基于InSAR的烏東德水電站庫區邊坡形變監測及分析

畢自航 李素敏 袁利偉 藺瑜

摘要：水電站建成投產后，水庫水位變化頻繁，改變了庫岸邊坡原有的穩定性，易誘發邊坡失穩破壞，從而對水電站的安全運行及周邊居民區產生一定安全隱患。為了更好地掌握烏東德水電站蓄水過程中庫區邊坡的形變情況，通過SBAS-InSAR技術對該區域2020年5月至2022年8月間的升降軌哨兵數據進行解算，獲取了研究區的地表形變特征；結合庫水位變化情況、SAR數據反演出的邊坡土壤含水量后向散射系數，對識別出的5處不穩定區域的形變機理進行分析。結果表明：運用升降軌InSAR可準確識別出庫岸邊坡的形變情況，研究區最大年平均沉降速率為-92 mm/a；庫岸邊坡的形變趨勢與庫水位及土壤含水量后向散射系數變化有著明顯的相關性，水庫蓄水是致使邊坡體加速沉降的主要因素。

摘要：庫區邊坡； 形變監測； 土壤含水量后向散射系數； 滑坡識別； InSAR； 升降軌； 烏東德水電站

中圖法分類號： P228；TV223

文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2024.01.020

0 引 言

水電站蓄水后因水位的抬升、下降影響及庫水長期浸泡，邊坡體由自然狀態轉化為飽和與非飽和狀態，這種變化極易導致河谷岸坡發生變形失穩和部分古滑坡體復活［1-3］。長江流域內庫區地質災害屢見不鮮，滑坡產生的涌浪能傳播較遠的距離，同時堆積體落入庫區，加快了電站上游的淤積，嚴重威脅著水電站的安全運行和周邊居民的生命財產安全。溪洛渡水電站庫區就由于蓄水導致青杠坪邊坡于2016年4月發生失穩破壞，大量的堆積體滑入金沙江，損毀大量房屋及公共設施［4］。因此，對水電站庫區內的滑坡隱患區域開展監測，掌握其分布和形變規律，準確評估邊坡形變存在的危險性具有重要意義。

一般的邊坡形變監測，常運用全站儀、GPS、深部位移計、鉆孔傾斜儀等手段獲取形變信息，但這都是點式的測量方式，覆蓋范圍有限且成本相對較高，不宜大范圍實施。為解決傳統邊坡監測技術的局限性，合成孔徑雷達干涉測量（InSAR）技術從20世紀90年代逐漸發展起來。在此基礎上，時序InSAR技術也開始走向大眾視野并廣泛應用于高精度地表形變監測。2002年，一些國外學者提出了差分干涉測量短基線集時序分析技術（SBAS-InSAR）［5］，該技術能夠限制空間去相關造成的影響，極大提高了常規InSAR的監測精度。由于其具有全天時、全天候、覆蓋廣、數據處理自動化程度高等優點，越來越多地被運用于地面沉降監測［6-10］。馮文凱等［11］運用SBAS-InSAR技術，獲取了金沙江流域內的沃達村巨型老滑坡體的垂直向及坡度向的形變信息，通過現場調查發現滑坡體的形變跡象與InSAR監測結果有較好的一致性，分析了該滑坡體的形變特征及機理，研究表明降雨是造成坡體中前部復活的主要原因。

水是誘發邊坡體失穩的一個關鍵因素，部分學者對滑坡體的形變失穩模式開展了大量研究。鄧華鋒等［12］通過實地調查選取庫岸消落帶表層土，分析得出庫區消落帶邊坡受干濕循環的作用，邊坡抗剪強度、力學特性出現劣化。朱軍威等［13］通過對水動力型滑坡進行離心模型試驗，結果表明庫水位下降是造成黃登庫區車邑坪邊坡形變的主要誘因，降雨為激發因素。為揭示降雨型滑坡的致災機理，霍志濤等［14］通過調查和降雨入滲試驗充分驗證了土體體積含水率變化速率與邊坡失穩破壞有明顯相關性。目前，通過野外地質調查、模型試驗等方法探究庫岸邊坡失穩機理的技術已經很成熟，但過程復雜，不足以應對突發情況，并且難以反映邊坡體在“穩定-蠕動-失穩”過程中的長期持續發育情況。

