EN中文

Remote Sensing for Natural Resources >

2025 , Vol. 37 >Issue 6: 88 - 96

DOI: https://doi.org/10.6046/zrzyyg.2024329

InSAR-based monitoring and analysis of deformations induced by typical major geological hazards

  • SU Yunru , 1, 2, 3 ,
  • SHI Pengqing , 1, 2, 3 ,
  • ZHOU Xiaolong 1, 2, 3 ,
  • ZHANG Juan 1, 2, 3
Expand
  • 1. Lanzhou Field Scientific Observatory for Urban Geological Hazards, Lanzhou 730050, China
  • 2. Gansu Geological and Environmental Monitoring Institute, Lanzhou 730050, China
  • 3. Gansu Geological Hazard Data and Application Center of High Resolution Earth Observation System, Lanzhou 730050, China

Received date: 2024-10-11

  Revised date: 2025-03-06

  Online published: 2026-06-03

Fold

Abstract

Given its all-day availability, all-weather adaptability, and high spatial resolution, the interferometric synthetic aperture radar (InSAR) technique has been widely applied in multiple fields, demonstrating strong adaptability and high practical value. Focusing on two typical landslide areas in Zhouqu County, Gansu Province, this study compared small baseline subset InSAR (SBAS-InSAR) monitoring results and Kalman filter prediction results with monitoring data from the global navigation satellite system (GNSS), confirming the reliability and accuracy of the SBAS-InSAR technique in monitoring landslide deformations. The results indicate that the SBAS-InSAR technique exhibited significant advantages in monitoring areas with deformations induced by geologic disasters, effectively overcoming the limitations of traditional monitoring means. This technique can provide critical technical support and scientific basis for early warning and management of geologic disasters in Zhouqu County and other areas prone to suffer these disasters.

Key words： Zhouqu County; small baseline subset-interferometric synthetic aperture radar (SBAS-InSAR) technology; monitoring data from global navigation satellite system (GNSS); deformation monitoring; geologic disaster

Cite this article

SU Yunru , SHI Pengqing , ZHOU Xiaolong , ZHANG Juan . InSAR-based monitoring and analysis of deformations induced by typical major geological hazards[J]. Remote Sensing for Natural Resources, 2025 , 37(6) : 88 -96 . DOI: 10.6046/zrzyyg.2024329

0 引言

InSAR技术因其全天候、全天时的工作能力和一定的穿透特性,能够获取不同于可见光和红外遥感的信息,如海底地形数据,已成为行星际探测的重要手段,并因此广泛应用于多个领域[1-2]。此外,主动微波遥感能够记录电磁波的相位信息,因此可用于提取高程及地形形变数据[3-4]。在地质领域,干涉雷达(interferometric synthetic aperture Radar,InSAR)技术的应用尤为突出。例如陈冉丽等[5] 通过应用InSAR技术对采空区的稳定性进行评价,并对矿区开采损害进行鉴定,证明了这项技术在开采沉陷监测方面的精确性和有效性。同样,Li等[6]利用SAR干涉测量技术反演了几种不同类型冰川的运动,展示了InSAR在冰川研究中的潜力。在城市规划和灾害管理方面,刘菲等[7]利用升降轨Sentinel-1数据,结合小基线集合成孔径雷达 (small baseline subset InSAR,SBAS-InSAR)技术,深入分析了通州区地面不均匀沉降的原因,揭示了该区域地面沉降的特征。Kubanek等[8]通过监测印尼的Merapi火山,展示了星载地球观测任务TanDEM-X在监测活火山地形变化方面的巨大潜力。地震形变监测是InSAR技术应用最为成功的领域之一,最早由Massonnet等[9]于1993年率先将InSAR技术引入地震形变测量中,开创了该技术应用于地表形变场观测的先河。在中国,InSAR技术也被广泛应用于汶川大地震(2008年)[10]、玉树地震(2010年)[11]、积石山地震(2023年)[12]等地震的形变场分析、地震周期及演化过程研究。除了地震和火山监测,InSAR技术还被用于研究地壳运动和板块漂移等大规模地质现象。例如,美国国家科学基金会和其他多个机构联合发起的“地球探测(Earthscope)”计划,利用InSAR技术深入研究了美国西部活动断层带的地壳结构和演变。此外,InSAR技术在滑坡监测方面也积累了丰富的经验。在法国南部Saimnt Etienne de Tinee地区,研究人员运用差分InSAR(differential InSAR,D-InSAR)技术对该地区的滑坡现象进行了持续监测,通过提取干涉图序列中的位移梯度图,成功模拟了该地区的变形模型,其结果与传统的离散监测方法高度一致。这些案例不仅证明了InSAR技术在多个领域的广泛应用,还展示了它在未来地质和环境监测中的巨大潜力和价值。随着技术的不断进步和应用领域的拓展,InSAR技术将在地质科学、环境保护、城市规划等多个方面发挥更加重要的作用[13]。
本文采用哨兵一号降轨数据,选取舟曲县的2个典型滑坡区域,利用SBAS-InSAR技术进行形变监测分析,并通过卡尔曼滤波算法去噪并预测其形变趋势,再结合GNSS监测数据,验证SBAS-InSAR技术在舟曲县典型滑坡变形监测中的实用性,为舟曲县滑坡等地质灾害的监测及防治提供方法和思路。

