朱 慶,曾浩煒,丁雨淋,謝 瀟,劉 飛,3,張利國,李海峰,胡 翰,張駿驍,陳 力,陳 琳,張鵬程,何華貴

1. 西南交通大學(xué)地球科學(xué)與環(huán)境工程學(xué)院，四川 成都 611756； 2. 武漢大學(xué)測繪學(xué)院，湖北 武漢 430079； 3. 四川測繪地理信息局測繪技術(shù)服務(wù)中心，四川 成都 610081； 4. 川藏鐵路有限公司，四川 成都 610043； 5. 中南大學(xué)地球科學(xué)與信息物理學(xué)院，湖南 長沙 410083； 6. 廣州市城市規(guī)劃勘測設(shè)計研究院，廣東 廣州 510060

高位山體崩滑與冰雪崩滑等重大滑坡隱患嚴(yán)重制約和威脅新型城鎮(zhèn)化與川藏鐵路工程等重大基礎(chǔ)設(shè)施建設(shè)及安全運行。重大滑坡隱患分析研究具有重要意義，事先發(fā)現(xiàn)和識別滑坡隱患并實施科學(xué)的監(jiān)測預(yù)警，是變“被動避災(zāi)救災(zāi)”為“主動防災(zāi)治災(zāi)”，減少甚至避免造成災(zāi)難性地質(zhì)災(zāi)害事件發(fā)生的主要途徑。然而，我國西部山區(qū)重大滑坡隱患多具有隱蔽性、突發(fā)性、不確定性等復(fù)雜特點，極大地增加了主動防范和監(jiān)測預(yù)警的難度。其中，隱蔽性指受植被覆蓋、冰雪覆蓋和高海拔位置影響，滑坡形成條件、發(fā)育跡象和發(fā)生部位極為隱蔽，絕大多數(shù)災(zāi)難性滑坡無法在災(zāi)前及時發(fā)現(xiàn)；突發(fā)性是指滑坡受外界因素(如強降雨、地震等)的觸發(fā)而突然發(fā)生，滑坡從穩(wěn)定狀態(tài)轉(zhuǎn)變?yōu)槭Х€(wěn)狀態(tài)的過程極為短暫，事前并無可直接觀測和感知到的滑坡前兆；不確定性指滑坡災(zāi)害多因子耦合關(guān)聯(lián)、過程動態(tài)隨機，難以預(yù)測，孕災(zāi)條件不清(潛在不穩(wěn)定山體、自然壩體、松散堆積等孕災(zāi)條件的形成具有隱蔽性)、誘災(zāi)因素隨機(強震、人類工程活動等誘災(zāi)因素的產(chǎn)生具有隨機性)、成災(zāi)規(guī)律不明(不同氣候條件下的成災(zāi)危害、二次災(zāi)害與災(zāi)害鏈的臨界觸發(fā)點不明)。

依靠經(jīng)驗式識別技術(shù)難以及時發(fā)現(xiàn)潛在的滑坡風(fēng)險，做出科學(xué)預(yù)警和主動防范。特別是在西部復(fù)雜艱險山區(qū)，監(jiān)測信息復(fù)雜零散導(dǎo)致“看不全”、災(zāi)害風(fēng)險隱蔽性強導(dǎo)致“看不清”、災(zāi)害過程動態(tài)隨機導(dǎo)致“看不準(zhǔn)”的問題極為突出。因此，滑坡隱患精準(zhǔn)早期識別與定量預(yù)測分析，已成為國際滑坡研究領(lǐng)域關(guān)注的熱點和難點，也是川藏鐵路勘察、設(shè)計、施工、運營全生命周期風(fēng)險防控亟須克服的難題。

1 “天-空-地-內(nèi)”立體綜合監(jiān)測手段

近年來物聯(lián)網(wǎng)和傳感器技術(shù)的迅速發(fā)展，遙感、地球物理、水文地質(zhì)、地球化學(xué)、巖土工程、地貌學(xué)等多學(xué)科領(lǐng)域多手段聯(lián)合的多傳感器立體綜合探測和動態(tài)觀測，為滑坡災(zāi)害成災(zāi)機理、滑坡隱患早期識別，以及實時預(yù)測預(yù)警等持續(xù)提供時空分辨率越來越高的滑坡災(zāi)害鏈全鏈條多因素的多源動態(tài)監(jiān)測數(shù)據(jù)。

