基于激光雷達的川西高原山區運營高速公路地質災害判識研究

摘" 要：針對川西高原山區高速公路運營期的地質安全風險，創新性地構建了無人機機載激光雷達（Light Detection and Ranging，LiDAR）全流程遙感解析技術體系，結合典型災害案例，驗證其工程適用性。研究采用KWT-X6L-15無人機搭載多頻段LiDAR系統，通過點云數據采集、多維特征提取與地形建模，實現復雜植被覆蓋區隱蔽性災害的精準識別。實測數據表明：在某3 km試驗段內，系統成功辨識出10處滑坡體、6處危巖帶、3條泥石流溝與3處不穩定斜坡，并且繪制了災害空間分布熱力圖。以鐵邑牽引式滑坡和磨子溝泥石流為例，通過三維形變場反演與水文動力學參數耦合分析，揭示了災害鏈式演化規律，為高風險區工程防護設計提供了數據支撐。

關鍵詞：地質災害 激光點云 數字地形模型 川西高原 公路安全

Research on Geological Hazard Identification of OperatingAnalysis of Highway Damage Caused by Torrential Rain and Mudslide in Western Sichuan Plateau Mountainous Areas Based on Lidar

MEI Benqiang¹ "SONG Yang^2* ""RAN Xiaosong¹ ZHANG Le^2"" HE Yunyong²

（1. Ya 'an Transportation Construction Group Co.， Ltd.， Ya 'an， Sichuan Province， 625000 China;；

2. Sichuan Provincial Highway Planning， Survey， Design and Research Institute Co.， Ltd， Chengdu， Sichuan Province， 610041 China）

Abstract： In response to the geological safety risks during the operation period of highways in the western Sichuan Plateau mountainous areas， an innovative unmanned aerial vehicle （UAV） airborne LiDAR （Light Detection and Ranging， LiDAR） full process remote sensing analysis technology system has been constructed， and its engineering applicability has been verified through typical disaster cases. The research uses the KWT-X6L-15 drone equipped with a multi band LiDAR system to achieve accurate identification of hidden disasters in complex vegetation coverage areas through point cloud data collection， multi-dimensional feature extraction， and terrain modeling. The measured data shows that within a 3 km test section， the system successfully identified 10 landslide bodies， 6 dangerous rock zones， 3 debris flow gullies， andTo Aiming at the safety problem of expressway operation in the mountainous area of western Sichuan Plateau， laser radar technology is used for remote sensing interpretation， and its technical process is summarized and practical cases are explained. The results show that the laser point cloud data acquisition is carried out by using the UAV platform equipped with the airborne laser radar measurement system with the laser radar as the technical means， and the data processing is carried out according to the process of preprocessing， denoising filtering classification and digital elevation model construction， which can effectively interpret the geological disasters of the highway in the mountainous area of the western Sichuan Plateau and provide support for the safety of the high-speed operation. Taking a 3 km section of an expressway as an example， 10 landslides， 6 collapses， 3 debris flows， 3 unstable slopes， and drew a thermal map of the spatial distribution of disastersaccumulations were interpreted by lidar， forming a disaster distribution map. Taking the Tieyi traction landslide and Mozigou debris flow as examples， the coupling analysis of three-dimensional deformation field inversion and hydrodynamic parameters reveals the chain evolution law of disasters， providing data support for engineering protection design in high-risk areasthe translation results are expressed.

Key Wwords： Geological disaster Western Sichuan Plateau; Laser point cloudExpress way; Digital terrain modelLight detection and ranging; Western Sichuan plateau; Highway safetyRemote sensing interpretation川西高原山區公路（如G317、G318）因地質災害年均中斷交通超30次，直接經濟損失達1.2億元，例如：2019年G317線理縣段滑坡導致路基垮塌80 m，修復費用超2 000萬元。地質災害還通過“鏈式效應”誘發次生災害，例如：泥石流堵塞河道，引發洪水沖毀橋梁。

現有技術中，地面勘測法（如地質雷達、鉆孔勘探）精度高，但效率低，適用于局部重點區域；空天遙感法（如光學衛星、合成孔徑干涉雷達（Interferometric Synthetic Aperture Radar，InSAR））可以大范圍監測形變，但受云霧遮擋且植被穿透能力弱；無人機傾斜攝影分辨率達厘米級，但數據處理復雜且依賴光照條件^[1-3]。然而，激光雷達（Light Detection and Ranging，LiDAR）通過發射近紅外激光（波長905～1 550 nm），可以穿透植被冠層，生成亞米級數字高程模型（Digital Elevation Model，DEM），其垂向精度達±15 cm^[4]。在川西高原茂密植被覆蓋區，LiDAR成功識別出12處光學遙感遺漏的潛在滑坡^[5-6]。結合機器學習算法（如隨機森林），可以將滑坡識別準確率提升至92%^[7-8]。相較于InSAR，LiDAR不受大氣延遲影響，并且適用于多云多雨環境^[9]。

