Deformation analysis in the bank slopes in the reservoir area of Baihetan Hydropower Station based on SBAS-InSAR technology. The Chinese Journal of Geological Hazard and Control, 2022, 33 (5): 83- 92.

DOI

Yang Z R , Xi W F , Yang Z Q , et al. Time-lag response of landslide to reservoir water level fluctuations during the storage period: A case study of Baihetan Reservoir. Water, 2023, 15 (15): 2732

DOI

Zhang Y G , Zhang Z , Xue S , et al. Stability analysis of a typical landslide mass in the Three Gorges Reservoir under varying reservoir water levels. Environmental Earth Sciences, 2020, 79 (1): 42

DOI

Zhao C Y , Kang Y , Zhang Q , et al. Landslide identification and monitoring along the Jinsha River Catchment (Wudongde Reservoir Area), China, using the InSAR method. Remote Sensing, 2018, 10 (7): 993

DOI

Zhao S F , Zeng R Q , Zhang H X , et al. Impact of water level fluctuations on landslide deformation at Longyangxia reservoir, Qinghai province, China. Remote Sensing, 2022, 14 (1): 212

DOI

Zhou Z K. 2022. Study of geo-hazards investigation for Baihetan reservoir bank by InSAR technology[Master's thesis] (in Chinese). Beijing: Chinese Academy of Geological Sciences, doi: 10.27744/d.cnki.gzgdk.2018.000006.

Zhu Z F , Gan S , Yuan X P , et al. Identification of potential landslides in Dongchuan district by integrating InSAR data of ascending and descending orbits. Progress in Geophysics, 2023, 38 (1): 137- 146.

DOI

戴 可人 , 沈 月 , 吴 明堂 , 等. 联合InSAR与无人机航测的白鹤滩库区蓄水前地灾隐患广域识别. 测绘学报, 2022, 51 (10): 2069- 2082.

DOI

戴 可人 , 吴 明堂 , 卓 冠晨 , 等. 西南山区大型水电工程库岸滑坡InSAR早期识别与监测研究进展. 地球科学与环境学报, 2023, 45 (3): 559- 577.

DOI

丁永政. 2021. 白鹤滩水电站库区巧家巨型古滑坡稳定性研究[硕士论文]. 青岛: 山东科技大学, doi: 10.27275/d.cnki.gsdku.2019.000549.

顿 佳伟 , 冯 文凯 , 易 小宇 , 等. 白鹤滩库区蓄水前活动性滑坡InSAR早期识别研究——以葫芦口镇至象鼻岭段为例. 工程地质学报, 2023, 31 (2): 479- 492.

DOI

费 新峰 , 田 野 , 赵 超英 , 等. 基于多时相InSAR技术的黄河上游龙羊峡库区不稳定边坡识别与形变监测. 地球科学与环境学报, 2023, 45 (3): 578- 589.

DOI

李 凡 , 李 素敏 , 杨 渊 , 等. 基于时序InSAR的沙湾大沟滑坡型泥石流发育特征研究. 地球物理学进展, 2023, 38 (2): 532- 541.

DOI

李 凌婧 , 姚 鑫 , 周 振凯 , 等. Sentinel-1数据在西南山区水库变形斜坡InSAR监测中的适用性评价: 以溪洛渡水库为例. 地质力学学报, 2022, 28 (2): 281- 293.

DOI

陆 会燕 , 李 为乐 , 许 强 , 等. 光学遥感与InSAR结合的金沙江白格滑坡上下游滑坡隐患早期识别. 武汉大学学报(信息科学版), 2019, 44 (9): 1342- 1354.

DOI

孟睿. 2020. 三峡库区木鱼包滑坡变形机理及演化趋势研究[硕士论文]. 成都: 成都理工大学, doi: 10.26986/d.cnki.gcdlc.2020.001145.

史 先琳 , 居 安华 , 戴 可人 , 等. 多源遥感揭示白鹤滩库区五里坡滑坡蓄水期形变演化与复活机制. 北京理工大学学报, 2023, 43 (11): 1164- 1175.

DOI

吴 明堂 , 房 云峰 , 沈 月 , 等. 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, 2023, 38 (5): 1054- 1061.

DOI

杨 旭海 , 牛 玉芬 , 张 兆江 , 等. 融合无人机DEM的SBAS-InSAR矿区沉陷监测研究——以武安某矿区为例. 地球物理学进展, 2024, 39 (1): 38- 47.

DOI

杨 正荣 , 喜 文飞 , 史 正涛 , 等. 基于SBAS-InSAR技术的白鹤滩水电站库岸潜在滑坡变形分析. 中国地质灾害与防治学报, 2022, 33 (5): 83- 92.

DOI

周振凯. 2022. 基于InSAR技术的白鹤滩水电站库区地质灾害调查研究[硕士论文]. 北京: 中国地质科学院, doi: 10.27744/d.cnki.gzgdk.2018.000006.

朱 智富 , 甘 淑 , 袁 希平 , 等. 融合升降轨InSAR数据的东川区滑坡隐患识别. 地球物理学进展, 2023, 38 (1): 137- 146.

DOI

Options
Outlines

/

〈 〉