基于物聯網的滑坡地質災害預警系統的設計

張衛，徐均，李奇，賈婧，劉紅義，岳鐵鑄

（北京京航計算通訊研究所，北京100074）

引 言

在強降雨的誘發下，滑坡、崩塌、泥石流、塌陷等地質災害經常發生，資料表明，由暴雨誘發的地質災害的概率約占85%，其中近95%的滑坡等地質災害發生在暴雨開始的10小時以后，86%的滑坡等地質災害發生在強降雨開始的24小時以后［1］。無論在暴雨過后多長時間發生地質災害，往往和監測區域的有效降水量、河道水流情況、地質條件等密切相關。由于滑坡等地質災害具有突發性、隨機性，以及短時間內能造成巨大損失的特點，傳統模型并不能實時準確地預測監測區域的危險系數。本系統能根據降雨型滑坡形成機理，將無線傳感網、物聯網等技術應用到滑坡等地質災害預測模型中，從而全面地感知監測區域的多維數據，實現動態預警的同時提高了預警準確性。

1 系統總體設計

針對山區復雜地形，結合物聯網、無線傳感網等技術的應用特點，特提出基于物聯網的滑坡地質災害預警監控系統，其系統結構如圖1所示。該系統主要由前端無線感知網絡、中間傳輸網絡、數據處理中心等組成。其中前端感知網絡負責實時感知監測區域的動態變化，為合理決策提供科學依據；中間傳輸網絡部分主要包括GPRS無線傳輸和IP網絡通信等，負責把前端無線感知網絡采集的數據包傳送至遠端的數據處理中心；數據處理中心具有數據分析統計、數據建模、模糊判斷、數據共享等功能。同時，系統可以通過網站信息、應急短信、電話、LED 顯示屏發布相關預警信息。

圖1 預警系統結構圖

根據資料分析與專家意見，將滑坡等地質災害的影響因子主要劃分為誘發因子與地質條件兩大類，具體的影響因子如表1所列［2］。其中，外在誘發因子主要指有效降水量和水流情況，而內在地質條件主要包括斷層裂縫、靠近水域、地質巖性、地貌起伏度、高程等。根據影響因子與相關技術建立有效的預警模型，實現對監測區域的滑坡等地質災害的實時預警。

表1 滑坡等地質災害影響因子

2 網絡節點設計

2.1 利用ZigBee技術互聯通信

某一監測點內部采用ZigBee技術進行組網通信，實現對監測區域的全方面感知與控制。ZigBee WiFi、Bluetooth、GPRS／GSM 等常用無線通信技術的具體參數如表2所列。ZigBee具有成本低、體積小、功耗低、易于擴展、感應性強等特點［3］。考慮到降雨型滑坡系統的監測網絡節點較多、數據傳輸量不大，但覆蓋面相對較廣的特點，感知區域適合采用ZigBee技術進行互聯通信。

表2 常用無線通信技術參數

2.2 網絡節點的硬件結構設計

網絡節點是一個微型嵌入式系統，是構成數據采集與信息傳輸系統的基本單元，它能在較小的體積內集成多種功能，如數據采集、信息處理和無線數據收發等功能。網絡節點一般由處理器模塊、ZigBee通信模塊、能量供應模塊、傳感器模塊（協調節點可沒有傳感器模塊）等模塊構成。其中傳感器模塊作為整個系統的“感知器官”，負責監測區域內信息的采集和數據轉換；處理器模塊作為整個節點的“大腦”，主要負責對傳感器模塊、ZigBee通信模塊的控制及整個節點的協調等；ZigBee通信模塊作為網絡節點的“耳朵＋嘴巴”，負責與其他網絡節點進行無線數據通信。其中終端節點僅包含Zigbee通信模塊，協調器節點包含ZigBee通信模塊和GPRS數據收發模塊；能量供應模塊則是節點的“心臟”，為網絡節點的各個組成部分提供足夠的動力和能量。

根據實際功能需求及部署特點，采用星型的無線網絡分布模型，具有組網簡單快捷、數據傳輸快等特點。在該模型下只需設計兩類節點：終端節點和協調器節點，其結構分別如圖2和圖3所示。其中，協調器節點負責收集小范圍內終端節點所采集的數據信息，而終端節點主要負責信息采集并實時發送至協調器節點。在網絡節點的能量供應設計方面，由于協調器節點既要負責收集整個Zig-Bee網絡的信息，又要將數據包通過GPRS 模塊轉發出去，需要較大的功率，可采用太陽能或線路供電等模式。而終端節點只需要定時將采集的數據包發送至協調器節點，然后就迅速進入睡眠狀態，其功率較小，可采用電池單獨供電，或者通過線路與協調器節點共用供電系統。

