Research on key technologies for early identification, monitoring and forecasting of wide-area landslides with spaceborne radar remote sensing

• Autores: Xiaojie Liu
• Directores de la Tesis: Roberto Tomás Jover (dir. tes.), Chaoying Zhao (dir. tes.)
• Lectura: En la Universitat d'Alacant / Universidad de Alicante ( España ) en 2022
• Idioma: inglés
• Número de páginas: 306
• Tribunal Calificador de la Tesis: Qin Zhang (presid.), Bin Li (secret.), Caijun Xu (voc.)
• Programa de doctorado: Programa de Doctorado en Ingeniería de Materiales, Estructuras y Terreno: Construcción Sostenible por la Universidad de Alicante
• Materias:
  • Ciencias de la tierra y del espacio
    • Geodesia
      • Levantamiento geodésico
      • Geodesia de satélites
    • Geología
      • Fotogeología
      • Teledetección (geología)
• Enlaces
  • Tesis en acceso abierto en: rua.ua.es
• Resumen
  • español

    Resumen Un “deslizamiento” se define como un movimiento en masa específico caracterizado por un desplazamiento pendiente abajo de rocas, suelos, derrubios, relleno artificial o una combinación de estos materiales, bajo la influencia de la gravedad. Es el riesgo geológico con mayor frecuencia de ocurrencia, el que causa mayores daños y con una distribución más extensa en todo el mundo. Las pérdidas (p. ej., fallecidos, daños a las infraestructuras y costes económicos) ocurren cuando las personas y sus estructuras asociadas están expuestas a movimientos de ladera. Estudios anteriores indican que los movimientos de ladera causan miles de víctimas y daños por valor de decenas de miles de millones de dólares estadounidenses cada año, y un total de 55,997 personas murieron en 4,862 movimientos de ladera distintos durante el período comprendido entre enero de 2004 y diciembre de 2016. Más importante aún, el crecimiento demográfico continuo y las sociedades en rápida expansión, junto con el cambio climático que avanza gradualmente, incrementan la presión sobre el entorno natural, y como resultado, la magnitud y la frecuencia de los movimientos de ladera han aumentado en los últimos años. China es uno de los países del mundo con mayor distribución de movimientos de ladera, debido principalmente a sus compleja actividad tectónica y entornos geológicos. Los movimientos de ladera a gran escala que han ocurrido en China en los últimos años han causado enormes pérdidas económicas y víctimas, como el movimiento de ladera de Maoxian de 2017, el movimiento de ladera de Nayong de 2017, el movimiento de ladera de Baige de 2018, el movimiento de ladera de Zhijin de 2022, etc. Además, todavía hay muchos movimiento de ladera activos en las áreas montañosas del oeste de China, que afectan gravemente la seguridad geológica de los pueblos de montaña y la planificación y construcción de proyectos nacionales clave (p. ej., la línea de ferrocarril Sichuan-Tíbet, y el desarrollo de proyectos hidroeléctricos en el río Jinsha y los tramos inferiores del río Yarlung Zangbo). En consecuencia, para lograr el objetivo de la prevención y la gestión científica de los riesgos asociados a los movimientos de ladera, es urgente estudiar tres cuestiones científicas clave, a saber, "¿dónde ocurren los movimientos de ladera?", "¿cómo se desarrolla la deformación de un movimientos de ladera?" y "¿cuándo es probable que se produzca la rotura de un movimientos de ladera? ”. La teledetección por radar se compone de técnicas InSAR y SAR offset-tracking, cuyas características principales son su alta precisión de medición, su gran cobertura espacial y su posibilidad de trabajo durante todo el día y en todas las condiciones meteorológicas, por lo que presentan ventajas únicas para responder a los tres problemas científicos mencionados anteriormente. Como resultado, la teledetección por radar ha sido ampliamente utilizada en las investigaciones de movimientos de ladera por parte de investigadores de todo el mundo para diversos fines, incluida la detección y el seguimiento de movimientos de ladera activos en áreas amplias, la clasificación de procesos/estilos de movimientos de ladera, la captura de señales precursoras de ruptura de laderas, para inferir la geometría del subsuelo, para modelar comportamientos cinemáticos y para evaluar el peligro y el riesgo. En particular, los científicos han logrado resultados de investigación sobresalientes en términos de identificación temprana, monitoreo de deformación y predicción de movimientos de ladera utilizando sensores remotos de radar (i.e., InSAR y offset-tracking). Sin embargo, los movimientos de ladera generalmente se localizan en áreas con condiciones geomorfológicas y ambientales complejas en su más amplio espectro (p. ej., gran altitud, gran ocultación y ocurrencia súbita), lo que hace que la detección remota por radar aún tenga que afrontar varios enigmas científicos y cuellos de botella técnicos en el ámbito de la alerta temprana, el monitoreo de la deformación y la predicción de movimientos de ladera. En primer lugar, la mayor parte de la investigación relacionada con la alerta temprana por movimientos de ladera con InSAR y los métodos SAR offset-tracking se ha realizado principalmente en regiones localizadas que presentan condiciones de observación favorables. Sin embargo, las estadísticas del Servicio Geológico de China muestran que el 80% de los movimientos de ladera en China han ocurrido en áreas rurales remotas durante los últimos años, y que se desconocían antes de que se produjera el fallo de las laderas. Esto lleva a que surjan nuevos desafíos para la prevención y gestión de movimientos de ladera con sensores remotos radar. Por lo tanto, resulta imprescindible estudiar las técnicas clave para el procesamiento SAR e InSAR automático y de alta precisión, así como la identificación temprana de movimientos de ladera en regiones con superficies de millones de kilómetros cuadrados. La combinación y selección óptima de pares de imágenes (i.e., pares interferométricos y pares offset) es un paso crítico en el procesamiento SAR/InSAR automático y de alta precisión. Las