基于文獻計量的滑坡監測技術現狀及趨勢分析

王 瓊，歐 元 超，張 平 松

(安徽理工大學 地球與環境學院，安徽 淮南 232001)

0 引 言

中國疆域遼闊，地理環境復雜，各種不良地質因素致使中國地質災害易發頻發[1]，其中，以滑坡地質災害最為典型。中國滑坡具有覆蓋面積廣、突發性強、破壞力大、危害程度高等特點。

滑坡是指斜坡巖土體沿著貫通的剪切破壞面，在外力作用下失衡，產生以水平運動為主的滑移地質現象，常見的滑坡類型包括巖質滑坡和土質滑坡[2]。滑坡地質災害不僅嚴重威脅人民的生產生活，而且制約當地的基礎設施建設。因而，加強滑坡地質災害的監測和預警研究，變“被動救災”為“主動防治”具有重要意義[3]。朱永泰[4]提出采用攝影測量方法對滑坡地段進行監測和預報，大大減少了外業工作和計算工作量；史彥新等[5]將分布式光纖傳感技術引入滑坡監測，并在巫山殘聯滑坡中取得了較好的應用效果；Xu等[6]通過開發自適應數據采集監測技術，實現了對黑方臺地區黃土滑坡的早期預警預報；Zhang等[7]基于FBG技術設計出一套滑坡實時監測系統，獲得了馬家溝滑坡滲流場變化與滑坡運動演化的關系。

近幾十年來，伴隨著科技水平的發展與進步，特別是計算機與互聯網技術的蓬勃發展，中國的滑坡監測方式方法日新月異，高精度、分布式、自動化的監測已逐漸取代傳統的點式、人工監測，監測內容也從最早的表面位移監測演變為對滑坡全空間、多角度、多參數的綜合監測。對此，筆者從多方面檢索分析了近30 a所發表的滑坡監測類高質量學術論文，進一步回顧總結了滑坡監測技術的發展現狀及趨勢，最后指出存在的幾點關鍵性問題，并給出了相應認識和對未來發展的思考。

1 數據來源與研究方法

1.1 數據來源

選擇中國知網CNKI提供的中國學術期刊全文數據庫作為文獻數據來源，使用“高級檢索”功能對滑坡監測領域的高質量期刊論文進行檢索，檢索對象設為“學術期刊”；檢索途徑選擇“主題”；檢索詞設為“滑坡”“監測”，檢索詞邏輯關系設為“并含(AND)”，匹配方式設為“精確”；由于中國知網開始收錄核心論文的時間為1992年，故本文研究的時間跨度為1992～2020年；來源類別為SCI來源期刊、EI來源期刊、CSCD和北大核心，檢索獲得1 921條結果，并手動篩選、剔除新聞報道、短評、會議綜述等不符合條件的文獻，最終獲得1 175條有效文獻。

1.2 研究方法

本次研究采用統計分析、共現分析和聚類分析等方法，對中國滑坡監測領域的主要研究力量、熱點主題演化和前沿趨勢進行深入剖析，旨在探尋相關研究之間的內在聯系和互動關系，揭示學科的發展歷程和前進方向。通過對年發文量、高被引論文和載文期刊分布等進行統計，展示該領域的出版物現狀；通過關鍵詞共現和聚類分析提取隱含的關系網絡，采用尋徑網絡算法(Pathfinder)和LLR(Log-Likelihood Ratio)算法優化網絡并提取結構標簽。根據年發文量趨勢和研究力量分布統計，分析滑坡監測領域的研究結構與層次；基于關鍵詞共現和聚類圖譜，探究該領域的熱點知識網絡；基于關鍵詞及其聚類的時區視圖，梳理該領域研究的時區分布和演化機制；基于突現詞探測技術識別滑坡監測領域的前沿熱詞，判斷未來發展趨勢。通過出版物現狀、可視化圖譜和突現詞等深層信息的挖掘剖析，可判斷前沿發展趨勢，促進國內滑坡監測乃至地災防治研究的發展。

2 結果與分析

2.1 高質量學術論文統計分析

2.1.1發文量

將篩選得到的1 175條數據導出為Excel表格可對該領域每年的發文量數據進行快速統計，并繪制出1992～2020年間中國滑坡監測研究的主要變化趨勢折線圖(見圖1)。從圖1中可看出，中國滑坡監測研究的年發文量整體呈波動增長，且不同時期波動較大，大致可分為3個階段：發展初期(1992～2003年)、探索前進期(2004～2015年)、黃金發展期(2016～2020年)。

