基于物聯網的自動化監測系統在地質災害監測中的應用

孫澤信， 段舉舉， 張安銀

(江蘇省地質工程勘察院，江蘇南京210012)

0 引 言

隨著社會經濟的不斷發展，資源開發的力度逐漸增大，給本就脆弱的地質環境造成了巨大的影響，地質災害的頻度和規模日趨增加(黃健，2012；陳萬利，2014；許強等，2019；宋國梁，2021)。人為破壞和自然變遷是地質災害產生的主要原因，地質災害形態包括滑坡、泥石流、崩塌、地面塌陷、地面沉降和地裂縫等(茍敏，2009)，嚴重影響國家經濟建設，危害人民的生命財產安全。

地質災害監測作為地災安全防控的重要手段越來越受到重視，監測工作的實施不僅可以對地質災害進行預警，而且可為地質災害工程安全治理措施提供可靠的決策依據，避免惡性地質災害的發生(亓星，2019)。

傳統的地質災害監測采用人工監測，受限于環境特點，工作效率低、投入大、監測成本和安全風險高，監測成果的可靠性、準確性和信息反饋的及時性受外界條件影響很大，監測工作缺乏較強的針對性，很難做到預警信息的及時反饋(張娟等，2020)。隨著物聯網技術的快速發展，地質災害監測技術的智能化、自動化得到了較好的發展和應用。GNSS技術、傾斜攝影測量技術、航空遙感技術、多平臺激光雷達技術、智能傳感技術等多種自動化監測技術手段在地質災害監測中的應用也愈加廣泛(謝慧芬，2011；何朝陽等，2014；呂寶雄等，2017；喬輝等，2018；王慧敏等，2020；蔡田露等，2021；徐文風，2021)。

在現有監測技術的基礎上，綜合考慮監測成本、監測精度、實施效果、信息反饋時效性等因素，融合多種自動化監測技術手段，建立一種基于物聯網的地質災害自動化監測系統，并通過實例驗證該系統的有效性。

1 系統設計

1.1 系統架構

物聯網通過互聯網將各種信息傳感設備進行連接，按照約定的協議或規則，實現信息交換、通信、共享等功能。基于物聯網的地質災害監測系統主要包含信息采集感知層、數據傳輸網絡層和成果使用應用層(圖1)。

圖1 物聯網的監測系統架構Fig. 1 Monitoring system architecture for the Internet of Things

1.1.1 信息采集感知層 實現對外部動態信息的智能化識別、獲取和處理，通過數據傳輸網絡層將外部實體連接到成果使用應用層。包括自動化測量設備和傳感器，用于實現各類變形監測信息的實時采集。

(1)自動化測量設備包括GNSS接收機和智能全站儀。GNSS參考站接收機和流動站接收機同步對衛星進行觀測，通過無線通信模塊將觀測數據實時傳輸至控制中心；智能全站儀能夠自動進行測量目標的識別和觀測，獲取角度和距離數據，通過GeoCOM接口技術，實現用戶與全站儀之間的數據通信。

(2)傳感器有傾角儀、位移計、應力計、水位計、滲壓計、雨量計、裂縫計、氣象傳感器等，可根據監測項目的需求選擇相應種類的傳感器，根據現場情況采用電源或太陽能進行供電。

1.1.2 數據傳輸網絡層 數據傳輸網絡層主要實現感知層所采集的數據及外部指令的遠程發送和接收，通過GPRS、4G/5G、互聯網等進行通信，實現觀測數據從傳感器到控制中心的網絡傳輸。

1.1.3 成果使用應用層 包括軟硬件設施應用和各種基于物聯網的成果應用。軟硬件為成果使用提供數據傳輸、接收、處理、輸出等基礎設施及數據調用接口。地質災害自動化監測系統應用層為監測管理云平臺系統，采用B/S架構，可實時獲取各監測傳感器采集的數據，具有數據的自動化解析、處理、存儲、查詢、展示等功能。

1.2 系統組成

為實現地質災害的自動化監測功能，地質災害監測系統包括遠程數據采集系統、數據傳輸系統、數據分析處理系統、數據成果展示系統(圖2)。

圖2 地質災害監測系統Fig. 2 Geological disaster monitoring system

(1)數據采集系統。由自動化測量設備和巖土類傳感器組成，通過遠程命令控制數據采集儀進行原始觀測數據的采集。

(2)數據傳輸系統。將數據采集儀采集的各類傳感器數據通過網絡實時傳輸至數據處理系統。

(3)數據處理系統。主要用于對地質災害監測原始數據的分析與過程數據的處理，具有對監測數據進行處理、分析、存儲等各項功能，出現數據異常時能及時預警或上報相關信息。

(4)成果展示系統。為監測系統的成果輸出和展示平臺，可通過相關客戶端實時輸出、查看、查詢、瀏覽監測結果和報警信息等情況。

2 自動化監測關鍵技術

2.1 GNSS自動化監測

2.1.1 工作原理 GNSS自動化監測是基于衛星載波相位觀測的實時動態差分技術，用于獲取監測點在特定坐標系中的實時三維信息。基本原理：在遠離變形區域的穩固位置選擇一個參考站，在變形體上布設若干個監測站，在參考站和監測站上分別安裝GNSS天線用于對衛星信號的同步接收，對所采集信號進行實時數據處理，從而獲得監測站的實時三維坐標。

