魏恋欢¹, 刘善军¹, 杨天鸿¹, 赵晔²
1. 东北大学 资源与土木工程学院, 辽宁 沈阳 110819;
2. 辽宁省自然资源事务服务中心, 辽宁 沈阳 110032
收稿日期：2021-04-02
基金项目：国家自然科学基金资助项目(42071453)；中央高校基本科研业务费专项资金资助项目(N2001027)；国家重点研发计划项目(2017YFC1503101); 中欧“龙计划”五期科技合作项目(58029)。
作者简介：魏恋欢(1986-)，女，辽宁沈阳人，东北大学副教授;
刘善军(1965-)，男，河北涿鹿人，东北大学教授，博士生导师;
杨天鸿(1968-)，男，辽宁抚顺人，东北大学教授，博士生导师。

摘要：面向长期多阶段大型滑坡变形监测需求, 提出了一种像素偏移量跟踪(pixel offset tracking, POT)与多时相雷达干涉测量(multi-temporal interferometry, MTI)协同监测方案, 分别针对滑坡的快速变形期及缓慢变形期开展变形监测研究.针对时序SAR滑坡监测中面临的观测方向与滑坡变形方向的空间不一致问题, 提出了一种高精度激光雷达(light detection and ranging, LiDAR)数字高程模型(digital elevation model, DEM)辅助的坡向变形求解方法, 并开展了抚顺西露天矿南帮特大型滑坡长时序变形监测, 其结果与GPS监测结果相比平均误差仅为dm级.
关键词：多时相干涉测量像素偏移量跟踪滑坡监测露天矿数字高程模型
Collaborative Monitoring of Open Pit Mine Induced Large Scale Landslide with LiDAR DEM and Time Series SAR Data
WEI Lian-huan¹, LIU Shan-jun¹, YANG Tian-hong¹, ZHAO Ye²
1. School of Resources & Civil Engineering, Northeastern University, Shenyang 110819, China;
2. Liaoning Natural Resources Service Center, Shenyang 110032, China
Corresponding author: LIU Shan-jun, E-mail: liushanjun@mail.neu.edu.cn.