發展初期，國內滑坡監測研究基礎薄弱，成果產出困難，核心論文的總發文量為90篇，年均發文量僅7.5篇。基數小、水平低是這一時期文章的主要特點，滑坡監測問題尚未得到學術界核心研究者的關注。探索發展期，隨著現代化儀器設備的發展更替及理論研究的進一步深入，論文產出量呈增長狀態，核心論文的總發文量613篇，年均發文量51篇，但整體增長趨勢不夠穩定。近5 a，中國滑坡監測研究迎來了其黃金發展期。滑坡監測發展突飛猛進，總發文量472篇，年均發文量高達94.4篇，說明在國內地質災害頻發、國家大力支持防災減災工作的大背景下，以滑坡災害為主的監測領域成為國內研究熱點，預計在接下來的一段時期，滑坡監測領域仍會處在高速、高質量發展階段。

圖1 年發文量趨勢Fig.1 Trends of annual publications

2.1.2高被引論文

論文的下載和被引量是體現其學術水平和影響力的主要參數[8]。通過對該領域的高影響力論文進行分析，不僅能夠評估出不同作者的科研實力，而且可以對學科研究熱點進行探討和預測。表1列出了CNKI數據庫中滑坡監測領域被引頻次前10的文章。從研究內容來看，高被引文章主要圍繞“滑坡監測技術及預警預報”展開。由此可見，實現滑坡的精準可靠監測和科學準確預報是科研工作者們亟待攻克的難題。其中，許強等于2008年發表在《巖石力學與工程學報》的《滑坡時空演化規律及預警預報研究》一文總被引頻次高達356次，文章在分析了中國重大滑坡災害監測預警和應急搶險實踐經驗和教訓的基礎上，總結提出斜坡變形演化不同階段的規律和斜坡裂縫空間演化的分期配套特性，以及影響斜坡變形演化的外界因素，為滑坡準確預警預報提供了系統的研究和分析方法。該文章在學術界引起的熱烈反響實際上已經暗示了中國滑坡監測領域的前沿發展方向。從文章類型來看，這10篇高被引文章中，綜述類文章占30%，這也側面反映了中國學者在開展研究的過程中注重回顧總結。

表1 滑坡監測文獻被引頻次前10名的文章Tab.1 Top 10 cited articles in landslide monitoring literature

2.1.3載文期刊分布

在對中國滑坡監測研究相關文獻統計分析的基礎上，繪制出國內主要載文期刊分布圖(見圖2)。不難發現：中國刊載滑坡監測研究論文的期刊主要集中在工程科技和基礎科學領域，這2個領域的17種期刊總刊載相關論文數量為598篇，占所統計相關論文總量的50.89%。其中《巖石力學與工程學報》和《人民長江》載文數量分別為86篇和77篇，是該領域高質量文章的核心聚集地，在一定程度上代表了滑坡監測領域的研究重點和前沿問題，相關學者應給予重點關注。

圖2 載文期刊分布Fig.2 Distribution of journal articles

2.2 文獻計量制圖

2.2.1研究力量分布

借助CiteSpace軟件對1 175條數據選擇節點類型(Node Types)為作者(Author)進行可視化圖譜分析，得到圖3。重點關注其中的“N=322，E=378”這兩項數據。“N”代表節點數(即圖中的圓圈)，圓圈和字號越大，作者在1 175條數據中出現的頻次越高；“E”代表連線數，節點之間的連線代表作者之間的聯系，連線越粗，說明他們在同一篇文獻中共現的頻次越高[8-9]，由此可以看出作者之間的合作關系。

作者合作圖譜中總共出現了322個節點和378條連線，從圖中可直觀看出許強、殷坤龍、易慶林、謝謨文、易武等所在節點突出，且與其他作者的連線較多，為該領域的核心作者。從節點大小來看，殷坤龍教授發文量最高，但與其他作者的合作較少(僅湯羅圣一人)；許強教授的發文量雖次于殷坤龍教授，但他的連線數最多，表明他更注重與圈內其他學者的學術交流合作。