1 研究区概况

1.1 舟曲县概况

甘肃省甘南藏族自治州舟曲县位于103°51'~104°45'E,33°13'~34°11'N之间,属于白龙江的中上游,是西秦岭岷、迭山系与青藏高原的交汇地带。总体地势自西北向东南倾斜,西北高,东南低,以高山峡谷构造侵蚀地貌为主[14]。舟曲县处于西秦岭造山带的南部,迭部-武都逆冲推覆构造带的核心区域。光盖山-迭山断裂带自西向东穿过舟曲县,坪定-化马断层为光盖山-迭山断裂带的主断层,分布于县区北部,构成北西、南东向断裂,沿主干断裂的南侧发育较多的次一级分支断层,组成一个“入”字型的断裂组[15]。千枚岩的软弱岩性、破碎结构以及强烈的风化作用,都为滑坡、崩塌、泥石流等地质灾害的发生提供了条件。再加上此地的强烈构造作用和充沛的降水,以及人类活动的影响,使得舟曲县成为了我国地质灾害危害最严重的地区之一[16]。本文选取大小湾滑坡和中牌滑坡进行研究,滑坡分布于舟曲县北部(图1),均属于白龙江流域,受坪定-化马断裂的控制,地质构造处于不稳定状态,严重威胁着周边居民的生命财产安全。近年来全县重大地质灾害频繁发生,2010年舟曲“8·8”特大山洪泥石流、2018年江顶崖滑坡、2019年牙豁口滑坡、2020年“8·17”暴洪泥石流、2021年立节北山滑坡、果耶磨里滑坡等都给舟曲县造成了巨大损失。因此,监测和预测这些滑坡的活动对于受影响地区的安全至关重要。
图1 滑坡位置分布图

Fig.1 Landslide location map

1.2 典型滑坡

1.2.1 大小湾滑坡

大小湾滑坡地处舟曲县城关镇咀疙瘩村,距舟曲县城约2.6 km(图2),为一处老滑坡上发育的次级滑坡体,老滑坡未有复苏迹象,多年来从未发生过较大的变形破坏现象,但该次级滑坡体目前变形破坏较为严重,滑坡前缘挡墙和路面上发育有大量鼓胀裂缝及拉张裂缝,并可见多处由次级滑动引起的公路坍塌。
图2 大小湾滑坡

Fig.2 Daxiaowan landslide

大小湾滑坡发育于坪定-化马断裂带西端,断裂带分割地层,控制影响山体走向,使山体表现为断块发育,破坏强烈,形成典型的构造破坏带,滑动的方向整体上为北西-南东。在滑坡体上部,由于受到两侧基岩的制约,宽度较窄; 而到了下部,则在白龙江的左岸散开,形成了一个宽阔的滑坡堆积体。滑坡的边界明显,滑坡后壁因滑坡的滑动而形成了明显的下错陡崖,陡崖的高度在20 m左右,左右两侧的缘边则是基岩山体,部分地段为坡积体。此外,在滑坡体的两侧缘,还可以看到平行于滑坡滑动方向的冲沟地形,在滑坡体上也有多条平行的冲沟[17]。

