基于无人机遥感的滑坡几何参数测量方法研究

刘 鹏，邹崇尧，何 雯，肖 聪，熊 涛

（1.湖北省航测遥感院，湖北 武汉 430074；2.湖北省测绘工程院，湖北 武汉 430074）

受强烈地震和极端气象事件频发影响，近年来我国地质灾害处于多发态势。据自然资源部发布的最新报告，2020年全国共发生泥石流、地面塌陷、山体滑坡等地质灾害7 840起，给人民群众的生命财产安全造成了巨大损失。滑坡发生后，对滑坡形态进行动态监测，可为准确分析研判滑坡体变化趋势，预防次生灾害提供有效支撑[1]。然而，滑坡发生时常伴有大风、雨雪、雷电、冰雹等恶劣天气，且中心区域因存在再次滑坡风险禁止人车通行，给应急测绘工作带来了极大困难。相对于传统技术手段[2]，无人机遥感技术具有快速高效、机动安全等方面的优势[3-7]，在人员不进入灾害现场的前提下，利用多期遥感数据进行灾害区域变化发展情况的对比分析，可快速、准确获取滑坡体形状参数变化量。

2020年7月21 日鄂西某村出现大面积山体滑坡，形成堰塞湖[4]，对清江下游某地城区人民生命财产造成重大安全隐患。为配合地方政府抢险救援工作，利用无人机对滑坡区域进行低空、高分辨率、高频度航空遥感，获取灾害现场多视图像，经数据处理得到关键时间点的滑坡体形态参数。

1 数据获取与预处理

1.1 滑坡前数据收集

本文收集滑坡前（2016年）该区域0.5 m地面分辨率的DOM存档数据和2 m格网DEM历史数据。

1.2 遥感影像获取

本文选用S200型垂直起降无人机，搭载黑卡相机，并配备后差分系统实施航摄，设置飞行高度为1 690 m，航向重叠度为70%，旁向重叠度为40%，地面分辨率为7 cm。考虑到后期可能再次滑坡，且滑坡区域有可能进一步扩大，航摄范围覆盖到滑坡区域外10 km。为保证比对的一致性，在滑坡周边稳固区域布设地面控制点标志，控制点间隔1 km，且每处均布设了备用点[5]，共布设地面控制点24个。7月19日到达现场后，立即组织首次航摄，后续每天飞行1～2次，7月25日滑坡区域有大暴雨，停飞一天，26日雨停后进行最后一次飞行。

1.3 数据预处理

无人机摄影测量预处理流程如图1所示。摄影完成后，首先整理航摄相片文件和POS数据，采用PhotoScan软件导入影像数据、POS成果和控制点坐标，完成空中三角测量；然后进行密集影像匹配，生成密集点云[6]；再对点云进行分类，剔除粗差和地物点；最后根据点云数据插值得到2 m格网DEM数据，并利用DEM数据微分纠正得到DOM影像。

图1 无人机摄影测量预处理流程图

2 几何参数选择与测量

滑坡事件发生前后该滑坡区域全局影像对比图如图2所示。滑坡位于鄂西某村中坝东侧约0.8 km的香树湾组南侧，地处清江左岸；平面形态呈“舌”形，纵向长约为1 500 m，平均横向宽约为400 m；地形总坡度为12°，前缘高程约为695 m，后缘高程约为920 m，相对高差为225 m；滑体厚10.0～43.0 m，平均厚度为25 m。

本文研究的滑坡区为图2中红线包含的范围，选取位于滑坡上、中、下区域的3个横断面A1-B1、A2-B2、A3-B3以及滑坡中心纵断面A4-B4四个特征断面和土石方量5个参数作为监测滑坡变化的变量，利用ArcGIS软件，在不同时期2 m间距的DEM上内插得到A1-B1、A2-B2、A3-B3、A4-B4断面数据，再通过不同时期的DEM进行填挖方计算，得到所需DEM的差值，获取土石方的变化量。

图2 滑坡前后影像对比图

3 对比结果与分析

3.1 首次滑坡监测

为了尽快获取滑坡厚度、体积等定量数据，为现场分析研判提供数据支撑，本文将7月19日的DEM与滑坡前的DEM数据进行叠加处理，计算4个特征断面变化和滑坡土石方量。

3.1.1 特征断面变化

上、中、下3个特征横断面以及滑坡纵断面滑坡前与7月19日的变化情况如图3、4所示，可以看出，A1-B1断面变化最大，滑坡后地面高程明显降低（最大降低50 m），沟底东侧变化量明显大于沟底西侧；A2-B2断面沟底和西侧高程变化较小，且西侧上沿局部高程增高，东侧变化较大，地面高程降低明显；A3-B3断面东西两侧高程变化较小，沟底高程明显升高；A4-B4断面上部高程明显降低，中部高程变化不大，下部高程有所升高。上述情况表明，滑坡主要发生在A2-B2断面以上区域，且东侧山体滑坡量大于西侧山体，A3-B3断面沟底高程升高是由于下部岩石山体较稳固，上部土石滑落堆积所导致的。