Abstract: A collaborative monitoring scheme combining pixel offset tracking(POT) and multi-temporal interferometry (MTI) is proposed, where POT is used during rapid-movement period and MTI is used during slow-movement period. Targeting at the spatial inconsistency between the azimuth-line of sight(Az-LOS) measurements and downslope landslide displacements, a light detection and ranging(LiDAR) digital elevation model(DEM) based conversion method from Az-LOS to downslope direction is also proposed and adopted in the long-term displacement monitoring of the large scale landslide on the south slope in Fushun west open pit mine. By comparing the estimated downslope displacements with GPS measurements, mean error of decimeter level is achieved.
Key words: multi-temporal interferometrypixel offset trackinglandslide monitoringopen pit minedigital elevation model
抚顺西露天矿是亚洲最大的露天煤矿, 由于长期高强度开采, 曾诱发了90余次滑坡灾害, 其中规模最大的为南帮的特大型滑坡^[1].2010年至今, 抚顺西露天矿南帮受地质条件、采矿活动、降水等因素的综合影响, 形成了东西长约3.1 km、南北宽1.2~1.5 km、高差约102 m的特大型推移式顺层岩质滑坡^[1].针对该特大型滑坡, 西露天矿已开展了GPS测量、现场边坡雷达传感器测量、深部岩移传感器测量、应力测量等工作, 但是由于存在监测点稀疏的缺陷, 难以准确评估滑坡体大范围、长期时空演化特征^[2-4].
近年来, 随着合成孔径雷达(synthetic aperture radar, SAR)卫星数据资源的不断丰富, 合成孔径雷达干涉测量(interferometric SAR, InSAR)以其不受光照和气象条件限制、高精度、低成本、广覆盖等优势, 在滑坡、地面沉降、地震、火山、开采沉陷、建/构筑物精细变形监测等领域取得了大量的成功应用^[5].然而, 在长期变形监测应用中, 不同时段的位移速率往往差异较大, 采用单一的InSAR方法难以满足长期跟踪监测的需求, 因此需要多方法的协同监测.对于每年位移在几十cm到十几m之间的快速变形, 可用SAR影像的像素偏移量跟踪(pixel offset tracking, POT)技术进行监测.POT不受去相关因素的限制, 根据不同时相SAR影像之间的精密配准参数, 由同名像素点之间的偏移量推算雷达视线向(line of sight, LOS)和方位向(azimuth, Az)的位移参数, 精度一般能达到dm级^[6-7].针对每年位移在几mm到几十cm之间的缓慢变形, 可采用多时相InSAR(multi-temporal InSAR，MTI)技术进行监测, 理论上在雷达LOS向的测量精度可达到mm级^[8].
在滑坡变形监测应用中, 边坡滑动位移通常是沿坡面向下的.受限于雷达卫星固有的侧视成像特点, MTI和POT技术测量的仅为LOS或Az-LOS向的位移参数, 可看作是边坡坡向位移的投影分量.如何根据LOS或Az-LOS向位移参数求解真实的坡向位移是提高基于SAR数据的滑坡监测精度的关键^[9].针对上述问题, 本文提出一种联合高精度激光雷达(light detection and ranging, LiDAR)数字高程模型(digital elevation model, DEM)与时序SAR影像的滑坡体坡向位移求解方法, 可实现Az-LOS向变形参数到最大坡度方向的转换.基于该方法, 本文开展了抚顺西露天矿南帮特大型滑坡长期变形监测, 结合矿区地质资料、GPS监测数据、降水量等, 分析了2014—2020年西露天矿南帮特大型滑坡变形的空间分布特征及时间变化规律.
1 方法1.1 POT方法及Az-LOS向到坡向变形转换传统的基于光学影像的POT方法受到图像噪声、传感器姿态等因素的限制, 精度一般不高, 且存在无法估算垂直位移、只能估算水平位移的问题^[10-11].基于SAR影像的POT方法不受相位解缠及去相干问题的影响, 通过使用归一化互相关优化窗口, 跟踪不同时相SAR图像之间后向散射特征点位置的变化(即偏移量), 可以同时测量Az-LOS向的二维变形^[12-15].由于SAR图像之间的配准误差通常为像素分辨率的1/10~1/20, 当地表位移量小于配准误差时, POT将难以提取精确的偏移量, 因此POT适合监测快速变形^[6].一般来说在其他条件相同时, SAR影像分辨率越高, POT对变形的敏感度及监测精度也相应越高.
为了精确监测露天矿滑坡沿坡面的滑移参数, 本文提出一种高精度DEM辅助的Az-LOS向到坡向位移的转换方法, 原理如图 1所示.假设A点为某坡面上的滑坡点, 坡向变形d_A的水平分量d_h=d_A·cosβ, 垂直分量d_v=d_A·sinβ, 其中β为A点的坡度.通过图 1的几何投影关系可建立d_A与d_Az和d_LOS之间的关系式, 即

(1)

(2)

图 1(Fig. 1)

图 1 水平面内坡向与LOS向、方位向的关系[15]Fig.1 Relationship between the horizontal component of slope displacement and the Az-LOS displacement

式中: d_Az为方位向变形量; d_LOS为LOS向变形量; β为坡度; α₀为航向角(顺时针为正)；α_A为坡向角; θ为入射角.将式(1), 式(2)联立消去β可得坡向变形量d_A的计算公式:

(3)

