多种智能监测手段在滑坡预警中的应用研究

覃 事 河，周 全

(1.国电大渡河金川水电建设有限公司，四川 阿坝 624100；2.四川中水成勘院测绘工程有限责任公司，四川 成都 610072)

1 概 况

滑坡体位于大渡河猴子岩水电站库区，地处四川省甘孜藏族自治州丹巴县格宗乡开绕村大渡河右岸溪火沟(下游侧)与杂交沟(上游侧)之间。大渡河在该段总体凸向右岸，至S66°W流入滑坡体上游，再以S48°E流经滑坡体前缘，以S70°E流出。下游溪火沟切割较深，上游杂交沟切割较浅。猴子岩水电站库区省道211复建公路从该滑坡体中部1 860 m高程附近穿过，公路外侧为3～10 m高的混凝土挡墙。滑坡体沿省道211复建公路长约480 m，顶部高程为2 080 m，底部高程约1 840 m或更低，体积约450万m3。高程2 080 m以上天然坡度约为45°～51°，植被发育稀疏。高程2 080 m以下一般为33°～40°，植被发育。滑坡体下游侧地形上为一突出山脊，沟梁相间，地形不完整，下游侧冲沟切割相对较深，沟槽切割5～12 m，沟内有崩坡积块碎石。滑坡体上游侧冲沟切割不明显，为一相对浅凹槽地形，地形相对完整。

该滑坡体上部为崩坡积堆积层，基岩岩性为绿片岩夹千枚岩，公路附近基岩岩层产状N10°～30°W/NE∠40°～55°，走向与该库段坡向基本一致，为顺向边坡。微新绿片岩、千枚岩为较软岩，而强风化或强卸荷绿片岩、千枚岩多为软岩。滑坡体区域位置示意及岩层结构见图1。

2017年11月下旬，滑坡体下游冲沟部位公路外侧挡墙及内侧坡面出现变形迹象。随后，猴子岩公司立即组织设计单位开展了详细的裂缝普查、地质测绘及应急处治施工，并按照大渡河智慧企业预警决策管控体系引入多种智能监测手段管控滑坡体风险。2018年2月10日至14日，该滑坡体出现明显滑移，因科学监测、成功预警且措施到位，未造成任何伤亡事件。

图1 滑坡体区域位置示意及岩层结构图

2 智能监测手段

按照大渡河智慧企业预警决策管控体系[1]，采用全球导航卫星系统(GNSS监测自动化)、三维激光扫描监测技术、微芯桩监测预警系统等多种智能手段监测预警，并与传统的高精度全站仪监测成果对比分析。为了综合利用各监测手段，监测断面总体上按照“四横四纵”布置，监测点分散于不同部位、不同高程，既满足监测范围覆盖整个滑坡区域，又便于监测成果的系统性分析。同时，结合滑坡区域浅表层变形状况，对主变形区适当加密，次变形区适当减弱。另外，还兼顾了不同监测手段之间的相互验证，以提高监测成果的可靠度。

2.1 高精度全站仪监测

滑坡区域共布设表面变形监测墩24个，滑坡区域外布设水平位移工作基点4个，工作基点组成大地四边形网。由于受地形条件限制，观测方法采用极坐标法。测量仪器选用徕卡TM30全站仪，按二等边角测量精度观测，平差计算采用专用平差软件进行数据处理，部分棱镜直接安装在观测墩上。

监测点分两次布设，第一次沿省道211复建公路附近布设外部变形监测点9个，于2017年12月14日开始观测。第二次在边坡上增设外部变形监测点15个，于2018年1月29日开始观测。观测频次为24小时一次，变形加剧期间可适当加密观测频次。

2.2 全球导航卫星系统(GNSS监测自动化)

滑坡区域共布设GNSS监测自动化测点6个，变形区域外稳定基岩处布设GNSS基准站1个，搜星效果较好。数据观测采用静态测量模式，24小时连续观测，能达到每30分钟解算1次。仪器设备采用徕卡GM10接收机和AR10天线，供电系统采用180W太阳能板和12V150AH胶体蓄电池供电，通过4G无线传输方式将数据传送到15公里外的办公室，借助互联网对其进行远程操作、查看、下载和分析数据。

2018年1月上旬，启动GNSS监测自动化预测预警工作。为保证数据质量、稳定性以及与高精度全站仪监测成果对比分析，仍选用24小时的数据量进行解算。变形加剧期间，提高了监测数据分析频次，作为滑坡体变形趋势分析。

