Précédent|Prochain

Estimation des déformations InSAR sur la rive du réservoir de la centrale hydroélectrique de Baihetan et analyse des déformations temporelles et spatiales - Cas de la grande boucle-Konqi Gou

  • role： First author第一作者
  • Affiliation：

    Changsha University of Science & Technology, Changsha 410114, China

  • Email：24001030034@csust.edu.cn
  • Introduction：郑冠峰，研究方向为库岸边坡InSAR时序形变。E-mail： 24001030034@csust.edu.cn
ZHENG Guanfeng1,  
  • role： Corresponding author通信作者
  • Affiliation：

    Changsha University of Science & Technology, Changsha 410114, China

  • Email：xuemin.xing@csust.edu.cn
  • Introduction：邢学敏，研究方向为InSAR在地表变形监测中的应用。E-mail： xuemin.xing@csust.edu.cn
XING Xuemin1*,  
  • Affiliation：

    Sinohydro Engineering Bureau 8 CO., LTD, Changsha 410007, China

SHEN Shaoluo2,  
  • Affiliation：

    Sinohydro Engineering Bureau 8 CO., LTD, Changsha 410007, China

HU Yongfeng2,  
  • Affiliation：

    Sinohydro Engineering Bureau 8 CO., LTD, Changsha 410007, China

Ao Zhiyong2,  
  • Affiliation：

    Changsha University of Science & Technology, Changsha 410114, China

ZHU Jun1,  
  • Affiliation：

    Changsha University of Science & Technology, Changsha 410114, China

LONG Jingjian1,  
  • Affiliation：

    Changsha University of Science & Technology, Changsha 410114, China

WANG Jiahao1

résumé

La centrale hydroélectrique de Baihetan est la deuxième plus grande centrale hydroélectrique du monde, et il est important de surveiller et d'analyser à long terme les déformations temporelles et spatiales des pentes potentiellement instables qui l'entourent. Dans cette étude, la technique InSAR est utilisée pour estimer les déformations temporelles des pentes potentiellement instables sur la rive du réservoir de la centrale hydroélectrique de Baihetan, afin d'étudier leur déformation spatiale en conjonction avec les changements de niveau d'eau dans le réservoir et les précipitations. Compte tenu des limitations du modèle linéaire de déformation InSAR traditionnel en raison du manque de prise en compte des effets environnementaux, cette étude propose une méthode améliorée pour estimer les déformations temporelles des pentes sur la rive du réservoir à l'aide d'un modèle périodique comme modèle de base, intégrant le facteur de précipitations pour tenir pleinement compte des effets variables des changements de niveau d'eau dans le réservoir et des précipitations dans la région de la rive. Lors de l'estimation des déformations, une équation temporelle pour les taux de déformation, la valeur de correction de la hauteur et un paramètre de précipitations sont ajoutés pour estimer les déformations temporelles des pentes potentiellement instables. L'expérience a permis d'obtenir des résultats temporels de déformation de la pente sur la rive de la centrale hydroélectrique de Baihetan sur une période de 31 mois. L'étude a révélé que les déformations dans cette région sont dominées par une tendance linéaire, avec des variations périodiques liées aux changements de niveau d'eau dans le réservoir et montrent un effet de retard de deux mois pendant la transition de la saison sèche à la saison des pluies. Les déformations sur la rive proche dépassent celles sur la rive lointaine, avec une déformation cumulée maximale de -155 mm de janvier 2020 à juillet 2022 ; la différence de déformation à la sortie du tunnel et au milieu atteint un maximum de 98 mm, ce qui est la principale cause des fissures dans les parois du tunnel. L'utilisation du déformation résiduelle haute-pass pour la racine carrée moyenne valide une précision de modélisation de 12,5% supérieure pour le modèle amélioré par rapport au modèle InSAR traditionnel ; l'utilisation des résultats de surveillance GNSS sur site pour valider la précision de la déformation montre une précision externe de ± 2,9 mm. Les résultats de l'étude peuvent servir de référence pour la surveillance à long terme et l'alerte des déformations temporaires des pentes instables potentielles sur les rives de la centrale hydroélectrique de Baihetan.

