无人机机载LiDAR技术在抽水蓄能电站库区岩溶识别中的应用

郑 鹏,魏星灿,李 宁,李 强,陈江攀

(1. 京创智慧科技有限责任公司,四川 成都 610052; 2. 中国电建成都勘测设计研究院有限公司,四川 成都 610072)

我国西南地区水利资源十分丰富,是水电开发的重要区域,截至2021年10月,四川省水电装机容量为8 596.79万kW,占全国电力装机总量的21.2%,占四川省78.21%。抽水蓄能电站是一种特殊形式的水电站,一般由上水库、下水库、输水道、厂房及开关站等部分组成,其利用电力负荷低谷时的电能,将低处下水库的水抽到高处上水库中,待到电力负荷上升时,再通过发电机组将上水库的水放回下水库,以补充电能的不足[1]。其具有调峰、调频、调相、储能、系统备用和黑启动等功能,体现出超大容量、系统友好、经济可靠、生态环保等优势,对于保障电力系统安全稳定运行、提升新能源消纳水平和改善系统各环节性能具有重要支撑作用。四川省“十四五”规划中将抽水蓄能作为重点实施项目,发挥其调峰填谷作用。

我国西南地区碳酸盐岩具有分布面积广、连续、集中等特征,出露面积约53.26万km2,占土地面积的27.36%[2]。在碳酸盐岩发育地区建设抽水蓄能电站面临岩溶工程地质问题,如岩溶塌陷、渗漏及洞室岩溶涌水等[3],全面、快速、精准地查明工程区内岩溶问题将对工程建设有重要意义。传统人工路线地质调查方式效率低、危险性高、控制精度有限,且对于高山峡谷地区具有局限性[4]。机载LiDAR技术可有效滤除地面植被的影响,获取高精度的真实地表纹理信息,从而识别地表岩溶地质现象,具有高效、全面等优势[5]。近年来,国内已有学者将机载LiDAR技术应用于抽水蓄能电站工程测量中,如文献[6]将机载激光雷达技术应用于抽水蓄能电站大比例尺地形图测绘中;文献[7—8]利用机载激光雷达摄影测量技术开展抽水蓄能电站测量工作,提高了作业效率;文献[9]利用机载激光雷达技术获取库区三维地形数据,通过DEM计算得到库容曲线,体现了机载激光雷达技术在库容计算中的优越性。此外,该技术还被广泛应用于林业调查[10]、矿山治理[11]、工程勘测[12-13]、地质灾害调查[14-16]等领域。该技术在工程地质行业仍具有广阔的应用前景,尤其在高植被复杂山区具有其独特的优势[17-18]。

本文基于机载LiDAR技术,获取四川省某抽水蓄能电站库区激光点云和光学影像数据,通过搭建三维解译平台,开展岩溶遥感解译工作;同时结合野外现场复核,以查明库区内岩溶发育情况,并分析岩溶分布规律。

1 测区概况

抽水蓄能电站库区位于四川省东北部,地处前龙门山地与四川盆地西北部的结合地带,属亚热带季风性湿润气候区,雨量丰富,四季差异明显,年平均降雨量为1300 mm。测区面积为10 km2,区内相对高差最大为915 m,地形坡度较陡,一般在30°以上,植被茂密,为常绿阔叶林,林下灌木、草本茂密。区内主要出露有泥盆上统茅坝组(D3m)、沙窝子组(D3s)、中泥盆上统观雾山组(D2g)等碳酸盐岩地层,岩溶发育强烈。其中,岩溶漏斗、岩溶洼地及落水洞等溶蚀问题(如图1所示)成为抽水蓄能电站工程建设与运营安全的主要不利因素之一。

图1 库区内溶蚀现象

2 数据获取与处理

2.1 数据获取

本文机载LiDAR数据获取采用飞马D20无人机平台,该飞行平台结构稳定,任务载荷能力强,具有载重大、航时长的特点,数据获取现场如图2所示。为满足茂密植被区域大高差、高精度激光点云数据获取要求,采用DV-LiDAR20激光雷达系统,结合飞马无人机管家软件设计仿地飞行航线;同时采集激光点云和光学影像数据,以保证区内影像分辨率和点云密度的一致性。设计影像地面分辨率为6 cm,设计激光点云密度为60点/m2。航向重叠度为80%,旁向重叠度为70%,飞行时速为10 m/s,具体参数设置如图3所示。

图2 数据获取现场

图3 航摄参数

2.2 数据处理

对获取的激光点云数据进行POS解算、航带平差、去噪滤波、分类处理,得到地面点云与非地面点云数据,采用TerraSolid软件获得DSM、DEM成果,格网间距为0.2 m;同时基于机载同步光学影像和POS数据生成DOM成果,影像分辨率为0.1 m,如图4所示。

