利用集成CR-InSAR技术和有限元模拟方法对植被覆盖的高速公路边坡稳定性进行评估 魏鹏、 周家琛、 张俊辉、 朱俊、 邢旭敏、 张世平

《Remote Sensing》：Stability Evaluation of Vegetation-Covered Highway Slopes Employing Integrated CR-InSAR and Finite Element Simulation Wei Peng, Jiachen Zhou, Junhui Zhang, Jun Zhu, Xuemin Xing and Shiping Zhang

　　**亮点**

**主要发现是什么？**
- CR-InSAR能够高精度地监测植被覆盖的高速公路边坡，其均方根误差（RMSE）小于0.3毫米，与现场传感器相比表现更优，并能够捕捉到每年0.1-0.4毫米的变形率。
- 基于InSAR的有限元强度降低方法表明，目前的强度降低因子分别为0.11和0.12，远低于导致结构完全失效的临界强度降低因子1.28和1.22，这表明现浇和预制框架梁具有相似的支撑效果。

**这些主要发现的意义是什么？**
- 综合CR-InSAR和有限元框架提供了一种可重复的方法，用于定量评估植被边坡的稳定性，克服了传统检测方法和InSAR在低相干区域中的局限性。
- 预制框架梁与现浇框架梁在实地验证中的等效性，为在山区高速公路建设中推广低碳、高效的预制技术提供了有力支持。

**摘要**
易发生滑坡的高速公路边坡通常通过植被覆盖和混凝土框架梁进行加固，但植被覆盖可能会降低InSAR变形监测的准确性。我们在框架梁上安装了人工角反射器（CRs），并利用受InSAR变形数据约束的有限元模拟来评估植被边坡的稳定性。研究在贵广高速公路K87+391.5–K87+565段的一个典型滑坡风险边坡上进行，该边坡采用了现浇和预制混凝土梁进行加固。实验结果表明，可以成功识别出两种类型框架梁上的两个相邻角反射器，变形率在0.1至0.4毫米/年之间，CR-InSAR测量结果与边坡位移监测传感器之间的均方根误差（RMSE）小于0.3毫米。同时，根据InSAR多维变形数据计算得出的现浇和预制混凝土梁的当前强度降低因子分别为0.11和0.12，远低于导致从坡脚到坡顶塑性应变完全累积的临界强度降低因子1.28和1.22，这表明这两种框架梁的支撑性能相当。

