SBAS-InSAR技術(shù)下的白鶴灘庫區(qū)典型隧道邊坡形變監(jiān)測研究

郭峻杞　喜文飛　史正濤　楊志全　楊正榮

摘要：水庫庫區(qū)大型隧道開挖會對山體產(chǎn)生一定的擾動，引起山體形變，造成滑坡等地質(zhì)災(zāi)害，其形成的庫區(qū)涌浪可擴(kuò)散至上下游數(shù)公里，嚴(yán)重影響大壩安全。針對單一軌道合成孔徑雷達(dá)（synthetic aperture radar，SAR）數(shù)據(jù)在深切峽谷地區(qū)形變監(jiān)測中因幾何畸變導(dǎo)致識別不準(zhǔn)確的問題，采用小基線集差分干涉測量技術(shù)（small baseline subsets interferometric synthetic aperture radar，SBAS-InSAR）、聯(lián)合70景升軌和68景降軌Sentinel-1A SAR影像進(jìn)行數(shù)據(jù)處理，獲得研究區(qū)2020年2月至2022年5月的地表雷達(dá)視線向（line of sight，LOS）形變速率，選取白鶴灘庫區(qū)典型隧道邊坡進(jìn)行形變特征分析。結(jié)果顯示：1）白鶴灘水電站庫區(qū)出現(xiàn)異常形變，蓄水前后隧道邊坡的年平均形變量在20 mm以上，邊坡穩(wěn)定性遭到一定程度破壞；2）隧道邊坡下緣與隧道上方位置形變趨勢基本一致。采用SBAS-InSAR技術(shù)及升降軌SAR影像聯(lián)合互補(bǔ)的方法，可以有效克服單一軌道數(shù)據(jù)在深切峽谷地區(qū)形變監(jiān)測中因陰影、疊掩、透視收縮等幾何畸變導(dǎo)致的識別不準(zhǔn)確問題，其結(jié)果可用于白鶴灘庫區(qū)隧道邊坡滑坡災(zāi)害的早期識別，為區(qū)域性地質(zhì)災(zāi)害防治管理提供科學(xué)依據(jù)。

關(guān)鍵詞：形變監(jiān)測；SBAS-InSAR技術(shù)；隧道邊坡；滑坡災(zāi)害

中圖分類號：P237；P642文獻(xiàn)標(biāo)志碼：A庫區(qū)大型隧道由于開挖面大、挖掘線路長，巖體的抗剪性能削弱，使隧道邊坡的穩(wěn)定性遭到破壞，一旦在庫區(qū)形成滑坡災(zāi)害，其產(chǎn)生的涌浪將比滑坡本身造成更大的破壞，影響范圍可輻射至上下游數(shù)公里，給人類生命安全和經(jīng)濟(jì)發(fā)展造成重大損失［1-4］。因此，對庫區(qū)隧道邊坡進(jìn)行形變監(jiān)測研究具有重要意義。

