滑坡专刊 | 黄海峰：孕灾机理与综合遥感结合的三峡库首顺层岩质滑坡隐患识别
本文内容来源于《测绘学报》2022年第10期（审图号GS京（2022）1079号）
孕灾机理与综合遥感结合的三峡库首顺层岩质滑坡隐患识别
黄海峰1,2,3,4
1. 三峡大学湖北长江三峡滑坡国家野外科学观测研究站, 湖北 宜昌
443002;
2. 三峡大学三峡库区地质灾害教育部重点实验室, 湖北 宜昌
443002;
3. 三峡大学湖北省水电工程智能视觉监测重点实验室, 湖北 宜昌
443002;
4. 三峡大学土木与建筑学院, 湖北 宜昌
443002;
5. 宜昌市地质环境监测站, 湖北 宜昌 443002
基金项目：国家自然科学基金(U21A2031;42007237;42107489);水电工程智能视觉监测湖北省重点实验室开放基金(2020SDSJ02);三峡库区地质灾害教育部重点实验室开放基金(2020KDZ09)
摘要：隐患识别是实现地质灾害从注重灾后救助向注重灾前预防转变的重要技术工作。本文以三峡库首秭归沙镇溪镇周边岸坡段顺层岩质滑坡隐患识别为基础, 提出基于孕灾机理与综合遥感相结合的地质灾害隐患识别方法。首先, 借助资料整理分析、遥感调查和现场调查等查明孕灾环境, 并建立孕灾指标体系; 其次, 针对典型灾害体开展地质结构与致灾机理分析, 以揭示典型孕灾模式, 并建立综合遥感判识标志; 再次, 采用易发性分区评价, 结合高分光学卫星遥感与InSAR等天基遥感变化检测技术, 圈定隐患识别的易发重点靶区; 然后, 针对高易发靶区, 利用无人机摄影测量、LiDAR等空基遥感技术识别疑似隐患体; 最后, 通过地面核查与专家判识, 确认并圈定地质灾害隐患。利用该套技术方法, 在工作区内共识别出8处地质灾害隐患, 其中5处为具备孕灾模式但尚未出现明显变形的顺层岩质滑坡隐患体。结果表明, 该套技术方法以查明孕灾环境及建立孕灾模式为核心与前提、以综合遥感探测为重要技术支撑, 可以弥补目前主要依赖遥感变化探测开展隐患识别易造成精度较低甚至失效的缺陷, 尤其适合于山高坡陡、植被覆盖茂密地区的隐蔽性、突发性地质灾害的隐患识别。
关键词：三峡库首 顺层岩质滑坡 隐患识别 孕灾机理 综合遥感
黄海峰, 薛蓉花, 赵蓓蓓, 等. 孕灾机理与综合遥感结合的三峡库首顺层岩质滑坡隐患识别[J]. 测绘学报，2022，51(10)：2056-2068. DOI: 10.11947/j.AGCS.2022.20220306
HUANG Haifeng, XUE Ronghua, ZHAO Beibei, et al. The bedding rock landslide identification in the head area of the Three Gorges Reservoir combined with disaster pregnant mechanism and comprehensive remote sensing method[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(10): 2056-2068. DOI: 10.11947/j.AGCS.2022.20220306
为此，国内相关科研人员开展了大量卓有成效的工作。文献[8]提出了构建“天－空－地”一体化的“三查”体系进行重大地质灾害隐患早期识别的技术框架，并且在地震后的九寨沟等地区得到了具体应用[9-10]。文献[11]提出了以形态、形变、形式等“三形”调查为观测内容，定性识别灾害隐患位置、定量监测灾害体变形幅度的早期识别体系。文献[12]综述了光学遥感、微波遥感、机载LiDAR及多源遥感数据融合技术针对不同类型地质灾害早期识别的技术进展。此外，InSAR[13-21]、光学卫星影像[22-24]、LiDAR[25-27]、无人机[28-29]等综合遥感技术也被大量应用到地质灾害隐患识别当中并取得了积极效果。
根据我国地质灾害防治经验以及在三峡库区的成功实践，将处于变形阶段的灾害体纳入监测预警或采取工程治理等措施，无疑仍是破解顺层岩质水库滑坡防治难题的有效手段，但这首先依赖于对灾害体的有效识别。然而，不同于伴有显著变形迹象的临滑状态识别或已滑的破坏状态识别，对顺层岩质滑坡这类隐患体实施从孕灾启动到突发破坏之前的“早期识别”更为关键[30-31]，但这面临两个突出问题：一是缺乏足够精细化、多类型遥感数据以及综合分析手段，无法对不显著表征进行有效探测；二是缺乏具有普遍性的遥感统一判识标志，无法对其早期孕灾体进行有效判别[32-33]。
鉴于三峡库首顺层岩质滑坡的重大危害性，对其开展早期识别极有必要。然而，其隐蔽性与突发性的特点又导致早期识别极为困难，尤其是目前普遍采用的以综合遥感监测技术为核心的识别方法，在具体应用到山高坡陡、植被发育的三峡库首区域时，通常识别效果较差甚至失效[34-36]。为此，不同于目前主要应用InSAR形变探测等遥感技术手段为前提和重点开展地质灾害隐患识别的思路，本文提出以查明孕灾环境及揭示孕灾模式为核心与前提、以综合遥感探测为重要技术支撑的一套结合孕灾机理与综合遥感技术的地质灾害隐患识别方法，并将其具体应用到地质灾害易发的三峡库首秭归县沙镇溪镇周边岸坡区域的顺层岩质滑坡隐患识别工作。
1 识别技术方法流程
孕灾机理与综合遥感结合的地质灾害隐患识别思路与技术方法流程可概括为：①资料收集整理分析(准备基础数据)；②查明孕灾环境条件(建立孕灾指标)；③分析典型孕灾模式(建立判识标志)；④圈定易发靶区(明确识别重点区)；⑤开展遥感探测(实现隐患识别)，具体如图 1所示。
图 1 地质灾害隐患识别技术路线Fig. 1 Hazard identification technology roadmap