1.2.2 中牌滑坡

中牌滑坡位于舟曲县东北部的东山镇中牌村(图3),地处岷江下游右岸,受坪定—化马断裂带的影响,滑坡现阶段仍处于变形阶段,多处可见拉张裂缝,变形破坏迹象明显。这条断裂带与滑坡的走向几乎垂直,导致了地层的分割和山体的受控走向,形成了典型的构造破坏带。滑坡体的岩土体破碎松散,而且在滑坡体后缘两侧高陡的山体也频繁发生崩塌和落石,这些块石堆积在滑坡体上,增加了下滑力。中牌滑坡平面形态呈不规则柳叶型,滑坡体左右两侧为陡峭的灰岩峭壁,受地形条件的控制,滑坡体被束缚在洼地内,依据其右侧的峭壁和左侧的山梁,可基本确定滑坡体的形态特征。滑坡下部有一处基岩卡口,有长流水自卡口处流出。滑坡整体在卡口处受到阻碍,部分松散堆积体在重力和水流的作用下往下滑动,在卡口下形成了堆积体,堆积在岷江右岸的阶地上。整个滑坡地区受到地质构造和地形地貌的控制,形成了复杂多样的地貌特征[18-19]。
图3 中牌滑坡

Fig.3 Zhongpai landslide

2 研究数据源

2.1 哨兵一号数据

本文收集了2023年1月—2024年6月获取的43景Sentinel-1A降轨SAR影像,数据获取自欧空局(https://scihub.copernicus.eu/)。Sentinel-1A采用干涉宽幅模式,扫描带宽250 km,空间分辨率为5 m × 20 m(方位向×距离向),极化方式为VV极化,用于分析和研究地表形变特征,传感器相关数据见表1,使用Sentinel-1A对应成像日期的精密定轨星历数据(pecise orbit ephemerides, POD)去除轨道误差与相位重去平, 卫星覆盖范围及研究区位置关系如图4所示。
表1 传感器相关数据

Tab.1 Sensor data

入射角/(°) 方位角/(°) 极化方式 轨道 轨道号 时间范围
38.981 192.925 6 VV 降轨 62-479 20230107—20240630
图4 卫星覆盖范围及研究区位置

Fig.4 Satellite image coverage and location of the study area

2.2 DEM数据

本文使用SRTM 30 m分辨率的高程数据。SRTM是一个由美国国家地理空间情报局、美国宇航局以及德国和意大利航天机构合作实施的国际项目。该项目利用特殊改装的雷达系统搭载在奋进号航天飞机上,在2000年2月进行了为期11 d的任务,成功获取了大约80%的地球陆地表面地形数据。这些数据在InSAR处理中起到了关键作用,帮助去除地形相位的影响,提高了测量的精度和准确性。

2.3 GNSS数据

全球导航卫星系统(Global Navigation Satellite System,GNSS)目前包括美国的GPS、俄罗斯的GLONASS、欧洲的Galileo和中国的北斗卫星导航系统,此外印度的IRNSS、日本的QZSS区域卫星导航系统正在建设中。本文的GNSS数据获取自滑坡上安装的GNSS监测设备,在图2和图3中展示了它们在滑坡上的安装位置,其经纬度坐标见表2。本文使用经过解算后的原始数据,原始数据包含数据获取的时间以及空间三维X(南北)、Y(东西)、Z(垂向)3个方向的形变数据。
表2 GNSS设备信息

Tab.2 Information on GNSS equipment

滑坡 经度 纬度 安装时间
大小湾滑坡 104.339 402° E 33.782 507° N 2021年4月
中牌滑坡 104.417 715° E 33.728 272° N 2021年3月

3 研究方法及路线

3.1 形变分量转换方法

本文利用GNSS监测数据的雷达视线向累计形变值验证SBAS-InSAR解算结果的准确性[20]。首先以天为时间单位对GNSS原始数据进行整理,并与所采用的InSAR影像数据的拍摄时间匹配,筛选对应日期的GNSS监测数据,并通过计算将其转换为雷达视线向位移值,综合考虑了卫星轨道方位角(α)和雷达入射角(θ),确保了数据与雷达视线方向一致。然后,选取了SBAS解算结果中与GNSS设备安装位置相近或重合的点,提取其累计形变量,并与GNSS转换后的形变数据进行对比分析,以评估SBAS-InSAR解算结果与实地观测数据之间的一致性。计算公式为:
$glos=[{U}_{\mathrm{n}}\mathrm{s}\mathrm{i}\mathrm{n}\alpha -{U}_{\mathrm{e}}\mathrm{c}\mathrm{o}\mathrm{s}\alpha ]\mathrm{s}\mathrm{i}\mathrm{n}\theta +{U}_{\mathrm{u}}\mathrm{c}\mathrm{o}\mathrm{s}\theta +\delta los$
式中: glos为GNSS设备观测值转换得到的雷达视线向观测值; Ue,Un,Uu分别为GNSS设备东西(Y)、南北(X)、垂向(Z)形变分量; $\alpha $为卫星轨道方位角; $\theta $为雷达入射角; δlos为修正量。

