基于GNSS的地質災害變形分析及數據去噪方法研究

葉雪松 武長城 張 敏

(1.四川博源九州空間信息技術有限公司,四川 成都 610000;2.四川星瑞云圖信息技術有限公司,四川 成都 610000)

0.引言

我國地質災害多發易發，地質災害防治工作直接關系到人民生命財產安全，政府高度重視地質災害防治和監測工作[1]。作為地質災害較為嚴重的省份，貴州省目前已經建設和管理了地質災害監測預警平臺，應用了GNSS等多種技術，在全省范圍開展了地質災害監測與預警工作，涉及受威脅群眾51萬人。

2018年初，貴州省開展了全面的監測預警設備實驗工作，參試單位30余家，并通過了3個月以上的實際驗證和反復論證，以此形成了符合貴州省實際情況的監測預警方式方法，同年8月，貴州省正式開始了地質災害隱患監測點建設采購，其中，2018年度采購了三期項目，2019年度采購了一期，2020年度采購了一期。全國16家供應商中標參與了貴州省地質災害隱患監測點的建設，目前建設完成了7000多套GNSS設備。最終實際成果表明：GNSS監測的效果依然存在比較大的進步空間，需要在位移實時探測、精度及剔除誤報方面繼續研發。因此，通過長期實踐和應用的效果分析，經過組織專業的技術論證，目前的GNSS監測如果要提升精度、剔除誤差、減少誤報，首先要提升觀測數據質量，才能提升GNSS在監測地質災害上的優勢。

本文以貴州東南西北中的典型監測點為例，分別進行數據質量的分析和解算成果分析，找到實際應用中的問題并找到解決方案。

1.貴州省GNSS監測現狀

截至2021年，貴州省建設了4499個GNSS隱患點監測系統，其中，監測站4499個、基準站2262個，覆蓋全省9個地市州、81個區縣。貴州省GNSS監測站點網圖（如圖1所示）：

圖1 貴州省GNSS監測站點網圖

2.隱患點GNSS數據解算

利用短基線解算模式，對隱患點上的監測站進行單基站單基線同時解算。

2.1 關鍵技術

2.1.1 模糊度固定技術

接收機、衛星內部硬件延遲等誤差混入模糊度中，使PPP模糊度失去整數特性，因此稱為浮點解。硬件延遲會增加PPP未知參數的相關性，導致PPP浮點解收斂速度慢、精度低，無法滿足電離層及對流層延遲誤差的提取要求[2]。因此必須將硬件延遲求出予以消除，恢復PPP模糊度的整數特性，才能獲得高精度固定解，從而獲取精度較高的電離層和對流層延遲誤差以用于建模。

2.1.2 區域大氣建模

在區域大氣建模中，首先需要在參考站網基準站模糊度固定后，正確估計并提取相應的電離層和對流層延遲誤差。由于不同季節、不同區域也會影響大氣的建模精度，因此需要根據不同條件選擇合適的建模方法[3]。

2.2 實例分析

2.2.1 隱患點概況

本文選取了貴州省盤州（黔西南地區）、習水（黔西北地區）、開陽縣（黔中地區）、從江縣（黔東南地區）、平塘（黔南地區）的5個全省代表性地災點進行綜合情況分析。各滑坡地質災害隱患監測點情況（如表1所示）：

