四川筠连县金坪村滑坡灾前地貌变化和形变特征研究

陈博; 宋闯; 李振洪; 李永生; 刘海辉; 余琛; 李素菊; 刘明; 陈毅; 张林; 彭建兵

doi:10.13203/j.whugis20250036

您当前的位置：

首页 >

文章列表页 >

四川筠连县金坪村滑坡灾前地貌变化和形变特征研究

遥感与地质灾害 | 更新时间：2026-11-05

- 四川筠连县金坪村滑坡灾前地貌变化和形变特征研究
- Pre-Failure Deformation Mechanism and Geomorphological Change of the Jinpingcun Landslide， Junlian， Sichuan
- 武汉大学学报（信息科学版） 2025年50卷第11期页码：2154-2162
- 作者机构：
  
  1.长安大学地质工程与测绘学院，陕西西安，710054
  2.黄土科学全国重点实验室，陕西西安，710054
  3.长安大学地学与卫星大数据研究中心，陕西西安，710054
  4.阿利坎特大学，西班牙阿利坎特,03080
  5.西部矿产资源与地质工程教育部重点实验室，陕西西安，710054
  6.应急管理部国家自然灾害防治研究院，北京，100085
  7.应急管理部国家减灾中心，北京，100124
  8.中铁一局集团有限公司，陕西西安，710054
- 作者简介：
  
  陈博博士生，主要从事影像大地测量与滑坡灾害研究。Email:bo.chen@chd.edu.cn
  宋闯,，博士，副教授，主要从事影像大地测量与地质灾害研究。Email：chuang.song@chd.edu.cn
  李振洪，博士，教授。zhenhong.li@chd.edu.cn
- 基金信息：
  
  国家重点研发计划(2020YFC1512000);陕西省地学大数据与地质灾害防治创新团队（2022）;长安大学青年学者学科交叉团队建设项目(300104240914);欧洲空间局-科技部国家遥感中心龙计划6项目(95355)
- DOI：10.13203/j.whugis20250036
  中图分类号： P237
- 收稿：2025-02-17，
  
  纸质出版：2025-11-05
- 稿件说明：
移动端阅览
陈博,宋闯,李振洪，等.四川筠连县金坪村滑坡灾前地貌变化和形变特征研究[J].武汉大学学报（信息科学版）,2025,50(11):2154-2162.

CHEN Bo,SONG Chuang,LI Zhenhong,et al.Pre-Failure Deformation Mechanism and Geomorphological Change of the Jinpingcun Landslide, Junlian, Sichuan[J].Geomatics and Information Science of Wuhan University,2025,50(11):2154-2162.
陈博,宋闯,李振洪，等.四川筠连县金坪村滑坡灾前地貌变化和形变特征研究[J].武汉大学学报（信息科学版）,2025,50(11):2154-2162. DOI：10.13203/j.whugis20250036

CHEN Bo,SONG Chuang,LI Zhenhong,et al.Pre-Failure Deformation Mechanism and Geomorphological Change of the Jinpingcun Landslide, Junlian, Sichuan[J].Geomatics and Information Science of Wuhan University,2025,50(11):2154-2162. DOI：10.13203/j.whugis20250036

摘要

2025-02-08 11时50分，中国四川省宜宾市筠连县沐爱镇金坪村发生山体滑坡灾害，造成10人死亡，19人失踪，引起国内外广泛关注。基于多源遥感影像，包括C波段哨兵一号（Sentinel-1）卫星升轨、C波段涪城一号（Fucheng-1）卫星升轨、L波段陆探一号（Lutan-1）卫星降轨影像及多时相光学卫星遥感影像，初步揭示了滑坡失稳前地貌变化与形变特征，并识别了周边区域斜坡变形区。研究结果表明，金坪村滑坡在2011-06-28—2014-08-05曾发生面积约2.4×10

