基于三維WebGIS的多模型地質災害監測預警系統的設計與實現
——以平江縣加義鎮潭灣村萸子口公路北側山體滑坡為例

莫劍，吳斌暉，俞友

（湖南省地質礦產勘查開發局四○二隊，長沙 410000）

1 引言

湖南全省共發現的各種地質災害隱患點為18 567處，數量居我國第四位，是地質災害較為嚴重的區域之一。截至2021年8月底，全省2021年已出現地質災害事件580起，成功預報91起，直接損失1.77億元左右。而地質災害的頻發已嚴重威脅到人民群眾生命安全和財產安全，如何及時精確預報和預警是地質災害監測亟須解決的難題。傳統的地質災害預警預報系統，大多基于單一的預警閾值，誤報、漏報頻發，極易出現“狼來了”的跡象，使人民群眾不再信任有關部門所發出的警示信號，導致群眾撤離不及時，從而導致大量人員和經濟損失。

為此，本文針對誤報、漏報問題，提出了多模型地質災害監測方法，能夠有效降低誤報、漏報率，提高了預警精度，可為滑坡災害的監測預警提供技術和系統支撐。

2 監測點概況

本滑坡災害點位于平江縣加義鎮潭灣村，地理位置：東經113°47′32.39″，北緯28°36′49.07″，坡向130°。滑坡區南側緊鄰村鎮主干道路，車輛行人眾多，公路南側為汨羅江。該滑坡已發生一次險情，但周邊仍存在明顯裂縫，坡體坡向明顯，巖體十分松動，對過往車輛及行人構成嚴重安全隱患，若發生滑坡體落入江中，還有可能導致河道堵塞，對汨羅江上下游沿河居民的生命財產安全造成威脅。因此，亟須利用無線傳感器對現場各種隱患因素進行實時監測，建立遠程監測系統，提前發現險情、提前預防災害，為人民群眾脫離危險和轉移財產爭取時間。

3 關鍵技術介紹

3.1 預警模型

預警模型，是指通過以往總結的規律或觀測結果獲取數據,并且運用一定的經驗方式或分析法來模擬未來的結果，簡單地講是指利用已有數據推斷未知信號。預警模型可利用歷史監測數據，用來推測地質災害發生時間，以便提醒民眾及時疏散，避開傷亡事故和財產損失。本次研究選擇了灰色GM(1，1)模型、BP神經網絡（ANN）模型、齋藤模型[1]。

3.1.1 GM(1，1)模型

灰色系統學說，是由中國學者鄧聚龍博士在20世紀80年代初期所創建和發展的系統學說GM(1，1)模型是基于隨機的原始時間序列，經按時間累加后所呈現的規律可用一階線性微分方程的解來逼近。所以，當原始時間序列隱含這指數變化規律時，灰色模型GM(1，1)的估計也是十分合理的。故而GM模型同時也是在灰色模型，其中G代表灰色(Grey)，M表示模型(Model)。GM(1，1)則代表一階一個變量的灰色模型。

3.1.2 BP神經網絡（ANN）模型

BP神經網絡具有很強的本構非線性動態信息處理能力，可以處理比較強噪聲、非線性的氣巖土體信息。大量滑坡失穩工程研究成果，為分析滑坡穩定性問題提供了大量的實踐案例，人工神經網絡也可在實際樣本中獲得，從而實現了不確定性推理理論。人工神經網絡的機器學習規則主要是使用最速下降法則，并利用反向傳播原理來進一步調節網絡的權值和閾值，使網絡中的誤差平方和最小化[2]。

3.1.3 齋藤模型

齋藤模型是一個短臨預測模型，指導思想的核心是破壞三階段理論——巖土體蠕變(流變)理論(見圖1)：在第一穩定蠕變變形抵御能力模型階段，減速穩定蠕變抵御能力模型階段，減速逐步發展，傾斜偏差逐漸減少；第二穩定蠕變變形抵抗能力模型階段，發展穩定蠕變變形能力抗力模型階段，雖然等速發展，但傾斜偏差卻大體保持穩定；第三穩定蠕變抗力模型階段，加速發展穩定蠕變變形能力模型階段，CD段：雖然變化迅速增加，但對巖石體卻基本沒有破壞，DE階段：巖石體的改變速率提高，而對巖石體卻迅速破壞。

