“天-空-地”协同滑坡监测技术进展

滑坡灾害是全球范围内发生频率最高、分布范围最广、造成损失最重的自然灾害之一,严重威胁着人类生命财产和重大工程设施的安全。科学监测是实现滑坡预警预报与主动防范的重要技术前提,经过多年的技术攻关,融合高分辨率光学遥感、卫星InSAR、无人机摄影测量、无线传感网络(WSN)等多种新技术方法,滑坡监测已从传统点式人工监测逐步发展到“天-空-地”多维协同监测,在我国地质灾害风险识别与监测预警方面取得显著成效。本文结合多年来对滑坡发生机理与变形破坏过程的研究认识,从天(光学遥感和InSAR)、空(无人机摄影测量)、地(全球导航卫星系统、裂缝计等专业监测)三维立体角度对我国滑坡监测技术的最新研究进展进行了系统总结,分析讨论了不同技术在工程实践中的技术优势和适用性,构建了滑坡变形破坏全过程的“天-空-地”协同监测技术体系,为滑坡地质灾害的科学防范提供一种新的思维范式和经验指导。     

基于卷积神经网络的区域滑坡易发性评价:以三峡库区万州区为例

开展区域滑坡易发性评价是滑坡气象预警与风险评价的关键。针对目前诸多易发性研究未考虑滑坡发生与邻接环境有关的情况,本文提出了一种基于卷积神经网络(CNN)的区域滑坡易发性建模框架。以三峡库区万州区为例,选取坡度、坡向等12个因子构建评价指标体系,通过信息量法分析因子对滑坡发育的影响程度,采用二维矩阵构建数据集,运用CNN进行易发性建模,得到易发性评价图,同时探究构建样本时二维矩阵的大小对精度的影响。研究结果表明,越靠近水库带越易发生滑坡,水系和人类工程活动对于滑坡发育具有较大影响;CNN模型精度为0.925,相比机器学习模型精度明显提升;增大构建样本时的二维矩阵可提高精度。CNN模型在多维空间数据处理方面具有优势,它考虑了滑坡位置及其邻接环境的影响,是一种准确可靠的区域滑坡易发性评价方法。     

滑坡位移EEMD-SVR预测模型

滑坡位移预测是滑坡灾害实时监测预警的重要组成部分,良好的滑坡位移预测模型有助于预测地质灾害发生。滑坡变形受多种外界因素影响呈现出随机性和非线性的特点,在现有的滑坡位移预测方法中,机器学习方法在滑坡位移预测中得到了广泛的应用。针对滑坡位移预测是趋势项位移和周期项叠加的特点,本文研究采用基于集成经验模态分解(EEMD)的滑坡趋势项和周期项位移提取方法,结合支持向量回归(SVR)模型实现对滑坡的位移预测。首先,详细介绍了该模型的构建过程和预测性能,并以均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和决定系数(R²)作为评估模型的预测性能指标。然后,分别利用EEMD-SVR、SVR、Elman模型对贵州省岩溶山区的一处滑坡进行位移预测,结果表明,EEMD-SVR模型连续1 d预测的RMSE值、MAPE值和R²值分别为0.648 mm、0.518%和0.996 8,可以提供更高可靠的滑坡位移预测精度,对同类滑坡的位移预测具有一定的参考价值。     

光学遥感与InSAR结合的金沙江白格滑坡上下游滑坡隐患早期识别

2018-10-11和2018-11-03,金沙江上游西藏自治区江达县波罗乡白格村附近先后发生两次大规模高位滑坡堵江。虽经人工干预处置后进行泄流,但还是对下游居民和交通设施造成了严重损失,其上下游是否还存在类似的大规模滑坡隐患,成为白格滑坡灾害发生后社会各界关注的焦点问题。首先利用高精度光学卫星影像对白格滑坡上游30 km和下游100 km范围内的滑坡隐患进行人工目视解译和定性评价,共识别出滑坡隐患51处,其中下游70~100 km范围内有10处具有堵江风险的滑坡隐患。在此基础上,对具有堵江风险的重点区域（白格滑坡下游70~100 km范围内）收集存档ALOS PALSAR-1和Sentinel-1A雷达卫星数据,利用短基线差分干涉测量技术开展滑坡隐患地表形变定量探测和分析评价,共探测出7处具有较显著形变的滑坡隐患,其中3处堵江风险较大,为白格滑坡上下游地质灾害防治和川藏铁路选线提供了参考。     

