《International Journal of Applied Earth Observation and Geoinformation》：Unraveling the controls of unstable slopes in mining-affected coalfields through InSAR observations and multivariate modeling
编辑推荐：
本研究针对采矿扰动区不稳定斜坡控制因素不明的问题，通过SBAS-InSAR技术获取大同煤田地表形变数据，结合多元建模揭示了静态地质因素与动态环境因子对斜坡稳定性的时空影响规律。研究发现采矿密度、断层距离和降雨是主导控制因素，间歇性不稳定斜坡对气候强迫存在滞后响应，为矿区滑坡风险动态预警提供了新范式。
在人类工程活动剧烈的矿区，斜坡失稳如同悬在头顶的"达摩克利斯之剑"，时刻威胁着人民生命财产安全。传统监测手段虽能精准捕捉单点变形，却难以实现区域尺度的"全景扫描"。更棘手的是，在采矿扰动与自然营力交织作用的复杂环境下，斜坡稳定性的控制机制如同雾里看花，特别是动态环境因子如何影响不同类型斜坡的变形过程，仍是悬而未解的难题。
为揭开这一迷雾，中南大学研究团队在《International Journal of Applied Earth Observation and Geoinformation》发表论文，以大同煤田为天然实验室，开展了一场跨越六年的"斜坡体检"。研究人员采用小基线集干涉雷达(SBAS-InSAR)技术，处理了2019年5月至2025年4月的哨兵一号升轨数据，获取了毫米级精度的地表形变序列。通过创新性地引入斜坡单元(SU)作为基本分析单元，结合标准差阈值法识别不稳定斜坡，并构建包含地形、地质、气候和人为活动等10个因子的随机森林(RF)模型，首次实现了对不稳定斜坡控制因素的时空多尺度解析。
关键技术方法主要包括：SBAS-InSAR时序处理获取LOS向形变场；基于地貌形态的SU自动划分；采用SHAP值的RF模型解析变量贡献度；交叉小波相干分析揭示形变与环境因子的时频关联。所有分析均基于大同煤田实地观测数据。
研究结果呈现三大发现：
4.1节通过InSAR形变场成功识别出不稳定斜坡空间分布，显示雨季不稳定斜坡数量显著多于旱季（图4）。采用2倍标准差(约14毫米/年)阈值，分别在TS-1和TS-2期识别出538和534个不稳定斜坡单元。
4.2节的多变量建模表明，采矿密度(Mine_density)和矿点距离(Dis2mines)是长期稳定的主导因素，而降雨量(Rainfall)等动态变量呈现明显季节性波动（图5-6）。值得注意的是，坡度在15-25°时对不稳定性贡献最大，而东北朝向斜坡更易失稳。
4.3节的波浪相干分析揭示，仅间歇性不稳定斜坡的变形与气候因子存在显著年际周期响应（图8）：降雨超前变形约12天，地温(LST)超前45天，积雪覆盖率(Snowcover)呈现5个月的反相位领先，表明这类斜坡处于临界稳定状态。
结论部分指出，该研究首次系统揭示采矿扰动区斜坡失稳的复合控制机制：静态地质因素构成稳定性背景场，而动态环境强迫通过周期性调制作用触发间歇性失稳。特别是指出采矿密度0.1-0.2、矿点距离1.5-2公里区域为高风险区，为矿区滑坡风险分季预警提供了理论依据。提出的"InSAR观测+多元建模+时频分析"框架具有普适性，可推广至其他人类工程活动强烈地区的地质灾害早期识别。
