西山村大型滑坡体GPS监测数据处理与预测模型建立

滑坡是严重的地质灾害,为了降低滑坡灾害,必须对滑坡进行变形监测并给出及时预报。以四川省阿坝州理县通化乡的西山村大型滑坡体GPS监测为例,介绍了GPS滑坡监测数据预处理情况,给出了卡尔曼滤波去噪方法,通过卡尔曼滤波处理前后的坐标分别建立线性预测模型,结果表明,卡尔曼滤波可以很好地去除噪声的影响,使模型的拟合精度较高,模型预测值更接近实际坐标值。     

顾及地下水位因子的卡尔曼滤波模型在滑坡变形预测中的应用

介绍了白水河滑坡的地质环境和监测系统。将滑坡变形看作是时间和地下水位的函数,使用泰勒级数建立滑坡变形与时间和地下水位的函数关系,并将泰勒级数的余项及时间变化的二次方和地下水位变化的二次方的系数的变化量等看作数学期望为0的动态噪声,建立了卡尔曼滤波模型,并用于滑坡变形的预测预报。实例计算表明,模型的拟合效果和预测效果较好。     

诱发因素影响下的滑坡参数优化预测模型研究

在降雨等外界诱发因素的综合作用下,滑坡位移预测是一个复杂的动力系统问题。利用三峡库区白家包滑坡综合监测数据,分析滑坡演化实时特征,提取影响滑坡变形的最相关因素,研究发现白家包滑坡为降雨主导型堆积层滑坡;采用自回归综合移动模型（ARIMA）模型进行拟合及预测,引入月累积降雨量对模型季节性趋势参数进行评估优化,对白家包滑坡72期月相对位移数据进行拟合及预测研究,最终模型结果和实测值的平均绝对误差和相关系数分别为2.873和0.983。研究结果表明,与传统经验法相比,优化参数模型更符合滑坡变形的一般规律。     

卡尔曼滤波在滑坡监测中的应用

针对滑波变形的特点,将滑坡体上的监测点视为一运动点场,提出一种以运动方程为核心、以卡尔曼滤波技术为工具的变形观测数据处理方法,使滑坡的预报成为可能.     

普通测量学、地形测量学

CH20040438 集成地质、力学信息和监测数据的滑坡动态模型=Dynamic Landsliding Model with Integration of Monitoring Information and Mechanic Information/朱建军,丁晓利,陈永奇(中南大学测绘与国土信息工程系)// 测绘学报.-2003,32(3).-261-266 首先假设边坡滑坡体为刚体,建立边坡滑坡的动态模型,由此建立卡尔曼滤波的系统方程。边坡的力学状态通过卡尔曼滤波与边坡变形观测的数据联系起来了。模型的不确定性(模型误差)是通过建立的虚拟观测方程来考     

三峡库区龙头山滑坡变形机制研究

以三峡库区龙头山滑坡作为研究对象,研究库水位及降雨综合作用下滑坡体的变形机理及演化趋势。研究表明,滑坡体变形在空间上存在差异性,滑坡体中部、左侧前缘变形较大,中后部变形逐渐减小,表现出牵引滑动特征;降雨和库水位波动是滑坡体变形的主要影响因素,2次较大变形均与其叠加作用相关;从演化趋势上来看,滑坡体内不平衡应力得到不断释放,滑坡体变形趋势逐渐减缓,前期滑坡体变形受库水波动作用强烈,后期变形主要受降雨作用影响。     