estrategias de combinación de pares interferométricos más ampliamente utilizadas en el procesamiento InSAR se pueden dividir en dos categorías: estrategia de subconjunto de líneas base pequeñas (SBAS) y estrategia de combinación completa. Para minimizar la pérdida de coherencia causada por la decorrelación de la línea de base temporal y espacial, la estrategia SBAS tiene como objetivo recuperar la deformación de la superficie del terreno a partir de una selección de pares interferométricos que poseen líneas de base espaciales y temporales pequeñas. Cabe indicar que la precisión de la medición InSAR de dicha selección puede verse degradada por las fluctuaciones estacionales de la coherencia (p. ej., lluvia, nieve, etc.). La combinación completa de pares interferométricos es una tarea computacionalmente pesada que requiere mucho tiempo. En particular, muchos pares interferométricos con baja coherencia obtenidos cuando aumentan las líneas de base espaciales y temporales son inútiles; por tanto, seleccionar un mayor número de pares interferométricos no siempre proporciona mejores resultados de deformación. De manera similar, los investigadores del procesamiento SAR offset-tracking también han propuesto dos estrategias diferentes para la generación y selección de pares offset. Primero, los pares offset se crean utilizando la estrategia SBAS. Aunque los pares con líneas de base espacio-temporales pequeñas pueden mantener una correlación más alta, esto puede conducir a una acumulación de errores en la serie temporal de desplazamiento, particularmente en movimientos de ladera lentos donde existe un desplazamiento insuficiente. La segunda opción es combinar pares offset utilizando la estrategia de una línea base espacial pequeña y una línea base temporal grande. Sin embargo, dicha estrategia tiene una aplicación muy limitada en imágenes SAR adquiridas por satélites inactivos (p. ej., ALOS/PALSAR-1). Por lo tanto, es de suma importancia seleccionar la lista óptima de pares interferométricos y offset en el procesamiento SAR e InSAR. En consecuencia, el reto que se plantea es (a) minimizar el número total de pares de imágenes a calcular con el fin de maximizar la eficiencia del procesamiento, y (b) mantener solo los pares de imágenes de mejor calidad para mejorar la precisión de la medición de la deformación. En segundo lugar, en la investigación de movimientos de ladera con gradientes de deformación múltiples en áreas con condiciones geomorfológicas y ambientales complejas (p. ej., cubiertas de vegetación densa, hielo o nieve, y terrenos escarpados), las mediciones de nSAR se ven inevitablemente afectadas por el ruido causado por la decorrelación, el error de DEM, el retardo atmosférico, y el error de desenrollado de fase. De forma similar, las mediciones SAR offset-tracking se ven afectadas por el relieve topográfico, la cobertura terrestre, la magnitud de la deformación y el error de procesamiento de datos. Estos factores contribuyen conjuntamente a la reducción de la precisión de la medición de la deformación de las técnicas de teledetección por radar, lo que provoca una alta probabilidad de omisiones y equivocaciones en la detección de movimientos de ladera. El retraso atmosférico normalmente se descompone en dos componentes separados, es decir, retrasos estratificados y turbulentos. Investigaciones pioneras han dedicado grandes esfuerzos para corregir estos dos componentes de retraso atmosférico utilizando diferentes estrategias, que pueden dividirse en tres categorías: a) las basadas en modelos meteorológicos; b) las basadas en conjuntos de datos externos; y c) las basadas en relaciones empíricas. Sin embargo, estos enfoques son sensibles a los intervalos de tiempo entre las adquisiciones de SAR y los modelos/conjuntos de datos externos, lo que genera incertidumbres en los resultados corregidos. Además, la escasa resolución espacial de los conjuntos de datos externos a menudo implica la necesidad de interpolación para su aplicación al mapeo de deformaciones de movimientos de ladera de pequeña envergadura, lo que introduce incertidumbres en los interferogramas corregidos. Los enfoques empíricos se pueden clasificar en dos grupos. El primer grupo emplea el filtrado espacio-temporal de las series temporales de la fase considerando que los retrasos troposféricos están correlacionados en el dominio del espacio, pero no correlacionados en el dominio del tiempo. Este enfoque sería poco realista en circunstancias complejas y puede dar lugar a la eliminación de las señales de desplazamiento de los deslizamientos. El segundo grupo abarca las relaciones empíricas (i.e., lineales y potenciales) existentes entre los retrasos atmosféricos estratificados y la elevación. Sin embargo, este método es propenso a corregir en exceso o en defecto los retrasos de fase cuando se ignora la variabilidad espacial de las propiedades atmosféricas. Por lo tanto, es esencial explorar otros enfoques de corrección más robustos para la evaluación de los retrasos atmosféricos en la estimación de las deformaciones de los movimientos de ladera. El relieve topográfico escarpado de alta montaña puede dar lugar a errores de alineación de píxeles entre las imágenes SAR primaria y secundaria, lo que genera graves errores sistemáticos de offset en las direcciones de azimut y slant-range en los cálculos SAR offset-tracking. Por lo tanto, es muy importante eliminar los errores offset topográficos para llevar a cabo una estimación precisa de los desplazamientos de los movimientos de ladera. La mayoría de los estudios existentes limitan tales errores estableciendo umbrales de las líneas base espacio-temporales (i.e., línea base temporal larga y línea base espacial corta o líneas de base espaciotemporales cortas). En consecuencia, el número de pares offset está a menudo limitado por las imágenes SAR obtenidas por satélites inactivos como ALOS/PALSAR-1. En comparación, los pares offset estacionales o anuales tienen un valor significativo para modelar con precisión los patrones de desplazamiento