表1 各滑坡地質災害隱患點站點

2.2.2 解算結果情況

使用各數據質檢軟件對各監測點存儲的觀測數據進行質量檢核，盤州市小坪田組滑坡監測點數據質量檢核結果（如表2所示）：

表2 小坪田組滑坡監測點數據質量檢核結果

習水羊九小學滑坡監測點數據質量檢核結果（如表3所示）：

表3 羊九小學滑坡監測點數據質量檢核結果

開陽金中鎮寨子村上河組滑坡監測點數據質量檢核結果（如表4所示）：

表4 上河組滑坡監測點數據質量檢核結果

從江停洞鎮九日滑坡監測點數據質量檢核結果（如表5所示）：

表5 九日滑坡監測點數據質量檢核結果

平塘縣平舟鎮磨刀石村樟木樹族滑坡監測點數據質量檢核結果（如表6所示）：

表6 磨刀石村樟木樹族滑坡監測點數據質量檢核結果

數據完整率是評估觀測數據質量的非常重要的數據指標。它可以反映出在觀測時間段內，接收機所接收的數據是否完整，MP1表示第一頻率的多路徑誤差，MP1的值越小，接收機抗多路徑效應的能力越強[4]；MP2表示第二頻率的多路徑誤差，MP2的值越小，接收機抗多路徑效應的能力越強。從上表中可以看到，各站點的存儲數據中，GPS系統的數據完整性最高，BDS系統的抗多路徑效應的能力最強。

2.2.3 解算結果情況

利用解算軟件，通過基準站對監測站數據進行解算，六盤水市盤州市羊場鄉匡家坪地滑坡監測點解算情況（如圖2（a）所示）；習水羊九小學滑坡監測點解算情況（如圖2（b）所示）；開陽金中鎮寨子村上河組滑坡監測點解算情況（如圖2（c）所示）；從江停洞鎮九日滑坡監測點解算情況（如圖2（d）所示）；平塘縣平舟鎮磨刀石村樟木樹族滑坡監測點解算情況（如圖2（e）所示）：

圖2 各滑坡監測點數據解算情況

2.2.4 面臨問題情況

目前，各監測點數據面臨問題主要為：

（1）數據質量問題：數據質量問題是實現監測準確率的根本，目前的問題是數據質量不高，造成準確率和精度不高；

（2）解算結果的問題：同樣的解算系統得出了不同的解算結果，因此算法的可靠性和準確性有待提高，這是面臨的核心問題。

為了解決以上問題，項目從隱患點數據質量提升、解算結果提升上做了初步地改進，目前得到了一定地改善。

3.隱患點數據質量提升

從實際數據質量的分析來看，五個區域的五類監測點由于站點數據質量、解算軟件問題，導致當前的誤報率居高不下。要解決這個問題，必須面對以下難點：

（1）提升站點的數據質量：第一，監測站環境一般很難選擇，數據質量相對難以控制，但是基準站完全具備選擇條件，因此對基準站的選址、數據質量要做好把控；第二，監測站的數據質量基本受環境因素影響，主要是多路徑效應大、俯仰角度大、觀測衛星數量少；

（2）解算軟件的統一：目前的各GNSS解算軟件即使面對同一觀測數據，解算結果也是差異很大，那么統一算法勢在必行；

（3）GNSS數據去噪提升改進。

3.1 數據質量提升改進

數據質量提升，是GNSS監測地質災害中面臨的難點和問題之一。環境限制了提升數據質量中的幾個關鍵指標，包括衛星觀測數、多路徑效應、衛星觀測角度、信噪比等。那么當前就要盡可能對干預影響的因素進行最大化地改進。

3.2 算法改進優化提升改進

目前的絕大部分應用算法，都是基于CORS長基線算法調整而來，所以解決符合地質災害監測的GNSS算法有兩個：第一，對觀測到衛星的信號質量進行評估，剔除不合格的衛星及其觀測數據，當可參與解算衛星數量嚴重不足時，做出數據質量可靠性提示，用于對監測結果的可靠性和準確性提供參考；第二，重點在對多路徑效應的提升處理上。

3.3 隱患點GNSS數據去噪

解算數據中存在明顯的噪聲。為了更好地體現監測點GNSS變化曲線，本文提出EMD-Wavelet-ICA組合模型對GNSS數據進行去噪。由于數據量問題，本文僅以監測點N方向為實驗數據進行處理。

3.3.1 經驗模態分解

EMD（Empirical Mode Decomposition）方法實質上就是對原始信號進行平穩化處理。依據信號的時間特征，通過EMD方法可以對其進行自適應的多尺度分解。EMD方法步驟為：

