本文研究发表于《Applied Sciences》期刊，具体发表时间为2023年11月6日。该研究由杨帅（Shuai Yang）、张金敏（Jinmin Zhang）、付磊（Lei Fu）、陈春花（Chunhua Chen）、刘子靖（Zijing Liu）和张文龙（Wenlong Zhang）共同完成，其主要研究单位包括陕西省自然资源卫星应用中心（陕西省地质调查院）、陕西省地质灾害风险预警中心和西北大学城市与环境学院。
学术背景与目的 本研究属于地质灾害监测与遥感应用领域，具体关注合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar， InSAR）技术在滑坡探测中的适应性。秦岭-大巴山地区因其复杂的地形、强烈的构造活动、密集的植被覆盖和明显的季节性气候变化，是滑坡灾害的高发区。该区域滑坡多为规模较小、季节性强、发生在植被覆盖下的浅层滑坡，这给传统的地面调查和遥感监测带来了巨大挑战。近年来，随着哨兵1号（Sentinel-1A/B）和先进陆地观测卫星2号（ALOS-2/PALSAR-2）等免费或商用雷达卫星数据的普及，利用InSAR技术进行大范围、高精度地表形变监测已成为可能。然而，不同波段的雷达数据（如C波段的Sentinel-1A和L波段的ALOS/PALSAR-2）在穿透性、空间分辨率、时间分辨率和监测精度方面各有利弊。针对秦岭-大巴山这类特殊地质地貌和植被环境，何种数据源更为适用，尚无系统研究。因此，本研究首次以安康地区为代表，系统性地对比分析了Sentinel-1A与ALOS/PALSAR-2两种主流雷达数据在该区域的滑坡探测能力与适应性。其核心目的是评估两种数据源在复杂危险山区滑坡探测中的优劣，为未来秦岭-大巴山及类似区域的滑坡监测数据源选择和方法精度评估提供重要的科学依据和技术支持。
详细研究流程 本研究采用了一种综合性的研究流程，主要包含研究区域与数据准备、数据处理方法、滑坡探测与验证以及适应性对比分析四个核心环节。
首先，在研究区域与数据准备环节，研究选取了秦岭-大巴山南麓的安康地区作为典型研究区。该区域地质条件复杂，植被覆盖率极高，降雨集中，是滑坡灾害的典型发育区。研究团队收集了覆盖研究区的19景Sentinel-1A（C波段）和10景ALOS/PALSAR-2（L波段）升轨雷达影像，时间覆盖范围均为2021年9月至2022年6月。同时，引入了SRTM DEM数据和谷歌地球高分辨率光学影像作为辅助数据。
其次，在数据处理方法环节，本研究并非采用单一的InSAR技术，而是创新性地结合了两种成熟的时间序列InSAR方法：IPTA（Interferometric Point Target Analysis， 干涉点目标分析）和SBAS（Small Baseline Subset， 小基线子集）。这种方法被称为IPTA-SBAS联合处理流程。具体流程如下：（1）选取主影像并设置合适的时空基线阈值，生成干涉对（Sentinel-1A共生成55对，ALOS/PALSAR-2共生成33对）。（2）结合外部DEM数据进行差分干涉处理，生成干涉相位图。（3）对干涉图进行自适应滤波，并使用最小成本流（Minimum Cost Flow, MCF）算法进行相位解缠。（4）从高相干点中选取稳定的永久散射体（Permanent Scatterer, PS）点，并选取稳定参考点进行迭代回归分析，以分解出形变相位、高程误差相位和残余相位。该步骤利用了IPTA技术的迭代特性，能够逐步减弱解缠噪声和大气延迟误差。（5）对获取的高相干点建立观测方程，利用奇异值分解（Singular Value Decomposition, SVD）方法求解形变速率和时间序列结果，这一步利用了SBAS技术自由组合干涉对的优势。通过结合IPTA的迭代校正能力和SBAS获取连续形变场的能力，该方法旨在获取更为精确和可靠的形变监测结果。为了从初步的形变速率结果中剔除离散的误差点，研究采用了热点分析（Hot-Spot Analysis）和空间自相关方法，识别出具有显著空间聚类特征的可靠形变点。