(1) 通过系统收集整理并分析区域地质环境条件与现有地质灾害发育分布规律，结合现场调查和遥感调查，查明孕灾环境、建立孕灾指标体系。
(2) 针对主要地质灾害隐患类型，通过地质结构分析和致灾机理研究，揭示典型孕灾模式，结合多源遥感成果建立综合遥感判识标志。
(3) 基于孕灾环境与机理认识，采用改进频率比法，选取地形地貌、地质岩性、坡体结构、诱发因子等指标因子进行易发分区评价，结合高分光学卫星影像变化检测、InSAR形变分析等天基遥感技术方法，圈定地质灾害隐患高易发靶区。
(4) 针对高易发靶区，采用无人机摄影测量、LiDAR等空基遥感技术方法，识别圈定疑似隐患体。
(5) 通过地面核查结合专家研判，实现对地质灾害隐患体的最终筛选与确认。
2 关键技术方法
2.1 揭示孕灾模式并建立遥感判识标志
揭示孕灾模式是开展地质灾害隐患识别的重要前提，只有深刻认识到特定地质环境背景条件下可能发育的地质灾害隐患模式，才有可能在孕灾体还未触发或未发生明显变形的早期阶段加以识别。地质结构与致灾机理分析是揭示孕灾模式的主要手段，其中前者分析潜在隐患体的物质构成与结构边界条件等构成的内在地质(结构)模型，后者则分析主要外在诱因作用下孕灾体的变形破坏动态演化过程及模式。对于早期识别诸如顺层岩质滑坡等具有隐蔽性与突发性的地质灾害隐患来说，明显前者是重点。
在分析并揭示特定工作区、特定类型地质灾害隐患的孕灾模式后，归纳总结其地形地貌、地层岩性、斜坡结构等共同表征，然后充分结合高分光学卫星影像、低空无人机摄影测量、LiDAR等综合遥感成果类型及特点，建立起针对性的综合遥感隐患判识标志。
2.2 基于孕灾机理与天基遥感圈定易发靶区
易发靶区是在整个工作区内圈定出的为进一步识别具体隐患的重点区，其无疑将在很大程度上影响后续隐患识别的工作强度与成果精度。采用基于孕灾机理与天基遥感相结合的方法进行易发靶区圈定，具体包括：首先，依据对孕灾机理的深刻认识，基于孕灾指标体系及现有典型灾害样本，借助GIS空间分析与定量评价模型方法，开展易发分区评价，圈定高-中易发区；然后，采用高分光学卫星影像变化检测与InSAR形变分析等天基遥感技术方法，借助点密度分析、目视解译等，圈定显著变化区；最后，融合高-中易发区与显著变化区，实现易发靶区圈定。
2.3 基于空基遥感识别圈定疑似隐患体
针对易发靶区，采用低空无人机摄影测量结合针对重点斜坡单元的LiDAR技术，获取精细化三维实景模型、数字正射影像、数字表面模型、数字地形模型等单期或多时相成果，依据综合遥感隐患判识标志，通过数字地形分析、地表覆盖与形态变化检测及目视解译等，识别并圈定疑似隐患体。
3 具体应用
3.1 工作区概况
三峡库首秭归县沙镇溪镇周边岸坡区域(图 2)距三峡大坝仅40 km，构造上属于秭归向斜盆地与百福坪-流来观背斜南翼的复合部位，发育侏罗系砂岩、泥岩组合，构造强烈、地层易滑、水库蓄水使该区成为水库地质灾害的密集高发区。该区域也是顺层岩质滑坡的易发区，以2003年蓄水初期发生的千将坪滑坡、2014年实现常态化水位升降调度多年后又发生的杉树槽滑坡等为代表。为进一步实现该区域以顺层岩质滑坡灾害为主的地质灾害隐患识别，选择以沙镇溪镇为中心、北侧青干河与西侧锣鼓洞河交汇流域岸坡段作为主要工作区，面积约12 km2。
图 2 工作区地理位置Fig. 2 Geographic location of studied area
3.2 孕灾环境分析与孕灾指标体系建立
通过资料收集结合遥感调查与现场调查等，工作区内已知发育地质灾害25处，其中20处土质滑坡、4处岩质滑坡、1处岩土混合型滑坡，主要分布在青干河左、右两岸及锣鼓洞河左岸(图 3)。重点分析岩质与岩土混合型滑坡的分布发育规律，可以总结得出其主要孕灾环境条件为如下4个方面。
图 3 简明工程地质及现有地质灾害分布Fig. 3 Distribution map of concise engineering geology and existing geological hazards
(1) 地形地貌：主要发育于以倾向南东为主的青干河左岸与锣鼓洞河左岸的顺向岸坡，前者分布高程100~400 m、坡度多在24°~31°之间，后者分布高程145~375 m、坡度多在15°~21°之间。
(2) 地层岩性与工程地质岩组：全部发育于侏罗系中统千佛崖组(J2q)砂岩夹黄绿色泥岩，属于坚硬-较坚硬中至厚层状砂岩、泥质粉砂岩与泥岩互层岩组(图 3中Ⅱ-4)。其中相对薄层的下伏泥岩层在地下水等作用下容易发育为潜在滑面。
(3) 地质构造：属于秭归向斜盆地西南与百福坪-流来观背斜南翼的复合部位，因此岩体完整性差；北西侧存在一正断层，但对岩质滑坡灾害分布影响不大。
(4) 斜坡结构：区内地层平均产状113°∠21°，受复合构造强烈作用影响，区内岩层面主要倾向南东，同时构造节理裂隙发育。通过统计区内结构面产状及其组合特征，根据节理玫瑰花图可知，至少发育两组倾角大于60°的陡倾优势节理，其中一组主要顺坡向发育，另一组则垂直于前者。而青干河右岸为横向坡，因此对于青干河左岸与锣鼓洞河左岸斜坡来说，顺坡向的岩层面(潜在滑面)与2组优势节理面组合将岩体分割为楔形体，从而控制着斜坡的稳定性。
综上，受区域构造及相应沉积环境控制，工作区内顺层岩质滑坡隐患的孕灾环境至少包括3个不利条件：①以砂岩、泥岩不等厚互层为特征的不利地层岩性组合条件；②以秭归向斜、百福坪-流来观背斜等褶皱构造强烈挤压作用导致岩体极为破碎为特征的不利构造条件；③以斜坡岩体同时受顺向岩层面及至少2组陡倾结构面组合交线切割为特征的不利结构面组合条件。相应地，建立起该区顺层岩质滑坡孕灾指标体系。
3.3 孕灾模式分析与遥感判识标志建立
3.3.1 孕灾结构模式
