基于次声监测的泥石流实时预警系统

尚东方,刘敦龙,韩 雪,王瑞玺

(1.交通运输部天津水运工程科学研究所,天津 300456; 2.成都信息工程大学软件工程学院，四川 成都 610225;3.软件自动生成与智能服务四川省重点实验室，四川 成都 610225)

0 引 言

泥石流是山区常见的自然灾害，具有极大的危害性[1]，泥石流防灾减灾已迫在眉睫。然而，泥石流成因特别复杂，而且泥石流沟的数量多，危害面广，治理成本很高，目前还无法进行大规模的全面治理[2]。泥石流监测预警作为一项重要的非工程减灾措施，是泥石流防灾减灾的有效途径之一[3]。次声监测是一种以泥石流物理特性为研究主线的监测技术，具有很大潜力[4]，近年来一直为学术界和工程界所关注。

次声波因频率低，具有穿透力强，受大气和水粘滞作用衰减小等特点，能在空气中远距离传输[5-10]。因此，可以对次声波源进行远距离监测，分析次声与灾害事件的关联性，提高灾害防御能力[11-12]。随着次声研究日益成熟，次声监测技术开始应用于火山喷发、雪崩、地震、核爆炸与大气环境等领域，取得了一系列较好的研究成果[13-19]。近年来，泥石流次声监测预警得到广泛认同，学者们都在积极地进行大量研究与探索。Zhang等人[20]研制了泥石流次声报警器，并在云南东川蒋家沟进行了现场验证，可在泥石流到达危害对象前10 min～30 min发出警报。Chou等人[21-22]对蒋家沟泥石流和台湾火炎山泥石流次声信号进行观测和分析，指出稀性泥石流的主频范围(5 Hz～15 Hz)较粘性泥石流(5 Hz～10 Hz)宽，并认为实际应用中需考虑风、雨等环境噪声的干扰。Hüb等人[23]在蒋家沟进行了泥石流次声观测实验，指出泥石流次声峰值介于8 Hz～12 Hz，声压通常低于4 Pa。章书成等人[24]综合利用泥石流次声报警器、遥测智能雨量计、超声泥位计和图像传输设备，研制了泥石流早期预警系统，使得预警准确率和时间提前量得到一定改观。李朝安等人[25]研发了泥石流次声监测仪，对铁道沿线的泥石流沟进行监测。通过上述研究成果，可以看出泥石流次声的主频较宽，与很多环境干扰噪声(如风、人类活动等)的主频都有混叠，因此，仅通过监测设备上的单片机进行滤波等相关处理，无法排除环境噪声的干扰，导致误报率较高。

针对这一问题，Liu等人[26-27]从信号的频谱特征、持续时间与波形特征等方面着手，分析出了可用于区分泥石流次声与环境干扰次声的关键特征参数，提出了一种新型的泥石流次声信号识别方法，解决了误报频发的问题，大幅提高了预警准确率。本文基于提出的泥石流次声信号识别方法，采用单片机与上位机相结合的方式，借助C#与Matlab混合编程、Oracle数据库与GIS二次开发等多种技术联合的手段，突破单一技术的局限性，设计并实现基于次声监测的泥石流实时预警系统。将该系统应用到云南东川蒋家沟进行了长期的泥石流监测效果验证，验证结果表明：系统可排除环境噪声的干扰，预警准确率较高，运行稳定且响应及时，可很好地满足泥石流防灾减灾业务的需求。

1 实时监测预警方法

1.1 监测预警的原理

泥石流在形成和运动过程中因岩石层发生断裂、挤压以及龙头与沟床和沟道两侧坡体撞击与摩擦而产生次声波[6-7]。泥石流次声波在频谱、振幅、波形以及持续时间等方面均具有独特的特征，其声发射源是球面波，无方向性。次声波在常温空气中的传播速度(约344 m/s)是泥石流运动速度(5 m/s～20 m/s)的数十倍，具有穿透力强，受大气和水粘滞作用衰减小，可在空气中远距离传输等特点。此外，由于泥石流沟道较长，泥石流从沟道上游爆发并运动至下游居民区所需的时间通常较长[8,10]。因此，通过对泥石流次声信号的监测，可提前一定时间量获得泥石流爆发信息从而实现预警。然而，自然界中的很多现象或事件都会产生次声波信号，会对泥石流次声监测产生较大的影响，致使误报频发。因此，在泥石流次声监测过程中，需要对这些环境干扰噪声进行排除，从而实现较为准确的泥石流次声判识。