為此，本文運用SBAS-InSAR技術，對Sentinel-1A升降軌數據計算出兩個LOS（雷達視線）向的地表形變量，通過對同名像素點相互擬合驗證了監測結果的可靠性；采用升降軌能夠有效地解決單一軌道在高山峽谷區域識別中由于SAR成像的疊掩、倒置而造成結果不準確的問題［15］。文中根據SAR影像的后向散射特征，反演出邊坡體的土壤含水量后向散射信息，探索庫岸邊坡的形變特征與土壤含水量后向散射系數的關系；相較于引入站點式的降雨數據進行邊坡形變特征分析，本文的方法更能準確定量地描述高山峽谷區域邊坡體的形變特征受外部因素影響的情況，可為同類型邊坡的地質災害監測預警提供一些參考。

1 研究區概況與數據源

1.1 研究區概況

研究區位于云南省祿勸縣和四川省涼山州交界處的烏東德水電站上游庫區，如圖1所示，研究范圍為東經102°3′27″～102°39′11″與北緯26°0′17″～26°18′40″之間，下游與白鶴灘水電站銜接，上游為觀音巖水電站。烏東德水電站作為雅礱江匯入金沙江的第一個梯級電站，是一個極為重要的樞紐電站。水庫正常蓄水位高程為975 m，死水位高程945 m，正常蓄水位庫容58.63億m3。研究區內為亞熱帶季風氣候，多年平均氣溫15℃左右，降雨集中于每年5～10月，7月份雨水較為集中，是地質災害高發期。金沙江流域內谷深坡陡，兩岸坡體上植被稀少，受斷裂帶發育與岸坡卸荷影響，地表新生界第四系堆積物較多，極易引發滑坡和崩塌。

1.2 數據源

實驗選取覆蓋烏東德水電站上游庫區的斜距單視復數Sentinel-1A升降軌C波段數據，空間分辨率為5 m×20 m，重訪周期為12 d，有著較高的時間分辨率。根據研究區特點，選擇IW成像模式的VV極化模式作為本文的數據源，具體參數見表1。

本文采用由美國國家航空航天局（NASA）主導測量的STRM 30 m分辨率數字高程模型（DEM），用于去除地形相位，采用AUX_POEORB精密軌道數據文件進行影像軌道誤差的去除。

2 研究方法及數據處理

2.1 SBAS-InSAR技術

SBAS-InSAR是一種基于多主影像的InSAR時間系列分析方法［16］，該方法能夠較好地克服時空失相干影響，減弱大氣效應與地形殘余相位引起的誤差，提高數據處理精度。其技術核心是在獲取的大量SAR影像的基礎上，根據時間基線及空間基線生成一系列子集，利用最小二乘原理獲得各子集的形變相位，使用SVD算法估算地表形變相位最小范數下的最小二乘解，最后通過反演計算得到最終的形變結果。雷達影像獲取到的并不是地表真實的形變信息，受地形起伏及大氣垂直分層影響，雷達影像相位中還包含地形相位、大氣相位、時空失相干等相位信息。數據處理過程中，需要去除這些干擾形變相位。設置合適的時間、空間基線閾值生成多個干涉相對，去除部分不理想相對以提升反演精度，得到的升降軌連接示意如圖2所示。

2.2 InSAR升降軌可視性

SAR是一種主動式微波遙感側視成像系統［17］，雷達波束從衛星飛行方向右側以一定的角度射向目標地物，根據接收到的回波信號獲取地表信息。SAR影像的側視成像特點導致了在高原山區中探測地表有一定的局限性，存在一定監測盲區。如圖3（a）所示，當雷達照射到較陡斜坡時，山頂較山腳距離雷達天線更近，在SAR圖像上表現為山頂山腳位置顛倒的情況，造成疊掩現象。圖3（b）中，對于雷達照射不到的斜坡面，會在圖像中形成陰影。文章基于研究區DEM及雷達影像可視性對SAR影像進行分析，剔除無效探測區域，避免造成InSAR結果識別不準確，如圖4所示。