目前的庫岸滑坡災(zāi)害監(jiān)測方法主要有3類。第1類是傳統(tǒng)的監(jiān)測方法，如利用精密水準(zhǔn)儀和全站儀等儀器進(jìn)行野外實(shí)地測量。此技術(shù)操作簡單并且精度較高，但在實(shí)際使用中存在一些不足的地方：在地質(zhì)條件復(fù)雜的高原山區(qū)，人工野外測量工作量大且工作環(huán)境危險(xiǎn)、監(jiān)測范圍小且成本較高等［5-6］。第2類是基于光學(xué)遙感數(shù)據(jù)的監(jiān)測方法。光學(xué)遙感可識別大范圍滑坡并取得了良好的效果，通過融合多種衛(wèi)星遙感數(shù)據(jù)，根據(jù)光譜、紋理等地質(zhì)形態(tài)變量提取滑坡位置和邊界，以評估分析滑坡特征和影響因素 ［7-9］。與傳統(tǒng)的野外調(diào)查方法相比，光學(xué)遙感影像克服了效率低下、工作環(huán)境危險(xiǎn)等弊端，并且可較直觀地提取滑坡信息和特征，但它易受天氣等客觀條件的影響，在云霧較多的地區(qū)難以獲取較為可靠的地面形變信息。第3類是基于合成孔徑雷達(dá)干涉測量技術(shù)（interferometric synthetic aperture radar，InSAR）的滑坡監(jiān)測方法。InSAR技術(shù)不受天氣條件影響，可獲取高精度、大范圍、全天候的地表形變數(shù)據(jù)，在大區(qū)域滑坡監(jiān)測與識別中可以取得良好的效果，并在其他地質(zhì)災(zāi)害研究領(lǐng)域有著較廣的發(fā)展應(yīng)用前景。InSAR技術(shù)首先用于滑坡識別是在1995年，Achache等[10]利用ERS-1數(shù)據(jù)采用差分干涉測量技術(shù)（differential InSAR，D-InSAR）對法國某滑坡進(jìn)行監(jiān)測，最早證明了InSAR技術(shù)在滑坡領(lǐng)域研究的可行性。Tantianuparp等［11］采用永久散射體差分干涉測量技術(shù)（persistent scatterer InSAR，PS-InSAR），融合多種SAR數(shù)據(jù)對三峽地區(qū)進(jìn)行了滑坡識別，并對永久散射體（persistent scatterer，PS）和庫區(qū)水位變化時間進(jìn)行了相關(guān)性分析。趙蓓蓓等［12］采用SBAS-InSAR技術(shù)（small baseline subsets InSAR，小基線集差分干涉測量），結(jié)合全球衛(wèi)星導(dǎo)航系統(tǒng)（global navigation satellite system，GNSS）地表位移數(shù)據(jù)對三峽庫區(qū)滑坡進(jìn)行了動態(tài)監(jiān)測 。但在地質(zhì)條件復(fù)雜的山區(qū)，單一軌道SAR數(shù)據(jù)成像易受地形地貌等因素影響，導(dǎo)致在監(jiān)測中出現(xiàn)區(qū)域缺失等問題，使結(jié)果缺乏一定的可靠性 ［13-15］。

白鶴灘水電站位于四川省涼山州寧南縣和云南省昭通市巧家縣交界處，屬典型的深切峽谷區(qū)，2021年4月6日水電站正式開始蓄水，電站運(yùn)行期間水位將在765～825 m之間上下波動［16］。在庫區(qū)蓄水和降雨等多因素作用下，庫區(qū)隧道邊坡穩(wěn)定性遭到破壞，一旦發(fā)生滑坡災(zāi)害將直接威脅上下游居民的生命財(cái)產(chǎn)安全。因此，論文利用SBAS-InSAR技術(shù)，聯(lián)合70景升軌和68景降軌Sentinel-1A SAR數(shù)據(jù)對白鶴灘庫區(qū)典型隧道邊坡進(jìn)行形變監(jiān)測研究，為白鶴灘庫區(qū)隧道邊坡滑坡等地質(zhì)災(zāi)害提供防災(zāi)減災(zāi)的技術(shù)支持。

1SBAS-InSAR技術(shù)

SBAS-InSAR技術(shù)可以獲取厘米甚至毫米級高精度地表形變情況，與傳統(tǒng)D-InSAR技術(shù)相比，有更高的時間采樣率;與PS-InSAR技術(shù)相比，能夠用更少的數(shù)據(jù)得到較為可靠的測量結(jié)果［17-19］。假設(shè)獲取同一地區(qū)的N+1幅SAR影像，選取其中一幅作為主影像，將其他SAR影像配準(zhǔn)到這幅影像上，根據(jù)組合條件，干涉像對M的取值范圍為

2研究區(qū)概況

研究區(qū)位于白鶴灘水電站大壩以南約17 km處，長15.51 km，寬7.85 km，面積約121.75 km2，地處青藏高原東南部和云貴高原東北部，屬于典型的深切峽谷區(qū)，地區(qū)斷裂構(gòu)造發(fā)育，山高谷深，降雨多集中在6—10月，約占全年總雨量的90%，導(dǎo)致該地區(qū)存在大量山體滑坡等地質(zhì)災(zāi)害隱患［22-23］。如圖1所示。3SBAS-InSAR技術(shù)下的數(shù)據(jù)處理

研究數(shù)據(jù)來自歐空局（European Space Agency，ESA）2020年2月2日至2022年5月24日極化方式為VV，成像模式為IW的C波段Sentinel-1A單視復(fù)數(shù)（single look comple，SLC）影像，其中升軌數(shù)據(jù)70景，降軌數(shù)據(jù)68景，數(shù)據(jù)參數(shù)如表1所示。引入哥白尼哨兵POD精密軌道數(shù)據(jù)和日本宇宙航空研究開發(fā)機(jī)構(gòu)（Japan Aerospace Exploration Agency，JAXA）空間分辨率為30 m的數(shù)字高程模型（digital elevation model， DEM）， 以提高衛(wèi)星軌道精度和去除地形相位。