1.2 MTI方法及LOS到坡向变形转换首个MTI方法是意大利米兰理工大学于2000年提出的永久散射体干涉测量(permanent scatterers InSAR, PSI)方法, 它克服了传统差分干涉测量方法中存在的时间失相干、几何失相干及大气延迟的影响, 通常可以获得mm级精度的变形^[16-17].在PSI基础上, 雷达遥感领域的****相继提出了包括小基线子集法(small baseline subset, SBAS)在内的多种类似方法, 统称MTI方法^[18-23].这些方法原理与PSI基本相同, 主要区别在于干涉图组合方式、提点策略、相位解缠算法、是否采用变形模型等方面^[8].由于本文主题不是为了比较不同MTI方法的性能, 考虑到SBAS法能够充分利用所有可能的高质量干涉图，提高观测时间采样率，对于时空失相干具有很好的鲁棒性, 因此本文使用SBAS法进行MTI处理.
针对基于MTI的滑坡监测中面临的LOS向变形到坡度方向的转换问题, 作者曾提出一种基于LiDAR DEM辅助的LOS向到坡向变形的转换方法, 已在鞍钢集团各大铁矿高陡边坡监测中取得了成功应用^[24-25].本文继续采用这一方法实现LOS向到坡向的转换.转换过程中, 需要根据LiDAR DEM计算矿坑内精确的坡度、坡向参数, 结合雷达卫星数据的成像几何求解坡向变形.
2 实验区及数据2.1 实验区工程地质条件抚顺西露天煤矿位于辽宁省抚顺市西南部, 最早开采于1901年, 1914年开始露天开采, 至今形成了东西长6.6 km、南北宽2.2 km、深度418 m、面积约10.85 km²的亚洲第一大露天矿坑^[1].2010年, 西露天矿南帮受采矿活动及坡体软弱夹层的综合影响开始出现滑坡迹象, 形成了东西长约3.1 km、南北宽1.2~1.5 km、高差约102 m的特大型推移式顺层岩质滑坡, 滑坡区如图 2中绿色虚线区域所示^[26-27].矿坑E400剖面工程地质分布如图 3所示.
图 2(Fig. 2)

图 2 研究区Google Earth影像Fig.2 Google Earth image of the study area

图 3(Fig. 3)

图 3 抚顺西露天矿坑E400剖面典型工程地质分布图Fig.3 Typical engineering geological map of profile E400 in Fushun west open pit mine

抚顺西露天矿南帮为典型的顺层边坡, 自下而上依次分布有片麻岩、玄武岩、凝灰岩等, 并夹杂有少量薄煤层, 发育有东西向的F2断层和北西—南东向的F5断层.其中, F5断层将南帮一分为二, 东侧以玄武岩为主, 坑底区域有少量凝灰岩覆盖于玄武岩上方, 高陡边坡处的玄武岩岩体相对稳定; 西侧为特大型顺层滑坡体, 内部分布有多条局部断层, 与F5断层存在着伴生关系^[26].
2.2 数据源本文收集了两组覆盖西露天矿的SAR影像, 共计109幅, 其中包括: 2014-03-16~2016-12-18期间的7幅COSMO-SkyMed影像; 2017-01-11~2020-05-31期间的102幅Sentinel-1B影像.两组数据的空间覆盖范围见图 4, 详细参数如表 1所示.
图 4(Fig. 4)

图 4 SAR影像覆盖范围Fig.4 Spatial coverage of the SAR images

表 1(Table 1)

表 1 雷达数据参数Table 1 Parameters of the radar data 传感器 分辨率 入射角 航向角 (°) (°) COSMO-SkyMed 2.4 m×1.8 m 25.09 -165 Sentinel-1B 14.8 m×13.9 m 42.61 -166.421

表 1 雷达数据参数 Table 1 Parameters of the radar data

由于滑坡通常位于地形起伏较大的区域, 高空间分辨率及高精度的DEM数据对提高基于时序SAR数据的滑坡监测精度至关重要, 具体原因包括2点: 1)MTI处理过程中, 需要使用DEM去除地形相位分量.目前大多数研究成果采用的SRTM DEM或TanDEM-X DEM(只有90 m×90 m)空间分辨率和高程精度都较低, 导致地形起伏较大区域的MTI结果中存在明显的地形残差；2)在基于时序SAR的滑坡监测中, 由于地形条件复杂, 高分辨率高精度的DEM有利于确定滑坡体的滑动方向与Az-LOS向之间的空间几何关系, 进而实现高精度坡向变形参数解算.因此, 本文使用了空间分辨率为1.3 m、高程精度为cm级的LiDAR DEM, 如图 5所示.
图 5(Fig. 5)

图 5 激光雷达扫描生成的高精度DEMFig.5 Precise DEM generated by LiDAR

3 实验结果分析3.1 2014—2016年快速变形期POT监测结果2014—2016年间, 南帮特大型滑坡处于快速滑移状态.为了监测该时段的大尺度滑坡变形特征, 本文对2014-03-16~2016-12-18期间的7幅高分辨率COSMO-SkyMed数据开展了POT处理.为减小时间失相干的影响, 对每间隔半年左右的影像进行分时段跟踪, 分别测量各时段内的Az-LOS变形量, 然后根据本文提出的方法转换到坡向, 结果如图 6所示.
图 6(Fig. 6)

图 6 2014-03-16~2016-12-18期间的分时段坡向滑移量Fig.6 Slope displacements in different periods during 2014-03-16 ~ 2016-12-18 (a)—2014-03-16~2014-07-22；(b)—2014-07-22~2014-12-29；(c)—2014-12-29~2015-07-09；(d)— 2015-07-09~2015-12-16；(e)—2015-12-16~2016-06-09；(f)—2016-06-09~2016-12-18.

