Blog

Jul 19, 2023

Detección de deslizamientos de tierra y actualización de inventarios utilizando el tiempo.

Scientific Reports volumen 13, Número de artículo: 7485 (2023) Cite este artículo 1607 Accesos 2 Citas 2 Detalles de Altmetric Metrics La autopista Karakoram (KKH) se ve frecuentemente interrumpida por peligros geológicos

Scientific Reports volumen 13, número de artículo: 7485 (2023) Citar este artículo

1607 Accesos

2 citas

2 altmétrico

Detalles de métricas

La autopista Karakoram (KKH) se ve frecuentemente perturbada por peligros geológicos, principalmente deslizamientos de tierra, que suponen una grave amenaza para su funcionamiento normal. Utilizando un inventario documentado, interpretación de imágenes ópticas y estadísticas de frecuencia-área, se han explorado eficazmente las características de la falla de la pendiente, la distribución espacial y su vínculo con numerosos factores contribuyentes a lo largo del KKH. Se recreó un inventario actualizado para el área utilizando la tecnología de dispersión persistente (PS) del radar interferométrico de apertura sintética (InSAR) para investigar más a fondo las mediciones con precisión milimétrica de la deformación de la pendiente (Vslope). Utilizando el enfoque PS, se procesaron los datos de Sentinel-1 de enero de 2018 a enero de 2022, mediante los cuales obtuvimos una tasa de deformación (VSlope) que varía entre 0 y 364 mm/año. Se citaron y clasificaron un total de 234 deslizamientos de tierra de la literatura, mientras que se detectaron 29 nuevos deslizamientos de tierra potenciales y se redefinieron varios deslizamientos de tierra preexistentes mediante el enfoque InSAR, que se incorporó para generar un modelo actualizado de susceptibilidad a deslizamientos de tierra con una precisión de predicción del 86,6% en el método del área bajo la curva. Como estudios anteriores realizados aplicando la técnica InSAR incorporaron un lapso corto temporalmente y omitieron algunas zonas altamente deformantes como los deslizamientos de tierra de Budalas y Khanabad, contienen velocidades medias> 50 mm/año, que estudiamos individualmente en este trabajo. En este estudio, se ha aplicado una aplicación integral de la técnica InSAR para evaluar su desempeño en la detección y análisis de deslizamientos de tierra. El modelo de velocidad de deformación (Vslope) muestra un alto desplazamiento en algunas regiones, lo que necesitaba ser investigado más a fondo por los geocientíficos, y el inventario de deslizamientos de tierra y el mapa de susceptibilidad desarrollados y actualizados se pueden utilizar para la planificación del uso de la tierra y las estrategias de mitigación de deslizamientos de tierra.

Los deslizamientos de tierra son el mayor desastre natural del mundo causado por la fuerza gravitacional y otros factores como precipitaciones, terremotos o actividades humanas. Según estadísticas oficiales, los deslizamientos de tierra han provocado más de 18.000 muertes en todo el mundo entre 1998 y 20171, y los daños a propiedades aseguradas en todo el mundo por desastres hidrológicos, incluidos deslizamientos de tierra, superan los 127.000 millones de dólares desde 19802. La iniciativa “China-Pakistán” de “Un cinturón y una ruta” El Corredor Económico” (CPEC) sirve como su proyecto central, conectando China y Pakistán a través de la autopista Karakoram (KKH). Sin embargo, en esta importante carretera, la topografía de alta montaña, una gran cantidad de escombros sueltos y lluvias repentinas e intensas están provocando desastres geológicos frecuentes y catastróficos, como derrumbes de rocas, flujos de escombros de glaciares, deslizamientos de tierra, desplazamiento de escombros, desplazamiento del suelo y, en Circunstancias raras, avalanchas3. Grandes desprendimientos de rocas o desprendimientos de rocas han causado más de 115 avalanchas de rocas desde 19874, el KKH sufrió daños considerables debido a deslizamientos de tierra provocados por un terremoto en 20055, y un enorme deslizamiento de tierra en Attabad en 2010 bloqueó el río y formó un lago barrera que tenía más de 20 kilómetros de longitud, inundando la calzada e impidiendo el tránsito6. Las carreteras, los asentamientos y el medio ambiente circundante sufren daños importantes como resultado de todos estos desastres.

Muchos investigadores han desarrollado mapas de inventario de deslizamientos de tierra para el área aplicando diferentes métodos4. diseñaron un método geomorfológico convencional para mapear el deslizamiento de tierra7,8,9,10, incorporaron interpretación óptica de teledetección para generar un inventario de deslizamientos de tierra para el área. Sin embargo, la precisión y el alcance del mapeo de deslizamientos de tierra utilizando técnicas convencionales de teledetección son limitados por algunas razones, incluida la falta de firmas espectrales discernibles, la presencia de varios tipos de cobertura terrestre, las posibilidades de que falten datos de inventario y la influencia de los factores meteorológicos. condiciones. Debido a un inventario incompleto de deslizamientos de tierra y al alto nivel de incertidumbre en las interpretaciones de los sensores ópticos remotos, es difícil determinar la susceptibilidad a los deslizamientos de tierra. La creación de mapas de susceptibilidad a deslizamientos de tierra y de peligros geográficos se ha visto obstaculizada en muchas partes del mundo por inventarios incompletos de deslizamientos de tierra11. Para los ingenieros y geólogos, determinar la susceptibilidad a los deslizamientos de tierra con datos limitados es un problema que cuenta con el apoyo de los planificadores y las organizaciones gubernamentales. Para realizar la detección y el mapeo de deslizamientos de tierra, la teledetección óptica puede integrarse con la tecnología InSAR, que puede superar estas limitaciones12. Una herramienta poderosa para la detección y mapeo de deslizamientos de tierra a gran escala es el uso de técnicas interferométricas SAR, que también pueden ayudar con el desarrollo y actualización de mapas de inventario de deslizamientos de tierra13.

La identificación y monitoreo de la deformación de taludes son esenciales para reducir los daños causados ​​por deslizamientos de tierra. Sin embargo, es bastante difícil identificar y seguir la deformación, frecuentemente gradual, de muchas pendientes. Los deslizamientos de tierra con características morfológicas significativas y signos de deformación, como formas de sillones, escarpes y grietas superficiales, pueden interpretarse e identificarse visualmente utilizando imágenes ópticas de teledetección, pero es un desafío evaluar si el deslizamiento de tierra se está deformando o no y calcular la deformación. velocidad14. Las técnicas de radar interferométrico de apertura sintética (InSAR) han ganado amplia aceptación y uso como herramientas para el mapeo y monitoreo de deslizamientos de tierra en los últimos años. Aunque se han utilizado con éxito diferentes técnicas de InSAR para mapear las deformaciones de pendientes asociadas, como14 áreas estimadas de deformación de la superficie detectadas por SBAS-InSAR12,15, se aplicó el método D-InSAR para el monitoreo de hundimientos y deslizamientos de tierra16,17,18, se generó el método SqeeInSAR para verificar el terreno. movimiento19, utilizaron el Método Stanford para Dispersores Persistentes (StaMPS) para evaluar la deformación en áreas de vegetación densa20,21,22, probaron el enfoque PSInSAR para calcular el movimiento de deslizamientos de tierra. PSInSAR es eficaz en el mapeo automático de deslizamientos de tierra de movimiento lento basado en el uso de un enfoque estadístico espacial, la identificación de deslizamientos de tierra individuales y la delimitación de áreas inestables generalizadas, la redefinición de los límites de deslizamientos de tierra antiguos, la identificación de deslizamientos de tierra basados ​​en múltiples -la comparación temporal de las imágenes SAR y la identificación de los elementos del terreno responsables de la deformación de las pendientes se ve facilitada por el uso combinado de imágenes ópticas23. Se han realizado diversas formas de estudios relacionados con PSInSAR para determinar los patrones de deformación espacial o temporal de los deslizamientos de tierra o la resolución cinemática de los deslizamientos de tierra de movimiento lento para estimar la escala de estos deslizamientos de tierra24. El método PSInSAR se utiliza porque tiene varios beneficios sobre otros enfoques para superar problemas de descorrelación y producir series temporales de cambios de fase independientes de los impactos residuales atmosféricos y DEM (Modelo Digital de Elevación)25.