将孕灾体视为不稳定六面体结构，以千将坪滑坡、杉树槽滑坡为典型对象，岸坡类型为缓倾顺向坡，如图 4所示，重点对物质组成与变形破坏前的边界条件进行特征分析与规律总结，以得出主要孕灾结构模式(表 1)，概化示意如图 5所示。
Fig. 4 Panorama pictures of the typical landslide disaster of bedding rock
表 1 工作区典型顺层岩质滑坡孕灾结构模式特征汇总
Tab. 1 Summary table of typical landslide structure patterns of bedding rock landslides
图 5 概化示意Fig. 5 Generalization diagram
3.3.2 孕灾共性表征
基于孕灾模式特征，归纳得到的工作区内顺层岩质滑坡隐患孕灾共性表征至少包括如下3个方面。
(1) 侏罗系中上统中-厚层状砂岩夹薄-中层状泥岩或砂泥岩互层是典型的发育地层组合，尤其紫红色的泥岩层是显著指示标志。
(2) 前缘河流岸坡存在40°以上的陡倾临空面以及至少存在1个无约束的侧边界“临空面”(泛指滑坡体边界外侧的陡崖、冲沟、山脊中下部等横向坡度由陡变缓的微地形地貌)，是必要的地形发育特征。
(3) 除岩层面与坡面呈顺向或斜顺向组合关系外，至少存在1到多组其他结构面或组合交线将坡体从后部或侧向母体中切割开来形成独立滑体，这是必要的结构发育特征。
3.3.3 综合遥感判识标志
孕灾共性表征中，除了结构面由于山区地形地貌与植被密集覆盖等较难以遥感方式进行准确辨识外，其余特征则可以借助高分影像、数字地形、三维实景等综合遥感成果，再结合孕灾环境等空间基础数据，建立起顺层岩质滑坡隐患的综合遥感判识标志(表 2)，包括3个一级特征标志与5个二级特征标志，同时提出了可采用的数据源。表 2 研究区顺层岩质滑坡灾害隐患的综合遥感判识标志Tab. 2 Comprehensive remote sensing identification mark for the bedding landslide
3.4 易发靶区圈定
3.4.1 基于孕灾机理的易发分区评价
易发靶区的圈定是隐患识别的重要前提。为尽量客观准确且充分发挥定性定量方法优势，本文采用基于孕灾机理与天基遥感相结合的方法进行实现，具体包括：①基于孕灾机理的易发分区评价，根据对孕灾环境与孕灾模式的认识，建立由地形特征、地层岩性与工程地质岩组、斜坡结构等内在因子与距离河流距离、公路密度、房屋密度等外在诱发因子构成的评价指标体系，考虑到工作区范围较小，将降雨量、库水升降等视为等同作用，因此未将其作为指标因子；②将千将坪滑坡、杉树槽滑坡及区内其他顺层岩质滑坡灾害作为训练样本，借助GIS采用基于改进频率比的ALSA(automatic landslide susceptibility assessment)[37]法，对工作区进行易发分区评价，得到9处高-中易发区，如图 6中A—I所示。
图 6 基于孕灾机理的易发分区评价结果
Fig. 6 The susceptibility zoning based on disaster pregnant mechanism
3.4.2 基于天基遥感地表变化检测的重点靶区圈定3.4.2.1 基于高分光学卫星影像的地表覆盖变化检测
遥感变化检测是光学卫星遥感影像的主要应用方式，利用多时相的遥感数据，采用多种图像处理和模式识别方法提取变化信息，定量分析和确定地表变化的特征与过程[38]。当地质灾害体具有明显变形迹象时，例如变形裂缝拉张开裂、灾害体滑动脱离母体、前缘等局部位置坍滑垮塌、坡体上房屋公路等构筑物发生形态改变等，就会引起地表覆盖对象的变化，如由变形前的统一植被覆盖变为滑动后的岩土体裸露、变形前的规则人工构筑物(如平直的公路路面)变为滑动后的不规则形态(如公路的突然错断)等，这些由灾害体变形引起的地表色调、形状、阴影、大小、纹理、位置、布局和图案等的相应变化均可以通过遥感变化检测得到。也就是说，只要灾害体发生了改变地表覆盖状态的变形，理论上就能够被遥感影像检测到。
地表覆盖状态的改变在绝大多数情况下是由于人类活动(如农业耕种、工程建设、植树造林等)引起的，而并非由地质灾害隐患变形引起。因此，基于高分光学卫星影像进行地表覆盖变化检测前，应尽可能剔除植被变化、水位升降等非地质灾害变形破坏引起的变化，然后圈出与区域内地质灾害隐患分布空间相对匹配的成片成带变化区作为重点靶区。
高分二号卫星是我国自主研制的首颗空间分辨率优于1 m的民用光学遥感卫星，搭载有两台高分辨率1 m全色、4 m多光谱相机，具有亚米级空间分辨率、高定位精度和快速姿态机动能力等特点，对山区滑坡等灾害识别具有重要作用[39]。选择2016年2月27日和2018年2月26日的两期高分二号卫星影像，经过正射校正、融合等预处理后，运用迭代加权多元变化检测(iteration re-weight multivariate alteration detection，IR-MAD)[40]方法进行地表覆盖变化检测，并进一步圈定9处变化相对显著的重点靶区，如图 7(a)中Ⅰ—Ⅸ所示。
图 7 基于天基遥感地表变化检测的重点靶区结果Fig. 7 The key target region based on space-based remote sensing surface change detection
3.4.2.2 基于InSAR的地表形变探测
InSAR具有的大范围连续跟踪微小形变的特性，使其对正在发生变形的地质灾害隐患具有独特的识别能力。
哨兵1号卫星是欧空局发射的对地观测雷达卫星，具有全天候成像能力，能提供高分辨率测量数据，同时与雷达干涉测量结合探测毫米级地层运动。选择2019年8月至2020年7月共23景Sentinel-1A影像，采用短基线集合成孔径雷达干涉测量(small baseline subsets InSAR，SBAS-InSAR)方法，得到工作区地表月平均形变速率图。由于山区地形、植被覆盖及数据源影响等，处理结果较差，但作为参考仍可圈定一些疑似形变重点靶区，如图 7(b)中1—8所示。