mots-clés

InSAR ; surveillance de la déformation; rive ; instabilité ; modélisation temporelle

References

  1. 1.
    Cannavó F. 2012. Sensitivity analysis for volcanic source modeling quality assessment and model selection. Computers and Geosciences, 44: 52-59
  2. 2.
    Chen R P, Yu W D, Wang R, Liu G and Shao Y F. 2013. Integrated denoising and unwrapping of InSAR phase based on Markov random fields. IEEE Transactions on Geoscience and Remote Sensing, 51(8): 4473-4485
  3. 3.
    Colesanti C, Ferretti A, Novali F, Prati C and Rocca F. 2003. Sar monitoring of progressive and seasonal ground deformation using the permanent scatterers technique. IEEE Transactions on Geoscience and Remote Sensing, 41(7): 1685-1701
  4. 4.
    Dai K R, Shen Y, Wu M T, Feng W K, Dong X J, Zhuo G C and Yi X Y. 2022. Identification of potential landslides in Baihetan Dam area before the impoundment by combining InSAR and UAV survey. Acta Geodaetica et Cartographica Sinica, 51(10): 2069-2082
  5. 5.
    Dai K R, Wu M T, Zhuo G C, Ju A H, Wen N L, Feng W K and Xu Q. 2023. Review on InSAR early identification and monitoring of reservoir landslides for large hydropower engineering projects in southwest mountainous area of China. Journal of Earth Sciences and Environment, 45(3): 559-577
  6. 6.
    Du Y, Ning L Z, Xie M W, Bai Y F, Li H and Jia B N. 2024. A prediction model of landslide displacement in reservoir area considering time lag effect. Geomatics and Information Science of Wuhan University, 49(8): 1347-1355
  7. 7.
    Dun J W, Feng W K, Yi X Y, Zhang G Q and Wu M T. 2023. Early InSAR identification of active landslide before impoundment in Baihetan reservoir area—a case study of Hulukou town Xiangbiling section. Journal of Engineering Geology, 31(2): 479-492
  8. 8.
    Fan Q X, Lin P, Jiang S, Wei P C and Li G. 2020. Review on the rock mechanics and engineering practice for large hydropower stations along the downstream section of the Jinsha River. Journal of Tsinghua University (Science and Technology), 60(7): 537-556
  9. 9.
    Fei X F, Tian Y, Zhao C Y, Liu H M and Chen H Y. 2023. Identification and deformation monitoring of unstable slopes in Longyangxia reservoir area, the upper reach of Yellow River, China based on multi-temporal InSAR technology. Journal of Earth Sciences and Environment, 45(3): 578-589
  10. 10.
    Ferretti A, Prati C and Rocca F. 2001. Permanent scatterers in SAR interferometry. IEEE Transactions on Geoscience and Remote Sensing, 39(1): 8-20
  11. 11.
    Gao M Y, Xu C J and Liu Y. 2021. Evaluation of time-series InSAR tropospheric delay correction methods over northwestern margin of the Qinghai-Tibet Plateau. Geomatics and Information Science of Wuhan University, 46(10): 1548-1559
  12. 12.
    Herrera G, Gutiérrez F, García-Davalillo J C, Guerrero J, Notti D, Galve J P, Fernández-Merodo J A and Cooksley G. 2013. Multi-sensor advanced DInSAR monitoring of very slow landslides: the Tena Valley case study (Central Spanish Pyrenees). Remote Sensing of Environment, 128: 31-43
  13. 13.
    Hu Y X, Zhu Y G, Li H B, Li C J and Zhou J W. 2021. Numerical estimation of landslide-generated waves at Kaiding Slopes, Houziyan Reservoir, China, using a coupled DEM-SPH method. Landslides, 18(10): 3435-3448
  14. 14.