（1）找出待分解信號s(t)的所有極大值序列和極小值序列，采用三次樣條插值對極大值和極小值序列進行擬合，形成上、下包絡線，上包絡線記為su(t)，下包絡線記為sl(t)；

（2）計算得到上下包絡線的均值sa(t)如式（1）所示：

（3）將原始序列s(t)與上下包絡線均值sa(t)作差，提取細節h(t)如式（2）所示：

（4）計算信號的殘余分量如式（3）所示：

3.3.2 小波分析

作為調和分析領域主要研究成果之一的小波分析（Wavelet Analysis），隨著半個世紀的發展，已經成為眾多研究領域的研究重點。小波基函數系是由滿足一定條件的小波基函數經過伸縮a和τ平移得到的。

3.3.3 獨立分量分析

獨立分量分析（Independent Component Analysis，ICA）是假設各個源信號之間獨立，并且觀測信號的先驗信息很少，僅僅通過獲取的混疊信號從而實現源信號分離的一種盲源分離算法。

3.3.4 組合模型介紹

綜合上述三種數據處理方法，本文提出了一種新的組合模型EMD-Wavelet-ICA。通過對待處理數據進行EMD分解得到不同頻段的IMF分量，針對不同頻段的IMF分量，使用Wavelet與ICA進行降噪處理，并且重構兩種方法降噪后的信號，實現原始觀測信號的重構。

對該組合模型進行描述，流程為：

（1）EMD分解待分解信號，得到不同頻段的IMF分量；

（2）將高頻噪聲作為輸入項進行Wavelet去噪，剩余IMF分量同樣作為輸入項進行ICA處理；

（3）重構Wavelet去噪后信號與ICA處理后信號，獲得重構后的信號。

對于LZ001站點連續4天的GNSS監測數據，首先通過EMD方法分解，得到9個IMF分量與一個剩余項。

定義標準化模量的累計均值（MSAM）如式（4）所示：

上式中，mean(·)表示均值函數；std(·)表示標準差函數。如果標準化模量的累計均值明顯偏離零值的話，就可認定從該尺度開始，殘余信號和低頻IMF分量為趨勢項。計算分量的MSAM值，統計結果（如圖3所示）：

圖3 分解尺度的MSAM值

從圖5可知：當從第7個IMF分量開始，其MSAM值與零值有了較大的偏差，故可將第7至第10個分量與剩余項視為低頻部分。對高頻部分使用Wavelet進一步去噪，同樣對低頻部分使用ICA方法進一步進行處理，最后重構降噪后的兩部分信號。經組合模型處理的監測點GNSS數據結果（如圖4所示）：

圖4 經組合模型處理后得到的監測點變形趨勢

為了對組合模型的去噪效果進行定量評價，統計去噪后前后的相關系數、標準差、信噪比，結果（如表7所示）：

表7 不同模型對GNSS數據的去噪效果對比

通過表7可知：對滑坡監測站GNSS數據進行處理，本文提出的組合模型相比EMD模型與EMD-ICA在相關系數上分別增加了3.5%和1.6%，標準差上分別減少了3.4%和2.5%，信噪比上分別增加了20.2%和12.6%。本文提出的組合模型降噪效果更為明顯。

目前通過以上操作，參與調整的站點數據得到了極大地改善和改進，提升效果明顯。

4.結束語

本文以貴州省地質災害預警監測項目為依托，為更好地完成地質災害綜合防治體系中地質災害變形分析等研究工作，針對地質災害變形隱患點點多面廣的特點，特提出通過多手段對隱患點的地質災害自動化監測系統構建。目前的實際解決方案只有最大限度地提升基準站的要求，對監測站的環境要求也進行最大限度的控制，同時本文提出的EMDWavelet-ICA組合模型相比EMD模型與EMD-ICA，去噪效果更好，對GNSS解算系統進行了統一化提升，表現出監測站的變形趨勢。