针对这一问题，本文基于现有的泥石流次声研究成果，并结合大量实测信号(图1)，总结出可用于区分泥石流次声与山区常见环境干扰次声(如风、雷电、爆破以及汽车和飞机的引擎)的关键特征[11](详情见表1)，根据泥石流次声和这些环境干扰次声的特征差异，设计出一种泥石流次声信号识别方法来排除环境噪声的干扰，为泥石流次声现场监测预警提供可靠的依据。此外，考虑到风是山区中的普遍现象，是影响泥石流次声监测预警的最大干扰源，为了能够较为彻底地排除风噪的影响，还需要选择合适的位置安装部署监测设备并使用导管阵或防风罩降低风的干扰。

(a) 原始信号时序图

(b) 原始信号时频图

(c) 原始信号频谱图

(d) 低通滤波后的信号频谱图图1 实测泥石流产生的声音信号

表1 泥石流次声与环境干扰次声的相关特征

次声信号源中心频率/Hz能量集中区域/Hz最大声压/Pa持续时间短时过零率泥石流10～155～20次声与可闻声频段均<5很长,至少16 min0.20～0.32雷电5～70.6～12.3次声段约32,可闻声段约70较短,通常小于30 s0.07～0.12爆炸0.5～120.01～16.7次声段约45,可闻声段约60较短,通常小于10 s<0.06引擎6～110.1～16.8次声段约2,可闻声段约4较短,通常小于30 s0.14～0.24风3～50.01～9.1次声段很大,可闻声段<15时间很长,持续存在<0.09

1.2 信号识别的方法

本文采用单片机与上位机相结合的方式，设计并实现基于次声监测的泥石流实时预警系统，利用单片机进行泥石流次声信号的采集与传输，通过上位机对泥石流次声信号进行接收、解析、存储和识别。根据该监测预警系统的工作方式，每10 s便可从数据库中获得1000个采样点，可将这些采样点作为一段输入信号进行识别以确认其中是否含有泥石流次声信号。本文根据上述的关键特征参数，制定了一套泥石流次声信号识别流程，大幅降低了环境噪声干扰而引起的误报。系统的识别流程如图2所示。

利用一阶矩与二阶矩谱估计法计算能量谱密度矩阵的中心频率和谱线宽度，利用中心频率±1/2×谱线宽度来表征其能量集中区域。1)若能量下限值≥5 Hz，95%以上的采样点声压值均小于5 Pa，且短时过零率在0.2以上，则认为该段信号为泥石流次声信号；2)若能量上限值<9.5 Hz，则认为是非泥石流次声信号；3)若能量上限值介于9.5 Hz～17 Hz之间，且能量下限值<0.5 Hz，则认为是非泥石流次声信号；4)若能量上限值介于9.5 Hz～17 Hz之间，能量下限值≥0.5 Hz，且可闻声频段最大声压值≥15 Pa，则认为是非泥石流次声信号；否则，按照相同流程处理与分析接下来的2段输入信号；5)若此3段信号的中心频率和能量下限值均呈现上升趋势，则认为这3段输入信号为泥石流次声信号；6)若能量上限值>17 Hz，且短时过零率≥0.095，则按照相同流程处理与分析接下来的1段输入信号；7)若这2段信号均满足条件1、条件5或条件6中的一个，则认为这2段输入信号为泥石流次声信号；否则，视为非泥石流次声信号。

图2 泥石流次声信号识别流程图

2 系统设计与实现

2.1 系统总体结构设计

本文基于SOA服务架构，采用C/S开发模式与多层体系结构设计与实现了一个地质灾害监测预警系统平台——基于次声监测的泥石流实时预警系统。该系统平台由泥石流次声信号监测子系统、泥石流次声信号处理子系统和泥石流次声信号识别子系统3大部分组成。其中，泥石流次声信号监测子系统与泥石流次声信号处理子系统统称为泥石流次声信号监测与处理系统。该系统平台的总体工作流程如图3所示。

图3 基于次声监测泥石流实时预警系统的总体流程

泥石流次声信号监测子系统作为终端设备，部署在野外泥石流易发区域，实时采集周围环境中的声音信号，转换成数字信号，并将其通过数据传输装置远程传输至监控中心的服务器端。泥石流次声信号处理子系统运行在服务器端，利用多线程并发执行的方式，实时接收远程传输至服务器的采样数据，并依次进行解析、处理与入库存储等操作以供客户端相关系统获取和分析等操作。泥石流次声信号识别子系统运行在客户端，实时从数据库中取出当前的监测数据，根据上述的信号识别方法来分析判断该监测数据中是否含有泥石流次声信号成分。若含有泥石流次声信号，则发出相应的报警信息；否则，继续获取下一段监测数据进行分析判断。