2.1.2 監測方法 根據項目的特點，選擇合適位置作為參考站和監測站，位置的選擇應便于觀測，高度角≥15°的范圍內無遮擋物，監測點附近不應有強烈反射和干擾衛星信號的物體。通過無線傳輸將參考站和監測站的觀測數據實時傳輸至系統服務器，數據處理系統進行實時處理，從而獲得監測站的豎向和水平位移變化情況。

2.2 智能全站儀自動化監測

2.2.1 工作原理 全站儀三維數據采集控制系統通過手機網絡和互聯網通信技術實現對全站儀的遠程自動化控制，進行各監測點坐標信息的采集、傳輸、分析與粗差剔除、處理、存儲與備份，以此獲取變形體的三維坐標信息，并與初始坐標數據進行比對分析，以獲得水平及豎向位移的絕對變化量，可實現變形體表面水平位移和豎向位移的自動化監測。

2.2.2 監測方法 采用測量機器人在變形體周邊合適位置制作強制對中觀測墩，在觀測墩上放置全站儀。基準點設置在變形體周邊相對穩定區域，一般≥5個。監測點按要求布設若干監測小棱鏡，組成監測網。

根據項目特點，全站儀自動化監測采用單臺儀器或多臺儀器進行組網監測。首次監測時采用人工監測對各基準點、監測點進行學習測量，獲取各基準點和監測點的初始狀態數據。后續數據采集監測過程中，由全站儀三維數據采集控制系統控制儀器，獲取測站到各基準點和監測點間的幾何要素。監測完成后，自動進行基準點穩定性判定分析，剔除不穩定或精度較差的點位，最后進行監測網平差得到各監測點的三維坐標。通過與初始狀態數據進行比較，獲得各監測點的位移變化信息。

2.3 滑動式傾斜自動化監測

2.3.1 工作原理 通過滑動式自動傾角儀實現。在測斜管管口固定1臺步進電機，在測斜管內放置1個傾斜傳感器，通過程序自動控制電機提升傳感器，按固定間距進行數據采集，通過無線通信模塊自動獲取傾角傳感器所在位置的傾斜角變化量，進而換算成各個深度位移的水平觀測值。

2.3.2 監測方法 根據上述工作原理，需在每個測斜孔固定1臺自動滑動傾角儀，測出不同深度位置的傾斜角θi，計算出該深度位置的橫向偏差Δd：

Δd=Lsinθi

(1)

式(1)中，L為量測段長度。各深度處的水平位置d為：

d=∑Lsinθi

(2)

與初始值相減即得到各深度點位的深部水平位移。

2.4 多源傳感器自動化監測

2.4.1 工作原理 通過布設不同類型的傳感器實現應力應變、水位、雨量、裂縫等自動化監測。根據監測項目的不同選擇對應類型的傳感器，監測傳感器包括裂縫計、液位計、滲壓計、應變計、雨量計、土壤含水率計等。每次監測時，自動化采集儀通過采集監測傳感器數據的變化，基于無線通信技術將獲取的數據傳輸至數據處理系統，然后根據相應公式計算出對應的監測數據。

2.4.2 監測方法 根據地質災害的類別選擇合適的傳感器，將所有的傳感器接入數據采集終端，集成為一個基于無線遠程通信的傳感器數據采集系統。設定采樣時間間隔，通過客戶端遠程控制自動采集傳感器信息，從而實時采集各監測點的數據信息。

3 監測實施及數據分析

3.1 監測設計

以某邊坡監測為例，坡面傾角為40°～50°，邊坡體長約60 m，寬約100 m，由于該邊坡緊鄰某文物建筑，為保護文物需在治理前進行跟蹤監測以確定治理方案。根據要求對邊坡外觀形變、深部位移、地下水位等地質災害影響因素進行監測，其中，外觀形變觀測包括邊坡表面豎向位移、水平位移，深部位移包括邊坡巖土體深層水平位移，其他影響因素主要為降水量。

考慮到監測工作量大、頻率高、條件復雜、指標多等因素，采用全自動化監測技術進行監測，布點及指標見圖3。

圖3 監測設計示意圖1-監測基準點；2-監測工作基準點；3-水平、豎向位移監測點；4-深層位移監測點；5-地下水位監測點；6-降水量監測點Fig. 3 Layout plan of the monitoring design

表面水平及豎向位移監測采用GNSS接收機和全站儀，深部位移監測采用滑動式傾角儀，地下水位監測采用水位傳感器，降雨量監測采用雨量計，所有監測均采用自動化監測并輔以人工定期檢核(表1)。