圖3 作者合作圖譜Fig.3 Collaborative atlas of authors

借助CiteSpace給出的作者分析可視化圖譜，截取前10位高產作者列表分析，得到表2所示結果。其中許強、殷坤龍、易慶林3位作者的發文量均在15篇以上，且有6位作者都是在2009年之后才在該領域產出高質量學術成果。這一結果一方面說明中國滑坡監測研究整體起步較晚；另一方面也表明國內滑坡監測研究符合“少數核心成員占據主要研究力量”的分布特點。

2.2.2研究熱點與主題演化

2.2.2.1 研究熱點與主題聚類

在CiteSpace操作界面中選擇節點類型為關鍵詞(Keyword)進行可視化圖譜分析，采用尋徑網絡算法對整體網絡進行剪枝，可得到節點數693個，連線數1 975條和網絡密度0.008 2的關鍵詞共現圖譜(見圖4)。從圖4中可以看出，滑坡、滑坡監測、監測、變形監測、位移監測、監測系統等幾個關鍵詞字號較大，說明這些關鍵詞在1 175條文獻中出現的頻率高，所受關注度較高。但圖中也不乏字號相對較小的其他關鍵詞，如安全監測、變形特征、預測等，這表明該領域的分支學科較多，不同學者的研究側重點不盡相同。圖中的關鍵詞較多，總結起來很難做到十分精確。

表2 高產作者信息Tab.2 Information on prolific authors

圖4 關鍵詞共現圖譜Fig.4 Keywords co-occurrence map

為了提高該領域研究重點的精確度，借助CiteSpace軟件中的關鍵詞聚類功能，將圖譜中聯系較為緊密的關鍵詞按照LLR算法進行聚類總結，可得到的關鍵詞聚類圖譜(見圖5)。相比較而言，聚類視圖更側重于體現聚類間的結構特征，能夠突出關鍵節點及重要連接。在實際應用過程中，將兩張圖中的相關關鍵詞數據結合起來分析，更能夠準確全面地得出滑坡監測領域的主要研究內容。

圖5 關鍵詞聚類圖譜(LLR算法)Fig.5 Keywords clustering map(LLR algorithm)

CiteSpace依據網絡結構和聚類的清晰度，提供了模塊值(Q值，即Modularity Q)和平均輪廓值(S值，即Mean Silhouette)兩個指標，當Q>0.3時，聚類結構就是顯著的；當S達到0.7就可認為聚類是令人信服的[10]。圖5中Q=0.860 1，S=0.999 5，因此該聚類圖譜的聚類結構十分顯著，且結果令人信服。

通過對圖4和圖5中的關鍵詞進行整合分析，可將國內滑坡的研究劃分為以下3個領域：

(1) 監測內容研究，主要包括變形觀測、位移觀測以及邊坡監測；

(2) 監測系統研究，基于GPS、InSAR、GIS等技術的監測系統研發與應用；

(3) 預警預報研究，包括對變形和位移參數的預測﹑不同預警方法和預測模型的對比研究。

2.2.2.2 演化脈絡和前沿方向

為了進一步分析滑坡監測領域研究熱點與主題的時區分布及演化，將1992～2020年按照每1 a一個時間切片，劃分時區，繪制高頻共現關鍵詞及其聚類的時區視圖(見圖6)，進而總結不同階段的研究熱點。

圖6 關鍵詞時區圖Fig.6 Time zone diagram for keywords

從研究主題演化來看，初期主要以利用傳統簡易技術設備進行滑坡位移和變形的觀測為主；1998年之后，隨著科技的不斷更新發展，GPS和GIS等新興技術手段在滑坡變形監測中逐漸推廣；2003年以來，滑坡監測系統的開發研究如火如荼，很快便誕生了一種“全方位多角度的遠程實時智能化監測系統”，在解放人力的同時，也提供了更為全面可靠的監測結果，這是滑坡監測領域的一大飛躍；2006年，隨著滑坡監測數據資料的不斷豐富，在“互聯網+”和“大數據”技術融合背景下，滑坡位移預測研究成為熱點話題，多種預測模型接連出現，為地質災害的預警預報提供了重要參考。

為了對不同階段的研究熱點進行深入剖析，使用CiteSpace中突現詞探測技術，將10個突現詞及其突顯強度和延續時間繪制于圖7。可以發現“安全監測”出現時間最早(1999年)且研究時間最長(10 a)，是滑坡監測研究內容中不可或缺的組成部分。其中，關鍵詞“邊坡工程”“監測預警”和“穩定性分析”突現強度較大(大于5)，說明針對邊坡工程的監測預警以及穩定性分析在滑坡監測領域具有較強的影響力。