En este estudio, se formularon la interpretación de la teledetección óptica y el enfoque PSInSAR para detectar los deslizamientos de tierra y desarrollar un inventario de deslizamientos de tierra actualizado. Los objetivos principales fueron mapear todo tipo de deslizamientos de tierra a lo largo del KKH (sección de Gilgit a Khunjerab) y estimar mapas de desplazamiento (Vslope) que pueden usarse para localizar nuevos deslizamientos de tierra, áreas inestables en general y volver a dibujar los límites de los deslizamientos de tierra que han ocurrido. ya han sido localizados previamente según modelo de deformación. El inventario actualizado se aplicó para evaluar el mapeo de susceptibilidad desde zonas muy altamente susceptibles hasta zonas poco susceptibles. Para comprender el hundimiento observado y su relación con factores ambientales y antropogénicos, se han seleccionado y analizado los factores causales más responsables en todos los estudios anteriores. El inventario final basado en el enfoque InSAR será útil para rastrear los cuerpos particularmente inestables y mitigar desastres en el futuro.

KKH en el norte de Pakistán es una parte importante del CPEC y con frecuencia se ve perturbado por numerosos peligros geológicos e hidroclimatológicos. En este estudio, se examinó una zona de amortiguamiento de 10 km de una sección de 263 km de KKH desde la ciudad de Gilgit hasta el paso de Khunjerab con un área de 4629 km2 (Fig. 1).

Mapa de ubicación del área de estudio que muestra una zona de amortiguamiento de 10 km (polígono rojo sólido) a lo largo del KKH (sección de la ciudad de Gilgit a Khunjerab). El círculo rojo sólido muestra las principales áreas de deslizamientos de tierra, mientras que la línea negra continua es la autopista Karakoram. (Acceso abierto SRTM DEM 30 m). (©USGS).

La región está situada en la zona activa de colisión entre las placas india y asiática. Con tasas de convergencia y elevación de aproximadamente 4 a 5 cm/año y aproximadamente 7 mm/año respectivamente, todavía se producen acortamiento de la corteza, fallas activas y subducción26,27. El empuje principal del Karakoram (MKT), el empuje principal del manto (MMT) y el empuje del límite principal (MBT) son los tres cinturones de fallas de cabalgamiento principales que, junto con la tala de los ríos, son las fuerzas principales que determinan el desarrollo y la evolución de los accidentes geográficos en el área. como accidentes geográficos glaciares, periglaciares y fluviales. El MKT y la falla de Karakorum (KF) causan deformaciones frágiles, que son las principales características tectónicas en esta región, debido a que los macizos rocosos se fracturan y unen severamente28.

La litología juega un papel importante en el desencadenamiento de deslizamientos de tierra. El área se caracteriza por macizos rocosos fracturados y erosionados que poseen diversas rocas ígneas, metamórficas y sedimentarias (Fig. 2). El Grupo Baltit, los esquistos de Chalt, los sedimentos cuaternarios, la dolomita de Gujhal, la formación de kilk y las pizarras de Misgar deformadas son las litologías locales más destacadas, y todas ellas están afectadas tectónicamente y son responsables de la desestabilización de las laderas a lo largo de la carretera7. El Complejo metamórfico del Karakórum del Sur (SKm), la Unidad Plutónica Hunza (HPU), la Formación Shaksgam (SF) y los Depósitos Cuaternarios (Q) comprenden la geología de la región26. Los paragneises con pelitas intercaladas y anfibolita constituyen el SKm. Las calizas masivas del Pérmico son parte de la Formación Shaksgam, una región del paisaje del norte de Karakoram. Plagioclasa, cuarzo, biotita y hornblenda se encuentran en el HPU, una porción del batolito de Karakoram. Las litologías de diferentes edades expuestas a lo largo del KKH han sido erosionadas y debilitadas por actividades sísmicas, hidroclimatológicas y antropogénicas que provocan enormes deslizamientos de tierra y deformaciones del suelo en la zona.

Mapa geológico regional del área que muestra el río Hunza, las fallas (KT es Karakoram Thrust y MKT es Main Karakoram Thrust) y unidades litológicas en el área de estudio, donde C son areniscas, lutitas y calizas del Cretácico, Ca son rocas del Devónico. , Cv es el grupo Chalt, Gl representa los glaciares, Gm son las rocas metasedimentarias del complejo Gilgit, HPU significa la unidad plutónica de Hunza, KB son los batolitos de Kohistan, NKt representa el terreno del norte del Karakoram, Pm es la piedra caliza masiva del Pérmico, Q significa los depósitos cuaternarios, SKm es el sur. Complejo Karakoram, Sv muestra la secuencia del Arco de Kohistan, Tr significa piedra caliza y dolomita masiva del Triásico, Y es el grupo Yasin y ec representa las eclogitas de Besal. (©Encuesta de Pakistán).

En este estudio, se descargaron imágenes de 4 años (enero de 2018 a enero de 2022) del conjunto de datos SAR Sentinel-1 de banda C del sistema en línea Alaska Satellite Facility (ASF) (https://search.asf.alaska.edu). , que incluía escenas en trayectorias ascendentes y descendentes como se muestra en la Tabla 1. Para el procesamiento de datos SAR para la investigación de la deformación del suelo y el análisis de series de tiempo InSAR, se emplearon plataformas MATLAB y SARPROZ. El modelo de elevación digital (DEM) de Shuttle Radar Topography Mission (SRTM) con una resolución de 30 m se tomó de la base de datos del USGS (https://earthexplorer.usgs.gov) para extraer los parámetros topográficos en el entorno ArcGIS. Para crear un inventario de deslizamientos de tierra, se incorporaron imágenes de Google Earth con los datos existentes que fueron validados durante el trabajo de campo. También se recibieron datos del sensor óptico Sentinel-2 con una resolución de 10 m del sistema de base de datos Earth Explorer del USGS para el mapeo supervisado de la cobertura terrestre en el paquete R-studio. Los eventos de lluvia y deslizamientos de tierra están directamente relacionados con la proporción, por lo que para evaluarlos se accedió a los datos de precipitación anual a través del sistema de base de datos en línea de Precipitación infrarroja con datos de estación del Climate Hazards Group (CHIRPS) (https://www.chc.ucsb.edu/data/ chirridos). Los mapas geológicos y las líneas de falla se extrajeron mediante la modificación de mapas diseñados por 12,26 en el software ArcMAP 10.5. El diagrama de flujo metodológico se muestra en la Fig. 3.

En el estudio se aplica el diagrama de flujo de la metodología.

Un mapa de inventario contiene información sobre la ubicación, fecha de ocurrencia y tipos de deslizamientos de tierra que han dejado huellas discernibles en un área29. Es un registro de todo tipo de deslizamientos de tierra ocurridos en el pasado en la zona. Los mapas de inventario de deslizamientos de tierra se desarrollan por una variedad de razones, como identificar la ubicación y el tipo de deslizamientos de tierra en un área determinada, ilustrando los efectos de un solo evento desencadenante de deslizamientos de tierra, como un terremoto, una lluvia intensa o un rápido deshielo. evento, resaltando la abundancia de movimientos de masa, calculando las estadísticas de frecuencia-área de fallas de taludes y proporcionando datos pertinentes para construir modelos de susceptibilidad a deslizamientos de tierra o modelos de amenaza30. En este estudio, se mapearon 234 deslizamientos de tierra utilizando estudios anteriores7,8,12,28,31,32, técnicas de interpretación de imágenes ópticas y trabajo de campo del área (Figs. 4, 5). El mapa de inventario se clasificó en 8 clases según el movimiento de material, que incluye 9 deslizamientos de tierra complejos, 25 caídas de escombros, 91 flujos de escombros, 25 deslizamientos de escombros, 20 avalanchas de rocas, 2 caídas de rocas, 10 deslizamientos de rocas y 52 taludes de pedregal (Fig. .4). Este mapa de inventario se aplicó para validar la detección de deslizamientos de tierra en el área basada en InSAR. Después del procesamiento InSAR, se mapearon algunos deslizamientos de tierra nuevos según la alta velocidad de deformación (Vslope) y el mapa de inventario se actualizó en consecuencia.

