利用InSAR技术进行动态滑坡易发性制图，以提升管道风险评估效果：以ZG管道天水段为例

《Advances in Space Research》：Dynamic landslide susceptibility mapping with InSAR for improved pipeline risk assessment: A case study of the Tianshui section of the ZG pipeline

滑坡易发区天然气管道动态风险评估方法研究：基于InSAR技术的滑坡易发性更新与游戏论加权脆弱性模型融合，通过WOA-RF模型实现初始易发性评估（AUC=0.921），结合地面位移数据更新后准确率达92.3%，显著提升高风险区识别能力。

　　

郑海学|文凯峰|肖宇一|凌浩坤|卢瑶白

中国成都理工大学地质灾害防治与地质环境保护国家重点实验室，成都610059

摘要

位于易发生滑坡地区的管道经常面临滑坡的威胁。然而，目前大多数管道风险评估方法都是静态的，缺乏实时更新能力，这使得对管道风险评估结果进行精确和及时的更新变得至关重要。在本研究中，以ZG天然气管道的天水段作为案例研究，开发了一个及时的风险评估框架。该方法首先建立了一个初始的滑坡易发性模型，并从三个候选模型中选择了鲸鱼优化算法优化的随机森林（WOA-RF）作为表现最好的模型，其曲线下面积（AUC）为0.921。利用小型基线子集合成孔径雷达干涉测量（SBAS-InSAR）的地表位移数据来更新基于静态诱发因素的初始易发性模型，通过结合动态地表变形数据来反映坡面的当前活动状态。通过结合上升和下降轨道数据来减轻几何失真等不确定性。然后使用基于博弈论的组合加权方法构建了一个管道脆弱性模型，该模型考虑了不同的管道特征和环境条件。这些模型的整合生成了长距离管道的动态风险地图。通过对13处新发现的滑坡进行验证，发现更新后的模型预测准确率达到了92.3%，显著高于初始模型的46.15%。评估结果显示，在研究期间，高风险管道段的总长度从4.30公里增加到了7.06公里，表明管道受损的可能性增加了。此外，在一些高风险管道段附近观察到的新滑坡活动进一步验证了所提出方法的有效性。总体而言，本研究提出的管道风险评估模型能够有效及时识别由滑坡引起的风险变化，有助于减轻滑坡对管道完整性的威胁，并显著提高管道运营和维护的资源分配效率。

引言

随着全球化的发展和能源需求的增加，石油和天然气行业的发展也加快了。在各种能源运输方式中，管道运输因其高效、低成本和占用土地少而成为首选（Calderon等人，2022年；Yang等人，2024年；Zhang等人，2024年）。根据中国的石油和天然气管道网络计划，到2030年中国管道网络的总长度预计将达到约100,000公里，使其成为国内第五大运输行业。然而，与管道运输相关的风险不容忽视。广泛的管道网络通常需要穿越复杂的地形，如高山、陡坡和地震易发区，这增加了滑坡的风险。此外，由于石油和天然气的易燃和爆炸性，可能会发生爆炸，泄漏会导致环境破坏、经济损失和对人类安全的潜在威胁（Vasseghi等人，2021年）。因此，在易发生滑坡的地区对长距离管道进行全面的风险评估至关重要。

目前，长距离管道的风险评估通常基于静态模型，这些模型无法动态反映管道的运行状态和风险（Wen等人，2023年）。因此，如何进行动态风险评估已成为研究的重点。风险评估通常基于从自然和社会属性中得出一套综合指标（Azari和Karimi，2018年）。联合国人道主义事务协调办事处根据管道脆弱性和滑坡易发性定义了这些指标（Sari等人，2017年）。管道脆弱性是指管道受损的可能性，受材料、埋设深度、直径和位置等因素的影响。这些指标通常是静态的，使得管道脆弱性成为一个固定参数（H. Zhang等人，2023年）。相比之下，滑坡易发性是根据评估指标与滑坡样本之间的非线性关系确定的，样本数据可能会随时间变化，特别是在易发生滑坡的地区。因此，动态更新滑坡易发性映射（LSM）结果对于确保管道风险评估的及时准确性至关重要。

滑坡易发性映射结果的动态更新已成为一个热门的研究课题。当前的主要研究方向是将利用合成孔径雷达干涉测量（InSAR）技术获得的区域地表位移信息纳入滑坡易发性映射（Shan等人，2023年；Zhao等人，2019年）。在这种方法中，地表变形是识别滑坡的首选指标，也是滑坡灾害最直观的指标；因此，表现出地表位移的区域发生滑坡的概率较高（Cascini等人，2014年）。目前有两种主要的更新方法：第一种直接将地表位移结果作为新的评估指标纳入评估系统（Al-Najjar等人，2023年）；第二种将地表位移结果与初始滑坡易发性分析结果结合，创建更新的滑坡易发性地图（G. Zhang等人，2023年；Zhu等人，2022年）。然而，大多数研究仅使用区域地表位移数据来校正当前的滑坡易发性结果，未能实现真正的实时动态更新。因此，在本文中，探讨了使用InSAR技术动态更新滑坡易感性的可行性。鉴于第一种方法依赖于现有的滑坡数据样本，其在随时间更新滑坡易感性结果方面的能力有限，本研究采用了第二种方法。