2.3 SAR影像土壤含水量后向散射系數反演

土壤含水量是影響邊坡體沉降的重要因素［18］，土壤含水量與降雨、庫水位有著很大的相關性，是兩者共同作用下的一個表現。一般的降雨、土壤含水量數據都是通過點式的氣象站臺測量得到，空間分辨率過低，引入該數據對邊坡沉降因素分析時有一定的局限性。本文利用SAR數據反演地表土壤含水量后向散射系數，由于其具備一定的穿透力，可極大降低地表植被對反演造成的影響，提高反演的精確性［19］，同時還具備大尺度監測能力，有利于掌握研究區土壤含水量的動態變化情況。雷達后向散射系數由土壤含水量、植被與地表粗糙度組成［20］，由于本文的分析研究是基于土壤含水量后向散射系數的變化趨勢，同一區域中植被與地表粗糙度貢獻的少量值可以忽略。為減小誤差，在文中以后向散射系數均值作為最終的土壤含水量后向散射系數結果。圖5所示為不同時期的土壤含水量后向散射系數變化。

通過對雷達數據的預處理，得到了地表的總后向散射系數，具體公式為

σ°=DN2∕A2（1）

σ°dB=10lg （σ°）（2）

式中：σ°為雷達后向散射系數，DN為SAR像元的原始灰度值，A為系統接收天線的有效面積。

3 結果識別及成因分析

3.1 升降軌形變特征分析

通過對Sentinel-1A升降軌數據的處理，獲取了研究區2個LOS向的邊坡體形變特征情況，其中藍色負值為遠離LOS向的位移，紅色正值為靠近LOS向的位移。降軌識別結果如圖6所示，識別到不穩定區域6處，分別為A3、A4、A5、A6、A7、A8。通過對InSAR監測有效區域的分析，可以發現研究區部分邊坡沉降處于一個持續發育的狀態，升軌的沉降速率集中于-110～140 mm/a，降軌的沉降速率集中于-93～64 mm/a。形變主要集中于庫區消落帶區域，最近的形變區為距離烏東德水電站壩址約為28 km處的皎平渡區域（A3）。從圖7的升軌年平均形變速率可以看出，監測結果中共識別出不穩定坡體2處，用點號A1、A2表示，與降軌識別區域A3、A8一致。

研究區位于西南高山峽谷之間，未能獲取到同期地面監測數據作為InSAR監測結果的驗證，文中采用升降軌同名像素單元驗證的方法對InSAR結果進行評定。在研究區降軌結果中均勻選擇了Y1、Y2、Y3、Y4共4個參考驗證點，對應的升軌參考點為Y1′、 Y2′、Y3′、Y4′，分別把4個點位的LOS向形變投影至垂直向形變。從圖8的升降軌數據擬合結果中可以看出，4組監測數據都達到了一個很好的相關度，相關系數最高為0.93，最低為0.76，說明聯合升降軌的InSAR地表監測在該區域具有很強的可靠性，該方法能夠運用于該區域的形變監測。

3.2 典型形變區域成因分析

對研究區內InSAR識別出的A3、A4、A5、A6、A8共5個潛在滑坡區進行分析，文中根據SAR影像的后向散射特征，反演出區域內的土壤含水量后向散射系數均值，該值是庫水位與降雨共同作用的結果，引入該數據分析形變特征。烏東德水電站庫區蓄水分為3個階段，第一階段于2020年1月21日蓄水至895 m；第二階段蓄水于2020年5月6日開始，歷時1個月，成功蓄水至死水位945 m；第三階段于2020年8月下旬蓄水至水位965 m；2022年8月底蓄水至975 m高程。在這期間庫水位一直在945 m死水位高程與975 m正常蓄水位高程之間變化。在庫水位上升過程中，由于水的外部壓力作用，邊坡體能夠保持一定的穩定性；在庫水位穩定時，邊坡體內部逐漸出現滲流飽和且地下水位逐步抬高，坡體自重增加導致其穩定性降低。在庫水位下降過程中，由于邊坡體地下水位下降存在滯后性，慢于庫水位的下降速度，內外滲流力處于不平衡狀態后從而誘發邊坡沉降，但沉降趨勢相對于庫水位下降趨勢有所延后。以下分別對圖9所示的5個形變區進行詳細分析：

