贵州兴义滑坡特征及过程预警研究*

白 洁 巨能攀 张成强 何朝阳 刘秀伟

(①地质灾害防治与地质环境保护国家重点实验室(成都理工大学)， 成都 610059， 中国)(②贵州省大数据防灾应用研究中心， 贵阳 550001， 中国)

0 引 言

由于岩质滑坡岩体结构及其破坏机制的复杂性，岩质滑坡预测是工程地质科学家们面临的全球性挑战(Crosta et al.， 2003； Ju et al.， 2015； Loew et al.， 2016； Intrieri et al.， 2019)。灾难性滑坡通常在没有任何明显前兆的情况下突然发生，有些甚至没有任何触发因素，即缓慢变形的重力滑坡(Gariano et al.， 2016； Pecoraro et al.， 2018)。通过对中国西南地区数百种不同类型的滑坡(岩质滑坡、土质滑坡、浅层滑坡等)的监测研究，并从各种地质构造和气候背景的滑坡案例中收集数据，根据大量滑坡的监测资料，我们发现大多数被认为是突发性灾害的滑坡实际上都经历了一个变形演化过程。基于此，SKLGP(地质灾害防治与地质环境保护国家重点实验室)开发了一个基于人工智能和数据传输新技术的地质灾害实时监测预警系统。该系统自2017年以来已成功预测了国内的5次滑坡，并挽救了众多生命和财产。

2019年2月17日凌晨5时53分，贵州省兴义市马岭镇龙井村九组不稳定斜坡发生顺层滑动，滑动方量约96×104im3(图1)，由于前期应急抢险工程措施到位、监测科学合理、预警及时，滑坡未造成人员财产损失。

图1 滑坡发生前后全貌Fig.1 Pictures before and after the landslide

贵州省在2018年6月的地质灾害隐患排查过程中发现该地质灾害隐患，随即对该不稳定斜坡进行简易观测。观测表明兴义滑坡变形已经进入加速变形阶段后，随即在滑坡坡脚前布设了沙袋和桩加固的应急预防措施。同时在2019年1月27日SKLGP安装了现场监测设施网络。

2019年2月17日凌晨5：00，监测预警系统发出了临滑预警信息。团队人员迅速检查了监测数据，确认变形正在急剧增加，并进入斜坡加速变形的最后阶段，这表明即将发生滑坡。由于采取了事先计划好的应急措施，并提前疏散了所有现场人员和附近居民，完全避免了灾难造成的损失。本文在上述应急调查研究的基础上，综合分析多时相卫星遥感影像，无人机航拍，LiDAR，地表位移监测数据等资料，初步揭示了滑坡的特征并分析其成因机制，同时依据地表位移监测数据分析了滑坡变形发展过程，并结合监测数据、预警模型等方面介绍了SKLGP自行研制的地质灾害实时监测预警系统在兴义滑坡预警中的成功应用。该滑坡的成功预警对岩质滑坡的监测预警研究及应用有一定的启示作用和参考价值。

1 滑坡地质条件

滑坡所处位置行政区划隶属兴义市马岭镇龙井村九组，位于兴义市以北7km，兴-马大道西侧，交通较为便利，中心地理坐标：东经104°54′12″，北纬25°09′25″(图2)。

图2 研究区地理位置图Fig.2 Location map of the study area

研究区属中亚热带湿润季风气候，年平均气温14～19℃。滑坡区年平均降雨量为1300～1600mm，历年来最大日降雨量可达203mm(2015年8月27日)，最大暴雨时强65mm·h-1。

滑坡区属溶蚀中山地貌区，侵蚀切割强烈，区域构造以北西向、北北西向构造为主(图3)。滑坡范围内最高点位于滑坡西侧山顶，海拔1232m，最低点位于兴马大道，海拔1042m，相对高差190m。斜坡总体地形上陡下缓，上部陡坡段坡度50°～70°，滑体坡度约15°～28°。滑体的主要组成部分为三叠系中统关岭组(T2gl)，岩性主要为灰、浅灰色薄层状、中-厚层状泥晶白云岩、细晶白云岩，岩质坚硬，岩体完整。滑体底部为厚度0.8～1.5m的软弱夹层，可分为3层，第①层为紫红色黏土岩，具有较高的黏性，平均厚度约20cm，第②层为棕黄色薄层状泥质白云岩，平均厚度约30cm，第③层为灰黑色的泥灰岩，平均厚度约60cm(图4)。