圖7 突顯強度前十的關鍵詞爆發圖Fig.7 Burst diagram of top 10 keywords with the strongest citation

總的來說，該領域前半階段的研究重點關注滑坡監測技術的相關話題，后半階段研究重心轉向滑坡變形的預測預警和穩定性分析。1999～2008年，研究熱點話題是滑坡的安全監測，各種監測手段被推廣應用，研究成果層出不窮。2003～2012年，邊坡工程和GPS監測的實踐應用快速發展，基于GPS技術的滑坡監測研究持續時間長達9 a，豐富的監測數據為滑坡的變形預測奠定基礎；2009～2013年，滑坡的變形預測研究受到廣泛關注；2011～2018年，遙感技術和三維激光掃描技術在滑坡監測領域掀起一股熱潮；2015～2020年，基于多種算法的預測模型和數值模擬方法在不同區域和類型的滑坡問題中實踐應用，借助大數據、5G網絡等先進科技的預測預警研究逐漸引領滑坡監測技術研究的新潮流。

3 滑坡監測技術發展現狀及趨勢

滑坡災害分布范圍廣，破壞力強，危害嚴重，對滑坡進行有效實時監測和科學合理預警對降低地質災害帶來的風險損失意義重大。隨著科技水平的發展與進步，特別是計算機與互聯網技術的蓬勃發展，中國的滑坡監測方式方法與日俱新。已有監測技術主要分為“空、天、地”3個方面，“空”是指太空衛星遙感，“天”是指低空無人機監測，“地”是指地面和地下監測。主要的監測技術及監測參數如表3所列。

3.1 太空衛星遙感技術

3.1.1InSAR

InSAR(干涉測量合成孔徑雷達)，是一項集合成孔徑雷達成像技術(SAR)和干涉測量技術于一體的典型星載雷達遙感技術，主要由發射裝置和雷達接收機組成，能夠提供監測區域高分辨率地表形變信息，實現滑坡大空間范圍和長期精密監測[11]。實際應用中，先利用兩個天線同時向同一目標發射同頻相干波，使其產生干涉現象，然后由雷達天線內部的接收裝置接收電磁波定向傳播時產生的反射回波，并進行影像處理，最終得到與目標體有關的三維地形信息[12]。由于InSAR技術理論上可獲得厘米級甚至毫米級的微小形變數據，在工程領域廣受青睞。近年來，在傳統D-InSAR技術的基礎上，又發展衍生出幾種時序InSAR技術，常見的有PS-InSAR技術和SBAS-InSAR技術。

表3 滑坡的主要監測技術及監測參數Tab.3 Main monitoring technology and monitoring parameters of landslide

王志勇等[13]以北京市房山區史家營滑坡為試驗區，選取ALOS PAL-SAR雷達數據及其他多源觀測數據開展了滑坡高精度研究，證明InSAR技術是滑坡地質災害定量監測最有效的手段之一；史緒國等[14]利用時序InSAR技術獲取了甘肅黑方臺黃土臺塬地區的典型滑坡特征，并對其進行了隱患分析，驗證了時序InSAR處理方法的有效性與可行性(見圖8)。

3.1.2GNSS

GNSS(Global Navigation Satellite System，全球導航衛星系統)，也稱天基PNT，是一種利用衛星對地面用戶進行導航定位的技術，主要由GPS、GLONASS、BDS和Galileo 4個子系統組成[15]。該方法利用坐標已知的空間衛星，根據測距交會原理來進行地表物體的三維坐標定位，是目前唯一可以直接獲取滑坡地表三維矢量變形的監測手段。但由于極易受山地丘陵等復雜環境和地震降雨等因素影響，實際效果難以保證。

韓軍強[16]利用GNSS實測數據對秦巴山典型復雜滑坡進行分析，發現復雜環境觀測噪聲特性與不同方位地形起伏密切相關；白正偉等[17]采用物聯網思維，自主研發了千元級小型實時北斗/GNSS監測技術裝備，并成功應用于甘肅黑方臺滑坡的實時監測預警，首次實現了滑坡災害的全程視頻記錄。GNSS監測方法[18]雖能夠實現空間的精準定位，但實際應用中易受測站周圍強反射物體影響，且獲取的數據具有滯后性(一般滯后10～30 min)(見圖9)。

