极端降雨入渗下公路边坡滑坡预测模型构建与应用

■赵辉龙

（南平市公路事业发展中心，南平 353199）

1 研究内容

1.1 研究目标

我国地形复杂多样，夏季湿润多雨，各种自然灾害频发，每年台风引发的次生灾害频繁[1-2]。 根据中国年鉴（2020）公布的2010—2019 年地质灾害统计信息， 近10 年发生的滑坡灾害占全国地质灾害的71.33%[3-4]。 福建省位于东南沿海，有“八山一水一分田”之称，是一个地质灾害复杂的省份。 每年7 月—9 月受台风暴雨等极端天气影响，常出现强降雨气候[5]。 暴雨持续时间短，强度大，是引发成灾的主要因素之一[6-7]。

国务院 《关于支持福建省加快建设海峡西岸经济区的若干意见》的实施，海西地区亟需实现由交通末梢向全国交通枢纽地位的根本性转变[8-9]。为此，福建省将交通作为支撑海西发展的首要基础设施，加快投资步伐，在山区和丘陵地带大力建设公路[10-11]。因采用高填深挖的方式形成了大量公路边坡，在多年复杂环境作用下，坡体弱化，防护设施功能逐渐衰退，产生了诸多的边坡安全隐患，一旦发生失稳，将严重威胁公路运营和人民的生命财产安全[12-13]。 因此，解决公路边坡安全问题尤为紧迫。

虽然目前相关部门已投入大量的资金防治公路边坡，但仅针对一些已发生病害的边坡进行被动防护，缺乏适应该地区公路滑坡灾害监测预报的成套技术[14-15]，同时缺少对福建地区公路边坡的形成原因的系统研究， 导致容易出现错误的滑坡预判，造成不必要的经济损失，从而制约公路建设的可持续发展[16-17]。 福建省最新规划的普通国省干线公路网布局方案为“八纵十一横十五联”，规划里程约1.24 万km（“八纵十一横”约9 600 km、“十五联”约2 800 km）[18]，本研究以福建南平公路边坡降雨型滑坡问题为例，结合三维重建技术与离散元仿真技术，建立实时数据及位移监测站，构建边坡预测模型及边坡监测预测预警系统平台，发布预警信息，实现对边坡滑坡问题的预测预警。

1.2 工程概况

1.3 技术路线

本研究以南平边坡滑坡灾害智能实时监测预警为例，基于三维重建和数值模拟，建立预警平台，实现对边坡滑坡问题的准确预测。 本研究技术路线见图1。

2 研究方法

2.1 三维重建

滑坡位移形变在滑坡监测过程中是非常重要的监测对象，传统的位移传感器只能反映某个点位的变化，难以反映滑坡的整体形变情况，且拍摄影像的间隔时间长，不能提供连续的形变数据，效率低下且价格昂贵。本研究利用RealityCapture 软件结合Bumblebee 三目视觉设备所采集的图像资料，基于SFM 算法将收集的无序图像进行特征匹配，形成模型的3D 点云数据，构建边坡三维模型。 同时，三目视觉设备可24 h 连续监测，进一步监测降雨前后位移的变化。 过程如下：通过调取边坡摄像头拍摄到的照片，利用python 语言编写爬虫程序，按照实际需求从后台爬取数据库的数据（①），并将其自动存储在特定文件夹中（②），将文件夹的图片导入RealityCapture 软件后进行图片对齐工作生成稀疏点云，在3D 界面可轻微看到。 调整解算范围，设置精度，将边坡模型进行三维重建，生成最终模型。 进而将两片点云对齐，计算点云距离，以颜色的深浅表示前后点云的差异，通过计算结果监测降雨前后位移的变化（图2）。

2.2 数据采集

通过实地勘察，结合当地历史气候数据和居民分布情况，确定潜在的滑坡危险区域，并选择相应的传感器对该区域进行实时监测。 考虑边坡左高右低的地势情况， 将整个监测区域分为左右两部分，以设备箱为中心，传感器对称分布（图3）。 （1）挡土墙压力传感器设置是根据风险分析确定的，坡脚左右距离数据采集系统5 m 处各设置1 个土压力计传感器，深度约为1 m。 监测频率为10 min 测量1 次；（2）雨量计设置在距离数据采集系统高度3 m处，误差不超过2%，监测频率为10 min 测量1 次；（3）设置渗压计（又称孔隙水压力计）监测岩土体内部流体压力；（4）土壤含水率监测，设置含水率传感器于坡顶、坡中、坡脚等7 处，实时监测含水率的变化。

