基于位移比模型的三峡库区云阳县域内蠕变型滑坡降雨预警

建立高效合理的区域滑坡灾害降雨预警模型对滑坡防治具有重要意义.然而以往的研究多侧重于临滑预警,对蠕变型滑坡在强降雨工况下的短暂加速变形的预警研究还有待深入.以三峡库区云阳县域内滑坡为例,首先根据滑坡地表位移监测数据的特点对统计样本进行合理筛选.再通过降雨因子与滑坡发生的相关性分析以及对滑坡在降雨条件下位移变化情况的数值模拟,确定了适用于不同时间阶段的降雨统计变量.然后将考虑了滑坡规模特征的滑坡位移比（累计位移与滑坡纵长之比）作为变形指标,分时段统计滑坡地表位移监测数据与历史降雨信息,建立了日降雨数据与月位移数据的对应关系,得到了可用于确定降雨量阈值的位移比模型,并获得了云阳县蠕变型滑坡的五级预警分区.最后分别选用研究区滑坡险情实例、长年位移监测数据及极端降雨事件对模型预警效果进行检验.结果显示基于专业监测数据的位移比模型的滑坡降雨预警结果与实际情况相符,可为蠕变型滑坡的预警预报提供依据.      

滑坡坡面位移特征及其应用

在详细分析滑坡坡面位移特征的基础上,提出根据坡面位移矢量确定滑坡滑动面,预报滑坡发生时间的原理和方法。     

滑坡坡面位移特征及其应用

在详细分析滑坡坡面位移特征的基础上,提出根据坡面位移矢量确定滑坡滑动面,预报滑坡发生时间的原理和方法。     

速度倒数法滑坡预警模型流变试验研究

滑坡失稳的预测预报研究是地质工程领域中的一项重要课题,准确地确定预测预报理论模型的参数是实际应用中的难点。在实际滑坡监测中通常可以观察到位移曲线呈现阶梯形,这些阶梯形位移变化点就是滑坡的变形突变点。为研究滑坡变形突变点的变形特征,进行了不同荷载作用下的天然试样以及不同荷载、不同含水率作用下的浸水试样的流变试验,得到了累计位移-时间曲线以及变形速度-时间曲线。依据秦四清的锁固段理论以及速度倒数法滑坡预警模型对试验结果进行分析。研究结果表明：荷载和含水率的变化对模型参数没有影响,模型参数是关于材料属性的函数;变形过程中突变点的变形特征与破坏时的变形特征相似,并且速度倒数法预警模型在突变点和破坏点确定的模型参数基本一致。因此,滑坡监测曲线中早期位移突变点确定的模型参数可以用于确定滑坡破坏时的预警模型。     

腊寨水电站大坝右岸滑坡位移矢量角的时序分析

基于腊寨水电站大坝右岸滑坡位移观测资料,运用分形几何中的时间序列分析方法对滑坡的位移矢量角变化规律进行深入研究,发现滑坡位移矢量角的赫斯特指数H与时间相关函数C(t)随着滑坡失稳程度的加剧呈现明显的下降趋势,表明位移矢量角与滑坡稳定状态同步的动态变化过程,进而说明时间序列分析方法用于滑坡动态预报是可行的.     

危岩滑坡简易监测预警研究——以重庆市及邻近地区为例

目前我国群测群防监测手段已广泛应用到地质灾害预警研究领域,采集的众多原始数据和简单清晰的动态曲线资料,为地质灾害的评价、预测、预警提供了极大的空间分析基础.针对群测群防专业基础薄弱特点,本文主要从简易监测方法入手,利用各种监测手段采集的监测数据,分析已成功预警的危岩滑坡预报曲线及其变化规律,进而寻求变形破坏临界信号,初步给出了由位移-时间曲线形态的变化作为预报尺度的简易确定方法及稳定性判断准则,以最大限度的保障社会安定.     

