InSAR滑坡探测技术研究——以金沙江乌东德水电站段为例

采用3类InSAR产品和DEM数据开展金沙江流域乌东德水电站段的潜在滑坡探测,成功识别出多处已知和未知的滑坡点,并探测出滑坡体的形态及稳定性,提供了一种高效的大范围滑坡探测技术。同时采用小基线集InSAR技术对金坪子滑坡进行监测,不仅获得该滑坡的空间分区特征,也获取重点滑坡区的时间序列结果,并且与地面监测结果比较,精度达1.8 cm。展示了不同InSAR技术在不同尺度滑坡调查与监测中的应用特点。     

花岗岩地区滑坡特征及防治对策——以湖南省平江县花岗岩滑坡为例

文章分析了湖南平江县花岗岩地区滑坡,在地形地貌、地层岩性、地质构造、水文地质条件、滑坡体、滑动面、滑动多期性等方面的典型特征。由于地表水和地下水是花岗岩地区滑坡中的主要影响要素,因此,提出对该类型滑坡应采用排水工程为主,并和其它防治措施相结合的方法进行防治。换言之,排水工程是滑坡防治中单独的一项措施,其效果应在同步进行的滑坡监测中予以验证。在滑坡治理的过程中,滑坡监测始终是滑坡防治的基础,防治的效果也需要监测工作来检验。     

GPS技术在湖北罗针田滑坡变形监测中的应用

文章通过利用GPS技术对湖北罗针田滑坡进行变形监测这一实例,简述了GPS技术在滑坡监测中的应用情况,并对采集的GPS数据进行分析,取得了良好的监测效果,对滑坡变形监测具有一定的利用价值。     

GPS在冷水江滑坡变形观测中的应用研究

文章主要叙述了GPS在冷水江滑坡变形监测的应用,结合该工程实例主要介绍了冷水江滑坡的情况、GPS变形监测技术以及GPS在滑坡变形监测中的应用,包括方案,GPS数据处理,分析变形数据.通过本次GPS在冷水江滑坡变形监测的应用研究,发现GPS的测量精度完全可以满足滑坡变形监测的精度要求,且具有明显的优点.     

湖南省沅麻盆地红层地区滑坡专业监测初探——以怀化辰溪大水田窝棚溪滑坡为例

湖南沅麻盆地红层地区是我省地质灾害高易发区,多年来一直是我省地质灾害气象风险预警重点关注区域。本文以怀化市辰溪县大水田乡窝棚溪滑坡专业监测点为例,初探沅麻盆地红层地区滑坡专业监测方法。通过分析强降雨过程各监测因子数据变化情况,分析判定已布设各监测设备的监测效果,对后期沅麻盆地红层区域地质灾害监测手段和方法提出建议,同时希望能对影响滑坡的降雨量、孔隙水压力、土壤含水率,地表位移及深部位移等因素和滑坡气象预警指标体系建立有一定的指导意义。     

InSAR用于高山峡谷区滑坡监测的适用性

针对升降轨Sentinel-1A数据获取的得荣县古学乡2个大型滑坡形变特征不一致的问题,利用R指数、敏感性和相干性等参数,开展InSAR技术用于该地区滑坡监测的适用性研究。结果表明,降轨数据比升轨数据更适合2处大型滑坡的识别与监测,并很好地解释了升降轨滑坡监测结果不一致的原因。对2个滑坡进行时间序列形变分析及多维形变特征分解,结果表明,2个滑坡在2019～2020年累积形变量最大值分别约为300 mm和230 mm,需加强关注。     

一种位移传感器数据解码方法及其在滑坡监测中的应用

介绍位移传感器数据远程传输方法,阐述位移传感器数据解码算法,并验证解码数据的准确性及可靠性。同时,将其应用于黑方台党川滑坡的变形监测,获得了滑坡监测点的实时形变信息,可为滑坡变形监测和预警提供技术支撑。     

浙江首个省级地质灾害监测示范工程正式启动

滑坡是浙江省山地丘陵区的主要地质灾害,目前全省有各类滑坡4千余处。面对如此众多的滑坡灾害,由于对其主控因素缺乏了解,在相当长时期内均无法进行有效防治。通过滑坡系统监测,找出主控因素及其影响方式,对防灾减灾具有重要意义。但目前我省掌握滑坡专业监测的技术人员严重不足、     

龙羊峡水电站库岸滑坡水上摄影测量

本文提出用水上摄影测量方法,在水电站库岸变形滑坡地段,进行滑坡地形测图的理论和方法的研究。并用国产DPG—2型数字测图仪开发用于水上摄影测量测图。根据所测滑坡图与滑坡前原地形图比较,监测水库库岸变形和滑坡。     

