编辑推荐：
针对 InSAR 监测尾矿坝位移时，长期大尺度固结沉降易致误判溃坝风险的问题，研究人员提出基于 InSAR 的新框架。先以 Weibull 算法分离固结沉降，再用 CSDI 模型评估风险。测试显示该框架可降低约 48% 误报率，提升风险评估可靠性。
尾矿坝作为矿山开采的 “副产品” 存储设施，虽承担着废弃物处置的重要功能，却如同高悬的 “达摩克利斯之剑”。全球约 1.8 万座尾矿坝中，近百年 1.2% 的溃坝率是水库大坝的 12 倍，一旦溃决，如巴西 Córrego de Feij?o 矿坝溃决般，可造成数百人死亡、河流污染等灾难性后果。传统基于力学模型或地面传感器的风险评估方法，因依赖原位参数或观测成本高，难以适用于大范围尾矿坝监测。合成孔径雷达干涉测量（InSAR）技术虽能实现大面积、低成本监测，却受长期大尺度固结沉降干扰，其带来的位移信号常掩盖真实溃坝前兆，导致误报或漏报风险。
为突破这一困境，中南大学等国内研究机构的研究人员开展了尾矿坝溃坝风险评估研究，相关成果发表在《International Journal of Applied Earth Observation and Geoinformation》。研究提出一种基于 InSAR 的全新框架，通过分离固结沉降与风险评估两步法，显著提升了尾矿坝溃坝风险评估的准确性。
研究采用的关键技术方法包括：①利用 Sentinel-1A/1B 卫星获取的 SAR 图像，通过小基线 InSAR（SBAS-InSAR）算法生成尾矿坝表面位移时间序列，处理中设定最大基线 150 米、时间间隔 60 天，并采用多视处理和统计均匀像素选择滤波减少误差；②开发基于 Weibull 函数的算法，结合人工排除近期数据与稳健估计策略，从 InSAR 位移中统计识别并分离固结沉降；③运用综合标准化变形指数（CSDI）模型，基于分离后的剩余位移，通过间隔速度计算、经验模态分解滤波、Gamma 概率分布拟合等步骤，评估尾矿坝的低、中、高风险等级，并通过局部离群因子（LOF）检测和聚类校正异常风险点。
3 实验与结果
3.1 研究区域
选取 6 座全球典型尾矿坝（TSFs），涵盖侧山山谷型、跨山谷型、环形堤坝型等布局，包括正常运行和已溃坝案例（如澳大利亚 Cadia、巴西 Córrego de Feij?o 等），验证框架的普适性。
3.2 SAR 数据获取与处理
收集各尾矿坝的 Sentinel-1A/1B 图像，处理后获取位移时间序列。结果显示，新建堤坝顶部位移显著，如 Chengmengdong 尾矿坝最大位移达 0.87 米，直观展现了不同坝体的变形特征。
3.3 固结沉降分离
通过统计稳定点识别与 Weibull 算法分离固结沉降后，剩余位移幅度显著减小。例如，Chengmengdong 尾矿坝原始位移均值 - 118 mm、标准差 188 mm，分离后分别降至 - 24 mm 和 45 mm，表明固结沉降被有效剔除，且未遗漏如 Cadia 尾矿坝溃坝前的指数加速位移前兆。
3.4 风险评估
稳定点直接判定为低风险，不稳定点经 CSDI 模型评估。正常运行的 3 座尾矿坝主要为低风险，与实际一致；溃坝案例中，Cadia 和 Jagersfontein 尾矿坝的高风险区域与实际溃坝区域吻合，但 Córrego de Feij?o 尾矿坝因突发溃坝且卫星重访周期长，未能捕捉前兆而漏判。
4 讨论
4.1 固结沉降对风险评估的影响
模拟与真实数据表明，未分离固结沉降时，CSDI 模型会因固结沉降的加速趋势产生 48% 的误报率，而新框架通过分离固结沉降，使低风险判定比例从 52% 提升至 99%，显著降低误报。
4.2 固结沉降分离算法比较
模拟显示，结合稳健估计的 Weibull 算法，即使包含部分加速位移数据，仍能稳定分离固结沉降，均方根误差（RMSE）维持在 2.3 mm 左右，优于未采用稳健估计的方法，证明了算法的鲁棒性。
5 结论
研究提出的 InSAR 框架通过 Weibull 算法分离固结沉降，结合 CSDI 模型实现了尾矿坝风险的科学分级，在 6 座测试尾矿坝中有效降低误报率，且高风险区域识别更可靠。该框架为全球大规模尾矿坝风险评估提供了新工具，有助于提前预警溃坝灾害，减少生命财产损失。然而，当前 SAR 卫星重访周期可能遗漏突发溃坝前兆，未来需提升 InSAR 时间分辨率，并结合渗流、基础破坏等多参数，进一步完善评估体系。这一研究为尾矿坝安全监测领域提供了重要的方法创新与实践指导，助力全球矿山可持续发展与地质灾害防控。