三峡库区“阶跃”型滑坡变形机理与预警模型

自2003年蓄水以来,三峡库区已查明的滑坡或潜在滑坡高达5000余处,这些灾害对三峡水库的持续运营、大坝、航道及库区居民的安全造成了严重的威胁。通过研究滑坡的变形特征、诱发因素及失稳机制,有助于开展滑坡的稳定性评价,并构建预警预报模型。以三峡库区八字门滑坡为研究对象,综合分析降雨、库水位、人工和自动GNSS监测等数据,结合勘查资料及野外宏观巡查,研究了滑坡的变形特征及失稳机理,并确定合理的预警判据及阈值。研究表明:①八字门滑坡整体变形明显,处于蠕动变形阶段,滑坡变形主要集中于每年5—9月,滑坡累积曲线呈现典型的“阶跃”状变形特性。②滑坡的变形受斜坡结构、岩性等因素的控制,水库水位下降是滑坡变形的主要驱动因素,并与库水下降速率正相关。另外,特大暴雨和持续降雨在水位下降阶段、水库低水位运行期及水位上升期会促进滑坡变形,是滑坡的次要驱动因素。③通过精细化数据分析以及改进切线角法获取的八字门滑坡出现“阶跃”变形的位移速率阈值为4.6 mm/d,7 d累积降雨量阈值为60 mm,库水位阈值为159 m,库水位下降速率阈值0.4 m/d。     

一种V/S和LSTM结合的滑坡变形分析方法

滑坡变形的产生是坡体自身地质条件和外部诱发条件共同作用的结果，滑坡变形定量预测是滑坡监测预警的关键。传统的基于滑坡累计位移-时间曲线分析滑坡变形的方法，忽略了滑坡变形演化的影响因素，难以对滑坡变形进行准确预测。三峡库区滑坡研究多集中在滑坡时空分布特征和滑坡整体稳定性分析方面，亟需开展单体滑坡综合变形分析。以三峡库区白水河滑坡为例，基于滑坡宏观变形和位移监测数据，利用重标方差（rescaled variance statistic，V/S）分析法对滑坡整体和局部变形趋势进行分析，进而构建考虑库水位波动和降雨滞后性影响因素的可有效利用长期依赖信息的长短记忆（long short-term memory，LSTM）神经网络模型，定量预测滑坡位移。研究结果表明，滑坡体属牵引式滑坡，北东部稳定性较差，西部和后缘相对稳定，预测值的均方根误差为8.95 mm，证明该模型是一种高性能的滑坡变形分析方法。     

基于水文-气象阈值的区域降雨型滑坡预测研究

目前区域降雨型滑坡预测主要依赖降雨阈值开展,然而从降雨诱发滑坡机理可知,除降雨入渗导致的土壤含水量变化外,降雨入渗前的土壤含水量也是影响边坡失稳的重要因素,无法考虑降雨入渗前的土壤湿度情况,被认为是降雨阈值在滑坡预测中表现差的主要原因。针对这一问题,本文以四川省都江堰地区作为试验区域,提出考虑前期土壤湿度的区域降雨型滑坡预测思路,通过统计分析历史滑坡数据,构建了基于前期土壤湿度和近期降雨情况的水文-气象阈值模型,其中前期土壤湿度情况由改进的前期有效降雨指数刻画,近期降雨情况由最近的累积降雨量表示。试验结果表明:在试验区域的降雨型滑坡预测中,水文-气象阈值模型表现出较好的命中率和较低的误报率。本文构建的水文-气象阈值模型,可同时考虑前期土壤湿度和近期降雨对滑坡发生的影响,模型所需数据少、所用方法简单易操作且预测性能较优,适合在区域降雨型滑坡预测中推广应用。     

集成地质、力学信息和监测数据的滑坡动态模型

首先假设边坡滑坡体为刚体，建立边坡滑坡的动态模型，由此建立卡尔曼滤波的系统方程。边坡的力学状态通过卡尔曼滤波与边坡变形观测的数据联系起来了。模型的不确定性(模型误差)是通过建立的虚拟观测方程来考虑的。与已有的方法不同的是，所建立的方法不仅利用包含在观测中的统计信息，而且能利用边坡滑坡的有关力学状态和地质条件所提供的信息。最后，以一实例论证方法的可行性。     