图 6显示, 南帮滑坡体的滑移量从空间分布上看, 呈现出西半部大、东半部较小的特点, 其中最大处位于南帮千台山及以北的边坡处.该结果的空间分布特征与文献[28]中的GPS监测结果基本一致.从时间上来看, 2014-03-16~2014-12-29期间的两个监测时段内, 滑坡体大部分区域的累计滑移量都超过12.5 m, 最大处超过20 m.2014-12-29~2015-07-09期间, 南帮滑移量减小, 大部分区域未超过7.5 m; 2015-07-09~2015-12-16期间, 滑移量再次增大, 但仍明显小于2014年同期, 最大值未超过12.5 m; 2015-12-16~2016-06-09期间, 南帮滑移量再次减小, 大部分区域未超过7.5 m; 2016-06-09~2016-12-18期间, 滑移量再次增大, 但大部分区域在12.5 m以内.
为了更直观展示南帮滑坡体2014—2016年间的时间变化规律, 绘制了滑坡轴线附近某剖面的累计滑移量.该剖面经度为123.88°E, 位置如图 6f中的黑色虚线所示, 剖面滑移历史如图 7所示, 其中黑色箭头为滑坡体后缘次级地裂缝所在位置, 两侧滑移量差异较大.地裂缝以北的红色虚线框内, 滑移量明显大于其他区域, 为该次级地裂缝前缘的拉张断陷带.坑底部的蓝色虚线框内, 滑移量由南到北逐渐减小, 为矿坑底部滑坡前缘的隆起带.从该滑坡剖面的滑动历史上来看, 2014-03-16~2014-07-22期间累计滑移量最大值为24.588 m, 至2014-12-19期间累计滑移量最大值为39.137 m, 至2015-07-09期间累计滑移量最大值为45.770 m, 至2015-12-16期间累计滑移量最大值为55.879 m, 至2016-06-09期间累计滑移量最大值为61.531 m, 至2016-12-18期间累计滑移量最大值为73.309 m.总体来说, 该滑坡体呈现出2014年快速滑移、2015—2016年速度稍微减慢、秋冬季减速、雨季加速的特征.
图 7(Fig. 7)

图 7 南帮滑坡剖面(123.88°E)2014-03-16~ 2016-12-18期间累计滑移量Fig.7 Accumulated slope displacement of a typical profile(123.88°E)on the south slope, from 2014-03-16 to 2016-12-18

3.2 2017—2020年缓慢变形期MTI监测结果2017年以来西露天矿将E1000以西区域作为东露天矿的排土场, 可对南帮的大型滑坡体实现内排压脚治理^[29].经过一段时间的排放后, 截止2020年7月已回填至-200 m标高左右.同时, 西露天矿对南帮的特大型滑坡体实施了注浆、抗滑桩、防治水等综合治理方案, 最终使该特大型滑坡体基本回归稳定^[29].本文使用MTI方法处理了2017-01-11~2020-05-31期间的Sentinel-1B影像, 然后将LOS向结果转换到坡向, 所得的坡向累计滑移量如图 8所示.
图 8(Fig. 8)

图 8 2017-01-11~2020-05-31期间南帮累计滑移量Fig.8 Accumulated slope displacement of the south slope from 2017-01-11 to 2020-05-31