基于栅格GIS滑坡风险评价方法中格网大小选取分析

以地理信息系统（GIS）作为工具和研究手段的滑坡风险评价方法已得到了普遍的认可和使用，较为成熟的方法是基于栅格GIS的滑坡风险评价方法，即将滑坡风险评价中考虑的各种因子归一化处理后转换成相同空间分辩率的定量数据，然后根据特定模型进行数据运算，最后得到风险评价结果图。但在风险评价过程中存在这样的问题：对于已经量化的各影响因子，采用什么样的空间分辩率来栅格化这些因子数据才比较合适。该文以基于地形的香港大屿山滑坡风险评价为例，分析了影响空间分辩率选择的因子，并给出了影响因子空间分辩率确定的经验公式。     

基于鸟群优化BP神经网络的滑坡处治后变形预测

滑坡变形程度是判断处治后滑坡是否稳定的关键评价指标，开展处治后滑坡变形预测可提前掌握滑坡稳定性情况，有利于滑坡失稳风险分析，便于开展地质灾害防灾减灾工作。为了准确预测处治后滑坡变形情况，本文提出了一种采用鸟群算法（BSA）优化BP神经网络的滑坡变形预测方法，借助BSA-BP神经网络构建了广西某高速公路滑坡变形预测模型，对比分析了BSA-BP神经网络与BP神经网络的预测结果。结果表明，BSA-BP神经网络预测结果的均方误差和相关系数分别为0.053 4和0.997 6,BP神经网络预测结果的均方误差和相关系数分别为2.225 6和0.968，鸟群算法可有效提高BP神经网络模型的预测精度，能有效应用于处治后滑坡变形预测，研究结果可为处治后滑坡失稳风险预测提供参考。     

GIS支持下滑坡灾害空间预测方法研究

滑坡预测在防灾减灾工作中具有重要意义,它包括空间、时间预测两个方面。基于统计模型进行区域评价与空间预测是滑坡灾害研究的重要方向,但是预测结果往往依赖样本数量和空间分布等。本文以马来西亚金马伦高原为研究区,选择高程、坡度、坡向、地表曲率、构造、土地覆盖、地貌类型、道路和排水系统作为评价因子,探讨运用地理信息系统(GIS)和遥感(RS)获取与管理滑坡灾害信息,以及热带雨林地区湿热环境下滑坡空间预测的方法。支持向量机(SVM)和逻辑(Logistic)回归模型分别应用于滑坡空间预测,结果显示平均预测精度分别为95.9%和86.2%,SVM法具有较高的描述精度,值得推荐;同时,基于SVM模型的滑坡空间预测受样本影响较小,预测结果相对比较稳定,这对于滑坡灾害区域评价与预测的快速实现具有实际意义。     

顾及降雨影响的动态优化时滞时序GM(1,2)模型在滑坡位移预测中的应用

滑坡体除了因自身重力产生位移外,还受到降雨的影响,但通常降雨对滑坡位移的作用具有滞后性。为了分析并预测降雨对滑坡位移的影响,本文提出一种顾及降雨影响的动态优化时滞时序GM(1,2)滑坡位移预测模型。首先,利用经验模态分解(EMD)分解位移序列并通过时间序列重构得到周期位移序列和趋势位移序列,对降雨数据和滑坡周期位移序列进行时滞分析和相关分析,确定时滞时间和影响程度,建立基于背景值优化的动态时滞GM(1,2)模型预测降雨量变化导致的滑坡周期位移变化;然后,建立门限自回归模型预测滑坡趋于自然变化的趋势位移;最后,通过时序叠加得到顾及降雨影响的滑坡预测位移,建立了顾及降雨因素的动态优化时滞时序GM(1,2)组合预测方法。本文以福宁高速公路八尺门滑坡和秭归县八字门滑坡监测数据为例,验证了动态优化时滞GM(1,2)模型的精度,并与其他模型的预测结果进行了对比分析。试验结果表明,动态优化时滞时序GM(1,2)组合预测模型能准确地预测降雨影响导致的滑坡位移变化,预测效果较好,该组合模型对滑坡灾害的预警与防治具有一定的参考价值。     

复杂植被山区滑坡蠕变与植被覆盖度关系研究

针对目前复杂植被山区滑坡蠕变监测受植被覆盖影响较大、不同植被覆盖度下滑坡蠕变关系研究缺乏等问题,该文联合Sentinel-1和ALOS PALSAR-2数据集,分别利用SBAS-InSAR和D-InSAR两轨差分技术,获取研究区2019年7月—2020年8月的雷达视线向形变时间序列,分析了复杂植被山区滑坡蠕变与植被覆盖度的内在关系。结果表明：(1)不同植被覆盖度等级对平寨水库库岸山区滑坡蠕变的影响具有显著差异,在低、中高和高植被覆盖度等级时诱发坡体沉降,在中植被覆盖度等级时抑制滑坡蠕变;(2)平寨水库库岸山区的滑坡蠕变体主要集中在库区NW-SE方向,分布与三岔河流域的流向相近;(3)联合多源数据对复杂植被山区滑坡蠕变进行组合探测能够有效克服时间、空间去相干影响,使滑坡蠕变体监测结果更为可靠。研究结果揭示了滑坡蠕变与植被覆盖的内在联系,可以为区域尺度防灾减灾事业提供科学支持。     