图3 横断面变化情况

图4 纵断面变化情况

3.1.2 土方量变化

将滑坡前的DEM成果与7月19日的DEM成果作差值计算[8]，得出首次滑坡体积。通过对比滑坡前后DEM发现，A2-B2与A3-B3断面之间存在一条不规则的分界线（图5），首次滑坡发生后，分界线以上部分地面高程明显降低，属于土方滑落区域；分界线以下部分地面高程明显上升，属于土方堆积区域，两部分土方量差值为滑落江中的土方量。滑坡区域滑落总土方量约为3 000 000 m3，堆积区域土方量约为350 000 m3，滑落江中的土方量约为2 650 000 m3。

图5 土方滑落区和堆积区的分界线

3.2 滑坡变化监测

3.2.1 特征断面变化

从7月19日开始，利用每天的航摄数据，观测上述5个变量（4个特征断面和土方量）的变化，为滑坡体的稳定性监测提供参考。由于天气预报7月25日有大暴雨，可能诱发再次滑坡，本文以7月19日、7月24日（大雨前）、7月26日（大雨后）为例进行分析。上、中、下3个特征横断面以及滑坡纵断面在19日、24日、26日的变化情况如图6、7所示，可以看出，7月19日和7月24日监测滑槽A1-B1、A2-B2、A3-B3三个断面的地面高差呈下降趋势，局部略有上升，整体地面平均高程下降0.385 m，A1-B1断面靠近滑槽中线的位置高差变化非常小，靠近滑槽东侧和西侧边缘处高差变化较大，最大处约为2 m，A2-B2断面靠近滑槽边缘处变化较小，地面高差最大处约为1 m，A3-B3断面西部区域变化较大，高差变化最大处亦约为2 m，滑槽纵断面A4-B4基本吻合；7月24日和7月26日滑槽A1-B1、A2-B2、A3-B3三个断面均变化不大，A1-B1断面平均高差小于0.2 m，A2-B2断面平均高差小于0.2 m，局部略大一些，A3-B3断面西部和中部区域局部变化较大，横断面平均高差不超过0.5 m，滑槽纵断面A4-B4基本吻合。

图6 横断面变化监测情况

图7 纵断面变化监测情况

3.2.2 土方量变化

本文将19日与24日的DEM成果作差值计算发现，滑坡区域土石呈零星下滑趋势，共滑落土方量约为92 000 m3，每日滑坡约为18 400 m3；再将24日与26日的DEM成果作差值计算，分界线以上区域滑落的土方量约为15 000 m3，分界线以下区域堆积土方量约为8 500 m3。

3.2.3 滑坡稳定性分析

对比分析19日、24日的特征断面和DEM可知，滑坡区域上段A1-B1和下段A3-B3局部最大高差不足2 m，中段A2-B2局部最大高差约为1 m，滑坡区域整体高程降低0.385 m，说明首次滑坡发生后至24日，滑槽局部仍有少量土石滑落和堆积的情况发生，不排除由前期滑坡造成的浮土导致。对比分析24日、26日特征断面和DEM可知，滑坡区域各断面高差进一步缩小，分界线以上滑坡土方量约为15 000 m3，滑坡面积约为160 000 m2，平均高程变化约为0.095 m；分界线以下滑坡土方量约为8 500 m3，滑坡面积约为73 000 m2，平均高程变化约为0.16 m，说明25日滑坡区发生暴雨后，监测得到的特征断面变化很小，DEM差值也较小。

自首次滑坡发生后，通过对比分析无人机多期监测数据发现，横断面和土方量变化均逐渐变小，可判断滑槽体基本趋于稳定，即便遭受7月25日的暴雨侵袭，槽体内土石方变量也未发生较大变化，可以预测滑槽体周边发生二次大滑坡的可能性较小。

4 结语

本次滑坡航摄范围为29.1 km2，共获取地面分辨率为7 cm的影像2 022张，合计39.2 GB。每天18：00前处理得到当日滑槽变形数据和图样，为滑坡监测提供了有力的数据支撑，取得了良好效果，验证了基于无人机遥感的滑坡几何参数测量方法的有效性和实用性。通过几何参数测量可以发现，滑坡前后几何参各项监测值差异较大，而在7月26日监测值变化很小，则可预判得出滑坡基本稳定的结论。

本次无人机搭载的遥感设备均为可见光成像的传感器，当滑坡上方云雾遮蔽时，无法获取滑坡影像数据，且夜间也无法获取滑坡影像数据，可探索搭载小型LiDAR和SAR等主动遥感设备，以满足全天24 h提供滑坡监测数据的需求。后期应研究通过三维模型半自动测定滑坡几何参数的技术方法，可极大提升滑坡几何参数的测定效率和频度，以便更加高效的开展应急测绘工作，切实提高应急测绘的保障能力。