de movimientos de ladera. Además, en los métodos de offset-tracking normalmente se utiliza un tamaño de ventana uniforme para calcular el coeficiente de correlación cruzada normalizado entre pares de imágenes. Los valores de offset estimados pueden estar sesgados e incluso variar aleatoriamente cuando las muestras en un par de imágenes no son homogéneas. Por lo tanto, la selección adaptativa del tamaño de la ventana es de gran importancia para mejorar la precisión de la estimación de la deformación de movimientos de ladera utilizando el método SAR offset-tracking. En tercer lugar, los métodos InSAR convencionales solo pueden medir la deformación unidimensional de los movimientos de ladera en la dirección de la línea de vista (LOS) del satélite, mientras que los métodos de SAR offset-tracking convencionales solo pueden obtener la deformación bidimensionales de los movimientos de ladera en las direcciones de acimut y de slant-range. En consecuencia, invertir directamente los desplazamientos tridimensionales (3D) de las laderas a partir de los métodos de SAR offset-tracking convencionales e InSAR constituye un importante desafío. Por lo tanto, existen varias cuestiones sin resolver para la investigación detallada de movimientos de ladera por las siguientes razones: (1) es imposible mapear la componente del movimiento de ladera ortogonal a la dirección LOS, lo que provoca la omisión de esa dirección en la detección de movimientos de ladera; (2) resulta difícil analizar la dinámica y los mecanismos de desplazamiento de deslizamientos en situaciones complejas; (3) el mapeo de los límites de las inestabilidades, y la inversión de su profundidad y volumen resultan inexactos. Por el contrario, los campos de deformación 3D pueden proporcionar información adicional para comprender el tipo de inestabilidad, el modo de rotura y la geometría del plano de rotura de los movimientos de ladera activos. Considerando a geometría de las imágenes SAR, es posible invertir la deformación de los movimientos de ladera en 3D utilizando imágenes SAR de tres o más observaciones con diferentes geometrías. Sin embargo, las observaciones SAR satelitales de múltiples órbitas no suelen estar disponibles en la mayoría de zonas de la Tierra. Otra solución alternativa para determinar la deformación de movimientos de ladera en 3D es agregar una restricción al movimiento de la ladera paralelo a la superficie para reducir los grados de libertad, cuando solo hay conjuntos de datos SAR de dos órbitas disponibles para InSAR y un conjunto de datos SAR de una sola órbita para la técnica SAR offset-tracking. En particular, las deformaciones 3D estimadas por medio de este enfoque pueden estar sesgadas en el caso de errores existentes en el modelo digital de elevación externo (DEM). Por lo tanto, para abordar el sesgo causado por el uso de DEM inexactos, se debe explorar un método de estimación robusto para la deformación 3D de movimientos de ladera. Además, existen pocos estudios sobre la estimación del desplazamiento 3D de movimientos de ladera lentos utilizando el método InSAR, particularmente para la estimación del desplazamiento de series temporales 3D. En cuarto lugar, los movimientos de ladera generalmente experimentan tres etapas desde el inicio hasta el fallo, que incluyen la fluencia primaria, la fluencia en estado estacionario y la fluencia acelerada, y el proceso completo puede durar desde meses hasta varias décadas. Por lo tanto, resulta de gran importancia recuperar la deformación de la serie temporal a largo plazo durante años para investigar la evolución cinemática y el comportamiento de fluencia de los movimientos de ladera. Para lograr este objetivo, deben emplearse mediciones SAR offset-tracking obtenidas a partir de imágenes SAR multiplataforma. Por tanto, la pregunta es: ¿es posible realizar el cálculo de desplazamientos mediante SAR offset-tracking entre imágenes SAR de plataformas cruzadas, tales como ALOS/PALSAR-1 y ALOS/PALSAR-2? Hasta el momento, no hay literatura relacionada para responder a esta pregunta. Además, aparecerán inevitablemente valores atípicos causados por las bajas correlaciones en los valores de offset estimados a partir de los pares de imágenes con líneas de base temporales y espaciales más grandes. El criterio de mínimos cuadrados se usa generalmente en la mayoría de los métodos SAR offset-tracking de series temporales para estimar las tasas de deformación 2D y las series temporales, que son habitualmente afectados por valores atípicos. En consecuencia, es necesario desarrollar un método robusto de SAR offset-tracking para el X cálculo de series temporales que tenga la capacidad de resistir valores atípicos en las observaciones y estimar los desplazamientos de las series temporales 2D a largo plazo con alta precisión. En quinto lugar, actualmente, la predicción de la deformación de los movimientos de ladera se basa principalmente en observaciones in situ, como estaciones topográficas, extensómetros y prismas, y radar de apertura sintética terrestre. No obstante, muchos fallos de las laderas siguen sorprendiendo debido a la incapacidad de detectar efectivamente la fluencia terciaria precursora. Esto a menudo se debe a: un número limitado de puntos de medición; un campo de visión inadecuado del instrumento; un desconocimiento sobre la presencia de fenómenos de inestabilidad activos; la falta de datos auxiliares que respalden la instalación de una red de monitoreo; el difícil acceso a la inestabilidad; y limitaciones económicas o logísticas en general. Tales limitaciones pueden resolverse en gran medida mediante la explotación de plataformas espaciales como la teledetección por radar. Sin embargo, es extremadamente raro que la investigación sobre la predicción y la alerta temprana de la deformación por movimiento de ladera se lleve a cabo mediante sensores remotos de radar debido a la limitada accesibilidad a los datos, la escasa capacidad de revisita de los satélites SAR y las limitaciones en las técnicas de procesamiento SAR. En relación al período