采用SBAS-InSAR技術(shù)進(jìn)行影像數(shù)據(jù)處理，經(jīng)數(shù)據(jù)導(dǎo)入、裁剪，設(shè)置臨界基線最大百分比和最大時間基線為5%和36 d，共生成219對升軌和206對降軌干涉像對。設(shè)置多視數(shù)為1∶4能夠較好地抑制斑點(diǎn)噪聲，采用Minimum Cost Flow解纏方法和Goldstein濾波方法進(jìn)行干涉工作流處理，在調(diào)整剔除不理想的像對之后，生成較為理想的研究區(qū)干涉圖，如圖2所示。

繼續(xù)進(jìn)行軌道精煉和重去平，經(jīng)過第一次反演、第二次反演以后，得到更加純凈的時間序列上的位移結(jié)果，最后對序列信息地理編碼后獲得研究區(qū)2020年2月2日至2022年5月24日LOS向（line of sight，地表雷達(dá)視線）的升降軌形變速率結(jié)果，如圖3所示。

升軌數(shù)據(jù)中沿金沙江南北兩側(cè)多為正形變，中間部位則多為負(fù)形變，整體形變速率范圍為-126.408 mm/a～107.330 mm/a；降軌數(shù)據(jù)中北側(cè)沿江部分多為負(fù)形變，中間和南側(cè)沿江部分多為正形變，整體形變速率范圍為-70.424 mm/a～87.330 mm/a。 對比圖3（a）、（b）可發(fā)現(xiàn)，升軌數(shù)據(jù)形變信息更為豐富，降軌數(shù)據(jù)中存在部分區(qū)域缺失問題，故采用升降軌數(shù)據(jù)聯(lián)合的辦法可以有效互補(bǔ)，增加監(jiān)測結(jié)果的準(zhǔn)確性和可靠性。升降軌數(shù)據(jù)得到的最終形變速率結(jié)果雖然在數(shù)值上和空間上有所差異，但形變趨勢基本上能夠?qū)?yīng)，為驗(yàn)證數(shù)據(jù)的可靠性，在分析之前采用交叉驗(yàn)證的方式對數(shù)據(jù)作出檢驗(yàn)。在研究區(qū)內(nèi)選取若干同名點(diǎn)，以升軌數(shù)據(jù)LOS向形變速率為x軸，降軌數(shù)據(jù)LOS向形變速率為y軸進(jìn)行線性回歸分析，結(jié)果如圖4所示。兩種數(shù)據(jù)同名點(diǎn)LOS向形變速率之間的相關(guān)系數(shù)為R2=0.82，表明升、降軌數(shù)據(jù)之間具有較高的相關(guān)性，證明了兩種數(shù)據(jù)聯(lián)合分析的可行性。

4實(shí)驗(yàn)結(jié)果分析

4.1研究區(qū)典型隧道邊坡選取

選取研究區(qū)內(nèi)3個長度在1 000 m以上的典型隧道邊坡，分別為彎梁隧道邊坡（S1）、野豬塘隧道邊坡（S2）和鷹地梁子隧道邊坡（S3），如圖5所示。

為了能夠在側(cè)視雷達(dá)視線方向獲取較好的形變信息，根據(jù)邊坡坡面朝向和哨兵衛(wèi)星飛行方向選擇升降軌數(shù)據(jù)進(jìn)行典型隧道邊坡形變特征分析，選擇結(jié)果如表2所示，以盡可能減小衛(wèi)星掃描成像過程中產(chǎn)生的陰影、疊掩和透視收縮等幾何畸變問題。

4.2庫區(qū)典型隧道邊坡形變分析

S1彎梁隧道邊坡距離白鶴灘水電站大壩27 km，隧道全長1 896 m，形變速率如圖6（a）所示，邊坡整體形變速率范圍為-48.888 mm/a～25.020 mm/a，分別選取隧道上方的A點(diǎn)和邊坡下緣的B點(diǎn)，結(jié)合降雨數(shù)據(jù)進(jìn)行形變分析，如圖6（b）所示。