Inventario de deslizamientos de tierra clasificado según el movimiento a lo largo de la autopista Karakoram (línea continua negra) con diferentes colores. Área de estudio que representa una zona de amortiguamiento de 10 km (polígono rojo sólido) a lo largo del KKH.

Algunos deslizamientos de tierra recientes a lo largo del KKH capturados durante el trabajo de campo; (a) muestra un desprendimiento de rocas y un deslizamiento de rocas en Hunza, (b) una pendiente desestabilizada en el lado opuesto de KKH en la sección Nagar-Hunza, donde se arrojan escombros al río Hunza, (c) un enorme deslizamiento de tierra bloqueó KKH en el área de Passu y ( d) muestra el deslizamiento de tierra inducido por las lluvias en Sost Gojal, (f) la grieta del suelo capturada en el distrito de Nagar y (e) el desprendimiento de rocas en la boca de un túnel en KKH.

El terreno, la geología, las características tectónicas, el clima, la cobertura del suelo y las variables antropogénicas del área influyen en gran medida en la distribución espacial y la intensidad de los deslizamientos. Dado que no existe un acuerdo universal sobre qué parámetros desencadenantes deben incluirse en el modelado de deslizamientos de tierra, ya que son fenómenos naturales muy difíciles de entender, es importante incluir factores de control que sean pertinentes al área de estudio y tengan acceso a datos precisos24. Según estudios previos, la pendiente, el relieve, las fallas, el entorno geológico, las precipitaciones y la esterilidad en el área son los factores más responsables en la activación de deslizamientos de tierra en el área de estudio. En este estudio, se investigaron estos seis factores (Fig. 6) para verificar la correlación con los datos del inventario. La relación espacial entre la ubicación de ocurrencia de un deslizamiento de tierra y cada factor condicionante del deslizamiento se derivó utilizando el modelo de relación de frecuencia (FR). Es crucial construir un inventario integral de deslizamientos de tierra de manera consistente en una extensión espacial suficientemente amplia y un largo período de tiempo. Además, al proporcionar cobertura espacio-temporal, se pueden asociar estadísticamente varios factores potenciales condicionantes de deslizamientos de tierra33. El índice de frecuencia mide la proporción de la región de estudio donde ocurrieron deslizamientos de tierra, así como la probabilidad de que ocurra o no ocurra un deslizamiento de tierra para un atributo en particular34. FR se calculó usando la siguiente ecuación;

donde dA es el área de deslizamientos de tierra en la clase dada, dB es el área de la clase; ∑dA es la suma total del área del deslizamiento en toda el área de estudio, ∑dB es la suma de toda el área de estudio. Si el valor de FR es mayor que 1, muestra una correlación alta, y menos de 1 significa una correlación muy baja con esa clase.

Mapa temático de los parámetros de acondicionamiento de deslizamientos de tierra analizados en el estudio mostrado en cuatro clases con diferentes colores (datos SRTM DEM 30 m y datos de acceso abierto Sentinel-2); (a) Pendiente, (b) Elevación, (c) Distancia a la falla, (d) Unidades litológicas, (e) Precipitación anual y (f) NDVI. (©ESA ©USGS).

La técnica del radar interferométrico a bordo de vehículos espaciales es un potente instrumento para detectar movimientos del suelo en la Tierra. Debido a la excelente relación costo-beneficio, la no invasividad, la cobertura de área grande y la alta precisión del análisis de datos satelitales, el mapeo de procesos geomorfológicos y el monitoreo de la inestabilidad de las laderas pueden beneficiarse considerablemente de él. para detectar deslizamientos de tierra la técnica PSInSAR es efectiva y aplicada por muchos investigadores en diferentes partes del mundo20,21,22,23,35,36. El enfoque de Dispersores Permanentes (PS) utiliza imágenes de radar de apertura sintética (SAR) multitemporales y registradas conjuntamente (al menos 15) para analizar una señal retrodispersada y descubrir características del terreno altamente reflectantes que sean estables desde un aspecto electromagnético20. La línea de base espaciotemporal de PSInSAR se ha calculado para la trayectoria descendente y la trayectoria ascendente se muestra en la Fig. 7. Para crear mapas de imágenes complejos bidimensionales de la superficie con dimensiones que van desde el rango inclinado hasta el rango de línea de visión (LOS), los sistemas SAR, que están activos, utilizan luces de microondas y salvan los ecos electromagnéticos reflejados desde la superficie. Las series de tiempo de desplazamiento y las tasas de desplazamiento de cada punto estable (PS) se pueden calcular a lo largo de la LOS SAR con respecto a un punto de referencia que se supone que es estable cuando existe un número significativo de puntos estables (PS) radiales de luz y fase radial independientes dentro de un escena del radar y se han recopilado suficientes adquisiciones de radar37. Los desplazamientos registrados para cada PS se calculan utilizando un punto de terreno estable con coordenadas conocidas como punto de referencia. Diferentes sensores que tienen la misma longitud de onda recopilan datos a lo largo del tiempo y pueden usarse en un análisis multitemporal de la deformación del suelo. Esto indica que la velocidad de deformación del suelo de cada conjunto de datos de PS se mide a lo largo de un LOS38 separado.

La línea de base espaciotemporal de PSInSAR; (a) Camino descendente y (b) Camino ascendente.

PSI se centra en dispersores de puntos estables (que tienen la misma longitud de onda) que no se ven afectados por las motas y proporcionan una mejor señal para analizar datos. Los dispersores permanentes (PS) son puntos estables que devuelven la señal con diferentes duraciones de tiempo cuando se mira en el mismo lugar, lo que permite calcular el hundimiento del terreno a largo plazo. La fase interferométrica (ØInt) de una señal SAR de longitud de onda λ entre dos imágenes diferentes se puede expresar como:

En la ecuación anterior. (2), Øtopografía representa el cambio de fase debido al relieve, ØMovimiento es el movimiento del terreno en la diferencia entre las dos imágenes diferentes tomadas en un momento diferente. Mientras que ØNoise revela el ruido de fase que incluye también otros componentes de ruido y el último es ØAtmosphere que representa el componente de fase debido a perturbaciones atmosféricas.

En este trabajo de investigación, se utilizó el sensor Sentinel-1 Single Look Complex (SLC) con datos de polarización VV, que consiste en una constelación de dos satélites en órbita polar que operan día y noche y utilizan imágenes de radar de apertura sintética de banda C para recopilar datos en todas las condiciones climáticas. Se procesaron un total de 218 imágenes de trayectorias ascendentes (108) y descendentes (110) para medir la velocidad a lo largo de la línea de visión (VLOS). Las imágenes adquiridas el 4 de noviembre de 2019 se tomaron como imagen de referencia para el procesamiento de la trayectoria descendente, mientras que la imagen tomada el 24 de junio de 2019 se utilizó como imagen maestra para el procesamiento de la trayectoria ascendente. En el paso de pantalla de fase atmosférica (APS), se utilizó 0,75 del umbral del índice de estabilidad de amplitud (ASI) para la selección del punto de primer orden. El ASI se puede calcular para seleccionar PS aplicando la siguiente ecuación;

donde DA representa la dispersión de amplitud, mA es la desviación media de la amplitud en el tiempo y σA es la desviación estándar de la amplitud en el tiempo.

Estos estrictos criterios solo se satisfacen con un pequeño subconjunto de puntos, pero son esenciales para realizar cálculos precisos de APS. Esta área montañosa utilizó solo aquellos objetivos puntuales, que tenían valores de dispersión de amplitud inferiores a 0,25; la selección de píxeles por debajo del umbral de 0,25 de ASI permitió seleccionar puntos de ASI alto. Esto también asegura la selección de sólo aquellos puntos PS que poseen un ruido de descorrelación mínimo.