2.3 三维激光扫描监测技术

三维激光扫描技术是一种先进的全自动高精度立体扫描技术，可以快速地获得被测物体表面密集的、全面的、关联的、连续的三维坐标数据及影像数据。因此，也被称为“实景复制技术”[2-4]。利用三维激光扫描监测技术可精确获取该滑坡体的整体空间信息，通过不同时间段空间信息的数据扫描采集，对数据进行拼接、融合、坐标转换等处理。最后，通过空间差值算法计算滑坡体不同间隔时间段的变形量值，从而达到了解滑坡体三维变形时空演化规律、掌握滑坡体主要变形区域和变形速率的目的。仪器设备采用奥地利瑞格公司生产的VZ-400三维激光扫描仪，扫描方式为沿省道211复建公路自下游往上游依次架站扫描，累计布设测站20个，原则上，每7天对滑坡区域全方位扫描一次。

2.4 微芯桩监测预警系统

微芯桩智能监测预警系统由微芯采集终端、微芯测站、isafety云平台、手机客户端等部分构成。应用于该工程的微芯桩监测系统硬件包含微芯桩14个、一杆式采集测站1个、应急式测站1台，软件包括iSafety云平台、工程安全卫士APP等。在滑坡体表面布设整套监测系统，完成整个滑坡体的倾斜监测、倾向监测、震动监测。通过位移、倾角、振动指标判断边坡是否发生失稳现象，并评价测点所处区域发生垮塌的可能性。当监测值超过预警值后，放置于现场的便携式装置就会立即报警预警，手机客户端也会同步发出预警提示。微芯桩主要安装在孤石群区域，实时监测大孤石震动与滑移情况。

3 监测成果分析

3.1 高精度全站仪监测成果分析

根据2017年12月14日至2018年6月21日期间的监测成果[5]，滑坡体的变形过程大致可分为以下五个阶段：2017年12月14日至2018年1月17日期间为变形初始阶段，日变形量均在20 mm以内。2018年1月18日至2月8日期间为变形加速阶段，截至2月3日，大于50 mm/d的监测点2个。2月8日，最大水平位移163 mm/d，最大沉降量294 mm/d。2月9日至2月22日期间为滑移变形阶段，其中，2月9日，最大水平位移357 mm/d，最大沉降量630 mm/d。2月11日，最大水平位移3 101 mm/d，最大沉降量4 792 mm/d，为变形的最高峰值。随后，日变形量稍有回落但量值依然较大，其中，2月16日，最大水平位移858 mm/d，最大沉降量938 mm/d。2月22日，最大水平位移235 mm/d，最大沉降量273 mm/d。2月22日至3月31日期间为变形趋缓阶段，多数监测点日变形量在数十毫米，少数监测点日变形量超过100 mm。截至3月13日，各测点变形量均小于50 mm/d。截至3月25日，各测点变形量均小于20 mm/d。4月1日实行应急管制通行以来的持续变形阶段，滑坡体总体处于稳定状态。但受汛期降雨等因素影响，滑坡体变形速率略有增大，日变形值集中在20～30 mm/d之间。

结合累计位移曲线分析，位移量超过10 m的测点11个，方向主要为垂直河道略偏向下游，且位移超过10 m的测点日变形最大值均发生在2018年2月11日，说明边坡在当日发生大规模滑移，与滑坡体实际情况吻合。另外，监测成果表明最大变形测点为滑坡体后缘的TP15测点，该点的累计水平合位移达18 383.1 mm，沉降量达23 972.3 mm，而滑坡前缘变形相对较小，说明滑坡体以后缘变形为主，向河床侧滑移，前缘向河床侧挤压变形。特征点在河床临空向与垂直方向的累计位移曲线见图2。

注：Y表示垂直于临空面，当Y为正时，表示向临空面(河中心方向)位移；H表示垂直方向，当H为正时，表示沉降图2 特征点在河床临空向与垂直方向的累计位移曲线

3.2 GNSS监测自动化成果分析

2018年1月6日至2018年6月21日期间，滑坡体的监测成果见表1。

表1 GNSS监测成果统计表 /mm

从表1可以看出，2018年1月6日至2018年6月21日期间，除GPS-3(布设于滑坡范围外山体顶部)外，其他测点均发生了显著位移。GPS-5测点累计变形量最大，其水平合位移12 489.1 mm，沉降量1 0432.9 mm。各监测点的日变形峰值均出现在2018年2月11日，与全站仪监测成果吻合。GNSS监测自动化成果客观反映了滑坡体在变形初期、加速、滑移等各个阶段的变形规律。