顾及降水因子的卡尔曼滤波在滑坡变形数据处理中的应用

滑坡体在受到内部及外部相关因素作用后逐渐失稳,促使滑坡体发生变形。本文利用卡尔曼滤波对滑坡体上的监测点进行变形分析,估计出监测点的状态参数以全面地反映滑坡体的运动状态。普通卡尔曼滤波没有考虑其他控制因子的影响,如降水量、河流的水位等,但这些因素对某些滑坡的变形有时起了决定性作用。本文探讨了将降水因子作为卡尔曼滤波的控制输入及控制输入系数确定的方法,利用该方法可以初步判断出滑坡体对降水是否敏感。     

高精度GNSS实时滑坡变形监测技术及环境建模分析研究

滑坡变形监测不仅是科学问题,也是实践问题。对地质滑坡灾害进行高精度变形监测是防灾减灾至关重要的命题。GNSS作为滑坡监测预警的重要手段之一,不仅具有连续高精度、全天候监测能力,而且是目前唯一可以直接获取滑坡地表三维矢量变形的监测手段。然而,滑坡灾害往往多发于山地丘陵等复杂环境下,加上地震、降雨等因素的诱发作用,极易影响GNSS技术的实时预处理质量和监测定位精度;此外,高价位的GNSS监测终端开销也使得大规模、高密度滑坡监测难以大规模推广应用。针对上述滑坡复杂环境影响和设备成本问题,本研究分别从高精度GNSS实时数据预处理算法、空间地形环境建模和低成本云平台监测系统3个方面进行了探讨。     

多源数据滑坡时空演化规律研究——以黄泥坝子滑坡为例

滑坡演变是一个长期且复杂的过程,地质灾害体在各类数据中有不同的表现特征,同时各类数据源在滑坡不同阶段有一定的适用性。采用多源数据融合方法,利用各类数据源在滑坡体中不同的特征与适用性,研究黄泥坝子滑坡在滑前-滑中-滑后动态演变过程中的变形破坏特征和时空演化规律。结果表明,黄泥坝子滑坡变形破坏过程可分为4个阶段:启动阶段、加速变形(加速滑移)阶段、前缘扩展(减速滑移)阶段、渐进稳定阶段;黄泥坝子滑坡是在自重、降雨渗透、地震及人类工程活动造成的震动等多效应影响作用下形成的蠕滑-拉裂式滑坡。总结各类数据在滑坡不同阶段的应用,滑前阶段可应用合成孔径雷达技术、光学影像与地形数据确定潜在滑坡体;滑中阶段可利用光学遥感影像分析滑坡堆积体整体变形与演变趋势,利用全球定位系统(global positioning system,GPS)持续观测局部变形;滑后阶段可通过现场调查确定地质灾害体工程地质特征。     

基于GPS的降雨型滑坡变形监测及数据处理

滑坡是地质灾害的一种,降雨是诱发山体滑坡的最重要因素。本文通过在重庆云阳王家湾建立滑坡监测点,利用灰色系统和回归分析,分析滑坡位移同降雨的定量关系,建立滑坡预报模型。     

基于动态指数平滑模型的降雨诱发型滑坡预测

为了快速而准确地分析降雨型滑坡的变形趋势,以指数平滑法为数学基础,从滑坡的实际演化阶段出发,建立外界主要诱发因素与模型参数的关联,引入月累积降雨量作为模型参数动态评估因子,对白家包滑坡90期累积位移数据进行了拟合及预测。最终拟合的累计位移平均绝对误差和相关系数分别为11.346和0.933。与传统的静态参数方法相比,这种方法更符合降雨型滑坡发展的一般规律,预测精度更高。     

时序InSAR用于滑坡灾前二维形变追溯与灾后风险评价

针对美国俄勒冈州西海岸Hooskanaden滑坡发生的大规模失稳以及破坏后坡体的稳定性仍然未知的问题,本文基于升降轨Sentinel-1影像数据,利用SBAS-InSAR技术对Hooskanaden滑坡灾前的变形模式、驱动因素和灾后的稳定状态进行了研究。结果表明,早在2019年滑坡事件发生前,Hooskanaden滑坡就处于持续蠕变状态,其沿LOS向的最大形变速率可达-226 mm/a;该滑坡属于推移式滑坡,以水平自东向西运动为主,二维形变与其倾角的组合有利于推断滑坡的变形模式;滑坡运动存在明显的季节性周期变化,降雨是其加速变形的主要驱动因素;滑坡的中部及其后缘在灾后仍处于活跃状态,沿LOS向的最大形变速率达-65 mm/a,存在再次失稳的可能性。     