3.2 低空無人機遙感技術

3.2.1無人機低空攝影測量

無人機低空攝影測量技術是除遙感和三維激光掃描之外，能夠大面積、高精度、快速獲取空間三維點云信息的技術方法，能夠對高分辨率衛星影像普查的潛在隱患點進行詳查。它基于數字影像與攝影測量的基本原理，利用數碼相機等攝像設備，從不同角度獲取三維物體圖像，將數字影像的平面坐標在空間坐標系中進行透視變換，結合空三加密算法，算出目標物體的三維點云坐標數據，進一步生成三維網格模型[19]。隨著現代化裝備的快速發展，這種技術已逐步成為多個行業的必備輔助技術。

彭大雷等[19]利用無人機低空攝影測量技術對甘肅黑方臺地區的黃土滑坡進行了調查，表明該技術在認識區域滑坡的空間分布規律和變形跡象方面效果良好(見圖10)；Hu等[21]利用無人機攝影測量技術獲取高分辨黃土滑坡三維模型，并進行了空間特征分析，證明該方法能夠精確地觀察到滑坡表面紋理、裂縫的變化特征。雖然該技術在滑坡演化規律識別中優勢明顯，但由于受到測量硬件、現場條件及數據處理方法等影響，測量結果的準確性往往難以保證。因此，提高現場測量精度與影像處理質量是該項技術得以拓展應用的關鍵問題。

圖10 基于無人機低空攝影測量的黑方臺三維影像[19]Fig.10 A three-dimensional image of Heifangtai tableland based on UAVs low-altitude photogrammetry

3.2.2機載LiDAR

激光雷達測量技術(LiDAR)是指基于時間可精確記錄的前提，利用激光發射和接收的時間差來進行測距[22]，觀測系統由激光掃描儀、全球定位系統和慣性導航系統組成。其中，機載LiDAR技術同時結合了無人機和雷達的優點，可快速獲取高精度DEM數據，探測高程微小變化，進行植被去除并揭示微地貌特征，在滑坡監測研究上具有突出優勢[23](見圖11)。

因此，國內外學者就該技術開展了滑坡精細研究相關探索。Van Den Eeckhaut等[24]利用LiDAR數據進行滑坡探查和填圖，成功識別并分析了歐洲佛蘭德斯南部地區古滑坡的滑坡特征；沈永林等[25]采用面向對象分析方法，利用海地震后獲取的高分辨率航空影像和機載LiDAR數據，實現了基于多源數據的地物分類及滑坡識別。預測未來大規模LiDAR觀測會對地災的防控和治理工作起到一定的推動作用。

圖11 機載LiDAR數據獲得的DSM成果[23]Fig.11 DSM results obtained from airborne LiDAR data

3.3 地面和地下監測技術

3.3.1三維激光掃描技術

三維激光掃描技術是一種獲取高精度監測點點云數據的滑坡變形地表測量方法，具有快速、高效等優點[26-27](見圖12)。掃描系統主要包括：激光掃描儀、PC機、外接電源和專用三腳架。其工作流程為：激光脈沖發射器發射一束脈沖信號，信號遇待測物體發生漫反射，激光接收器接收到反射信號后根據往返時間差測算距離，掃描儀內部模塊給出激光點在被測物體上的三維坐標，最終可得到滑坡變形分布云圖。

圖12 基于三維激光掃描的三維視圖[27]Fig.12 3D view based on 3D laser scanning

徐進軍等[28]利用地面三維激光掃描技術對室內滑坡模型和實際滑坡現場進行實驗研究，驗證了該技術的滑坡災害監測預警可行性；謝謨文等[29]運用三維激光掃描儀監測技術對云南烏東德地區的金坪子滑坡進行了表面變形監測，并將監測結果與GIS平臺相結合，得到了很好的應用效果。上述研究表明三維激光掃描技術在地災監測領域具備一定潛力，但具體應用到生產實際尚存在不少問題，監測儀器和方法等有待完善。

3.3.2綜合地球物理探測技術

綜合地球物理勘探簡稱綜合物探，是以研究目標的物性差異為基礎，采用多種物探手段進行勘測研究的方法[30]。通常采用以電磁性質差異為主的電法勘探和以地下介質密度差異為主的地震波勘探相結合的手段。眾所周知，滑坡發生必然有水參與，這就導致滑動面與周圍巖性不可避免地產生物性差異，因而可用物探手段研究滑動面的活動情況。