3.3 三维激光扫描监测成果分析

将首期三维激光扫描成果与第16期(2018年6月21日)三维激光扫描成果进行对比[6]，结果表明：滑坡区域外的参照物(如顶部铁塔等不动区域)完全吻合，说明三维激光扫描监测精度满足边坡三维变形监测分析要求。

采用三维网格重建技术，对三维扫描点云进行三维模型重建，利用空间差值算法对两期数据进行差值处理。计算表明，截至2018年6月21日，滑坡体最大变形点发生在下游I区后缘顶部，累计滑移18.16 m，滑坡方向为垂直河道略偏向下游。相比高精度全站仪外观监测成果，三维激光扫描成果在同一位置的变形量值一致，变形程度最大的区域位置接近，均为滑坡后缘顶部。

对比分析后发现，2018年1月27日至2018年3月25日期间，该滑坡体经历了复杂的大变形过程。3月26日至6月21期间变化率较小，但整个滑坡区域仍然可以分为破坏较为严重的下游I区与破坏程度相对较轻的上游Ⅱ区，Ⅰ区后缘与侧缘滑面基本贯通，上游Ⅱ区后缘大部分贯通，侧缘靠上游侧未贯通。滑坡体整体滑移后，原始边坡遭到破坏，边坡形态发生改变，与滑坡体现状高度吻合。

3.4 微芯桩监测成果分析

滑坡体变形初期至2018年6月期间，微芯桩监测预警系统成功预警险情6次。

微芯桩监测预警系统在该滑坡体中起到了至关重要的作用。其中，滑坡体整体滑移前的2018年2月8日，微芯桩监测预警系统感知较大倾斜，提前发出警报，及时撤出滑坡范围内先期用于应急抢险的机械设备与物资材料。应急管制通行期间的2018年6月19日14时40分，微芯桩监测预警系统再次感知处在滑坡后缘的2号微芯桩连续发生较大振动，现场值班人员立即封闭省道211交通要道。约3分钟后，滑坡产生大量滚石，部分石头滚落至路面。

4 结 语

监测成果表明：全球导航卫星系统与三维激光扫描监测技术等智能监测手段揭示的变形规律与高精度全站仪监测规律一致。不同监测手段之间取长补短，提高了监测系统的可靠性。尽管多种监测手段在滑坡体监测预警管控系统中均发挥了科学监测、成功预警的作用，但优劣势明显：高精度全站仪监测精度高、成本低，但通视条件要求较高，易受地理条件、气候条件等因素影响，临滑阶段的安全风险突出。该工程中，因提前将棱镜固定在观测墩上，消除了监测人员进出滑坡区域的安全隐患。GNSS监测自动化不受地面通视条件和距离限制，自动化程度高，可全天候连续监测，作业人员无需经常出入作业区。因此，临滑阶段的安全得到了保障。若GNSS信号受到地形地貌影响，监测精度将降低。但随着北斗技术的迅速发展，全球导航卫星系统监测精度和可靠性将不断提高，在水电工程滑坡监测中的应用也会越广泛。三维激光扫描技术具有非接触测量、高采样率、高分辨率、数字化采集等技术优点，采样点数多，可形成一个基于三维数据点的离散三维模型数据场，可有效地避免以往基于变形监测点数据的分析结果中所带有的局部性和片面性，有利于滑坡体整体判断与分析。其劣势为如遇植被茂盛边坡会对精度带来一定影响，且设备较为昂贵，在一定程度上限制了该技术的普及使用。微芯桩监测预警系统具有无线传输、无需外部供电、安装简便、无需配备机房中控设施，可实现手机实时信息查询，有助于参建各方协同管理。特别是孤石群或危岩体上的微芯桩，能全天候24小时不间断地监测局部区域危岩块体的稳定性，发挥了“哨兵”作用。

针对不同类型的滑坡体，采用单一监测手段或多种智能监测手段，需结合周边环境、精度要求、安全风险、经济性等综合分析。但随着智慧产业的不断深化发展以及在水电工程中的普及，智能监测也是未来发展的必然趋势。

该工程中，综合应用多种智能手段有助于提高监测系统的可靠性，实现了科学监测和成功预警，为滑坡体的风险管控提供了保障，可为类似工程的应急管理提供参考和借鉴。