基于GNSS的地质灾害变形分析及数据去噪方法研究

叶雪松 武长城 张 敏

(1.四川博源九州空间信息技术有限公司,四川 成都 610000;2.四川星瑞云图信息技术有限公司,四川 成都 610000)

0.引言

我国地质灾害多发易发，地质灾害防治工作直接关系到人民生命财产安全，政府高度重视地质灾害防治和监测工作[1]。作为地质灾害较为严重的省份，贵州省目前已经建设和管理了地质灾害监测预警平台，应用了GNSS等多种技术，在全省范围开展了地质灾害监测与预警工作，涉及受威胁群众51万人。

2018年初，贵州省开展了全面的监测预警设备实验工作，参试单位30余家，并通过了3个月以上的实际验证和反复论证，以此形成了符合贵州省实际情况的监测预警方式方法，同年8月，贵州省正式开始了地质灾害隐患监测点建设采购，其中，2018年度采购了三期项目，2019年度采购了一期，2020年度采购了一期。全国16家供应商中标参与了贵州省地质灾害隐患监测点的建设，目前建设完成了7000多套GNSS设备。最终实际成果表明：GNSS监测的效果依然存在比较大的进步空间，需要在位移实时探测、精度及剔除误报方面继续研发。因此，通过长期实践和应用的效果分析，经过组织专业的技术论证，目前的GNSS监测如果要提升精度、剔除误差、减少误报，首先要提升观测数据质量，才能提升GNSS在监测地质灾害上的优势。

本文以贵州东南西北中的典型监测点为例，分别进行数据质量的分析和解算成果分析，找到实际应用中的问题并找到解决方案。

1.贵州省GNSS监测现状

截至2021年，贵州省建设了4499个GNSS隐患点监测系统，其中，监测站4499个、基准站2262个，覆盖全省9个地市州、81个区县。贵州省GNSS监测站点网图（如图1所示）：

图1 贵州省GNSS监测站点网图

2.隐患点GNSS数据解算

利用短基线解算模式，对隐患点上的监测站进行单基站单基线同时解算。

2.1 关键技术

2.1.1 模糊度固定技术

接收机、卫星内部硬件延迟等误差混入模糊度中，使PPP模糊度失去整数特性，因此称为浮点解。硬件延迟会增加PPP未知参数的相关性，导致PPP浮点解收敛速度慢、精度低，无法满足电离层及对流层延迟误差的提取要求[2]。因此必须将硬件延迟求出予以消除，恢复PPP模糊度的整数特性，才能获得高精度固定解，从而获取精度较高的电离层和对流层延迟误差以用于建模。

2.1.2 区域大气建模

在区域大气建模中，首先需要在参考站网基准站模糊度固定后，正确估计并提取相应的电离层和对流层延迟误差。由于不同季节、不同区域也会影响大气的建模精度，因此需要根据不同条件选择合适的建模方法[3]。

2.2 实例分析

2.2.1 隐患点概况

本文选取了贵州省盘州（黔西南地区）、习水（黔西北地区）、开阳县（黔中地区）、从江县（黔东南地区）、平塘（黔南地区）的5个全省代表性地灾点进行综合情况分析。各滑坡地质灾害隐患监测点情况（如表1所示）：

表1 各滑坡地质灾害隐患点站点

2.2.2 解算结果情况

使用各数据质检软件对各监测点存储的观测数据进行质量检核，盘州市小坪田组滑坡监测点数据质量检核结果（如表2所示）：

表2 小坪田组滑坡监测点数据质量检核结果

习水羊九小学滑坡监测点数据质量检核结果（如表3所示）：

表3 羊九小学滑坡监测点数据质量检核结果

开阳金中镇寨子村上河组滑坡监测点数据质量检核结果（如表4所示）：

表4 上河组滑坡监测点数据质量检核结果

从江停洞镇九日滑坡监测点数据质量检核结果（如表5所示）：

表5 九日滑坡监测点数据质量检核结果

平塘县平舟镇磨刀石村樟木树族滑坡监测点数据质量检核结果（如表6所示）：

表6 磨刀石村樟木树族滑坡监测点数据质量检核结果

数据完整率是评估观测数据质量的非常重要的数据指标。它可以反映出在观测时间段内，接收机所接收的数据是否完整，MP1表示第一频率的多路径误差，MP1的值越小，接收机抗多路径效应的能力越强[4]；MP2表示第二频率的多路径误差，MP2的值越小，接收机抗多路径效应的能力越强。从上表中可以看到，各站点的存储数据中，GPS系统的数据完整性最高，BDS系统的抗多路径效应的能力最强。

2.2.3 解算结果情况

利用解算软件，通过基准站对监测站数据进行解算，六盘水市盘州市羊场乡匡家坪地滑坡监测点解算情况（如图2（a）所示）；习水羊九小学滑坡监测点解算情况（如图2（b）所示）；开阳金中镇寨子村上河组滑坡监测点解算情况（如图2（c）所示）；从江停洞镇九日滑坡监测点解算情况（如图2（d）所示）；平塘县平舟镇磨刀石村樟木树族滑坡监测点解算情况（如图2（e）所示）：

图2 各滑坡监测点数据解算情况

2.2.4 面临问题情况

目前，各监测点数据面临问题主要为：

（1）数据质量问题：数据质量问题是实现监测准确率的根本，目前的问题是数据质量不高，造成准确率和精度不高；

（2）解算结果的问题：同样的解算系统得出了不同的解算结果，因此算法的可靠性和准确性有待提高，这是面临的核心问题。

为了解决以上问题，项目从隐患点数据质量提升、解算结果提升上做了初步地改进，目前得到了一定地改善。

3.隐患点数据质量提升

从实际数据质量的分析来看，五个区域的五类监测点由于站点数据质量、解算软件问题，导致当前的误报率居高不下。要解决这个问题，必须面对以下难点：

（1）提升站点的数据质量：第一，监测站环境一般很难选择，数据质量相对难以控制，但是基准站完全具备选择条件，因此对基准站的选址、数据质量要做好把控；第二，监测站的数据质量基本受环境因素影响，主要是多路径效应大、俯仰角度大、观测卫星数量少；