3.4.3 易发靶区的综合圈定结果
综合易发分区评价中的高-中易发区、高分光学卫星影像变化检测的重点靶区及InSAR形变探测的重点靶区，实现易发靶区的最终圈定(图 8)。
图 8 基于孕灾机理与天基遥感相结合的易发靶区综合圈定结果Fig. 8 Comprehensive results of the target region based on disaster pregnant mechanism and space-based remote sensing
3.5 基于空基遥感的隐患识别
高易发靶区的圈定进一步缩小了重点识别范围，从而为低空无人机摄影测量、LiDAR等现场作业与精细化成果生成提供了可行性。考虑到工作区范围不大，因此直接针对全区采用大疆精灵4 RTK无人机分别于2019年12月31日、2021年1月2日开展了两期免像控摄影测量作业；然后利用Pix4Dmapper软件，生成数字表面模型(DSM)、数字正射影像(DOM)与实景三维模型等成果，其空间分辨率均在13 cm以内，平面误差小于5 cm、垂直误差小于15 cm。基于不同类型成果，通过以下方法实现潜在地质灾害隐患识别。
(1) 基于无人机实景三维模型综合判识的隐患识别。以高易发靶区为重点，充分利用精细化实景三维模型，依据综合遥感判识标志，结合数字地形分析与目视解译，从孕灾结构方面对可能存在的隐患体进行识别圈定，该方法的优势在于能够识别出目前并未发生变形的潜在隐患体。以图 9为例，该隐患体位于锣鼓洞河左岸杉树槽滑坡与大岭西南滑坡双双滑动后的中间残留岩质坡体，其两侧边界均为临空陡崖，前部岸坡也可见30~40 m高的陡崖临空面；坡体物质组成与结构均与杉树槽滑坡一致，而且其无约束的边界条件相比更易孕灾。按此方法，工作区内共识别圈定出5处顺层岩质滑坡隐患体。
图 9 基于无人机实景三维模型综合判识的顺层岩质滑坡隐患解译识别案例Fig. 9 The identification of consequent bedding rockslide based on real 3D model of UAV
(2) 基于无人机DOM变化检测的隐患识别。原理与基于高分光学卫星影像的地表覆盖变化检测一样，变化检测方法也同样采用IR-MAD，但采用无人机正射影像显然能识别出更加精细化的地表覆盖变化情况，再借助经验判识，就可以识别圈定出目前已发生变形且造成了地表覆盖变化的隐患体。以图 10为例，通过对两期无人机正射影像(图 10(a)、图 10(b))进行IR-MAD变化检测，结果表明该处公路沿线及内外侧均存在相对显著的地表覆盖变化，剔除公路路面拓宽、农作物收割等情况外，明显可以识别出公路内侧边坡在此期间发生了岩质崩塌灾害，而且崩塌物质被清理后堆覆于公路外侧下方坡体上，形成了松散堆积体(图 10(c))。按此方法，工作区内共识别圈定出2处正在发生变形的地质灾害隐患体。
图 10 基于无人机DOM与DSM变化检测的地质灾害隐患解译识别特征Fig. 10 The identification characteristics of potential cata-strophic geohazards based on drone DOM & DSM change detection
(3) 基于无人机DSM地表形变探测的隐患识别。通过对两期DSM的差值计算，即所谓的地形差值(difference of DEM/DSM，DoD)方法，以探测出垂直方向地表形态发生变化的位置，剔除误差以及非真实地表形态变化(如植被生长等)后，再结合目视解译判识，也可以识别圈定出目前已发生变形且造成了地表形态变化的隐患体，并且可以对地形变化情况进行量化。通过对两期DSM差值(图 10(d))进行分析，可以看出此方法能更加清晰地表示出地形变化情况及其变形量。其中，公路内侧崩塌造成地形降低(最大达到-1.7 m)；公路外侧坡体上部同样存在地形降低(最大-0.3 m)，推测是倾倒块石造成此处原始陡峭坡体上的岩土体受力分解从而坍滑到下方造成；公路外侧坡体下部地形稍缓位置显然由于上部物质堆积造成地形增高(最大0.4 m)。可见，其与变化检测方法能够相互验证以确认隐患体的真实存在。按此方法，工作区内同样识别圈定出2处正在发生变形的地质灾害隐患体。
3.6 现场隐患识别确认
针对室内空基遥感识别出的疑似隐患体，在现场进行逐一核查判断，主要包括斜坡结构、物质组成、边界条件、变形迹象、稳定性现状与发展趋势，以及隐患体类型等。最后，编制隐患识别成果图，并对应提出后续防治措施建议。
对于沙镇溪镇周边岸坡段，最终识别出8处地质灾害隐患(图 11)。其中5处为具备孕灾模式但目前还未出现明显变形的顺层岩质滑坡隐患体(RL1-RL5)；3处为正在发生变形的灾害体，包括1处土质滑坡(SL1)、1处崩塌(CO1)、1处土体坍滑(SC1)。
图 11 三峡库首秭归沙镇溪镇周边岸坡段地质灾害识别隐患分布Fig. 11 Distribution map of catastrophic geohazards identification on the bank slopes around Shazhenxi Town
4 结论
本文在提出孕灾机理与综合遥感结合的地质灾害隐患识别技术方法流程基础上，将其具体应用于三峡库首秭归沙镇溪镇周边岸坡段的顺层岩质滑坡隐患识别，主要结论包括如下4个方面。
(1) 不同于当前主要以InSAR形变探测为主要技术的隐患识别思路与方法，基于孕灾机理与综合遥感进行地质灾害隐患识别的首要前提与核心重点为查明孕灾环境与揭示孕灾模式，然后才是借助综合遥感手段作为主要技术支撑。