图4 测区三维成果数据

3 机载LiDAR遥感解译技术

3.1 解译场景搭建

采用EarthSurvey软件搭建多源遥感数据综合解译平台。将LiDAR数据成果DOM、DEM、山体阴影(Hillshade)和其他基础地质数据导入平台,创建三维地质解译沙盘,建立岩溶解译标志,开展岩溶工程地质问题的解译工作。

3.2 解译方法

基于测区水文地质、环境地质背景资料,结合碳酸盐岩地层的岩溶地貌特征,采用三维模型、二维影像相结合的技术方法,建立岩溶遥感解译标志。以机载LiDAR数据成果为依据进行初步解译,在野外复核的过程中对解译标志和初步解译成果进行验证,并进一步开展详细解译[19]。解译技术流程如图5所示。

图5 解译技术流程

4 解译成果

4.1 岩体产状解译

在三维地质解译沙盘中,测区地层层状纹理清晰,走向线性特征明显,延伸稳定(如图6所示)。基于EarthSurvey三维解译平台,通过“地灾分析”—“结构面测量”模块对岩层结构面进行识别和测量(如图7所示),对比野外现场复核成果可知,岩体结构面测量与现场测量吻合程度高,具有较高的准确性与可靠性。

图6 三维模型地层纹理

图7 层理产状测量

上水库区共解译出4组优势结构面,层理面产状:310°～350°∠35°～60°,节理面产状:40°～80°∠20°～70°、220°～260°∠50°～75°、110°～150°∠20°～70°。输水线路共解译出4组优势结构面,层理面产状:310°～340°∠40°～65°,节理面产状:25°～40°∠45°～65°、250°～270°∠40°～60°、145°～185°∠30°～70°。下水库区共解译出4组优势结构面,层理面产状:310°～340°∠45°～75°,节理面产状:30°～85°∠40°～75°、100°～150°∠30°～55°、180°～230°∠30°～80°。

4.2 地层岩性解译

工程区植被茂密,基岩裸露较少,从光学影像上对地层进行直接辨识存在较大困难。从滤除植被的数字高程模型上,可根据形貌、纹理及发育特征有效识别第四系洪积物、坡洪积与崩积物等第四系松散堆积物。洪积物多分布于谷地、沟谷凸岸,顺沟谷展布,部分被开垦作为耕地、梯田(如图8(a)所示);坡洪积物多分布于斜坡支沟沟道及沟谷出口附近,多呈扇形展布(如图8(b)所示);崩积物由岩土崩塌形成,堆积于陡坡下方,受地形限制,多呈锥形堆积,影像上表面纹理斑驳(如图8(c)所示)。测区基岩地层岩性解译主要参考区域地质资料,结合岩层的影像特征,通过野外复核验证,对地层界线进行了修正。

图8 堆积物影像特征

4.3 地质构造解译

基于EarthSurvey构建的三维地质解译沙盘,提取工程区基岩地层的层面产状,综合分析区内产状变化特征,结合区域地质资料与野外复核,电站工程区位于一同斜倒转向斜褶皱核部,走向为北东-南西。其中,南东正常翼产状310°～330°∠50°～70°,北西倒转翼产状320°～340°∠30～50°,轴面产状330°∠55°,北东端枢纽产状220°∠18°～24°,南西端枢纽产状50°∠30°,翼间夹角11°～20°,属紧闭倒转向斜,两翼产状近似。

4.4 岩溶解译

基于机载LiDAR高精度点云数据,通过滤波处理去除地表植被的影响,获取真实地表高程数据,可精准识别茂密植被下的岩溶微地貌,根据形态可划分为岩溶漏斗、岩溶洼地及落水洞等3类。其中,岩溶漏斗根据其形成机理又细分为溶蚀漏斗及塌陷漏斗。结合室内遥感解译及野外复核成果,测区内共解译出岩溶漏斗259处(溶蚀漏斗232处、塌陷漏斗27处)、岩溶洼地7处及落水洞2处。其分布如图9所示。

图9 测区岩溶分布

经野外复核验证,现场调查结果与室内解译结果一致,表明该技术可有效识别茂密植被覆盖下的岩溶特征。图10为区内溶蚀漏斗(a1—a3)、塌陷漏斗(b1—b3)及岩溶洼地(c1—c3)激光点云、数字高程模型与现场复核影像的对比。

图10 岩溶遥感影像与现场复核影像对比

5 岩溶发育分布规律

基于遥感解译及野外复核获取的岩溶分布数据,分析测区内岩溶发育分布与高程、坡度、坡向、构造、地层及汇水区等因子(如图11所示)的相关性。

图11 岩溶分布规律分析因子

5.1 与高程的关系

高程与岩溶的发育有一定的相关性。不同高程区域,其气候条件、植被类型、垂直分带特征有一定差异。降水充沛、热量适宜的地区有利于岩溶的发育。根据测区内高程数据,将区内高程划分为<800 m、(800,950]m、(950,1100]m、(1100,1250]m、(1250,1400]m及>1400 m 6个区间。分别统计各个高程区间内岩溶分布数量。由统计信息可知,区内岩溶主要分布在1250～1400 m高程区段,占总数的76.5%。