1.1 航天遙感監(jiān)測技術(shù)

航天遙感技術(shù)主要指星載光學(xué)遙感和星載InSAR技術(shù)。航天遙感技術(shù)時效性好、宏觀性強、信息豐富等特點，能為災(zāi)害隱患識別分析提供重要的地表觀測數(shù)據(jù)，已被廣泛應(yīng)用于大范圍區(qū)域滑坡普查和監(jiān)測[1-3]。星載光學(xué)遙感獲取的地表光譜紋理信息，可揭示地表覆被、裸地、大型裂縫以及不同地物、建筑設(shè)施的分布情況[4]，支撐區(qū)域滑坡識別與滑坡易發(fā)性分析，但面對多植被、多冰雪等復(fù)雜環(huán)境中，星載遙感數(shù)據(jù)難以體現(xiàn)地表裂縫、地形起伏等特征，且多云的氣候也導(dǎo)致影像質(zhì)量難以保證。InSAR技術(shù)具有全天候全天時高分辨率的特點，能夠周期性獲取高精度大范圍地表形變信息，捕捉大范圍內(nèi)活動滑坡位置并觀測形變速率變化，在大范圍滑坡隱患排查與穩(wěn)定性分析中應(yīng)用廣泛[5-11]。但像元分辨率與形變精度易受高坡體與坡體角度影響。面對西部地區(qū)高海拔落差、高植被、高冰雪覆蓋以及多變氣候環(huán)境，InSAR技術(shù)存在相干點點位密度低、空間分布不均勻，大氣延遲誤差嚴(yán)重的問題，數(shù)據(jù)精度和可靠度難以保障。同時InSAR技術(shù)只能獲取一維視線方向的形變，難以反映真實災(zāi)害變形情況。

1.2 航空遙感監(jiān)測技術(shù)

航空遙感主要指機載航空攝影測量與機載LiDAR技術(shù)。由于觀測距離的縮短，搭載平臺的靈活性提升，航空遙感可以觀測時空分辨率更為精細(xì)的地表特征，能更好地支撐川藏鐵路廊道滑坡隱患詳細(xì)排查。機載LiDAR測量系統(tǒng)由于其高精度、高密度的特性，可穿透植被獲取高精度的地面三維形態(tài)信息，有效識別植被覆蓋的地表裂縫、古滑坡、滑坡堆積區(qū)等隱患區(qū)域[12-13]，彌補了攝影測量在高植被山區(qū)受視場遮擋對精細(xì)地表形態(tài)表示的不足。另外，多期LiDAR觀測可進(jìn)行區(qū)域地表、裂縫等形變監(jiān)測，支撐詳細(xì)的滑坡隱患穩(wěn)定性分析，但在復(fù)雜艱險的高山高落差且高植被非常茂密的覆蓋區(qū)域，激光點云密度不勻，精細(xì)分類難度大，難以反映地表真實形態(tài)。

1.3 地面監(jiān)測技術(shù)

在衛(wèi)星定位技術(shù)、電子測量技術(shù)、計算機技術(shù)的發(fā)展下，各種精密的傳感器和新型的觀測技術(shù)被應(yīng)用于滑坡隱患監(jiān)測中，以滿足災(zāi)害防控高時空分辨率的監(jiān)測需求。如地面觀測儀器設(shè)備，如測距儀、GNSS、測量機器人等，可獲取滑坡隱患點長期實時的點位高精度地表位移[14-16]。地基合成孔徑雷達(dá)(GB-InSAR)和地面激光掃描技術(shù)憑借大面積高精度的特點[17]可以獲取高精度的三維地表形態(tài)[18]和高精度連續(xù)空間覆蓋的形變信息[19-20]，可實現(xiàn)單體滑坡穩(wěn)定性分析與監(jiān)測預(yù)警，進(jìn)一步加強對的狀態(tài)核查[21-23]。

1.4 地下監(jiān)測技術(shù)

