文丨波波百谈

编辑丨波波百谈

研究区位于靠近 Reventador 火山的安第斯热带地区，具有陡坡、地震活动和全年降雨量高的特点。Sentinel-1 SAR 数据为该地区的时间序列监测提供了解决方案，因为图像在白天和晚上都可用，并且不受云层覆盖的影响。

基于滑坡检测，可以进一步识别灾害变量，以支持未来的灾害和风险评估。在基于云的环境中快速处理 Sentinel-1 时间序列数据，可以近乎实时地监测正在进行的侵蚀，并为保护国民经济、环境和社会提供积极主动的措施。

自然灾害因素

美洲的灾害数量呈指数级增长。在厄瓜多尔，自然灾害造成的损失率高于世界平均水平，该国在南美洲的自然灾害中处于高度暴露状态。约73.6%的厄瓜多尔人口面临两种或两种以上的自然灾害。由于气候变化和基础设施脆弱性，预计该国滑坡灾害的频率和强度将增加。

其发生的主要致病因素是其位于太平洋火环带，并进一步由厄尔尼诺南方涛动（ENSO）触发。由于高地震活动和热带山地环境的综合影响，该国经常发生山体滑坡，斜坡陡峭，水文模式高度可变，土地压力增加，特别是在陡峭的高地。

厄瓜多尔最大的瀑布圣拉斐尔因瀑布天然熔岩坝屏障后面的火山碎屑雪崩沉积造成异常侵蚀现象而崩塌。古柯河河道的后续变化进一步引发了圣拉斐尔瀑布上游的退化侵蚀。

从那时起，考虑到位于受影响地区的国家输油管道的损坏，古柯河沿岸持续不断的群众运动使基础设施、环境和土著社区面临连锁影响的风险。石油基础设施对于该国的石油出口乃至经济也非常重要。

在圣拉斐尔瀑布消失后不久，断裂的油管影响了12个民族部落之一的 Kichwa 人的土地。从那时起，大片植被区正在被侵蚀。此外，侵蚀正在逼近并威胁到 Coca Codo Sinclair 大坝。

这是一座建于 2016 年的水力发电厂，容量为1500兆瓦、如今，大坝供应了全国 25% 的电力需求。厄瓜多尔目前的辩论声称，水力发电厂的建设与圣拉斐尔瀑布的崩塌有关，并影响了古柯河的退化侵蚀过程。持续的河流侵蚀造成的破坏将使厄瓜多尔面临全国电力供应下降的局面。

正在进行监测以保护该地区和该国的可再生能源供应。因此，滑坡监测对于该地区灾害风险管理的快速响应至关重要，尤其是在厄瓜多尔东北部地区等多维风险地区。

了解该地区由于侵蚀造成的大规模运动有助于对安第斯地区等滑坡多发地区进行充分的风险评估。山体滑坡通常会在短时间内发生，影响附近的人口和环境。暴雨期和最终的洪水会进一步引发山体滑坡。连同地质结构和边坡特征，它们代表了滑坡风险的主要灾害成分。

信息系统的检测

遥感和地理信息系统 (GIS) 在滑坡风险监测中发挥着关键作用。GIS 中的地理空间分析允许在考虑多种致病因素的情况下对滑坡敏感性进行建模。可以使用模糊隶属函数、层次分析法 (AHP)或加权线性组合 (WLC)进行滑坡敏感性评估。

生成的地图有助于识别容易发生山体滑坡的区域，并提供有关触发事件的动态的见解。然而，这些模型是为小规模评估开发的，高分辨率数据的缺乏限制了详细滑坡敏感性评估的潜力。遥感时间序列分析可以进一步协助监测滑坡及其影响，尤其是在滑坡高发地区。在这里，远程但特别快速的监控至关重要。

群众运动往往与强降雨事件有关。浓密的云层限制了 Landsat 8 或 Sentinel-2 图像等光学数据的使用，尤其是在热带地区。Sentinel-1 合成孔径雷达 (SAR) 可以克服这些挑战，非常适合滑坡探测。

使用 SAR 数据，可以在非相干变化检测的背景下使用它们的反向散射信息来研究表面粗糙度和介电特性的变化，特别是在滑坡监测方面。与光学遥感数据相比，SAR 数据还提供了获取有关表面粗糙度和结构的额外信息的潜力。