图3 南平公路边坡传感器分布位置

同时，为了提高预警模型的精度和准确性，利用MATLAB 软件自主编写的降噪程序进行降噪处理。 降噪前的曲线波动不平滑可能由监测设备电压不稳、降雨等原因引起，启用降噪程序对其去噪，结果见图4。 同理，使用降噪程序对其他传感器的监测数据去噪，去噪结果可直接用于后续监测预警技术。

图4 边坡土压力和渗压力降噪前后的监测数据对比

2.3 模型建立

2.3.1 外观尺寸

通过无人机航拍获取的高精度影像，利用PhotoScan 软件处理得到点云数据作为基本初始数据， 利用Cloudcompare 软件进行点云裁剪，ArcGIS、AutoCAD、Rhinoceros 等 软 件 进 行 三 维 建模，最后导入到PFC3D 软件中，形成PFC3D 模型所需的滑体和滑床，采用ball-wall 模型，其中wall 为滑坡滑床边界，ball 为滑坡滑体。

南平滑坡数值模型尺寸为：SN 向长140 m，EW向宽120 m，与实地地形基本一致（图5）。墙面数量为3 916 个，颗粒数量40 000 个，颗粒半径0.25～0.4 m。边坡采用线性接触模型作为基础本构模型进行研究。

池州市中心城区土壤质地以Q4、Q3、Q2黏性土为主，根据池州市土壤普查成果报告《池州市土壤》，区内土壤类型以灰潮土、水稻土、红壤土为主，小部分为黄棕壤、沼泽土和石灰岩土。根据局部渗透试验数据表明，区内黏土层渗透系数K一般为0.000 196～0.000 973 m/d。

图5 南平边坡实际形状与数值模型

2.3.2 颗粒参数标定

为了有效模拟边坡的属性，选取不同的参数值进行直剪模拟与室内直剪曲线匹配，最终得出滑坡体的微观力学参数，如表1 所示。

表1 边坡PFC3D 模型细观参数

为有效模拟降雨作用下的边坡，赋予粒子含水率属性。

（1）水分传导规则

根据Ma 等[19]认为，在保证水分守恒的前提下，水分传递过程是通过颗粒间接触点的发生改变的，根据水分扩散率，水分从含水量较高的颗粒流向含水量较低的颗粒。

（2）降雨入渗模拟

为模拟降雨入渗的作用，一方面通过摩擦系数与含水率的拟合公式（1），来实现水分场对土体抗剪强度的影响；另一方面，通过饱和度与颗粒含水重量的相关公式（2）、公式（3），来考虑渗流力对边坡稳定性的影响。

其中：θj为粒子j 的含水重量，Se为有效饱和度，Gw为粒子含水重量，ρw为水的密度，rj为粒子j的半径，g 为重力加速度。

（3）降雨边界条件

入渗边界是由降雨强度和入渗能力的关系决定的，降雨过程可能出现2 种入渗情形（图6）：情形1：降雨强度大于入渗能力，地表处于饱和状态，数值模型的边界条件选择Dirichlet 型，先使用保水曲线将已知压头转换为含水量，再将此含水量应用于位于此边界上的粒子，并且在模拟过程中其大小保持不变。 情形2：降雨强度小于入渗能力，此时降雨全部入渗，地表处于非饱和状态，此时数值模型的边界条件选择Neumann 型，考虑到每个粒子占据的等效连续区面积，水通量被简单地转换为边界上每个粒子的排放率。

图6 不同降雨边界条件

3 结果分析

3.1 边坡稳定性分析

3.1.1 预警理论及模型验证

根据滑坡失稳前的3 个阶段中曲线斜率的变化，马闫等[20]提出可以用位移—时间曲线的切线角来预测预报滑坡， 初始变形阶段切线角通常小于45°，此时不需要警戒；匀速变形时等于45°，此时预警级别属于注意级；加速变形时大于45°，这一过程又可以进一步细分为45°<α≤80°为黄色预警的初加速阶段，80°<α≤85°为橙色预警的中加速阶段，α>85°为红色预警的临滑阶段， 通过角度所处范围判定边坡发展阶段并进行预测预警。

本试验选取了南平边坡2022 年1 月22 日—23 日的现场工况对这场降雨分别进行数值模拟以及三维重建反演。 通过数值计算的结果[图7 （b）]可知，整个边坡的三维平均位移变化不大，变形区约0.2～0.4 m 为后缘顶部。 切线角曲线图中，0°～40.87°的波动范围属于初始变形阶段；且左视图中的坡面没有明显变形，此时不需要预警。 通过三维重建的结果[图7 （c）]可知，浅色点云表示小变形，深色点云表示大变形，除个别点云超过0.42 m 外，变形区间都在0.18～0.42 m。

