基于非接触式监测技术的滑坡崩塌前兆检测技术研究

贺宁波，杨宝全，侯争军，戴颖超，吕嫣冉，汪雨浓，李自强

（1.中国安能集团第三工程局有限公司，四川 成都 610036；2.四川大学，四川 成都 610065；3.成都星景智能科技有限公司，四川 成都 610031；4.苏州理工雷科传感技术有限公司，江苏 苏州 215004）

0 前 言

我国西南山区流域梯级水电站均处于高山峡谷地带，地形地质条件极其复杂，地震或强降雨等极端环境经常导致滑坡-堰塞湖、泥石流、雪崩、危岩崩塌等地质灾害频发，严重影响流域梯级水电站的正常建设和运营，甚至威胁到人民生命财产安全。特别是重大滑坡应急救援现场具有环境恶劣，次生灾害风险大、频率高、突发性强等特点，传统监测手段只能获取监测点附近位移信息，存在大量监测盲区与视野盲区以及虚警多、复核难等技术难题，严重威胁现场应急救援安全，因此迫切需要开展滑坡应急救援现场非接触式监测技术研究［1-3］。

突发高边坡地质灾害的变形失稳破坏过程具有突发性、不确定性、多维性、复杂性的特征，这些特征决定高边坡地质灾害应急监测内容不能像常规变形监测一样进行安装监测，只能利用非接触式监测设备对边坡灾害体表面变形进行监测，达到在应急现场实现快速部署、准确获取、实时监控的目的［4-5］。杜钊锋［6］采用地基合成孔径雷达开展地质灾害应急监测预警工作，代威［7］采用地基合成孔径边坡雷达与三维激光扫描的监测技术，实现了对边坡的三维整体变形实时监测。刘冀昆［8］采用S-SARⅡ技术进行崩塌临灾应急监测，满足崩塌前兆监测的需要。针对滑坡次生灾害的突发性、不确定性和隐藏性，提出基于GB-InSAR与边坡无人机视觉监测算法的滑坡非接触式应急监测方法，通过采用地基合成孔径雷达获取滑坡区地表雷达视线方向的变形速度，实现对滑坡整体变形实时监测，再采用无人机视觉识别算法技术进行局部崩塌监测，基于监测结果对边坡的整体稳定性和局部崩塌进行实时监测。该系统延续了非接触式应急监测的优势，同时克服了三维建模计算时间冗长的缺点，具有受环境影响小、效率高和智能化的特点，解决了传统存在监测盲区、视野盲区和虚警复核的技术难题，适用于对滑坡的应急抢险监测预警场景［9-10］。

1 滑坡应急监测特点及要求

我国原生地质灾害以滑坡、崩塌为主，约占灾害总量的80%。从力学条件上看，牵引式滑坡更易诱发二次、多次滑坡和崩塌，而救援人员和工程机械在堆积体的搜救开挖扰动，会加剧二次滑动面的孕育发展。从滑坡地质灾害救援实际情况来看，现场发生频率最高的次生灾害是滚石、局部崩塌和二次滑坡。因此，滑坡应急救援现场监测预警的首要任务仍是对二次滑坡崩塌体的范围、规模、稳定性的观测和预测。

滑坡应急监测特点及要求如下：

（1）快速布置响应。重大滑坡地质灾害险情发生后，边坡应急监测设备要及时布置到位并展开实时监测，以便掌握滑坡险情及其发展情况，进而满足滑坡监测时效性、实时化及精度要求。

（2）全天24 h监测。滑坡地质灾害应急抢险，需要在最短时间内遏制险情发展，在允许情况下，24 h不间断地开展应急抢险工作，因此应急监测装备系统也应具备24 h不间断监测能力。

（3）安全性好。在传统应急监测作业时，作业人员需要手持或安装监测设备在边坡潜在破坏区域进行监测，滑坡地质灾害突发性和不确定性导致了监测作业具有高危性，人工作业安全性不能保障，因此需要采用非接触式监测方法提高滑坡应急监测的安全性。