基于一元线性回归模型八字门滑坡累积位移预测

我国滑坡灾害发生频繁,但滑坡的变形预测预报一直是难题,因此每年都因滑坡的变形破坏导致重大的人员伤亡和财产损失。以三峡库区八字门滑坡为研究对象,基于十多年的监测数据分析,研究分析了该滑坡的变形特征:八字门滑坡变形的主要影响因素为降雨和库水位下降,并且累积位移曲线具有"阶跃型"的变形特征。当外界因素去除或者减小的情况下,累积位移-时间曲线将变得平稳。根据此特性,选取每年变形曲线"阶跃段"（6~8月份）的监测数据,以累积位移为目标函数,基于一元线性回归模型,对八字门滑坡2004年到2017年同期的滑坡监测数据进行分析。结果表明:一元线性回归模型能够很好地模拟八字门滑坡"阶跃段"的变形过程,此变形阶段累积位移与时间呈线性关系,直线斜率基本相同。根据此线性关系,对滑坡的累积位移进行了预测,结果表明与实际监测数据相比较,预测误差在±5 mm以内,相对误差在1%以下,精度可以满足滑坡监测预警要求,可以为八字门滑坡的防治工作提供参考。     

露天矿边坡的位移监测与滑坡预报

对湖北大冶铁矿滑坡区域的长期监测资料进行分析和总结，提出依据位移-时间曲线预报滑坡的方法。     

区域滑坡灾害预测预警与风险评价

区域滑坡灾害预测预警是滑坡灾害研究领域的难点和热点。过去10多年来在这方面的研究主要集中在区域降雨与地质环境的结合方面。文章总结了目前国内外滑坡灾害预测预报、预警和风险管理研究现状,认为把滑坡灾害预警预报与风险管理相结合是减灾防灾的需要,也是今后该领域研究的发展趋势。文章从区域滑坡灾害空间预测、时间预警预报的角度提出了滑坡灾害预测预报的分类和理论基础,并在此基础上,利用MapGIS软件平台进行二次开发,建立了基于WebGIS的滑坡灾害信息管理系统和实时预警发布系统。以2004年"云娜"台风期间浙江省永嘉县滑坡灾害预警预报为例,进行了滑坡危险性预测、人口易损性预测、经济易损性预测到风险预测的实例研究。     

降雨诱发区域性滑坡预报预警方法研究

论文以四川省雅安市雨城区为研究区，将逻辑回归模型引入区域降雨型滑坡预警预报，建立了同时考虑降雨强度和降雨过程的降雨临界值表达式。在滑坡危险性区划的基础上，研究提出了区域降雨型滑坡预警预报指标，包括临界值降雨指数R和滑坡发生指数L，并利用20台自动遥测雨量计和地质灾害群测群防网络，采用历史记录雨量和预报雨量，建立了区域降雨型滑坡预报预警体系。     

突发型黄土滑坡监测预警理论方法研究——以甘肃黑方台为例

灌溉诱发的黄土滑坡大多数具有明显的突发性特征;斜坡破坏过程变形量小,历时短,具有较大的危险性。由于此类黄土滑坡加速变形阶段经历时间较短,GNSS系统和裂缝计等传统监测手段难以获取加速变形阶段系统完整的监测数据,更难以提前预警。针对这一难题,自主研发了自适应智能变频裂缝仪,它能够根据滑坡变形快慢自动调整采样频率。基于获取的黑方台多个突发型黄土滑坡的全过程变形-时间曲线,对这些变形曲线特征和规律进行分析研究,建立了针对性的黄土滑坡综合预警模型。将变形速率阈值和改进切线角作为滑坡预警的重要指标,建立了4级预警判据,通过自主研发的"地质灾害实时监测预警系统"实现滑坡的实时自动预警,并将预警信息与当地的群防群测信息平台对接,为防灾应急避让提供直接依据。2017年以来已先后6次对黑方台黄土滑坡实施成功预警,避免了重大人员伤亡,取得显著的防灾减灾效果。     

贵州兴义滑坡特征及过程预警研究

由于滑坡岩土体结构的复杂性和破坏机制的多样性,滑坡预警一直以来都是全球性难题,极具挑战性。本文论述了贵州省兴义滑坡特征及其成功预警,并分析了滑坡成功预警的关键因素。在对滑坡现场进行地质调查的基础上,综合应用卫星遥感、无人机航拍、LiDAR、地表位移监测等技术手段,初步分析结果认为,兴义滑坡属于典型的含软弱夹层的顺层岩质滑坡,滑源区坡体为2014年首次滑动后形成的不稳定斜坡,在不利的坡体结构加之与软弱夹层组合的地质条件下,受到长期重力及地下水作用,最终演变成滑坡地质灾害。兴义滑坡至2014年第一次滑动后,后缘山体对前缘公路和居民就产生了威胁,2019年2月17日凌晨5时53分,贵州省兴义市马岭镇龙井村兴-马大道旁约96×104 m3的山体再次发生顺层滑动。在滑坡发生前,研究人员就在滑坡体上安装了全球导航卫星系统(GNSS)和自适应性裂缝计两种位移监测传感器,对滑坡变形进行持续监控。现场监测数据实时传输到研究人员自主研发的“地质灾害监测预警系统”中,系统通过多种阈值综合预警模型自动计算监测数据并发布预警结果,在滑坡进入临滑阶段后,系统提前53 min发出了红色预警,完全避免了人员和经济损失。该滑坡的成功预警体现了自主研发的地质灾害监测预警系统、预警模型、监测仪器三者的适用性,可为今后类似滑坡的监测预警研究及应用提供借鉴。     

