利用混合InSAR变化点检测框架探测缓慢移动滑坡中的微妙非线性变化：方法学评估与验证

《International Journal of Applied Earth Observation and Geoinformation》：Detecting subtle nonlinear changes in slow-moving landslides with a hybrid InSAR change point detection framework: Methodological assessment and validation

中国地质大学（武汉）张祖勋教授团队研究成果：通过集成InSAR时序数据与三种变化点检测算法（BFAST、BEAST、PAE），首次建立包含752个独立标注的滑坡位移变化点基准数据集，系统评估算法在噪声环境中的鲁棒性。研究表明：BEAST在季节性主导的噪声清洁环境中达到最高精度（0.93）；PAE在真实噪声场景中展现最佳召回率（0.62）；BFAST因趋势突变检测敏感但虚警率高。创新性提出多模型共识框架，结合地质背景与信号特征自适应选择算法，成功识别出2021年康定地震群（4.6-5.3级）触发的三个滑坡突变事件，验证了中等强度地震 swarm对慢速滑坡的触发机制。该成果为滑坡早期预警系统提供关键技术支撑。

　　本文探讨了利用干涉合成孔径雷达（InSAR）技术与变化点检测（CPD）方法相结合，以监测缓慢移动滑坡的变形过程。滑坡是一种复杂的地质灾害，其演变过程往往包含微妙但关键的变化点，如加速、失稳或停滞，这些变化点的准确识别对于提高地质灾害预警系统的及时性和可靠性至关重要。然而，现有的CPD方法在复杂环境下的适用性边界尚未得到充分验证，这限制了其在实际工程中的应用潜力。因此，本研究通过整合InSAR数据与先进的CPD技术，对三种算法（BFAST、BEAST和PAE）进行了系统评估，以揭示其在不同地质条件下的性能表现。

### InSAR技术与滑坡监测

InSAR技术通过高分辨率的时间序列观测能力，为滑坡变形的监测提供了重要手段。它能够捕捉地表的微小形变，从而为滑坡的早期预警提供关键信息。然而，InSAR数据往往受到大气延迟、轨道残差和地表散射变化等因素的影响，导致噪声水平较高。这使得在实际应用中，仅凭InSAR数据识别滑坡变化点变得困难重重。因此，研究者需要结合其他技术手段，如CPD，以提高识别的准确性。

### CPD方法的性能评估

本研究选取了三个位于金沙江流域的缓慢移动滑坡（Xiongba、Sela和Gongba），从2014年到2022年，利用SBAS-InSAR分析重建了它们的微小地表变形历史。随后，建立了一个包含752个独立标注数据集的CP检测验证集，由四位地质学家标注。通过贝叶斯优化方法，研究者定量地界定了三种算法的适用边界。结果显示，BEAST在无噪声、季节性主导的环境中表现最佳，精度达到0.93；而PAE在实际应用中表现出较强的召回能力，达到0.62。相比之下，BFAST对趋势变化更为敏感，但其误报率较高。通过多模型共识方法，研究者精确识别了与地震群和自然坝溃事件相关的变形过程，并确认了坝溃引发的位移阈值与先前研究结果高度一致。

### 实际地质事件的验证

研究还进一步验证了这些变化点与实际地质事件之间的关联性。例如，2016年9月的康定地震群可能引发了滑坡的加速变形。而2018年10月的巴吉滑坡坝溃事件则导致了下游的洪水，这可能对滑坡稳定性产生了影响。此外，2021年7月至11月期间，XB和GB滑坡出现了显著的加速变形，但SL滑坡未表现出类似的响应。这种差异可能与各滑坡所处的地质环境及外部扰动的强度有关。

### 模型性能的比较与分析

在模拟数据集的评估中，三种CPD方法表现出不同的优势和局限。BEAST在无噪声条件下表现最优，具有较高的精度和召回率，但在噪声环境下性能显著下降。BFAST则在趋势主导的数据中表现良好，但对噪声的敏感性导致其误报率较高。PAE在噪声环境下展现出较强的鲁棒性，尤其是在真实噪声条件下，其召回率显著高于其他两种方法。然而，在无噪声条件下，PAE的精度却低于其他方法。这种性能差异表明，不同的滑坡变形模式对CPD方法的选择具有重要影响。

### 实际应用中的挑战

尽管CPD方法在理论上具有较高的潜力，但在实际应用中仍面临诸多挑战。首先，InSAR数据的噪声水平较高，使得变化点的识别变得困难。其次，传统的阈值方法往往无法捕捉到滑坡的非线性变化，导致关键信息的遗漏。此外，由于地质环境的复杂性，单一的CPD方法难以适用于所有情况，因此需要根据具体场景选择合适的算法。例如，在季节性主导的环境中，BEAST可能更适合，而在噪声严重的环境中，PAE则更具优势。

### 未来发展方向

为了提高滑坡早期预警系统的效能，未来的研究应致力于将CPD方法与高精度、实时的InSAR数据处理流程相结合。这不仅可以提高滑坡状态监测的实时性，还能为滑坡预测和预警提供更可靠的数据支持。此外，还需要进一步优化CPD算法，使其在噪声环境下仍能保持较高的检测精度。通过引入多模型共识机制，例如KDE加权策略，可以缓解单一模型的偏差，提高系统在噪声主导条件下的稳定性。

### 结论

本研究通过结合InSAR时间序列与CPD技术，建立了首个基于专家标注的滑坡变形时间序列变化点验证集，为后续研究提供了基准。研究结果表明，BEAST适用于回顾性分析，PAE适用于实时监测，而BFAST则适合快速评估趋势主导的变形。这些方法的性能取决于信号特性、噪声环境和地质背景，因此在实际应用中，应根据具体情况进行选择。未来的研究应进一步探索自适应的CPD算法，并推动高精度、实时的InSAR处理技术的发展，以实现对滑坡状态的更精确监测，从而为灾害预警提供更有效的支持。