基于物联网的滑坡地质灾害预警系统的设计

张卫，徐均，李奇，贾婧，刘红义，岳铁铸

（北京京航计算通讯研究所，北京100074）

引 言

在强降雨的诱发下，滑坡、崩塌、泥石流、塌陷等地质灾害经常发生，资料表明，由暴雨诱发的地质灾害的概率约占85%，其中近95%的滑坡等地质灾害发生在暴雨开始的10小时以后，86%的滑坡等地质灾害发生在强降雨开始的24小时以后［1］。无论在暴雨过后多长时间发生地质灾害，往往和监测区域的有效降水量、河道水流情况、地质条件等密切相关。由于滑坡等地质灾害具有突发性、随机性，以及短时间内能造成巨大损失的特点，传统模型并不能实时准确地预测监测区域的危险系数。本系统能根据降雨型滑坡形成机理，将无线传感网、物联网等技术应用到滑坡等地质灾害预测模型中，从而全面地感知监测区域的多维数据，实现动态预警的同时提高了预警准确性。

1 系统总体设计

针对山区复杂地形，结合物联网、无线传感网等技术的应用特点，特提出基于物联网的滑坡地质灾害预警监控系统，其系统结构如图1所示。该系统主要由前端无线感知网络、中间传输网络、数据处理中心等组成。其中前端感知网络负责实时感知监测区域的动态变化，为合理决策提供科学依据；中间传输网络部分主要包括GPRS无线传输和IP网络通信等，负责把前端无线感知网络采集的数据包传送至远端的数据处理中心；数据处理中心具有数据分析统计、数据建模、模糊判断、数据共享等功能。同时，系统可以通过网站信息、应急短信、电话、LED 显示屏发布相关预警信息。

图1 预警系统结构图

根据资料分析与专家意见，将滑坡等地质灾害的影响因子主要划分为诱发因子与地质条件两大类，具体的影响因子如表1所列［2］。其中，外在诱发因子主要指有效降水量和水流情况，而内在地质条件主要包括断层裂缝、靠近水域、地质岩性、地貌起伏度、高程等。根据影响因子与相关技术建立有效的预警模型，实现对监测区域的滑坡等地质灾害的实时预警。

表1 滑坡等地质灾害影响因子

2 网络节点设计

2.1 利用ZigBee技术互联通信

某一监测点内部采用ZigBee技术进行组网通信，实现对监测区域的全方面感知与控制。ZigBee WiFi、Bluetooth、GPRS／GSM 等常用无线通信技术的具体参数如表2所列。ZigBee具有成本低、体积小、功耗低、易于扩展、感应性强等特点［3］。考虑到降雨型滑坡系统的监测网络节点较多、数据传输量不大，但覆盖面相对较广的特点，感知区域适合采用ZigBee技术进行互联通信。

表2 常用无线通信技术参数

2.2 网络节点的硬件结构设计

网络节点是一个微型嵌入式系统，是构成数据采集与信息传输系统的基本单元，它能在较小的体积内集成多种功能，如数据采集、信息处理和无线数据收发等功能。网络节点一般由处理器模块、ZigBee通信模块、能量供应模块、传感器模块（协调节点可没有传感器模块）等模块构成。其中传感器模块作为整个系统的“感知器官”，负责监测区域内信息的采集和数据转换；处理器模块作为整个节点的“大脑”，主要负责对传感器模块、ZigBee通信模块的控制及整个节点的协调等；ZigBee通信模块作为网络节点的“耳朵＋嘴巴”，负责与其他网络节点进行无线数据通信。其中终端节点仅包含Zigbee通信模块，协调器节点包含ZigBee通信模块和GPRS数据收发模块；能量供应模块则是节点的“心脏”，为网络节点的各个组成部分提供足够的动力和能量。

根据实际功能需求及部署特点，采用星型的无线网络分布模型，具有组网简单快捷、数据传输快等特点。在该模型下只需设计两类节点：终端节点和协调器节点，其结构分别如图2和图3所示。其中，协调器节点负责收集小范围内终端节点所采集的数据信息，而终端节点主要负责信息采集并实时发送至协调器节点。在网络节点的能量供应设计方面，由于协调器节点既要负责收集整个Zig-Bee网络的信息，又要将数据包通过GPRS 模块转发出去，需要较大的功率，可采用太阳能或线路供电等模式。而终端节点只需要定时将采集的数据包发送至协调器节点，然后就迅速进入睡眠状态，其功率较小，可采用电池单独供电，或者通过线路与协调器节点共用供电系统。