图 8表明, 南帮滑坡体2017年年初至2020-05-31期间大部分区域的累计滑移量在300 mm以内, 滑移量最大的区域位于E1300附近(原刘山旧河道位置).
图 8中所标4个点的累计坡向滑移曲线如图 9所示.其中P1~P3点在2014—2016年间布设了GPS监测设备, P4点位于滑移量最大的区域.从图 9可看出, P1点与P3点在该时段内累计滑移量均未超过200 mm, 而在2014-03-16~2016-12-18期间POT测得的滑移量分别为33.099 m和60.810 m.P2点在该时段的滑移量约为300 mm, 而2014-03-16~2016-12-18期间POT测得的滑移量为50.732 m.这三个点在两个时段的滑移量差异巨大, 表明南帮滑坡体已基本稳定.P4点由于位于刘山旧河道附近, 该时段内的累计滑移量接近600 mm, 且与月降水量存在明显的相关性.尤其是在2019年8月的强降雨后, P4点的滑移速率明显增大, 但2019年年底速率已经减小.这是由于旧河道附近基岩下切, 存在河卵石层, 渗透性良好, 使得边坡裂缝容易渗入雨水及地表水, 增加了岩土层的流动性, 降低了抗拉强度.
图 9(Fig. 9)

图 9 2017-01-11~2020-05-31期间P1~P4点的滑移曲线Fig.9 Slope displacement history of points P1~P4 from 2017-01-11 to 2020-05-31

4 监测精度评价为了验证本文Az-LOS向至坡向变形转换方法的精度, 将2014-03-16~2016-06-09期间P1~P3点的GPS监测数据与本文监测结果进行分时段的对比分析, 结果如表 2所示.其中, P1点的POT监测结果在各时段内相对于GPS监测结果的误差均小于1 m, 误差均值为0.130 m, RMSE为0.489 m.POT测得的累计滑移量为33.099 m, GPS测得的累计滑移量为32.447 m, 误差为0.652 m.P2点POT监测结果在2014-07-22~2014-12-29期间与GPS结果相比误差较大, 为2.78 m, 其余时段误差均在1 m左右或少于1 m.P2点的POT监测结果与GPS结果相比误差均值为-0.662 m, RMSE为1.349 m; 累计偏移量分别为50.732和54.041 m, 误差为-3.309 m, 误差主要来源于2014-07-22~2014-12-29期间的配准误差.P3点在各时段的POT监测结果与GPS结果相比误差均为dm级, 误差均值为-0.067 m, RMSE为0.459 m.P3点POT方法和GPS测得的累计滑移量分别为60.810和61.144 m, 误差为-0.334 m.总体来说, 3个点的POT监测结果与GPS监测结果的误差均值均在dm级, 表明本文提出的转换方法在基于POT的滑坡快速变形监测应用中精度较高.
表 2(Table 2)

表 2 南帮3个点累计滑移量精度评价Table 2 Accuracy evaluation of the accumulated slope displacements of three points on the south slope ? m 时段 P1点 P2点 P3点 GPS POT 差值 GPS POT 差值 GPS POT 差值 2014-03-16~2014-07-22 10.402 11.372 0.97 14.039 14.779 0.74 19.780 19.119 -0.661 2014-07-22~2014-12-29 8.888 8.596 -0.292 17.798 15.018 -2.78 17.990 17.632 -0.358 2014-12-29~2015-07-09 3.181 3.251 0.07 5.410 5.184 -0.226 5.820 6.304 0.484 2015-07-09~2015-12-16 5.994 5.890 -0.104 10.342 9.274 -1.068 11.066 11.013 -0.053 2015-12-16~2016-06-09 3.982 3.990 0.008 6.452 6.477 0.025 6.488 6.742 0.254 均值 — — 0.130 — — -0.662 — — -0.067 RMSE — — 0.489 — — 1.349 — — 0.459 累计滑移量 32.447 33.099 0.652 54.041 50.732 -3.309 61.144 60.810 -0.334

表 2 南帮3个点累计滑移量精度评价 Table 2 Accuracy evaluation of the accumulated slope displacements of three points on the south slope ?

5 结论1) 抚顺西露天矿南帮滑坡是一个空间分布范围广、发育时间长的特大型滑坡, 其变形具有阶段性特征, 不同时段内的滑移速率差异巨大, 通过协同使用POT和MTI方法, 获得了滑坡体长时序、高精度的时空发育特征.
2) 滑坡易发区地形及地质条件复杂, 开展基于时序SAR数据的滑坡监测时, 应充分考虑观测值方向与滑坡变形的空间一致性问题, 实现Az-LOS向到坡向变形的转换, 提取沿滑坡坡面的变形参数, 提高监测精度.
3) 西露天矿南帮特大型滑坡体2014年处于快速滑移阶段; 2015—2016年间滑移速度减慢, 呈现出秋冬季减速、雨季加速的特点; 2017年初以后, 南帮滑坡体回归稳定, 仅在E1300附近存在小范围蠕滑.将监测结果与现场GPS监测数据及月降水量数据进行对比分析, 精度较高, 且与文献中的结论一致.
4) 通过对西露天矿南帮滑坡成因进行分析, 发现断层、软弱地层、地下水赋存等复杂地质条件及降水量是影响变形的主要因素, 在开展露天矿滑坡等地质灾害监测工作时不能忽视其影响.
参考文献