Sentinel-1已广泛用于滑坡以及滑坡风险监测。此外，可以考虑使用复数值来研究相干变化检测或干涉测量中的相移。然而，由于植被生长迅速而茂密，限制了干涉测量方法的使用，因此在热带森林环境中监测大规模运动具有挑战性。已经尝试使用双时相变化检测 (BCD) 方法监测滑坡，尤其是使用光学数据和 SAR。

BCD和SCD方法的比较

据我们目前所知，使用 SAR 进行滑坡监测的基于云的顺序变化检测 (SCD) 尚未用于滑坡监测和管理。SCD 可以代表一种非常快速的方法来近乎实时地识别滑坡，这取决于基于云的环境中图像的可用性。然而，验证生成的地图以确定适用于各个研究区域的适当方法也很关键。

滑坡风险监测和管理可以从这些技术中获益，尤其是在偏远地区，例如厄瓜多尔的亚马逊雨林，这些地区也难以进入。滑坡预警模型旨在减少滑坡引起的破坏，并协助缩小拉丁美洲和加勒比地区当地滑坡研究的差距。

根据仙台减少灾害风险框架 (SFDRR) 并支持优先事项 “了解灾害风险”，本研究将在研究区域进行滑坡检测及其灾害风险管理潜力，并分析持续侵蚀的发展，在圣拉斐尔瀑布和 Coca Codo Sinclair 大坝之间使用具有主成分分析的 BCD ，与 基于云计算的环境中的 SCD 进行比较，以提供近实时监测的机会的滑坡发展。

检测到的区域使用高分辨率图像进行验证，并支持识别和适当的监测方法，并进一步帮助识别研究区域中的潜在触发变量。通过强调暴露于滑坡灾害的区域，可以将了解某些触发变量的影响纳入国家风险评估。虽然陡峭的斜坡与地下的强降雨或高土壤水分相结合会引发一个地区的山体滑坡，但植被覆盖的存在可以巩固土地质量。

古柯河穿过保护的 Cayambe-Coca 国家公园，平均流量为 290 m 3 /s， 海拔高度达到 500–3600 m asl 最高点是雷文塔多尔成层火山的顶峰，它属于与 Pan de Azúcar、苏马科和普约河流域排列的火山群。

上一次喷发始于 2002 年，此后，雷文塔多火山一直保持活跃，以火山复合体为特征的熔岩是安山岩和玄武岩-安山岩。细长形状的锥体倾斜度可达 34°。在上一次大规模喷发（2002 年）中，锥体的高度下降了 110 米。从那时起，火山活动导致其延伸范围扩大到目前的规模。

米沙胡利地层的火山岩构成了该地区的基底。雷文塔多火山喷发造成熔岩流、火山碎屑物质流、雪崩沉积物和火山泥流。古柯河流经的上层是高度动态的。沉积和侵蚀的循环目前形成了具有高度异质性和水渗透最佳条件的材料层。

潮湿的山地森林覆盖了大部分地区。降水量向亚马逊流域增加，年平均降水量 (MAP) 从 3000 毫米到 6000 毫米，从东到西呈梯度变化。平均温度为 20 °C。

该地区是一个生物多样性丰富的热点地区，周围环绕着国家公园 Cayambe-Coca 和世界公认的联合国教科文组织生物圈保护区 Sumaco。除了研究区对石油和能源等自然资源的经济重要性外，在国家法律和国际协议的保护下，它还拥有宝贵的生物和文化财富。

研究区的滑坡监测对于支持国家风险管理至关重要。由于山体滑坡是一种快速灾害，因此需要近乎实时的监测技术。然而，还需要采取积极主动的行动，这需要全面了解滑坡风险和致病因素的动态。了解滑坡运动及其发展有助于训练早期预警机制模型。

由于高云覆盖和地表参数检测，使用 Sentinel-1 和 SAR 数据是必要的。尽管如此，在热带地区使用 SAR 数据监测滑坡仍然具有挑战性。在本研究中使用了干涉相干差分 (ICD) 技术，该技术侧重于由裸土和陡坡等粗糙表面引起的反向散射信号。

通过包含干涉信息对相干变化检测 (CCD) 技术进行了测试，但由于古柯河的热带安第斯地区植被高度密集，结果具有误导性。所呈现的结果允许使用空间分辨率为 20 m 和 6 天时间分辨率的 Sentinel-1 时间序列进行近乎实时的监测。

