库区水位影响下基于无人机测绘的滑坡易发性预测研究

陈小雄

(江西省吉安市水利水电中心,江西 吉安 343009)

0 引 言

水电站的修建会给周边地区的地形、地貌、生态等带来不同程度的变化,并将对周边地区的坡体稳定性产生不同的影响[1]。在水库修建竣工并蓄水后,库水位线的改变将导致库岸斜坡失稳,从而导致新滑坡体的产生与旧滑坡体的活化。因此,有必要对库区滑坡灾害易发性进行研究[2]。

为此,许多学者进行了相关研究。王毅等[3]为了挖掘滑坡系统存在的规律性问题,提出一种结合神经网络与Stacking集成学习技术的滑坡灾害易发性预测手段,最终的仿真实验验证了所提出方法的有效性。周秀全等[4]针对水库复杂的地质条件和水位条件,构建了一种基于层次分析法的滑坡危险性计算评价方法,在MapGIS软件上的评价结果表明所提出方法的有用性。韩笑男[5]构建了一种基于卷积神经网络的水库滑坡预测模型,该模型结合经验模态分解算法和高斯函数,以实现对滑坡位移的预测,最终实验验证了所提出模型的良好预测性能。

上述文献均未考虑库水位的升降对库岸边坡稳定性的影响。因此,本文在考虑库水位因素对库岸边坡易发性影响的基础上,构建合适的库区滑坡灾害易发性评价指标体系。同时,基于无人机测绘技术,构建滑坡三维表面模型,研究成果可为库区滑坡灾害的防治工作提供参考。

1 基于无人机测绘的滑坡易发性预测模型研究

1.1库区水位影响下库区滑坡易发性评价指标体系构建

水库水位在一定范围内呈现出周期性和规律性的波动,这是由于自然降雨和人工调蓄等多种因素的影响所致。水库不同阶段的运行方式,对其产生的效果也不一样。在水位充沛时期,河的流量相当可观,因此水库通常会通过放水来维持低水位的运行状态。在干旱季节,水库水位则会保持在高位运行[6]。

库水升降是一个复杂的动态过程,其变化规律和地下水运动相似。图1为地下水位线与库水位变化之间的相互关系。在水库的运行过程中,库水位的上升和下降将对库岸边坡坡度产生多种不同的影响。当水位处于一定高度或在某一位置时,由于水体浮力的原因,将引起库区内岩体产生位移,并导致岸坡变形破坏[7]。在低水位时期,库岸边坡一直处于淹没状态,这是由于库岸边坡水岩间的物理、化学和力学相互作用所导致。随着高水位期的到来,水库水位的上升导致被水淹没的区域面积扩大,同时水岩作用的影响范围也相应扩大。

图1 地下水位线与库水位变化之间的相互关系

当水库蓄水时,由于土中存在一定的自由水,导致土颗粒间发生相对位移,从而产生渗流作用。地下水位线随着库水位线的升高而升高,使边坡受水位线影响的区域逐步增大。地下水从坡顶向上渗透至上部岩层,形成裂隙并向外发展,同时沿层面向下渗流。在这种情况下,由于水对岩体的润滑,使其摩擦系数减小,斜坡下层的稳定程度下降,斜坡更易发生变形。随着库水位的下降,坡体内的地下水位也随之呈下降趋势。当库岸处于浸润线以上时,在降雨或地震等因素作用下,坡体中容易出现滑坡现象。在考虑地下水渗流作用时,坡体内形成超静孔压。随着水位的逐渐降低,超孔隙水总体上呈现出逐渐减小的态势。当达到一定高度时,边坡土体中发生应力重分布现象。在水库运行过程中,库水周期涨落、干湿交替等因素会对库岸坡地岩土产生强烈的物理、化学及力学效应,从而降低库岸坡地的岩土强度和坡地的稳定性。