再次，在滑坡探测与验证环节，研究将处理得到的年平均视线向（Line-of-Sight, LOS）形变速率结果叠加到三维谷歌地球光学影像上。研究人员通过目视解译，识别地表形变区域并检查该区域的光学影像特征（如地裂缝、小型坍塌、植被异常、滑坡后壁等）。若形变区的光学迹象符合滑坡特征且存在一定的风险指标，则初步判读为潜在滑坡。为了提高结果的可靠性，研究团队对判读出的滑坡点进行了大范围的野外实地验证。最终，在研究区内共识别并验证了88处滑坡。
最后，在适应性对比分析环节，研究从多个定量和定性指标，对两种数据源进行了全面的比较分析。这些指标包括：（1）形变速率误差：通过热点分析统计形变结果中离散误差点的比例。（2）形变速率有效监测面积：统计可获取有效形变速率的区域占研究区的比例。（3）滑坡识别率：对比两种数据源各自成功识别出的滑坡数量。（4）数据质量指标：通过计算可见性（Visibility），分析雷达几何畸变（叠掩、顶底位移、阴影）对监测能力的影响；通过计算所有干涉对的平均相干系数（Coherence），评估数据在植被覆盖区的相位质量；通过计算相位闭合环残差（Phase Closure Loop Residual）的均方根误差，评估相位解缠的质量，问题环的比例直接反映了数据处理中引入的误差大小。（5）典型滑坡案例分析：选取被两种数据同时探测到、仅被一种数据探测到的典型滑坡，详细对比其形变速率图和时间序列曲线的差异，从机理上解释探测结果不一致的原因。
主要研究成果 本研究取得了系统而丰富的成果，清晰地揭示了两种数据源在秦岭-大巴山地区的适应性差异。
在数据处理和形变监测结果方面，ALOS/PALSAR-2展现出整体优势。Sentinel-1A数据的可靠影像比例为84.21%，可用干涉对比例为61.81%，而ALOS/PALSAR-2的这两项指标分别为90%和75.75%。在最终的年平均形变速率结果中，Sentinel-1A的离散误差点比例（5%）高于ALOS/PALSAR-2（3%），其有效监测面积（72.58%）显著低于ALOS/PALSAR-2（88.40%）。两种数据形变速率的整体分布接近正态，平均值分别为-5.63 mm/年和-6.26 mm/年，表明研究区整体稳定。然而，两者的形变速率差值分布较散，一致性较差。在植被覆盖较低的区域（如城区），两者形变范围相似，但Sentinel-1A的形变值普遍偏小；在植被覆盖中等和极高的区域，Sentinel-1A不仅有效监测面积大幅减少，还遗漏了多个由ALOS/PALSAR-2探测到的明显形变集中区。
在滑坡探测的直接成果上，ALOS/PALSAR-2的优势更加明显。在总共探测到的88处滑坡中，ALOS/PALSAR-2成功识别出80处，识别率高达90.9%；而Sentinel-1A仅识别出38处，识别率为43.2%。有50处滑坡仅被ALOS/PALSAR-2探测到，这些滑坡多为小型、季节性、且靠近河流；另有8处滑坡仅被Sentinel-1A探测到，多分布在高山峡谷、植被密集的陡峭区域。这初步表明，ALOS/PALSAR-2在植被密集区具有绝对探测优势。
通过深入分析数据质量指标，研究揭示了上述性能差异的内在原因。在可见性方面，两者几何畸变区域比例接近，Sentinel-1A略优，说明差异并非主要由几何因素造成。在相干性方面，尽管Sentinel-1A在高相干（>0.9）区域比例略高，但其整体相干性低于ALOS/PALSAR-2，特别是在相干系数大于0.6的区域比例低6.98%。Sentinel-1A的相干性与地表散射体类型强相关，而ALOS/PALSAR-2受地表类型影响较小，在植被区始终保持较高的相干性。这一差异直接导致了Sentinel-1A在植被区的有效监测面积和探测能力下降。