m²的小规模坡体失稳事件；2024-09-27—2024-12-31期间，滑坡坡体地貌发生变化，疑似滑坡体复活；Sentinel-1、Fucheng-1和Lutan-1影像获取的地表形变时间序列均显示，金坪村滑坡在2024年10月—11月呈现加速变形特征（最大形变速率达-166 mm/a），与同期光学影像识别的地貌演化时间节点高度一致。该研究揭示当前地质灾害调查手段难以有效识别此类高隐蔽性滑坡隐患。因此，亟需构建基于合成孔径雷达干涉测量技术的常态化监测体系，针对中国地质灾害易发区实施周期性广域探测与滑坡隐患点的持续监测，为提升滑坡隐患早期识别能力与滑坡防控提供技术支撑。

Abstract

Objectives

On 8 February 2025 at 11:50 a.m. local time

a catastrophic landslide occurred in Jinpingcun

Mu'ai Town

Junlian County

Yibin City

Sichuan Province

China

resulting in 10 fatalities and 19 missing persons

attracting widespread national and international attention.

Methods

This study preliminarily reveals the pre-failure deformation mechanism and geomorphic evolution of the landslide based on multi-source remote sensing imagery

including C-band Sentinel-1 ascending

Fucheng-1 ascending

L-band Lutan-1 descending synthetic aperture radar (SAR) imagery

and multi-temporal optical remote sensing images. Additionally

actively deformation slopes in the surrounding area were detected.

Results

A small-scale slope failure event (about 2.4 × 10⁴ m²) occurred at the Jinpingcun landslide site between 28 June 2011 and 5 August 2014. Between 27 September and 31 December 2024

significant geomorphic changes were observed in the landslide body

suggesting possible reactivation. Time-series surface deformation derived from Sentinel-1 ascending

Fucheng-1 ascending and Lutan-1 descending imagery consistently shows an acceleration deformation trend in the Jinpingcun landslide from October to November 2024

with a maximum deformation rate of -166 mm/a

closely aligning with the geomorphic changes revealed by optical imagery.

Conclusions

This study highlights the limitations of current geohazard investigation methods in effectively identifying such highly concealed landslide. Therefore

it is imperative to establish a routine monitoring system based on interferometric synthetic aperture radar technology to enable periodic wide-area detection and continuous monitoring of potential landslides in geohazard-prone areas. Such a system would enhance the early detection of potential landslides and provide technological support for landslide prevention and mitigation.

关键词

Keywords

references

李振洪，张成龙，陈博，等 . 一种基于多源遥感的滑坡防灾技术框架及其工程应用［J］. 地球科学， 2022 ， 47 （ 6 ）： 1901 - 1916 .

LI Zhenhong ， ZHANG Chenglong ， CHEN Bo ， et al . A Technical Framework of Landslide Prevention Based on Multi-source Remote Sensing and Its Engineering Application ［J］. Earth Science ， 2022 ， 47 （ 6 ）： 1901 - 1916 .

许强，陆会燕，李为乐，等 . 滑坡隐患类型与对应识别方法［J］. 武汉大学学报（信息科学版）， 2022 ， 47 （ 3 ）： 377 - 387 .

XU Qiang ， LU Huiyan ， LI Weile ， et al . Types of Potential Landslide and Corresponding Identification Technologies ［J］. Geomatics and Information Science of Wuhan University ， 2022 ， 47 （ 3 ）： 377 - 387 .

葛大庆，戴可人，郭兆成，等 . 重大地质灾害隐患早期识别中综合遥感应用的思考与建议［J］. 武汉大学学报（信息科学版）， 2019 ， 44 （ 7 ）： 949 - 956 .

GE Daqing ， DAI Keren ， GUO Zhaocheng ， et al . Early Identification of Serious Geological Hazards with Integrated Remote Sensing Technologies： Thoughts and Recommendations ［J］. Geomatics and Information Science of Wuhan University ， 2019 ， 44 （ 7 ）： 949 - 956 .

张勤，白正伟，黄观文，等 . GNSS滑坡监测预警技术进展［J］. 测绘学报， 2022 ， 51 （ 10 ）： 1985 - 2000 .