在评估水库扰动对滑坡易发性的影响时,必须建立一个全面的评价指标框架。通过对已有研究成果进行总结分析发现,目前对于库水位变化下坡脚处岩体强度参数的确定方法有很多种。本研究主要探讨库水位升降对库岸坡岩体稳定及滑坡体变形破坏过程的影响。首要考虑岩土体所处的地质环境因素[8];其次为与人类工程活动有关的水库扰动因素;自然因素如降雨、地震等所引发的影响,也是不可忽视的。在研究库水位扰动对滑坡易发性影响因素时,必须综合考虑地质环境、诱发因素以及库水位变化对边坡的影响,以确保研究结果的准确性和可靠性。通过分析不同指标间的相互关系及权重确定方法,可将上述各方面的影响因子作为一个整体进行考量。本次研究所构建的库区滑坡易发性评价指标体系见图2。

图2 库区滑坡易发性评价指标体系

滑坡是由各种因素引起的,除水库水位涨落外,还与地形、降雨和地震等因素有关。其中,高程的变化会对滑坡的植被覆盖率、坡体应力以及岩土体的含水率产生影响。滑坡灾害的发生与坡度息息相关,随着坡度的增大,岩土体向下滑动的势能也随之增大,从而增加了滑坡发生的风险。地形地貌是滑坡灾害形成的重要因素之一,其凸起程度越高,所受外力的影响也越大,从而更容易导致破坏和形变。降雨使岩体的容重增大,使岩土体的抗剪切强度和摩擦系数减小。在此情况下,雨水会沿着软弱结构面进入到坡体内,从而诱发边坡失稳并产生滑坡灾害。地震常常伴随着地质灾害的发生,如滑坡、崩塌、地裂缝、泥石流等,这些灾害对滑坡稳定性构成了巨大的威胁。此外,断层距离、距河流距离等也可作为评价滑坡易发性的指标。

假设库区A的易滑性指标为DA,距大坝的距离为S,运行周期为T,河流速度为V,则其易滑性指标的函数表达式为:

DA=f(S,T,V)

(1)

将地质环境因素、与人类工程活动相关的水库扰动因素以及自然诱发因素进行分析后,可得出水库滑坡易发性评价指标公式:

P=f(H,M,N)

(2)

式中:P为水库滑坡易发性指标;H为地质环境因素;M为自然诱发因素;N为与人类工程活动有关的水库扰动因素。

1.2结合无人机测绘技术的滑坡易发性预测方法研究

随着无人机航测技术的日益精进和不断拓展,其在多个领域中展现出卓越的应用成效。其中,以测绘工程领域最为突出。无人机航测具备灵活多变等优势,具有快速起飞的能力,在测绘过程中能够有效发挥应急功能,从而大大提高测绘工作效率[9]。其次,运用无人机进行航测,可使测绘工作的科学性和安全性得到有效保障。目前,我国大部分地区的水利工程中已经开始采用无人机的测量方式,来完成对地形地貌等信息的采集工作,使水利工程的施工建设更加便捷、高效[10-11]。在复杂环境中,无人机航测以其小巧的体积和无需使用其他技术处理即可实现清晰数据收集的特点,极大地提升了水利测绘的效率和质量。第三,在无人机的航测起飞和降落过程中,无需耗费过多的能源成本,在一定程度上实现了资金成本的节约。图3为固定翼型无人机,具有较好的控制性和抗风能力。

图3 固定翼无人机结构及其数据传输示意

无人机遥感技术以其高度的机动性、卓越的实时性和低廉的成本,快速成为获取地理数据的高效平台。小型数码相机搭载于无人机上,能够捕捉到滑坡的影像和表面信息。基于低空辅助飞控数据建立的影像拓扑关系,可实现滑坡地形的全自动三维建模,并生成包含色彩信息的三维点云数据,从而提升建模效率。所获得的数据能够以形象、直观的方式,呈现滑坡体的空间分布特征和局部细节结构,从而为建立滑坡预测模型和有效评估滑坡稳定性提供了可靠的基础。利用无人机进行航拍,可直观地评估滑坡的影响范围和体积,为初步估算滑动力和制定滑坡治理方案提供可靠依据。

通过分析机载激光雷达原理,本研究建立一套高精度的激光测距算法。该算法利用三维激光获取的滑坡面点云数据,经过点云配准、数据重采样、去噪和数据分割等多个步骤,构建一个高精度的滑坡三维表面模型。为了处理无人机影像相幅较小的问题,需要进行影像拼接,并对拼接后的无人机影像进行几何校正。即先将成像数据投射到一个平面,再对成像结果进行修正,使成像结果符合校正的要求。最后,将无人机航测数据作为纹理信息添加到点云表面模型上,即可得到一个滑坡现场三维模型。