隧道上方A點(diǎn)的形變趨勢和隧道邊坡下緣B點(diǎn)的形變趨勢基本一致，每年6—10月雨季期間形變量較大，11月—次年3月出現(xiàn)形變反彈，主要原因是6—10月處于雨季，邊坡受降雨影響，形變量較大，11—次年3月屬于旱季，邊坡受白鶴灘水電站蓄水影響，總體呈擠壓抬升趨勢。邊坡下緣B點(diǎn)的形變量稍大于隧道上方A點(diǎn)的形變，原因是該邊坡位于金沙江附近，在雨水沖刷作用下山上的巖石土體直接滾入江內(nèi)，難以在山腳形成堆積。2021年 4月至10月期間降雨更為集中且量級更大，但邊坡的形變量較去年同時期卻減小了約10 mm，說明該邊坡受蓄水影響，總體呈擠壓抬升趨勢。

S2野豬塘隧道邊坡位于彎梁隧道邊坡以北5 km處，距離白鶴灘水電站大壩約22 km，隧道全長1 300 m，形變速率如圖7（a）所示，邊坡整體形變速率范圍為-23.423 mm/a～82.079 mm/a，分別選取野豬塘隧道上方C點(diǎn)和邊坡下緣D點(diǎn)，結(jié)合降雨量數(shù)據(jù)進(jìn)行形變分析，如圖7（b）所示。

野豬塘隧道上方C點(diǎn)和邊坡下緣D點(diǎn)形變趨勢基本一致，形變量與降雨量呈現(xiàn)一定的相關(guān)性， 2月至9月形變量持續(xù)增加，邊坡呈沉降變化，原因是雨季期間金沙江水位抬升，裸露的巖體受到江水侵蝕，原本穩(wěn)定的邊坡結(jié)構(gòu)在流水作用下遭到破壞，使得邊坡形變加速，而在10至次年2月由于降雨較少，加上該地區(qū)頻繁的地質(zhì)活動，使邊坡被擠壓抬升。2021年4月之前C、D兩點(diǎn)形變量差值約在10 mm以內(nèi)，自白鶴灘水電站開始蓄水以后，隧道上方C點(diǎn)和邊坡下緣D點(diǎn)形變差值開始逐漸增大，在2022年3月達(dá)40 mm左右，并在未來的形變中有繼續(xù)擴(kuò)大的趨勢，后續(xù)極有可能發(fā)展為滑坡災(zāi)害，應(yīng)當(dāng)對該地進(jìn)行持續(xù)形變監(jiān)測。

S3鷹地梁子隧道邊坡距離白鶴灘水電站大壩約16.6 km，隧道全長1 200 m，邊坡下方是寧南縣騎騾溝鄉(xiāng)江邊村，一旦滑坡失穩(wěn)將直接威脅村民的生命財(cái)產(chǎn)安全，邊坡整體形變速率范圍為-45.080 mm/a～37.610 mm/a，如圖8（a）所示。在隧道上方和邊坡下緣分別選取特征點(diǎn)E、F，結(jié)合降雨量數(shù)據(jù)繪制時間序列曲線進(jìn)行形變分析，如圖8（b）所示。

鷹地梁子隧道上方E點(diǎn)和邊坡下緣F點(diǎn)整體形變趨勢基本一致，形變量隨降雨量呈規(guī)律性變化，每年2月至9月沉降，10月至次年2月抬升，2020年11月和12月抬升過程中出現(xiàn)兩次沉降反彈，形變量差值在10 mm以內(nèi)。2021年4月以后E、F兩點(diǎn)形變量較2020年有所減小，但隧道上方位置形變開始逐漸超過邊坡下緣，在2022年4月差值達(dá)到20 mm，并在未來的形變中有進(jìn)一步擴(kuò)大的趨勢，一旦超過閾值極有可能發(fā)育為真正意義上的滑坡，使邊坡下方的居民遭受嚴(yán)重?fù)p失。

S1、S2、S3 3個隧道邊坡的邊坡下緣與隧道上方形變趨勢基本一致，形變量主要受降雨影響。2021年4月以后，隧道上方和邊坡下緣開始出現(xiàn)異常形變，在降雨和蓄水作用下，形變差值逐漸拉大，最大達(dá)40 mm，庫區(qū)隧道邊坡穩(wěn)定性遭到破壞，存在滑坡失穩(wěn)風(fēng)險(xiǎn)。

5結(jié)論

針對單一軌道SAR數(shù)據(jù)在深切峽谷地區(qū)形變監(jiān)測中因成像幾何畸變出現(xiàn)區(qū)域缺失、導(dǎo)致識別不準(zhǔn)確的問題，論文采用SBAS-InSAR技術(shù)，聯(lián)合70景升軌和68景降軌Sentinel-1A SAR影像，獲取了研究區(qū)內(nèi)2020年2月2日至2022年5月24日LOS向的形變結(jié)果，結(jié)合降雨量數(shù)據(jù)分析了3個長度在1 000 m以上的典型隧道邊坡形變特征，得到以下結(jié)論：