金坪子滑坡动态稳定性分析研究

外界因素是影响滑坡变形和稳定状态的重要因素。进行滑坡的稳定性分析,依据监测资料进行预警预报,都有必要考虑外界因素的作用。以云南省昆明市的金坪子滑坡为背景,运用GIS及3DSlopeGIS的三维极限平衡分析方法,从地震、库水位、降雨三个外界因素单独或复合作用下的安全系数的变化情况,研究滑坡的动态稳定性。研究表明,在外界因素的作用下,通过分析安全系数—地震烈度曲线、安全系数—库水位高度曲线以及安全系数—时间曲线,可以定量判断地震、降雨、库水位对滑坡的影响,以及三者对滑坡影响力的高低顺序,为工程的预警预报提供重要参考。     

浅层堆积降雨诱发滑坡监测试验研究

针对降雨诱发滑坡突发、群发的灾害特点,在广东省某地开展了浅层堆积性岩土混合斜坡降雨诱发滑坡的试验,实验采集滑坡成灾演化过程的GPS监测地表形变位移、人工降雨量、岩土参数变化同步数据,形成从蠕动变形、滑动、加速、灾变一直到再次稳定的整个成灾过程的连续动态监测数据。通过对降雨量、地表形变、土壤含水率、滑坡稳定性指标等进行定量比对和相关性分析,建立了滑坡成灾演化阶段的映射关系,并提取降水诱发滑坡灾变过程的显性因子,作为实验滑坡灾变的判据,建立了综合判据滑坡隐患分析评价模型。最后,将监测结果与宏观现象监测进行比对,验证了监测和分析方法的有效性。     

自适应卡尔曼滤波法用于变形监测数据处理

卡尔曼滤波作为一种动态数据处理方法广泛应用在变形监测数据处理中。文中针对传统卡尔曼滤波因动态噪声不准或不容易确定影响结果准确度的问题,提出并探讨了方差补偿自适应卡尔曼滤波,并通过传统卡尔曼滤波和自适应卡尔曼滤波对GPS变形监测数据进行处理,其结果表明方差补偿自适应卡尔曼滤波对GPS变形监测具有很好的剔除噪声的作用,效果明显。     

白龙江流域潜在滑坡InSAR识别与发育特征研究

白龙江流域地处甘肃省东南部,位于青藏高原、黄土高原和四川盆地的交汇处。区内断裂构造发育、新构造运动活跃、地震频繁,加之多见的暴雨和持续降雨天气,使得流域内地质灾害频发,且分布范围广泛,其中以滑坡、泥石流灾害较为显著。本研究基于合成孔径雷达干涉测量技术,对白龙江流域进行区域尺度上的时序地表变形监测,得出2018年—2019年雷达视线方向的形变速率范围为-158—110 mm/a,并在人口分布集中的河谷区圈定出潜在滑坡点共计114处,并进行野外验证。统计发现研究区潜在滑坡多集中分布于两岸坡度20°—40°、坡向135°—270°、高差小于150 m、面积小于5×104m2的千枚岩等软弱岩层中。牙豁口滑坡发生破坏前,滑坡中上部变形剧烈,变形速率达38 mm/a,于07-19在该区域剪出并不断向下推移,最终进入岷江。结合滑前的变形特征和滑坡地貌,将牙豁口滑坡分为搬运区、流通区和堆积区。该滑坡事件证明了InSAR技术在潜在滑坡早期识别中的有效性和可靠性。本研究可为白龙江流域的滑坡调查、综合治理和防灾减灾提供科学依据和参考。