許 強 彭大雷 何朝陽 亓 星 趙寬耀 修德皓

(地質(zhì)災害防治與地質(zhì)環(huán)境保護國家重點實驗室(成都理工大學)， 成都 610059， 中國)

0 引 言

2018年10月10日，習近平總書記在主持召開中央財經(jīng)委員會第三次會議上提出“大力提高我國自然災害防治能力”的要求，特別是“實施自然災害監(jiān)測預警信息化工程，提高多災種和災害鏈綜合監(jiān)測、風險早期識別和預報預警能力”等一系列精神和要求； 自然資源部陸昊部長在部長專題會上，對做好地質(zhì)災害防治工作提出了“研究原理、發(fā)現(xiàn)隱患、監(jiān)測隱患和發(fā)布預警”要求，要聚焦地質(zhì)災害“在哪里發(fā)生”和“什么時間發(fā)生”兩個關(guān)鍵問題(許強等， 2019)。從國家層面提出了地質(zhì)災害監(jiān)測預警工作的重要性和任務的艱巨性。在現(xiàn)行的科學技術(shù)層面，滑坡預警預報是地質(zhì)工程界研究的熱點，也是一個難點(許強等， 2008; Yin et al.，2010; Intrieri et al.，2012; 劉傳正， 2019; 伍法權(quán)等， 2019)。

一般的滑坡從變形到破壞會經(jīng)歷一定時間段的演化過程，其累計位移-時間曲線具有明顯的3個階段變形特征：初始變形階段、勻速變形階段、加速變形階段； 在這過程中，會產(chǎn)生明顯的宏觀變形破壞，變形加速階段會有臨滑前兆信息，這些使滑坡的超前預報和臨滑預警成為現(xiàn)實(許強等， 2004; 董秀軍等， 2015)。位移-時間曲線的監(jiān)測數(shù)據(jù)資料對于識別滑坡發(fā)生和早期預警至關(guān)重要，它有助于了解滑坡機制并為其提出可靠的閾值，總結(jié)典型案例，提出可靠的預警模型，可以提前發(fā)布預警信息并可預測滑坡失穩(wěn)時間(許強， 2012)。通過研究不同類型滑坡的變形行為和破壞機理，并總結(jié)大量的監(jiān)測位移-時間曲線的形態(tài)特征，推斷認為在不同受力條件下，不同類型滑坡的變形-時間曲線可統(tǒng)一到一組漸變的變形曲線簇中(許強， 2012)(圖1)； 即為：漸變型、突發(fā)型和穩(wěn)定型(許強等， 2004)，著名的齋藤曲線僅是其中一類(漸變型)，這類滑坡加速變形階段孕育時間長，目前已有較多這類滑坡成功預警案例(許強等， 2015， 2018)。然而，對于灌溉誘發(fā)的具有突發(fā)性黃土滑坡來說，因其在加速變形階段變形過程歷時很短，通過目前監(jiān)測技術(shù)手段所得到的累計位移-時間曲線不夠光滑，存在“突變點”(圖1)，使得變形速率-時間曲線在關(guān)鍵點變成不可求導的曲線，很難實現(xiàn)突發(fā)型黃土滑坡的超前預警和發(fā)生時間預報(彭建兵等， 2014)。

圖1 巖土體蠕變曲線簇Fig. 1 Slope displacement-time curve type

為了有效地應急處理和防災減災，需要有效解決突發(fā)型黃土滑坡“什么時間發(fā)生”的關(guān)鍵問題； 其中更好地實現(xiàn)這類突發(fā)型黃土滑坡超前預警，是解決這一關(guān)鍵問題的有效途徑。研究團隊在黑方臺建立野外觀測研究基地，歸納突發(fā)型滑坡的空間分布規(guī)律和發(fā)育特征； 針對目前固定采集頻率的監(jiān)測設(shè)備存在無法實現(xiàn)突發(fā)型黃土滑坡長期和有效的監(jiān)測的問題，自主研發(fā)一套自適應調(diào)整采樣頻率的監(jiān)測技術(shù)方法，對潛在滑坡進行變頻監(jiān)測； 同時采用移動平均法和最小二乘法相結(jié)合的數(shù)據(jù)處理方法，分析和總結(jié)已有的監(jiān)測成果，建立了具有針對性的速率閾值預警和改進切線角過程預警的綜合預警模型； 研發(fā)了地質(zhì)災害實時監(jiān)測預警系統(tǒng)，從而更好地實現(xiàn)突發(fā)型黃土滑坡的實時監(jiān)測和超前預警。

圖2 黑方臺地區(qū)黃土滑坡分布和監(jiān)測系統(tǒng)布置Fig. 2 Loess distribution and monitoring systems logout on the Heifangtai terrace a. 黃土滑坡和監(jiān)測設(shè)備分布； b. 研究區(qū)典型剖面

圖3 研究區(qū)典型突發(fā)型黃土滑坡和監(jiān)測設(shè)備布置圖Fig. 3 Typical sudden loess landslide and logout of monitoring systems in the three sectiona. 黨川段； b. 焦家段； c. 磨石溝段