Se debe crear una red de referencia vinculando los PS utilizando la triangulación de Delaunay después de elegir el PS de primer orden. Se calculan el error topográfico residual diferencial (RTE) de cada borde y la velocidad de deformación diferencial. Luego, el APS se calcula a partir de los residuos de fase mediante inversión de gráficos después de eliminar el modelo lineal estimado (velocidades de desplazamiento lineal y altura residual). En la selección de PS de segundo orden, el requisito fue menor (ASI > 0,6) para producir una colección de PS más densa, donde se seleccionaron 213.601 puntos para la ruta descendente y 298.827 puntos para la ruta ascendente. Luego, utilizando los mismos parámetros y el mismo punto de referencia que para la estimación de APS, se llevó a cabo el procedimiento final con la eliminación de APS.

El VLOS se calculó pero no representa los desplazamientos reales de los objetivos terrestres. Al integrar la relación geométrica entre el sensor SAR y el terreno, es posible utilizar las direcciones de las velocidades a lo largo de la pendiente más pronunciada (Vslope) para superar los límites de VLOS. Se cree que Vslope representa la dirección en la que se producirán con mayor frecuencia las deformaciones reales causadas por una posible falla del talud22. La tasa de deformación en la dirección LOS es insuficiente para reflejar la verdadera deformación de la pendiente en zonas montañosas3. La conversión de VLOS a Vslope se realizó utilizando la siguiente ecuación. 39.

donde VLOS línea de deformación del sitio y Ø es el ángulo de incidencia de la onda del radar.

En el paso final, para evaluar posibles deslizamientos se clasificó la velocidad de deformación. Los criterios para la selección del umbral han sido realizados por diferentes investigadores según la naturaleza del área de estudio y el propósito del estudio mediante la incorporación de diferentes técnicas InSAR. El grado de actividad de los deslizamientos de tierra se puede evaluar para calcular la pendiente V promedio de deslizamientos que contienen un número significativo de umbrales de coherencia (CT) y definir estadísticamente el umbral de estabilidad de la pendiente V40. La técnica matricial utiliza conjuntos de datos InSAR multitemporales como indicadores de la actividad e intensidad de los procesos de deslizamientos de tierra41. Para identificar la ocurrencia de deslizamientos de tierra, se estableció un umbral de −20 mm/año a lo largo de la dirección de la pendiente31 y se han aplicado algunos otros métodos en diferentes estudios. Dependiendo de las propiedades litológicas, los mecanismos de falla, la precisión de las mediciones del sensor y los objetivos de la investigación, una interpretación adicional del patrón observado puede conducir a la identificación del umbral de la tasa de desplazamiento para identificar posibles deslizamientos de tierra y los factores estadísticos como la desviación estándar de Las tasas de desplazamiento se utilizan con frecuencia para informar estos criterios42. En nuestro estudio nuestro objetivo era mapear los deslizamientos de tierra de alto potencial, por lo tanto, se implicó un umbral de pendiente V > 25 mm/año.

El mapeo de lugares con igual probabilidad de experimentar deslizamientos de tierra durante un período de tiempo determinado se conoce como susceptibilidad a deslizamientos de tierra. La evaluación de la susceptibilidad del terreno a una falla de talud, en la que la susceptibilidad del terreno a un proceso peligroso expresa la probabilidad de que tal fenómeno ocurra bajo las condiciones o parámetros especificados del terreno, y la estimación de la probabilidad de un evento desencadenante constituyen una Zonificación del peligro de deslizamientos de tierra43. El análisis de la susceptibilidad a los deslizamientos de tierra puede ayudar a diseñar políticas para la planificación del uso del suelo y ofrecer información útil para prevenir daños catastróficos. Al identificar los factores que afectan los deslizamientos de tierra, estimar la contribución relativa de los factores que causan fallas en las pendientes, establecer una relación entre los factores y los deslizamientos de tierra y hacer predicciones sobre futuros peligros de deslizamientos de tierra basados ​​en esa relación, el análisis se utiliza para comprender los factores que afectan los deslizamientos de tierra. derrumbes. Para el mapeo de susceptibilidad a deslizamientos de tierra, los datos del inventario están relacionados más significativamente con el mapeo de todos los deslizamientos de tierra y la precisión espacial, por lo que se utilizó un inventario actualizado basado en InSAR para desarrollar un mapa de susceptibilidad refinado para el área con la incorporación del método FR en R-studio (Eq. .1).

La deformación de la superficie de la Tierra desde enero de 2018 hasta enero de 2022 se calculó utilizando 0,7 como umbral temporal de coherencia. La velocidad de desplazamiento a lo largo de la LOS (VLOS) está entre − 346 y 376 mm/año para la vía descendente y − 364–364 mm/año para el modo ascendente con un número total de 512,428 puntos PS en el área (Tabla 1 y Fig. 8). ). Una gran cantidad de puntos PS se encontraron en terrenos áridos en comparación con áreas con vegetación.

Monitoreo de la deformación de la Tierra mediante enfoque PSI a lo largo del KKH superpuesto al DEM; (a) es un movimiento de la línea de visión evaluado a lo largo de la trayectoria descendente y (b) muestra un movimiento de la línea de visión en la trayectoria ascendente. (©USGS).

En este estudio, el área de Budalas se detectó como altamente deformada donde la velocidad de deformación media (Vpendiente) es > 25 mm/año (Fig. 9). El movimiento de desplazamiento es hacia el sur y la pendiente de la pendiente varía de 15 a 60 grados. Es un deslizamiento de tierra complejo, que contiene una velocidad constante de arriba a abajo (Fig. 9) pero la parte superior presenta la mayor deformación. La litología pertenece al complejo metamórfico del Karakórum del Sur (SKm), que tiene el mayor número de deslizamientos de tierra en el área8, y el área está ubicada cerca de MKT y otras pequeñas fallas activas.

Deslizamiento de tierra en el complejo del área de Budalas; (a) Vista de imágenes ópticas, (b) Velocidad de deformación (Vslope) superpuesta a imágenes de Google Earth para una vista en perspectiva, y (c) series de tiempo de desplazamiento para puntos PS representativos p1, p2 y p3.

El deslizamiento de tierra de Khanabad tiene una naturaleza compleja y es la zona más deformante en este estudio, con una pendiente V media > 50 mm/año, que también fue detectada por 12. El movimiento de desplazamiento es hacia el sur y tiene alta velocidad de deformación en la parte superior. La pendiente del gradiente es de 20 a 65 grados y está en formación SKm. La parte inferior tiene un tobogán de caída de rocas como se ve en las imágenes ópticas (Fig. 10) y la parte superior tiene momentos de pedregal.

Deslizamiento de tierra complejo en Khanabad; (a) vista de Google Earth, (b) tasa de desplazamiento Vslope superpuesta en imágenes ópticas y (c) series de tiempo de desplazamiento para los puntos PS p1, p2 y p3.

El área de Mayoon tiene un deslizamiento de tierra complejo que tiene un desplazamiento de deformación promedio (Vpendiente) > 20 mm/año (Fig. 11). Este deslizamiento tiene varias grietas paralelas (de 0,1 a 5 m de apertura)28 y se desliza hacia el sur. El área tiene una pendiente de 15 a 45 grados y se encuentra en la localidad del grupo Yasin. En 1976 se produjo el primer deslizamiento de tierra en la zona, arruinando en pequeña medida las tierras agrícolas. La infraestructura resultó dañada en 2011 cuando se produjo una segunda falla en la pendiente en el extremo este de la escarpa. En 2012, veinte familias tuvieron que ser evacuadas de la zona debido a una segunda catástrofe, comparativamente de menor escala28.

Deslizamiento de tierra en Mayoon; (a) imagen de Google Earth del área, (b) velocidad de deformación de la pendiente (Vslope) superpuesta en Google Earth, y (c) serie de tiempo de desplazamiento para los puntos PS seleccionados p1, p2 y p3.