**1. 引言**
贵州省的地形以高原和山脉为主，暴雨后高速公路边坡容易发生滑坡灾害。目前，高速公路边坡的安全监测主要依靠人工检查，关键边坡上部署的监测传感器数量有限，但这些方法不足以全面检测潜在的安全隐患。干涉合成孔径雷达（InSAR）是一种能够提供大面积和高分辨率变形监测的技术，为识别高速公路沿线的滑坡风险边坡提供了有价值的方法[1,2]。
基于InSAR的滑坡监测主要使用D-InSAR技术来测量滑坡前后的位移[3]。利用SAR数据的广泛应用，许多研究人员提出了多种多时相InSAR技术用于滑坡监测，如PS-InSAR和SBAS-InSAR[4,5]。然而，短波长SAR信号的穿透能力在植被茂密和地形复杂的地区对InSAR滑坡监测构成了限制。Strozzi等人[6]使用JERS卫星的L波段SAR干涉数据穿透植被来测量滑坡位移。Nikolaeva等人[7]利用ALOS L波段数据监测了乔治亚中部的滑坡，并估计了滑坡的位移场和体积。ALOS-2、LuTan-1等卫星的引入增加了用于滑坡研究的长波长SAR数据的可用性[8,9]。然而，长波长InSAR在植被中测量变形的空间分辨率和精度仍然不足以监测高速公路边坡的变形。
在低相干植被区域，人工角反射器（CRs）的部署已被证明可以产生稳定的回波信号[10]，从而提高了InSAR变形相位测量的准确性。对于InSAR滑坡变形监测，CRs可以作为精确地理定位的参考点以及变形监测的相干目标。Quin和Loreaux[11]验证了CRs的变形监测精度可以达到亚毫米级别，许多研究人员使用TerraSAR-X和Sentinel-1数据分析了安装二面体和三面体反射器对滑坡的影响，这可以显著提高强度和信噪比、相位方差和定位精度[12]。CRs还可以应用于使用SAR振幅的亚像素偏移时间序列技术[13]。此外，将CR-InSAR和GPS位移数据结合用于滑坡监测可以提高沿边坡的变形测量精度，达到约1-2毫米[14]。
基于有限元分析的强度降低方法是评估边坡稳定性的常用方法[15]。该方法结合了土壤应力-应变关系，有助于研究边坡失稳过程[16,17,18]。将强度降低FEM应用于边坡稳定性评估的一个关键挑战在于从有限元计算结果中确定边坡失稳。正如Zheng和Zhao[19]所展示的，有限元分析过程中力和位移的不收敛表明边坡不稳定。这是基于Griffiths和Lane[16]的发现。沿坡脚到坡顶的广义塑性应变或等效塑性应变被用作边坡失稳的指标[20]。计算技术的进步使许多研究人员能够利用有限元强度降低方法取得重要成果。例如，Yang等人[21]使用有限元软件计算了边坡不稳定时的等效塑性变形，以经典边坡为案例研究。同样，Wang和Tong[22]使用动态强度降低方法识别了边坡的滑动面，从而提高了边坡稳定性问题的分辨率。Liu等人[23]和Chiu等人[24]将有限元分析与降雨数据和地震数据相结合，为山区边坡稳定性提供了关键见解，并提高了有限元分析在边坡稳定性评估中的适用性。因此，将CR-InSAR与有限元分析相结合的框架能够准确评估植被覆盖边坡的稳定性。

**2. 方法论**
**2.1. 基于时间序列InSAR的高速公路风险区域识别**
SBAS-InSAR技术利用相干性分析和时间序列分析从多张SAR图像中提取表面变形信息。假设在指定时间间隔内收集了N+1张Sentinel-1A卫星图像，然后根据小基线原理生成干涉图像对。从这N+1张SAR图像中，总共可以生成T张干涉图：
- 在t1和t2期间，生成n张干涉图。n的方位坐标用x表示，距离坐标用r表示。然后，可以通过以下公式获得干涉相位：
（2）
其中λ是雷达的中心波长，Δδ和Δη是在某一时刻雷达视线方向上的累积变形量；Δφ是残余地形相位，Δτ是大气延迟相位，Δn是噪声误差相位。通过时空滤波方法可以减弱Δφ和Δτ的影响。最终的多基线小基线子集的联合解通过奇异值分解（SVD）得到，并获得最小二乘解。随后，可以确定每个时间间隔内选定特征点的平均变形率。

**2.2. 使用CR-InSAR监测植被覆盖的边坡**
雷达接收器主要接收由雷达发射器发出并经地面反射回来的回波信号，这些信号包含反映电磁波强度的振幅信息和与雷达斜距相关的相位信息[25]。每个像素中的信息由两部分组成：振幅值和相位值，复数可以表示这两部分。
（3）
其中i是虚数单位；a和b分别表示复数的实部和虚部；A表示回波振幅信息，φ表示相位。
为了直观展示安装角反射器前后雷达回波强度的变化，将雷达回波强度的线性值转换为分贝值，如公式（4）所示：
（4）
作为人工永久散射体，CR的差分干涉变形测量方程如下：
（5）
其中p表示CR点的数量，m表示干涉对；Δφp表示第p个CR点的干涉相位差；Δφtop表示地形相位；vCR表示CR点的变形速度；Δt表示时间基线；Δφflat和Δφorb表示地球平坦和轨道误差相位；Δφatm表示大气延迟引起的相位；Δφres表示残余相位和噪声。