（1） A3區域位于皎平渡區域的紅門廠處，距離烏東德水電站28 km，是離電站壩址最近的一個形變區域，如圖9（A3）所示。東西向落雪-通安斷裂穿過該區域，斷裂帶發育于早元古代褶皺基底中，后期多被斷裂切割破壞。結合歷史遙感影像能夠發現，A3區域在蓄水前為一處礦區，已經出現不同程度的開挖現象，坡體整體應力受影響，邊坡后緣位置已經出現了較為明顯的張拉裂縫；蓄水后該坡體受庫水位升降的影響邊坡前緣的第四系覆蓋層受侵蝕嚴重，部分位置基巖露出。A3區域主要以沉降為主，最大形變位于邊坡體右側，坡體隨著時間的推移呈現周期性變化，邊坡體上側道路則保持較為穩定的情況。選取特征點A3-1、A3-2進行分析，如圖10（a）所示。邊坡體土壤含水量后向散射系數在2020年7月份開始增大，同時邊坡體出現緩慢抬升現象，這是由于在庫水位、降雨等因素的影響下邊坡體吸水膨脹［21］，2021年4～7月間土壤含水量后向散射系數減小，這時庫水位處于較低位置且進入夏季溫度升高，地表水分蒸騰作用增加導致了地表土壤含水量后向散射系數減小，邊坡體沉降出現了滯后的平穩期；庫水位下降后邊坡體又開始新一輪的加速沉降。

（2） A4區域位于皎平渡中武山對岸邊坡，坡體較陡，坡度約為40°，下游960 m處為紅軍渡江遺址；該區域為西向坡，升軌監測效果較差，部分區域相干性差導致無值。從圖9（A4）中可以看出，從邊坡中部位置已經出現了不同程度的覆蓋層滑落，逐漸延伸至邊坡后緣位置，部分區域巖石裸露。A4區域在蓄水前為礦產開采區，情況與A3區域一致。在A4形變區域坡體中部和后緣位置選取A4-1、A4-2點進行分析，如圖10（b）所示，兩個特征點表現出一致的形變趨勢。受電站蓄水影響，從2020年9月至2021年4月邊坡體土壤含水量后向散射系數處于一個較高的水平，邊坡體出現蠕動變形；2021年2月庫水位蓄至高位開始回落，邊坡體土壤含水量后向散射系數開始減小后坡體出現了線性加速沉降的趨勢；2021年7月庫水位開始新一輪蓄水，地表土壤含水量后向散射系數逐漸增大，邊坡體出現短暫抬升后開啟了加速沉降的趨勢。

（3） A5形變區位于會理市的下壩附近，邊坡體頂部有一定沉降，坡體右下角則表現為小幅度抬升。邊坡為陡峭懸崖但從遙感圖像上觀察不到明顯形變現象。A5區域內出露的基巖地層主要為震旦系燈影組、觀音崖組地層，邊坡體為基巖順向坡，坡體上部為后層白云巖，下部為第四系地層，但分布范圍較小，主要為崩塌堆積體。區域內地質構造復雜，主要構造形跡有褶皺，南北向湯郎-易門斷裂從其穿過。在InSAR降軌結果中，邊坡體右邊相干性較低，形變區存在較多空值。選取坡體A5-1、A5-2兩個點分析其形變特征，如圖10（c）所示，特征點整體呈現出線性變化。由于該區域為巖質邊坡，土壤含水量后向散射系數變化處于一個較小區間；每年雨季集中降水極有可能會順裂隙滲入巖體，使巖體內部處于飽水狀態，降低巖石強度。邊坡體周邊有多個村莊，形變的持續發生將造成一定程度的威脅。

（4） A6區域位于武定縣的五曲溝附近，整個坡體坡度較小，但形變量較大，形變范圍由坡體中央向四周擴散，最大形變量為-175 mm，如圖9（A6）所示。選取了A6-1、A6-2兩個監測點分析，如圖10（d）所示，整體形變介于-175～112 mm之內。2020年9月至2021年4月間，在降水及庫水位上升的共同作用下，邊坡體的土壤含水量后向散射系數處于一個較大的范圍，但邊坡體沉降量沒有出現較大增幅。從2021年4月之后土壤含水量后向散射系數開始出現減小，邊坡體加速形變至地表土壤含水量后向散射系數再次出現增加而變緩，這跟A3區域的形變機理一致。

