大数据关键技术在湘中地区滑坡隐患点监测应用*

尹 萍，龚玉叶

（湖南工程职业技术学院，湖南 长沙410151）

本文选取的研究区域为湖南宁乡地区的某滑坡形变，其中，研究区域的信息主要有地形地貌、地质构造、地层岩性、气象水文、人类活动等方面。详细分析了该区域的滑坡地质灾害易发生性评价影响因子，对滑坡的形成和滑坡区域的确定提供理论依据。研究数据的信息主要是采用In-SAR图像数据的基本参数，结合InSAR监测数据和自动化监测中深部位移监测数据，计算出滑坡的范围和规模。

1 研究区域概况

1.1 地形地貌

原始地貌为剥蚀低丘地貌，地形起伏较大，丘间多发育沟谷，滑坡区域处在两冲沟之间的低丘地段，该段低丘山脉走向近东西向，低丘顶呈近椭圆形，峰顶高程149.50m，低丘山坡坡度较为平缓，坡度10°～20°，坡上植被茂密，人类工程活动对原始地貌作了较大改变。研究区域图如图1所示。

图1 研究区域图

1.2 地质构造

滑坡区处在桃花岭压性断裂带产生的次生断裂带内，岩层总体呈缓变的单斜，倾向90～110，倾角8°～28°，受构造影响，场区岩石破碎，局部软岩中岩层挤压褶曲、揉皱较为明显，岩层产状局部紊乱变化；岩体节理裂隙发育，其中以25°∠80°～85°节理优势发育，节理密度达10～15条/m，节理面平直光滑，一般较为闭合。

1.3 地层岩性

场区分布的原始地层由上至下主要为：上覆第四系覆盖层为坡残积（局部崩积）粉质粘土、碎石混黏性土；其下伏基岩为石炭系下统大塘组测水段（C1d）2砂岩、石英砂岩、泥岩、含炭质泥岩互层。

1.4 气象和水文

场地地下水主要类型有：第四系孔隙潜水、基岩裂隙水。第四系孔隙潜水赋存于粉质粘土层中，该层含碎石、块石，透水性较好，受大气降水补给，地下水比较丰富，尤其在其底部，由于其下伏基岩表面，泥岩表面具有局部隔水特征，水量更为丰富。基岩裂隙水赋存于基岩裂隙中，场地强风化砂岩、泥岩互层，呈互层层状结构，节理裂隙很发育，层面与节理裂隙切割面构成密集的裂隙通道，渗透性好，基岩裂隙水丰富，其主要接受大气降水经上覆第四系孔隙潜水越流补给。在边坡坡脚渗水点附近挖坑集水，采取1件地下水试样，其结果详见附件《水质分析报告》，对其评定如表1。

表1 地下水评定结果表

1.5 不良地质和特殊性岩土

除了滑坡以外，本场地尚有小型采空以及膨胀岩土特殊性岩土两个值得关注的问题。

1.5.1 采空洞

该山坡上有私采拉滥挖的采煤采空洞存在，采空在岩体中形成空区，年代久远，难保其中不形成自然垮塌，形成采空塌陷区和采空变形区，造成山体中部分岩层移动，破坏了地层结构及其完整性。同时采空洞成为了储水构造，汇聚地表水进入坡体的深部，长时间向周边岩土体渗流、排泄，造成边坡岩土地下水较为丰富，山坡岩土体中的泥岩、炭质泥岩等，遇水易软化、崩解，地下水在层间长期作用，不利于山体稳定。

1.5.2 膨胀岩土

场地泥岩经岩矿鉴定以及膨胀性土工试验，其蒙脱石含量约14%，伊利石含量约3%，自由膨胀率达72%，属于膨胀潜势为中等的膨胀岩土（呈土状）。膨胀岩土在干湿交替的环境之下，其特点为胀缩性循环、裂碎及饱水极度变软，极易产生由表及里的渐进性破坏，从而导致公路边坡逐步失稳，属于边坡工程中的难题。