**2.3. 受InSAR多维变形约束的有限元分析**
有滑坡风险的边坡将受到重力的作用，使其向地形差异最大的方向移动[26]。边坡的有限元分析模型表明，沿边坡的水平位移可以忽略不计。因此，沿边坡的变形可以分解为两个分量：垂直分量Δvy和垂直于边坡的水平分量Δvx（见图1），这些分量可以直接导入有限元模型进行稳定性分析。图1显示了沿视线方向的InSAR变形分解为垂直和水平分量。虽然InSAR技术可以获取沿视线方向的变形，但可以通过边坡坡向将其转换为Δvy和Δvx：
（6）
（7）
其中θ是SAR入射角，α是航向与垂直于边坡的水平方向之间的角度。
强度降低有限元方法的本质是在理想弹塑性有限元计算中逐渐降低边坡岩石和土壤质量的剪切强度参数，直到边坡达到塑性失稳状态。在有限元软件中进行试验计算，调整强度降低因子，直到边坡被确定为达到塑性失稳状态，相应的值定义为临界强度降低因子。
边坡中的强度降低定义为土壤边坡滑动面上的剪切强度指数按相同比例减少，减少后的参数分别为Δvy′和Δvx′。其中c是内聚力，φ是内摩擦角。本研究选择塑性穿透作为边坡不稳定的判据。在这种方法中，通过迭代增加减少比例来求解强度降低因子，直到边坡发生塑性穿透（完全失效）；对应于临界不稳定状态的强度降低因子定义为临界强度降低因子。
在有限元分析中，随着减少因子的增加，边坡的整体变形也随之增加，直到边坡变得不稳定。边坡的位移参数不是均匀分布的，而是节点坐标的函数。如果我们假设边坡模型共有n个节点，则边坡的总位移模式D可以如下定义[27]：
（8）
其中Δxj是节点的水平位移，Δyj是节点的垂直位移，n是边坡节点的总数，可以通过InSAR变形模型公式（6）和（7）计算得出。
根据尖点突变理论[28]，总位移模式D的尖点突变与边坡的强度降低因子之间的关系可以用四次多项式表示：
（9）
其中α和β是系数。将CR-InSAR获得的水平和垂直位移代入该公式计算此时的边坡降低因子。然后，可以通过比较安全系数来评估边坡的稳定性。总位移模量D采用全局节点的未加权累积形式，可以客观反映边坡整体变形的演变规律，避免加权指标的人为主观性，是表征边坡在尖点突变理论中整体不稳定行为的合理标量参数。这个四次多项式是尖点突变理论的规范数学形式。该模型具有足够的灵活性，能够捕捉到坡度位移的强非线性和突变特性，这些特性无法通过简单的线性或低阶多项式函数完全表示。它用于描述总坡度位移随强度降低因子的非线性变化，并能够客观识别坡度从稳定状态转变为临界不稳定状态的灾难点。本文提出的方法的流程图如图2所示。图2展示了使用CR-InSAR和有限元模拟对植被覆盖的高速公路边坡进行稳定性评估的流程图。

3. 结果
3.1. 角反射器识别实验
在长沙理工大学的云塘校区进行了一项实验，以确定高速公路边坡上角反射器（CRs）的合理安装间距。实验采用了1:1的多视比，距离分辨率为2.32米，方位角分辨率为13.99米，在测试场中布置了四个CRs，如图3所示。实验结果表明，所有四个CRs都能被有效识别。在15米和25米的方位角间隔内，P1、P2和P3之间存在明显的相互干扰，而在15米的距离上，P4可以与P2清晰区分开来。因此，确定高速公路边坡上的CRs应间隔至少15米进行布置。这一实验结论为后续在贵州-黄平高速公路边坡上布置人工CRs提供了可靠的基础。