物探方法作為經濟快捷的無損勘查手段，在滑坡等地質災害勘查中發揮著越來越重要的作用，也有了不少成功案例。馬國凱等[31]將SNMR(地面磁共振測深)技術、高密度電阻率法和地震面波法用于三峽庫區白水河區域的滑坡活動監測，為滑坡的活動預判決策提供了有力的理論和數據支持；謝興隆等[32]利用淺層地震反射法、高密度電法和地震折射層析法組成的綜合物探方法有效查明了滑坡的多項地質特征(見圖13)。因此，對滑坡重點監測區進行綜合物探方法研究，具有重要的實際意義。

圖13 電阻率反演剖面圖[32]Fig.13 Resistivity inversion section

3.3.3分布式光纖感測技術

分布式光纖感測技術是一種以光為載體，光纖為媒介來感知和傳輸外界信號的新型傳感技術[33-34](見圖14)。該技術在國內起步較晚，但發展十分迅速。其基本原理為：激光器向光纖中發射一束脈沖光，光在光纖中傳播時發生布里淵散射，光纖某處應變和溫度的改變會引起此處的反向散射光發生頻移，解調儀接收到散射光后得到其頻移量，并計算出形變位置的具體應變值，隨后根據時間差計算出形變發生的準確位置。滑坡監測方面應用較多的分布式光纖感測技術主要包括布里淵光時域反射技術(BOTDR)、布里淵光時域分析技術(BOTDA)和布里淵光頻域分析技術(BOFDA)等。

Wang等[35]應用BOTDR技術開展了室內土坡模型的變形監測研究，驗證了該技術在土質邊坡監測方面的可行性和早期預警特性；Sun等[36]將多種光纖傳感技術同時應用于三峽庫區某邊坡的長期監測，不僅成功識別出滑面位置，且獲取了坡體的變形、溫度、滲流等多場信息。基于分布式光纖感測技術的地質災害研究現已取得不少成果，且相關技術研究正在進一步展開，預測在未來一段時期，該技術的應用領域將會不斷擴大。

3.3.4TDR監測法

TDR(Time Domain Radiation，時域反射技術)是一種滑坡地下監測方法。完整的TDR滑坡監測系統主要由脈沖信號發生裝置、同軸電纜、回波處理器、數據采集系統和數據處理終端等部分組成[37-38](見圖15)。TDR的測量原理為：在鉆孔中埋入同軸電纜并回填孔，由信號發生裝置向同軸電纜發射窄脈沖信號，當同軸電纜發生變形時會產生反射回波，采集并分析回波波形即可得到變形的大小和位置。具有可自動化監測、耗時短、成本低等優點。

圖15 TDR監測系統[38]Fig.15 TDR monitoring system

國內TDR技術在滑坡監測中的研究始于21世紀初，主要從測試理論、室內模擬試驗和野外應用試驗等幾個方面展開。譚捍華等[39]通過將TDR技術應用于公路邊坡的監測，研究了不同型號同軸電纜在相同剪切變形下TDR波形的差異；張青等[40]依據TDR技術的及基本原理提出了其在滑坡監測中的野外工作方法，并對比分析了室內模擬試驗和野外應用試驗的效果差異。已有研究雖初步取得成效，但整體上仍呈現出研究時間短、應用資料少的特點。

4 關鍵性問題及對策

上述傳統統計方法和可視化圖譜分析從發文量、高被引論文、載文期刊分布、主要研究力量、研究熱點話題和前沿發展方向等角度全面系統地總結了中國滑坡監測領域的技術成果和研究現狀，也充分證明了中國滑坡監測領域研究成果斐然。現有研究成果能基本解決常規滑坡災害的防控治理和預警預報等問題，但距離實現滑坡危險性分級分類、全方位精準高效智能監測預警的發展目標仍然有很長的路要走。現將幾點關鍵性問題總結如下：

(1) 滑坡形成機理研究不夠深入。中國地貌類型復雜多樣，不同地區地質和氣候條件差異較大，各區域滑坡類型和形成條件不盡相同。比如，西南地區山體眾多，雨量充沛，地殼活動頻繁，多發生降雨滑坡和地震滑坡；西北黃土高原地區山體陡峭，氣候相對干旱，加之黃土特殊的工程地質特性，孕育了“黃土滑坡”這一特殊的滑坡類型。以往的研究工作中往往忽略了致災因子和滑坡類型的差異，“一視同仁”的監測手段難以取得理想的實踐應用效果，要想獲得較為準確的監測數據就必須“因地制宜，精準施策”。因此，在探尋滑坡成因機理的過程中，將地質條件、水文條件、氣候條件和構造活動等影響因素全面考慮、有機結合，構建對應的力學模型并輔之以數值模擬方法，有助于研究人員系統掌握滑坡形成和發展演化規律，并給出恰當的監測技術方案。