图3 滑坡区域地质构造图Fig.3 Regional geological structure map of landslide

图4 坡体软弱夹层照片Fig.4 Picture of the weak intercalations

软弱夹层以下为滑床部分，滑床主要为三叠系中统关岭组(T2gl)中风化中厚层白云岩、泥质白云岩，岩层层面清晰可见，岩层倾向52°，倾角22°左右，潜在滑床基岩层面与坡面近平行。

2 滑坡历史变形与失稳过程

2.1 滑坡历史变形

笔者在Google Earth上收集了2014～2019年1月期间的多次高分辨率滑坡区历史卫星光学影像(图5)，利用目视解译的方式对滑源区的历史变形迹象以及滑坡的变形失稳过程进行分析研究。

图5 滑坡区域历史影像图(底图据Google Earth)Fig.5 Historical image of landslide area(bottom image Google Earth)

滑坡所在区域原始斜坡地形稍陡，自然坡度约30°～45°左右，后缘高程达1200m。据2014年2月6日的Google Earth卫星影像图分析，此时滑坡区域还基本保留原始地形，但坡脚已经出现一处明显垮塌，且在滑坡的北西侧边界出现裂缝，后缘表层堆积体部分垮塌。

2014年11月27日的Google Earth 卫星影像图显示，由于滑坡前缘开始修建公路，坡脚处开挖，滑坡发生了第一次滑动。为清理滑坡堆积体，在滑坡范围内从坡脚处向上开挖出了一条呈“S”形的小路，滑坡后缘的表层堆积体已完全垮落。经人工清除滑坡堆积体后，在坡表形成了较光滑的顺坡向光面，光面北西侧边界形成陡坎，岩层顺坡向产出，如2017年11月16日的Google Earth 卫星影像图所示。此后一段时间内，滑坡区域基本没有发生明显的滑动变形迹象，且前缘公路也已经修建完成，滑坡整体呈基本稳定状态。

根据2019年2月11号的Google Earth 卫星影像图，滑坡后缘出现长大裂缝，已经采用隔水材料对已有裂缝进行了封闭，防止雨水入渗； 北西侧边缘的岩体出露更加明显，其坡脚处部分岩体发生局部垮塌(2019年2月7日发生)。光面后缘以及公路弯道处上方已经修建了截排水沟等应急抢险工程。

2019年2月7日上午9时10分，受降雨影响，滑坡体北西侧中部至坡脚的山体发生滑塌，滑塌方量约2×104m3(图6)。2019年2月16日，滑坡体中部陡崖处出现崩塌掉块现象，崩塌方量约5 m3。2019年2月17日凌晨5时，预警平台发出红色警报，约53min后，滑坡发生失稳滑动，大量碎块石滑塌堆积于原光面中上部。

图6 滑坡左前缘滑塌Fig.6 Photographs of the left front slope of the landslide

2.2 滑坡变形失稳过程

根据现场调查，该滑坡发生失稳滑动前变形迹象显著，裂缝分布特征如图7所示，裂缝特征如图8所示。主要表现为斜坡后缘及侧边界的两条拉张裂隙，其中LF1为贯穿性裂缝，在2018年6月27日进行贵州省兴义市高位隐蔽性地质灾害隐患专业排查期间首次发现时，其延伸长度30余米，张开宽度0.2～0.9m。2018年12月5日，裂缝LF1延伸长度增长至约200m，宽度增大至1.0～3.5m，可测深度9～33m，下错高度0.05～0.5m， 2019年1月7日，裂缝宽度在2018年12月5日的基础上又扩大了6～9cm。经调查发现，裂缝沿坡向向下延伸连接LF2。