    Jiang Q Q, Jiao Y Y, Song L, Wang H and Xie B T. 2019 Experimental study on reservoir landslide under rainfall and water-level fluctuation. Rock and Soil Mechanics, 40(11): 4361-4370
  15. 15.
    Kim S W, Wdowinski S, Dixon T H, Amelung F, Kim J W and Won J S. 2010. Measurements and predictions of subsidence induced by soil consolidation using persistent scatterer InSAR and a hyperbolic model. Geophysical Research Letters, 37(5): L05304
  16. 16.
    Li D C, Wang Z J, Shao J P and Wu D. 2017. Analysis on deformation mechanism of Baishui river landslide under rainfall and reservoir water level coupling. Journal of China Three Gorges University (Natural Sciences), 39(4): 46-50
  17. 17.
    Li S S, Li Z W, Hu J, Sun Q and Yu X Y. 2013. Investigation of the Seasonal oscillation of the permafrost over Qinghai-Tibet Plateau with SBAS-InSAR algorithm. Chinese Journal of Geophysics, 56(5): 1476-1486
  18. 18.
    Li T, Xu N W, Dai F, Li T B, Fan Y L and Li B. 2018. Stability analysis of left bank abutment slope at Baihetan hydropower station subjected to excavation. Rock and Soil Mechanics, 39(2): 665-674
  19. 19.
    Li Z H, Yu C, Xiao R Y and Zhu W. 2022. Entering a new era of InSAR: advanced techniques and emerging applications. Journal of Geodesy and Geoinformation Science, 5(1): 1-4
  20. 20.
    Liao M S, Dong J, Li M H, Ao M, Zhang L and Shi X G. 2021. Radar remote sensing for potential landslides detection and deformation monitoring. National Remote Sensing Bulletin, 25(1): 332-341
  21. 21.
    Liu L, Yin K L, Xu Y, Lian Z P and Wang N T. 2018. Evaluation of regional landslide stability considering rainfall and variation of water level of reservoir. Chinese Journal of Rock Mechanics and Engineering, 37(2): 403-414
  22. 22.
    Liu X J, Zhao C Y, Zhang Q, Peng J B, Zhu W and Lu Z. 2018. Multi-temporal loess landslide inventory mapping with C-, X- and L-band SAR Datasets—A case study of Heifangtai loess landslides, China. Remote Sensing, 10(11): 1756
  23. 23.
    Osmanoğlu B, Sunar F, Wdowinski S and Cabral-Cano E. 2016. Time series analysis of InSAR data: methods and trends. ISPRS Journal of Photogrammetry and Remote Sensing, 115: 90-102
  24. 24.
    Sun Q, Zhang L, Ding X L, Hu J, Li Z W and Zhu J J. 2015. Slope deformation prior to Zhouqu, China landslide from InSAR time series analysis. Remote Sensing of Environment, 156: 45-57
  25. 25.
    Xiao J F, Li Y A and Cai J M. 2020. Model test research on response characteristics of Outang landslide under water level fluctuation. Journal of Engineering Geology, 28(5): 1049-1056
  26. 26.
    Xing X M, Zhu Y K, Xu W B, Peng W and Yuan Z H. 2022. Measuring subsidence over soft clay highways using a novel time-series InSAR deformation model with an emphasis on rheological properties and environmental factors (NREM). IEEE Transactions on Geoscience and Remote Sensing, 60: 4601319
  27. 27.
    Xiong Z Q, Deng K L, Feng G C, Miao L, Li K F, He C L and He Y R. 2022. Settlement prediction of reclaimed coastal airports with InSAR observation: a case study of the Xiamen Xiang’an international airport, China. Remote Sensing, 14(13): 3081
  28. 28.
    Yang L, Wei J and Xu Z F. 2022. Displacement prediction of landslide based on SPA-SSA-SVR model——Taking bazimen and baishuihe landslides in Three Gorges Reservoir area, China as examples. Journal of Earth Sciences and Environment, 44(6): 1096-1110