El mapa de inventario de deslizamientos de tierra para el área se convirtió a una forma rasterizada para calcular el número de píxeles en diferentes clases de parámetros condicionantes (Tabla 2). La evaluación mostró que más del 80% de los deslizamientos de tierra se produjeron en < 45 grados de pendiente (Fig. 12, Tabla 2). Las clases de gradiente de 15 a 60 grados se correlacionan positivamente con las actividades de deslizamientos de tierra porque las terrazas del río Hunza se acumularon con antiguos deslizamientos de tierra, que son inestables en la zona. Según la estimación estadística las zonas de elevación de 1500 a 3600 m presentan alrededor del 90% de deslizamientos (Tabla 2). Las clases 1800–2600 m y 2600–3600 m tienen un valor FR de 2,56 y 2,05 para deslizamientos de tierra, lo que muestra una alta correlación. El cuerpo inclinado que tiene menos de 3600 m de relieve ha sufrido una extensa erosión y la gravedad, además de la erosión fluvial y de escorrentía, es el principal factor del colapso de la pendiente. Las zonas que están por encima de los 3600 m de elevación se encuentran en ubicaciones de lecho rocoso expuesto que se ven menos impactadas por la erosión fluvial y pluvial, y por lo tanto ocurren un bajo número de deslizamientos de tierra.

Representación gráfica de la Tabla 2. Aquellas clases que poseen cero % de deslizamientos de tierra fueron ignoradas como se puede ver en la columna de clases en la Tabla 2.

La zona tiene una naturaleza tectónica activa y en el pasado experimentó muchos terremotos, por lo que en las instalaciones de las fallas se mapearon varios deslizamientos de tierra. Con base en la presunción de que las pendientes cercanas a una falla tienen más probabilidades de experimentar deformación, se estimaron cuantitativamente las distancias desde varias fallas, lo que muestra que hay muchos deslizamientos de tierra densamente poblados cerca de fallas activas (Fig. 12). La resistencia y deformabilidad del lecho rocoso se ven directamente afectadas por la presencia de fallas. Una distancia de menos de 5 km se correlaciona positivamente con deslizamientos de tierra en el área (Tabla 1). Los depósitos cuaternarios (Q), el complejo metamórfico del Karakórum del Sur (SKm), la unidad plutónica de Hunza (HPU) y la piedra caliza masiva del Pérmico (Pm) tienen aproximadamente el 90% de los deslizamientos de tierra (Tabla 2, Fig. 12). En resumen, los riesgos de deformación ocurren principalmente en rocas sedimentarias y metamórficas a lo largo del KKH.

KKH es una zona semiárida que tiene menos precipitación anual (Tabla 2). El análisis estadístico muestra que aquellas áreas que experimentan altas precipitaciones poseen una gran cantidad de eventos de falla de pendientes (Tabla 2). Alrededor del 95% de los deslizamientos de tierra se ubican en áreas con poca o ninguna vegetación (Tabla 2). El área de KKH es mayoritariamente árida, donde casi el 90 por ciento de los deslizamientos de tierra (deslizamientos de tierra existentes (Figs. 13, 14) se cartografiaron en zonas sin vegetación. El método PSInSAR tiene limitaciones en áreas cubiertas de vegetación, pero más del 60 por ciento de los El terreno se encuentra cubierto sin vegetación, por lo que se puede concluir que la vegetación controla la estabilidad de los taludes en la zona como también se confirma en estudios previos8,12,28,31.

La distribución de deslizamientos de tierra y glaciares potenciales y documentados en el valle de Hunza posee imágenes Sentinel-2 como mapa base en el entorno ArcGIS (a, b y c son la vista superpuesta VLOS en imágenes ópticas de Google Earth de algunos deslizamientos de tierra potenciales mapeados en este estudio). (©USGS).

Vista ampliada de la distribución de deslizamientos de tierra potenciales y existentes en el valle de Mighar hasta las partes superiores del área de estudio (a, byc son imágenes de Google Earth de algunos deslizamientos de tierra potenciales sobre los cuales se superpuso VLOS). (©USGS).

En este estudio, la mayoría de los deslizamientos de tierra existentes que fueron mapeados previamente también se detectaron en el análisis InSAR. Se mapearon algunos nuevos deslizamientos de tierra que poseen alta velocidad de deformación (Vslope) y se modificaron los límites de varios deslizamientos de acuerdo con puntos PS y se validaron durante el trabajo de campo. El inventario actualizado de deslizamientos de tierra se clasificó en dos clases según la tasa de deformación. Aunque la mayoría de los deslizamientos de tierra tienen desplazamiento hasta cierto punto (Figs. 13, 14), algunas zonas se están deformando a un ritmo de > 25 mm/año. Aquellos deslizamientos que tienen alta velocidad de deformación se incluyeron en la clase potencial y otros deslizamientos tienen valores de deformación bajos y cuentan con información previamente clasificada en deslizamientos existentes (Fig. 13, 14). Todas estas pendientes potencialmente deformantes son complejas y tienen diferentes tipos de movimiento de material en caída libre, y estos sitios necesitan un análisis más detallado por parte de los geocientíficos para hacer frente al desastre similar al de Ataabad en el futuro.

El mapa de inventario de deslizamientos actualizado y los factores condicionantes seleccionados se incorporaron con el algoritmo de relación de frecuencia para generar el modelo de susceptibilidad para el área (Fig. 15). La precisión del modelo fue del 86,6 por ciento calculada mediante el método AUC (Fig. 15). El mapa de susceptibilidad muestra que las áreas de Hunza-Nagar y Gojal-Passu son las más peligrosas para las actividades de deslizamientos de tierra. El mapa de susceptibilidad se clasificó en cinco clases, desde zonas de muy alta a baja susceptibilidad (Fig. 15).

Mapa de susceptibilidad a deslizamientos de tierra del área de estudio clasificado en cinco zonas de muy alta a muy baja con diferentes colores. El rectángulo negro muestra las diferentes ubicaciones de los deslizamientos de tierra. (©USGS).

En este trabajo de investigación, se evaluó un examen de un conjunto de datos de banda C Sentinel-1 para determinar la contribución potencial de los mapas de deformación de PS a los deslizamientos de tierra a lo largo del KKH desde enero de 2018 hasta enero de 2022. Mapa de velocidad de deformación a lo largo de la pendiente (Vslope) se incorporó para mapear una serie de nuevos deslizamientos de tierra potenciales y ajustar los límites de los deslizamientos de tierra documentados (Fig. 5). Para la validación, clasificación y análisis adicional del inventario se emplearon la interpretación de datos de teledetección óptica, datos de inventario de deslizamientos de tierra existentes y un estudio de campo del área.

Los estudios previos realizados aplicando InSAR fueron el método SBAS en el área12 usando un período temporal de 1 año, y3 también incorporaron la misma técnica para la optimización de la susceptibilidad a deslizamientos de tierra en la sección China de KKH. En este estudio, el enfoque PSInSAR se probó durante 4 años de un período temporal que mostró resultados prometedores, y la relación entre el cuerpo del deslizamiento de tierra mapeado y los datos de PSInSAR revela una buena correlación en el área. En este estudio, se mapearon varios deslizamientos de tierra nuevos que no se habían detectado en estudios anteriores, como el deslizamiento de tierra de Budalas, que tuvo una media > 50 mm/año. Estas actualizaciones ofrecen información esencial a los usuarios finales y partes interesadas para la planificación adecuada de las medidas de mitigación de riesgos porque las mayores densidades de PS se devuelven en áreas con un entorno urbanizado y una red de carreteras bien desarrollada.

La interferometría multitemporal tiene muchas ventajas para estudiar deslizamientos de tierra, pero también encuentra algunas limitaciones en diferentes áreas de naturaleza. Los deslizamientos de tierra ocurren con frecuencia en condiciones ambientales difíciles para las aplicaciones temporales de InSAR (por ejemplo, pendientes con vegetación, topografía empinada y accidentada), donde el análisis de InSAR enfrenta una incertidumbre significativa en las estimaciones de los movimientos del suelo44. Esta limitación puede resolverse mediante la integración de datos SAR ALOS/PALSAR-2 de longitud de onda larga para la descorrelación temporal en áreas cubiertas de vegetación45. En este estudio, también se evaluó que el método de procesamiento interferométrico también está desactivado para detectar deslizamientos de tierra de rápido movimiento, como desprendimientos de rocas. Por lo tanto, proponemos que el seguimiento y la identificación detallados de los riesgos geológicos a lo largo de KKH se realicen utilizando una variedad de enfoques y conjuntos de datos extensos.