图7 坡体裂缝分布Fig.7 Photographs of crack distribution in slope

图8 坡体裂缝特征Fig.8 Fracture characteristics of slope body

LF2宽0.2～5m，走向46°，自LF1北侧端点沿斜坡延伸至坡脚，延伸约300m，下错高度2～15cm，可测深度约5～30cm； 沿LF2追索至斜坡中部输水管道沟渠处，见沟渠挡墙开裂变形； 在输水管道旁，直壁陡崖面上发育一斜向裂缝LF3，沿162°方向延伸，宽3～5cm不等； 在管道下方见LF4，延伸方向24°，宽30～60cm，下错2～10cm； 沿LF4顺坡面往下20m处直壁下方见软弱层错动痕迹，下错方向56°； 滑坡体前缘兴马大道沿坡面往上约50m处可见LF5，延伸方向40°，延伸长度约9m，下错方向126°，下错高度最大处为30cm； 位于滑坡体直壁陡崖下方小平台处，距输水管道约7m，地面有破裂、鼓胀现象，鼓胀区域总体延伸方向330°，延伸长度约36m，地面破裂最宽处裂缝张开约4cm，隆起最高处约20cm。

2019年2月17日凌晨5点53分，滑坡发生失稳滑动。图9所示为滑坡发生前后的三维地质模型。

图9 滑坡发生前后三维地形Fig.9 Three-dimensional topographic map before and after landslide

3 滑坡特征及分区

该滑坡为一顺层岩质滑坡。根据滑坡变形迹象及结构特征可将滑坡及其影响区域分为5个区，分别为滑坡物源区Ⅰ、堆积区Ⅱ、变形破裂区Ⅲ、不稳定区Ⅳ、潜在危险区Ⅴ，如图10所示。各区域具体特征如下所述。

图10 滑坡分区示意图Fig.10 Division diagram of landslide

3.1 滑坡物源区(Ⅰ区)

在2014年首次滑坡后形成了北东向的长条状光面，物源区为光面北侧中上部至后缘呈舌状的山体，由后缘裂缝LF1、北东侧裂缝LF2上半部分及光面侧边界陡崖所形成。后缘裂缝长约178m，走向138°； 北东侧边界裂缝在1125m高程处偏转约30°并延伸至陡崖，由此形成了滑源区边界(图10a)。

滑源区后缘最高处高程为1178m，前缘最低处高程为1096m。其所在斜坡岩体属三叠系中统关岭组(T2gl)，岩性主要以灰色厚层状白云岩为主，夹薄层状页岩，区域厚度265～750m。滑源区地层呈单斜产出，地层产状52°∠ 22°，坡向62°，坡度30°，为岩质顺向坡。滑坡工程地质剖面图如图11所示。

图11 兴义滑坡工程地质剖面图Fig.11 Geological profile of Xingyi landslidea.1-1′剖面; b.2-2′剖面

3.2 堆积区(Ⅱ 区)

滑坡发生后并未产生远距离的滑动，主要堆积于物源区及其前缘斜坡中上部，整体形状呈不规则的倒三角形。堆积区后缘高程1145m，前缘高程1070m，高差约75m(图10b)。

3.3 破裂变形区(Ⅲ 区)

此区与滑坡堆积区相邻，位于堆积区的北东侧，为物源区下方坡体，由LF2下半部分和光板侧边陡崖划分成一不规则的梯形。该处为顺坡向的厚层白云岩，一侧临空，岩体中已经产生了较多的裂缝，其本该与物源区为一体，但由于其前缘布置了抗滑桩和抢险沙垛，因此在滑坡发生时与物源区分离开，并未产生滑动，但坡体的裂缝增多，整个区域以较为破碎的状态堆积于滑坡北西侧边界的中下部(图10c)。

3.4 不稳定区(Ⅳ 区)

不稳定区域是位于滑体周围因滑坡滑动产生扰动而稳定性降低的区域(朱世煜等， 2014)。该区主要为滑坡右后缘外50m宽， 20m高范围内的圆形区域，其左前缘已经临空，斜坡坡度20°～55°，坡体上发育有横向及纵向长大裂缝，当滑源区发生失稳滑动后，其前缘临空面增大，且其具有较大的重力势能，在长期重力作用下坡体易产生拉裂变形，该部位稳定性将进一步降低(图10d)。