1）白鶴灘水電站庫區(qū)形變速率范圍為-126.408 mm/a～107.330 mm/a，自2021年4月白鶴灘水電站蓄水以來，各典型隧道邊坡開始出現(xiàn)異常變化，年平均形變量較去年同時期相差20 mm以上，庫區(qū)隧道邊坡穩(wěn)定性遭到一定程度破壞。

2）選取的3個典型隧道邊坡下緣與隧道上方形變趨勢基本一致，形變量受降雨量影響較大，雨旱兩季形變差異明顯，在降雨和庫區(qū)蓄水等多因素作用下，白鶴灘庫區(qū)隧道邊坡存在滑坡失穩(wěn)風(fēng)險(xiǎn)。參考文獻(xiàn)：

[1]宋國虎， 楊楨賢， 郭朝旭， 等. 成都五家墳滑坡變形破壞特征和復(fù)活機(jī)制分析［J］. 科學(xué)技術(shù)與工程， 2022， 22（2）： 496-503.

［2］ 覃事河， 鄭正勤， 胡慶忠， 等. 高山峽谷區(qū)大型水電站庫岸滑坡失穩(wěn)機(jī)理與風(fēng)險(xiǎn)管理研究［J］. 廣東水利水電， 2021（12）： 25-30.

［3］ 周丁恒， 曹力橋， 楊宏偉， 等. 連拱隧道邊坡三維變形的現(xiàn)場監(jiān)測與分析［J］. 巖石力學(xué)與工程學(xué)報(bào)， 2010， 29（S2）： 3785-3791.

［4］ 殷坤龍， 張宇， 汪洋. 水庫滑坡涌浪風(fēng)險(xiǎn)研究現(xiàn)狀和災(zāi)害鏈風(fēng)險(xiǎn)管控實(shí)踐［J］. 地質(zhì)科技通報(bào)， 2022， 41（2）： 1-12.

［5］ 謝全敏， 李曉輝， 楊文東. 滑坡災(zāi)害風(fēng)險(xiǎn)評估的FA-ECM法［J］. 金屬礦山， 2017（1）： 25-29.

［6］ 李慧. 基于光學(xué)遙感和InSAR技術(shù)的滑坡早期識別與監(jiān)測研究［D］. 廣州：廣東工業(yè)大學(xué)， 2020.

［7］ MCDERMID G J， FRANKLIN S E. Remote sensing and geomorphometric discrimination of slope processes［J］. Zeitschrift für Geomorphologie. Supplementband， 1995 （101）： 165-185.

［8］ 王治華. 滑坡遙感調(diào)查、監(jiān)測與評估［J］. 國土資源遙感， 2007（1）： 10-15，23，103.

［9］ 曹景峰， 劉洪鋮. 基于Quickbird影像的水庫庫岸滑坡遙感解譯研究［J］. 吉林水利， 2017（12）： 4-6，10.

［10］ACHACHE J， FRUNEAU B， DELACOURT C. Applicability of SAR interferometry for operational monitoring of landslides［C］//Proceedings of the Second ERS Applications Workshop. London： ［s. n. ］， 1995： 165-168.

［11］TANTIANUPARP P， SHI X， ZHANG L， et al. Characterization of landslide deformations in three gorges area using multiple InSAR data stacks［J］. Remote Sensing， 2013， 5（6）： 2704-2719.

［12］趙蓓蓓， 黃海峰， 鄧永煌， 等. 基于Sentinel-1A的三峽庫區(qū)范家坪滑坡InSAR監(jiān)測分析［J］. 人民長江， 2022， 53（10）： 103-107.

［13］喜文飛. 滇東北山區(qū)無人機(jī)遙感影像預(yù)處理方法及滑坡特征識別研究［D］. 昆明：云南師范大學(xué)， 2019.

［14］石固林， 徐浪， 張璇鈺， 等. 西山村滑坡時序形變的SBAS-InSAR監(jiān)測［J］. 測繪科學(xué)， 2021， 46（2）： 93-98，105.

［15］周定義， 左小清， 喜文飛， 等. 基于SBAS-InSAR技術(shù)的深切割高山峽谷區(qū)滑坡災(zāi)害早期識別［J］. 中國地質(zhì)災(zāi)害與防治學(xué)報(bào)， 2022， 33（2）： 16-24.