[1]	孙世国, 马银阁, 曾志翔. 抚顺西露天矿地下开采诱发地表移动变形规律[J]. 煤矿安全, 2019, 50(3): 222-225. (Sun Shi-guo, Ma Yin-ge, Zeng Zhi-xiang. Ground movement and deformation law induced by underground mining in Fushun west open pit mine[J]. Coal Mine Safety, 2019, 50(3): 222-225.)
[2]	Nie L, Li Z C, Zhang M, et al. Deformation characteristics and mechanism of the landslide in West Open-Pit Mine, Fushun, China[J]. Arabian Journal of Geosciences, 2015, 8(7): 4457-4468. DOI:10.1007/s12517-014-1560-2
[3]	Nie L, Li Z C, Lv Y, et al. A new prediction model for rock slope failure time: a case study in West Open-Pit mine, Fushun, China[J]. Bulletin of Engineering Geology & the Environment, 2017, 76: 975-988. DOI:10.1007/s10064-016-0900-8
[4]	滕超, 王雷, 刘宝华, 等. 辽宁抚顺西露天矿南帮滑坡应力变化规律及影响因素分析[J]. 中国地质灾害与防治学报, 2018, 29(2): 35-42. (Teng Chao, Wang Lei, Liu Bao-hua, et al. Stress variation within the southern landslide of Fushun West Open-Pit and its influencing factors[J]. The Chinese Journal of Geological Hazard and Control, 2018, 29(2): 35-42.)
[5]	廖明生, 王腾. 时间序列InSAR技术与应用[M]. 北京: 科学出版社, 2014. (Liao Ming-sheng, Wang Teng. Time series InSAR technology and application[M]. Beijing: Science Press, 2014.)
[6]	Shi X G, Zhang L, Balz T, et al. Landslide deformation monitoring using point-like target offset tracking with multi-mode high-resolution TerraSAR-X data[J]. ISPRS Journal of Photogrammetry & Remote Sensing, 2015, 105: 128-140.
[7]	Li M, Zhang L, Shi X, et al. Monitoring active motion of the Guobu landslide near the Laxiwa Hydropower Station in China by time-series point-like targets offset tracking[J]. Remote Sensing of Environment, 2019, 221: 80-93. DOI:10.1016/j.rse.2018.11.006
[8]	Wasowski J, Bovenga F. Investigating landslides and unstable slopes with satellite multi-temporal interferometry: current issues and future perspectives[J]. Engineering Geology, 2014, 174(1): 103-138.
[9]	Hu J, Li Z W, Ding X L, et al. Resolving three-dimensional surface displacements from InSAR measurements: a review[J]. Earth-Science Reviews, 2014, 133(1): 1-17.
[10]	Delacourt C, Allemand P, Casson B, et al. Velocity field of the "La Clapière" landslide measured by the correlation of aerial and QuickBird satellite images[J]. Geophysical Research Letters, 2004, 31(15): 1-5.
[11]	张慧慧, 刘善军, 王茹. 基于高分影像和ASIFT算法的滑坡位移场监测方法[J]. 东北大学学报(自然科学版), 2017, 38(10): 1468-1472. (Zhang Hui-hui, Liu Shan-jun, Wang Ru. Monitoring method of landslide displacement field based on high-resolution images and ASIFT algorithm[J]. Journal of Northeastern University(Natural Science), 2017, 38(10): 1468-1472. DOI:10.12068/j.issn.1005-3026.2017.10.020)
[12]	Michel R, Avouac J P, Taboury J. Measuring ground displacements from SAR amplitude images: application to the Landers earthquake[J]. Geophysical Research Letters, 1999, 26(7): 875-878. DOI:10.1029/1999GL900138
[13]	Raucoules D, Michele M D, Malet J P, et al. Time-variable 3D ground displacements from high-resolution synthetic aperture radar(SAR): application to La Valette landslide(South French Alps)[J]. Remote Sensing of Environment, 2013, 139: 198-204. DOI:10.1016/j.rse.2013.08.006