圖1 巖土體蠕變階段示意圖

3.2 三維WebGIS地圖引擎

本文中使用了Cesium,作為三維地圖引擎用于加載并展示監測點的三維數據。Cesium是一種面向三維地球和地圖的JavaScript公開源代碼應用。提供了大量的基于JavaScript編程語言的開發包,可以快速搭建三維WebGIS應用,并且在精度、性能、渲染品質上均有出色體現,同時具備了體積小、發布速度快、使用感受好的優點。

3.3 開源空間數據庫

本文中使用了PostgreSQL作為空間數據庫系統,主要用于空間數據和業務數據處理。PostgreSQL是加州大學計算機系開發的一款開源的關系型空間數據庫，適配的開源組件眾多，在讀寫分離、負載均衡方面表現優異，完全免費且性能出眾。

4 系統設計與實現

本系統是基于開源GIS技術，采用云服務器設計的B/S架構的系統，以平江縣加義鎮潭灣村萸子口公路北側山體滑坡為例，實現了對監測數據可視化展示、管理、分析以及預警等。系統包括數據概覽、災情管理、監測管理、一張圖、災情速報、系統管理6大模塊[3]。

4.1 數據概覽

數據概覽模塊主要用于系統中重要數據的直觀展示，便于熟練掌握系統情況和災情情況，包括災情數據、應急狀態數據、預警預報數據、災情速報數據、監測設備狀況數據等。

4.2 災情管理

災情管理用于管理全省隱患點數據、歷史災情數據以及隱患點相關的“三卡”數據，實現預警到鄉、預案到村、責任到人，能為應急救援提供堅實的數據支撐。包括隱患點數據管理、歷史災情管理、防災預案管理、防災明白卡管理、防災避險卡管理。

4.3 監測管理

監測管理用于監測點、監測設備管理，預警模型的管理以及預警信息發布。可以將監測設備對應到檢測點上，將監測點對應到具體的責任人，實現預警設備檢修不逾期、預警信息發布不滯后。預警模型的管理，可以實現多模型預警，可有效降低誤報、漏報的概率[4]。

4.4 一張圖

一張圖用于在二維、三維地圖上展示監測點、監測設備位置，并可進行監測數據的展示、對比、分析和模擬以及監測預警信息的查看發布等。如圖2所示。

圖2 一張圖主界面

4.5 災情速報

災情速報是用于各級單位在災險情發生之后，能夠快速向上一級主管單位匯報情況的工具，及時、準確的災情速報，是防災減災的重要手段之一，能夠有效減少人員傷亡和財產損失。

4.6 系統管理

部門管理、角色管理、用戶管理和權限管理4大模塊共同組成系統管理，系統管理是系統的底層和基礎模塊，用于支撐系統的正常運行。

5 系統應用分析

監測設備布設完成之后，經過調試，確認設備已經正常工作、網絡暢通、數據回發正常之后，將監測設備接入系統中。系統支持地質災害監測數據實時、動態監測并預警。系統的可靠性需要通過實際的工程案例來進行檢驗。本次的主要監測設備為位移計，設備在2021年5月20日完成安裝調試，并接入系統。通過系統數據對比，在2021年6月1日～10月19日，沒有監測設備達到預警級別，同樣，系統也沒有發出預警信息，表明系統在誤報方面表現良好。本次選取10月11日～17日一周的數據，通過3個模型進行預測，預測結果如圖3～圖5所示。

圖3 GM模型預測曲線圖

圖5 齋藤模型預測曲線圖

6 總結與展望

本文構建基于三維WebGIS的多模型地質災害監測預警系統，并選取平江縣萸子口滑坡作為監測示范點，監測設備接入正常，監測數據能正常展示，監測模型能正常運行，系統有效降低了當前國內系統中普遍存在的漏報、誤報概率，達到了預期效果，具有一定的推廣意義和社會價值。然而由于時間及資源的限制，并沒有能夠開展多研究區域的監測點布設和實驗驗證，沒有能夠進一步分析預警模型是否能夠在不同氣候、地質條件下適應。為此，后續將利用多區域數據來開展系統的穩健性和模型的適用性驗證。

圖4 BP模型預測曲線圖