基于地球多传感器网络信息的潜在滑坡判识模型

潜在滑坡的判识是滑坡预测预报中的关键问题,潜在滑坡早期判识能够有效减少灾害的发生。基于滑坡灾害诱发的各种影响因素,利用地球多源时空信息和多传感器网络,遥感监测潜在滑坡体,利用监测设备获取滑坡岩性、坡体结构、地貌形态、活动迹象等关键控制信息,从中选取滑坡灾害诱发的主要控制要素作为判识指标,建立基于多源信息的潜在滑坡多因素判识模型;特别是根据滑坡的成灾规律,分析潜在滑坡孕育过程中地貌形态改变、成灾条件变化与滑坡发生的临滑诱发条件,建立基于不同信息源的滑坡控制因素判识模型。最后,通过汶川地震灾区垮梁子滑坡体实例分析,验证潜在滑坡综合判识模型并进行优化,从而为滑坡灾害的早期判识预测提供依据。     

基于干涉点目标分析方法的大光包滑坡形变监测

为研究干涉点目标分析(IPTA)方法应用于超大型滑坡形变监测的有效性,采用IPTA方法处理大光包滑坡65景Sentinel-1A影像,获得大光包滑坡的总体形变趋势及时间序列,并与StaMPS-SBAS方法的处理结果进行交叉验证,同时结合全球降水数据进一步分析形变与降雨之间的关系。结果表明,IPTA方法在超大型滑坡形变监测方面具有较好的应用效果;大光包滑坡在观测期间一直处于形变状态,雷达视线向形变速率最高达-50.590 mm/a;滑坡特征点形变速率在雨季明显加快,存在再次发生滑坡的风险。     

基于生成对抗网络的动水驱动型滑坡状态识别方法

动水驱动型滑坡状态识别能更有效地辅助分析滑坡形变规律, 实现滑坡状态的准确识别对深入展开动水驱动型滑坡状态研究具有重要意义。针对目前动水驱动型滑坡突变状态研究较少, 难以获得相关特征, 从而导致状态识别性能不佳的问题, 提出了一种应用于动水驱动型滑坡状态识别的生成对抗网络学习方法。本方法通过构建滑坡状态监测数据矩阵, 依据少量数据样本设计合理的生成器网络完成对滑坡状态的数据扩增并设计判别器网络实现扩增数据的筛选, 通过对抗生成网络实现对滑坡状态的分类, 达到滑坡状态识别的目的。以三峡库区白水河滑坡为研究对象, 将降雨、库水位、深部位移和地表位移等多源监测数据进行了规范化处理, 设计生成器网络和对抗器网络完成了对滑坡状态数据的扩增, 设计滑坡状态识别生成对抗网络完成了对滑坡状态的分类和识别。结果表明, 生成对抗网络对滑坡状态识别具有较高的准确率。研究结果证实本方法能够对目标区域内的动水驱动型滑坡状态进行准确识别和分类, 可直接应用于工程实际。      

基于滑带完整性指标的三峡库区堆积层滑坡失稳破坏判据

滑坡稳定性评价是滑坡防治中关键问题之一,滑坡失稳破坏判据研究可为滑坡稳定性评价提供支持。为了提高滑坡稳定性评价的精度,以滑坡深部位移监测数据为基础的滑坡失稳破坏判据不失为一种有效方法。基于滑坡深部位移监测数据,引入滑带完整性指标,推导得到了滑带完整性指标与滑坡抗剪强度参数之间呈正比例关系;运用滑坡稳定性计算方法和三峡库区堆积层滑坡简化模型,获得了滑带完整性指标与滑坡的稳定性系数之间呈正比例关系。建立了考虑滑带完整性指标的三峡库区堆积层滑坡失稳破坏判据,即：当滑坡滑带土完整性指标大于滑坡滑带土完整性指标的临界值时,滑坡处于稳定状态;当滑坡滑带土完整性指标小于滑坡滑带土完整性指标的临界值时,滑坡发生失稳破坏。以三峡库区典型堆积层滑坡——五尺坝滑坡为例,通过实例分析发现该判据具备可靠性,对堆积层滑坡适用性好。研究成果表明,滑带完整性指标失稳破坏判据可以用于评价滑坡的稳定状态,为滑坡失稳破坏判据研究提供了一种新思路。     

