多種智能監測手段在滑坡預警中的應用研究

覃 事 河，周 全

(1.國電大渡河金川水電建設有限公司，四川 阿壩 624100；2.四川中水成勘院測繪工程有限責任公司，四川 成都 610072)

1 概 況

滑坡體位于大渡河猴子巖水電站庫區，地處四川省甘孜藏族自治州丹巴縣格宗鄉開繞村大渡河右岸溪火溝(下游側)與雜交溝(上游側)之間。大渡河在該段總體凸向右岸，至S66°W流入滑坡體上游，再以S48°E流經滑坡體前緣，以S70°E流出。下游溪火溝切割較深，上游雜交溝切割較淺。猴子巖水電站庫區省道211復建公路從該滑坡體中部1 860 m高程附近穿過，公路外側為3～10 m高的混凝土擋墻。滑坡體沿省道211復建公路長約480 m，頂部高程為2 080 m，底部高程約1 840 m或更低，體積約450萬m3。高程2 080 m以上天然坡度約為45°～51°，植被發育稀疏。高程2 080 m以下一般為33°～40°，植被發育。滑坡體下游側地形上為一突出山脊，溝梁相間，地形不完整，下游側沖溝切割相對較深，溝槽切割5～12 m，溝內有崩坡積塊碎石。滑坡體上游側沖溝切割不明顯，為一相對淺凹槽地形，地形相對完整。

該滑坡體上部為崩坡積堆積層，基巖巖性為綠片巖夾千枚巖，公路附近基巖巖層產狀N10°～30°W/NE∠40°～55°，走向與該庫段坡向基本一致，為順向邊坡。微新綠片巖、千枚巖為較軟巖，而強風化或強卸荷綠片巖、千枚巖多為軟巖。滑坡體區域位置示意及巖層結構見圖1。

2017年11月下旬，滑坡體下游沖溝部位公路外側擋墻及內側坡面出現變形跡象。隨后，猴子巖公司立即組織設計單位開展了詳細的裂縫普查、地質測繪及應急處治施工，并按照大渡河智慧企業預警決策管控體系引入多種智能監測手段管控滑坡體風險。2018年2月10日至14日，該滑坡體出現明顯滑移，因科學監測、成功預警且措施到位，未造成任何傷亡事件。

圖1 滑坡體區域位置示意及巖層結構圖

2 智能監測手段

按照大渡河智慧企業預警決策管控體系[1]，采用全球導航衛星系統(GNSS監測自動化)、三維激光掃描監測技術、微芯樁監測預警系統等多種智能手段監測預警，并與傳統的高精度全站儀監測成果對比分析。為了綜合利用各監測手段，監測斷面總體上按照“四橫四縱”布置，監測點分散于不同部位、不同高程，既滿足監測范圍覆蓋整個滑坡區域，又便于監測成果的系統性分析。同時，結合滑坡區域淺表層變形狀況，對主變形區適當加密，次變形區適當減弱。另外，還兼顧了不同監測手段之間的相互驗證，以提高監測成果的可靠度。

2.1 高精度全站儀監測

滑坡區域共布設表面變形監測墩24個，滑坡區域外布設水平位移工作基點4個，工作基點組成大地四邊形網。由于受地形條件限制，觀測方法采用極坐標法。測量儀器選用徠卡TM30全站儀，按二等邊角測量精度觀測，平差計算采用專用平差軟件進行數據處理，部分棱鏡直接安裝在觀測墩上。

監測點分兩次布設，第一次沿省道211復建公路附近布設外部變形監測點9個，于2017年12月14日開始觀測。第二次在邊坡上增設外部變形監測點15個，于2018年1月29日開始觀測。觀測頻次為24小時一次，變形加劇期間可適當加密觀測頻次。

2.2 全球導航衛星系統(GNSS監測自動化)

滑坡區域共布設GNSS監測自動化測點6個，變形區域外穩定基巖處布設GNSS基準站1個，搜星效果較好。數據觀測采用靜態測量模式，24小時連續觀測，能達到每30分鐘解算1次。儀器設備采用徠卡GM10接收機和AR10天線，供電系統采用180W太陽能板和12V150AH膠體蓄電池供電，通過4G無線傳輸方式將數據傳送到15公里外的辦公室，借助互聯網對其進行遠程操作、查看、下載和分析數據。

2018年1月上旬，啟動GNSS監測自動化預測預警工作。為保證數據質量、穩定性以及與高精度全站儀監測成果對比分析，仍選用24小時的數據量進行解算。變形加劇期間，提高了監測數據分析頻次，作為滑坡體變形趨勢分析。