BCD 有助于识别固定时间间隔内的特定运动，总体精度为 0.88。而在基于云的环境中运行的 SCD 方法代表了一种更省时的滑坡检测分析，与BCD验证区域已包括在内，但可以扩展以进行进一步分析。

关于我们整合 HR 图像和数字化侵蚀模式以识别正确分类的像素的验证区域，我们可以将 SCD 识别为更好的方法，可以确定潜在的触发变量，例如在退化侵蚀开始的区域中更陡的斜坡，以及在滑坡检测区域中增加的降水和地下土壤水分率。

地质滑坡的质量评估

这些地区的 EVI 概况并未显示出与滑坡的显着关系，每个时间步长的分析可能是相关的，因为必须考虑空间和时间自相关，虽然滑坡似乎是由地形先决条件引发的，并且由于生物物理动态变量而持续发生，但是在侵蚀源头也应考虑其他因素，例如合法或非法的采矿活动，并将其纳入灾害和风险中映射方法。

为了改进滑坡变量的评估，此处介绍的方法展示了如何在基于云的环境中考虑连续时间序列分析来近乎实时地评估滑坡风险。此外，应考虑及时提供有关解释变量的信息以允许动态变化。与标准降水指数 (SPI) 通常用作干旱灾害指标（值低于 0 时）的干旱事件类似，短时间内降水量的增加可以嵌入滑坡灾害的动态模型中。

非山体滑坡和山体滑坡检测区域的最大降水率，在所提出的研究区域，山体滑坡导致环境和社会经济破坏的风险很高。与道路有关的基础设施损坏，尤其是厄瓜多尔经济和能源的关键基础设施，如输油管道和 Coca Codo Sinclair 大坝，引起了国家的高度关注。

古柯河沿岸的山体滑坡紧邻大坝，尤其是主油管已经被毁，导致本已持续的灾难产生连锁反应。研究区多次发生了因泥石流造成的油管破裂造成的石油泄漏，影响了土著人民及其土地，并对社会、经济和环境层面产生了各种影响，威胁着多方面的可持续发展。

灾害风险管理

保护受影响地区的土著知识和土著社区，成为跨规模主动风险管理国家战略的一部分。厄瓜多尔等拉美国家高度依赖水力发电，这是一种清洁能源，符合 2030 年议程和可持续发展目标，但这使得该国的电力供应极易受到自然灾害的影响。

这些灾害，其中包括山体滑坡，预计也会因气候变化而恶化。在这里介绍的研究中，可以确定一种使用 SCD 分析进行快速滑坡监测的方法。通过比较使用高分辨率图像验证的 BCD 和 SCD 的结果，确定了SCD 的精度更高，为 0.91。此外，由于在基于云的环境中应用，处理速度要快得多，代表了该地区滑坡风险监测和管理的巨大潜力。

SCD 提倡对时间序列进行连续分析，不只比较二值图像，而是考虑时间序列中所有图像的趋势。触发变量的分析部分显示了一些预期的结果，例如坡度或土壤水分与滑坡之间的密切关系，但无法确定植被覆盖与滑坡之间的密切关系。所选择的方法可以成为电厂运行的重要资产，保障能源供应安全，加强社会、经济和环境保护机制的完善。

由于在云基环境中的应用，处理速度要快得多，这在该地区进行山体滑坡风险监测和管理的潜力很大。SCD促进对时间序列的连续分析，并且不仅比较二进制图像，还考虑时间序列中所有图像的趋势。对触发变量的分析部分显示了一些预期结果，所选择的方法可以成为发电厂运行的重要资产，保证能源供应安全，加强社会、经济和环境保护机制的完善。

参考文献

【1】Bolten J, Crow W, Zhan X, Jackson T, Reynolds C (2010) 评估遥感土壤水分反演在农业干旱监测中的效用。

【2】Carvajal P、Anandarajah G、Mulugetta Y、Dessens O (2017) 使用 CMIP5 集合评估气候变化对长期水力发电影响的不确定性——厄瓜多尔案例。气候变化。

【3】Ghorbanzadeh O, Feizizadeh B, Blaschke T (2018) 一种区间矩阵方法，用于优化 AHP 技术中用于土地沉降敏感性映射的决策矩阵。环境地球科学。

【4】Guns M, Vanacker V (2013) 森林覆盖变化轨迹及其对热带安第斯山脉滑坡发生的影响。环境地球科学。