鑒于此，本文以某高速公路為例，采用LiDAR技術，詳細總結遙感解譯技術流程，并以某3 km區段為例進行應用說明，研究成果可以為川西高原山區運營高速公路地質災害判識提供參考。

1 "LiDAR技術與遙感數據處理

工作主要內容包括激光點云數據采集和處理、不良地質現象遙感解譯。通過點云數據采集和處理，對工點不良地質現象的類型、規模、分布等進行判別解譯，分析沿線不良地質現象形成和發育的空間分布特征，可以說明其對路線方案和工程的影響程度。

1.1 激光點云數據采集

采用無人機平臺搭載機載LiDAR測量系統進行數據采集。無人機設備選用KWT-X6L-15大型多旋翼無人機，其可負載15 kg，航時達75 min，翼展2.5 m，具高抗風能力，中心盤具有3掛載點，可以同時負載3個云臺，匹配實時動態載波相位差分定位、避障、拋投、測繪等多種功能模塊，并可支持系留模式。

1.2 激光點云數據要素

機載設備收集的數據主要有回波強度和次數、掃描點三維空間信息、系統參數等。點云坐標數據、激光回波和強度數據是激光脈沖返回的關鍵信息。

1.2.1 坐標數據

坐標數據是LiDAR的核心數據，其記錄了航測區域的地物點、地形點三維空間信息，數據處理可以通過激光測距儀、慣性測量裝置與全球定位系統（Global Positioning System，GPS）解算，再實現目的。

1.2.2 激光回波數據

激光的穿透性使其在掃描不同的地物時會產生不同的回波次數，回波信號與地物表面有著直接的關系。當激光照射到光禿的地面或簡單平整的建筑物屋頂時，激光只會產生一次回波；當激光脈沖穿透參差不齊的植被時，則會形成多次回波。因此，根據激光穿透不同地物反饋的回波次數差異，可以進行地物區分。

1.2.3 激光強度數據

根據不同地物對激光信號響應特征的差異，可以歸類地物信息。

1.3 激光點云數據處理

1.3.1預處理

激光點云數據處理分為質量檢查和大地定向2個步驟。

（1）點云質量檢查的目的是保障原始數據質量，在其滿足誤差允許的情況下，再對其進行降噪與分類等處理。針對可能存在的不同架次、不同航線間點云匹配存在誤差等問題，使用專業軟件進行激光點云數據質量檢查，并且進行航線間點云匹配消除。

（2）大地定向旨在賦存原始數據空間坐標信息，原始數據包括不同坐標系下的空間數據，如空中平臺內 GPS 記錄的信息、激光掃描儀得到的原始激光斜距數據、慣性導航系統得到的坐標數據與基站或地面連續運行參考站獲取的空間數據等。通過這些不同坐標系下的空間信息，可以實現點云數據的大地定向，使其空間信息變得更加精確，是進行后續處理的前提。

1.3.2 去噪、濾波及分類

（1）去噪。激光點云數據中受設備震動、掃描體表層粗糙度等各類因素干擾形成的異常點統稱為噪點，包括地面高低點、孤立點等，其會導致點云數據的識別難度加大，降低數據的準確度。

如圖1所示，通過區域搜索的方法剔除高程異常點，以被判定點為搜索中心，設置搜索半徑和閾值。如果搜索中心距離待搜索點的距離大于搜索中心與待搜索點附近點距離的 3 倍，則可以剔除該點。運算不同算法（如K維樹）等對區域內孤立點進行剔除。

（2）濾波。點云數據濾波處理指按照地表實際情況，在海量的數據中將表示非自然地形的數據移除，保留正確的點云數據。激光點云濾波通過一定的規則算法對點云數據進行分類處理，區分自然地形、人工地物和非地面信息，分類后的地面點云數據可以為其延伸產品提供重要的數據基礎。

通過濾波處理，剔除較多的非地面數據，LiDAR 數據趨于平順，并且降低了點云數據的數據量和儲存空間，利于數據查詢與后續處理。

（3）分類。點云數據的濾波質量和該區域的地形、點云質量、濾波參數的選擇都有關系。為防止重要地形特征的丟失，在濾波處理后，仍需要通過人機交互的方式繼續進行點云精細化分類，使點云數據可以達到滿足誤差要求的精度水平。

1.3.3 數字高程模型構建

LiDAR點云數據濾波后，基本剔除了建筑物、樹木及其他地物特征。若要生成原始地形所在區域的數字高程模型，則仍需要針對前述剔除導致的數據缺失空間進行地面點插值，以獲取高程，生成符合原地形趨勢特點的DEM。

在評估分析過程中，還需要對DEM進行加工處理，生成不同的產品，如山體陰影等，以便更加直觀、便捷地對地災進行分析量測等工作。

2" 實例分析

該區域下伏地層以志留系茂縣群第二段（S_mx²）為主。巖性上部為薄層、中層微晶灰巖、砂泥質灰巖與綠色絹云板巖呈不等厚互層；下部為以灰、灰綠色絹云板巖為主，夾薄層、透鏡狀砂泥質灰巖，底部為雜色鈣質石英砂巖，厚120～316 m。兩側巖體風化較為嚴重，發育多處崩塌、滑坡，坡表可見崩落土石塊。