2.2 系统关键模块实现

2.2.1 泥石流次声信号监测子系统

泥石流次声信号监测子系统是基于高性能信号采集电路板(如STM32处理器、高位数双极性AD转换器与时钟芯片等，工作电压为5 V)、次声传感器、GPS授时模块、数据传输设备(DTU)以及供电设备(太阳能板、12 V铅酸蓄电池、电压转换器和太阳能控制器)等5大模块设计并实现。次声传感器采用中国科学院声学研究所研制的新型传感器(IDS2016)，频响范围为2 Hz～200 Hz，灵敏度为50 mV/Pa；DTU内部配置了100 kB的大容量缓存机制，防止因无线网络信号问题导致数据拥塞而发生丢失；GPS芯片采用SIRF三代芯片，对时钟芯片进行校准；铅酸蓄电池、电压转换器和太阳能控制器通过地埋箱放置于地下，为整套监测设备提供电源；电压转换器将一部分输出电压转换为5 V，确保信号采集电路板可正常工作。

泥石流次声信号监测子系统实时进行高频采样，采样频率为100 Hz，时钟芯片每10 s发送一次时间戳信息(时钟的当前时间，精确到毫秒级)。GPS授时模块每2 h为信号采集电路板的时钟芯片进行授时校准，使时钟时间始终与卫星时间同步，确保监测设备具有精准的时间信息。信号采集电路板将采样数据通过RS232串口线传输给DTU，DTU通过无线网络将监测数据传输至监控中心的服务器端。此外，系统内部还实现了看门狗复位和远程复位2种复位方式，可防止信号采集电路板因突发故障而出现错误采样。看门狗复位是发现采样程序出现死循环时而自动复位；系统远程复位是通过服务器端的泥石流次声信号处理子系统远程发送复位命令来复位监测系统的信号采样程序。泥石流次声信号监测子系统的工作流程如图4所示。

图4 泥石流次声信号监测子系统的工作流程

2.2.2 泥石流次声信号处理子系统

图5 泥石流次声信号处理子系统工作界面

泥石流次声信号处理子系统运行在服务器端，通过虚拟串口(COM端口)实时接收与处理远程传输至服务器的监测数据，是专门针对部署在野外的泥石流次声信号监测子系统而设计与开发的(图5)。系统具有启动与关闭监测、发送复位与停止命令、开始与停止写卡等功能。启动与关闭监测功能用于实现泥石流次声信号处理子系统开始接收与停止接收远程传输过来的监测数据；发送复位与停止命令功能用于实现泥石流次声信号监测子系统复位采样程序和停止采样；开始与停止写卡功能用于实现泥石流次声信号监测子系统是否将采样数据写到TF存储卡上。该系统的功能模块主要是基于1个高容量队列与5个线程并发处理的方式来实现，可防止服务器因数据处理不及时导致数据拥塞而出现数据缺失，同时可实现监测数据与当前状态信息的显示与入库等功能。

高容量队列作为一个数据缓存结构，可暂存传输过来的监测数据。高容量队列和多线程的工作方式如图6所示，线程1实时接收的原始采样数据送入该队列；线程2从队列头部实时取出原始采样数据，完成数据解析(GPS授时标识、时钟时间标识、看门狗复位标识、系统远程复位标识)、拼接与整合(拼接十六进制的高8位与低8位，并转成十进制)，以及数据分类存入数据库(解析到时钟时间标识时，采样数据与时间信息存库；解析到复位标识时，复位信息存库)；线程3完成GPS芯片授时时间、电路板时钟时间以及监测数据的显示等；线程4完成复位时间和复位类型(看门狗复位、远程系统复位)的显示；线程5每隔2 min检查一次数据库是否有新数据存入，若没有新数据存入，则自动发送邮件与信息通知相关技术人员。

图6 泥石流次声信号处理子系统工作流程

表2 监测数据表的内容

IDGPS授时时间服务器时间时钟时间采样数据采样个数12014-08-0420:00:062014-08-0420:00:01-329;-249;…100022014-08-0420:00:012014-08-0420:00:172014-08-0420:00:11-426;-646;…100032014-08-0420:00:262014-08-0420:00:21202;-69;…100042014-08-0420:00:362014-08-0420:00:31673;793;…1000︙︙︙︙︙︙

泥石流次声信号处理子系统解析到时间戳标识时便实施一次监测数据入库。数据库中每条记录均包含GPS授时时间、服务器时间、时钟时间、监测数据(1000个采样数据)等字段信息，每条记录之间相隔10 s。其中，采样数据字段使用Clob类型，其余字段均使用Varchar2类型。监测数据表的详细信息见表2。