(2) 孕灾机理与综合遥感结合的地质灾害隐患识别包括“资料收集整理分析(准备基础数据)→查明孕灾环境条件(建立孕灾指标)→分析典型孕灾模式(建立判识标志)→圈定易发靶区(明确识别重点区)→开展遥感探测(实现隐患识别)”。其中查明孕灾环境条件与分析典型孕灾模式是深刻理解孕灾机理的重要途径，并为隐患识别提供坚实理论依据、核心基础数据及孕灾指标及判识标志；圈定易发靶区是进一步明确识别重点区，通过基于孕灾机理的易发分区评价结合高分光学卫星遥感与InSAR探测加以实现，其对于实施大空间尺度(如几千甚至上万平方千米)下的隐患识别极为重要，不可或缺；针对重点识别区，充分利用低空无人机摄影测量、LiDAR等精细化、多样化空基遥感成果，实现疑似隐患体的室内识别；最后，通过现场核查结合专家研判实现隐患体的最终确认。
(3) 三峡库首区域顺层岩质滑坡灾害发育，危害性大且极具隐蔽性与突发性。以库首秭归沙镇溪镇周边岸坡段为工作区，采用孕灾机理与综合遥感结合的地质灾害隐患识别技术方法，最终识别出了8处地质灾害隐患，这些隐患既有正在发生变形的灾害体，也有目前并未出现明显变形但具有孕灾模式的隐患体。
(4) 三峡库首属于山区地形地貌，山高坡陡且植被发育，因此基于高分光学卫星遥感与InSAR变化检测的识别方法效果不理想甚至失效。除了进一步提升技术能力支撑外，例如采用更高分辨率的多期光学影像、分辨率更高与波长更长的雷达数据以及更适宜的InSAR分析方法等，更加凸显了基于孕灾机理隐患识别方法的重要性。
综上，本文提出并实践的孕灾机理与综合遥感相结合的地质灾害隐患识别方法，以查明孕灾环境及建立孕灾模式为核心与前提、以综合遥感探测为重要技术支撑，可以弥补当前主要依赖遥感变化探测开展隐患识别容易造成精度较低甚至失效的缺陷，尤其适用于山高坡陡、植被覆盖茂密地区的隐蔽性、突发性地质灾害隐患识别。总之，隐患识别是当前我国地质灾害“坚持以防为主，努力实现从注重灾后救助向注重灾前预防转变”[41]的重要技术工作，只有将孕灾机理与综合遥感技术有机地紧密结合起来，充分发挥各自优势，相互补充，才能真正实现理论依据充分、技术支撑到位、成果扎实可靠，从而有效支撑地质灾害“隐患点+风险区”的双控管理。
致谢
感谢欧空局提供的2019年8月至2020年7月的Sentinel-1A数据及湖北高分中心提供的高分二号数据。
作者简介
第一作者简介：黄海峰(1978—), 男, 博士, 教授, 研究方向为滑坡灾害监测、3S技术应用。E-mail: hhf@ctgu.edu.cn 通信作者：薛蓉花, E-mail: xuerh2020@qq.com
为此，国内相关科研人员开展了大量卓有成效的工作。文献[8]提出了构建“天－空－地”一体化的“三查”体系进行重大地质灾害隐患早期识别的技术框架，并且在地震后的九寨沟等地区得到了具体应用[9-10]。文献[11]提出了以形态、形变、形式等“三形”调查为观测内容，定性识别灾害隐患位置、定量监测灾害体变形幅度的早期识别体系。文献[12]综述了光学遥感、微波遥感、机载LiDAR及多源遥感数据融合技术针对不同类型地质灾害早期识别的技术进展。此外，InSAR[13-21]、光学卫星影像[22-24]、LiDAR[25-27]、无人机[28-29]等综合遥感技术也被大量应用到地质灾害隐患识别当中并取得了积极效果。
根据我国地质灾害防治经验以及在三峡库区的成功实践，将处于变形阶段的灾害体纳入监测预警或采取工程治理等措施，无疑仍是破解顺层岩质水库滑坡防治难题的有效手段，但这首先依赖于对灾害体的有效识别。然而，不同于伴有显著变形迹象的临滑状态识别或已滑的破坏状态识别，对顺层岩质滑坡这类隐患体实施从孕灾启动到突发破坏之前的“早期识别”更为关键[30-31]，但这面临两个突出问题：一是缺乏足够精细化、多类型遥感数据以及综合分析手段，无法对不显著表征进行有效探测；二是缺乏具有普遍性的遥感统一判识标志，无法对其早期孕灾体进行有效判别[32-33]。
鉴于三峡库首顺层岩质滑坡的重大危害性，对其开展早期识别极有必要。然而，其隐蔽性与突发性的特点又导致早期识别极为困难，尤其是目前普遍采用的以综合遥感监测技术为核心的识别方法，在具体应用到山高坡陡、植被发育的三峡库首区域时，通常识别效果较差甚至失效[34-36]。为此，不同于目前主要应用InSAR形变探测等遥感技术手段为前提和重点开展地质灾害隐患识别的思路，本文提出以查明孕灾环境及揭示孕灾模式为核心与前提、以综合遥感探测为重要技术支撑的一套结合孕灾机理与综合遥感技术的地质灾害隐患识别方法，并将其具体应用到地质灾害易发的三峡库首秭归县沙镇溪镇周边岸坡区域的顺层岩质滑坡隐患识别工作。
1 识别技术方法流程
孕灾机理与综合遥感结合的地质灾害隐患识别思路与技术方法流程可概括为：①资料收集整理分析(准备基础数据)；②查明孕灾环境条件(建立孕灾指标)；③分析典型孕灾模式(建立判识标志)；④圈定易发靶区(明确识别重点区)；⑤开展遥感探测(实现隐患识别)，具体如图 1所示。
(1) 通过系统收集整理并分析区域地质环境条件与现有地质灾害发育分布规律，结合现场调查和遥感调查，查明孕灾环境、建立孕灾指标体系。
(2) 针对主要地质灾害隐患类型，通过地质结构分析和致灾机理研究，揭示典型孕灾模式，结合多源遥感成果建立综合遥感判识标志。
(3) 基于孕灾环境与机理认识，采用改进频率比法，选取地形地貌、地质岩性、坡体结构、诱发因子等指标因子进行易发分区评价，结合高分光学卫星影像变化检测、InSAR形变分析等天基遥感技术方法，圈定地质灾害隐患高易发靶区。
(4) 针对高易发靶区，采用无人机摄影测量、LiDAR等空基遥感技术方法，识别圈定疑似隐患体。
(5) 通过地面核查结合专家研判，实现对地质灾害隐患体的最终筛选与确认。