（4）时间、空间分辨率高。滑坡应急监测需要将不同时段的变形数据进行对比，以掌握灾情的发展趋势，这对分辨率提出了较高的要求；同时又要求能将滑坡破坏形态、破坏过程、裂缝等细节准确反映出来，从而为应急抢护提供依据，因此也需要良好的空间分辨率。

（5）布置便捷。针对高山峡谷的复杂地形，非接触式监测设备布置应具有快捷、小巧和灵活的布置特点。

2 基于GB-InSAR与无人机视觉的滑坡非接触式监测技术

基于非接触式监测技术的滑坡崩塌前兆监测方法首先采用地基合成孔径雷达获取滑坡区地表雷达视线方向的变形速度，实现对滑坡整体变形实时监测，确定潜在变形发展区域；再采用无人机视觉识别算法技术对潜在变形发展区域进行局部崩塌监测，通过连续多期影像数据对比，获得崩塌变化情况，以准确掌握高位灾害体隐蔽灾害点的环境情况，实时指导应急抢险施工。

2.1 系统构成

基于GB-InSAR与无人机视觉识别算法的滑坡非接触式应急监测方法主要由边坡雷达监测子系统和无人机微变应急监测子系统构成（见图1），现场工作流程如图2所示。2.1.1 地基合成孔径雷达监测技术原理及构成

图1 非接触式应急监测技术系统构成

图2 非接触式应急监测技术系统构成

地基合成孔径雷达（GB-InSAR）是一种基于微波传感器和差分干涉雷达技术的高精度测量仪器，具有全天时、全天候、高分辨率、穿透性、连续观测的能力［11］。GB-InSAR采用发射电磁脉冲和接收目标回波之间的时间差测定边坡灾害体表面的移动距离，通过前后两幅雷达干涉图的空间解缠，实现对边坡潜在失稳地质体的表面位移监测。依据位移量、速度等参数进行预警级别判断，发出预警，实现实时自动化位移监测及预警［12-14］。

地基合成孔径雷达监测区域可达十几平方公里，可对目标区域整体进行监测，获取目标区域整体形变历史信息，预测边坡潜在破坏区域的形变趋势，与点形变监测相比，其监测结果更全面。

2.1.2 无人机边坡视觉监测技术原理及构成

无人机边坡微变监测技术采用背景差分技术与图像识别技术，反复把当前图像与前期采集的图像进行对比，监测细小裂缝和落石等崩塌前兆，在可能发生险情时，提醒开挖面周边作业人员避难。相对以往的目测方式，无人机边坡微变监测技术具有更高精度，能够大幅提高开挖面作业的安全性。该技术延续了非接触式应急监测的优势，同时舍弃三维建模的繁杂计算时长，仅通过无人机采集边坡灾害体的高分辨率正交影像进行判别，具有亚毫米级、亚分钟级响应的特点，对边坡高位灾害体的应急监测较为适用［15-17］。

该系统硬件由无人机、相机、毫米波雷达、DRTK、服务器、天线WIFI、网络设备等终端组成，软件系统由数据采集与传输、监测软件组成，该边坡无人机非接触式监测系统整体架构如图3所示。

图3 无人机边坡微变监测系统组成

2.2 监测技术指标

系统主要技术指标如下：

（1）表面变形监测指标，主要包括崩塌前兆；

（2）重点监测部位全覆盖，包括结构面、软弱夹层、滑坡块体的前缘、后缘及两侧环境变化；

（3）精度，亚毫米级；

（4）响应速度，不大于1 min，可以根据现场情况实时调整。

2.3 系统技术特点

（1）监测精度高。当雷达放置在滑坡体对面合适位置时，边坡雷达可以监测滑坡体毫米级别的表面变形，无人机微变监测技术也可以达到亚毫米级分辨率。

（2）监测实时性强。采用地基合成孔径雷达扫描技术，可在较短时间（小于1 min）内完成解算，得到边坡潜在破坏区域的位移数据，提醒现场作业人员和车辆进行避险。无人机微变监测系统从数据采集、传输至处理，也可在短时间（小于1 min）完成崩塌和裂缝宽度数据的解算，最终通过点云数据与视觉监测协同，为应急抢险提供及时监测预警服务。