2.3 三維激光掃描監測技術

三維激光掃描技術是一種先進的全自動高精度立體掃描技術，可以快速地獲得被測物體表面密集的、全面的、關聯的、連續的三維坐標數據及影像數據。因此，也被稱為“實景復制技術”[2-4]。利用三維激光掃描監測技術可精確獲取該滑坡體的整體空間信息，通過不同時間段空間信息的數據掃描采集，對數據進行拼接、融合、坐標轉換等處理。最后，通過空間差值算法計算滑坡體不同間隔時間段的變形量值，從而達到了解滑坡體三維變形時空演化規律、掌握滑坡體主要變形區域和變形速率的目的。儀器設備采用奧地利瑞格公司生產的VZ-400三維激光掃描儀，掃描方式為沿省道211復建公路自下游往上游依次架站掃描，累計布設測站20個，原則上，每7天對滑坡區域全方位掃描一次。

2.4 微芯樁監測預警系統

微芯樁智能監測預警系統由微芯采集終端、微芯測站、isafety云平臺、手機客戶端等部分構成。應用于該工程的微芯樁監測系統硬件包含微芯樁14個、一桿式采集測站1個、應急式測站1臺，軟件包括iSafety云平臺、工程安全衛士APP等。在滑坡體表面布設整套監測系統，完成整個滑坡體的傾斜監測、傾向監測、震動監測。通過位移、傾角、振動指標判斷邊坡是否發生失穩現象，并評價測點所處區域發生垮塌的可能性。當監測值超過預警值后，放置于現場的便攜式裝置就會立即報警預警，手機客戶端也會同步發出預警提示。微芯樁主要安裝在孤石群區域，實時監測大孤石震動與滑移情況。

3 監測成果分析

3.1 高精度全站儀監測成果分析

根據2017年12月14日至2018年6月21日期間的監測成果[5]，滑坡體的變形過程大致可分為以下五個階段：2017年12月14日至2018年1月17日期間為變形初始階段，日變形量均在20 mm以內。2018年1月18日至2月8日期間為變形加速階段，截至2月3日，大于50 mm/d的監測點2個。2月8日，最大水平位移163 mm/d，最大沉降量294 mm/d。2月9日至2月22日期間為滑移變形階段，其中，2月9日，最大水平位移357 mm/d，最大沉降量630 mm/d。2月11日，最大水平位移3 101 mm/d，最大沉降量4 792 mm/d，為變形的最高峰值。隨后，日變形量稍有回落但量值依然較大，其中，2月16日，最大水平位移858 mm/d，最大沉降量938 mm/d。2月22日，最大水平位移235 mm/d，最大沉降量273 mm/d。2月22日至3月31日期間為變形趨緩階段，多數監測點日變形量在數十毫米，少數監測點日變形量超過100 mm。截至3月13日，各測點變形量均小于50 mm/d。截至3月25日，各測點變形量均小于20 mm/d。4月1日實行應急管制通行以來的持續變形階段，滑坡體總體處于穩定狀態。但受汛期降雨等因素影響，滑坡體變形速率略有增大，日變形值集中在20～30 mm/d之間。

結合累計位移曲線分析，位移量超過10 m的測點11個，方向主要為垂直河道略偏向下游，且位移超過10 m的測點日變形最大值均發生在2018年2月11日，說明邊坡在當日發生大規模滑移，與滑坡體實際情況吻合。另外，監測成果表明最大變形測點為滑坡體后緣的TP15測點，該點的累計水平合位移達18 383.1 mm，沉降量達23 972.3 mm，而滑坡前緣變形相對較小，說明滑坡體以后緣變形為主，向河床側滑移，前緣向河床側擠壓變形。特征點在河床臨空向與垂直方向的累計位移曲線見圖2。

注：Y表示垂直于臨空面，當Y為正時，表示向臨空面(河中心方向)位移；H表示垂直方向，當H為正時，表示沉降圖2 特征點在河床臨空向與垂直方向的累計位移曲線

3.2 GNSS監測自動化成果分析

2018年1月6日至2018年6月21日期間，滑坡體的監測成果見表1。

表1 GNSS監測成果統計表 /mm

從表1可以看出，2018年1月6日至2018年6月21日期間，除GPS-3(布設于滑坡范圍外山體頂部)外，其他測點均發生了顯著位移。GPS-5測點累計變形量最大，其水平合位移12 489.1 mm，沉降量1 0432.9 mm。各監測點的日變形峰值均出現在2018年2月11日，與全站儀監測成果吻合。GNSS監測自動化成果客觀反映了滑坡體在變形初期、加速、滑移等各個階段的變形規律。