2 关键技术方法
2.1 揭示孕灾模式并建立遥感判识标志
揭示孕灾模式是开展地质灾害隐患识别的重要前提，只有深刻认识到特定地质环境背景条件下可能发育的地质灾害隐患模式，才有可能在孕灾体还未触发或未发生明显变形的早期阶段加以识别。地质结构与致灾机理分析是揭示孕灾模式的主要手段，其中前者分析潜在隐患体的物质构成与结构边界条件等构成的内在地质(结构)模型，后者则分析主要外在诱因作用下孕灾体的变形破坏动态演化过程及模式。对于早期识别诸如顺层岩质滑坡等具有隐蔽性与突发性的地质灾害隐患来说，明显前者是重点。
在分析并揭示特定工作区、特定类型地质灾害隐患的孕灾模式后，归纳总结其地形地貌、地层岩性、斜坡结构等共同表征，然后充分结合高分光学卫星影像、低空无人机摄影测量、LiDAR等综合遥感成果类型及特点，建立起针对性的综合遥感隐患判识标志。
2.2 基于孕灾机理与天基遥感圈定易发靶区
易发靶区是在整个工作区内圈定出的为进一步识别具体隐患的重点区，其无疑将在很大程度上影响后续隐患识别的工作强度与成果精度。采用基于孕灾机理与天基遥感相结合的方法进行易发靶区圈定，具体包括：首先，依据对孕灾机理的深刻认识，基于孕灾指标体系及现有典型灾害样本，借助GIS空间分析与定量评价模型方法，开展易发分区评价，圈定高-中易发区；然后，采用高分光学卫星影像变化检测与InSAR形变分析等天基遥感技术方法，借助点密度分析、目视解译等，圈定显著变化区；最后，融合高-中易发区与显著变化区，实现易发靶区圈定。
2.3 基于空基遥感识别圈定疑似隐患体
针对易发靶区，采用低空无人机摄影测量结合针对重点斜坡单元的LiDAR技术，获取精细化三维实景模型、数字正射影像、数字表面模型、数字地形模型等单期或多时相成果，依据综合遥感隐患判识标志，通过数字地形分析、地表覆盖与形态变化检测及目视解译等，识别并圈定疑似隐患体。
3 具体应用
3.1 工作区概况
三峡库首秭归县沙镇溪镇周边岸坡区域(图 2)距三峡大坝仅40 km，构造上属于秭归向斜盆地与百福坪-流来观背斜南翼的复合部位，发育侏罗系砂岩、泥岩组合，构造强烈、地层易滑、水库蓄水使该区成为水库地质灾害的密集高发区。该区域也是顺层岩质滑坡的易发区，以2003年蓄水初期发生的千将坪滑坡、2014年实现常态化水位升降调度多年后又发生的杉树槽滑坡等为代表。为进一步实现该区域以顺层岩质滑坡灾害为主的地质灾害隐患识别，选择以沙镇溪镇为中心、北侧青干河与西侧锣鼓洞河交汇流域岸坡段作为主要工作区，面积约12 km2。
3.2 孕灾环境分析与孕灾指标体系建立
通过资料收集结合遥感调查与现场调查等，工作区内已知发育地质灾害25处，其中20处土质滑坡、4处岩质滑坡、1处岩土混合型滑坡，主要分布在青干河左、右两岸及锣鼓洞河左岸(图 3)。重点分析岩质与岩土混合型滑坡的分布发育规律，可以总结得出其主要孕灾环境条件为如下4个方面。
(1) 地形地貌：主要发育于以倾向南东为主的青干河左岸与锣鼓洞河左岸的顺向岸坡，前者分布高程100~400 m、坡度多在24°~31°之间，后者分布高程145~375 m、坡度多在15°~21°之间。
(2) 地层岩性与工程地质岩组：全部发育于侏罗系中统千佛崖组(J2q)砂岩夹黄绿色泥岩，属于坚硬-较坚硬中至厚层状砂岩、泥质粉砂岩与泥岩互层岩组(图 3中Ⅱ-4)。其中相对薄层的下伏泥岩层在地下水等作用下容易发育为潜在滑面。
(3) 地质构造：属于秭归向斜盆地西南与百福坪-流来观背斜南翼的复合部位，因此岩体完整性差；北西侧存在一正断层，但对岩质滑坡灾害分布影响不大。
(4) 斜坡结构：区内地层平均产状113°∠21°，受复合构造强烈作用影响，区内岩层面主要倾向南东，同时构造节理裂隙发育。通过统计区内结构面产状及其组合特征，根据节理玫瑰花图可知，至少发育两组倾角大于60°的陡倾优势节理，其中一组主要顺坡向发育，另一组则垂直于前者。而青干河右岸为横向坡，因此对于青干河左岸与锣鼓洞河左岸斜坡来说，顺坡向的岩层面(潜在滑面)与2组优势节理面组合将岩体分割为楔形体，从而控制着斜坡的稳定性。
综上，受区域构造及相应沉积环境控制，工作区内顺层岩质滑坡隐患的孕灾环境至少包括3个不利条件：①以砂岩、泥岩不等厚互层为特征的不利地层岩性组合条件；②以秭归向斜、百福坪-流来观背斜等褶皱构造强烈挤压作用导致岩体极为破碎为特征的不利构造条件；③以斜坡岩体同时受顺向岩层面及至少2组陡倾结构面组合交线切割为特征的不利结构面组合条件。相应地，建立起该区顺层岩质滑坡孕灾指标体系。
3.3 孕灾模式分析与遥感判识标志建立
3.3.1 孕灾结构模式
将孕灾体视为不稳定六面体结构，以千将坪滑坡、杉树槽滑坡为典型对象，岸坡类型为缓倾顺向坡，如图 4所示，重点对物质组成与变形破坏前的边界条件进行特征分析与规律总结，以得出主要孕灾结构模式(表 1)，概化示意如图 5所示。
Fig. 4 Panorama pictures of the typical landslide disaster of bedding rock
表 1 工作区典型顺层岩质滑坡孕灾结构模式特征汇总
Tab. 1 Summary table of typical landslide structure patterns of bedding rock landslides
图 5 概化示意Fig. 5 Generalization diagram
3.3.2 孕灾共性表征
基于孕灾模式特征，归纳得到的工作区内顺层岩质滑坡隐患孕灾共性表征至少包括如下3个方面。
(1) 侏罗系中上统中-厚层状砂岩夹薄-中层状泥岩或砂泥岩互层是典型的发育地层组合，尤其紫红色的泥岩层是显著指示标志。
(2) 前缘河流岸坡存在40°以上的陡倾临空面以及至少存在1个无约束的侧边界“临空面”(泛指滑坡体边界外侧的陡崖、冲沟、山脊中下部等横向坡度由陡变缓的微地形地貌)，是必要的地形发育特征。