3.2 卡尔曼滤波

卡尔曼滤波(Kalman Filter)最早由Rudolf E. Kalman于1960年提出,是一种高效的递归估计算法,用于动态系统的状态估计。它通过结合系统的数学模型和观测数据,以信号和噪声状态空间模型作为最佳估计标准,利用前一时刻的估计值和当前时刻的观测值来更新状态向量的估计值,在存在噪声的情况下,提供对系统状态的最优估计(最小均方误差)[21]。卡尔曼滤波可以去除噪声使数据更加精准,也可以基于系统模型预测下一时刻的状态,被广泛应用于导航、目标跟踪、信号处理等领域。

3.3 研究路线

本研究采用了SBAS-InSAR技术对舟曲县地区进行地表位移的解算与分析[22-23],选取大小湾滑坡和中牌滑坡2个典型滑坡进行单体形变分析。SBAS-InSAR技术由Berardino等于2002年提出[24],基于多主影像的时间序列方法,通过短基线原则将SAR数据划分为多个干涉子集,保证干涉对的基线长度低于临界值,并尽可能缩短时间基线,从而克服时空失相关性。该方法能够在较少数据量的情况下提供可靠的形变监测结果。为验证SBAS解算结果的准确性,本文从SBAS解算结果中获取2个滑坡区域的单体形变情况,提取GNSS监测设备与研究所使用的哨兵一号卫星影像拍摄同步时间的数据,统计其累计形变量,综合分析滑坡形变情况,将滑坡体上安装的GNSS设备所采集的监测数据转换为雷达视线方向上的观测值,并将其与SBAS-InSAR方法解算的累计形变结果以及使用卡尔曼滤波进行去噪和预测的结果进行对比分析。具体的研究路线如图5所示。
图5 技术流程图

Fig.5 Technical flowchart

4 监测结果分析

4.1 SBAS监测结果分析

基于SBAS-InSAR技术,对舟曲县2023年1月7日至2024年6月30日期间的地表形变进行了监测与分析,形变速率和累积形变结果如图6所示。解算的形变值反映了滑坡在视线(line of sight,LOS)方向上的位移,其中,正值表明反射信号区域向卫星方向移动,负值则意味着区域远离卫星。哨兵一号卫星以降轨模式从东北向西南飞行,右视获取数据。监测结果显示,大小湾滑坡和中牌滑坡呈现向卫星方向的位移(图6)。
图6 滑坡位置及形变

Fig.6 Landslide location and deformation

4.2 GNSS监测结果分析

通过对2021年1月—2024年6月期间的GNSS监测数据进行分析,研究了2个滑坡体在水平、垂直方向上以及合位移的累计位移情况。图7展示了2个滑坡的累计位移变化趋势。监测结果表明,2个滑坡均存在明显且持续的形变,从合位移来看,门头坪滑坡的累计位移较大,约为317 mm(图7(a)); 中牌滑坡的累计位移均约为182 mm(图7(b))。中牌滑坡的GNSS监测数据其累计位移曲线呈现下降趋势,经过查询历史数据发现,这是因为该滑坡最初是向西北方向移动,即远离基站,但在2022年10月后滑动方向转变为东南,导致其累计位移曲线呈现下降趋势。
图7 GNSS监测数据

Fig.7 GNSS monitoring data

4.3 滑坡形变分析

4.3.1 大小湾滑坡形变分析

从单体形变来看,大小湾滑坡的形变主要发生在中上部以及下部左侧,都显示为明显的红色(图8(a)),形变速率较大。GNSS监测设备安装于滑坡下部(图2),监测数据累计形变统计图(图8(b))显示该区域形变的合位移超过300 mm。经实地勘察,大小湾滑坡在左下部发育有次级滑坡(即图8(a)左下部红色区域),该次级滑坡临近白龙江西岸,发生牵引式滑动,导致大小湾滑坡整体前缘临空,失去侧向支持而发生牵引式滑动,在暴雨、地震等不良工况的影响下,极易发生变形破坏,整体失稳发生滑动。
图8 大小湾滑坡形变分析图