經光學影像和激光點云解譯，兩岸共發育滑坡10處、崩塌6處、泥石流3處，不穩定斜坡和堆積體3處。高速公路主要沿雜谷腦河左岸以連續橋梁形式展布，部分地質災害隱患點已進行處治，其中，滑坡H1、滑坡H2、滑坡H3、滑坡H6已通過抗滑樁進行處治，崩塌B1已設置柔性防護網。

2.1滑坡解譯

滑坡H8為鐵邑滑坡，位于雜谷腦河右岸，長506 m，高742 m。滑坡整體呈扇形，下部斜坡坡度約40°～45°，中部斜坡坡度約30～35°，上部斜坡坡度約40°～45°。后緣形成高約8～20 m滑動錯臺，滑坡順G317方向寬約280 m、縱向長約480 m、厚度約20～25 m。滑坡體方量約268.8～336×10⁴ m³，屬巨型中層牽引式滑坡。在斜坡上部存在通村水泥路，坡表上部和下部局部區域被開墾為臺階狀旱地，中部人為改造較少。

如圖2所示，從山體陰影圖可以看出，該滑坡后緣錯臺明顯，高度超30 m，邊界清晰，存在進一步侵蝕剝落垮塌的風險，坡表受雨水沖刷較為嚴重，中部區域形成的溝壑較多，有土石塊崩落滾動痕跡，前緣與中部發育多處局部滑動垮塌，部分變形垮塌坡面坡度較大，約35°～45°，后緣邊界清晰，存在再次發生垮塌變形風險。

2.2 泥石流解譯

泥石流N2為磨子溝泥石流，整體由SW向NE傾斜，俯視溝域形態呈舌狀，溝域面積5.08 km²。最高點高程為主溝溝頭上方，高程為3 245 m；最低點為溝口堆積扇底部，高程為1 363 m，相對高差為1 882 m。主要由兩條呈“Y”型溝谷組成，主溝長度3.71 km，平均縱坡降為404.55‰；支溝長度1.62 km，平均縱坡降為388.21‰。磨子溝溝谷總體上為“Y”型谷，上游發育有一條支溝，土高與支溝之間存在有大型堆積體，堆積體長度約1 200 m、寬度約450 m、平均厚度大于40 m。目前多被墾為臺階狀果林，上、中部溝道窄陡，溝谷內側存在基巖裸露，下部溝道坡度放緩，在溝口堆積為古泥石流堆積扇，如圖3。

3" 結論

（1）以LiDAR為技術手段，采用無人機平臺搭載機載LiDAR測量系統進行激光點云數據采集，按預處理、去噪濾波分類、DEM構建的流程進行數據處理，能夠有效解譯川西高原山區公路地質災害，為運營高速的安全提供支撐。

（2）以某高速公路某3 km區段為例，通過LiDAR解譯，得滑坡10處、崩塌6處、泥石流3處、不穩定斜坡及堆積體3處，形成災害分布圖；以鐵邑滑坡和磨子溝泥石流為例，進行了解譯結果表達。

參考文獻：

[1] 劉泰鑫， 周立志， 王子煜， 等. 基于激光點云技術的道路邊坡滑坡識別方法研究[J]. 山西建筑， 2024， 50（12）： 127-130.

[2] 陳宇， 高攀. 三維激光掃描技術在滑坡災害監測中的應用[J]. 中國高新科技， 2024 （2）： 138-139， 142.

[3] 呂樹春. 基于三維激光掃描技術的基坑滑坡監測方法研究[J]. 測繪與空間地理信息， 2023， 46（5）： 216-218.

[4] 曾維剛， 王兵， 張繼忠， 等. 基于滑坡體構型特征和激光點云的災害規模判定方法研究[J]. 自然災害學報， 2022， 31（6）： 200-209.

[5] 趙立都， 張雙成， 向中富， 等. 地面三維激光掃描點云應用于滑坡監測中基準統一研究[J]. 災害學， 2022， 37（2）： 84-88.

[6] 趙鵬輝， 李俊杰， 葉唐進， 等. 輕小型無人機遙感在高山峽谷區山地災害應急監測中的應用[J]. 防災減災工程學報， 2021， 41（3）： 448-454.

[7] 穆超， 彭艷鵬， 謝菲. Riegl VZ-1000三維激光掃描儀在重大地質災害測繪中的應用[J]. 北京測繪， 2019， 33（5）： 575-578.

[8] 王慶國， 趙海， 李健平. 地面激光點云與航空影像相結合的滑坡監測[J]. 測繪通報， 2019（4）： 99-102.

[9] 蔡少輝. 基于激光點云的鐵路隧道特征提取及變形分析[J].科學技術創新， 2025（5）： 5-8.