圖2 終端節點結構圖

圖3 協調器節點結構圖

在網絡節點的操作系統選擇方面，考慮到節點的任務量相對少，而數據傳輸的實時性要求較高，系統可選用一些實時性較強、可移植、可固化、可裁剪、搶先式多任務內核的操作系統，如Tiny OS、μC／OS-II等。

2.3 傳感器的全面感知

在監測區域選擇性部署電子自動雨量計，并在已發生（潛在發生）滑坡、泥石流所經河道的水壩前設置多個孔洞，每個孔洞下端部署一個液位傳感器，在不同深度部署數個液體流速傳感器，實時采集監測區域降雨及河道水流信息。其中，測量的有效降雨量作為山體滑坡危險度的第一指標，河道水位深度及流速作為輔助指標。同時，在易發斷層裂縫處部署多個縫距傳感設備，測量地表裂縫分割體之間相對張開、閉合、位錯及垂直向升降的變化量，從而全面感知監測區域的動態變化。

3 預警模型

3.1 影響因子分析

在地形較為復雜的山區，降雨型滑坡等地質災害一般由一系列外在誘發因子和內在地質條件等影響因子共同作用誘發產生。由于各因子在誘發災害過程中的作用程度不同，內在則表現為各影響因子在數據模型中所占權重不同。由于很難獲取大量的歷史滑坡統計數據，本文結合相關資料，相關影響因子權值采用主觀賦權法（也稱為專家賦權法）來確定，即通過一定方法綜合各位專家對各指標給出的權重進行的賦權。經統計，各影響因子的權重調整范圍及初始值分配如表3所列。

表3 各級影響因子權重分配

（1）影響因子

研究表明降雨對山體滑坡的誘發作用，不僅取決于當日降雨量，還和近期降水量、河道水流等情況密切相關。系統利用部署的電子雨量計實時測量降水量r，在河道中安裝液位傳感器，測量數據為h。近期滑坡等地質災害有效降水量Re是指近期各日降雨量（M 天內）與其影響系數乘積之和，而有效估計降水量R為有效降水量Re、近期（次日）預計降水量Rf和各自影響系數乘積之和，具體計算公式為：

其中i表示雨期距今天數，i＝0表示當天，i＝1表示前一天，Ri為某天降水量（當天降水量可以分時統計）；αi為該天的降水影響系數，考慮到持續型降雨誘發地質災害的滯后性，隨著計算雨量日期的前移，系數αi逐漸減小；β1和β2分別為有效降水量、近期預計降水量的影響因子。結合近期發生泥石流時的平均警戒有效降水量Rav、河壩的警戒水位高度H，參照公式（3）聯合估計有效降雨所產生的不穩定分值f。

其中，參數λ1、λ2、K1、K2均為可調整參數，K1、K2初始值為1。

（2）地質巖性

根據當地的地質測繪圖，并結合實地考察，對各個監測點的地質巖性進行量化，初步劃分為4 個等級，即V1松散巖組、V2粘軟巖、V3中硬巖組、V4堅硬巖組［1］。

（3）到水系距離

滑坡等地質災害與到周邊水系（如湖泊、池塘、水庫、較大河流等）的有效距離有著比較緊密關系。據統計，距水系的有效距離越近，發生地質災害的頻率越高。系統可根據監測區域地質地圖等資料，計算監測點距周邊水系的有效距離。

（4）高 程

可以利用監測區域的GIS地圖，對前段監測區域的高度進行統計。根據高程對滑坡等地質災害影響的程度和實際情況，初步將高程劃分為3個等級，即500 m 以下、500～1000m、1000m 以上。

（5）地貌起伏度

地貌起伏度反映地表起伏變化，常指某一確定面積（監測區域）內最高點和最低點海拔高度之差。可以利用GIS等技術建立數字高程模型，提取地貌起伏度、坡度和坡向等地形參數。將監測區域地貌分為：H1平坦起伏（0～50m）、H2小起伏（50～100m）、H3中起伏（100～300 m）、H4山地起伏（300～600 m）、H5 高山起伏（600～1500m）等。由于極高起伏地區的人類活動稀少，不在統計范圍內。