Fig.8 Daxiaowan landslide deformation analysis diagram

4.3.2 中牌滑坡形变分析

从单体形变来看,中牌滑坡整体都存在形变,上部和下部较为明显(图9(a))。GNSS监测设备安装于滑坡中部(图3),监测数据累计形变统计图(图9(b))显示该区域形变的合位移接近200 mm,且垂直方向的累计形变显示为正值,即坡体呈现隆起和抬升的状态。经实地勘察,GNSS监测设备安装位置滑坡滑动受阻后隆起,该位置以下滑坡滑动方向发生改变。图9(a)中左下部红色形变区域为发育的次级滑坡,该次级滑坡前缘临空,在强震及降雨下发生局部失稳的可能性大,一旦发生滑动则可能使中牌滑坡整体前缘临空,发生牵引式滑动,滑坡体的前缘位于岷江岸边,如果大量滑坡堆积体自上而下的运移至此,将可能壅堵岷江,严重威胁附近村镇以及公路。
图9 中牌滑坡形变分析图

Fig.9 Zhongpai landslide deformation analysis diagram

4.4 GNSS设备观测值与SBAS解算结果对比分析

本研究通过雷达视线向的形变对比分析方法,将GNSS监测数据转换为雷达视线向的累计形变量,选取SBAS解算结果中与GNSS设备安装位置相近或重合的点,以确保对比的准确性和代表性,并提取其累计形变量进行对比。结果显示,在形变趋势上,大小湾滑坡和中牌滑坡的GNSS转换得到的雷达视线向观测值与SBAS解算结果基本一致(图10)。
图10 GNSS转换值与SBAS解算值对比图

Fig.10 Comparison of GNSS converted values with SBAS solved values

通过卡尔曼滤波对SBAS解算结果进行去噪,并预测2个滑坡2024年7—10月的累计形变,将预测结果与GNSS设备同时间段监测数据的雷达视线向转换结果进行对比,可见大小湾滑坡和中牌滑坡的GNSS观测值与SBAS解算结果预测值页表现出较好的一致性(图11,图12)。这意味着在变形趋势的监测上,GNSS和SBAS方法能够相互验证、相互支持,使得结果更加可靠和具备参考价值。
图11 大小湾滑坡GNSS转换值与SBAS解算值对比图

Fig.11 Comparison of GNSS converted values with SBAS solved values for Daxiaowan landslide

图12 中牌滑坡GNSS转换值与SBAS解算值对比图

Fig.12 Comparison of GNSS converted values with SBAS solved values for Zhongpai landslide

5 结论

通过对比GNSS监测设备与SBAS解算结果以及预测结果,发现二者在滑坡变形监测中的结果基本一致。这意味着SBAS-InSAR技术在舟曲县典型滑坡形变监测方面表现出较高的可靠性和准确性,进一步验证了其在地表形变监测中的可行性。SBAS-InSAR技术具有高空间分辨率、广域覆盖和非接触式观测等优势,有效弥补了传统GNSS监测方法的不足。尤其在重大地质灾害和地形复杂区域的长期形变监测中,SBAS-InSAR技术展现出显著的应用价值。这项研究的结果为舟曲县滑坡的精确监测提供了技术支持,也为地方政府和相关部门在滑坡灾害预警和管理方面提供了重要的科学依据。通过引入先进的监测技术,可以更好地了解滑坡的形变情况,及时采取措施来减少潜在的风险。
将SBAS-InSAR技术与GNSS监测设备相结合,能够更加全面地把握滑坡的变形特征,有助于更有效地制定防灾减灾措施,减少滑坡灾害对生命财产的威胁,并提升区域灾害管理与应急响应的科学性。这种多源监测技术不仅适用于舟曲县的滑坡监测,也对其他地质灾害高发地区的防控工作具有重要意义,具有广泛的推广价值。通过整合不同监测技术,可以更准确地监测地质灾害的发展趋势,为应对突发灾害提供科学支撑。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
许才军, 何平, 温扬茂, 等. InSAR技术及应用研究进展[J]. 测绘地理信息, 2015, 40(2):1-9.