3.2. 实验区域和数据概述
贵州省位于中国西南部，地理坐标为103°36′–109°35′E和24°37′–29°13′N。桂黄高速公路全长120.6公里，穿过经常发生滑坡的山区。图4a用红色矩形表示Sentinel-1A卫星图像的覆盖范围，红色五边形表示桂黄高速公路K87 + 391.5–K87 + 565段的研究边坡。如图4b所示，该段右侧边坡的高度为35.8米，支撑结构采用现场浇筑和预制框架梁。作为根据工程设计建造的人工边坡，其表面规则且相对平坦，起伏较小。现场浇筑的框架梁是完全在现场建造的支撑结构，模板按照边坡设计安装，然后浇筑混凝土形成紧密贴合边坡表面的刚性整体支撑系统。预制框架梁是在工厂预先生产好的，然后运输到现场进行组装和安装。得益于框架梁的支撑，该边坡在降雨和冻融循环下的变形非常小。图4c显示了该段左侧边坡没有框架梁支撑的情况，该边坡发生了四次明显的局部滑动。

3.3. InSAR数据处理
本研究利用先进的InSAR技术分析了桂黄高速公路沿线的边坡稳定性。首先应用SBAS-InSAR方法生成了覆盖整个高速公路走廊的区域变形速度图。如图7a–c所示，不同地质单元之间的变形模式明显不同：未加固的路面段和相邻的自然边坡显示出超过40 mm·a?1的显著沉降，而非公路结构则表现出与差异沉降相关的复杂变形特征（图7c）。相比之下，采用复合框架梁加固的特定边坡（图7b）显示出显著的稳定性，在整个监测期间变形幅度均低于5 mm，如图8中的时间序列LOS位移分析所示。

为了确保所研究边坡参数的区域适用性和可靠性，通过结合从边坡现场采集的样本进行的实验室土工试验、相关文献[29,30,31]的回顾以及相关工程数据，确定了红粘土的主要物理和力学特性，这些参数在表1中呈现。上述参数获取方法充分结合了现场测试数据和工程经验，确保了参数值的合理性和可靠性，满足了边坡强度降低分析的计算要求。

预制框架梁意味着在锚索框架梁的两个相邻锚索之间的单梁上提供了两个接头，有效地将传统的单梁分成了三个部分。第一部分和最后一部分是包含锚索的横梁，中间部分是单梁。与传统方法在现场连接横梁两端不同，这种方法使用铰链结构将横梁末端与单梁连接起来。这种结构使预制框架梁能够适应一定的变形并释放潜在能量，避免损坏。横梁和单梁可以使用传统材料或轻质、高强度、生态友好和环境友好的材料进行预制，并通过机械提升在现场进行组装。此外，组件的组装和铺设可以与挖掘过程同时进行，从而更及时地提供边坡支撑，提高整体施工效率。预制框架梁结构的内部力分布更加优化，其支撑效果与传统锚索框架梁系统相当。在地质条件复杂且潜在危险性高的高坡度公路峡谷中，仅通过理论分析无法确定边坡的稳定性。在这种情况下，需要实施动态监测系统。因此，在边坡上安装了各种传感器，包括高精度坡度位移计（现场浇筑框架梁和预制框架梁分别标记为CGS和XGS）和应变计。所有用于现场监测的传感器都是专业的土工监测仪器，在部署前都经过了常规校准。这些传感器埋设在边坡中，形成了自动检测系统。由于高速公路边坡的几何尺寸有限，只能部署两个角反射器。每个CR的方向和安装角度是根据Sentinel-1卫星的入射角及其坐标位置精心设计的。图5展示了角反射器和部分传感器布置的现场平面图。

本研究使用了欧洲空间局（ESA）Sentinel-1A卫星在2023年1月26日至2025年5月3日期间获取的54幅单视复数（SLC）图像，覆盖了目标区域。数据集采用C波段配置，VV极化方式，轨道几何方式为下降轨道，入射角为34°。图6系统地展示了SBAS-InSAR处理的详细时间和空间基线阈值。为了减少干涉图生成中的地形相位影响，整合了通过NASA官方数据门户可获得的Shuttle Radar Topography Mission（SRTM）数字高程模型（DEM）作为外部高程参考。