图2 终端节点结构图

图3 协调器节点结构图

在网络节点的操作系统选择方面，考虑到节点的任务量相对少，而数据传输的实时性要求较高，系统可选用一些实时性较强、可移植、可固化、可裁剪、抢先式多任务内核的操作系统，如Tiny OS、μC／OS-II等。

2.3 传感器的全面感知

在监测区域选择性部署电子自动雨量计，并在已发生（潜在发生）滑坡、泥石流所经河道的水坝前设置多个孔洞，每个孔洞下端部署一个液位传感器，在不同深度部署数个液体流速传感器，实时采集监测区域降雨及河道水流信息。其中，测量的有效降雨量作为山体滑坡危险度的第一指标，河道水位深度及流速作为辅助指标。同时，在易发断层裂缝处部署多个缝距传感设备，测量地表裂缝分割体之间相对张开、闭合、位错及垂直向升降的变化量，从而全面感知监测区域的动态变化。

3 预警模型

3.1 影响因子分析

在地形较为复杂的山区，降雨型滑坡等地质灾害一般由一系列外在诱发因子和内在地质条件等影响因子共同作用诱发产生。由于各因子在诱发灾害过程中的作用程度不同，内在则表现为各影响因子在数据模型中所占权重不同。由于很难获取大量的历史滑坡统计数据，本文结合相关资料，相关影响因子权值采用主观赋权法（也称为专家赋权法）来确定，即通过一定方法综合各位专家对各指标给出的权重进行的赋权。经统计，各影响因子的权重调整范围及初始值分配如表3所列。

表3 各级影响因子权重分配

（1）影响因子

研究表明降雨对山体滑坡的诱发作用，不仅取决于当日降雨量，还和近期降水量、河道水流等情况密切相关。系统利用部署的电子雨量计实时测量降水量r，在河道中安装液位传感器，测量数据为h。近期滑坡等地质灾害有效降水量Re是指近期各日降雨量（M 天内）与其影响系数乘积之和，而有效估计降水量R为有效降水量Re、近期（次日）预计降水量Rf和各自影响系数乘积之和，具体计算公式为：

其中i表示雨期距今天数，i＝0表示当天，i＝1表示前一天，Ri为某天降水量（当天降水量可以分时统计）；αi为该天的降水影响系数，考虑到持续型降雨诱发地质灾害的滞后性，随着计算雨量日期的前移，系数αi逐渐减小；β1和β2分别为有效降水量、近期预计降水量的影响因子。结合近期发生泥石流时的平均警戒有效降水量Rav、河坝的警戒水位高度H，参照公式（3）联合估计有效降雨所产生的不稳定分值f。

其中，参数λ1、λ2、K1、K2均为可调整参数，K1、K2初始值为1。

（2）地质岩性

根据当地的地质测绘图，并结合实地考察，对各个监测点的地质岩性进行量化，初步划分为4 个等级，即V1松散岩组、V2粘软岩、V3中硬岩组、V4坚硬岩组［1］。

（3）到水系距离

滑坡等地质灾害与到周边水系（如湖泊、池塘、水库、较大河流等）的有效距离有着比较紧密关系。据统计，距水系的有效距离越近，发生地质灾害的频率越高。系统可根据监测区域地质地图等资料，计算监测点距周边水系的有效距离。

（4）高 程

可以利用监测区域的GIS地图，对前段监测区域的高度进行统计。根据高程对滑坡等地质灾害影响的程度和实际情况，初步将高程划分为3个等级，即500 m 以下、500～1000m、1000m 以上。

（5）地貌起伏度

地貌起伏度反映地表起伏变化，常指某一确定面积（监测区域）内最高点和最低点海拔高度之差。可以利用GIS等技术建立数字高程模型，提取地貌起伏度、坡度和坡向等地形参数。将监测区域地貌分为：H1平坦起伏（0～50m）、H2小起伏（50～100m）、H3中起伏（100～300 m）、H4山地起伏（300～600 m）、H5 高山起伏（600～1500m）等。由于极高起伏地区的人类活动稀少，不在统计范围内。