地下監(jiān)測技術(shù)可以監(jiān)測滑坡體內(nèi)部的相對位移量(深部測斜儀、鉆孔多點位移計、光纖光柵傳感器等)，監(jiān)測土壤含水率等地下水相關(guān)參數(shù)(水位計、滲壓計、孔隙水壓力計、土壤水分儀等)，監(jiān)測滑坡內(nèi)部物理場信息(應(yīng)變計、應(yīng)力計、土壓力計等)[24]。為滑坡隱患分析、機理分析提供可靠的深部監(jiān)測信息。除鉆孔點位監(jiān)測外還有無須鉆孔的地球物理探測技術(shù)，通過電阻率、地震波探測不同地球物理場，能夠得到連續(xù)的地層巖性和地質(zhì)構(gòu)造信息，更好地支撐滑坡隱患識別和穩(wěn)定性分析[25]。

同樣，面對人跡罕至、難至的復(fù)雜艱險山區(qū)，目前的地面、地下監(jiān)測技術(shù)仍面臨著通信難、續(xù)航難和布設(shè)安裝難的問題。

圖1歸納了不同類型監(jiān)測數(shù)據(jù)適宜表達(dá)的不同時空尺度的滑坡隱患特征[15,26]。傳統(tǒng)單一的觀測手段無法獲得全面、準(zhǔn)確的觀測數(shù)據(jù)，存在點觀測與面觀測脫節(jié)的問題，難以“看全”和“看清”滑坡體立體三維結(jié)構(gòu)及其變形演化過程。因此，靈活運用多種監(jiān)測手段，融合多視角多時空尺度監(jiān)測信息，才能保障準(zhǔn)確可靠的滑坡隱患分析。

圖1 不同監(jiān)測手段的適用性Fig.1 The suitability of different monitoring approaches

2 滑坡隱患分析方法現(xiàn)狀

滑坡隱患分析是指對區(qū)域內(nèi)潛在的滑坡隱患進(jìn)行識別排查及隱患狀態(tài)評估分析(主要有易發(fā)性分析、危險性分析、風(fēng)險性分析)。在滑坡隱患識別方面，早期地質(zhì)災(zāi)害專家采用判別分析和回歸分析法對斜坡的穩(wěn)定性、滑坡的可能規(guī)模以及古老滑坡的復(fù)活性進(jìn)行定量預(yù)測，并提出了臨界條件值的概念，量化發(fā)生滑坡相關(guān)因素(地層巖性、地質(zhì)構(gòu)造、地形地貌、水文地質(zhì)，地震及人類工程活動等)整體性的描述值。基于上述理論，發(fā)展了一系列經(jīng)驗性、統(tǒng)計性的滑坡隱患識別方法。

2.1 模型驅(qū)動的滑坡分析方法

滑坡隱患分析模型是進(jìn)行滑坡隱患分析的前提，是通過將滑坡知識(如專家經(jīng)驗規(guī)則和力學(xué)機理模型等)進(jìn)行函數(shù)化、模型化表達(dá)，在假定滑坡演化過程符合某一已知模型的前提下，以此作為滑坡進(jìn)行隱患分析。目前，滑坡隱患分析模型主要包括兩類：專家經(jīng)驗規(guī)則模型、滑坡力學(xué)機理模型。

經(jīng)驗規(guī)則模型通過領(lǐng)域?qū)＜医?jīng)驗知識選取典型的滑坡孕災(zāi)環(huán)境因子和誘發(fā)因子，并確定不同因子對滑坡隱患的貢獻(xiàn)權(quán)重，再進(jìn)行因子的疊加分析評價，典型的有專家打分法、層次分析法[27-29]。層次分析法是一種多目標(biāo)綜合評價方法，分析結(jié)果可解釋性強，在區(qū)域評估中應(yīng)用十分廣泛。針對滑坡的顯現(xiàn)特征的不確定性和模糊性，模糊數(shù)學(xué)理論被引入且獲得了較好的效果，如模糊層次分析法[30-32]。經(jīng)驗規(guī)則模型具有操作簡單、不依賴數(shù)據(jù)樣本的特點。同時利用專家知識逐一對比各因素之間的關(guān)系，還能有效降低人為誤差，實現(xiàn)較為準(zhǔn)確可靠的隱患分析[33]。但由于缺乏知識庫儲備，不同專家經(jīng)驗相互分散未被有效利用，面對遇到新的問題和場景需要人工重新確定因子和權(quán)重因子與權(quán)重需重新確定，分析結(jié)果準(zhǔn)確性受專家水平影響較大。

