我国地势多山地、高原及丘陵,而油气管道线路较长,在铺设过程中不可避免地会经过地形复杂区域,尤其是山区、丘陵等地形起伏较大的区域。油气管道在运行过程中常常受到地质灾害的威胁与破坏,一旦发生,不仅会造成管道变形、断裂,导致油气泄漏、管线停输,带来巨大的经济损失,还有可能引发火灾、爆炸等事故[1-4]。因此,为了尽可能地避免、减少地质灾害对输油管道的威胁与破坏,确保能源运输的长效安全,应采取科学、有效的方法与手段对管道沿线发育或潜在的地质灾害进行全面识别、监测与预警。
地质灾害的发生发展具有一定的隐蔽性、潜伏性和突发性,GPS测量、北斗定位技术等监测手段虽然精度高,但只能获取离散的监测点,且监测周期较长,不易发现隐蔽性较强的隐患灾害点[5-7]。星载合成孔径雷达干涉测量(InSAR)技术具有覆盖范围广、监测精度高,可进行全天时、全天候监测地表形变的特点[8]。作为雷达遥感中的先进技术,采用时间序列雷达遥感图像的干涉雷达和差分干涉雷达技术,可以精确地测定地面的微小位移变化。该技术已经在地面沉降监测、滑坡、地震、火山活动及其他地质灾害评估与监测等方面得到了广泛的应用[9]。2005年,吴立新等采用5景ER/2数据,对唐山市和开滦矿区使用差分干涉测量技术(D-InSAR)进行了监测,得到了间隔时间超过半年的地下采矿及采水导致的形变[10]。2008年,葛大庆等以廊坊市主城区为研究对象,介绍了短基线差分干涉纹图集的地表形变场监测方法[11]。2018年,张路教授以大渡河上游丹巴县为研究区域,采用时序InSAR技术与历史累积的先进对地观测卫星(ALOS PALSAR)和先进的合成孔径雷达(ASAR)数据成功地识别出17处不稳定斜坡,通过与实测数据对比,验证了InSAR技术的有效性和优势[12]。2019年,何朝阳等通过永久散射体合成孔径雷达干涉测量(PS-InSAR)技术,利用四川省理县47景SentineL-1A数据,成功获取该区域3处形变体,形变结果与GPS数据显示的变形趋势一致,验证了InSAR结果的合理性[13]。2020年,戴可人教授使用Sentinel-1A数据,利用时序InSAR技术对雅砻江流域雅江县-木里县段的高山峡谷区域进行了滑坡灾害隐患广域早期识别,成功探测到8处隐患区域[14]。同年,张磊以中缅油气管道贵州省晴隆段为主要研究对象,使用InSAR时序分析技术全面识别地质灾害早期隐患点位置,成功地识别到地表明显变化图斑41个,并对形变区危险等级进行划分[15]。由此可以证明,InSAR技术可为地质灾害防治工作提供重要的数据支撑。
目前,国内使用InSAR技术对输油管道地表地质灾害监测并结合水土流失问题导致地质灾害发生的研究较少,因此本研究根据研究区内地形地貌特征,基于Sentinel-1A数据利用小基线集(SBAS)干涉叠加技术,对成品油管道进行地质灾害识别研究,讨论InSAR技术在输油管道地质灾害监测方面的适用性、监测成果的可靠性,并结合现场核查资料进一步分析地质灾害对输油管道安全运作的危害程度,以便更准确地为地质灾害防治和水土保持措施提供数据支持。
Berardino和Lanari等在2002年首次提出SBAS-InSAR技术,基于多主影像的组合方式,通过设置时间基线和空间基线阈值将同一地区多期合成孔径雷达(SAR)数据组合成短时间短基线的干涉对[16],从而通过干涉叠加算法来获得研究区的形变速率和形变量。干涉对是利用D-InSAR技术得到的携带研究区域形变信息的相位差数据,该数据则是通过卫星在同一区域两次成像所得到的SAR数据做相位差分而形成。本研究以重轨干涉测量的成像原理来介绍D-InSAR监测地表形变的原理。D-InSAR的几何原理如图 1所示。
