热红外技术在矿山边坡变形监测中的应用

王艳平

（江西省九龙地质建设工程院，江西 萍乡 337000）

矿山边坡地质灾害问题是矿山开采活动当中，直接导致人为地质灾害发生的主要原因，由于受到高地应力、冒顶片帮等影响，在进行矿山作业过程中，其安全性很难得到保障。在众多地质灾害类型当中，矿山边坡变形造成的滑坡会在极大程度上影响到周围居民以及周围矿山施工的安全，对于居民、施工人员以及矿山企业而言都会造成十分严重的打击，若不对其加以控制，更会出现毁灭性的灾难事故。当出现矿山边坡变形时，矿山设施会被摧毁，同时造成严重的人员伤亡事故发生。当前，由于开采手段的不合理，加之没有完善的边坡变形监测技术，使得矿山边坡出现滑坡灾害问题十分常见。因此，当前相关领域研究人员急需找出一种能够实现对矿山边坡变形监测的技术手段。当前，热红外技术主要应用在医疗、电力、建筑等领域当中，但在矿山边坡监测中的研究较少，并且相关研究均没有进行实际应用，无法明确其应用效果。基于此，结合热红外技术的应用优势，针对矿山边坡变形影响因素的复杂性，引入热红外技术，开展下述研究。

1 热红外技术在矿山边坡变形监测中的应用

1.1 基于热红外技术的矿山边坡成像

为了实现对矿山边坡结构变形的监测，引入热红外技术，利用光子探测装置针对被监测边坡的表面热辐射能转换为电子视频信号。再通过对信号进行预处理，将其发送到显示器当中，将其转换为可视化的矿山边坡图像。将通过热红外技术获取到的信号数据按照图1所示流程进行处理，并能够生成图像[1]。

按照图1所示流程，通过监测前编辑好的网格结构，构建一个立体的矿山边坡图像，并对边坡的DEM图输出。

图1 基于热红外技术的矿山边坡成像数据处理流程

1.2 矿山边坡变形热像特征提取

完成对矿山边坡的成像后，为了更加精准地实现对半坡变形的识别，对其热像特征进行提取。图2为矿山边坡的组成要素示意图。

图2 矿山边坡组成要素示意图

在矿山边坡组成要素示意图中，由I和II、II和III构成的两个斜面为边坡，边坡在变形的过程中，最终边坡坡面与非工作面上的坡地线构成的斜坡即为最终边坡。由最终边坡坡面和矿山水平面构成的夹角为最终变形坡角，即图2中的∠a和∠b。通常情况下，边坡变形会沿着贯通的剪切破坏面所发生的偏移。由于边坡变形的形成必定会产生活动的软弱面。这一软弱面即为软岩层，由于软弱滑动面的存在矿山边坡热像当中十分明显，因此可将其作为矿山边坡变形热像特征并进行提取[2]。为了方便提取，假设软弱面的热像特征描述信息为P（x，y），则其表达式为。

公式（1）中，r表示为软弱面的热像特征矢量维度；sr表示为在某一维度当中矿山边坡变形局部特征矢量维度元素值。根据上述公式计算得出的结果可实现对软弱面热像特征的描述，并对描述数据进行提取，方便后续对边坡变形位移量进行计算。通过提取到的热像特征描述信息P（x，y）将其与监测初期相应监测节点进行对比。若二者之间存在明显差异，则说明此时矿山边坡出现了变形现象；若二者之间存在的差异符合矿山边坡的运动特征的相对阈值要求，则说明此时边坡未出现变形现象，继续对该边坡位置进行监测，以此通过上述方式，在完成对矿山边坡变形热像特征的提取后，可进一步实现对矿山边坡变形的判断。

1.3 边坡变形位移量及坡角变化量计算

在上述论述基础上，为了提高监测结果的利用价值，还需要对边坡变形位移量及坡角变化量进行计算。在对边坡变形位移量计算时，需要获取被监测矿山边坡结构的基本参数信息，例如与边坡土体湿容重、粘聚力等。同时，在提取矿山边坡变形热像特征时，已经获取了边坡土体的面积、圆弧长度等数据[3]。因此，在上述参数数据基础上，按照公式（2）可实现对边坡变形位移量的计算。

公式（2）中，M表示为边坡变形位移量；γi表示为边坡土体的湿容重；Si表示为边坡土体的总面积。根据上述公式（2）计算得出边坡出现变形时的位移量。再根据矿山边坡实际情况，结合边坡变形角度变化的经验关系，得出坡角变化量的计算公式为。

公式（3）中，λ表示为矿山边坡坡角变化量；K1表示为与边坡高度相关的经验系数；K2表示为与未出现变形时边坡坡角的经验系数；K3表示为构成边坡的岩石强度相关经验系数；t表示为监测时间。根据上述公式（2）和公式（3）在获取到矿山边坡图形和矿山边坡变形热像特征的基础上，实现对边坡变形位移量及坡角变化量计算，并完成对边坡变形的监测。

2 应用效果分析

为进一步验证上述引入热红外技术后的矿山边坡变形监测方法在真实环境中的应用效果，本文选择将某地区某矿业集团公司大规模露天矿山作为依托，针对该矿山的边坡结构变形情况进行实时监测。已知该矿山为矿石原材料主要供应基地，矿床整体可划分为三个不同区域，分别为北侧采取、东侧采取和南侧采取，该矿床的规模较大，其南北方向长度约为4520m，东西方向长度约为1560m，厚度平均在175m～225m范围内，其最厚位置上可达到362m，矿体延伸约为950m。该矿床的矿产资源产状十分稳定，其走向在206°～215°范围以内，倾向东西方向，倾斜角度约为65°～85°。结合本文上述监测方法，利用热像处理软件对热红外技术获取到的热红外图像数据进行处理，并提取出研究区域范围内温度场的高温和低温异常区域。随机选择该矿山边坡结构上的五个点作为监测点，在经过一段时间后，五个监测点均出现不同程度的偏移情况[4]。对五个监测点上横坐标和纵坐标的移动数值进行记录，并在现场利用矿山测量设备对五个监测点的坐标进行测量，将其与监测结果数据对比，得到如表1所示结果。

表1 监测结果与实测结果对比表

从表1中得出的结果可以看出，监测方法的结果与利用矿山测量设备实际测量得出的数据相比，误差均在0m～0.2m范围以内，说明该监测方法的精度符合矿山施工安全监测精度需要。因此，结合上述应用实例分析得出，引入热红外技术后的监测方法能够实现对矿山边坡变形的高精度监测。

3 结语

通过本文上述研究，针对热红外技术在矿山边坡变形监测当中的应用进行深入分析，并提出一种合理的监测方法。将该监测方法应用到真实的矿山环境当中，并对其边坡结构的变形进行实时监测，得到的应用结果进一步证明了该监测方法的有效性以及热红外技术的应用优势。但在研究过程中发现，热红外技术的应用仍然无法有效弥补单点监测的局限性问题，因此在今后的研究中还将引入三维激光扫描技术，将其与热红外技术融合，从而不断完善矿山边坡变形监测方法。