力學(xué)機理模型將滑坡進(jìn)行理想化為單個或多個規(guī)則對象，考慮其物質(zhì)組成、力學(xué)結(jié)構(gòu)及誘發(fā)因子的作用機制，以準(zhǔn)確的力學(xué)模型進(jìn)行滑坡隱患的狀態(tài)分析，應(yīng)用最廣泛的有極限平衡法與有限元法[34-36]。極限平衡法又可推演出無限斜坡穩(wěn)定模型，如結(jié)合了無限斜坡穩(wěn)定模型和坡面水文模型的SHALSTAB模型[37]，被驗證在多個地區(qū)具有較準(zhǔn)確的分析結(jié)果[38-39]。此外還有SINMAP模型[40]，以及加入瞬態(tài)空隙壓力的TRIGRS模型[41]，相比極限平衡法有限元強度折減法通過斜坡內(nèi)部應(yīng)力分布與位移形變進(jìn)行狀態(tài)評估[42]，能夠更好地考慮內(nèi)部變化與外部因素影響，處理非線性、非均質(zhì)和復(fù)雜邊界的問題[43]。盡管力學(xué)機理模型具備區(qū)域滑坡隱患準(zhǔn)確定量評估的能力，但現(xiàn)有力學(xué)機理模型依賴高詳細(xì)度的地質(zhì)空間調(diào)查數(shù)據(jù)、合適的模型選擇與準(zhǔn)確的模型參數(shù)確定，只適用于地質(zhì)條件相似的小范圍詳細(xì)評估，對于不同區(qū)域往往需要重新調(diào)查、試驗以確定模型，泛化能力較弱。

無論是經(jīng)驗規(guī)則模型對因子、權(quán)重的確定和力學(xué)機理模型對模型的選擇都有很強的區(qū)域特殊性，且選擇過程易受專家經(jīng)驗和主觀性影響?，F(xiàn)有的分析模型難以有效表達(dá)復(fù)雜多樣的滑坡災(zāi)害的形成條件、誘發(fā)因素以及機理過程，難以靈活應(yīng)對不確定的、多階段性的滑坡變形演化過程。重大滑坡變形破壞過程是地形、地質(zhì)結(jié)構(gòu)、氣象、地下水等多因素耦合作用下發(fā)展演化的非線性動力系統(tǒng)災(zāi)害，驅(qū)動因素和滑坡形變位移演化過程既存在典型的時空異質(zhì)性也存在時空關(guān)聯(lián)性特征?，F(xiàn)有滑坡隱患分析模型并未與滑坡變形演化過程和內(nèi)在機理建立動態(tài)聯(lián)系，往往僅能適用于某一類滑坡或某一演化階段的小范圍滑坡分析，對于偏離“正?！钡碾[蔽性、隨機性、不確定性滑坡災(zāi)害并不能完全適用，分析結(jié)果的隨機性、偏移性和盲目性難以避免。因此，亟須研究發(fā)展能綜合反映滑坡地質(zhì)條件、力學(xué)機理與宏觀表象有機結(jié)合的滑坡隱患分析模型。

2.2 數(shù)據(jù)驅(qū)動的滑坡隱患分析方法

數(shù)據(jù)驅(qū)動分析是以數(shù)據(jù)為核心的數(shù)據(jù)分析方法，以數(shù)理統(tǒng)計為基礎(chǔ)，通過量化已發(fā)生滑坡過程中相關(guān)地理變量歷史觀測數(shù)據(jù)之間的時空相關(guān)關(guān)系(地層巖性、地形地貌、地質(zhì)構(gòu)造、水文地質(zhì)等因素與滑坡變形)，基于歷史觀測數(shù)據(jù)，建立適用于全局的目標(biāo)變量與輔助變量之間的統(tǒng)計相關(guān)模型，利用輔助變量觀測值推測目標(biāo)變量在未知時刻和空間位置的特征值；即對已發(fā)生的滑坡與影響滑坡的因素的歷史觀測數(shù)據(jù)進(jìn)行統(tǒng)計回歸，對特定的地點和時間可能發(fā)生的滑坡進(jìn)行分析。其分析過程客觀，在數(shù)據(jù)樣本足夠多且具有代表性的情況下分析結(jié)果的可信度和實用價值高。按照分析方法的智能度，又可進(jìn)一步劃分為數(shù)理統(tǒng)計方法和機器學(xué)習(xí)方法。