图 1中S1和S2分别代表不同时刻在不同空间位置的卫星传感器,将S1设定为主影像成像传感器,S2设定为辅影像成像传感器;R1和R2分别代表在雷达视线向(LOS)上S1与S2与地表之间的距离;B代表S1与S2之间的距离,称为空间基线,它在LOS向与S1垂直视线向的投影;α为空间基线B与水平方向之间的夹角,θ为主影像雷达入射角;h为传感器与地表之间的距离,P为地表监测点,P’为P点发生形变后的位置。在不考虑大气、噪声等因素的影响时,S1和S2获取的SAR影像进行差分干涉得到的干涉相位如式(1)。
式中:Δφ为相位差,(°);λ为雷达入射波波长,m;B⊥为垂直基线长度,m;h为传感器与地表之间的距离,m;R1为S1传感器与地面之间的斜距,m;θ为主影像雷达入射角,(°);Δd为地表形变量,mm。
式(1)等式右侧前式为地形相位,后式为形变相位,那么去除地形相位后就可得到形变相位φdef,如式(2)。
获取N幅SAR影像,生成M幅差分干涉图(见图 2)。SBAS-InSAR技术利用这些干涉图,估计出平均形变速率之后,通过时域的高通滤波和空间域的低通滤波去除大气的影响,使用奇异值分解(SVD)方法估计形变时间序列。该方法可以处理多个子集,联合同一传感器获取的不同时间段的干涉结果进行求解,提高结果的精度,降低数字高程模型(DEM)误差和大气相位延迟的干扰。SVD方法在很大程度上解决了由于时空基线过长而导致的失相干和大气效应问题,且满足两个重要要求:①使用所有小基线子集组合的方式增加了时间采样率;②得到了更为连续的形变图,提高了形变图空间采样率[17-18]。
该技术数据处理流程如图 3所示。利用加入相应的精密轨道数据的若干景SAR数据进行干涉处理,剔除失相干较为严重的干涉对,使用干涉效果好的干涉结果进行时序处理,减小大气效应和DEM数据带来的误差,得到研究区形变速率信息。
本研究选取的成品油管道区段位于江西省南部,该区段共包含318个桩,管道长度16.56 km,起于江西省吉安市万安县,止于赣州市的赣县。研究区段范围内海拔高度最低38 m,最高590 m,相对高差552 m,总体呈现出东南、西南、西北部地势偏高,主要地形以中低山、丘陵为主,北部和中部为低丘岗地。管线所经区域,地表主要为第四系砂土、亚砂土等组成的黄色土壤,基岩由白垩系粉砂岩、砾岩等组成。管线经过山体一侧形成顺向坡,或者顺坡上行,形成横向坡。管道铺设和施工道路等形成人工切坡,地表覆盖层薄,植被恢复较差,岩土体裸露现象较多,附着能力差,在雨水的冲刷下,水土流失现象明显,导致易发生坡体崩塌和滑坡等地质灾害。
共计使用46景C波段Sentinel-1A升轨SAR数据,时间覆盖范围为2019年1月8日-2020年7月13日,具体信息见表 1。SentineL-1A卫星数据的成像模式是干涉宽幅模式,在该模式下卫星采用TOPS技术,该技术的一大特点是以80 km宽,20 km长的脉冲带为成像基础,在方位向相邻脉冲带之间存在1.5 km的重叠区域,在3个子条带之间存在2 km的重叠区域,从而保证数据对地面覆盖的连续性[19-20]。表 1所列为Sentinel-1 A影像数据主要参数。
根据研究区特点及数据优势,时间基线阈值设置为48天,空间基线阈值设置为300 m,去除相干性较差的干涉对后,参与时序InSAR处理的干涉对共计164对。轨道数据采用成像21天之后发布的POD精密轨道数据,DEm数据使用的是30 m的SRTm DEM数据。根据InSAR监测结果进行现场实地调查,获取到隐患灾害点的现场形变信息。
使用架构于ENVI遥感图像处理软件之上的SARScape软件进行SBAS-InSAR处理,主要包括数据读取、影像裁剪、干涉处理、去平地效应、自适应滤波、相位解缠,以及第1次估算平均位移速率和DEM校正系数、第2次估算平均位移速率和DEM校正系数,最后获得研究区时间序列形变和平均形变速率,对形变速率异常值进行了剔除,得到了更加准确的研究区形变速率图。