El análisis de los factores condicionantes es importante para estudiar los deslizamientos de tierra. En este trabajo de investigación, se evaluaron los seis factores más responsables para determinar la correlación con las actividades de falla de taludes en el área según todos los estudios previos7,8,12,32. En los terrenos bajos, se encuentran eventos de flujo de escombros en muchos lugares a lo largo de KKH46, y se rastreó que entre 15 y 60 grados de rastros descuidados tenían una pendiente más desestabilizada32. Durante las temporadas de lluvias, el material suelto de deslizamientos de tierra históricos fluye hacia abajo y daña con frecuencia KKH. Las secciones inestables de antiguos deslizamientos de tierra en pendientes suaves a pronunciadas se mueven hacia abajo lentamente, como se muestra en los resultados de InSAR que tienen una gran cantidad de puntos PS en los deslizamientos de tierra históricamente documentados. La clase árida fue evaluada como altamente susceptible a deslizamientos de tierra8, y más del 60% de los terrenos a lo largo de KKH son áridos que fueron erosionados por el tiempo bajo el sol, la lluvia y otros procesos y son propensos a deslizamientos de tierra. La naturaleza tectónica activa explica varias actividades de deformación a lo largo de las líneas de falla9. reportaron varios deslizamientos de tierra a lo largo del MMT. En este estudio se mapearon varios eventos potenciales de deformación en las proximidades de las líneas de falla (Figs. 13, 14), que muestran las fallas como el principal desencadenante. KKH está pasando por la parte más sísmicamente activa del mundo, donde las zonas de fallas y cizallas muestran una fuerte influencia en las actividades de deslizamientos de tierra en el área7. Se estimó que las unidades litológicas de los Depósitos Cuaternarios (Q) y del Complejo metamórfico del Karakórum del Sur (SKm) eran más propensas a los deslizamientos de tierra en este trabajo que también fue evaluado por8,32. El área es semiárida, pero en la temporada de los monzones la región experimenta altas precipitaciones y el flujo de escombros, el colapso de las pendientes de pedregal y, en ocasiones, los desprendimientos de rocas dañan la carretera todos los años.

Aunque existen múltiples ventajas al utilizar la teledetección por RADAR para la detección y cartografía de deslizamientos de tierra, también existen algunas limitaciones. Los datos deben estar espaciados uniformemente en el tiempo (muestreo regular). Aunque InSAR proporciona un período de revisión constante, no siempre es posible que la serie temporal de InSAR proporcione un intervalo de tiempo constante ya que es normal que algunas imágenes se pierdan u omitan en el procesamiento, lo que afecta los resultados. La longitud de onda del sensor SAR utilizado limita la tasa de deformación que se puede observar. Los deslizamientos de tierra catastróficos que se mueven rápidamente pueden deformarse a velocidades considerablemente superiores a los metros por minuto. La generación actual de satélites SAR no puede monitorear directamente esta velocidad de movimiento extremadamente rápida47. La abundancia de vegetación es otro inconveniente. Una mayor cobertura vegetal provoca un aumento de la descorrelación volumétrica, lo que reduce la coherencia48. Se podría aumentar la coherencia agregando reflectores de esquina a las pendientes con vegetación más pronunciadas o peligrosas, empleando longitudes de onda más largas como la banda L que puede atravesar la vegetación y/o aumentando la resolución temporal, pero también encuentra problemas de retraso atmosférico. Esto podría dar lugar a medidas inexactas de deformación sin la aplicación de métodos sofisticados de mitigación atmosférica. Para esta área de estudio, algunos investigadores enviaron mapas de susceptibilidad que anteriormente se basaban exclusivamente en métodos cuantitativos, que dependen de datos de inventario interpretados visualmente. En este tipo de enfoque, las posibilidades máximas de que falten datos de inventario son posibles. Para superar esta limitación y mapear todo tipo de deslizamientos de tierra para el desarrollo de un inventario completo de deslizamientos de tierra, se aplicaron técnicas de interpretación de sensores remotos ópticos, trabajo de campo y aplicación InSAR para la detección de deslizamientos de tierra y generaron un mapa de susceptibilidad a deslizamientos de tierra de alta precisión para el área.

Este estudio presenta el desarrollo de un inventario actualizado de deslizamientos de tierra y una estimación de la velocidad de deformación (Vslope) en una zona de amortiguamiento de 10 km a lo largo del KKH desde Gilgit hasta la sección Khunjerab en el norte de Pakistán. Los resultados de esta investigación muestran que la interferometría de dispersión persistente (PSInSAR) puede actualizar significativamente los inventarios de deslizamientos de tierra. Este avance de InSAR funciona de manera eficiente para modificar los límites de los deslizamientos de tierra, evaluar su estado de actividad y comprender mejor la cinemática de deslizamiento. La velocidad de deformación (Vpendiente) fue absorbida en 364 mm/año, la más alta del área. El área de Budalas, la región de Khanabad, el deslizamiento de tierra de Mayoon y el área de Attabad son zonas altamente deformantes que deben investigarse y mitigar futuros desastres. Los deslizamientos de tierra con desplazamiento > 25 mm/año se consideraron de alto riesgo y en este estudio se mapearon y redefinieron 29 deslizamientos de tierra. El inventario de deslizamientos de tierra actualizado y el factor desencadenante basado en PSInSAR se formularon a través del modelo FR para generar un mapa de susceptibilidad para el área, que se clasificó en cinco zonas de muy alta a baja susceptibilidad. La pendiente, las unidades litológicas SKm, Q y Pm, la desnudez y las zonas sísmicas a lo largo de las fallas son los parámetros más responsables de las actividades de deslizamiento y deformación en el área. Los hallazgos de este estudio se pueden utilizar para la evaluación del peligro de deslizamientos de tierra y el análisis de riesgos para mitigar el efecto y la planificación del desarrollo futuro en el área.

Los datos y materiales utilizados en este artículo están disponibles previa solicitud del autor de la correspondencia.

Radar de apertura sintética, SAR interferométrico de dispersión persistente

Misión de topografía de radar del transbordador

Modelo de elevación digital

Relación señal-ruido

Selección de puntos escasa

Pantalla de fase atmosférica

Mínimos cuadrados

Escaneo de radar de apertura sintética

Candidatos de dispersión permanente

Línea de visión

Milímetro por año

Perfil de elevación

Agencia Espacial Europea

Roy, P., Martha, TR, Khanna, K., Jain, N. y Kumar, KV Predicción de tiempo y trayectoria de deslizamientos de tierra utilizando InSAR y modelo de flujo. Sensores remotos. Medio ambiente. 271, 112899. https://doi.org/10.1016/j.rse.2022.112899 (2022).

ADS del artículo Google Scholar

Hussain, S. y col. Mapeo y modelado optimizados de susceptibilidad a deslizamientos de tierra utilizando la técnica PS-InSAR: un estudio de caso del valle de Chitral, norte de Pakistán. Geocarto Int. https://doi.org/10.1080/10106049.2021.1914750 (2021).

Artículo de Google Scholar

Zhao, F. y col. Mapeo de susceptibilidad a deslizamientos de tierra de la autopista Karakorum combinado con la aplicación de tecnología SBAS-InSAR. Sensores 19, 2685 (2019).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Hewitt, K. Deslizamientos de tierra catastróficos y sus efectos en las corrientes del Alto Indo, Karakoram Himalaya, norte de Pakistán. Geomorfología 26, 47–80. https://doi.org/10.1016/S0169-555X(98)00051-8 (1998).