5.2 与坡度的关系

斜坡坡度是影响地表水径流的重要因素,坡度的不同会导致地表与地下水交换及地下水径流速度的差异,进而影响岩溶的空间分布。基于机载LiDAR获取的高精度地形数据,使用ArcGIS软件空间分析工具提取坡度因子,将测区地形坡度划分为(0,15°]、(15°,30°]、(30°,45°]、(45°,60°]、(60°,75°]及(75°,90°]6个区间,分别统计各个坡度区间内岩溶分布数量。由统计信息可知,岩溶在各个坡度区间均有分布,相对集中分布于15°～60°坡度区间,占总数的69.4%。

5.3 与坡向的关系

坡向对岩溶的影响主要源于日照的差异,不同坡向的植被发育情况、水分蒸发强度及岩石风化程度等不同,导致浅层岩体物理力学性质的差异性分布,造成岩溶发育的空间分布不同。分析测区不同坡向的岩溶分布特征,将测区地形坡向划分为(0,45°]、(45°,90°]、(90°,135°]、(135°,180°]、(180°,225°]、(225°,270°]、(270°,315°]、(315°,360°]8个区间,分别统计各个坡向区间内岩溶分布数量。由统计信息可知,岩溶在各个坡向区间均有分布,但倾向北西-北东的斜坡相对较为集中。

5.4 与构造的关系

在构造运动强烈的地区,岩层受断裂构造活动强烈影响后变得破碎,距离断层破碎带越近,岩层越破碎,节理裂隙越发育,地下水交换和渗透能力越强,不仅利于具有溶蚀能力的水的运移,同时增大了可溶岩与水的接触面积,利于岩溶的发育[20]。工程区位于向斜核部,将岩溶与核部距离划分为(0,200]m、(200,400]m、(400,600]m、(600,800]m及大于800 m 5个区段,分别统计各个区段内的岩溶数量。由统计信息可知,岩溶主要集中分布于距向斜核部400～600 m范围内,占总数的43.7%,向斜核部600 m范围内的岩溶数量占到总数的78.4%,整体呈现由核部向两翼逐渐减少的趋势。

区内岩层多呈高角度,沿走向及倾向有一定相变,透水性也变得相应复杂。下水库区为横向河谷,导致切层地下水水力联系较差,而上水库区多顺层发育沟谷或冲沟,水力联系较好[21],岩溶发育强烈。

5.5 与地层的关系

可溶性岩石是岩溶发育的基础,测区地层以碳酸盐地层为主,且组合发育有泥页岩、细粉砂岩、石英砂岩等,各层岩石透水性具有差异,在岩溶水的溶蚀作用下,发育成各种岩溶形态。基于测区地层解译成果,分别统计各个地层内岩溶分布数量。由统计信息可知,岩溶集中分布在泥盆系上统沙窝子组中,岩性为薄～中厚层白云质灰岩、薄层灰岩,占总数的66%。

5.6 与汇水区的关系

水是岩溶作用发生的介质,水的流动性和溶解性是岩溶发育的重要条件。基于机载LiDAR获取的高精度地形数据,开展汇水分析,提取测区汇水通道因子,分析岩溶分布与汇水通道的关系。结果表明,区内岩溶发育于易于汇水的区域。岩溶洼地表现为地表负地形,位于多条汇水通道的聚集处,其汇水通道呈辐射状向四周展布(如图12所示),落水洞位于沟谷底部,其位于汇水通道的一端(如图13所示),岩溶漏斗多发育于汇水通道中断处或两端(如图14所示)。

表1 岩溶发育分布统计

图12 岩溶洼地汇水通道

图13 落水洞汇水通道

图14 岩溶漏斗汇水通道

6 结 语

本文将机载LiDAR技术应用于抽水蓄能电站勘察选址的岩溶工程地质问题识别。通过室内解译与现场复核,获取了工程区地形地貌、地层、构造、岩层结构面产状及地表水系发育特征等信息,查明了区内岩溶洼地、岩溶漏斗及落水洞的空间分布特征。

基于无人机机载LiDAR获取的高精度地形数据,提取高程、坡度、坡向、构造、地层及汇水区等因子,分析岩溶发育分布规律。统计分析结果表明,区内岩溶集中分布在高程1250～1400 m,坡度15°～60°。岩溶多发育在地形低洼、易于汇水的区域,且沿结构面走向呈“串珠状”分布,岩溶与地层岩性联系紧密,主要分布在泥盆系上统沙窝子组灰岩夹白云质灰岩中,并呈现出沿向斜核部向两翼逐渐减少的特点,上水库区多顺层发育沟谷或冲沟,水力联系较好,岩溶发育强烈。

实践表明,无人机机载LiDAR技术可精准快速识别抽水蓄能电站库区岩溶分布特征,极大提高了作业效率,为抽水蓄能电站工程前期勘察设计提供了新的技术手段。