采用SBAS-InSAR技术对输油管道重点区段地表形变进行监测,得到研究区平均形变速率,需要说明的是,监测到的平均形变速率均为LOS方向的形变值。图 4所示为采用InSAR技术获取的输油管道沿线区域平均形变速率及管线地表的坡度、坡向数据。从图 4(a)可看出,形变速率图中存在多处空洞,致使空洞区域无法提取形变信息。从3个方面分析其原因:①由于InSAR技术本身是以不同时期相同区域SAR数据之间的相干性为基础来监测地表形变,在其执行过程中,会设置相干性阈值,本研究相干性阈值为0.3,即两景SAR数据同一位置的像素相干性大于0.3时,参与SBAS-InSAR干涉叠加分析,小于0.3的像素则会被剔除,而被剔除的区域就会在结果中以空值形式显示;②当SAR入射角小于地表坡度,SAR脉冲照射到位于传感器扫描方向一致的斜坡时,脉冲到达斜坡顶部和底部的斜距差小于实际地面之间的距离,致使SAR影像上的斜面长度被缩短了,出现了“透视收缩”[21],通过叠加分析形变速率和坡度数据可以知道,该区域最大坡度为37.65°,而本研究使用的SAR卫星影像入射角为39.386°,因此一定不是“透视收缩”引起的形变速率空洞;③使用的Sentinel-1A卫星运行轨道方向为升轨,即卫星绕地球由南偏东向北偏西飞行,传感器扫描方向与飞行方向一致,那么Sentinel-1A对与其相垂直的山体的敏感程度较弱,且在坡度较大时易在SAR影像形成“阴影”。分析存在空洞的区域,由于坡度偏小,南北和东西方向山体均匀分布,不足以将形变空洞归结于此。
通过上述分析可知,形变速率存在空洞的主要原因是由于时间序列SAR影像的不断变化造成影像失相干,在数据运算过程中失相干区域被剔除,从而无形变结果。
根据试验区形变速率结果对输油管道全线形变情况以及影响范围进行讨论分析。受InSAR技术自身的限制,形变监测结果存在一定误差,在实际分析形变结果时会将这部分误差剔除掉,即形变速率在误差绝对值范围内浮动,将其视为未发生地表形变。利用全线路空间域形变速率直方图统计结果(见图 5),设置误差允许值(ε=-7.3 mm),将该值作为判断是否发生地表形变的固定阈值。为了准确地判断地表是否发生形变,将形变速率在一定长度范围内的一阶导数不等于零作为限定条件,限定条件为:v≥-7.3 mm,v/(p·20 m)≠0,其中v为形变速率,p为像素个数。当形变速率小于-7.3 mm,且形变速率在一定长度范围内的一阶导数不等于零时,确定该区域发生形变。
利用上述限定条件提取全线地表形变情况,共获取到4处形变区域,标记为A1、A2、A3、A4。其中,A2形变区域发生在斜坡上(见图 6),其他均发生在平原区域,因此重点对A2区域进行形变分析。为了能更加清晰地反应形变对管线的影像程度和范围,根据时序InSAR技术获取的平均形变速率图,绘制了该不稳定斜坡东西方向和南北方向的平均形变速率剖面曲线。东西方向沿斜坡蠕动方向进行绘制(见图 6(a)中的PP’线段),南北方向沿管道上行方向进行绘制(见图 6(a)中的NN’线段),东西向和南北向平均形变速率剖面曲线如图 6(b)、图 6(c)所示。该形变区主要覆盖管道东侧斜坡,该斜坡最大高程298 m、最小174 m、相对高差124 m、坡面长度376 m、坡度约32°。
由形变速率图和剖面曲线图可知,该形变区涉及范围0.02 km2,东西向宽度320 m,南北向长度144 m,也就是说输油管道在该位置144 m内存在安全隐患,从东西向剖面图中可以看出(见图 6(b)),输油管道两侧存在两处沉降中心,东侧斜坡平均形变速率最大达到-43 mm/a,西侧平坦地表最大形变速率达到-35 mm/a,输油管道穿越位置约-30 mm/a。依据Colesanti C教授的经验总结[22],对于C波段SAR数据,当斜坡的LOS向形变速率绝对值大于2mm/a时,可认为斜坡处于不稳定状态。显然,该斜坡已处于不稳定状态,存在滑坡的可能,该监测结果与现场监测成果进行核验,发现形变区位置及范围与实地调查结果基本一致。