[14]	Singleton A, Li Z, Hoey T, et al. Evaluating sub-pixel offset techniques as an alternative to D-InSAR for monitoring episodic landslide movements in vegetated terrain[J]. Remote Sensing of Environment, 2014, 147: 133-144. DOI:10.1016/j.rse.2014.03.003
[15]	李佳, 李志伟, 汪长城, 等. SAR偏移量跟踪技术估计天山南依内里切克冰川运动[J]. 地球物理学报, 2013, 56(4): 1226-1236. (Li Jia, Li Zhi-wei, Wang Chang-cheng, et al. Estimation of glacier movement in southern Yinerichek of Tianshan Mountains by SAR offset tracking technique[J]. Chinese Journal of Geophysics, 2013, 56(4): 1226-1236.)
[16]	Ferretti A, Prati C, Rocca F. Nonlinear subsidence rate estimation using permanent scatterers in differential SAR interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(5): 2202-2212. DOI:10.1109/36.868878
[17]	Ferretti A, Prati C, Rocca F. Permanent scatterers in SAR interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(1): 8-20. DOI:10.1109/36.898661
[18]	Mora O, Mallorqui J J, Broquetas A. Linear and nonlinear terrain deformation maps from a reduced set of interferometric SAR images[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(10): 2243-2253. DOI:10.1109/TGRS.2003.814657
[19]	Berardino P, Fornaro G, Lanari R, et al. A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(11): 2375-2383. DOI:10.1109/TGRS.2002.803792
[20]	Kampes B M. Radar interferometry[M]. Berlin: Springer, 2006: 1-79.
[21]	Hooper A, Segall P, Zebker H. Persistent scatterer interferometric synthetic aperture radar for crustal deformation analysis, with application to Volcán Alcedo, Galápagos[J]. Journal of Geophysical Research: Solid Earth, 2007, 112(B7): 1-19.
[22]	Perissin D, Wang T. Repeat-pass SAR interferometry with partially coherent targets[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(1): 271-280. DOI:10.1109/TGRS.2011.2160644
[23]	Ferretti A, Fumagalli A, Novali F, et al. A new algorithm for processing interferometric data-stacks: SqueeSAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(9): 3460-3470. DOI:10.1109/TGRS.2011.2124465
[24]	Wei L H, Zhang Y, Zhao Z, et al. Analysis of mining waste dump site stability based on multiple remote sensing technologies[J]. Remote Sensing, 2018, 10(12): 1-20.
[25]	Wei L H, Feng Q Y, Liu F Y, et al. Precise topographic model assisted slope displacement retrieval from small baseline subsets results: case study over a high and steep mining slope[J]. Sensors, 2020, 20(22): 6674. DOI:10.3390/s20226674
[26]	高波, 肖平, 张国军. 抚顺西露天矿南帮边坡岩体结构及构造的分析[J]. 露天采矿技术, 2014(9): 18-21. (Gao Bo, Xiao Ping, Zhang Guo-jun. Analysis of rock mass structure and structure of south slope in Fushun west open pit mine[J]. Open Pit Mining Technology, 2014(9): 18-21.)
[27]	Hu W M, Wu L, Zhang W, et al. Ground deformation detection using China's ZY-3 stereo imagery in an opencast mining area[J]. International Journal of Geo-Information, 2017, 6(11): 1-19.
[28]	崔原. 抚顺西露天矿南帮滑坡地质特征与机理分析[D]. 长春: 吉林大学, 2018. (Cui Yuan. Analysis on geological characteristics and mechanism of landslide in south slope of west open-pit mine in Fushun[D]. Changchun: Jilin University, 2018. )
[29]	韩晓极, 李惠发, 冯萍. 抚顺西露天矿南帮西区煤炭开采方案优化[J]. 露天采矿技术, 2017, 32(6): 1-4. (Han Xiao-ji, Li Hui-fa, Feng Ping. Optimization of coal mining scheme in south side west area of Fushun West open pit mine[J]. Open Pit Mining Technology, 2017, 32(6): 1-4.)