对滑坡监测预警相关问题的认识与思考

近年来,随着科技的迅猛发展,监测预警已成为主动防范地质灾害的重要手段,国家每年投入大量的人力物力财力开展滑坡预警工作。但调查发现,不少相关从业人员(主要是专业技术人员和管理人员)对滑坡监测预警方面的一些基本问题还存在误区甚至错误的认识,严重影响其防灾减灾效果。结合近年来在滑坡监测预警实践中的研究成果和经验教训,本文重点就滑坡监测和预警方面的一些问题提出了自己的认识。其主要观点包括:并不是监测点和监测手段越多就越有效,滑坡监测应突出针对性、实用性和目的性,监测方案设计及具体监测内容都应为滑坡预警提供依据。不少滑坡的发生具有一定的突发性,应采用具自动变频功能的监测设备才能获取滑坡全过程尤其是临滑阶段完整的数据,为科学预警提供保障。监测仅是手段,预警才是目的,不仅要重视滑坡的监测工作,更应高度重视预警工作,且应同时加强区域性气象预警和单体滑坡预警工作。目前常用的阈值预警方法误报、漏报率较高,应将预警的重心转移到对历史数据的统计分析和基于变形、地下水位、雨量等关键指标的预警模型和判据研究,据此提高滑坡预警的准确性和实用性。     

Real-time monitoring and early warning of landslides at relocated Wushan Town,the Three Gorges Reservoir,China

A special monitoring and warning system has been established and improved in the Three Gorges Reservoir area since 1999. It is necessary to develop a real-time monitoring system on landslides because there are dense populations centered in the reservoir area and geo-hazards may be triggered by a 30-m water level fluctuation between 145 and 175 m in elevation during reservoir operation; the regular monitoring could not be suitable to the early warning on landslides. Since 2003, the authors have carried out a real-time monitoring and early warning project on landslides at the relocated Wushan town in the Three Gorges Reservoir area. The monitoring station includes Global Positioning System with high-accuracy double frequency to monitor ground displacement, time domain reflection technology, and immobile borehole, inclinometer to monitor deep displacement, piezometer to monitor pore water pressure, and precipitation and reservoir water level monitoring. Compared with traditional methods, the real-time monitoring is continuous and traceable in the acquisition process, and the cycle of data acquisition is very short, usually within hours, minutes, or even shorter. Based on the landslide monitoring experience at the Three Gorges Reservoir area, the early warning criteria on landslide are established in which the critical situation is classified into four levels: blue, yellow, orange, and red, respectively, expressed by no, slight, moderate, and high risk situation. Comprehensive judgment from multimonitoring data of Yuhuangge landslide in this area since 2004 suggested that the new Wushan town will be at the blue early warning level, although some monitoring data of individual displacement at deep borehole showed that the displacement was increased by 5 mm in 5 months with an average velocity of 1.0 mm/month, and the data of BOTDR also showed an obvious dislocation along a stairway on the landslide.     

降雨诱发滑坡阶跃型变形的预测分析及应用

滑坡进入蠕动变形阶段之后,往往难以及时开展勘察治理工作,合理的临灾预警是有效减少滑坡灾害损失的重要手段。首先确定降雨诱发“阶跃型”滑坡的预警关键判据为前期降雨、当次降雨、位移速率,并引入“一个降雨过程”定义滑坡监测的降雨区间,将预警过程分为当次降雨和前期降雨+当次降雨两种模式。然后运用最小二乘法确定滑坡“阶跃”变形曲线上的“破坏拐点”和“稳定拐点”用以确定变形加速区间,以此求解前期降雨、当次降雨以及移速率阈值。最后以王家坡滑坡为例,设计了两种模式下的5级递进式分级预警模型。研究表明：（1）前期降雨与当次降雨组成“一个降雨过程”的时间间隔为7 d;（2）王家坡滑坡的位移速率阈值为20 mm/d;（3）前期降雨+当次降雨模式下王家坡滑坡的前期降雨、当次降雨阈值分别为10、15 mm,当次降雨模式下王家坡滑坡的降雨阈值为25 mm。     