3.4. InSAR数据处理
本研究重点利用先进的InSAR技术分析了桂黄高速公路沿线的边坡稳定性。首先应用SBAS-InSAR方法生成了覆盖整个高速公路走廊的区域变形速度图。如图7a–c所示，不同地质单元之间的变形模式明显不同：未加固的路面段和相邻的自然边坡显示出超过40 mm·a?1的显著沉降，而非公路结构则表现出与差异沉降相关的复杂变形特征（图7c）。相比之下，采用复合框架梁加固的特定边坡（图7b）显示出显著的稳定性，在整个监测期间变形幅度均控制在5 mm以下，如图8中的时间序列LOS位移分析所示。

在桂黄高速公路的某一段中，采用框架梁进行加固后，变形显著减少。如实验方法中所述，应用SBAS-InSAR技术对桂黄高速公路进行了常规变形监测。总体变形率估计为±20–40 mm·a?1，不同边坡段之间的变形模式明显不同；图7a显示未经加固的路面和相邻边坡的沉降率超过40 mm/年；图7c显示道路边坡和非公路建筑物都发生了显著变形。相比之下，图7b中经过框架梁加固的科学监测边坡的变形率明显较低。虽然SBAS-InSAR在广泛区域的宏观变形特征分析中表现出有效性，但在植被覆盖密集的生态敏感边坡上，其性能受到限制，导致变形率被低估，植被密集的关键基础设施区域的空间分辨率也受到影响。为了解决这些限制，在采用框架梁加固的边坡上进行了针对性的角反射器InSAR观测（图7b）。人工角反射器（CRs）被战略性地部署为永久散射体，以实现毫米级的测量精度。这些CRs于2023年1月安装，如图9所示，它们的部署使得雷达强度显著提高——从大约?10 dB提高到7 dB，信号特性也随之稳定。为了保持原始图像分辨率，距离和方位角方向的多视比均设置为1:1。提取了边坡上的每个CR点，并将视线方向上的变形数据分解为垂直和水平分量。由框架梁加固的边坡表面相对平坦，曲率小，局部地形起伏弱，因此地形因素对LOS变形分解的影响可以忽略不计。这些分解位移与坡度位移传感器的测量结果之间的对应关系在图10中进行了说明，图10还展示了由此过程得出的变形时间序列表示。CRs的布局方案是根据研究斜坡的实际高度、植被密度和雷达入射角进行设计和优化的，能够很好地适应该项目的实际监测条件以及类似的斜坡工程。图10表明，CR1（现浇框架梁）和CR2（预制框架梁）的时间变形结果大致呈线性，表明这两种框架梁都提供了足够的斜坡支撑。斜坡的安全性反映在其位移上，预计位移会随时间变化。斜坡的挖掘破坏了原有的稳定状态，机械振动可能导致显著的位移变化。然而，在挖掘完成并安装了斜坡防护措施后，位移在稳定之前会经历一个动态调整期。使用钢丝位移计对CR点的变形进行了验证。现浇框架梁上CR点的水平位移和垂直位移的均方根误差（RMSE）分别为0.27毫米和0.24毫米。相比之下，预制框架梁上CR点的水平位移和垂直位移的RMSE分别为0.23毫米和0.26毫米。这些结果显示出更好的一致性。多年来，没有观察到明显的表面滑动现象，最大表面位移小于1.5毫米，表明斜坡处于安全状态。两种结构在相同位置的表面位移差异很小，表明它们的支撑效果相当。