ADS del artículo Google Scholar

Sato, HP y cols. Interpretación de la distribución de los deslizamientos de tierra provocados por el terremoto del norte de Pakistán de 2005 utilizando imágenes SPOT 5. Deslizamientos de tierra 4, 113-122. https://doi.org/10.1007/s10346-006-0069-5 (2007).

Artículo de Google Scholar

Chen, X. et al. Análisis del riesgo de rotura de la presa de deslizamientos de tierra de Attabad en Pakistán y contramedidas de emergencia. Deslizamientos de tierra 14, 675–683. https://doi.org/10.1007/s10346-016-0721-7 (2017).

Artículo de Google Scholar

Ali, S., Biermanns, P., Haider, R. & Reicherter, K. Mapeo de susceptibilidad a deslizamientos de tierra mediante el uso de un sistema de información geográfica (SIG) a lo largo del corredor económico China-Pakistán (autopista Karakoram), Pakistán. Nat. Peligros Sistema Tierra Ciencia. 19, 999–1022. https://doi.org/10.5194/nhess-19-999-2019 (2019).

ADS del artículo Google Scholar

Bacha, AS, Shafique, M. & van der Werff, H. Inventario de deslizamientos de tierra y modelado de susceptibilidad utilizando herramientas geoespaciales, en el valle de Hunza-Nagar, norte de Pakistán. J. Monte Sci. 15, 1354-1370. https://doi.org/10.1007/s11629-017-4697-0 (2018).

Artículo de Google Scholar

Farooq Ahmed, M. y David Rogers, J. Mapas de inventario de deslizamientos de tierra a nivel regional de la cuenca del río Shyok, norte de Pakistán. Toro. Ing. Geol. Reinar. 75, 563–574. https://doi.org/10.1007/s10064-015-0773-2 (2016).

Artículo de Google Scholar

Qing, F. y col. Aplicación del aprendizaje automático al mapeo de susceptibilidad a flujos de escombros a lo largo de la autopista Karakoram China-Pakistán. Sensores remotos 12, 2933 (2020).

Artículo de Google Scholar

Du, J., Glade, T., Woldai, T., Chai, B. & Zeng, B. Evaluación de susceptibilidad a deslizamientos de tierra basada en un inventario incompleto de deslizamientos de tierra en el valle de Jilong, Tíbet, Himalaya chino. Ing. Geol. 270, 105572. https://doi.org/10.1016/j.enggeo.2020.105572 (2020).

Artículo de Google Scholar

Su, X.-J. et al. Mapeo y análisis de deslizamientos de tierra a lo largo de la autopista Karakoram China-Pakistán basado en la detección SBAS-InSAR en 2017. J. Mt. Sci. 18, 2540–2564. https://doi.org/10.1007/s11629-021-6686-6 (2021).

Artículo de Google Scholar

Rosi, A. et al. El nuevo inventario de deslizamientos de tierra de Toscana (Italia) actualizado con PS-InSAR: Características geomorfológicas y distribución de deslizamientos. Deslizamientos de tierra 15, 5-19. https://doi.org/10.1007/s10346-017-0861-4 (2018).

Artículo de Google Scholar

Dai, C. y col. Detección activa de deslizamientos de tierra basada en datos de Sentinel-1 y tecnología InSAR en el condado de Zhouqu, provincia de Gansu, noroeste de China. J. Ciencias de la Tierra. 32, 1092-1103. https://doi.org/10.1007/s12583-020-1380-0 (2021).

Artículo de Google Scholar

Guoqing, Y. & Jingqin, M. Técnica D-InSAR para el monitoreo de hundimientos del terreno. Ciencia de la Tierra. Frente. 15, 239–243. https://doi.org/10.1016/S1872-5791(08)60059-7 (2008).

ADS del artículo Google Scholar

Ferretti, A. et al. Un nuevo algoritmo para procesar pilas de datos interferométricos: SqueeSAR. Traducción IEEE. Geociencias. Sensores remotos 49(9), 3460–3470 (2011).

ADS del artículo Google Scholar

Ali, M., Shahzad, MI, Nazeer, M. y Kazmi, JH Estimación de la deformación de la superficie debido al terremoto de Pasni mediante interferometría SAR. En t. Arco. Fotograma. Sens. Remota Inf. Espacial. Ciencia. XLII-3, 23-29. https://doi.org/10.5194/isprs-archives-XLII-3-23-2018 (2018).

Artículo de Google Scholar

Ali, M., Shahzad, MI, Nazeer, M., Mahmood, I. y Zia, I. Estimación de la deformación de la superficie debido al terremoto de Pasni mediante interferometría RADAR. Geocarto Int. 36, 1630-1645. https://doi.org/10.1080/10106049.2019.1661031 (2021).

Artículo de Google Scholar

Hooper, A., Segall, P. & Zebker, H. Radar de apertura sintética interferométrica de dispersión persistente para análisis de deformación de la corteza terrestre, con aplicación al Volcán Alcedo, Galápagos. J. Geophys. Res. Tierra sólida 112, 7 (2007).

Artículo de Google Scholar

Ciampalini, A., Raspini, F., Lagomarsino, D., Catani, F. & Casagli, N. Refinamiento del mapa de susceptibilidad a deslizamientos de tierra utilizando datos PSInSAR. Sensores remotos. Medio ambiente. 184, 302–315. https://doi.org/10.1016/j.rse.2016.07.018 (2016).

ADS del artículo Google Scholar

Yazici, BV y Tunc Gormus, E. Investigación de la eficiencia de la técnica de dispersión persistente InSAR (PSInSAR) para el mapeo de deslizamientos de tierra: un estudio de caso en el área de la presa Artvin en Turquía. Geocarto Int. 37, 2293–2311. https://doi.org/10.1080/10106049.2020.1818854 (2022).

Artículo de Google Scholar

Jiaxuan, H., Mowen, X. y Atkinson, PM Mapeo dinámico de susceptibilidad de deslizamientos de tierra de movimiento lento utilizando PSInSAR. En t. J. Sensores remotos 41, 7509–7529. https://doi.org/10.1080/01431161.2020.1760398 (2020).

Artículo de Google Scholar

Oliveira, SC, Zêzere, JL, Catalão, J. & Nico, G. La contribución de la interferometría PSInSAR al peligro de deslizamientos de tierra en áreas dominadas por rocas débiles. Deslizamientos de tierra 12, 703–719. https://doi.org/10.1007/s10346-014-0522-9 (2015).

Artículo de Google Scholar

Hussain, S., Hongxing, S., Ali, M. & Ali, M. Modelado validado de susceptibilidad a deslizamientos de tierra basado en PS-InSAR: un estudio de caso del valle de Ghizer, norte de Pakistán. Geocarto Int. 37, 3941–3962. https://doi.org/10.1080/10106049.2020.1870165 (2021).

Artículo de Google Scholar

Hastaoglu, KO Comparación de los resultados de PSInSAR y GNSS en deslizamientos de tierra en cámara lenta, Koyulhisar, Turquía. Geomat. Nat. Haz. Riesgo 7, 786–803. https://doi.org/10.1080/19475705.2014.978822 (2016).

Artículo de Google Scholar

Searle, M., Khan, MA, Fraser, J., Gough, S. y Jan, MQ La evolución tectónica del cinturón de colisión Kohistan-Karakoram a lo largo del transecto de la autopista Karakoram, norte de Pakistán. Tectónica 18, 929–949 (1999).

ADS del artículo Google Scholar

Zeitler, PK Historia del enfriamiento del noroeste del Himalaya, Pakistán. Tectónica 4, 127-151 (1985).

ADS del artículo Google Scholar

Rehman, MU y cols. Análisis de los movimientos de deslizamientos de tierra utilizando un radar interferométrico de apertura sintética: un estudio de caso en el valle de Hunza-Nagar, Pakistán. Sensores remotos 12, 2054 (2020).

ADS del artículo Google Scholar

Malamud, BD, Turcotte, DL, Guzzetti, F. & Reichenbach, P. Inventarios de deslizamientos de tierra y sus propiedades estadísticas. Surf de la Tierra. Proc. Tierra. 29, 687–711. https://doi.org/10.1002/esp.1064 (2004).