de revisión de los satélites SAR, este puede reducirse a un día en caso de integrar imágenes SAR de múltiples fuentes; Además, los algoritmos más modernos para el procesamiento de imágenes SAR hacen posible generar la serie temporal de las deformaciones del movimiento de ladera casi en tiempo real. Estos avances en la adquisición y procesamiento de imágenes SAR han abierto ahora la posibilidad de extender la aplicación de la teledetección por radar también al campo de la predicción y alerta temprana de la deformación de movimientos de ladera. Por lo tanto, el tema de la predicción de la deformación de inestabilidades con sensores remotos de radar debe investigarse más a fondo. Para abordar los problemas clave y los cuellos de botella técnicos mencionados anteriormente, en esta tesis se lleva a cabo una investigación sobre el desarrollo y aplicación de nuevas tecnologías para la identificación temprana, el monitoreo y la predicción de movimientos de ladera en áreas amplias con sensores remotos de radar. Los principales contenidos y trabajos innovadores desarrollados en este estudio se resumen a continuación: XI (1) Estudio y mejora de tres tecnologías clave en el procesamiento InSAR de alta precisión en amplias regiones, y obtención del mapa de deformación superficial InSAR de la meseta Qinghai-Tíbet y la meseta de Loes (3,140,000 km2), con una resolución espacial de 20 m. En primer lugar, con el fin de mejorar la eficiencia de procesamiento masivo de imágenes SAR y suprimir la transmisión de señales de error de baja frecuencia, esta tesis propone un esquema de procesamiento InSAR rápido basado en bloques, que incluye tres módulos clave: a) partición de imágenes SAR, b) procesado InSAR basado en bloques (i.e., generación de interferogramas, filtrado y desenrollado de fase) y c) creación de mosaicos de resultados de deformación (i.e., tasa de deformación y series temporales). Los resultados de la investigación han demostrado que el esquema de procesamiento InSAR basado en bloques propuesto puede mejorar en gran medida la eficiencia del procesado masivo de imágenes SAR. En términos cuantitativos, en comparación con el procesamiento InSAR tradicional de imágenes completas, la eficiencia del procesamiento de datos del enfoque propuesto mejora en una media del 78 %; especialmente en las operaciones de filtrado de interferogramas y desenrollado de fases, los porcentajes de mejora de la eficiencia alcanzan el 56 y el 86 %, respectivamente. En esta tesis se ha obtenido el mapa de deformación superficial InSAR de la meseta Qinghai-Tíbet y la meseta de Loes que abarca desde marzo de 2017 hasta octubre de 2020 con un área de 3,14 millones de kilómetros cuadrados y una resolución espacial de 20 m, utilizando el enfoque de procesamiento InSAR basado en bloques propuesto. Los resultados muestran que la tasa de deformación máxima de la Meseta Qinghai-Tíbet y la Meseta de Loes es superior a 10 cm/año. Las áreas de deformación activa son causadas por diferentes tipos de riesgos geológicos (i.e., movimientos de ladera, movimientos de glaciares, movimientos tectónicos y subsidencia del terreno) y actividades de ingeniería humana (i.e., actividades mineras, movimientos de tierra y construcción de ciudades). En segundo lugar, en vista de la baja eficiencia del método manual convencional de selección de interferogramas, esta tesis propone un método de selección automático/semiautomático de interferogramas basado en la teoría de grafos mediante el uso conjunto de la coherencia previa, la coherencia real y la desviación estándar del interferograma. El nuevo enfoque se compone de cinco módulos secuenciales: generación de parámetros de línea de base temporal y espacial de pares interferométricos, cálculo del XII indicador de coherencia previa, selección de pares interferométricos usando teoría de grafos basada en los indicadores de coherencia media, selección de pares interferométricos basados en un indicador de coherencia real, y selección de pares interferométricos basados en el indicador de desviación estándar de la fase. Los resultados de la investigación del condado de Gongjue, río Jinsha (China), han demostrado que los resultados de deformación estimados a través del nuevo enfoque son consistentes con los estimados por el método de selección de interferograma manual convencional, pero el coste de tiempo de la selección de interferogramas se puede reducir considerablemente. En tercer lugar, los interferogramas InSAR están gravemente contaminados por retrasos atmosféricos en áreas con condiciones ambientales y geomorfológicas complejas. Los productos atmosféricos externos como GACOS no pueden funcionar bien para el monitoreo de la deformación de movimientos de ladera de pequeña escala debido a su escasa resolución espacio-temporal; además, el modelo de corrección convencional basado en fases no considera la variabilidad espacial y estacional de las propiedades troposféricas. Para abordar estos problemas, se propone un enfoque basado en bloques para la corrección atmosférica InSAR, que incluye la corrección del retardo estratificado verticalmente basada en bloques y la corrección del retardo turbulento basada en bloques. Los resultados de la investigación derivados de las imágenes Sentinel-1 ascendentes y descendentes de banda C en el condado de Deqin, provincia de Yunnan (China), confirman que el enfoque propuesto puede corregir de manera eficiente el retardo atmosférico estratificado verticalmente en todos los interferogramas. En comparación con GACOS y las correcciones del modelo convencional basado en fases, los interferogramas corregidos por el enfoque propuesto proporcionan la desviación estándar (STD) más pequeña, y permite suprimir en gran medida el patrón estacional de la STD. Cuantitativamente hablando, la STD de los interferogramas originales se redujo en un 34 % de promedio para la trayectoria ascendente y en un 35 % de promedio para la trayectoria descendente después de la corrección atmosférica con el método propuesto. Además, el método propuesto mejora la