图7 同一场降雨下三维重建和数值模拟结果对比

图8 3 种极端降雨工况下的边坡稳定性数值预测结果

综合上述结果可知，同一场降雨条件下，模拟出的位移结果与重建出的位移结果区间相近，可认为此种模型具有一定的合理性。

3.1.2 极端降雨工况下的边坡稳定性分析

（1）50 年一遇暴雨稳定性分析

随着降雨进行，边坡位移迅速上升，平均位移为1.85 m；位移出现差异性上升，边坡左侧位移大于右侧位移，受重力势能影响前缘位移变化迅速，中部次之，坡脚位移上升缓慢，坡角处出现地下径流，含水率降低，坡体中后部接近饱和状态。 层内错动带为二层，第①滑动面为3～4 m ，第②滑动带为1 m 以下。

（2）100 年一遇暴雨稳定性分析

遭遇100 年一遇大暴雨时，南平边坡4/5 的区域位移迅速上升，最大位移为12.56 m，平均位移为2.25 m；位移较50 年一遇的降雨增加，边坡左侧位移依然大于右侧位移， 位移区域变化趋势仍为坡顶>坡中>坡角处。 从含水率图中可以看出，整个边坡底部含水率呈逐渐减小趋势，可以认为，坡脚表层出现地下径流，水分流失，使得含水率降低，坡体中后部仍接近饱和状态。 层内错动带为3 层，第①滑动面为5～7 m，第②滑动带为3～4 m，第③滑动面为1 m 以下。

（3）1 000 年一遇暴雨稳定性分析

遭遇千年一遇大暴雨时，南平边坡的最大位移为43.8 m，滑体平均位移为6.5 m ，整个左侧区域的位移在20 m 左右， 边坡左侧垮塌， 平均速度为0.6 m/s。 坡体含水率几乎全部接近饱和状态，表层有一定的径流，使得部分粒子含水率降低。 层内错动带为五层，第①滑动面位移在12～18 m，第②滑动面位移在9～12 m，第③滑动面位移6～9 m ，第④滑动面位移3～6 m，第⑤滑动面位移<3 m。

3.2 构建预测监测平台

南平公路边坡监测预警系统由设备信息管理、数据管理、位移预警、信息发布和模型可视化模块组成（图9），能够对南平边坡进行传感器数据管理、灾害预报预警工作，提高边坡灾害预警能力。

图9 南平监测预警系统平台

3.3 预警信息发布

位移预警结果出现后，将在监测预警平台上实时发布并更新对应的预警位置、预警等级、预警内容和预警时间并告知相关负责人。 预警信息发布见图10。

图10 南平边坡监测预警系统预警信息发布

4 结语

本研究基于数值仿真技术，开展了滑坡降雨变形预警分析，提出了位移、土压力双变量预警方法，实现了公路边坡多预警技术融合。 通过PFC3D 离散元技术结合参数标定， 建立了边坡三维数值仿真模型，并设置降雨边界条件模拟边坡位移变形。 通过与实测数据对比验证模型准确性。 实施预测预警后，成功预测了降雨量并发布预警信号，在实际应用中成功实现了土压力预测模型，为滑坡预警提供了有效工具。 本研究总结了3 种降雨工况下边坡的位移特征，结果如下：（1）在50 年一遇的大暴雨情况下，南平边坡的位移迅速上升，通过监测对比，左侧位移大于右侧位移，前缘位移变化最快，其次为中部， 坡脚位移上升缓慢；（2）100 年一遇大暴雨时，南平边坡约有4/5 的区域位移迅速上升，位移相较于50 年一遇降雨有所增加， 边坡左侧位移仍然大于右侧，位移区域变化趋势仍为坡顶>坡中>坡角处；（3）遭遇1 000 年一遇的大暴雨时，整个左侧区域位移约在20 m，导致边坡左侧垮塌，最大位移达到43.8 m。 综上，在高强度暴雨以及地下水、重力的共同作用下，斜坡土体局部发生拉裂，解体土块发生滑移。 未固结土厚段滑裂面与降雨强度有关，错动带随降雨而变化。 研究的最终成果以“南平边坡预警平台”的形式呈现，平台集数据可视化、模型可视化、数值模拟、预测与预警功能于一体，此边坡监测预警系统包含设备信息管理、数据管理、位移预警、信息发布和模型可视化模块，融入三维重建与数值模拟结果，并将现场监测数据、图片实时传入到系统中，可在任意时间调用。