表1 監測傳感器類型及數量Table 1 Type and number of monitoring sensors

自動化采集頻率為：監測第1個月3次/d，雨季期間4次/d，其余期間1次/d。人工校核頻率為15天1次，監測周期為1年。

3.2 監測工作實施

數據采集子系統包括GNSS接收機、全站儀、傾角儀、雨量計，通過傳感器進行數據采集。通過5G網絡建立傳感器和服務器之間的通信鏈接，將傳感器數據實時傳輸到控制中心服務器。數據處理子系統將采集到的數據進行粗差剔除和平差處理，從而實時獲取各監測點的變化情況。最后將監測成果在監測管理云平臺系統中進行展示，并將相關監測信息即時發送至相應權限的管理人員，從而達到自動監測、自動預警的目的。

3.3 監測數據分析

對監測周期內365天的監測數據進行分析，具體如下。

3.3.1 降雨量數據分析 月降雨量統計結果(圖4)顯示，2個自動化監測點的年累計降雨量分別為965.6、953.9 mm，人工監測點年累計降雨量為977.4 mm，自動化監測與人工監測月降雨量數據吻合，年累計降雨量基本吻合，表明自動化雨量采集裝置可靠。

圖4 月降雨量統計圖Fig. 4 Histogram of monthly rainfall

3.3.2 地表位移監測數據分析 通過GNSS和全站儀對邊坡地表位移進行監測，以平行于滑坡底為X方向，垂直于滑坡底向下為Y方向。為節約監測成本，僅對S1、S3監測點進行GNSS和全站儀同步監測，其余監測點均采用全站儀進行自動化監測。根據全站儀自動化監測數據統計結果，各監測點X、Y、H方向的累計變化量分別為-1.1～1.2、1.3～3.6、-3.1～-1.7 mm，表明該邊坡整體較為穩定。

分析GNSS監測數據與人工監測數據可知，X、Y、H方向最大誤差分別為±3.50、±2.01、±3.60 cm，最小誤差分別為±1.30、±0.40、±0.70 cm。圖5顯示，CNSS監測精度為厘米級，更適合大區域地質災害自動化監測。

圖5 GNSS監測與人工監測差值(a) X方向；(b) Y方向；(c) H方向Fig. 5 Differences between GNSS monitoring and manunal monitoring(a) X direction; (b) Y direction; (c) H direction

對比S2、S5、S10監測點的全站儀三維自動化監測數據與人工監測數據可知：X、Y、H方向最大誤差分別為±1.2、±1.4、±1.7 mm，最小誤差分別為±0.1、±0.1、±0.4 mm。圖6顯示，全站儀水平位移監測數據誤差多在±1.0 mm以內，豎向位移偏差多在±1.5 mm以內，表明該全站儀自動化監測系統水平位移監測精度優于±1.0 mm，豎向位移監測精度優于±1.5 mm，更適合小區域高精度表面位移監測。

圖6 全站儀自動化監測與人工監測差值(a) X方向；(b) Y方向；(c) H方向Fig. 6 Difference between automatic total station and manual monitoring(a) X direction; (b) Y direction; (c) H direction

3.3.3 深部位移監測數據分析 深部位移的計算以孔底為起算基準，以對應位置的深部位移監測點CX2、CX5為例，對自動化監測數據與同階段的人工監測數據(圖7)進行比對分析發現，各深度位置的自動化監測階段的水平位移累計變化量與人工監測階段的累計變化量相比，誤差最大為±2.5 mm，最小為0 mm，自動化監測位移曲線與人工監測數據吻合良好，表明滑動式傾角儀自動化監測系統能夠滿足地質災害深部位移監測精度及時效性要求。

圖7 深部位移自動化監測與人工監測階段累計變化量差值Fig. 7 Cumulative variation differences between automatic and manual monitoring of deep displacement of monitoring sites CX2(a) and CX5(b)

4 結 論

(1)通過對比GNSS自動化監測數據與人工監測數據發現，該系統監測精度為厘米級，適合于大范圍的地質災害表面位移監測；全站儀自動化監測系統精度為毫米級，適用于小范圍地質災害的高精度表面位移監測。二者均可以較好地提高監測效率和信息反饋的時效性。

(2)滑動式自動傾角儀的應用及其數據分析表明，該系統能較好地實現深部位移的遠程自動化監測，具有較高的精度和穩定性，解決了傳統自動化監測成本高的問題。

(3)比較雨量自動化采集裝置的應用與人工采集數據發現，二者吻合良好，較好地驗證了多源傳感器自動化監測技術的適用性和可靠性。

(4)該系統的應用實現了對地質災害由點到面、由表及里、多指標、全方位的自動化監測數據的采集、傳輸、分析和處理、存儲與備份、查詢、信息反饋及預警報送，形成了較為完備的地質災害自動化監測系統，具有較高的應用及推廣價值。