precisión interna de la tasa de desplazamiento ascendente y descendente en aproximadamente un 27 % y un 35 % con respecto al modelo convencional basado en fases y los productos GACOS, respectivamente. Los resultados de la investigación derivados de las imágenes PAZ de banda X en la ciudad de Alcoy, España, mostraron que el enfoque propuesto en general XIII funcionó mejor que los productos GACOS y los modelos convencionales basados en fases en la corrección de retrasos turbulentos. Después de las correcciones de retraso turbulento con el enfoque propuesto, la STD mínima, máxima y media de los interferogramas se reducen a 0,94, 2,95 y 1,85 rad, respectivamente. La máxima disminución de la STD de los interferogramas alcanzó el 68,4 %, con un valor de 37,7 % de media. Estos resultados sugieren que el enfoque propuesto es eficaz para corregir individualmente los retrasos turbulentos de cada interferograma, y que el rendimiento es un 19,6 % mejor en promedio que para los productos GACOS y las correcciones del modelo basado en fase convencional. Con respecto a los desplazamientos estimados, los movimientos de la serie temporal LOS derivados del enfoque propuesto proporcionan la desviación estándar global (GSTD) más pequeña en comparación con los derivados de GACOS y las correcciones convencionales del modelo basado en fases. La GSTD máxima derivada de los productos GACOS, el modelo basado en fases y el enfoque propuesto fueron 9, 9 y 6 mm, respectivamente. Con respecto a los productos GACOS y las correcciones del modelo basado en fases, el enfoque propuesto redujo la GSTD del desplazamiento de la serie temporal LOS con un valor máximo de 57,6 % y un valor promedio de 34,2 %. (2) Estudio y mejora de cuatro tecnologías clave de la metodología SAR offset-tracking de alta precisión en regiones amplias, y su aplicación para detectar y monitorear movimientos de ladera complejos en regiones montañosas de la meseta Qinghai-Tíbet. En primer lugar, esta tesis propone un esquema de procesamiento mediante la metodología SAR offset-tracking basado en bloques, que incluye la partición de imágenes SAR, el cálculo de los desplazamientos mediante la técnica SAR offset-tracking basado en bloques, la creación de mosaicos con los resultados de la deformación, etc. Los mapas de deformación del terreno del Gran Cañón de Yarlung Zangbo, meseta Qinghai-Tíbet, se obtuvieron utilizando el enfoque de seguimiento de compensación SAR basado en bloques propuesto. En segundo lugar, con el fin de resolver los errores sistemáticos de offset en las direcciones de acimut y slant-range de los procesados realizados mediante la metodología SAR offset tracking que el relieve topográfico puede producir en zonas de alta montaña, se ha propuesto un nuevo enfoque para la ortorrectificación de imágenes SAR basado en el uso de un DEM externo. Los resultados de la investigación en los movimientos de ladera de Baige y de Laojingbian del río Jinsha han demostraron que el enfoque propuesto puede corregir de manera efectiva los errores de alineación de píxeles entre las imágenes SAR primarias y secundarias resultantes causados por el relieve topográfico, logrando así el registro conjunto de alta precisión de las imágenes SAR con líneas de base espacio-temporales más grandes de plataformas SAR idénticas y plataformas SAR cruzadas. Las precisiones de registro en las direcciones de azimut y slant-range son mejores que 1/10 píxel, incluso cuando la línea de base espacial es superior a 100 km. Por otro lado, la metodología propuesta puede mejorar la correlación cruzada de los pares offset y la precisión de la estimación de la deformación de los movimientos de ladera. Para pares offset de línea de base espaciotemporal más grandes de una plataforma SAR idéntica (e.g., ALOS/PALSAR-1 y ALOS/PALSAR-1) el enfoque propuesto reduce la incertidumbre de medición de los pares offset en más del 70 % de media. Para pares de desplazamiento de plataformas SAR cruzadas (e.g., ALOS/PALSAR-1 y ALOS/PALSAR-2), el enfoque propuesto elimina efectivamente los errores en las deformaciones estimadas de azimut y slant-range causados por el relieve topográfico y la diferencia del ángulo de incidencia, asegurando así la medición precisa de deformaciones de movimientos de ladera en 2D utilizando imágenes ALOS/PALSAR-1 y ALOS/PALSAR-2. Por el contrario, el método tradicional no logra determinar los desplazamientos del movimiento de ladera usando las imágenes de plataforma cruzada ALOS/PALSAR-1 y ALOS/PALSAR-2. En tercer lugar, con el objeto de resolver el problema relacionado con la dependencia de la precisión de la medición de la técnica SAR offset-tracking del tamaño de las ventanas de referencia y la búsqueda en entornos de observación complejos, esta tesis propone un nuevo método de cálculo de correlación cruzada utilizando ventanas que varían de forma adaptativa. Para un píxel i genérico dado, se estima un conjunto de subpíxeles offset cambiando el factor de sobremuestreo (e.g., de 2 a 8) y el tamaño de los parches de imagen (e.g., de 8 × 8 a 256 × 256). Luego, cada elemento en el conjunto de valores de offset estimados se organiza de acuerdo con la magnitud de los valores de offset, y el valor medio se selecciona como el valor de offset final para el píxel i dado, restringiendo así de manera efectiva los valores atípicos. Los resultados de la investigación del movimiento de ladera de Laojingbian en el río Jinsha mostraron que el nuevo método no solo puede garantizar una alta resolución espacial del campo de deformación estimado, sino también mejorar la precisión de XV la estimación mediante la técnica SAR offset-tracking. En términos cuantitativos, bajo la condición de una precisión de medición idéntica, el enfoque propuesto puede mejorar la resolución espacial de la deformación estimada en aproximadamente un 6 %; y bajo la condición de resolución espacial idéntica de la deformación estimada, el porcentaje máximo de reducción en la incertidumbre de medición del enfoque propuesto es de aproximadamente el 40 %. En cuarto lugar, por