3.4. 有限元分析
有限元强度折减法是一种常用的斜坡稳定性分析数值技术。其核心原理是逐步减小岩土力学参数，并迭代计算斜坡位移和塑性区演变，直到模型达到临界不稳定状态，从而确定斜坡的安全系数。通过指定的强度折减因子条件，基于表1中列出的关键物理力学特性，通过云图展示了塑性应变区的演变。在指定的折减因子下，斜坡是稳定的，没有整体或局部屈服破坏。然而，如果在相邻迭代步骤之间特定节点的塑性应变过度增加，或者广义塑性应变达到屈服极限，斜坡可能会变得不稳定或受损。塑性应变显示的结果表明，塑性应变区已经到达了斜坡的顶部。可以明显看出广义塑性应变和位移的无限发展趋势，伴随着明显的突变，这表明斜坡处于临界损坏状态。图11a展示了由现浇框架梁支撑的斜坡的等效塑性应变 nephogram（等值塑性应变分布图）。塑性损伤区域由大于0的值表示。这里，t代表强度折减因子（SRF）的标准化迭代比，而不是实际时间。塑性应变区的演变对应于强度折减因子的逐渐增加。在时间点t = 1.318时，斜坡的底部和上部首先表现出塑性行为，随着斜坡强度折减因子的增加，斜坡稳定性逐渐降低，塑性应变区逐渐扩展，直到t = 1.466时，斜坡的内部塑性应变区达到临界状态。图11. 等效塑性应变区 nephogram：(a) 现浇混凝土梁；(b) 预制混凝土梁。此外，与斜坡表面接触的框架梁顶部也开始表现出塑性行为。这归因于框架梁对锚固缆绳施加的拉力，该拉力对土壤表面产生压力，导致框架梁与土壤分离。斜坡表面的土壤受到压力，从而导致屈服或损坏。图11b展示了由预制框架梁支撑的斜坡的等效塑性应变 nephogram。同样，在t = 1.318时，斜坡的底部和上部出现了塑性应变区。之后，塑性应变区逐渐向上扩展，直到t = 1.498时，该区域被严重穿透。此时，与斜坡表面接触的框架梁顶部也开始出现塑性区域。上述分析的比较显示，现浇梁和预制混凝土梁支撑方案中斜坡塑性应变区的变化规律是相同的。在这两种情况下，塑性屈服区首先出现在斜坡的底部和上部，然后塑性应变区逐渐向上扩展直至完全穿透。同时，塑性应变区也出现在框架梁与斜坡的接触面上。

为了实现CR-InSAR监测数据与强度折减有限元分析的结合，首先通过空间坐标匹配和逐点映射将CR监测的水平位移和垂直位移插值到斜坡有限元网格上。插值后的位移场作为初始位移约束应用于强度折减迭代过程中的相应模型节点。在数值迭代过程中，通过位移变化率和不平衡力比率来判断收敛性，并实时记录每个强度折减因子步骤下的位移演变。上述数值实现确保了计算过程的合理性和可追溯性。此外，CR的位移分别在t = 0.1720和t = 0.2585时被分解并输入模型。这两个时刻对应于逐渐强度折减下的初始弹性变形和早期塑性发展阶段，与强度折减因子的渐进迭代过程完全一致。这些位移没有达到穿透的起始点，从而证明在受到现浇或预制混凝土梁支撑后，斜坡处于非常稳定的状态。系数是通过最小二乘原理得出的，拟合的功能相关系数分别为0.9842和0.9982。图12展示了现浇梁和预制混凝土梁支撑斜坡后水平位移与强度折减因子之间的关系曲线。图12显示，当强度折减因子Ft达到图中曲率最大的点（C点）时，位移开始显著增加。这表明由现浇梁和预制混凝土梁支撑的斜坡的临界强度折减因子分别为1.28和1.22。这两个临界强度折减因子之间的微小差异源于它们不同的结构系统。现浇框架梁是一种现场浇筑结构，与斜坡土壤的结合和完整性更好。预制框架梁是一种工厂生产并在现场组装的铰接结构，整体刚度相对较低。这两个值都很接近，并满足相关工程斜坡稳定性规范的要求。通过将CR-InSAR监测的水平位移代入拟合函数，得到斜坡当前的强度折减因子（A点）分别为0.11和0.12，远小于初始穿透点（B点）的1.01和0.96。这一结果充分证明了两种框架梁加固的斜坡都处于稳定状态。