为了研究在输油管道附近监测到的4个形变区域在时间序列上的形变过程,利用SBAS-InSAR技术获取的时间序列累积形变数据绘制了4个形变区形变中心点在2019年1月-2020年7月的累积形变曲线图(见图 7)。考虑到斜坡失稳及水土流失等地质灾害受雨水影响严重[23-26],故收集并统计了监测时间段内研究区降雨情况。结合降雨情况,对监测到的4个区域形变过程及成因进行分析说明。
从图 7中可以看出,4个区域从2019年2月开始,均发生缓慢形变。其中,A1、A2、A3在2019年3月开始发生形变,A4在2019年2月开始发生沉降,至2019年8月趋于平缓,累积形变值分别达到-36 mm、-44 mm、-59 mm、-53 mm,在之后近4个月内形变较为稳定。根据降雨情况也可以看出,研究区在2019年1月-2019年7月,降雨天数均在10天以上,降雨量也随之增大,极有可能是增加斜坡和易积水区域的形变量和形变速率的主要因素。2020年1月,A2斜坡、A3和A4平原区沉降速率加剧,分别在2020年3月中旬和2020年5月初达到沉降谷值,其中A2斜坡的形变值达到-61 mm,相比去年8月增加25 mm。根据降雨情况可以推断,由于从2020年1月开始到2020年6月结束,研究区降雨天数增加后减少,期间存在连续降雨情况,斜坡以及斜坡下水沟经过长时间雨水浸泡,坡面和沟壁土质软化,从而形变增加;A3和A4平原区形变值分别达到-79 mm、-68 mm,该区域为平原,因此可判断地质灾害类型主要是沉降和水土流失。2020年2月,A1缓坡区形变速率增加,至2020年5月达到谷值-74 mm,之后形变区域平缓,与降雨天数成正相关。监测时间段内形变速率的变化与月降雨天数之间的相关性达到0.69。由此可以推断,地表水土流失、斜坡失稳的主要形成原因是降雨,降雨对地表和斜坡的冲击将不断使之发生不均匀形变。因此,在每年雨季应及时对输油管道周边易积水、斜坡不稳定的区域加强防范,避免发生重大地质灾害。
将SBAS-InSAR技术应用于输油管道重点区段的地质灾害监测,使用46景覆盖输油管道的Sentinel-1A数据获取该区域时间序列形变信息。结合坡度、坡向数据对形变速率结果存在空洞进行分析,结果表明:
(1) 不同时间段的SAR影像存在失相干是造成最终空洞的主要原因。
(2) 当山体坡度大于SAR传感器入射角且坡向与卫星运行轨道方向一致时,易出现透视收缩和阴影,而使最终的形变速率结果出现空洞。
因此,在后续的应用当中,应结合穿透能力更强的SAR数据进行输油管道地表形变监测。通过分析由SBAS技术获取的形变速率值,获取全线路发生形变区域有4处,并对其中一处发生在斜坡的形变区域进行了形变速率和影响范围的分析,发现该斜坡最大年平均形变速率达到-43 mm/a,对管道及周边0.02 km2造成影响。最后引入降雨天数数据,分析这4处形变区域与降雨之间的关系,结果表明降雨增多是致使地表发生形变的原因之一。
InSAR技术作为地质灾害监测的新兴技术手段,能够在广域、短周期内对地表进行形变监测,及时发现地表形变异常,能够为输油管道地质灾害防治提供重要数据支撑。不可忽略的是,InSAR技术是以同一区域不同时间点的SAR之间的相干性作为算法实现的基本条件。因此,在地表相干性较差时会出现形变速率空值,无法获取形变的情况,这是InSAR存在的不足,也是目前众多学者不断探讨的问题。后续的实验过程中,将尝试降低相干性阈值,降低空洞概率,或使用波长更长的SAR数据对失相干区域进行二次监测。