(3) 除岩层面与坡面呈顺向或斜顺向组合关系外，至少存在1到多组其他结构面或组合交线将坡体从后部或侧向母体中切割开来形成独立滑体，这是必要的结构发育特征。
3.3.3 综合遥感判识标志
孕灾共性表征中，除了结构面由于山区地形地貌与植被密集覆盖等较难以遥感方式进行准确辨识外，其余特征则可以借助高分影像、数字地形、三维实景等综合遥感成果，再结合孕灾环境等空间基础数据，建立起顺层岩质滑坡隐患的综合遥感判识标志(表 2)，包括3个一级特征标志与5个二级特征标志，同时提出了可采用的数据源。表 2 研究区顺层岩质滑坡灾害隐患的综合遥感判识标志Tab. 2 Comprehensive remote sensing identification mark for the bedding landslide
3.4 易发靶区圈定
3.4.1 基于孕灾机理的易发分区评价
易发靶区的圈定是隐患识别的重要前提。为尽量客观准确且充分发挥定性定量方法优势，本文采用基于孕灾机理与天基遥感相结合的方法进行实现，具体包括：①基于孕灾机理的易发分区评价，根据对孕灾环境与孕灾模式的认识，建立由地形特征、地层岩性与工程地质岩组、斜坡结构等内在因子与距离河流距离、公路密度、房屋密度等外在诱发因子构成的评价指标体系，考虑到工作区范围较小，将降雨量、库水升降等视为等同作用，因此未将其作为指标因子；②将千将坪滑坡、杉树槽滑坡及区内其他顺层岩质滑坡灾害作为训练样本，借助GIS采用基于改进频率比的ALSA(automatic landslide susceptibility assessment)[37]法，对工作区进行易发分区评价，得到9处高-中易发区，如图 6中A—I所示。
图 6 基于孕灾机理的易发分区评价结果
Fig. 6 The susceptibility zoning based on disaster pregnant mechanism
3.4.2 基于天基遥感地表变化检测的重点靶区圈定3.4.2.1 基于高分光学卫星影像的地表覆盖变化检测
遥感变化检测是光学卫星遥感影像的主要应用方式，利用多时相的遥感数据，采用多种图像处理和模式识别方法提取变化信息，定量分析和确定地表变化的特征与过程[38]。当地质灾害体具有明显变形迹象时，例如变形裂缝拉张开裂、灾害体滑动脱离母体、前缘等局部位置坍滑垮塌、坡体上房屋公路等构筑物发生形态改变等，就会引起地表覆盖对象的变化，如由变形前的统一植被覆盖变为滑动后的岩土体裸露、变形前的规则人工构筑物(如平直的公路路面)变为滑动后的不规则形态(如公路的突然错断)等，这些由灾害体变形引起的地表色调、形状、阴影、大小、纹理、位置、布局和图案等的相应变化均可以通过遥感变化检测得到。也就是说，只要灾害体发生了改变地表覆盖状态的变形，理论上就能够被遥感影像检测到。
地表覆盖状态的改变在绝大多数情况下是由于人类活动(如农业耕种、工程建设、植树造林等)引起的，而并非由地质灾害隐患变形引起。因此，基于高分光学卫星影像进行地表覆盖变化检测前，应尽可能剔除植被变化、水位升降等非地质灾害变形破坏引起的变化，然后圈出与区域内地质灾害隐患分布空间相对匹配的成片成带变化区作为重点靶区。
高分二号卫星是我国自主研制的首颗空间分辨率优于1 m的民用光学遥感卫星，搭载有两台高分辨率1 m全色、4 m多光谱相机，具有亚米级空间分辨率、高定位精度和快速姿态机动能力等特点，对山区滑坡等灾害识别具有重要作用[39]。选择2016年2月27日和2018年2月26日的两期高分二号卫星影像，经过正射校正、融合等预处理后，运用迭代加权多元变化检测(iteration re-weight multivariate alteration detection，IR-MAD)[40]方法进行地表覆盖变化检测，并进一步圈定9处变化相对显著的重点靶区，如图 7(a)中Ⅰ—Ⅸ所示。
3.4.2.2 基于InSAR的地表形变探测
InSAR具有的大范围连续跟踪微小形变的特性，使其对正在发生变形的地质灾害隐患具有独特的识别能力。
哨兵1号卫星是欧空局发射的对地观测雷达卫星，具有全天候成像能力，能提供高分辨率测量数据，同时与雷达干涉测量结合探测毫米级地层运动。选择2019年8月至2020年7月共23景Sentinel-1A影像，采用短基线集合成孔径雷达干涉测量(small baseline subsets InSAR，SBAS-InSAR)方法，得到工作区地表月平均形变速率图。由于山区地形、植被覆盖及数据源影响等，处理结果较差，但作为参考仍可圈定一些疑似形变重点靶区，如图 7(b)中1—8所示。
3.4.3 易发靶区的综合圈定结果
综合易发分区评价中的高-中易发区、高分光学卫星影像变化检测的重点靶区及InSAR形变探测的重点靶区，实现易发靶区的最终圈定(图 8)。
3.5 基于空基遥感的隐患识别
高易发靶区的圈定进一步缩小了重点识别范围，从而为低空无人机摄影测量、LiDAR等现场作业与精细化成果生成提供了可行性。考虑到工作区范围不大，因此直接针对全区采用大疆精灵4 RTK无人机分别于2019年12月31日、2021年1月2日开展了两期免像控摄影测量作业；然后利用Pix4Dmapper软件，生成数字表面模型(DSM)、数字正射影像(DOM)与实景三维模型等成果，其空间分辨率均在13 cm以内，平面误差小于5 cm、垂直误差小于15 cm。基于不同类型成果，通过以下方法实现潜在地质灾害隐患识别。