數(shù)理統(tǒng)計分析是從大量數(shù)據(jù)的統(tǒng)計信息出發(fā)，分析滑坡孕災(zāi)環(huán)境因子、誘發(fā)因子與滑坡隱患點編錄之間的相關(guān)性，如信息量分析[44]、回歸分析[45-46]。在此基礎(chǔ)上確定因子及其權(quán)重，進(jìn)行滑坡隱患的相關(guān)分類與評估，避免了經(jīng)驗?zāi)Ｐ偷闹饔^性，其結(jié)果客觀性強。針對滑坡分析數(shù)據(jù)不完備情況，有灰色模型分析[47]、粗糙集[48]等方法。由于數(shù)理統(tǒng)計模型難以精確表達(dá)因子與滑坡隱患之間的非線性關(guān)系，分析結(jié)果仍存在一定的局限性。目前已經(jīng)出現(xiàn)了大量基于歷史監(jiān)測數(shù)據(jù)統(tǒng)計回歸的滑坡隱患然分析方法；然而，特大滑坡受多種地質(zhì)結(jié)構(gòu)因素、環(huán)境驅(qū)動因素耦合制約，動力學(xué)演化過程機制(類型/模型)復(fù)雜且非線性，反映滑坡平衡狀態(tài)的狀態(tài)量，如應(yīng)力場、應(yīng)變場、位移場、滲流場等，與影響滑坡平衡的激發(fā)驅(qū)動因素，如降雨、水位、濕度、氣壓、溫度等監(jiān)測大數(shù)據(jù)異構(gòu)多源，并且由于非線性、非平穩(wěn)等特性，狀態(tài)量與激發(fā)驅(qū)動因素之間在時空上并不簡單遵守統(tǒng)計回歸、高斯分布等相關(guān)規(guī)律。因此該類方法的可靠性和科學(xué)性難以保證。

近年來，邏輯回歸[49-50]、決策樹[51-52]、隨機森林[53]、人工神經(jīng)網(wǎng)絡(luò)[54-55]、支持向量機[56-59]等典型機器學(xué)習(xí)方法被廣泛用于滑坡易發(fā)性評估，一定程度上較好解決了非線性關(guān)系表達(dá)的問題。深度學(xué)習(xí)憑借多維時空處理能力和關(guān)聯(lián)關(guān)系挖掘能力也越來越多應(yīng)用于災(zāi)害分析領(lǐng)域[60-61]。相關(guān)研究表明，基于深度學(xué)習(xí)的滑坡隱患早期識別具有巨大潛力[61]。深度學(xué)習(xí)采用“端對端”的特征學(xué)習(xí)，通過多層處理機制揭示隱藏于數(shù)據(jù)中的非線性特征，能夠從大量訓(xùn)練集中自動學(xué)習(xí)全局特征(這種特征被稱為“學(xué)習(xí)特征”)，這是其在遙感影像自動目標(biāo)識別取得成功的重要原因，也標(biāo)志特征模型從手工特征向?qū)W習(xí)特征轉(zhuǎn)變。基于深度學(xué)習(xí)的滑坡隱患分析方法，其本質(zhì)是利用歷史已知的多場滑坡驅(qū)動因素觀測值與滑坡狀態(tài)集，挖掘滑坡監(jiān)測數(shù)據(jù)間隱患關(guān)聯(lián)，自動學(xué)習(xí)滑坡狀態(tài)空間與多場異源觀測數(shù)據(jù)特征空間的映射關(guān)系模型，并用此模型預(yù)測新的滑坡狀態(tài)值。其缺點是過于依賴大量數(shù)據(jù)對復(fù)雜網(wǎng)絡(luò)的擬合，不同任務(wù)場景的數(shù)據(jù)人工標(biāo)記過程人力成本很大。