2 研究数据

研究区采用ALOS-1PALSAR和RADARSAT-2数据共计60景，时间覆盖范围为2018年6月2日至2019年9月23日，详细情况如表2，采用DEM分辨率为30m的SRTM-1数据。

表2 研究区数据详细情况

本次实验针对ALOS-1PALSARA条带数据及RAD ARSAT-2数据的特点，根据轨道参数、脉冲重复频率、时间信息和外部DEM等信息，采用InSAR干涉测量技术利用长时间自动干涉测量系统AISAR进行数据处理。大致流程为预处理、差分干涉计算、形变量计算、地表形变结果的几何校正、数据处理的质量控制等，并根据监测区的地质条件，结合野外调查数据，分析地灾体形变的变化规律，以及这种变化与地形地理、地质类型与降水量等要素之间的关系，采用数值模型分析，对地表形变过程进行模拟分析，揭示地表形变的机理，对形变体的稳定性进行评估。

根据现场调查的资料，发现北纬28.06815°，东经112.73830°附近滑坡体由于高速公路从坡脚通过，该坡脚开挖形成了较高的边坡，该区域原有的稳定结构造受到了一定破坏。虽然该边坡采用了一定的表面防护措施，但是该坡体主要为膨胀岩土，膨胀岩土在干湿交替环境下，呈现胀缩循环、裂碎以及饱水极度变软的特点，其处在坡体浅表，极易产生由表及里的渐进性破坏，从而导致边坡逐步失稳。

通过对ALOS-1PALSAR和RADARSAT-2数据的处理，提取各时段的DEM模型（如图2-图5），发现道林互通滑坡自2018年6月至2019年3月部分区域略有微小形变，但基本处于稳定状态；自2019年3月～2019年8月部分坡体发生持续变形；自2019年8月底～2019年9月初部分坡体发生滑坡。

图2 2018年6月至2019年3月道林互通滑坡体DEM模型图

图5 2019年9月道林互通滑坡体DEM模型图

图5 路径规划算法流程图

由于滑坡发生在表层（约2m深，根据深部位移监测数据得知），用肉眼观察各个DEM模型，发现DEM模型变化较小。为准确地得出滑坡体发生形变的范围，我们将后续得到的DEM模型与2019年3月之前道林互通滑坡体DEM模型配准后做差分处理，差分结果超过允许误差的区域即为发生形变的区域。为直观地展示发生形变的区域，我们将发生形变的区域映射到道林互通滑坡体初始DEM模型上，并用醒目色块标识（如图6-图8）。

图6 2019年6月道林互通滑坡体形变区域图

图8 2019年9月道林互通滑坡体形变区域图

图3 2019年6月道林互通滑坡体DEM模型图

图4 2019年8月道林互通滑坡体DEM模型图

图7 2019年8月道林互通滑坡体形变区域图

通过将后续得到的DEM模型与道林互通滑坡体初始DEM模型的差分处理结果，我们准确地得到了道林互通滑坡体在各个时间段发生形变的位置及发生形变区域的范围。由于网格大小已知，通过简单计算，可得：2019年6月道林互通滑坡体相对于初始状态（2019年3月前）形变区域面积约为63.172m2；2019年8月道林互通滑坡体相对于初始状态形变区域面积约为69.442m2；2019年9月道林互通滑坡体相对于初始状态形变区域面积约为89.470m2（此时，已发生局部滑坡）。

3 滑坡自动化监测内容和方法

结合项目实际，为了与InSAR数据进行相互补充，能确定滑坡的范围和规模。根据规范，滑坡危害程度属于一级滑坡，需建立地表变形、深部位移、裂缝位错、地下水位的自动化监测系统，监控滑坡整体变形。根据监测方案，本次监测项目主要有：地表位移监测、边坡深部位移监测、地下水位监测等。

3.1 地表位移监测

地表位移监测是指在能反映边坡变形动态的位置，布置相应的地表位移监测点，可采用角度交会、距离交会、极坐标法、边角网、GPS等技术方法。通过数据处理分析坡面的几何外观变化情况，并绘制出坡面各个点在施工过程中的水平及竖直方向的位移变化，从而进一步来了解边坡滑动基本情况，并提供灾害预警信息，这是一种最直接的监测方法。地表位移监测采用GPS连续自动监测技术系统进行实时监测。