ZHANG Qin ， BAI Zhengwei ， HUANG Guanwen ， et al . Review of GNSS Landslide Monitoring and Early Warning ［J］. Acta Geodaetica et Cartographica Sinica ， 2022 ， 51 （ 10 ）： 1985 - 2000 .

CASAGLI N ， INTRIERI E ， TOFANI V ， et al . Landslide Detection， Monitoring and Prediction with Remote-Sensing Techniques ［J］. Nature Reviews Earth & Environment ， 2023 ， 4 ： 51 - 64 .

许强，董秀军，李为乐 . 基于天-空-地一体化的重大地质灾害隐患早期识别与监测预警［J］. 武汉大学学报（信息科学版）， 2019 ， 44 （ 7 ）： 957 - 966 .

XU Qiang ， DONG Xiujun ， LI Weile . Integrated Space-Air-Ground Early Detection， Monitoring and Warning System for Potential Catastrophic Geohazards ［J］. Geomatics and Information Science of Wuhan University ， 2019 ， 44 （ 7 ）： 957 - 966 .

李振洪，朱武，余琛，等 . 影像大地测量学发展现状与趋势［J］. 测绘学报， 2023 ， 52 （ 11 ）： 1805 - 1834 .

LI Zhenhong ， ZHU Wu ， YU Chen ， et al . Development Status and Trends of Imaging Geodesy ［J］. Acta Geodaetica et Cartographica Sinica ， 2023 ， 52 （ 11 ）： 1805 - 1834 .

李振洪，朱武，余琛，等 . 雷达影像地表形变干涉测量的机遇、挑战与展望［J］. 测绘学报， 2022 ， 51 （ 7 ）： 1485 - 1519 .

LI Zhenhong ， ZHU Wu ， YU Chen ， et al . Interferometric Synthetic Aperture Radar for Deformation Mapping： Opportunities， Challenges and the Outlook ［J］. Acta Geodaetica et Cartographica Sinica ， 2022 ， 51 （ 7 ）： 1485 - 1519 .

CHEN B ， LI Z H ， ZHANG C L ， et al . Wide Area Detection and Distribution Characteristics of Landslides Along Sichuan Expressways ［J］. Remote Sensing ， 2022 ， 14 （ 14 ）： 3431 .

DONG J ， ZHANG L ， LI M H ， et al . Measuring Precursory Movements of the Recent Xinmo Landslide in Mao County， China with Sentinel-1 and ALOS-2 PALSAR-2 Datasets ［J］. Landslides ， 2018 ， 15 （ 1 ）： 135 - 144 .

INTRIERI E ， RASPINI F ， FUMAGALLI A ， et al . The Maoxian Landslide as Seen from Space： Detecting Precursors of Failure with Sentinel-1 Data ［J］. Landslides ， 2018 ， 15 （ 1 ）： 123 - 133 .

FAN X M ， XU Q ， ALONSO-RODRIGUEZ A ， et al . Successive Landsliding and Damming of the Jinsha River in Eastern Tibet， China： Prime Investigation， Early Warning， and Emergency Response ［J］. Landslides ， 2019 ， 16 （ 5 ）： 1003 - 1020 .

LIU X J ， ZHAO C Y ， ZHANG Q ， et al . Deformation of the Baige Landslide， Tibet， China， Revealed Through the Integration of Cross-Platform ALOS/PALSAR-1 and ALOS/PALSAR-2 SAR Observations ［J］. Geophysical Research Letters ， 2020 ， 47 （ 3 ）： e2019GL086142 .

LI B Q ， LI Y S ， NIU R Q ， et al . Early Warning of Landslides Based on Statistical Analysis of Landslide Motion Characteristics and AI Earth Cloud InSAR Processing System： A Case Study of the Zhenxiong Landslide in Yunnan Province， China ［J］. Landslides ， 2024 ， 21 （ 12 ）： 3137 - 3148 .