相位闭合环残差分析是揭示Sentinel-1A性能短板的关键。研究发现，Sentinel-1A数据形成的问题闭合环（残差RMSE > 1.5弧度）比例高达68.7%，远高于ALOS/PALSAR-2的32.7%。样本分析显示，即使时间基线很短，Sentinel-1A在夏季（植被茂盛期）获取的干涉图质量也极差，所有相关闭合环均超限，导致大量夏季干涉对被剔除。相比之下，ALOS/PALSAR-2受季节和植被变化影响较小，能长期保持较好的干涉质量。这直接解释了为何在Sentinel-1A的结果中，一些由ALOS/PALSAR-2探测到的形变区域显示为稳定状态。
典型滑坡的时间序列分析进一步验证了上述推断。以连丰村滑坡（仅被ALOS/PALSAR-2探测到）为例，其时间序列显示主要形变集中在2021年9月26日至10月22日的夏季时段。而Sentinel-1A由于夏季数据质量极低而被剔除，完全错过了对这一关键形变期的监测。秦岭-大巴山滑坡具有明显的季节性，强降雨常诱发突发性滑坡。因此，Sentinel-1A在夏季数据的低质量，是其在该区域滑坡探测中表现不佳的主要制约因素。相比之下，L波段的ALOS/PALSAR-2凭借其更强的植被穿透能力和对季节性变化的不敏感性，能够可靠地获取全年的形变信息，满足90%以上的监测需求，高度适配于秦岭-大巴山这类季节性显著、植被茂密的复杂山区。
结论与价值 本研究的结论明确指出，对于秦岭-大巴山这种地形复杂、植被覆盖度高、滑坡具有显著季节性的地区，L波段的ALOS/PALSAR-2数据在滑坡探测的适应性上显著优于C波段的Sentinel-1A数据。Sentinel-1A的主要劣势在于其夏季数据的极低质量，这与其较短的波长在茂密植被下易失相干有关，导致其无法有效监测夏季发生的关键滑坡形变，整体滑坡识别率低。而ALOS/PALSAR-2凭借其优越的穿透性、较高的空间分辨率和受季节影响小的稳定性，能够更全面、更可靠地探测到该区域的滑坡灾害。
本研究具有重要的科学价值和应用价值。在科学上，这是首次在秦岭-大巴山地区针对不同雷达数据源进行详细的滑坡探测适应性对比研究。研究不仅给出了定性的结论，还通过引入可见性、相干性、相位闭合环残差、热点分析等一系列定量化精度指标，并结合作者创新的IPTA-SBAS联合处理流程，构建了一套系统评估InSAR监测数据源有效性的方法论。这为InSAR技术在复杂山区的可靠性评估提供了范例。在应用上，该研究为秦岭-大巴山及类似地质地理环境地区的滑坡监测项目和数据采购提供了直接的决策依据。研究明确建议，在此类区域应优先考虑使用ALOS/PALSAR-2等L波段数据，或至少将其作为主要数据源，而Sentinel-1A数据可作为补充或在植被稀少、城区等特定场景下使用。这对于提升地质灾害早期识别精度、优化监测资源配置、保障人民生命财产安全具有重要的现实意义。
研究亮点 本研究的亮点突出体现在以下几个方面：第一，研究对象的特殊性：首次聚焦于秦岭-大巴山这一具有典型复杂性和季节性的滑坡高发区，针对浅层、小规模、植被下滑坡的探测难题开展研究。第二，研究方法的创新性与系统性：创新性地将IPTA与SBAS方法结合，形成优势互补的处理流程；并综合运用了从形变误差统计、滑坡识别验证到多种数据质量指标（可见性、相干性、闭合环残差）的全方位、多层次对比分析框架，论证严谨。第三，重要发现：明确指出并深入论证了Sentinel-1A数据在秦岭-大巴山地区夏季质量低劣是导致其滑坡探测性能不佳的核心原因，而ALOS/PALSAR-2的L波段特性使其能克服季节性植被影响，这一定量化结论具有重要的指导价值。第四，结论的实践导向性：研究结论直接服务于生产实践，为特定区域InSAR监测数据源的优选提供了清晰、有力的科学支撑，体现了遥感技术解决实际工程问题的价值。