三峡库区典型堆积层滑坡变形滞后时间效应研究

堆积层滑坡是三峡水库运行过程中的重要地质灾害,其变形演化往往滞后于库水位的变化,表现出时间滞后效应,给滑坡灾害精准预测和灾害警情准确发布造成极大困扰。采用集对分析法并结合层次分析法,构建了滑坡加权位移向量计算模型,在滑坡加权位移演化与库水位波动相互关系定性分析的基础上,寻找滑坡加权位移与库水位变化速率相关性达到最大时的平移步数,从而计算出滑坡变形滞后于库水位变化的时间。以三峡库区典型堆积层滑坡——树坪滑坡为例,在分析滑坡变形演化规律基础上,分别选取2012年、2013年、2014年汛雨期地表位移与库水位下降速率的监测数据开展滑坡变形滞后时间研究。研究发现:当库水位下降速率小于等于0.43 m·d-1时,树坪滑坡变形滞后时间大于等于5 d;当库水位下降速率在0.43 m·d-1到0.7 m·d-1之间时,树坪滑坡变形滞后时间在2 d到5 d之间;当库水位下降速率大于等于0.7 m·d-1时,树坪滑坡变形滞后时间小于等于2 d;随着库水位下降速率不断增大,树坪滑坡变形滞后时间不断缩短。通过分析滑坡不同空间位置监测点的滞后时间,发现越靠近滑坡体前缘变形滞后时间越短,当库水位下降速率在0.43 m·d-1到0.7 m·d-1之间时,滑坡前缘变形滞后时间在2.4 d到5.4 d之间,滑坡中部的变形滞后时间在3.4 d到5.6 d之间,滑坡前缘和中部的变形滞后时间差在0.2 d到1.4 d之间。研究成果可以为树坪滑坡的监测预警防治工作提供参考,对重大水利工程涉水滑坡监测预警具有一定借鉴意义。     

滑坡动态力学监测及破坏过程案例分析

边坡临滑预警一直是地灾研究的难点与热点问题。本文采用一种力学监测方法(牛顿力监测)对雅安宝兴县某傍山公路边坡进行监测,该边坡位于唐包滑坡老滑坡体下缘边界处。经过4个月的连续监测,获取了大量监测数据,并成功预报了两次局部滑坡。本文首先整合牛顿力监测数据和降雨量监测数据,再将监测曲线与滑坡演化过程进行对比分析,揭示滑坡过程中的力学演化规律,对降雨条件下诱发滑坡的原因进行了分析。然后对牛顿力监测预警成功的案例其临滑预警时长与滑坡体量间的关系进行拟合,发现存在明显的正相关关系。最后讨论了牛顿力监测方法与斋藤模型之间的关联性以及优劣势,并根据各自的特点提出了由面到点的监测预警思路。通过分析,牛顿力监测曲线与滑坡演化过程能较好对应,并可将土质滑坡分为3阶段:(1)牛顿力上升阶段; (2)牛顿力突降阶段; (3)滑坡阶段。本文为牛顿力监测系统的推广提供了实践经验,并为力学监测与位移监测结合的研究提供一个新的思路。     

A graph deep learning method for landslide displacement prediction based on global navigation satellite system positioning

The accurate prediction of displacement is crucial for landslide deformation monitoring and early warning. This study focuses on a landslide in Wenzhou Belt Highway and proposes a novel multivariate landslide displacement prediction method that relies on graph deep learning and Global Navigation Satellite System (GNSS) positioning. First model the graph structure of the monitoring system based on the engineering positions of the GNSS monitoring points and build the adjacent matrix of graph nodes. Then construct the historical and predicted time series feature matrixes using the processed temporal data including GNSS displacement, rainfall, groundwater table and soil moisture content and the graph structure. Last introduce the state-of-the-art graph deep learning GTS (Graph for Time Series) model to improve the accuracy and reliability of landslide displacement prediction which utilizes the temporal-spatial dependency of the monitoring system. This approach outperforms previous studies that only learned temporal features from a single monitoring point and maximally weighs the prediction performance and the priori graph of the monitoring system. The proposed method performs better than SVM, XGBoost, LSTM and DCRNN models in terms of RMSE (1.35 mm), MAE (1.14 mm) and MAPE (0.25) evaluation metrics, which is provided to be effective in future landslide failure early warning.