残差修正的GM(1,1)模型在滑坡位移预测中的应用

根据滑坡监测研究现状,利用Matlab编程以及新滩滑坡监测点A3和B3的位移监测资料,建立了GM(1,1)预测模型和一阶残差修正的GM(1,1)预测模型;并对两种灰色预测模型的变形预测结果进行了比较。结果表明,经过残差修正的GM(1,1)模型的预测精度明显高于传统GM(1,1)模型的预测精度。     

基于Google Earth影像的黄河上游干流地区滑坡特征分析

黄河上游干流地区由于特殊的地形地貌和地质构造使得滑坡灾害频发,对其开展滑坡灾害监测、分析研究,具有十分重要的意义。本文利用2015年间Google Earth遥感数据,提取并分析了该地区的滑坡灾害分布信息,取得了如下成果及认识:1)研究区的空间展布形态主要有7种,滑体性质类型有6种,岩质滑坡数量最多。2)从空间分布特征看,共发现研究区有各类滑坡162处,滑坡主要集中分布在群科-尖扎盆地;从滑坡类型看,研究区滑坡主要为大型滑坡和巨型滑坡。3)滑坡体长、宽主要集中在0~1 500 m和500~1 500 m之间,且长、宽呈两极化方向延伸,滑坡体面积分布不均,滑坡数量随着方量的增大呈现减少的趋势,发生的滑坡主要是滑坡体厚度在25~50 m的深层滑坡。4)滑坡数量在0°~90°之间有峰值出现,然后向两端逐渐减少。     

GIS支持下应用PSO-SVM模型预测滑坡易发性

滑坡灾害易发性预测是滑坡监测、预警与评估的关键技术。如何有效地选取评价因子和构建预测模型是滑坡灾害定量预测研究中的难题。本文以三峡库区长江干流岸坡作为研究区,通过地形、地质和遥感等多源数据融合,提取滑坡孕灾环境和诱发因素的信息作为评价因子。在此基础上,针对滑坡灾害的非线性和不确定性特征,采用粒子群算法对支持向量机模型参数进行全局寻优,构建粒子群算法(particle swarm optimization,PSO)-支持向量机(support vector machine,SVM)模型,定量预测滑坡易发性。最后通过分类精度比较分析基于格网单元和对象单元的滑坡易发性预测精度,结果表明,基于对象单元的PSO-SVM预测精度较高,其曲线下面积为0.841 5,Kappa系数为0.849 0,预测结果与野外实际调查情况较为一致,可为三峡库区滑坡防灾减灾工作提供参考。     

一种结合SMOTE和卷积神经网络的滑坡易发性评价方法

大规模的人类工程活动诱发和加剧了滑坡灾害的致灾情况,严重威胁工程安全和环境安全。滑坡易发性评价是滑坡监测预警的关键技术。针对传统滑坡监测手段数据源有限、缺乏挖掘滑坡灾害空间分布特征及其诱发因素的有效方法等问题,以位于三峡库区的中国重庆市万州区为研究区,基于地形、地质和遥感影像等多源数据,首先提取了22个滑坡易发性评价因子,并对这些因子进行多重共线性检验;然后采用合成少数类过采样技术(synthetic minority oversampling technique, SMOTE)解决滑坡和非滑坡样本比例不平衡问题,建立输入训练集;最后构建卷积神经网络(convolutional neural networks,CNN)模型,定量预测滑坡易发性,生成滑坡易发性分区图。采用受试者工作特征曲线分析评价结果,测试数据集模型精度达89.50%,说明该模型是一种高性能的滑坡易发性评价方法。     

顾及降雨量因子的自适应卡尔曼滤波模型在滑坡变形预测中的应用

滑坡是世界上最主要的地质灾害类型之一.滑坡的监测和防治仍是当前国内外学者研究的重点,尤其是滑坡变形的预测和预报.卡尔曼滤波已广泛应用于滑坡变形监测数据处理中,且自适应卡尔曼滤波已经很好地解决了传统卡尔曼滤波发散的问题.但在分析降雨型滑坡变形的过程中,降雨(地下水位)对滑坡体的影响不容忽视.因此,引入降雨量因子,提出顾及...     