此外，要在易發斷層觸發帶安裝裂縫器以測量裂縫的情況，全面感知潛在誘發因子。由于裂縫和地質附著力等地質環境密切相關，此部分要結合實際情況而定。

3.2 多維權重組合模型

在組合型數據模型中，需要在一定范圍內調整一階因子權值，使其和為1。任取二級因子網格單元k，其所屬的一級因子的權值為wi，針對實際測量情況，在一級因子確定的情況下，量化其二級因子，確定歸于或者相近于哪一具體子集，從而確定二級權值，即確定j值。例如，在一級影響因子地質巖性的范圍內，經過查閱GIS等勘測資料和實地考察等方式，確定最接近于二級子集v1、v2、v3、v4中的哪一種，從而選擇合適的二級權值。對于組合了各二級因子的網格單元k，定義其不穩定分值Si＝wi·，然后根據各級不穩定分值確定滑坡等地質災害的易發性指數（LandsLide Susceptibility Index，LSI）。

LSI是評估監測區域的最敏感性指標，值越大，發生滑坡等地質災害的概率越大，當其超過某具體閥值，就會提前預警。

3.3 數據分析

按照上述公式（1）～（4），計算各個監測點的LSI，根據地質災害的易發性指數將檢測區域劃分為極輕微、輕微、中等、較嚴重、嚴重、極嚴重6級，并用不同顏色進行標記，然后采用等間距、均值-標準差等方法，實時（間隔固定時間，如半小時繪制一次）繪制整個監測區域的滑坡等地質災害危險系數預警圖，從而實現滑坡等地質災害預報的精細化管理。

在數據建模方面，采用了自調整的動態神經網絡模型，利用歷史數據或者實施過程中逐步獲取的數據，對模型的自身結構及學習規則進行了動態優化，調整各級權重，使模型達到最優，從而使得系統具有更強的適應性和準確性。

結 語

本文在原有模型的基礎上進行改進，利用傳感器網絡實時感知監測區域的多種指標，運用多因素動態聯合建模，采用定量分析法，對降雨型滑坡等地質災害進行相對準確預報。系統根據每個監測點的LSI，利用相關方法繪制整個監測區域的危險系數預警圖。對于超過閾值的，立即報警，有效預防和避免了地質災害，保護人民生命財產安全。

系統具有高集成度、高精度、全天候自動化實時監測與自動預警的能力，同時還具有監測范圍大、部署靈活的特點。在指導降雨型滑坡的防災與減災方面具有較強的實用價值。

［1］王衛東.基于GIS的區域公路地質災害管理與空間決策支持系統研究［D］.長沙：中南大學商學院，2009.

［2］解傳銀.基于權重模型的滑坡災害敏感性評價［J］.中南大學學報：自然科學版，2011，42（6）：1772-1779.

［3］Sena.The comparison of Wi-Fi，Bluetooth and ZigBee［EB／OL］.［2012-11-10］.http：／／www.sena.com／blog／？p＝359.

［4］Brew G，Barazangi M.Tectonic map and geologic evolution of Syria：The role of GIS［J］.The Leading Edge，2000（19）：176-182.

［5］郭芳芳，楊農.地形起伏度和坡度分析在區域滑坡災害評價中的應用［J］.中國地質，2008，35（1）：131-141.

［6］國土資源部.四川雅安地質災害預警示范區［EB／OL］.［2012-11-10］.http：／／www.mlr.gov.cn／dzhj／201003／t20100326＿142901.htm.2012.

［7］張春山，張業成，馬寅生.黃河上游地區崩塌、滑坡、泥石流地質災害區域危險性評價［J］.地質力學學報，2003，9（2）：143-153.

［8］殷坤龍，朱良峰.滑坡災害空間區劃及GIS 應用研究［J］.地學前緣，2001，8（2）：279-284.

［9］劉藝梁，殷坤龍.邏輯回歸和人工神經網絡模型在滑坡災害空間預測中的應用［J］.水文地質工程地質，2010，37（5）：92-96.

［10］曹炯清.基于IEEE 802.15.4無線傳感器網絡的山體滑坡檢測系統［J］.電腦知識與技術，2009，5（8）：1817-1819.

［11］張繼賢.3S支持下的滑坡地質災害監測評估與建模［J］.測繪工程，2005，14（2），1-5.

［12］謝洪，鐘敦倫，矯震，等.2008年汶川地震重災區的泥石流［J］.山地學報，2008，27（4）：501 509.