4. 讨论
本研究以中国西南部山区植被覆盖的公路斜坡为研究对象，通过CR-InSAR获得了由现浇和预制框架梁支撑的斜坡段落的高精度时间序列变形数据，并结合强度折减有限元方法完成了斜坡稳定性评估。以下围绕三个方面进行了系统的讨论：研究结果的核心价值、方法论系统的创新性和可扩展性，以及研究的边界和前景。

4.1. 核心研究结果的学术和工程价值
通过CR-InSAR和PS-InSAR的同步对比监测，本研究确认了CR-InSAR获得的斜坡变形数据与现场钢丝位移计的测量值高度一致，而PS-InSAR的结果显示出明显的系统偏差。分析表明，降雨引起的植被扰动和大气相位波动容易导致PS-InSAR中的非零相位闭合误差，进一步导致变形反演的准确性损失。相比之下，CR-InSAR依赖于人工角反射器的稳定高幅度散射体，可以有效避免植被去相关性和相位闭合误差的影响。它在植被覆盖的山区公路斜坡场景中具有显著的准确性和应用可靠性，可以为类似项目选择变形监测技术提供直接参考。基于高精度的CR-InSAR监测结果，本研究确认了由现浇和预制框架梁支撑的斜坡段落的时间序列变形规律高度一致，整个监测期间变形都在毫米级稳定范围内，没有异常不稳定性特征，表明这两种支撑结构对斜坡的加固效果基本相当。这一结论对山区公路斜坡支撑项目的设计和施工具有重要的实际指导意义：预制框架梁可以实现工厂标准化预制和现场快速组装，消除了现浇结构所需的复杂工序，如现场模板搭建、钢筋绑扎、浇筑和养护，大大缩短了施工周期，降低了劳动力和时间成本，并能完全满足斜坡支撑的安全要求。更重要的是，预制框架梁可以在斜坡施工阶段实现角反射器的同步标准化部署，避免了公路通车后需要占用道路和进行闭合操作，避免了运营期间监测设施部署的安全风险和操作不便。它更符合公路斜坡全生命周期监测的核心要求，具有良好的工程推广前景。

4.2. 耦合InSAR和有限元分析的方法论系统和可扩展性
目前，在基于InSAR的斜坡监测领域，还没有统一的不稳定性变形阈值标准，仅依靠测量的变形很难准确定量地确定斜坡的稳定性状态。同时，传统的强度折减有限元分析主要依赖于实验室测试获得的理想岩土参数，缺乏来自现场测量数据的约束，容易导致模拟结果与斜坡的实际应力和变形状态之间的偏差。针对这一双重行业瓶颈，本研究构建了一个深度耦合CR-InSAR测量变形和有限元模拟的斜坡稳定性评估系统：通过斜坡方向约束将CR-InSAR反演得到的LOS变形分解为两个维度，提取出与斜坡不稳定性主要控制因素高度相关的水平位移分量，并在水平位移和强度折减因子之间进行四阶多项式拟合，以明确斜坡水平位移随折减因子变化的非线性演变规律。同时，通过有限元模拟校准斜坡塑性聚合的临界不稳定阈值，实现了斜坡稳定性状态的准确定量确定。该方法不仅通过现场测量变形纠正了有限元模型的参数偏差，提高了模拟结果与工程实践之间的一致性，还填补了InSAR监测中缺乏定量不稳定标准的空白，形成了“监测-模拟-确定”的完整技术闭环。这项研究不仅适用于小规模公路边坡场景，还可以扩展到各种人工边坡（如铁路、水利和矿山边坡）的稳定性监测和安全评估。4.3 研究局限性、适用范围和未来前景