利用2016—2020年Sentinel-1数据监测与分析三峡库区树坪滑坡稳定性

由于不良地质条件和周期性蓄水等因素影响,中国三峡库区岸坡的稳定性问题一直备受关注。获取了覆盖树坪滑坡周围区域2016-03─2020-03的111景哨兵1号(Sentinel-1)数据,利用时间序列合成孔径雷达干涉测量技术(interferometric synthetic aperture radar,InSAR)对该数据集中的高相干点目标和分布式目标进行分析,获取实验区坡体变形。结果显示,实验区内有7处坡体处于活跃状态,最大变形速率达到70 mm/a。与树坪滑坡GPS形变观测值进行比较,验证了InSAR结果的有效性。通过对树坪和三门洞等典型滑坡的时序分析发现,库区水位和集中降雨是滑坡变形的主要影响因素,实验区内的治理工程有效减缓了变形趋势。与此同时,公路建设与植被耕种等人类活动引起了熊家岭村等出现地面沉降,需密切关注以防止出现安全隐患。所得结果证明时序InSAR技术可以有效识别和监测滑坡,为地质灾害风险普查以及防灾减灾治理成效评价提供技术支撑。     

改进灰色GM(1,1)模型在滑坡预测中的应用

滑坡形成因素复杂,具有典型的灰色不确定性。为研究滑坡发展趋势,在已有滑坡预测技术的基础上,分析了典型灰色GM(1,1)模型在运算过程的误差原因,建立了改进灰色GM(1,1)模型;并运用滑坡实例验证了改进模型,直观显示曲线拟合情况。结果表明,改进后的模型预测精度等级明显提高,相对误差减小;说明所建滑坡预测模型效果好,在滑坡位移预测中有效可行。     

Logistic模型的兰州市降雨型黄土滑坡预警研究

为了综合考虑降雨与岩性地层实际渗水能力的关系及多种滑坡致灾因子,该文基于logistic回归模型构建了兰州市降雨型黄土滑坡预警模型。该模型首先以坡度、坡向、植被指数、不透水层、不同岩性渗水能力和公路数据为滑坡发生的关键影响因子;其次,选取实验区相关数据并通过SPSS计算得到权值函数;最后,通过logistic回归模型计算滑坡发生的概率,获得不同降雨量下的黄土滑坡风险区划图。模型结果显示,研究区内滑坡发生风险较高的区域随着降雨量的增加而增大,在低降雨量下与公路边坡的稳定性的关系十分密切,在高降雨量下与岩性的渗水能力关系较大,且预警降雨量为30 mm,通过历史发生的滑坡数据进行验证,发生在滑坡概率为中以上的滑坡点占比超过87.1%,验证结果显示该模型的预测精度较高,更满足实际滑坡预测的需求。     

基于GM(1,1)数据融合算法的滑坡预测研究

滑坡会对人类生命和财产造成巨大损失,预测预报是预知滑坡灾害发生并减少其影响的重要手段。GM(1,1)算法在滑坡预测中得到普遍应用,该算法具有较少数据量建模的优点。对于滑坡不需要了解各种影响因子的具体状态,但存在建模数据量选取不确定性和长时距预测精度降低的问题,以GM(1,1)模型为基础,引用数据融合技术,对滑坡变形量进行预测,并用实测数据进行验算,结果表明该方法能提高滑坡的预测精度。     

基于网络分析法的滑坡灾害风险区划研究及工程应用

本文介绍了网络分析法基本原理及计算方法,并采用其模型原理,对构成滑坡灾害的地层岩性、坡度、坡向、植被覆盖、河网缓冲、高程等多个评价因子进行了分析和叠合评价。通过分析专家评定所需滑坡评价因子间复杂的关系,得到了庐山风景区滑坡灾害风险等级图,且评价结果与该区调查滑坡资料的分布情况吻合,为滑坡预警和滑坡治理提供了科学依据。     

GNSS滑坡监测预警技术进展

滑坡灾害在全球广泛分布,严重影响人类活动和人居安全。全球卫星导航系统(GNSS)已经被广泛应用于滑坡灾害监测预警工作,但其在复杂场景监测预警中依然存在诸多技术瓶颈。本文首先综述了GNSS硬件数据采集、软件数据处理和多源融合监测等方面的研究进展,重点分析了各类GNSS滑坡监测技术优势、适用范围和存在问题;然后,从滑坡位移预测、临滑时间预报和预警实施等方面介绍了GNSS滑坡预警的技术方法;最后,在梳理复杂场景GNSS实时滑坡监测预警中面临挑战的基础上,对GNSS滑坡监测预警技术的发展趋势和研究方向提出了一些思路。