（5） A8區域地處武定縣的必由召附近，該坡體為西向坡。從圖9（A8）中可以看出邊坡體為土質邊坡，透水性較好；在庫水位上升過程中，受水的滲流作用坡體自重迅速增加，土體自身基質吸力逐漸減小，導致坡體前緣形變量較大，且形變范圍逐漸向邊坡體中部擴散。選取A8-1、A8-2進行時序分析，形變量介于-246～33 mm間，是整個監測區域形變量最大的一個邊坡。從圖10（e）中監測點的時間系列可以發現，在監測期間該坡體出現了兩次加速沉降趨勢。在2020年5月至2021年2月間邊坡體處于一個較緩慢的沉降過程，這是由于庫水位的上升作用讓邊坡體保持了一個相對穩定的狀態。2021年3月庫水位開始下降，地表土壤含水量后向散射系數也出現減少，之后邊坡處于一個加速的沉降狀態；2021年7月庫水位開始抬升，地表土壤含水量后向散射系數逐漸增加，在達到最大值后，邊坡體出現了緩慢形變后又開啟了新一輪的加速形變。

4 結 論

本文運用SBAS-InSAR技術獲取了烏東德水電站上游庫區的升降軌形變結果，從土壤含水量后向散射系數變化及庫水位情況出發，對邊坡形變機制及形變演化過程進行分析，得出以下結論：

（1） 在監測期間烏東德庫區岸坡一直在發生形變，部分邊坡累計沉降量較大。文中選取5處潛在滑坡區A3、A4、A5、A6、A8進行分析，最大LOS向年平均形變速率為-92 mm/a，通過升降軌同名像素點的相關性分析和遙感影像的對比，充分驗證了升降軌SBAS-InSAR技術在高山峽谷區域地質災害隱患識別中的準確性。

（2） 水電站蓄水是導致庫岸邊坡體發生形變的主要因素，在2020年5月至2022年8月的監測期中，庫水位高程一直處于變化中，這加劇了對岸坡的侵蝕程度，導致邊坡前緣形成高陡臨空面，抗剪強度下降，在庫水位加速抬升及加速回落的過程中，邊坡沉降出現加速趨勢。研究區的形變特征與邊坡體的土壤含水量后向散射系數有著很大相關性，在蓄水至高位時，邊坡體吸水膨脹，邊坡體的土壤含水量后向散射系數處于一個較高的水平，表現出一定程度的抬升形變，隨后開始了加速沉降的趨勢；庫水位回落時，邊坡體土壤含水量后向散射系數減少，內外滲流力處于不平衡狀態，在經過短暫的平穩期后又表現出了加速沉降的趨勢。通過引入SAR影像反演的邊坡體土壤含水量后向散射系數對形變區域進行分析，較好地揭示了外部環境因素對邊坡體形變的影響，可為庫岸邊坡體的穩定性分析提供一些參考。

參考文獻：

［1］ 雷菁，雷潔.庫水位漲落對某庫岸堆積體滑坡穩定性研究［J］.水利水電快報，2018，39（4）：25-28.

［2］ SUN G H，ZHENG H，HUANG Y Y，et al.Parameter inversion and deformation mechanism of Sanmendong landslide in the Three Gorges Reservoir region under the combined effect of reservoir water level fluctuation and rainfall［J］.Engineering Geology，2016，205：133-145.

［3］ 廖紅建，盛謙，高石夯，等.庫水位下降對滑坡體穩定性的影響［J］.巖石力學與工程學報，2005，24（19）：56-60.

［4］ 周強.庫水作用下青杠坪巨型滑坡復活機理研究［D］.成都：成都理工大學，2019.

［5］ BERARDINO P，FORNARO G，LANARI R，et al.A new algorithm for surface deformation monitoring based on small baseline different SAR interferograms［J］.IEEE Transactions on Geoscience and Remote Sening，2002，40（11）：2375-2383.

［6］ 廖明生，張路，史緒國.滑坡變形雷達遙感監測方法與實踐［M］.北京：科學出版社，2017.

［7］ 黃潔慧，謝謨文，王立偉.基于SBAS-InSAR技術的白格滑坡形變監測研究［J］.人民長江，2019，50（12）：101-105.

［8］ BAYER B，SIMONI A，SCHMIDT D，et al.Using advanced InSAR techniques to monitor landslide deformations induced by tunneling in the Northern Apennines，Italy［J］.Engineering Geology，2017，226：20-32.