  29. 29.
    Yang W T, Liu G L, Niu C and Tao Q X. 2023. Small scale atmospheric delay correction of SBAS-InSAR based on GACOS in subsidence monitoring. Science of Surveying and Mapping, 48(6): 73-81
  30. 30.
    Yang Z R, Xi W F, Shi Z T, Xiao B and Zhou D Y. 2022. Deformation analysis in the bank slopes in the reservoir area of Baihetan Hydropower Station based on SBAS-InSAR technology. The Chinese Journal of Geological Hazard and Control, 33(5): 83-92
  31. 31.
    Yin Y P, Huang B L, Wang S C and Li J H. 2015. Potential for a Ganhaizi landslide-generated surge in Xiluodu Reservoir, Jinsha River, China. Environmental Earth Sciences, 73(7): 3187-3196
  32. 32.
    Yu C, Li Z H, Bai L, Muller J P, Zhang J F and Zeng Q M. 2021. Successful applications of generic atmospheric correction online service for InSAR (GACOS) to the reduction of atmospheric effects on InSAR observations. Journal of Geodesy and Geoinformation Science, 4(1): 109-115
  33. 33.
    Zhang C L, Li Z H, Yu C, Song C, Xiao R Y and Peng J B. 2021. Landslide detection of the Jinsha river region using GACOS assisted InSAR stacking. Geomatics and Information Science of Wuhan University, 46(11): 1649-1657
  34. 34.
    Zhang P, Guo Z H, Guo S F and Xia J. 2022. Land subsidence monitoring method in regions of variable radar reflection characteristics by integrating PS-InSAR and SBAS-InSAR techniques. Remote Sensing, 14(14): 3265
  35. 35.
    Zhang S C, Si J Z, Xu Y F, Niu Y F, Fan Q Y, Zhu W, An P and Guo Y H. 2021. Time-series InSAR for stability monitoring of Ankang airport with expansive soil. Geomatics and Information Science of Wuhan University, 46(10): 1519-1528
  36. 36.
    Zhang T F, Xing X M, Peng W, Zhu J, Liu X B, Ge J W and Lei M C. 2024. Incorporation of Coordinate-Time Function （CT-PIM） time-series InSAR deformation prediction for salt mining areas: case study of the Huaian Salt Mine. National Remote Sensing Bulletin, 28(6): 1615-1631
  37. 37.
    Zhao R, Li Z W, Feng G C, Wang Q J and Hu J. 2016. Monitoring surface deformation over permafrost with an improved SBAS-InSAR algorithm: with emphasis on climatic factors modeling. Remote Sensing of Environment, 184: 276-287
  38. 38.
    Zhao W S, Jiang M and He X F. 2016. Improved adaptive Goldstein interferogram filter based on second kind statistics. Acta Geodaetica et Cartographica Sinica, 45(10): 1200-1209
  39. 39.
    Zhou D Y, Zuo X Q, Xi W F, Xiao B, Bi R and Fan X. 2022. Early identification of landslide hazards in deep cut alpine canyon using SBAS-InSAR technology. The Chinese Journal of Geological Hazard and Control, 33(2): 16-24
  40. 40.
    Zhu J, Zhu L J, Xing X M, Zhang R, Bao L, Zhang T F and Bao H D. 2023. Joint estimation method of time-series InSAR deformation and environmental physical parameters for soft clay area over Dongting lake. Acta Geodaetica et Cartographica Sinica, 52(12): 2127-240
  41. 41.
    Zhu T T, Shi X G, Zhou C, Jiang H J, Zhang L and Liao M S. 2021. Stability monitoring and analysis of the Shuping landslide in the Three Gorges Area with sentinel-1 images from 2016 to 2020. Geomatics and Information Science of Wuhan University, 46(10): 1560-1568

Lire l'article complet

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website