Xu C J, He P, Wen Y M, et al. Recent advances in SAR interferometry and its applications[J]. Journal of Geomatics, 2015, 40(2):1-9.

[2]
刘国祥, 刘文熙, 黄丁发. InSAR技术及其应用中的若干问题[J]. 测绘通报, 2001(8):10-12.

Liu G X, Liu W X, Huang D F. InSAR technology and its key problems in applications[J]. Bulletin of Surveying and Mapping, 2001(8):10-12.

[3]
刘一良. 微波遥感的发展与应用[J]. 沈阳工程学院学报(自然科学版), 2008, 4(2):171-173.

Liu Y L. The development and application of microwave sensing[J]. Journal of Shenyang Institute of Engineering (Natural Science), 2008, 4(2):171-173.

[4]
姜景山, 张云华, 董晓龙. 微波遥感若干前沿技术及新一代空间遥感方法探讨[J]. 中国工程科学, 2000, 2(8):76-82.

Jiang J S, Zhang Y H, Dong X L. The discussion of up to date technologies in microwave remote sensing and the new generation of space remote sensing method[J]. Engineering Science, 2000, 2(8):76-82.

[5]
陈冉丽, 王红军, 刁鑫鹏, 等. InSAR形变监测在开采沉陷损害鉴定及稳定性评价中的应用[J]. 测绘通报, 2023(12):106-111.

DOI

Chen R L, Wang H J, Diao X P, et al. Application of InSAR deformation monitoring in mining subsidence damage identification and stability evaluation[J]. Bulletin of Surveying and Mapping, 2023(12):106-111.

DOI

[6]
Li Z, Zhou J, Tian B. The glacier movement estimation and analysis with InSAR in the Qinghai-Tibetan Plateau[C]// 2009 IEEE International Geoscience and Remote Sensing Symposium. July 12-17,2009, Cape Town,South Africa.IEEE, 2009:II-578-II-581.

[7]
刘菲, 陈蜜, 朱琳, 等. 采用升降轨Sentinel-1数据监测北京城市副中心地面沉降[J]. 地理信息世界, 2021, 28(6):44-52.

Liu F, Chen M, Zhu L, et al. Monitoring the land subsidence of Beijing City sub-center with ascending and descending Sentinel-1 data[J]. Geomatics World, 2021, 28(6):44-52.

[8]
Kubanek J, Westerhaus M, Schenk A, et al. Volumetric change quantification of the 2010 Merapi eruption using TanDEM-X InSAR[J]. Remote Sensing of Environment, 2015,164:16-25.

[9]
Massonnet D, Rossi M, Carmona C, et al. The displacement field of the Landers earthquake mapped by radar interferometry[J]. Nature, 1993, 364(6433):138-142.

DOI

[10]
许才军, 林敦灵, 温扬茂. 利用InSAR数据的汶川地震形变场提取及分析[J]. 武汉大学学报(信息科学版), 2010, 35(10):1138-1142,1261-1262.

Xu C J, Lin D L, Wen Y M. Extract and analysis surface deformation caused by Wenchuan Mw7.9 earthquake from InSAR data[J]. Geomatics and Information Science of Wuhan University, 2010, 35(10):1138-1142,1261-1262.

[11]
屈春燕, 张桂芳, 单新建, 等. 2010年青海玉树地震同震-震后形变场特征及演化过程[J]. 地球物理学报, 2013, 56(7):2280-2291.

Qu C Y, Zhang G F, Shan X J, et al. Coseismic and postseismic deformation fields of the 2010 Yushu,Qinghai MS7.1 earthquake and their evolution processes[J]. Chinese Journal of Geophysics, 2013, 56(7):2280-2291.

[12]
刘振江, 韩炳权, 能懿菡, 等. InSAR观测约束下的2023年甘肃积石山地震震源参数及其滑动分布[J]. 武汉大学学报(信息科学版), 2025, 50(2):344-355.

Liu Z J, Han B Q, Neng Y H, et al. Source parameters and slip distribution of the 2023 mW 6.0 Jishishan(Gansu,China) earthquake constrained by InSAR observations[J]. Geomatics and Information Science of Wuhan University, 2025, 50(2):344-355.

[13]
Fruneau B, Achache J, Delacourt C. Observation and modelling of the Saint-Étienne-de-Tinée landslide using SAR interferometry[J]. Tectonophysics, 1996, 265(3/4):181-190.