此外，要在易发断层触发带安装裂缝器以测量裂缝的情况，全面感知潜在诱发因子。由于裂缝和地质附着力等地质环境密切相关，此部分要结合实际情况而定。

3.2 多维权重组合模型

在组合型数据模型中，需要在一定范围内调整一阶因子权值，使其和为1。任取二级因子网格单元k，其所属的一级因子的权值为wi，针对实际测量情况，在一级因子确定的情况下，量化其二级因子，确定归于或者相近于哪一具体子集，从而确定二级权值，即确定j值。例如，在一级影响因子地质岩性的范围内，经过查阅GIS等勘测资料和实地考察等方式，确定最接近于二级子集v1、v2、v3、v4中的哪一种，从而选择合适的二级权值。对于组合了各二级因子的网格单元k，定义其不稳定分值Si＝wi·，然后根据各级不稳定分值确定滑坡等地质灾害的易发性指数（LandsLide Susceptibility Index，LSI）。

LSI是评估监测区域的最敏感性指标，值越大，发生滑坡等地质灾害的概率越大，当其超过某具体阀值，就会提前预警。

3.3 数据分析

按照上述公式（1）～（4），计算各个监测点的LSI，根据地质灾害的易发性指数将检测区域划分为极轻微、轻微、中等、较严重、严重、极严重6级，并用不同颜色进行标记，然后采用等间距、均值-标准差等方法，实时（间隔固定时间，如半小时绘制一次）绘制整个监测区域的滑坡等地质灾害危险系数预警图，从而实现滑坡等地质灾害预报的精细化管理。

在数据建模方面，采用了自调整的动态神经网络模型，利用历史数据或者实施过程中逐步获取的数据，对模型的自身结构及学习规则进行了动态优化，调整各级权重，使模型达到最优，从而使得系统具有更强的适应性和准确性。

结 语

本文在原有模型的基础上进行改进，利用传感器网络实时感知监测区域的多种指标，运用多因素动态联合建模，采用定量分析法，对降雨型滑坡等地质灾害进行相对准确预报。系统根据每个监测点的LSI，利用相关方法绘制整个监测区域的危险系数预警图。对于超过阈值的，立即报警，有效预防和避免了地质灾害，保护人民生命财产安全。

系统具有高集成度、高精度、全天候自动化实时监测与自动预警的能力，同时还具有监测范围大、部署灵活的特点。在指导降雨型滑坡的防灾与减灾方面具有较强的实用价值。

［1］王卫东.基于GIS的区域公路地质灾害管理与空间决策支持系统研究［D］.长沙：中南大学商学院，2009.

［2］解传银.基于权重模型的滑坡灾害敏感性评价［J］.中南大学学报：自然科学版，2011，42（6）：1772-1779.

［3］Sena.The comparison of Wi-Fi，Bluetooth and ZigBee［EB／OL］.［2012-11-10］.http：／／www.sena.com／blog／？p＝359.

［4］Brew G，Barazangi M.Tectonic map and geologic evolution of Syria：The role of GIS［J］.The Leading Edge，2000（19）：176-182.

［5］郭芳芳，杨农.地形起伏度和坡度分析在区域滑坡灾害评价中的应用［J］.中国地质，2008，35（1）：131-141.

［6］国土资源部.四川雅安地质灾害预警示范区［EB／OL］.［2012-11-10］.http：／／www.mlr.gov.cn／dzhj／201003／t20100326＿142901.htm.2012.

［7］张春山，张业成，马寅生.黄河上游地区崩塌、滑坡、泥石流地质灾害区域危险性评价［J］.地质力学学报，2003，9（2）：143-153.

［8］殷坤龙，朱良峰.滑坡灾害空间区划及GIS 应用研究［J］.地学前缘，2001，8（2）：279-284.

［9］刘艺梁，殷坤龙.逻辑回归和人工神经网络模型在滑坡灾害空间预测中的应用［J］.水文地质工程地质，2010，37（5）：92-96.

［10］曹炯清.基于IEEE 802.15.4无线传感器网络的山体滑坡检测系统［J］.电脑知识与技术，2009，5（8）：1817-1819.

［11］张继贤.3S支持下的滑坡地质灾害监测评估与建模［J］.测绘工程，2005，14（2），1-5.

［12］谢洪，钟敦伦，矫震，等.2008年汶川地震重灾区的泥石流［J］.山地学报，2008，27（4）：501 509.