3.5 潜在危险区(Ⅴ区)

该区域呈“口哨”状包裹在滑坡后缘，“哨柄”为滑坡后缘约20m高程范围内的山体，“口哨头”为滑坡后缘北侧的一危岩体，危岩体面向前缘公路一侧近乎直立，背向公路的一侧坡度约60°到70°之间，该危岩体高度约40～50m，底边宽度约60～70m，呈圆锥状孤立于滑坡体的北侧，滑坡滑动后，其坡体上的裂缝若向上延伸到危岩体形成崩塌，将会对坡脚的居民产生极大的威胁(图10e)。

4 滑坡灾害成因初步分析

根据滑坡历史变形过程，坡体结构特征，结合滑坡区域的地质环境条件，分析滑坡失稳的原因，主要有如下几点：

4.1 地质条件

含软弱夹层的岩质斜坡的失稳破坏，常常是因为其坡体内部的软弱夹层在长期地质历史演化过程中受区域构造运动或上覆岩层荷载影响，导致软岩原有结构破坏，碎裂化甚至泥化，形成错动滑移面，岩质斜坡沿此软弱面形成的滑带滑出而破坏(朱赛楠等， 2018)。

兴义滑坡滑体的主要组成部分为厚-巨厚层状白云岩，夹灰色薄层状白云质黏土岩，滑体中部夹有厚度0.8～1.5m的软弱夹层，上部白云岩岩质整体坚硬，岩体完整，属硬质岩，下部软弱夹层质软，可压缩性较高，浸水后呈软塑-流塑状态。在构造作用下，强度差异明显的软硬互层状岩体沿软硬岩交界面产生应力集中，造成层间剪切错动现象，再经过长期的水岩作用，软层的强度逐渐降低，上部硬质岩在重力作用下对其产生挤压，发生压缩变形，且越靠近临空边缘挤压变形越大，坡体同时发生压缩作用和剪切作用，这一过程导致滑坡后缘产生拉裂缝，拉裂缝不断发展，逐渐贯通后最终导致滑坡产生，其过程如图12所示。

图12 滑坡形成过程剖面示意图Fig.12 Section diagram of formation process of landslide

如此硬质岩夹软弱夹层的组合，构成了滑坡形成的物质基础，是滑坡形成的关键原因。

Sharmila Parmanand用一个话题说明了己方立场：妇女参政人数的“缓慢的转变是不能接受的”。因此，我们提议政府要在议会为妇女保留30%到40%的席位。

4.2 诱发因素

该滑坡坡脚为兴-马大道，人类工程活动强烈，根据滑坡的历史卫星影像图可知， 2014年修建公路切割坡脚导致产生小型滑坡，滑体清方后形成了一侧为陡崖的不稳定斜坡，由于前缘陡崖长期临空，诱使该不稳定斜坡后缘裂缝的形成及发展，是滑坡形成的重要外在因素。研究区大气降雨丰富，年降雨量在1500～1600mm之间，大气降雨将增加滑体的重度，结构面在暴雨期间受到侵蚀、软化作用，抗剪强度降低，不利滑坡的稳定(瞿生军等， 2016)。滑坡形成过程简明图示如图13所示。

图13 滑坡形成过程三维图示Fig.13 Three-dimensional diagram of formation process of landslide

5 滑坡成功预警过程

兴义滑坡的成功预警是滑坡监测预警发展的一个典型事例。2018年6月27日，兴义市马岭镇龙井村九组山体斜坡上发现裂缝，随即将该点新增为地质灾害隐患点，制定监测方案，并将监测数据集成到地质灾害监测预警系统对滑坡进行实时监测。