三峡库区麻柳林滑坡变形特征及演化模拟

在库水位波动和降雨作用的共同影响下，库岸滑坡的变形规律往往更为复杂。以三峡库区麻柳林滑坡为例，基于野外调查、钻探编录、深部位移监测以及数值模拟等手段，分析了库水位波动和降雨作用下滑坡变形特征及演化规律。结果表明:麻柳林滑坡在粉质黏土层和块石层交界处发育一个次级滑带，目前该滑坡主要沿次级滑带运动，导致次级滑动的原因与坡体物质的差异性有关；S_i(S_f)指标分析法揭示滑坡的滑带还未完全破坏，滑坡仍处于蠕变状态；根据三峡水库水位调度规律，将一个完整水文年划分为6个阶段，数值模拟结果表明滑坡在库水位缓慢下降阶段变形速率较小、在快速下降阶段和低水位阶段变形速率持续增大、在快速上升阶段和缓慢上升阶段以及高水位阶段变形速率则保持平稳。其中，降雨的直接影响和降雨导致库水位波动进而对滑坡变形造成的间接影响，使得麻柳林滑坡在低水位阶段的变形显著增加、稳定性最差，应加强该时段内滑坡的监测和预警。      

新铺下二台滑坡变形机制及中长期预报模型

以奉节新铺下二台滑坡为例,基于GPS位移监测数据、裂缝数据、降雨量及库水位等多源数据,总结分析了大型古滑坡的复活规律,引入滑坡中长期预报模型,实现了以季度或月份为时间单位的跨水文年滑坡位移预测,并通过岩土体蠕变压缩模型,验证了推移式滑坡后缘裂缝形成机理。结果表明：(1)降雨是下二台滑坡变形的主导因素,滑坡变形使得滑体产生裂缝并成为降雨入渗通道,加剧了岩体破碎与软弱层软化,降低了滑坡稳定性,集中持续降雨可使滑坡失稳破坏;(2)通过模型预测值与地表监测数据的比较,将年降雨量作为滑坡中长期预报模型中的主控因素具有实际可操作性且有助于提高滑坡中长预报精度;(3)推移式滑坡后缘裂缝由滑坡推移式位移和岩土体压缩形成,引入蠕变压缩模型计算的裂缝宽度并和监测数据的比较说明,蠕变压缩模型非常适合该类边坡,同时应用岩土体蠕变压缩模型反推得到岩土体平均变形模量,判断岩体破碎程度,可以为滑坡稳定性分析及后续工程治理提供参考。     

Development of community-based landslide early warning system in the earthquake-affected areas of Nepal Himalaya

In the central Nepal Himalaya, landslides form the major natural hazards annually resulting in many casualties and damage. Structural as well as non-structural measures are in place to minimize the risk of landslide hazard. To reduce the landslide risk,a Landslide Early Warning System(LEWS) as a nonstructural measure has been piloted at Sundrawati village(Kalinchowk rural municipality, Dolakha district) to identify its effectiveness. Intensive discussions with stakeholders, aided by landslide susceptibility map, resulted in a better understanding of surface dynamics and the relationship between rainfall and surface movement. This led to the development of a LEWS comprised of extensometers,soil moisture sensors, rain gauge stations, and solar panels as an energy source that blows siren receiving signals via a micro-controller and interfacing circuit.The data generated through the system is transmitted via a Global System for Mobile Communications(GSM) network to responsible organizations in realtime to circulate the warning to local residents. This LEWS is user-friendly and can be easily operated by a community. The successful pilot early warning system has saved 495 people from 117 households in August 2018.However,landslide monitoring and dissemination of warning information remains a complex process where technical and communications skill should work closely together.     

利用GPS与CRInSAR融合开展微量形变监测的应用研究

利用一种GPS、角反射器和InSAR相融合的微量形变监测方法,在树坪滑坡形变监测中进行了初步应用。利用该方法得到的微量形变监测结果与GPS实测值之间差值的均值为3.33 mm,RMS为3.16 mm。这一结果表明,利用该方法开展微量形变监测是可行的。     

基于S-变换的GNSS滑坡变形监测数据信息提取与抑噪

提出一种基于S-变换的变形监测数据抑噪方法。首先采用S-变换对监测数据进行时频分析,得到二维时频矩阵,再根据二维时频矩阵设计时频滤波器,最后利用时频分析反变换方法重构信号。采用模拟数据和滑坡变形实测数据对该方法的有效性进行验证。结果表明,相较于小波滤波方法,经该方法处理后的变形数据的RMSE和SNR均较优,可准确提取监测点的变形特征,为滑坡变形预测预报提供可靠的监测数据。     

���������ںϵĻ����ۺϼ����Ϣ��ȡ����

??????????????о???????????????????????????????????е???á????÷???????????????????????????????????????????????????????????????????????????С?