(2) 監測手段選擇缺乏針對性。不同滑坡的致災因素存在差異，不同監測技術也有各自的優勢和不足。不少科研工作者在儀器選擇過程中誤認為“多即是好”，同時將多種監測技術手段布設在滑坡體中，盲目使用監測儀器設備不僅徒增工作量，造成資源浪費，而且無法獲取真實的監測結果。對此，科研人員應重點加強對滑坡類型和致災因素的研判，選擇適合研究區域滑坡成因機制和演化特點的監測技術手段，減少不必要的工作量，提高監測結果質量。

(3) 監測傳感器布設及存活困難。滑坡災害在孕育發生之前會出現一些異常現象，比如坡體中、前部出現裂縫，滑坡前緣土體隆起等，這些部位是滑坡的重點監測部位，但往往地勢陡峭，人員難以到達，坡體表面或內部監測傳感器的布設難度較大，造成滑坡關鍵區域的研究工作無法有效開展。因此，需要發展針對復雜地形條件下的配套輔助施工裝備、設計切實可行的傳感器布設及維護方案。例如，借助無人機等先進遠程儀器設備或研發新型山區專用施工裝備完成監測儀器的安裝工作；發揮創新監測優勢，研究適用于極端惡劣條件下的監測儀器保護系統。此外，針對傳感器存活困難的問題，一方面可研制相應的傳感器保護設施，提高惡劣條件下傳感監測設備的耐久性和存活率；另一方面可嘗試研發集成一體化纜線，使用一根纜線采集多種數據，提高工作效率，降低工作難度。

(4) 智能變頻監測及遠程預警診斷能力不足。一般而言，滑坡的發展演化可分為3個階段，即蠕動變形階段、劇烈滑動階段和漸趨穩定階段，傳統等時間間隔的數據采集方式忽略了劇烈滑動階段短時間內坡體形態及內部參數變化速率大的特點，造成該階段大量關鍵監測數據缺失，進而影響滑坡破壞臨界值判斷及發展演化規律總結。智能變頻監測能夠感應滑坡變形速度，當滑坡變形速度加快時可自動提高數據采集頻率，有效解決現有監測設備數據獲取不完整、無法兼顧長期采集和短時高頻采集的問題，為滑坡變形數據的獲取提供便利。此外，監測數據傳輸處理效率低、滑坡預警預報滯后也是當前地災防治工作的薄弱環節。解決此類問題應借助5G網絡技術進行現場數據的遠程高效快速傳輸，建立配套數據處理分析平臺進行數據成圖和可視化顯示，并通過預警預報系統實現滑坡智能預警診斷和診斷信息的遠程實時推送。

5 結 論

(1) 1992～2020年間，中國滑坡監測研究成果豐碩，目前已進入黃金發展期。監測技術手段的發展革新和滑坡預報預警研究是該領域的研究熱點話題；許強、殷坤龍、易武教授及其團隊聚集著主要研究力量，預計在未來一段時期，借助大數據、5G網絡等先進科技的預測預警研究將會引領滑坡監測技術研究的新潮流。

(2) 現有監測技術主要分為“空、天、地”3個方面，“空”主要利用太空衛星遙感手段，雖具有全天候、全時段、高精度等優點，但易受大氣影響引起測量誤差；“天”借助無人機進行掃描測量，能避免云層干擾，但受天氣影響嚴重；地面和地下監測可直接獲得滑坡表面或內部的變化信息，但監測范圍有限，儀器布設難度較大。因而在工程實踐中，綜合運用多種技術手段才能更全面精準的識別滑坡，達到防災減災效果。

(3) 現階段，國內滑坡災害頻發形勢嚴峻，加快推動滑坡災害智能化監測預警技術及裝備創新發展，對監測區及其匹配的監測技術手段進行系統總結并分級分類，構建多維多尺度精準動態可視化遠程監測預警平臺是突破當前滑坡監測領域發展瓶頸的關鍵。