重大滑坡災(zāi)害通常是深部-地表多因子耦合作用的結(jié)果，受觀測能力的限制(如第1章所述)，以及災(zāi)前高質(zhì)量多源數(shù)據(jù)的匱乏，滑坡隱患分析多存在樣本數(shù)據(jù)的不完備、隱患特征難以標(biāo)記的問題。無論是直接輸入的滑坡歷史形變監(jiān)測信息，還是根據(jù)歷史滑坡事件總結(jié)的滑坡宏觀變形破壞跡象和前兆異常特征信息，數(shù)據(jù)驅(qū)動方法所歸納的滑坡災(zāi)害時空演變信息量較為片面和滯后，沒有與滑坡變形破壞機理和物理過程建立關(guān)聯(lián)，易導(dǎo)致分析結(jié)果的欠擬合和過度擬合問題，直接影響隱患發(fā)現(xiàn)與識別的精準(zhǔn)性與可靠性。

2.3 滑坡隱患分析方法對比

不同的監(jiān)測手段應(yīng)用的分析模型特點與局限整理見表1。

表1 滑坡隱患分析方法

綜上所述，目前制約滑坡隱患可靠早期識別與發(fā)現(xiàn)的主要問題和困難在于：滑坡內(nèi)部結(jié)構(gòu)認(rèn)知不清楚，變形破裂過程和內(nèi)在機理不明確，可用于早期識別的監(jiān)測信息不豐富。針對上述問題，本文提出一種數(shù)據(jù)趨動與模型趨動協(xié)同的重大滑坡隱患分析方法，在系統(tǒng)分析隱蔽性滑坡成因機理和模式的基礎(chǔ)上，深度分析多源多模態(tài)滑坡監(jiān)測數(shù)據(jù)和機理模型變量的時空變化特征及物理含義，挖掘多源多模態(tài)立體滑坡監(jiān)測數(shù)據(jù)間潛在、深層的關(guān)聯(lián)模式。在深度學(xué)習(xí)框架下，建立“天-空-地”多源觀測數(shù)據(jù)與滑坡機理模型之間的高層映射，實現(xiàn)數(shù)據(jù)與模型耦合的重大滑坡隱患早期智能識別。

3 數(shù)據(jù)驅(qū)動與模型驅(qū)動協(xié)同的重大滑坡隱患分析原理

面向高位高隱蔽重大滑坡隱患分析的可靠性和準(zhǔn)確性，筆者提出數(shù)據(jù)驅(qū)動與模型趨動協(xié)同的滑坡隱患分析方法，如圖2所示。核心關(guān)鍵技術(shù)包括：①構(gòu)建滑坡隱患知識圖譜，實現(xiàn)對典型滑坡隱患中孕災(zāi)環(huán)境、誘發(fā)因子、承災(zāi)體三元素的特征及其關(guān)聯(lián)關(guān)系，以及滑坡隱患顯現(xiàn)因子的形態(tài)、形變、形勢“三形”特征形式化表達(dá)；②分析重大滑坡特點與形成條件，篩選和確定滑坡發(fā)生的關(guān)鍵性因子，基于多模態(tài)觀測數(shù)據(jù)提取滑坡隱患特征，建立滑坡形變位移演化機理與多源動態(tài)監(jiān)測數(shù)據(jù)之間的語義映射，構(gòu)建關(guān)鍵性滑坡控制性因子(孕災(zāi)環(huán)境)、誘(觸)發(fā)因子的成災(zāi)指標(biāo)體系；③建立知識圖譜與深度學(xué)習(xí)模型的耦合機制，實現(xiàn)知識引導(dǎo)的滑坡隱患精準(zhǔn)分析。

圖2 數(shù)據(jù)趨動與模型趨動協(xié)同的滑坡隱患分析框架Fig.2 A data-driven and model-driven collaborative landslide hazards analysis framework