ZENG P ， FENG B ， DAI K R ， et al . Can Satellite InSAR Innovate the Way of Large Landslide Early Warning？［J］. Engineering Geology ， 2024 ， 342 ： 107771 .

贾娟 . 粗糙集与支持向量机耦合模型滑坡易发性评价：以筠连县为例［D］. 成都：成都理工大学， 2018 .

JIA Juan . Landslide Susceptibility Assessment Using Rough Sets and Support Vector Machine—A Case of Junlian County ［D］. Chengdu ： Chengdu University of Technology ， 2018 .

TORRES R ， SNOEIJ P ， GEUDTNER D ， et al . GMES Sentinel-1 Mission ［J］. Remote Sensing of Environment ， 2012 ， 120 ： 9 - 24 .

李永生，李强，焦其松，等 . 陆地探测一号SAR卫星星座在地震行业的应用与展望［J］. 武汉大学学报（信息科学版）， 2024 ， 49 （ 10 ）： 1741 - 1752 .

LI Yongsheng ， LI Qiang ， JIAO Qisong ， et al . Application of Lutan-1 SAR Satellite Constellation to Earthquake Industry and Its Prospect ［J］. Geomatics and Information Science of Wuhan University ， 2024 ， 49 （ 10 ）： 1741 - 1752 .

HAN Y K ， DAI K R ， DENG J ， et al . Fucheng-1， High-Resolution Chinese Interferometric SAR： First DInSAR Result for Landslides Monitoring ［J］. Measurement ， 2025 ， 247 ： 116876 .

CHEN B ， LI Z H ， SONG C ， et al . Automatic Detection of Active Geohazards with Millimeter-to-Meter-Scale Deformation and Quantitative Analysis of Factors Influencing Spatial Distribution： A Case Study in the Hexi Corridor， China ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2024 ， 131 ： 103995 .

NOTTI D ， DAVALILLO J C ， HERRERA G ， et al . Assessment of the Performance of X-Band Satellite Radar Data for Landslide Mapping and Monitoring： Upper Tena Valley Case Study ［J］. Natural Hazards and Earth System Sciences ， 2010 ， 10 （ 9 ）： 1865 - 1875 .

DU J T ， LI Z H ， SONG C ， et al . InSAR-Based Active Landslide Detection and Characterization Along the Upper Reaches of the Yellow River ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2023 ， 16 ： 3819 - 3830 .

WEGNÜLLER U ， WERNER C ， STROZZI T ， et al . Sentinel-1 Support in the GAMMA Software ［J］. Procedia Computer Science ， 2016 ， 100 ： 1305 - 1312 .

YU Y ， LI B Q ， LI Y S ， et al . Retrospective Analysis of Glacial Lake Outburst Flood （GLOF） Using AI Earth InSAR and Optical Images： A Case Study of South Lhonak Lake， Sikkim ［J］. Remote Sensing ， 2024 ， 16 （ 13 ）： 2307 .

CHEN C W ， ZEBKER H A . Network Approaches to Two-Dimensional Phase Unwrapping： Intractability and Two New Algorithms ［J］. Journal of the Optical Society of America A， Optics， Image Science， and Vision ， 2000 ， 17 （ 3 ）： 401 - 414 .

彭建兵，李振洪 . 地学大数据可否助力地质灾害预报？［J］. 地球科学， 2022 ， 47 （ 10 ）： 3900 - 3901 .

PENG Jianbing ， LI Zhenhong . Can Geo-Big Data Help Geological Disaster Prediction？［J］. Earth Science ， 2022 ， 47 （ 10 ）： 3900 - 3901 .

浏览量

164

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

考虑InSAR地表形变的滑坡易发性评价负样本选取与结果优化

基于深度学习的InSAR影像局部与非局部联合相位滤波

陆地探测一号卫星用于干涉测量精度验证与分析——以大同市为例

一种基于GNSS和机器学习的InSAR大气改正方法

滑坡隐患InSAR广域识别研究综述