primera vez, se propone un algoritmo innovador para la inversión de la deformación superficial del terreno de series temporales bidimensionales (2D) obtenidas utilizando la técnica SAR offset-tracking y observaciones multiplataforma, basado en la descomposición en valores singulares y una estimación robusta. Para lograr tal objetivo, la tesis desarrolla un método de combinación y selección optimizada de pares offset. En primer lugar, se crean todos los pares offset posibles simplemente considerando la línea de base temporal, independientemente de la línea de base espacial, formando así observaciones altamente redundantes. Luego, los pares offset con mayor incertidumbre de medición (MSE) se descartan y aquellos con menor MSE se conservan para su posterior procesado. Por último, la configuración de los pares offset seleccionados se optimiza aún más utilizando los números de redundancia (i.e., números r) de las observaciones, basándose en la teoría de optimización de la inversión geodésica. El enfoque propuesto se utiliza para determinar la deformación previa al evento del movimiento de ladera de Baige, que ocurrió sucesivamente el 11 de octubre y el 3 de noviembre de 2018 en el río Jinsha (China), usando imágenes de las plataformas cruzadas ALOS/PALSAR-1 y ALOS/PALSAR-2. Los resultados de la investigación indican que la deformación máxima acumulada en la dirección de slant-range del movimiento de ladera de Baige alcanzó unos -60 m entre enero de 2007 y agosto de 2018, y el movimiento de ladera entró en la etapa de deformación acelerada el 27 de julio de 2015. Además, la correlación entre las series temporales la deformación y la precipitación mensual y la humedad del suelo sugieren que el fallo del movimiento de ladera de Baige estuvo estrechamente relacionado con las fuertes lluvias del verano de 2018. (3) Realización de un estudio sobre la identificación temprana de grandes movimientos de ladera bajo diversas condiciones geomorfológicas y ambientales en el oeste de China. En primer lugar, se han estudiado las características de distribución de los movimientos de ladera activos en la meseta Qinghai-Tíbet y la meseta de Loes a partir de los mapas de desplazamiento derivados de la InSAR, identificando cinco regiones con densas distribuciones de movimientos de ladera, i.e., el área concentrada desde el desfiladero de Sigou hasta el desfiladero de Lagan en el Río Amarillo Superior; el área concentrada del río Dadu; el área de fusión del río Jinsha, el río Lancang y el río Nujiang; el área de la sintaxis tectónica del Himalaya oriental; y el área de la frontera China-India-Nepal. En segundo lugar, se ha definido un método para la identificación temprana de movimientos de ladera en regiones alpinas y de zonas de gargantas mediante acoplando las capacidad de medida de la deformación de la superficie proporcionada por la InSAR con las características geomorfológicas obtenidas a partir de las imágenes ópticas. Este método se ha empleado para detectar y cartografiar movimientos de ladera activos a lo largo de todo el corredor del río Jinsha (i.e. en una longitud superior a 2,300 km), a partir de imágenes SAR ALOS/PALSAR-2 y Sentinel-1. En total se han identificado y cartografiado más de 900 movimientos de ladera activos en todo el corredor del río Jinsha por primera vez; en particular, se han identificado varios movimientos de ladera de gran dimensión con una longitud y/o anchura de más de 1 km. Además, los resultados muestran que los movimientos de ladera del corredor del río Jinsha se ubican principalmente en tres áreas altamente propensas a terremotos y en laderas de embalses, y que los movimientos de ladera se distribuyen principalmente en elevaciones de 1,500–2,000 m s.n.m. y tienen ángulos de inclinación de 15-25°. Los desplazamientos de la serie temporal indican que las fuertes lluvias de verano y la rápida disminución del nivel del agua en el río Jinsha podrían ser dos factores significativos que aceleran la deformación de los movimientos de ladera activos y reactivan las laderas inestables. En tercer lugar, se ha desarrollado un método semiautomático de identificación temprana y clasificación de movimientos de ladera basado en la deformación superficial derivada de la InSAR y en los mapas de índice C derivados del DEM, y se ha usado para mapear movimientos de ladera de alta montaña en el condado de Deqin, provincia de Yunnan, China. Las series temporales InSAR de las imágenes Sentinel-1 ascendentes y descendentes han revelado, por primera vez, que había un total de 317 movimientos de ladera activos en el condado de Deqin, entre mayo de 2017 y junio de 2021, entre los cuales siete movimientos de grandes dimensiones exhibían un alto riesgo de destrucción de edificios residenciales e infraestructuras, así como de bloquear el río Lancang. Los movimientos de ladera detectados mediante InSAR han sido XVII cotejados y evaluados utilizando el mapa de inventario obtenido de la interpretación visual de imágenes ópticas y estudios geológicos de campo. Además, se han identificado deformaciones estacionales con ciclo anual en algunos de los taludes activos detectados. El análisis cross-wavelet sugiere que estas deformaciones estacionales de la ladera están fuertemente controladas por la precipitación. En cuarto lugar, se ha seleccionado el Gran Cañón Yarlung Zangbo como área de estudio para llevar a cabo la investigación sobre la identificación temprana de movimientos de ladera en regiones de alta montaña. Un total de 30 de movimientos de ladera activos y 115 movimientos de glaciares y avalancha de glaciares has sido detectados y cartografiados en el área de estudio. En particular, se han detectado por primera vez varios deslizamientos de gran magnitud con un alto riesgo de taponamiento del río. (4) Estudio de métodos para el monitoreo de deformaciones mediante series temporales 3D de movimientos de ladera con múltiples gradientes de deformación basados en mediciones InSAR y SAR offset-tracking. En primer lugar, para responder a la pregunta sobre las limitaciones