(1) 基于无人机实景三维模型综合判识的隐患识别。以高易发靶区为重点，充分利用精细化实景三维模型，依据综合遥感判识标志，结合数字地形分析与目视解译，从孕灾结构方面对可能存在的隐患体进行识别圈定，该方法的优势在于能够识别出目前并未发生变形的潜在隐患体。以图 9为例，该隐患体位于锣鼓洞河左岸杉树槽滑坡与大岭西南滑坡双双滑动后的中间残留岩质坡体，其两侧边界均为临空陡崖，前部岸坡也可见30~40 m高的陡崖临空面；坡体物质组成与结构均与杉树槽滑坡一致，而且其无约束的边界条件相比更易孕灾。按此方法，工作区内共识别圈定出5处顺层岩质滑坡隐患体。
(2) 基于无人机DOM变化检测的隐患识别。原理与基于高分光学卫星影像的地表覆盖变化检测一样，变化检测方法也同样采用IR-MAD，但采用无人机正射影像显然能识别出更加精细化的地表覆盖变化情况，再借助经验判识，就可以识别圈定出目前已发生变形且造成了地表覆盖变化的隐患体。以图 10为例，通过对两期无人机正射影像(图 10(a)、图 10(b))进行IR-MAD变化检测，结果表明该处公路沿线及内外侧均存在相对显著的地表覆盖变化，剔除公路路面拓宽、农作物收割等情况外，明显可以识别出公路内侧边坡在此期间发生了岩质崩塌灾害，而且崩塌物质被清理后堆覆于公路外侧下方坡体上，形成了松散堆积体(图 10(c))。按此方法，工作区内共识别圈定出2处正在发生变形的地质灾害隐患体。
(3) 基于无人机DSM地表形变探测的隐患识别。通过对两期DSM的差值计算，即所谓的地形差值(difference of DEM/DSM，DoD)方法，以探测出垂直方向地表形态发生变化的位置，剔除误差以及非真实地表形态变化(如植被生长等)后，再结合目视解译判识，也可以识别圈定出目前已发生变形且造成了地表形态变化的隐患体，并且可以对地形变化情况进行量化。通过对两期DSM差值(图 10(d))进行分析，可以看出此方法能更加清晰地表示出地形变化情况及其变形量。其中，公路内侧崩塌造成地形降低(最大达到-1.7 m)；公路外侧坡体上部同样存在地形降低(最大-0.3 m)，推测是倾倒块石造成此处原始陡峭坡体上的岩土体受力分解从而坍滑到下方造成；公路外侧坡体下部地形稍缓位置显然由于上部物质堆积造成地形增高(最大0.4 m)。可见，其与变化检测方法能够相互验证以确认隐患体的真实存在。按此方法，工作区内同样识别圈定出2处正在发生变形的地质灾害隐患体。
3.6 现场隐患识别确认
针对室内空基遥感识别出的疑似隐患体，在现场进行逐一核查判断，主要包括斜坡结构、物质组成、边界条件、变形迹象、稳定性现状与发展趋势，以及隐患体类型等。最后，编制隐患识别成果图，并对应提出后续防治措施建议。
对于沙镇溪镇周边岸坡段，最终识别出8处地质灾害隐患(图 11)。其中5处为具备孕灾模式但目前还未出现明显变形的顺层岩质滑坡隐患体(RL1-RL5)；3处为正在发生变形的灾害体，包括1处土质滑坡(SL1)、1处崩塌(CO1)、1处土体坍滑(SC1)。
4 结论
本文在提出孕灾机理与综合遥感结合的地质灾害隐患识别技术方法流程基础上，将其具体应用于三峡库首秭归沙镇溪镇周边岸坡段的顺层岩质滑坡隐患识别，主要结论包括如下4个方面。
(1) 不同于当前主要以InSAR形变探测为主要技术的隐患识别思路与方法，基于孕灾机理与综合遥感进行地质灾害隐患识别的首要前提与核心重点为查明孕灾环境与揭示孕灾模式，然后才是借助综合遥感手段作为主要技术支撑。
(2) 孕灾机理与综合遥感结合的地质灾害隐患识别包括“资料收集整理分析(准备基础数据)→查明孕灾环境条件(建立孕灾指标)→分析典型孕灾模式(建立判识标志)→圈定易发靶区(明确识别重点区)→开展遥感探测(实现隐患识别)”。其中查明孕灾环境条件与分析典型孕灾模式是深刻理解孕灾机理的重要途径，并为隐患识别提供坚实理论依据、核心基础数据及孕灾指标及判识标志；圈定易发靶区是进一步明确识别重点区，通过基于孕灾机理的易发分区评价结合高分光学卫星遥感与InSAR探测加以实现，其对于实施大空间尺度(如几千甚至上万平方千米)下的隐患识别极为重要，不可或缺；针对重点识别区，充分利用低空无人机摄影测量、LiDAR等精细化、多样化空基遥感成果，实现疑似隐患体的室内识别；最后，通过现场核查结合专家研判实现隐患体的最终确认。
(3) 三峡库首区域顺层岩质滑坡灾害发育，危害性大且极具隐蔽性与突发性。以库首秭归沙镇溪镇周边岸坡段为工作区，采用孕灾机理与综合遥感结合的地质灾害隐患识别技术方法，最终识别出了8处地质灾害隐患，这些隐患既有正在发生变形的灾害体，也有目前并未出现明显变形但具有孕灾模式的隐患体。
(4) 三峡库首属于山区地形地貌，山高坡陡且植被发育，因此基于高分光学卫星遥感与InSAR变化检测的识别方法效果不理想甚至失效。除了进一步提升技术能力支撑外，例如采用更高分辨率的多期光学影像、分辨率更高与波长更长的雷达数据以及更适宜的InSAR分析方法等，更加凸显了基于孕灾机理隐患识别方法的重要性。
综上，本文提出并实践的孕灾机理与综合遥感相结合的地质灾害隐患识别方法，以查明孕灾环境及建立孕灾模式为核心与前提、以综合遥感探测为重要技术支撑，可以弥补当前主要依赖遥感变化探测开展隐患识别容易造成精度较低甚至失效的缺陷，尤其适用于山高坡陡、植被覆盖茂密地区的隐蔽性、突发性地质灾害隐患识别。总之，隐患识别是当前我国地质灾害“坚持以防为主，努力实现从注重灾后救助向注重灾前预防转变”[41]的重要技术工作，只有将孕灾机理与综合遥感技术有机地紧密结合起来，充分发挥各自优势，相互补充，才能真正实现理论依据充分、技术支撑到位、成果扎实可靠，从而有效支撑地质灾害“隐患点+风险区”的双控管理。
致谢
感谢欧空局提供的2019年8月至2020年7月的Sentinel-1A数据及湖北高分中心提供的高分二号数据。
作者简介
终审：金 君
往期推荐
资讯
○ 滑坡专刊 | 吴琼：广域滑坡灾害隐患InSAR显著性形变区深度学习识别技术
○ @海内外英才 长安大学诚邀您参加第七届青年长安学者论坛！
○ 招聘启事 | 99人！中国冶金地质总局西北局2023年度招聘