（2）解算软件的统一：目前的各GNSS解算软件即使面对同一观测数据，解算结果也是差异很大，那么统一算法势在必行；

（3）GNSS数据去噪提升改进。

3.1 数据质量提升改进

数据质量提升，是GNSS监测地质灾害中面临的难点和问题之一。环境限制了提升数据质量中的几个关键指标，包括卫星观测数、多路径效应、卫星观测角度、信噪比等。那么当前就要尽可能对干预影响的因素进行最大化地改进。

3.2 算法改进优化提升改进

目前的绝大部分应用算法，都是基于CORS长基线算法调整而来，所以解决符合地质灾害监测的GNSS算法有两个：第一，对观测到卫星的信号质量进行评估，剔除不合格的卫星及其观测数据，当可参与解算卫星数量严重不足时，做出数据质量可靠性提示，用于对监测结果的可靠性和准确性提供参考；第二，重点在对多路径效应的提升处理上。

3.3 隐患点GNSS数据去噪

解算数据中存在明显的噪声。为了更好地体现监测点GNSS变化曲线，本文提出EMD-Wavelet-ICA组合模型对GNSS数据进行去噪。由于数据量问题，本文仅以监测点N方向为实验数据进行处理。

3.3.1 经验模态分解

EMD（Empirical Mode Decomposition）方法实质上就是对原始信号进行平稳化处理。依据信号的时间特征，通过EMD方法可以对其进行自适应的多尺度分解。EMD方法步骤为：

（1）找出待分解信号s(t)的所有极大值序列和极小值序列，采用三次样条插值对极大值和极小值序列进行拟合，形成上、下包络线，上包络线记为su(t)，下包络线记为sl(t)；

（2）计算得到上下包络线的均值sa(t)如式（1）所示：

（3）将原始序列s(t)与上下包络线均值sa(t)作差，提取细节h(t)如式（2）所示：

（4）计算信号的残余分量如式（3）所示：

3.3.2 小波分析

作为调和分析领域主要研究成果之一的小波分析（Wavelet Analysis），随着半个世纪的发展，已经成为众多研究领域的研究重点。小波基函数系是由满足一定条件的小波基函数经过伸缩a和τ平移得到的。

3.3.3 独立分量分析

独立分量分析（Independent Component Analysis，ICA）是假设各个源信号之间独立，并且观测信号的先验信息很少，仅仅通过获取的混叠信号从而实现源信号分离的一种盲源分离算法。

3.3.4 组合模型介绍

综合上述三种数据处理方法，本文提出了一种新的组合模型EMD-Wavelet-ICA。通过对待处理数据进行EMD分解得到不同频段的IMF分量，针对不同频段的IMF分量，使用Wavelet与ICA进行降噪处理，并且重构两种方法降噪后的信号，实现原始观测信号的重构。

对该组合模型进行描述，流程为：

（1）EMD分解待分解信号，得到不同频段的IMF分量；

（2）将高频噪声作为输入项进行Wavelet去噪，剩余IMF分量同样作为输入项进行ICA处理；

（3）重构Wavelet去噪后信号与ICA处理后信号，获得重构后的信号。

对于LZ001站点连续4天的GNSS监测数据，首先通过EMD方法分解，得到9个IMF分量与一个剩余项。

定义标准化模量的累计均值（MSAM）如式（4）所示：

上式中，mean(·)表示均值函数；std(·)表示标准差函数。如果标准化模量的累计均值明显偏离零值的话，就可认定从该尺度开始，残余信号和低频IMF分量为趋势项。计算分量的MSAM值，统计结果（如图3所示）：

图3 分解尺度的MSAM值

从图5可知：当从第7个IMF分量开始，其MSAM值与零值有了较大的偏差，故可将第7至第10个分量与剩余项视为低频部分。对高频部分使用Wavelet进一步去噪，同样对低频部分使用ICA方法进一步进行处理，最后重构降噪后的两部分信号。经组合模型处理的监测点GNSS数据结果（如图4所示）：

图4 经组合模型处理后得到的监测点变形趋势

为了对组合模型的去噪效果进行定量评价，统计去噪后前后的相关系数、标准差、信噪比，结果（如表7所示）：

表7 不同模型对GNSS数据的去噪效果对比

通过表7可知：对滑坡监测站GNSS数据进行处理，本文提出的组合模型相比EMD模型与EMD-ICA在相关系数上分别增加了3.5%和1.6%，标准差上分别减少了3.4%和2.5%，信噪比上分别增加了20.2%和12.6%。本文提出的组合模型降噪效果更为明显。

目前通过以上操作，参与调整的站点数据得到了极大地改善和改进，提升效果明显。

4.结束语

本文以贵州省地质灾害预警监测项目为依托，为更好地完成地质灾害综合防治体系中地质灾害变形分析等研究工作，针对地质灾害变形隐患点点多面广的特点，特提出通过多手段对隐患点的地质灾害自动化监测系统构建。目前的实际解决方案只有最大限度地提升基准站的要求，对监测站的环境要求也进行最大限度的控制，同时本文提出的EMDWavelet-ICA组合模型相比EMD模型与EMD-ICA，去噪效果更好，对GNSS解算系统进行了统一化提升，表现出监测站的变形趋势。