5.1 监测方案

对于缓慢变形(蠕变)滑坡的早期预警，变形量是全世界广泛使用的主要监测参数(Pecoraro et al.， 2018； Intrieri et al.， 2019)。对于岩质滑坡的监测预警，Pecoraro et al.(2018)回顾了6个滑坡预警系统，这些系统均使用位移及其导数(速度和加速度)作为岩土体的主要预警参数。尽管并不是所有的现场监测数据都能直接用于定义预警标准，但它们提供了滑坡活动的信息。因此，在兴义滑坡的监测过程中，采用了岩土体变形监测(裂缝计)和大地测量(GNSS)相结合的监测方案。岩土体变形监测是通过直接测量地面位移的裂缝计进行的，裂缝计是由SKLGP自主研发的SIT-1800C智能裂缝监测仪(简称自适应裂缝计)，这是一款适用于山体滑坡、崩塌落石、工程结构等大量程相对位移高精度监测的智能化设备，其特点是通过智能计算模型自动跟踪变形快慢，并根据变形幅度自动调整数据采集频率(朱星等， 2016)。同时GNSS(全球导航卫星系统)的大地测量方法通过测量GPS(全球定位系统)卫星信号跟踪的距离来识别位移。多种监测传感器的安装提供了有关滑坡活动的信息，并有助于监测滑坡的时空演化过程，以便进行可靠的预测，尽管并非所有这些传感器的数据都被用于预警。

值得指出的是，兴义滑坡的监测方案采用了一种以上的地面位移监测方法，以便在设备因天气或其他相关因素干扰而出现故障的情况下提供替代方案，并在紧急情况下保持预警系统的工作状态。在滑坡发生前后，根据坡体变形情况在滑坡区域及其影响区域，共布设了21个监测点，包括有6台GNSS和15个裂缝计。其中3台GNSS(GP01～GP03)和9个裂缝计(LF01-LF09)于滑坡发生前开始监测(图14a)，在滑坡发生后根据坡体变形情况及坡体受扰动情况又安装了3台GNSS(GP04～GP06)和7个裂缝计(LF10～LF16)对滑坡危险部位进行持续监测(图14b)。

图14 滑坡前后监测点布置图Fig.14 Layout of monitoring points before landslide

5.2 监测数据分析

5.2.1 滑坡变形整体分析

根据监测数据分析滑坡的整体变形情况。滑坡发生前， 3台GNSS设备监测了从2月12号到滑坡发生前的位移情况，监测曲线如图15所示。分析可知，3条曲线变化趋势一致，均呈加速增长的趋势，其中GP01位移最大，滑坡北西侧后缘在滑坡发生前产生了较大的变形，该处最大位移0.8m，在滑坡后缘同样产生了较大的位移，约0.7m，而位于抢险工程2#沙垛前缘的GP02仪器所监测的数据曲线显示，该处相较其他两点位移最小，且曲线斜率最小，说明砂垛对于阻止滑坡的变形发挥了作用。

图15 GP01-03累计位移监测曲线Fig.15 Cumulative displacement curves of GP01-03

图16为滑坡发生前在坡体裂缝处布设的裂缝计监测所得数据曲线。图16a为滑坡后缘裂缝从1月27号至滑坡发生前的变形情况，根据曲线可知滑坡后缘裂缝变形具有一致性，变形呈匀速增长， 2月12号开始曲线变陡，变形加速，至临滑前曲线斜率基本垂直。图16b为坡体中部处裂缝从2月14号至滑坡发生的变形情况，该处裂缝变形整体变形较后缘裂缝小，且在前期变形基本维持稳定，没有持续增长的迹象，一直到滑坡临滑前才发生较大变形。

图16 裂缝位移监测曲线Fig.16 Displacement curves of cracka.LF01-LF06号裂缝计监测数据； b.LF07-LF09号裂缝计监测数据