3.1 滑坡隱患分析知識圖譜

知識圖譜是描述特定領(lǐng)域存在的各類實體、概念及語義關(guān)系的描述表達(dá)，能夠直觀、自然、直接、高效的表達(dá)現(xiàn)實世界的各種關(guān)系。知識圖譜采用三元組結(jié)構(gòu)，不僅易于人類解讀還方便計算機知識抽取與加工處理，有助于消除自然語言和計算機理解之間的語義鴻溝。如圖3所示，系統(tǒng)深入分析滑坡隱患“孕災(zāi)環(huán)境-誘發(fā)因子-承災(zāi)體”三元素的內(nèi)涵特征、概念屬性及其關(guān)聯(lián)關(guān)系。在孕災(zāi)環(huán)境中綜合考慮深部地質(zhì)條件因子、地表地貌環(huán)境因子；誘發(fā)因子中綜合考慮人為因素因子和自然因素因子；在承災(zāi)體中考慮人類社會因子和生態(tài)環(huán)境因子。同時，建立孕災(zāi)環(huán)境的形態(tài)、形變、形勢特征，紋理形態(tài)、地表形態(tài)、地層結(jié)構(gòu)形態(tài)可體現(xiàn)滑坡隱患的規(guī)模、狀態(tài)和威脅范圍；形態(tài)的變化特征可體現(xiàn)滑坡隱患的穩(wěn)定性以及對誘發(fā)因子的敏感性；形勢特征是形態(tài)形變綜合分析得到的特征，可體現(xiàn)滑坡隱患的危險性與風(fēng)險性。結(jié)合滑坡內(nèi)在機理和專家知識關(guān)聯(lián)實體、特征、屬性，形成滑坡隱患知識圖譜，為智能化的精準(zhǔn)分析滑坡隱患奠定基礎(chǔ)。

3.2 滑坡成災(zāi)顯現(xiàn)高層語義特征提取

滑坡隱患場景復(fù)雜，現(xiàn)有滑坡隱患分析結(jié)果的準(zhǔn)確度和泛化能力遠(yuǎn)不如專家判讀，其根本原因在于分析的數(shù)據(jù)特征仍是低層的視覺特征，如顏色、紋理樣式、空間位置、局部形狀(坡度、坡向、曲率等)，只能表達(dá)低層數(shù)據(jù)特征信息，難以直觀表現(xiàn)復(fù)雜的滑坡隱患特點。同時，低層特征在面對不同區(qū)域的滑坡隱患往往表現(xiàn)出較大的差異，限制了研究成果的分析精度和適用范圍。知識圖譜中豐富的高層語義特征(如圈椅狀及類似地貌，匯水地形條件，前緣臨空，后緣拉裂等)可以更穩(wěn)定、更準(zhǔn)確地體現(xiàn)滑坡隱患場景的狀態(tài)特征甚至隱患邊界，因此滑坡隱患分析的指標(biāo)體系中，應(yīng)盡可能多地考慮高層語義特征。上述問題，研究融合空天地多模態(tài)監(jiān)測數(shù)據(jù)的滑坡成災(zāi)顯現(xiàn)高層語義特征提取方法，重點研究兩類滑坡隱患特征提取方法：① 孕災(zāi)環(huán)境因子(內(nèi)在控制因子)。例如坡體地形結(jié)構(gòu)及地貌特征；② 外界誘發(fā)因子。例如引起滑坡形變的降雨、水位變化模式等特征。利用知識圖譜豐富的語義關(guān)聯(lián)，獲取高層語義特征對應(yīng)的低層數(shù)據(jù)特征，引導(dǎo)樣本數(shù)據(jù)的選擇。如圈椅形態(tài)、匯水地形等對應(yīng)剖面線特征和俯視形狀特征，則樣本數(shù)據(jù)在剖面線數(shù)據(jù)和平面特征線數(shù)據(jù)中采集，輸入到機器學(xué)習(xí)模型中(如支持向量機)學(xué)習(xí)適用于分類的多維特征向量，再結(jié)合知識圖譜中先驗知識篩選結(jié)果，實現(xiàn)高層語義特征提取。