2.2.3 泥石流次声信号识别子系统

鉴于Matlab具有强大的数字信号处理功能，且提供了很多现成的数字信号处理函数供直接调用，因此，本文采用Matlab对监测数据进行相关处理与特征分析。然而，Matlab无法访问数据库，而C#可与数据库实现很好的结合。为此，基于上述提出的泥石流次声信号识别方法，采取混合编程的思想，利用C#、Matlab、ArcGIS Engine和Oracle数据库相结合的方式开发了泥石流次声信号识别子系统(图7)。该系统利用Matlab实现监测信号的滤波降噪、特征分析与提取以及监测信号识别等操作流程，并将其编译成动态链接库(*.dll)文件供C#调用；C#负责将监测数据从Oracle数据库中取出并传递给Matlab供其处理与分析，Matlab负责将分析结果传递给C#供其判断是否发出报警信息。该系统运行在客户端，可实时访问服务器上Oracle数据库中的监测数据，每10 s便可获取1000个采样点。若这些采样点的平均振幅大于设置的阈值振幅，系统就会对这段信号进行判识以确定其中是否含有泥石流次声信号。若该系统识别出这段监测信号中无泥石流次声信号，则继续获取下一段信号进行识别；否则，发出泥石流警报并对泥石流当前位置进行定位，同时依旧对下一段信号进行判识。该系统运行起来之后，便一直处于全自动运行状态，无需人工介入，使用极其方便。此外，该系统的运算效率很高，每段信号的判识过程耗时极其短暂(约200 ms)，可很好地满足实时性需求。

图7 基于次声监测的泥石流实时预警系统

3 系统应用与分析

3.1 监测系统部署

图8 泥石流次声信号监测设备部署位置

云南东川蒋家沟流域频发的泥石流事件以及建立的中国科学院东川泥石流观测站，可为泥石流次声监测预警的应用试验与结果验证提供非常便捷的条件。为此，将该泥石流实时预警系统应用到蒋家沟进行泥石流次声信号的现场监测与识别，以验证该系统在实际泥石流监测中的有效性。本文根据蒋家沟的地形条件与无线网络信号覆盖强度，将泥石流次声信号监测设备安装部署在门前沟与多照沟2条重要支沟交汇处的边坡上，坐标为N26°15′2.00″,E103°9′6.00″，以减少人类活动与风噪的影响，且能很好地监测到泥石流发生时产生的次声信号。泥石流次声监测设备的部署位置如图8所示。

3.2 预警结果分析

该系统在蒋家沟流域进行了长达2年(2017—2018年)的实时监测。在2017年观测期间，该预警系统共判识出3次泥石流事件，分别是7月3日16:20:21—16:55:01(事件1)、7月7日18:25:21—18:55:31(事件2)以及21:50:51—23:58:31(事件3)。泥石流发生过后，经现场勘察发现，事件1和事件2均属于稀性泥石流，事件3属于粘性泥石流。同时，本文通过分析这3个事件所对应的时间段内的监测数据，发现事件1、事件2的监测信号的能量下限值在5 Hz以上，峰值频率在10 Hz以上，最大声压值在4 Pa以下，这些特征均符合稀性泥石流次声信号的特征；而事件3的监测信号呈现出了粘性泥石流次声信号的相关特征。图9是事件3过程中所监测到的一段泥石流次声信号。

(a) 原始信号时序图

(b) 原始信号时频图

(c) 原始信号频谱图

(d) 低通滤波后的信号频谱图图9 23:20-23:47时间段的泥石流次声信号图

在2018年观测期间，蒋家沟内没有发生具有规模性的泥石流事件。该系统在这2年的实时监测过程中，总共产生了18次误报，即将环境干扰次声误判为泥石流次声信号，误报率很低且无一漏报。现场泥石流次声监测与识别的应用结果表明，该泥石流次声实时预警系统具有很高的判识准确率与极高的应用价值，可以很好地为泥石流防灾减灾业务服务。

4 结束语

本文采用单片机与上位机联合处理与分析监测信号的方式，充分利用了上位机的强大数据分析处理功能，突破了基于单片机集成处理的单一模式，很好地满足了实时性需求；基于泥石流次声信号和环境干扰次声的特征差异这一原理，设计与开发了基于次声监测的泥石流实时预警系统进行现场泥石流次声信号监测与判识，很好地满足了准确性的要求。通过对蒋家沟泥石流长期的监测，验证了该实时预警系统的有效性。根据蒋家沟实际应用的结果，得到了如下结论：

1)该系统具有较强的适用性。只要具备了监测位置附近环境干扰次声的相关特征，设置合理的界定参数，就可以利用该系统进行泥石流次声监测与预警。

2)该系统的识别准确率较高。通过现场实际应用，该系统表现出了较好的监测与预警性能，预警结果可以很好地为泥石流防灾减灾工作服务。

3)该系统的运算效率较高。在泥石流次声监测设备接收到泥石流次声信号之后的10 s～40 s内便可作出识别，系统响应及时。