3.2 深部位移监测

2019年3月，在道林互通滑坡体布设深部位移自动化监测点2个（监测点布置如图9），每个监测点分别在离地表2m、4m深度安装深部位移传感器，深部位移监测点数据每天实时更新。2019年3月至2019年9月，各深部位移监测点监测数据曲线如图10-13。

图9 道林互通滑坡体深部位移监测点布置图

图10 道林互通滑坡体1号深部位移监测点2m深传感器位移曲线

3.3 地下水位动态监测

利用原有勘察钻孔和监测工作增加钻孔，与其他监测工作同周期同频率地对钻孔地下水位进行实时监测，来监测地下水位的变化和降雨及深部位移变化的关系，从而评价地下水位对位移的影响及边坡排水系统的有效性。

3.4 地表裂缝位错监测

采用裂缝两侧埋设观测桩观测，使用钢尺同周期测量的方法（也可采用裂缝计），监测滑坡裂缝发展状况与错动大小、方向，主要针对刚刚开始治理的边坡，是最直观和快速的监测手段，也对施工安全、监控起到预警预报的作用。

3.5 监测数据分析

根据监测区的地质条件，通过对ALOS-1PALSAR和RADARSAT-2数据的处理，提取各时段的DEM模型，分析地灾体形变的变化规律，发现道林互通滑坡自2018年6月至2019年3月部分区域略有微小形变，但基本处于稳定状态；自2019年3月-2019年8月部分坡体发生持续变形；自2019年8月底-2019年9月初部分坡体发生滑坡。根据后续得到的DEM模型与道林互通滑坡体初始DEM模型的差分处理结果，准确地得到了道林互通滑坡体在各个时间段发生形变的位置及发生形变区域的范围。滑坡体布设深部位移自动化监测点2个，每个监测点分别在离地表2m、4m深度安装深部位移传感器，深部位移监测点数据每天实时更新，通过深部位移可知，自2019年4月初至2019年8月中，道林互通滑坡体1号深部位移监测附近发生持续缓慢变形，滑动面深度约为2m。

图11 道林互通滑坡体1号深部位移监测点4m深传感器位移曲线

图12 道林互通滑坡体2号深部位移监测点2m深传感器位移曲线

图13 道林互通滑坡体2号深部位移监测点4m深传感器位移曲线

结合InSAR监测数据和深部位移监测数据，利用道林互通滑坡体相对于初始状态形变区域面积，假定滑动面为一弧形曲面，可以计算出形变区域体积。2019年6月道林互通滑坡体相对于初始状态（2019年3月前）形变区域面积约为63.172m2，形变区域体积（假定滑动面为一弧形曲面，以下同）约为126.344m3；2019年8月道林互通滑坡体相对于初始状态形变区域面积约为69.442m2，形变区域体积约为138.884m3；2019年9月道林互通滑坡体相对于初始状态形变区域面积约为89.470m2，形变区域体积约为178.940m3。

4 结束语

本文研究了合成孔径雷达干涉InSAR技术原理和数据处理方法，通过选取合适的InSAR雷达波长，减弱了地表植被对地形监测的影响；同时将多种InSAR数据处理技术相结合，有效解决了地形复杂区雷达信号相干性差异导致的地表变形难以精确提取的问题，得到了研究区域毫米级地表动态变形结果。利用覆盖湖南宁乡某地的雷达数据，综合应用雷达差分干涉测量技术，提取了该研究区域多时段的变形信息，揭示了该区域的滑坡发育地表形变的时空特征。结合监测结果和野外验证，成功识别出该研究区域的滑坡，实现了滑坡的早期识别。利用研究区域监测初期得到地表变形信息，提取出监测初期地表形变区域的范围，并在形变区域及其附近进行深部位移监测。结合后续的InSAR监测结果及形变区域深部位移数据，得到了滑坡体各时段的形变区域的范围、面积及滑动面的深度，进而较为准确地预测了滑坡的范围及规模。