圖3 滑坡隱患知識圖譜Fig.3 Potential landslide hazards knowledge graph

3.3 知識引導(dǎo)的滑坡隱患智能判別

受益于計算機技術(shù)、算法與測試技術(shù)的迅猛發(fā)展，科學(xué)發(fā)現(xiàn)第四研究范式正在逐漸興起，即以大數(shù)據(jù)為背景，通過系統(tǒng)的數(shù)據(jù)分析，綜合理解滑坡隱患未知的潛在關(guān)鍵因素，有望成為精準(zhǔn)判別滑坡隱患的一條有效途徑。在這一范式下，全面考慮滑坡隱患所有因素的時間序列數(shù)據(jù)特性，充分利用滑坡隱患立體監(jiān)測網(wǎng)絡(luò)獲得的海量數(shù)據(jù)，并從這些數(shù)據(jù)的潛在關(guān)系發(fā)掘出發(fā)，提供了理解滑坡隱患常用本構(gòu)關(guān)系之外的一條途徑：即通過以時間為紐帶的多源數(shù)據(jù)關(guān)聯(lián)性分析，從龐大的滑坡隱患監(jiān)測數(shù)據(jù)集中提取信息，發(fā)現(xiàn)其主要特征，并理解其間的關(guān)系，進(jìn)而獲得更為先進(jìn)的或者完整的微觀機理解釋。要完成這一個工作需要內(nèi)在機理和外顯數(shù)據(jù)的有機協(xié)同，即有機融合表征滑坡隱患內(nèi)在機理的知識圖譜和表征數(shù)據(jù)特征的深度神經(jīng)網(wǎng)絡(luò)，在符號推理和模式識別兩個層面無縫集成[62-63]。目前實現(xiàn)這一目標(biāo)主要有兩種潛在的思路：直接提取滑坡隱患知識圖譜中的語義信息，將知識圖譜離散化為低維空間的向量，然后通過嵌入機制直接融合輸入到深度學(xué)習(xí)模型中[64]；知識圖譜中高層語義特征已經(jīng)能較為準(zhǔn)確的判識滑坡隱患相關(guān)屬性，因此，可以將不同的高層語義特征判識作為深度學(xué)習(xí)的目標(biāo)任務(wù)。滑坡隱患知識圖譜中抽取的知識作為先驗融入優(yōu)化目標(biāo)或者約束函數(shù)中[65]，從而實現(xiàn)知識引導(dǎo)的深度神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)。

4 結(jié)束語

針對廣域范圍內(nèi)復(fù)雜地質(zhì)地理環(huán)境中隱蔽的滑坡隱患可靠分析需求，本文歸納總結(jié)了已有的數(shù)據(jù)驅(qū)動和模型驅(qū)動兩大類滑坡監(jiān)測數(shù)據(jù)分析方法的特點與局限，提出了構(gòu)建滑坡隱患分析知識圖譜和數(shù)據(jù)驅(qū)動與模型驅(qū)動協(xié)調(diào)的隱患分析方法，突破現(xiàn)有分析方法準(zhǔn)確性低、泛化能力不強和數(shù)據(jù)依賴高的技術(shù)瓶頸。隨著天空地內(nèi)協(xié)同監(jiān)測技術(shù)被廣泛應(yīng)用，時空大數(shù)據(jù)特點日益明顯，不僅量大，而且維度、尺度、模態(tài)差異也非常顯著，單純依靠數(shù)據(jù)驅(qū)動的方法即使采用各種深度學(xué)習(xí)仍然面臨依賴大量標(biāo)注樣本的技術(shù)瓶頸。知識圖譜作為一種有效的知識表達(dá)方式，有效融合知識圖譜與深度學(xué)習(xí)將是滑坡監(jiān)測數(shù)據(jù)處理的主要方向，這是深度學(xué)習(xí)擺脫大量樣本依賴并提升模型綜合效能的有效途徑。監(jiān)測數(shù)據(jù)與機理模型的耦合分析，系統(tǒng)考慮了深部-地表內(nèi)外動力耦合作用的致災(zāi)機理，急需發(fā)展形成具有通用地理空間智能的機器學(xué)習(xí)機制與人機融合智能，為新型城鎮(zhèn)化和川藏鐵路工程等全壽命周期內(nèi)重大災(zāi)害風(fēng)險智能識別、精準(zhǔn)預(yù)測和科學(xué)管理等提供有效解決方案。