（3）适应能力强。无人机能从空中采集高位灾害体影像数据进行应急监测，尤其遇到高山峡谷、涌浪等极端环境。此方法可克服交通不便、人员无法到达等不利因素，且无人机能及时到达潜在破坏区域，实时传递影像数据，监视滑坡体变形趋势，为应急抢险指挥决策提供依据。

（4）不受极端环境限制。地基孔径雷达不受夜间、大雨或云雾天气的影响，从而可实现全天候监视，有效弥补无人机监测的不足。无人机的灵活性和可视化，使无人机微变监测技术可以解决受地形、涌浪等极端环境的限制从而无法布置边坡雷达的场景。

（5）便捷灵活。结合无人机机动灵活、携带方便和安全可靠的特点，可远距离遥控飞往边坡的高危区域，从空中视角监测边坡高位灾害体表面变形趋势，有效地弥补了边坡雷达存在视野盲区和监测盲区的局限和不足。

3 工程应用

3.1 宝兴县新华村滑坡概况

2022年6月1 日17：00，四川雅安市芦山县发生6.1级地震，芦山县、宝兴县部分乡镇受灾，多处山体出现滑坡等地质灾害。宝兴县新华村因地震引发山体滑坡并形成堰塞湖，严重威胁下游沿河居民的生命财产安全。面对高山峡谷以及复杂震后应急救援现场环境，传统的边坡监测设备已无法正常开展工作，现场救援工作的安全难以得到保障。

3.2 基于InSAR与无人机视觉识别算法的滑坡非接触式应急监测方法

为保障新华村滑坡体的应急抢险人员和机械设备的安全，采用“GB-InSAR+边坡无人机视觉”协同的非接触式监测技术进行应急监测预警。

该方法利用边坡形变监测雷达监测滑坡危险面上表面的微小形变，计算出从监测开始到当前的监测面上的所有位置的累计形变，并进行提前预警。经研判，项目绘制了重点监测区域，分别进行预警，监测期间共发出1次二级预警、10次三级预警和7次四级预警，边坡雷达的典型监测结果如图4所示，表1展示了局部区域边坡雷达预警结果。针对面4的局部区域，通过边坡形变监测雷达获取该区域表面的形变结果与形变值-时间关系（见图5），然后通过边坡无人机视觉识别算法进行可视化崩塌前兆监测，判断异常情况为局部块体脱落和表面树木滑移引起。

表1 局部区域边坡雷达预警结果

图4 合成孔径雷达崩塌监测（整体）

图5 边坡雷达监测曲线

4 结论与展望

（1）本文紧密结合滑坡应急抢险期间变形监测需求，提出了一种基于In-SAR与无人机视觉识别算法的滑坡崩塌前兆非接触式应急监测体系。该非接触式监测方法克服了传统监测方法监测盲区与视觉盲区大、虚警多、复核困难等缺点，从安全监测的范围、精度、便携性和可视化程度等方面引领行业发展方向，并且可以基于该技术打造一批专业化的监测流程和队伍，为多部门协同作业提供技术支撑。

（2）经现场测试验证，该系统灵敏度可满足要求，识别精度与响应速度分别达到亚毫米级和秒级，满足滑坡崩塌前兆的整体和局部可视化监测的需求，为滑坡应急监测提供一种新方法。由于受数据库样本和试验条件限制，需要对崩塌前兆识别的合理性、普适性进行优化调整。

（3）软件的运行效率决定着监测系统的反应速度，也决定着对硬件的基本要求，所以无论是目标检测还是识别算法，其改进都是后续研究的重点与难点，需要不断优化。