2 基于无人机测绘的滑坡易发性预测模型性能检验

本研究以一处引水工程区域为案例,预测其滑坡易发性。研究区范围88.33km2,陆相岩层主要为板岩,降水、地震等多个因子与研究区的总体情况相近。因此,本次研究中采用定性与定量相结合的方法,对该地区开展滑坡地质灾害调查工作。通过对本研究区域的地形地貌、地质构造和灾害特征进行综合研究,选取高程、坡度和坡向、距断层距离等评价因子,构建库区滑坡灾害易发性评价指标,以预测该区域的滑坡易发性,最终确定出各影响要素对于滑带土强度参数的重要程度,从而指导当地地质灾害防治工作的开展。

首先,运用无人机的测绘技术获取相关数据,并对其所得的测绘结果进行全面的评估和分析。图4为该区域某一滑坡的地形地貌和点云三维模型,该模型是通过无人机技术所得。利用三维激光扫描技术,能够获取滑坡的点云数据,并对其进行精细的处理和建模,从而得出滑坡现场的地形地貌信息,为后续的分析工作提供可靠依据。

图4 滑坡的地形地貌和点云三维模型

图5为滑坡灾害空间分布特征。图5(a)显示,滑坡灾害点主要集中于2 000m之下。植被覆盖率、植被类型、土壤类型、土壤含水量和地形梯度对土壤水分的影响,在不同的海拔水平下具有明显的差异。由于人为活动影响较小,因此高海拔区域发生滑坡地质灾害的几率也相对较低,滑坡灾害的分布呈现出逐渐减少的趋势。从图5 (b)可以看出,在15°～30°之间,大部分发生了滑坡灾害;在30°以上,随着坡度的增加,滑坡危险性逐渐减小;坡面的坡度不但影响着坡面上的植被覆盖与松散堆积,还影响着坡面内外含水量;对于坡面较陡和坡高较大的地区而言,坡体上可能会形成一个稳定或不稳定的区域。因此,如果没有足够的降雨就很难导致滑坡的出现。随着坡度的增加,滑坡发生的概率呈现出一个先上升后下降的趋势;当坡度趋近于垂直时,崩塌灾害的风险显著增加。图5(c)显示,滑坡灾害点主要集中在距离断层500m范围内。图5(d)显示,滑坡灾害点在顺倾关系区域分布较多,在垂直区域分布较少。

图5 滑坡灾害的空间分布特征

图6为不同坡度方向下滑坡灾害的分布状况。斜坡表面的物质发育、地下水分布以及岩土物理力学性质,受到不同坡向光照强度的影响程度各异。通过对滑坡灾害点分布和坡向图的叠加分析可以发现,东、东南和南向的滑坡灾害点分布较为密集,且在各个坡向均有分布。

图6 不同坡度方向下滑坡灾害的分布状况

表1为库水位变化对滑坡易发性的影响和其潜在的滑坡风险。在水位下降时期,高易发区所占比例达到最高水平。在同一时期内,不同区域受降雨因素的作用程度也不一样,其中高发区所占比重最大。在低水位期,研究区总面积中,高发区面积较小,主要分布在东部和西南部地区。在水位上升阶段,研究区总面积中,高风险区占比8.67%;中风险区占比17.98%;低风险区占比53.66%;极低风险区占比19.69%。随着水库水位的上升,滑坡易发性面积呈扩大趋势。库岸滑坡灾害的易发性受水位下降期的影响最为显著,这一时期在库水位4个时期中占据着重要地位。在不同的水位条件下,滑坡的易发性程度存在差异。

表1 不同库水位影响下的滑坡灾害易发性结果

3 结 论

针对库区水位周期性变化对库岸边坡稳定性的不利影响,本次研究构建了基于库水位变化的库区滑坡灾害易发性评价指标体系。同时,提出了基于无人机测绘的滑坡三维表面模型。本研究以一处引水工程区域为案例进行实证分析,研究结果显示,滑坡灾害点主要分布在高程2 000m以下、坡度15°～30°之间;东、东南和南向的滑坡灾害点分布较为密集;随着水库水位的上升,滑坡易发性面积呈现出扩大的趋势。