［16］吳明堂， 崔振華， 易小宇， 等. 白鶴灘庫區(qū)象鼻嶺-野豬塘段地質(zhì)災(zāi)害綜合遙感識別［J/OL］. 長江科學(xué)院院報(bào)： 1-10［2023-04-13］. http： //kns. cnki. net/kcms/detail/42. 1171. TV. 20220530. 1511. 006. html.

［17］王宏宇. 短時空基線PS-InSAR技術(shù)在大同地區(qū)的形變監(jiān)測研究［D］. 西安：長安大學(xué)， 2011.

［18］李曉恩， 周亮， 蘇奮振， 等. InSAR技術(shù)在滑坡災(zāi)害中的應(yīng)用研究進(jìn)展［J］. 遙感學(xué)報(bào)， 2021， 25（2）： 614-629.

［19］張文旭， 李巍， 李首達(dá)， 等. 基于SBAS-INSAR技術(shù)的滑坡變形監(jiān)測［J］. 遼寧科技大學(xué)學(xué)報(bào)， 2021， 44（2）： 135-140.

［20］曾學(xué)宏， 趙義花. 利用SBAS-InSAR技術(shù)分析西寧市地面沉降監(jiān)測及驅(qū)動因素［J］. 測繪通報(bào)， 2022（6）： 137-142.

［21］張家勇， 鄒銀先， 劉黔云， 等. 利用時序InSAR進(jìn)行畢節(jié)市潛在滑坡識別與形變監(jiān)測［J］. 測繪通報(bào)， 2022（6）： 121-124.

［22］張欣， 王運(yùn)生. 白鶴灘水電站庫區(qū)小江斷裂帶活動性研究［J］. 工程地質(zhì)學(xué)報(bào)， 2017， 25（2）： 531-540.

［23］李大龍， 尉海江， 易小宇， 等. 白鶴灘庫區(qū)王家山滑坡蓄水涌浪風(fēng)險(xiǎn)評價［J］. 科學(xué)技術(shù)與工程， 2022， 22（2）： 850-856.

（責(zé)任編輯：曾晶）

Study on Deformation Monitoring of Typical Tunnel Slope in Baihetan

Reservoir Area Under SBAS-InSAR Technology

GUO Junqi XI Wenfei SHI Zhengtao YANG Zhiquan YANG Zhengrong

（1.Faculty of Geography， Yunnan Normal University， Kunming 650500， China; 2.Key Laboratory of Early Rapid Identification， Prevention

and Control of Geological Diseases in Traffic Corridor of High Intensity Earthquake Mountainous Area of Yunnan Province， Kunming

650093， China； 3.Faculty of Public Safety and Emergency Management， Kunming University of Science and Technology，

Kunming 650093， China; 4.Key Laboratory of Geological Disaster Risk Prevention and Control and Emergency

Disaster Reduction of Ministry of Emergency Management of the Peoples Republic of China，

Kunming University of Science and Technology， Kunming 650093， China）Abstract： Large-scale tunnel excavation in the reservoir area will cause certain disturbance to the mountain， leading to deformation of the mountain and geological disasters such as landslides. The surge wave formed in the reservoir area can spread to several kilometers downstream， seriously affecting the safety of the dam. Aiming at the problem of inaccurate identification of single-orbit synthetic aperture radar （SAR） data in deformation monitoring in deep canyon region due to geometric distortion， in this paper， small baseline subsets interferometric synthetic aperture radar （SBAS-InSAR） is used for data processing combined with Sentinel-1A SAR images of 70 ascending orbiters and 68 descending orbiters. The surface radar line of sight （LOS） deformation rate from February 2020 to May 2022 was obtained， and the typical tunnel slope in Baihetan Reservoir area was selected to analyze the deformation characteristics. The results show that： 1） Abnormal deformation occurs in the reservoir area of Baihetan Hydropower Station. The annual mean shape variable of the tunnel slope before and after impoundment is over 20mm， and the slope stability is damaged to a certain extent. 2） The deformation trend of the lower edge of the tunnel slope and the position above the tunnel is basically consistent. The combined complementary method of SBAS-InSAR technology and SAR images of lifting rail can effectively overcome the problem of inaccurate identification of single-track data in deformation monitoring of deep canyon area due to geometric distortion such as shadow， overlay and perspective contraction. The results can be used for early identification of slope landslide disaster in Baihetan Reservoir area and provide scientific basis for regional geological disaster prevention and management.

Key words： deformation monitoring； SBAS-InSAR technology； tunnel slopes； landslide disasters