3.3 三維激光掃描監測成果分析

將首期三維激光掃描成果與第16期(2018年6月21日)三維激光掃描成果進行對比[6]，結果表明：滑坡區域外的參照物(如頂部鐵塔等不動區域)完全吻合，說明三維激光掃描監測精度滿足邊坡三維變形監測分析要求。

采用三維網格重建技術，對三維掃描點云進行三維模型重建，利用空間差值算法對兩期數據進行差值處理。計算表明，截至2018年6月21日，滑坡體最大變形點發生在下游I區后緣頂部，累計滑移18.16 m，滑坡方向為垂直河道略偏向下游。相比高精度全站儀外觀監測成果，三維激光掃描成果在同一位置的變形量值一致，變形程度最大的區域位置接近，均為滑坡后緣頂部。

對比分析后發現，2018年1月27日至2018年3月25日期間，該滑坡體經歷了復雜的大變形過程。3月26日至6月21期間變化率較小，但整個滑坡區域仍然可以分為破壞較為嚴重的下游I區與破壞程度相對較輕的上游Ⅱ區，Ⅰ區后緣與側緣滑面基本貫通，上游Ⅱ區后緣大部分貫通，側緣靠上游側未貫通。滑坡體整體滑移后，原始邊坡遭到破壞，邊坡形態發生改變，與滑坡體現狀高度吻合。

3.4 微芯樁監測成果分析

滑坡體變形初期至2018年6月期間，微芯樁監測預警系統成功預警險情6次。

微芯樁監測預警系統在該滑坡體中起到了至關重要的作用。其中，滑坡體整體滑移前的2018年2月8日，微芯樁監測預警系統感知較大傾斜，提前發出警報，及時撤出滑坡范圍內先期用于應急搶險的機械設備與物資材料。應急管制通行期間的2018年6月19日14時40分，微芯樁監測預警系統再次感知處在滑坡后緣的2號微芯樁連續發生較大振動，現場值班人員立即封閉省道211交通要道。約3分鐘后，滑坡產生大量滾石，部分石頭滾落至路面。

4 結 語

監測成果表明：全球導航衛星系統與三維激光掃描監測技術等智能監測手段揭示的變形規律與高精度全站儀監測規律一致。不同監測手段之間取長補短，提高了監測系統的可靠性。盡管多種監測手段在滑坡體監測預警管控系統中均發揮了科學監測、成功預警的作用，但優劣勢明顯：高精度全站儀監測精度高、成本低，但通視條件要求較高，易受地理條件、氣候條件等因素影響，臨滑階段的安全風險突出。該工程中，因提前將棱鏡固定在觀測墩上，消除了監測人員進出滑坡區域的安全隱患。GNSS監測自動化不受地面通視條件和距離限制，自動化程度高，可全天候連續監測，作業人員無需經常出入作業區。因此，臨滑階段的安全得到了保障。若GNSS信號受到地形地貌影響，監測精度將降低。但隨著北斗技術的迅速發展，全球導航衛星系統監測精度和可靠性將不斷提高，在水電工程滑坡監測中的應用也會越廣泛。三維激光掃描技術具有非接觸測量、高采樣率、高分辨率、數字化采集等技術優點，采樣點數多，可形成一個基于三維數據點的離散三維模型數據場，可有效地避免以往基于變形監測點數據的分析結果中所帶有的局部性和片面性，有利于滑坡體整體判斷與分析。其劣勢為如遇植被茂盛邊坡會對精度帶來一定影響，且設備較為昂貴，在一定程度上限制了該技術的普及使用。微芯樁監測預警系統具有無線傳輸、無需外部供電、安裝簡便、無需配備機房中控設施，可實現手機實時信息查詢，有助于參建各方協同管理。特別是孤石群或危巖體上的微芯樁，能全天候24小時不間斷地監測局部區域危巖塊體的穩定性，發揮了“哨兵”作用。

針對不同類型的滑坡體，采用單一監測手段或多種智能監測手段，需結合周邊環境、精度要求、安全風險、經濟性等綜合分析。但隨著智慧產業的不斷深化發展以及在水電工程中的普及，智能監測也是未來發展的必然趨勢。

該工程中，綜合應用多種智能手段有助于提高監測系統的可靠性，實現了科學監測和成功預警，為滑坡體的風險管控提供了保障，可為類似工程的應急管理提供參考和借鑒。