此外，初始滑坡易发性映射（LSM）结果的质量直接影响后续更新的准确性。因此，选择一个高效的评估模型对于整个动态风险评估框架的可靠性至关重要。广义上讲，滑坡易发性模型分为知识驱动型和数据驱动型（Zhao和Zhao，2021年）。知识驱动型模型，如层次分析法（AHP），依赖于专家经验，但其权重分配的主观性可能会影响结果的客观性和可转移性（Xie等人，2017年）。为了解决这个问题，数据驱动型模型已成为主流。在这种范式中，传统的统计方法（如频率比（FR）因其明确的原则而被广泛使用（Berhane等人，2021年）。然而，它们的主要限制在于难以捕捉多个影响滑坡条件的复杂非线性关系，这往往是预测准确性的瓶颈。相比之下，机器学习（ML）算法在映射这些复杂非线性关系和挖掘高维数据方面表现出色，与传统方法相比，极端梯度提升（XGBoost）和随机森林（RF）等模型通常提供更好的预测准确性和鲁棒性（Chen和Chen，2021年；Merghadi等人，2020年）。因此，在本研究中采用了ML范式来构建初始易感性模型。然而，由于没有适用于所有地区的最佳模型，本研究选择了三种最广泛使用和有效的模型——支持向量机（SVM）（Wang等人，2020年）、XGBoost（Can等人，2021年）和RF（Liang等人，2023年；Sahin，2023年；Xiao等人，2022年）——进行系统比较分析。目的是确定最适合我们特定研究区域的模型，从而确保初始LSM结果的准确性和可靠性，这是可信动态更新的前提。

在以前的研究中，管道脆弱性的评估通常基于单一评估方法，如AHP（Wang和Duan，2019年）、故障树分析（Cheliyan和Bhattacharyya，2018年）和模糊综合评估（Badida等人，2019年）。然而，这些方法存在缺点，例如受到主观因素的显著影响或忽略了评估指标之间的差异（Guo等人，2016年）。因此，大多数当前研究基于组合多模型方法来提高评估的准确性和客观性（Zhang等人，2022年）。一种典型的方法是将层次分析法与熵加权方法结合，该方法考虑了主观因素对权重的影响，同时引入客观因素来平衡权重分配（Guo等人，2016年；Zhang等人，2022年）。尽管这种方法提高了模型的全面性，但通常使用基本的距离公式来设置权重。这种方法可能由于过于简化的考虑而无法准确捕捉不同模型之间的复杂关系。为了解决现有方法的缺点，引入了一种基于博弈论的组合加权方法来重新分配模型之间的权重。这种方法将传统的权重确定技术纳入博弈论的理论框架中。通过运用竞争和策略分析，可以有效解决权重分配问题；因此，这种方法已在各种评估场景中得到广泛应用（Li等人，2024年；Q. Li等人，2023年）。

本文重点关注ZG天然气管道的天水段，并探讨了管道风险及时更新的实用应用。采用皮尔逊相关系数方法选择了滑坡易发性评估指标，并通过将这些指标整合到评估模型中获得了初步的滑坡易发性评估结果。通过SBAS-InSAR技术获得该地区的地表位移率数据后，使用贡献矩阵将初始滑坡易发性结果与地表位移数据结合，生成了更新的滑坡易发性地图。此外，考虑到滑坡与管道之间的相互作用，选择了三个指标：管道埋设深度、管道位置以及管道与坡面单元之间的角度。然后应用基于博弈论的组合加权方法进行管道脆弱性评估。最后，将更新的滑坡易发性映射结果与管道脆弱性结果结合，获得及时的管道风险评估。所提出的方法框架专注于易发生滑坡地区的管道动态风险评估，提高了管道风险评估结果的适用性和准确性。本研究还为易发生滑坡地区的管道维护提供了科学依据，确保了管道的安全运行。

方法

本研究的整体工作流程主要包括以下步骤，如图1所示：

(1) 数据收集和初步建模：首先收集了多源基础数据，包括历史滑坡数据、地形数据、卫星干涉测量数据和管道信息。随后使用皮尔逊相关系数方法选择了关键评估指标，并应用滑坡易发性评估模型生成了初始

研究区域

ZG天然气管道的天水段始于秦州区，经过眉江县，终止于秦安县（图3）。该管道长度约为119.51公里，设计压力为10 MPa，直径为1016毫米；管道由X80级钢材制成。研究区域的地貌类型多样：南部为山区，中部为渭河平原，北部则以黄土丘陵和沟壑地区为主。

初始滑坡易发性映射

在进行初始滑坡易发性映射之前，使用皮尔逊相关系数（Xue等人，2024年）分析了12个评估指标之间的相关性。以下指标之间的相关性较强：坡度、高程差异和TWI；高程、距离河流的距离和TWI；岩性和距离河流的距离；以及距离道路的距离和NDVI（图6）。根据现有研究，优先考虑了以下评估因素：

利用InSAR提高滑坡易发性映射的准确性

基于通过InSAR技术获得的改进的滑坡易发性评估结果，成功检测到了研究区域内七个新滑坡的易发性水平变化，预测成功率为92.3%。相比之下，初始滑坡评估模型未能准确反映新滑坡的实际状况，只有六个新滑坡被分类为极高易发性区域，预测成功率为

结论

本研究提出了一个基于更新的滑坡易感性数据的实时风险评估框架；该框架为易发生滑坡地区的管道系统提供了精确的风险评估和动态更新能力。最初，我们通过皮尔逊相关系数方法和WOA-RF模型建立了初步的滑坡易发性模型。然后使用地表数据动态更新了滑坡易发性水平

未引用的参考文献

Li等人，2023a；Li等人，2023b；Zhang等人，2023a；Zhang等人，2023b。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。

致谢

本研究得到了四川省科技计划（项目编号2023NSFSC0376）和中国石油天然气管道网络公司科学研究和技术发展计划（SJSG202210）的资助。