relacionadas con la deformación LOS unidimensional derivada de la InSAR en la investigación de movimientos de ladera a escala de detalle, se ha seleccionado el deslizamiento de Shadong. Este movimiento de ladera, ubicado en el río Jinsha, ha permitido llevar a cabo el monitoreo 3D de los desplazamientos de este movimientos de ladera lento utilizando mediciones InSAR. El método de estimación de los desplazamientos 3D asume que la masa de suelo se mueve paralelamente a la superficie del terreno, permitiendo así estimar tasas de deformación 3D y series temporales de movimientos de ladera a partir de conjuntos de datos SAR adquiridos en dos geometrías de imágenes diferentes, como imágenes Sentinel-1 ascendentes y descendentes. Las características de deformación, el modo de fallo y la dirección de deslizamiento del movimiento de ladera de Shadong en los últimos 12 años se han determinado a partir de cuatro conjuntos de imágenes SAR adquiridas de los satélites ALOS/PALSAR-1 ascendente, Envisat descendente y Sentinel-1 ascendente y descendente, aplicando el método anteriormente propuesto. Los resultados derivados de las imágenes ascendentes y descendentes de Sentinel-1 mostraron que las tasas máximas de deformación en las direcciones norte-sur, este-oeste y vertical del movimiento de ladera de Shadong entre diciembre de 2016 y octubre de 2018 fueron de más de 80, 76 y -67 mm/año, respectivamente, y las deformaciones máximas acumuladas en las direcciones norte-sur, este-oeste y vertical fueron de aproximadamente 157, 116 y -98 mm, respectivamente. El resultado obtenido a partir de las imágenes ALOS/PALSAR-1 y Sentinel-1 sugiere que la deformación acumulada en la dirección de deslizamiento del movimiento de ladera de Shadong superó los 1,3 m desde enero de 2007 hasta octubre de 2018. El movimiento de ladera se está desplazando en general a lo largo de toda la superficie de rotura y su cinemática está controlada por el comportamiento mecánico de los geomateriales y el efecto de los factores desencadenantes externos (p. ej., las fluctuaciones del nivel del agua en el río Jinsha). La dirección de deslizamiento derivada de las deformaciones 3D calculadas reveló que el movimiento de ladera de Shadong se caracteriza por su deformación en bloque. Por lo tanto, el movimiento de ladera se dividió en cinco bloques diferentes, es decir, los Bloques 1-5; entre los cuales los Bloques B1, B2 y B4 se están moviendo hacia el noreste, y los Bloques B3 y B5 se están moviendo hacia el este. En segundo lugar, teniendo en cuenta los errores, tanto de la matriz de coeficientes como de las observaciones empleadas en la inversión de las deformaciones 3D, se ha propuesto un nuevo método de estimación de la deformación de las series temporales 3D basado en la técnica SAR offset-tracking multiplataforma. Este método se basa en los mínimos cuadrados totales (TLS), que resuelve los problemas de ajustes convencionales basados en el modelo de Gauss-Markov (GM). El método propuesto es capaz de estimar las series temporales de deformación 3D a largo plazo de movimientos de ladera rápidos con alta precisión. La deformación 3D de casi 13 años y su evolución espacio-temporal del movimiento de ladera de Laojingbian, río Jinsha, han sido determinados utilizando el método propuesto. Los resultados de la investigación mostraron que el movimiento de ladera de Laojingbian se desarrolla en una ladera orientada al este, que consta de dos bloques activos, y que los desplazamientos se deben principalmente al efecto de la gravedad, aunque el movimiento se aceleró significativamente el 25 de septiembre de 2015 debido al terremoto de Ludian Mw 6.5. Las tasas máximas de deformación en las direcciones norte-sur, este-oeste y vertical del deslizamiento entre agosto de 2007 y mayo de 2022 fueron de -0,6, -2,8 y -0,8 m/año, respectivamente; y las deformaciones máximas acumuladas en las direcciones norte-sur, este-oeste y vertical entre agosto de 2007 y mayo de 2022 alcanzaron los -7,3, -26,4 y -9,1 m, respectivamente. (5) Desarrollo de un método para la predicción de la deformación de movimientos de ladera basado en observaciones InSAR y SAR offset-tracking, que promueva la aplicación de sensores remotos de radar en la alerta temprana de movimientos de ladera. En primer lugar, a partir de la red neuronal de memoria larga-corto plazo (LSTM), el algoritmo de procesamiento dinámico secuencial InSAR, el modelo matemático de detección de puntos de cambio y un modelo de alerta temprana de deslizamientos, esta tesis propone un método para la predicción de la deformación de deslizamientos basado en las observaciones InSAR. El método propuesto se compone de cinco módulos secuenciales, que incluyen 1) la generación de la deformación inicial del deslizamiento utilizando imágenes SAR, 2) el aprendizaje de las características de deformación del deslizamiento y la predicción de la deformación empleando un método de aprendizaje profundo, 3) el procesamiento de imágenes SAR recién adquiridas en tiempo cuasi-real y la actualización de la deformación del deslizamiento utilizando un algoritmo de procesamiento dinámico secuencial InSAR, 4) el nuevo aprendizaje de la función actualizada de deformación y la nueva predicción de deformación empleando el método de aprendizaje profundo, y 5) la captura de la señal anormal de deformación por aceleración del deslizamiento, la identificación de la etapa de evolución de la deformación y la predicción del desplazamiento del deslizamientos. La precisión y fiabilidad del método propuesto han sido validados en primer lugar mediante un experimento simulado en cuatro modos de deformación diferentes, i.e., deformación lineal, deformación periódica, deformación de etapa primaria y deformación de etapa acelerada. Los resultados del experimento muestran que el enfoque de aprendizaje profundo propuesto tiene una alta precisión y fiabilidad en la predicción de la deformación de movimientos de ladera basada en las observaciones de InSAR, y que puede usarse para predecir la deformación causada por