虽然自开发的仪器适用于监测，但并不意味着其结果将完全符合斜坡蠕变破坏的3个变形阶段(初始、等速和加速)的理想曲线(Saito 1969； Loew et al.， 2016； Intrieri et al.， 2019)。从监测装置获得的变形曲线不可避免地会受到各种外部因素的影响，因此在预警系统中的位移监测数据处理中，通常采用最小二乘法和移动平均法对原始数据进行拟合和平滑。最小二乘法在数据拟合中有很重要的应用，它可使观测值和拟合值的平方差之和最小化。当岩体处于长时间的稳定或等速变形阶段时，可采用最小二乘法进行回归拟合。然而，根据蠕变理论，斜坡变形在进入加速变形阶段时通常会突然加速(Loew et al.， 2016)。在此阶段，用最小二乘法可能会误报预警信息，因此引入移动平均法来克服这一问题。当位移显著增加时，移动平均法可对噪声进行滤波，突出位移时间曲线的趋势，保持监测到的数据不受突变的影响。根据位移曲线的特点，自动选择合适的监测数据处理方法是非常重要的。预警系统可自动计算变形速率增量，识别滑坡变形状态，然后选择合适的数据处理方法。

除了自行开发的监测仪器和改进的数据处理方法外，预警的最终成功还依赖于精确的预警模型来确定预警阈值。预警模型定义了发布预警所需的决策程序，包括确定预警参数、预警标准、预警级别和发布预警信息(Pecoraro et al.， 2018)。许多针对岩质滑坡的预警系统采用了从相似地质背景下的历史滑坡观测数据的统计分析中得出相关规律(Pecoraro et al.， 2018)来预测滑坡的变形。基于蠕变理论的假设(Tavenas et al.， 1981)，也有研究人员采用经验方法通过几何参数推断失稳时间(Intrieri et al.， 2019)。

本系统中采用了切线角方法进行预警，该方法描述了给定时刻位移-时间曲线变形率的切线角(α)，并将其用于指定不同的警报级别。通过对大量滑坡的反分析得出，临滑前α值一般为89°～89.5°，证明了不同滑坡之间切线角的相似性。这种切线角法通过不同破坏机制的滑坡进行了验证(许强等，2009a； Qi et al.， 2018)，他们共分析了100多个滑坡的变形趋势，对100多个滑坡的反分析结果发现可将加速阶段划分为3个子阶段(图17)，这也突出了本预警系统预警模型的细节，与传统的位移和速度阈值相比，切线角阈值可用于各种类型的滑坡。

图17 预警模型示意图Fig.17 Schematic diagram of early warning model

尽管切线角法具有独特的优势，但基于切线角法为所有滑坡确定单一的阈值，不足以准确判断滑坡变形整个演化过程的趋势。因此，预警系统中建立了多个警报阈值，如图17所示，在切线角法的基础上，用以mm/时间步长为单位的增量变形速率(即速率增量Δv)来识别变形的加速阶段。在等速变形阶段，速率增量(Δv)相差不大，基本为0左右。在进入加速变形阶段后，速率增量大部分为正值，但仍有波动，其幅度大于等速变形阶段。此外，使用切线角法仍有可能遗漏或误判警报，在这种情况下，基于过去滑坡监测数据的统计分析得出的速度阈值(v)对于进一步区分滑坡的真实变形和设备误差起着至关重要的作用，多阈值方法使本预警系统预警正确率大大提高。

5.2.3 预警成功过程分析

经由裂缝计和GNSS现场自动采集的监测数据远程无线传输至“地质灾害实时监测预警系统”(Ju et al.， 2015)进行自动分析计算，并在系统中实时绘制变形-时间曲线，通过对曲线的特征分析，自动划分变形阶段和预警级别，一旦达到某个危险级别，系统将通过手机短信等方式发送提示性预警信息到指定的手机(图18a)(许强等， 2020)。

图18 地质灾害实时监测预警系统Fig.18 Real-time monitoring and warning system of geohazardsa.地质灾害预警信息; b.GNSS GP01监测曲线; c.裂缝计LF01监测曲线

现场监测仪器传回的位移监测数据由“地质灾害实时监测预警系统”的实时分析与计算，绘制变形速率(v)、速率增量(Δv)曲线，同时，计算机自动判定滑坡匀速变形阶段的速率，绘制改进切线角(α)曲线，由此对滑坡的变形阶段进行综合判断(许强等， 2009b； 王延平等， 2015； 邓建辉等， 2019)。