［9］ 廖明生，董杰，李夢華，等.雷達遙感滑坡隱患識別與形變監測［J］.遙感學報，2021，25（1）：332-341.

［10］ 史緒國，張路，許強，等.黃土臺塬滑坡變形的時序InSAR監測分析［J］.武漢大學學報（信息科學版），2019，44（7）：1027-1034.

［11］ 馮文凱，頓佳偉，易小宇，等.基于SBAS-InSAR技術的金沙江流域沃達村巨型老滑坡形變分析［J］.工程地質學報，2020，28（2）：384-393.

［12］ 鄧華鋒，肖瑤，方景成，等.干濕循環作用下岸坡消落帶土體抗剪強度劣化規律及其對岸坡穩定性影響研究［J］.巖土力學，2017，38（9）：2629-2638.

［13］ 朱軍威，張強，盧曉春，等.基于離心模型試驗的水動力型滑坡失穩機制研究［J］.人民長江，2023，54（10）：189-195.

［14］ 霍志濤，李高，王力，等.降雨型滑坡淺層滑動對土體含水率變化的響應［J］.長江科學院院報，2022，39（7）：110-117，125.

［15］ 戴可人，鐵永波，許強，等.高山峽谷區滑坡災害隱患InSAR早期識別：以雅礱江中段為例［J］.雷達學報，2020，9（3）：554-568.

［16］ 朱建軍，李志偉，胡俊.InSAR變形監測方法與研究進展［J］.測繪學報，2017，46（10）：1717-1733.

［17］ 李德仁，周月琴，馬洪超.衛星雷達干涉測量原理與應用［J］.測繪科學，2000（1）：9-12，1.

［18］ 王宏.土壤含水量對邊坡穩定性的影響研究［J］.水利科技與經濟，2022，28（11）：31-34.

［19］ 楊虎，郭華東，王長林，等.基于神經網絡方法的極化雷達地表參數反演［J］.遙感學報，2002，6（6）：451-455.

［20］ 劉偉.植被覆蓋地表極化雷達土壤水分反演與應用研究［D］.北京：中國科學院遙感應用研究所，2005.

［21］ ZHANG J，LI J T，LIN H.Models and influencing factors of the delay phenomenon for rainfall on slope stability［J］.European Journal of Environmental and Civil Engineering，2018，22（1/2）：122-136.

（編輯：劉 媛）

Monitoring and analysis of slope deformation in Wudongde Hydropower Station reservoir area based on InSAR

BI Zihang1，LI Sumin1，2，3，YUAN Liwei4，LIN Yu4

（1.Faculty of Land Resources Engineering，Kunming University of Science and Technology，Kunming 650093，China； 2.Yunnan Applied Research Center of Earth Observation Data，Kunming 650093，China； 3.Surveying and Mapping Geo-Informatics Technology Research Center on Plateau Mountains of Yunnan Higher Education，Kunming 650093，China； 4.Faculty of Public Safety and Emergency Management，Kunming University of Science and Technology，Kunming 650093，China）

Abstract：

Following the commissioning of hydropower stations，frequent water level fluctuations in the upstream reservoir area induced by activities such as reservoir storage and flood discharge，alter the original stability of the reservoir bank slopes.This alteration poses a significant risk of slope instability and damage，thereby impacting the safe operation of the hydropower station and posing potential safety hazards to the surrounding residential areas.To comprehensively understand the deformation of reservoir bank slopes during the impoundment of Wudongde Hydropower Station，sentinel data from ascending and descending orbits were processed using SBAS-InSAR technology for the period from May 2020 to August 2022.This study obtained surface deformation characteristics in the research area.By integrating reservoir water level variations with the SAR-derived slope soil moisture content backscattering coefficient，the deformation mechanisms of five identified unstable areas were analyzed.The results indicate that the use of ascending and descending InSAR accurately identifies the deformation of reservoir bank slopes，with the maximum annual average subsidence rate in the study area reaching-92 mm/a.The deformation trend of reservoir bank slopes exhibits a pronounced correlation with changes in reservoir water levels and soil moisture content backscattering coefficients.Reservoir impoundment is the main factor causing the accelerated settlement of slope.

Key words：

slope in reservoir area；deformation monitoring；soil moisture content backscattering coefficient；landslide identification；InSAR；ascending and descending；Wudongde Hydropower Station