本研究仍存在一些局限性和不确定性，具体如下：

首先，由于研究区域内边坡规模的限制，仅部署了2个人造角反射器。虽然这些反射器主要用于比较两种支撑结构下的变形差异，并且其朝向和安装角度经过严格设计以匹配Sentinel-1A卫星的入射角，以确保监测数据的准确性，但仍无法完全描述整个边坡表面的变形空间分布特征。

其次，由于角反射器的安装时间有限，本研究的监测周期约为2年，因此只能反映边坡的中期和短期变形规律及支撑效果，对于评估边坡的长期服役性能仍存在一定局限性。此外，研究区域内仅获得Sentinel-1卫星的下行单几何观测数据。尽管通过边坡坡向约束完成了二维变形分解以减少反演偏差，但仍存在一定程度的不确定性。

第三，夏季观察到的微小变形波动可能受到残余大气误差和短期强降雨的影响。同时，由于现场雨量计被强降雨损坏，导致同步测量的降雨数据缺失，无法完成变形与降雨之间的准确相关性分析。然而，在框架梁支撑下，降雨引起的边坡变形特征并不显著，因此这一因素对本研究的核心结论影响有限。

第四，本研究中的有限元分析基于广泛接受的工程假设，例如理想的弹塑性Mohr-Coulomb强度准则和层参数的均匀性，并对边坡的层结构和支撑结构细节进行了合理简化，这在一定程度上偏离了边坡的实际地质力学状态。本研究构建的技术系统主要适用于中国西南部喀斯特山区植被覆盖率高、地形复杂的小规模人工公路边坡的中期和短期稳定性监测及支撑效果评估，也可以扩展到具备部署人造角反射器条件的人造边坡工程项目。对于超大规模、地质条件极其复杂且无法稳定部署高幅度散射体的自然边坡，该方法的适用性受到限制。在后续研究中，我们将继续依靠永久部署的角反射器进行长期边坡监测，以获取更长时间序列的变形数据，并完成两种类型框架梁长期服役性能的对比分析。同时，我们将补充多源环境监测数据和上行轨道卫星数据，优化有限元数值模型，进一步改进方法体系，并进行多尺度和多场景的应用验证。

总之，本研究验证了CR-InSAR在植被覆盖的山地公路边坡监测中的技术优势，确认了预制框架梁和现浇框架梁的等效加固效果和工程适应性，并构建了一种基于测量变形的边坡稳定性评估方法，为山区公路边坡的安全管理和控制以及支撑结构选择提供了可靠的技术支持和工程参考。5. 结论

本研究结合了时间序列InSAR和有限元分析方法，对植被覆盖的公路边坡进行了稳定性评估。基于SBAS-InSAR技术，在桂黄公路沿线进行了大规模变形监测，以识别高风险边坡。随后，在K87+391.5–K87+565段边坡上安装了角反射器，以改善植被密集区域的干涉测量相干性。角反射器的部署使雷达后向散射从-10 dB提升至7 dB，信号特性得到稳定；此外，加固后的边坡显示出每年小于5 mm的视距（LOS）变形，水平和垂直位移分解值均不超过1 mm，与边坡监测传感器的数据高度一致（均方根误差小于0.3 mm）。进一步的研究表明，InSAR约束的有限元强度降低方法得出的强度降低因子分别为0.11和0.12，远低于完全破坏时的1.28和1.22，说明现浇和预制框架梁具有相当的支撑效果。

这种集成工作流程具备明确的自动处理和批量分析能力。SBAS-InSAR技术允许沿整个公路进行大规模变形监测，自动筛选高风险边坡。角反射器图像处理、视距变形分解以及数据导入有限元模型的过程可以通过脚本编程依次执行，几乎不需要人工干预，从而实现高效和批量的稳定性评估。这一技术特点为该方法在山区公路工程中的推广和应用提供了有力支持。