图18c为裂缝计LF01从1月28号至滑坡发生期间的监测数据曲线，分析可知，在1月31号之前，变形曲线表现出幅度较小的波动，此阶段坡体裂缝开始产生，为斜坡初始变形阶段； 从1月31号至2月9号期间，变形曲线趋于稳定，速率增长缓慢，累计位移曲线总体呈一斜直线，此阶段斜坡初始变形产生后在重力等因素作用下产生蠕动变形，裂缝不断发展，为斜坡等速变形阶段； 从2月9号开始，变形速率开始快速增加，速率倒数曲线突变向下，呈阶梯式下降，而切线角则呈现阶梯式上升，斜坡变形明显加快， 2月15号后，速率增量全为正，且成倍增大，累计位移及变形速率曲线快速增长，随后斜坡进入加速变形阶段，裂缝逐渐贯通。

裂缝计监测曲线更好地反映了滑坡变形的渐进性，宏观上速度倒数曲线能够直观体现变形突变，而根据变形速率能够定量划分变形阶段，滑坡发展过程更加清晰。

斜坡进入加速变形阶段往往预示着滑坡即将发生，又可将加速阶段细分为3个亚阶段(图19)，以更清楚地揭示滑坡发生前的变形特征(许强等， 2009a)。2月16号12时左右，变形速率达到注意级80mm·d-1，变形首先进入到初加速阶段，速率增量在0～10mm·d-1范围内稳定波动，变形速率和累计位移不断增长，至2月16日21时，变形速率达到警示级100mm·d-1，斜坡变形进入中加速阶段，速率增量增大到10～15mm·d-1，累计位移和变形速率快速增长，在2月17号凌晨3点过后变形速率达到警戒级160mm·d-1，变形进入临滑阶段，系统发布橙色预警，此时切线角超过80°，速率增量开始呈台阶式上升，累计位移和变形速率高速增长，在2月17日凌晨5点36分切线角超过85°，从宏观上来看，累计位移，变形速率曲线近直立，斜坡变形急剧增长，速率增量持续增大，达到40mm·d-1，凌晨5点52分，变形速率达500mm·d-1，随后滑坡发生。

图19 滑坡变形加速阶段Fig.19 Accelerating stage of landslide deformation

监测结果表明，自适应裂缝计相较于GNSS能够更加及时地反应斜坡变形特征和变形阶段，其在斜坡的变形发展中根据变形速率，自动调整采集频率，监测数据成果清晰地反映了加速变形的过程，对准确判定斜坡的变形演化阶段具有重要意义，并为滑坡自动预警提供了支撑。

6 结 论

由于岩质滑坡的复杂性，成功预测的案例在世界范围内是非常罕见的。监测预警系统是降低风险的重要工具，通过提前几十分钟甚至数小时的及时警报，可拯救宝贵的生命。在本研究中，作者提供了一个成功的案例，对中国西南地区的山体滑坡进行预警。介绍了改进的数据处理方法和基于多阈值综合预警模型，这将有助于预测未来类似的滑坡。作者从成功案例中吸取的经验总结如下：

(1)本文通过综合分析认为，兴义市马岭镇龙井村滑坡2014年首次滑动后形成了不稳定斜坡，其陡崖后方岩体在重力的长期作用下，产生拉裂缝，加之坡体的软弱夹层因降雨等原因发生时效变形，并逐渐演变为潜在滑动面，且硬质岩与软弱夹层的组合，在不利的地形地貌、坡体结构以及人为扰动等因素的综合作用下，斜坡发生压缩、剪切复合作用，最后沿滑面切出，滑坡产生。

(2)滑坡的形成过程是变形不断加速的过程，结合GNSS和裂缝计监测数据，通过“地质灾害实时监测预警系统”分析处理后绘制的变形-时间曲线可以综合判断滑坡的变形阶段，结果显示斜坡经过初始变形，等速变形和加速变形阶段直至滑坡发生。自主研发的自适应裂缝计监测结果能更好地体现斜坡变形发展阶段。

(3)滑坡的成功预警证明了综合预警模型在预警系统中的重要性。建议在监测过程中使用多源传感器测量多个阈值，以在紧急情况下保持系统工作的持续性和预警结果的可靠性。