ADS del artículo Google Scholar

Galli, M., Ardizzone, F., Cardinali, M., Guzzetti, F. y Reichenbach, P. Comparación de mapas de inventario de deslizamientos de tierra. Geomorfología 94, 268–289. https://doi.org/10.1016/j.geomorph.2006.09.023 (2008).

ADS del artículo Google Scholar

Su, X. et al. Actualización de las características de inventario, deformación y desarrollo de deslizamientos de tierra en el valle de Hunza, noroeste de Karakoram, Pakistán por SBAS-InSAR. Sensores remotos 14, 4907 (2022).

ADS del artículo Google Scholar

Hussain, ML, Shafique, M., Bacha, AS, Chen, X.-Q. y Chen, H.-Y. Inventario de deslizamientos de tierra y evaluación de susceptibilidad utilizando múltiples enfoques estadísticos a lo largo de la carretera Karakoram, en el norte de Pakistán. J. Monte Sci. 18, 583–598. https://doi.org/10.1007/s11629-020-6145-9 (2021).

Artículo de Google Scholar

Canción, C. et al. El desencadenamiento y la recuperación de los deslizamientos de tierra acelerados por un terremoto en el centro de Italia, revelados por observaciones de radar por satélite. Nat. Comunitario. 13, 7278. https://doi.org/10.1038/s41467-022-35035-5 (2022).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Yilmaz, I. Mapeo de susceptibilidad a deslizamientos de tierra utilizando índice de frecuencia, regresión logística, redes neuronales artificiales y su comparación: un estudio de caso de deslizamientos de tierra de Kat (Tokat, Turquía). Computadora. Geociencias. 35, 1125-1138. https://doi.org/10.1016/j.cageo.2008.08.007 (2009).

ADS del artículo Google Scholar

Ciampalini, A. et al. La eficacia de los datos LiDAR de alta resolución combinados con los datos PSInSAR en el estudio de deslizamientos de tierra. Deslizamientos de tierra 13, 399–410. https://doi.org/10.1007/s10346-015-0663-5 (2016).

Artículo de Google Scholar

Singh, S., Raju, A. & Banerjee, S. Detección de deslizamientos de tierra de movimiento lento en partes de Darjeeling-Sikkim Himalaya, noreste de India: limitaciones cuantitativas de PSInSAR y su relación con las discontinuidades estructurales. Deslizamientos de tierra https://doi.org/10.1007/s10346-022-01900-z (2022).

Artículo de Google Scholar

Hooper, A., Zebker, H., Segall, P. y Kampes, B. Un nuevo método para medir la deformación en volcanes y otros terrenos naturales utilizando dispersores persistentes InSAR. Geofís. Res. Letón. 31, 23 (2004).

Artículo de Google Scholar

Ramzan, U., Fan, H., Aeman, H., Ali, M. & Al-qaness, M. Análisis combinado de PS-InSAR e integral de hipsometría (HI) para comparar la vulnerabilidad sísmica y la evaluación de varias regiones de Pakistán. Ciencia. Rep. 12, 22423. https://doi.org/10.1038/s41598-022-26159-1 (2022).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Frattini, P., Crosta, GB, Rossini, M. y Allievi, J. Actividad y comportamiento cinemático de deslizamientos de tierra profundos a partir de mediciones de la tasa de desplazamiento PS-InSAR. Deslizamientos de tierra 15, 1053-1070. https://doi.org/10.1007/s10346-017-0940-6 (2018).

Artículo de Google Scholar

Zhang, Y. et al. Investigación de deslizamientos de tierra de movimiento lento en la región de Zhouqu en China utilizando series temporales InSAR. Deslizamientos de tierra 15, 1299-1315. https://doi.org/10.1007/s10346-018-0954-8 (2018).

Artículo de Google Scholar

Solari, L. et al. Revisión de la interferometría satelital para la detección de deslizamientos de tierra en Italia. Sensores remotos 12, 1351 (2020).

ADS del artículo Google Scholar

Zhang, Y. et al. Predicción de la magnitud de posibles deslizamientos de tierra basada en técnicas InSAR. Sensores remotos. Medio ambiente. 241, 111738. https://doi.org/10.1016/j.rse.2020.111738 (2020).

ADS del artículo Google Scholar

Van Westen, CJ Modelado de peligros de deslizamientos de tierra utilizando Gis. Sobrevivir. Geofís. 21, 241–255. https://doi.org/10.1023/A:1006794127521 (2000).

ADS del artículo Google Scholar

Del Ventisette, C., Righini, G., Moretti, S. & Casagli, N. Actualización de mapas de inventario de deslizamientos de tierra multitemporales mediante análisis SAR espacial. En t. J. Aplica. Observación de la Tierra. Geoinf. 30, 238–246. https://doi.org/10.1016/j.jag.2014.02.008 (2014).

Artículo de Google Scholar

Liu, X. y col. Integración de los conjuntos de datos SAR Sentinel-1 y ALOS/PALSAR-2 para mapear deslizamientos de tierra activos a lo largo del corredor del río Jinsha, China. Ing. Geol. 284, 106033. https://doi.org/10.1016/j.enggeo.2021.106033 (2021).

Artículo de Google Scholar

Hewitt, K. Fallos catastróficos de pendientes rocosas y desarrollos del Cuaternario tardío en el macizo Nanga Parbat-Haramosh, cuenca del Alto Indo, norte de Pakistán. Cuaternario. Ciencia. Apocalipsis 28, 1055–1069. https://doi.org/10.1016/j.quascirev.2008.12.019 (2009).

ADS del artículo Google Scholar

Fobert, M.-A., Singhroy, V. & Spray, JG Monitoreo InSAR de la actividad de deslizamientos de tierra en dominica. Sensores remotos 13, 815 (2021).

ADS del artículo Google Scholar

Pepe, A. & Calò, F. Una revisión de los enfoques multipista de RADAR de apertura sintética interferométrica (InSAR) para la recuperación de los desplazamientos de la superficie terrestre. Aplica. Ciencia. 7, 1264 (2017).

Artículo de Google Scholar

Descargar referencias

Queremos expresar nuestro más sincero agradecimiento a los revisores por sus sugerencias y comentarios constructivos sobre este artículo. También queremos agradecer al USGS, la NASA y la Agencia Espacial Europea (ESA) por proporcionar datos de teledetección de acceso abierto para facilitarnos el trabajo de investigación.

Escuela de Ingeniería de la Información y Percepción Remota, Universidad de Wuhan, Wuhan, 430079, China

Sajid Hussain, Bin Pan, Xianlong Zhang y Xianjian Shi

Laboratorio estatal clave de ingeniería de la información en topografía, cartografía y teledetección, Universidad de Wuhan, Wuhan, 430079, China

Zeeshan Afzal

Departamento de Ingeniería, Universidad de Nápoles Parthenope, 80133, Nápoles, Italia

Mahoma Alí

Departamento de Geología y Geografía, Universidad de Virginia Occidental, Morgantown, WV, 26505, EE. UU.

Mahoma Alí

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

Conceptualización, SH y BP; metodología, SH; software; validación, MA, ZA; análisis formal, SH, MA y BP; investigación, XZ; recursos, SH y ZA; curación de datos, redacción: preparación del borrador original, redacción: revisión y edición, SH, XS y MA; visualización, SH; supervisión, administración del proyecto BP, HF Todos los autores han leído y aceptado la versión enviada del manuscrito.

Correspondencia a Bin Pan.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado a los autores originales y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Hussain, S., Pan, B., Afzal, Z. et al. Detección de deslizamientos de tierra y actualización de inventario utilizando el enfoque InSAR de series temporales a lo largo de la autopista Karakoram, en el norte de Pakistán. Representante científico 13, 7485 (2023). https://doi.org/10.1038/s41598-023-34030-0

Descargar cita

Recibido: 13 de febrero de 2023

Aceptado: 22 de abril de 2023

Publicado: 09 de mayo de 2023

DOI: https://doi.org/10.1038/s41598-023-34030-0

Cualquier persona con la que comparta el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.