deslizamientos reales. Por lo tanto, el resultado del enfoque propuesto ha sido validado también en el movimiento de ladera de Shadong en el río Jinsha. Los resultados obtenidos demostraron que el enfoque propuesto tiene capacidad para capturar la señal de aceleración de la deformación de los movimientos de ladera, y que el error relativo de la deformación predicha cumple con el requisito de monitoreo de movimientos de ladera, dentro de un cierto intervalo de tiempo (i.e., 108 días). En cada píxel del movimiento de ladera de XX Shadong la aceleración de la deformación se produjo en diferentes momentos como resultado de la descarga de la inundación del lago de barrera formado por el movimiento de ladera de Baige de 2018. La primera aceleración de la deformación del movimiento de ladera ocurrió el 15 de octubre de 2018; y la última aceleración ocurrió el 22 de septiembre de 2022. Los resultados de la predicción mostraron que la deformación acumulada del movimiento de ladera de Baige era mayor a 1,0 m el 3 de enero de 2022. En segundo lugar, para resolver la baja capacidad de predicción del método de aprendizaje profundo de deformaciones de movimientos acelerados, esta tesis propone un método para la predicción de la deformación de deslizamientos a partir de datos SAR offset-tracking, que se basa en el empleo de modelos físicos de las rocas. El método también se compone de cinco módulos secuenciales, que incluyen 1) el monitoreo de la deformación de los movimientos de ladera utilizando imágenes SAR procesadas mediante la técnica SAR offset-tracking; 2) la identificación automática de la etapa de evolución de la deformación del deslizamiento; 3) la selección adaptativa de modelos físicos de la roca; 4) la inversión de los parámetros de ajuste de los modelos físicos y el establecimiento del modelo de predicción de deformación por deslizamiento; 5) la actualización de los parámetros del modelo físico y la predicción dinámica de la deformación por deslizamiento. La precisión y la fiabilidad del método propuesto están validadas cuantitativamente por el movimiento de ladera de Laojingbian en el río Jinsha. Los resultados revelaron que el deslizamiento de Laojingbian se encontraba en una etapa de deformación constante antes del 27 de agosto de 2007, y entró en la etapa de deformación acelerada el 13 de febrero de 2015. Las tasas de deformación en las etapas de deformación constante y acelerada fueron de aproximadamente 5,1 y 11,4 mm/ día, respectivamente. El ángulo tangencial de la curva desplazamiento-tiempo en la etapa de deformación acelerativa alcanzó los 66°. Por lo tanto, se establece un nivel de alarma amarilla (i.e., nivel de precaución) para el movimiento de ladera de Laojingbian, de acuerdo con los resultados de la investigación derivados del método propuesto. Además, el desplazamiento acumulado en la dirección horizontal del movimiento de ladera podría alcanzar los 66 m el 15 de mayo de 2025.

  • 中文

    滑坡是全球范围内发生频率最高、危害最大且分布最广的一类地质灾害。受复杂 构造运动与地质环境的影响，我国是世界上滑坡灾害最为发育的国家之一。近年 来发生了多起特大滑坡灾害，如 2017 年四川茂县滑坡、2018 年金沙江白格滑 坡、2022 年贵州织金滑坡等，造成了严重的经济损失与人员伤亡。目前我国西部山区仍分布着许多滑坡灾害隐患，影响着山区城镇的地质安全和国家重大工程 的规划建设。因此，为实现滑坡灾害的科学防控，急需开展三个关键科学问题的 研究，即“滑坡灾害在哪里（Where）？”、“滑坡如何发育演化（How）？”、“滑 坡什么时候可能发生（When）？”。由InSAR 与 SAR 偏移量组成的雷达遥感技术，具有高精度、大空间覆盖及全天候和全天时作业等优点，在回答以上三个科学问题方面具备独特的优势。因此，雷达遥感目前已被国内外学者深入应用在滑坡灾害的全链条研究中，并取得了爆 发式的研究成果。然而，滑坡灾害所处的地貌环境通常较为复杂，加之其十分宽 泛的特征谱（如高海拔、强隐蔽性和高突发性等），使得雷达遥感在广域滑坡早 期识别、形变监测与预测三方面的研究中仍面临许多亟待解决的科学难题与技术 瓶颈。第一，大多数 SAR/InSAR 滑坡早期识别研究集中在观测条件较好的局域 尺度范围内，而 80%的新发生滑坡灾害多分布在偏远复杂的山区村镇，导致滑坡 灾害防控面临新挑战。因此，急需开展广域（百万平方千米）尺度 SAR/InSAR高精度自动化数据处理与滑坡早期识别关键技术研究。第二，在地貌环境极其复杂区域（如茂密植被及冰雪覆盖、地形陡峻）多形变梯度的滑坡研究中，InSAR常常受到去相干噪声、DEM 误差、大气延迟、相位解缠等多类误差的共同影响，SAR 偏移量受到地形起伏、地表覆盖、形变量级及数据处理等误差的干扰，严重降低雷达遥感地表形变反演精度，造成滑坡灾害的漏判与误判。因此，在地貌环境复杂区进行滑坡早期识别与形变监测亟需开展针对性的理论研究与技术研发。第三，常规InSAR 与 SAR 偏移量方法均难以直接获取斜坡三维地表变形，大大制约了滑坡的精细化监测与形变机理研究。第四，由于某些滑坡具有数十年的潜伏期，如何融合多源 SAR 数据，特别是多平台 SAR 影像进行超 10 年尺度的连续滑坡时序形变监测目前国际上未有先例。第五，滑坡形变预测主要依靠地面监测设备，雷达遥感在此方面的研究成果较少，随着 SAR 卫星重访周期逐渐缩短，特别是多源 SAR 卫星融合的重访周期将缩短至一天左右，因此采用雷达遥感进行滑坡形变预测为一个值得深入研究的课题。本文针对上述问题，开展了雷达遥感广域滑坡早期识别与监测预测关键技术研究和应用，主要研究内容和创新工作总结如下：（1） 研究并改进了 InSAR 广域高精度处理中的三个关键技术，获取了青藏高原与黄土高原314 万平方千米 20 m 空间分辨率的 InSAR 地表形变一张图。第一，为提高广域背景下海量 SAR 数据处理效率并抑制低频误差信号的传递，提出了InSAR 数据分块快速处理方案，相比常规整景 InSAR 处理方法，该方法提升数据处理效率达4 倍以上。第二，针对常规人工干涉图优选效率低下的问题，基于先验相干性指标、干涉图真实相干性和相位标准差，研究了基于图论（Graph theory）的干涉图自动化/半自动化优选方法，实验结果表明该方法可降低数十倍的时间成本。第三，针对地貌环境复杂区 InSAR 干涉图常常受到严重大气延迟的影响，GACOS 等外部大气产品的时空分辨率不满足小尺度滑坡形变监测的要求，以及常规经验线性模型改正方法未考虑对流层大气延迟空间与季节性变化的问题，提出了InSAR 分块对流层大气延迟改正方法，通过云南省德钦县 C 波段Sentinel-1 与西班牙 Alcoy 市 X 波段 PAZ 干涉实验，结果证明该方法大气延迟改正效果最优。研究并改进了 SAR 偏移量广域高精度处理中的四个关键技术，成功应用于青藏高原极高山区复合斜坡变形早期识别与监测中。第一，针对 SAR 偏移量广域地表形变计算耗时大的问题，提出了 SAR 偏移量分块快速处理方案，包括影像分块、分块偏移量计算与形变结果拼接等步骤。第二，针对山区环境地形起伏在SAR 偏移量计算中引入方位向与斜距向系统偏移误差的问题，提出了基于外部DEM 数据的 SAR 影像正射校正地形偏移误差改正方法。该方法在金沙江流域高山峡谷区实验结果证明，一方面可以有效校正地形起伏引起的主从影像像元位置几何畸变，实现长时空基线 SAR 影像的高精度配准；另一方面可提高长时空基线影像对的互相关性与形变估计精度。第三，针对地貌环境复杂区 SAR 偏移量形变测量精度对互相关窗口尺寸敏感的问题，设计了可变自适应窗口互相关计 算方法，实验结果表明新方法在保证形变场分辨率的同时可显著提高大梯度形变估计的精度。第四，首次创新性提出基于奇异值分解与稳健估计的跨平台 SAR偏移量二维时序地表形变反演算法，制定了新的偏移对组合与优选策略，基于跨平台ALOS/PALSAR-1 与 ALOS/PALSAR-2 影像成功恢复出白格滑坡滑前 11 年超过60 m 级的累积形变，并捕获到该滑坡于 2015 年7 月 27 日进入加速变形阶段。（3） 开展了西部山区不同地貌环境区广域滑坡早期识别研究，总结了不同地貌环境区各种雷达遥感技术的适用性并给出了数据处理建议。首先，研究了西部青藏高原与黄土高原的滑坡灾害空间分布特征，发现五大滑坡集中分布区。其次，建立了融合InSAR 地表形变特征与光学遥感地貌形态特征的高山峡谷区滑坡早期识别方法，获取了金沙江干流 915 个活动滑坡的空间分布位置与特征。基于InSAR 得到的地表形变图和 DEM 得到的 C-Index，在云南省德钦县实现了高山城镇高位滑坡的半自动化识别与分类。开展了基于 SAR 偏移量技术的极高山区高位滑坡早期判识研究，在雅鲁藏布江大峡谷探测出数个危险性极高的隐蔽性滑坡隐患点。（4） 研究了 InSAR 与 SAR 偏移量多形变梯度滑坡三维时序形变监测方法，提高了滑坡监测的维度。针对一维 LOS 向形变在滑坡精细化研究中的局限性，选取金沙江沙东滑坡为研究对象，开展了基于地表平行流约束的 InSAR 蠕变型滑坡三维时序形变监测研究，利用三维形变深度揭示了沙东滑坡变形特征、失稳模式及运动方向。考虑到地表平行流约束滑坡三维形变反演方程的系数矩阵与观测值同时存在误差，提出了基于总体最小二乘的跨平台 SAR 偏移量三维时序地表形变反演算法，解决了传统的基于高斯马尔科夫模型的估计准则无法处理系数矩阵误差的问题，实现了剧滑型滑坡高精度三维长时序形变监测，成功反演出金沙江老菁边滑坡近13 年的形变时空演化，并捕获到该滑坡因云南鲁甸 6.5 级强震于2015 年9 月 25 日形变出现加速。提出了基于 InSAR 与 SAR 偏移量技术的滑坡形变预测方法，推动雷达遥感在滑坡早期预警中的应用。首先，基于长短记忆（LSTM）神经网络、InSAR序贯动态数据处理理论及工程地质滑坡预警模型，建立了基于深度学习的 InSAR滑坡形变预测方法，通过模拟实验与金沙江沙东滑坡实际应用证明了所提方法的可靠性。其次，针对深度学习滑坡加速形变预测能力弱的问题，建立了基于岩土体物理模型的SAR 偏移量滑坡形变预测方法，给予了老菁边滑坡黄色警示级水平的预警，并预测该滑坡在 2025 年5 月 15 日水平向累积形变可能达到 66 m。