DOI

[14]
代聪, 李为乐, 陆会燕, 等. 甘肃省舟曲县城周边活动滑坡InSAR探测[J]. 武汉大学学报(信息科学版), 2021, 46(7):994-1002.

Dai C, Li W L, Lu H Y, et al. Active landslides detection in Zhouqu County,Gansu Province using InSAR technology[J]. Geomatics and Information Science of Wuhan University, 2021, 46(7):994-1002.

[15]
丁宏伟. 甘肃省舟曲地质灾害发育特征及典型地质灾害剖析[J]. 甘肃地质, 2012, 21(1):47-53.

Ding H W. Characteristics of typical geological disasters in Zhouqu County of Gansu Province[J]. Gansu Geology, 2012, 21(1):47-53.

[16]
俞晶星, 郑文俊, 袁道阳, 等. 西秦岭西段光盖山-迭山断裂带坪定-化马断裂的新活动性与滑动速率[J]. 第四纪研究, 2012, 32(5):957-967.

Yu J X, Zheng W J, Yuan D Y, et al. Late quaternary active characteristics and slip-rate of pingdinghuama fault,the eastern segment of Guanggaishan-dieshan fault zone(west Qinling mountain)[J]. Quaternary Sciences, 2012, 32(5):957-967.

[17]
李媛茜, 张毅, 孟兴民, 等. 活动构造断裂带巨型滑坡活动特性研究——以白龙江流域大小湾滑坡为例[J]. 兰州大学学报(自然科学版), 2021, 57(3):360-368.

Li Y X, Zhang Y, Meng X M, et al. Analysis the activity characteristics of the giant landslide in active tectonic fault zone:A case study of Daxiaowan landslide in Bailong River Basin[J]. Journal of Lanzhou University (Natural Sciences), 2021, 57(3):360-368.

[18]
杨为民, 黄晓, 张春山, 等. 白龙江流域坪定—化马断裂带滑坡特征及其形成演化[J]. 吉林大学学报(地球科学版), 2014, 44(2):574-583.

Yang W M, Huang X, Zhang C S, et al. Deformation behavior of landslides and their formation mechanism along Pingding-Huama active fault in Bailongjiang River Region[J]. Journal of Jilin University (Earth Science Edition), 2014, 44(2):574-583.

[19]
杨为民, 黄晓, 张永双, 等. 甘肃南部坪定-化马断裂带滑坡变形特征及其防治[J]. 地质通报, 2013, 32(12):1925-1935.

Yang W M, Huang X, Zhang Y S, et al. The deformation characteristics of the landslide along Pingding-Huama active fault zone and its prevention and control[J]. Geological Bulletin of China, 2013, 32(12):1925-1935.

[20]
刘斌, 张丽, 李曼, 等. 融合CR和GNSS的InSAR滑坡形变时序监测方法和存储介质:中国,CN117761716A[P].2024-03-26.

Liu B, Zhang L, Li M, et al. InSAR landslide deformation time sequence monitoring method fusing CR and GNSS and storage medium:China,CN117761716A[P].2024-03-26.

[21]
Lu F, Zeng H. Application of Kalman filter model in the landslide deformation forecast[J]. Scientific Reports, 2020, 10(1):1028.

DOI PMID

[22]
周小龙, 石鹏卿. 基于SBAS-InSAR技术的甘肃华亭市地表形变监测与分析[J]. 测绘与空间地理信息, 2023, 46(2):30-33,38.

Zhou X L, Shi P Q. Monitoring and analysis of surface deformation in Huating City,Gansu Province based on SBAS-InSAR technology[J]. Geomatics & Spatial Information Technology, 2023, 46(2):30-33,38.

[23]
姜德才, 郑向向, 王宁, 等. 时序InSAR技术在珠三角地区地质灾害隐患识别中的应用[J]. 自然资源遥感, 2023, 35(3):292-301.doi:10.6046/zrzyyg.2022190.

Jiang D C, Zheng X X, Wang N, et al. Application of the time-series InSAR technology in the identification of geological hazards in the Pearl River Delta region[J]. Remote Sensing for Natural Resources, 2023, 35(3):292-301.doi:10.6046/zrzyyg.2022190.

[24]
Berardino P, Fornaro G, Lanari R, et al. A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(11):2375-2383.

DOI

Options
Outlines

/

〈 〉