1 研究區(qū)概況

黑方臺位于黃土高原半干旱地區(qū)的黃河Ⅳ階地上，地處湟水河與黃河交匯口上游(圖2a)。黑方臺面積約13.7￣￣km2，塬邊坡體為上陡下緩的黃土斜坡，坡面高差為120～160￣￣m。通過臺塬由西向東的典型剖面如圖2b所示。自1960年以來，黑方臺平均年灌溉量約600×104￣￣m3，形成了20～40￣￣m飽和層，并且地下水位以0.3￣￣m·a-1左右的速率上升，在臺塬邊發(fā)育了200多起滑坡(Peng et al.，2019)。黑方臺一共發(fā)育滑坡77處，依據(jù)成災模式可以分為黃土基巖型、滑移崩塌型、黃土泥流型、靜態(tài)液化型滑坡4種類型，其中滑移崩塌型和靜態(tài)液化型具有明顯的突發(fā)性特征(Peng et al.，2018)。這些突發(fā)型滑坡主要分布在臺塬東側(cè)的焦家區(qū)域、陳家區(qū)域和臺塬南側(cè)的黨川區(qū)域； 自2006年以來發(fā)生的黃土滑坡主要是具有突發(fā)性的滑移崩塌型和靜態(tài)液化型滑坡(圖3)。布置的科學研究儀器如圖2a和圖3所示，以探究黃土重大災害突變臨滑前兆信息的獲取技術(shù)手段和方法。

2 現(xiàn)場監(jiān)測和早期預警方法

2.1 監(jiān)測方法和設(shè)備布置

初步判斷潛在的滑坡位置和合理布置監(jiān)測設(shè)備安裝點，位移監(jiān)測設(shè)備有效地捕獲滑坡相對較完整的變形破壞過程，是能夠成功預警黑方臺突發(fā)型滑坡較有效的方法。通過“天-空-地”一體化監(jiān)測技術(shù)甄別出潛在突發(fā)型滑坡位置，然后嘗試使用木樁、GPS和傳統(tǒng)裂縫計進行監(jiān)測，傳統(tǒng)監(jiān)測方法的數(shù)據(jù)采集頻率較小，無法獲得相對完整的累計位移-時間曲線(尤其是加速變形階段)(亓星， 2017; 黃觀文等， 2018)。針對傳統(tǒng)監(jiān)測技術(shù)方法的不足，進一步自主研發(fā)了一體化自適應智能變頻裂縫儀(圖4a)，主要包括太陽能鋰電池供電、智能無線采集終端、小型化高精度裂縫位移傳感器(圖4b)。其中，傳感器精度高達±0.5￣￣mm，量程2000￣￣mm； 智能無線采集終端內(nèi)部嵌入具有自主知識產(chǎn)權(quán)的自適應調(diào)整采樣頻率的觸發(fā)采集智能算法，在滑坡裂縫變形緩慢階段自動以數(shù)小時間隔采集和傳輸裂縫變形量，在滑坡加速變形階段則自動調(diào)整至1次·s-1進行高頻采集與傳輸，同時避免了長時間高頻采集的能耗和傳輸負荷，也及時有效捕獲滑坡突變階段的關(guān)鍵變形數(shù)據(jù)，提升監(jiān)測設(shè)備野外長期工作的適應性、穩(wěn)健性和可靠性(圖4c)，為滑坡的實時預警提供有力的技術(shù)支撐(Zhu et al.，2017)。

2.2 監(jiān)測數(shù)據(jù)處理與分析

圖4 自適應智能變頻裂縫儀的組成及監(jiān)測數(shù)據(jù)Fig. 4 Components of the improved self-adaptive crack gauge and monitoring dataa. 自適應智能變頻裂縫儀監(jiān)測站； b. 一體化自適應智能變頻裂縫儀； c. 自適應調(diào)整采樣頻率示意圖

圖5 第1次成功監(jiān)測數(shù)據(jù)不同去噪方法對比分析Fig. 5 Comparison and analysis of different filtering methods for monitoring data of CJ8# in the Heifangtai areaa. 勻速變形階段對比分析； b. 全變形過程對比分析； c. 融合兩種方法濾波監(jiān)測數(shù)據(jù)； d. 融合兩種方法加速度變形階段累計位移-時間曲線

滑坡監(jiān)測預警中，結(jié)合時間-位移曲線特征，自動選擇移動平均法與最小二乘法中合適的方法對原始監(jiān)測數(shù)據(jù)進行濾波和擬合處理。通過采用不同濾波階數(shù)對數(shù)據(jù)處理的結(jié)果表明：處理后的數(shù)據(jù)預測標準誤差S大小與濾波階數(shù)N的取值呈正線性相關(guān)，說明N的取值越小越好。綜合考慮到智能裂縫儀勻速變形階段采集頻率(24次·d-1)、加速變形階段的采集頻率(1次·s-1)，N值取值原則和監(jiān)測預警平臺數(shù)據(jù)處理效率，對智能裂縫儀獲取的累計變形位移、變形速率和變形速率增量曲線，按照濾波階數(shù)為24進行平滑處理。通過選取如下數(shù)據(jù)處理方式：(1)在開始變形階段和勻速變形階段使用最小二乘法； (2)在加速變形階段使用移動平均法，對捕捉到的第1條突發(fā)型滑坡陳家8#累計位移-時間曲線數(shù)據(jù)進行濾波處理和分析，通過圖5可以看出，兩種數(shù)據(jù)處理方法適用范圍不同； 通過程序自動計算速率增量、識別滑坡所處的變形階段，進而選擇合適的數(shù)據(jù)處理方法，兩種方法相互融合則可以為后續(xù)預警模型計算提供更為準確的數(shù)據(jù)，提高預警精度。圖5 中yt為t時刻的累計位移，St為平滑后的t時刻累計位移變形曲線。

2.3 預警判據(jù)

為了提高地質(zhì)災害實時監(jiān)測預警系統(tǒng)的效率，數(shù)據(jù)的自動處理和有效的預警判據(jù)是十分必要的。通過收集分析已發(fā)生的黃土滑坡完整的變形-時間曲線，如陳家8#滑坡(圖5)，滑坡變形演化特征具有較明顯的初始變形、等速變形和加速變形3個階段演化過程，其中加速階段可以細分為初加速階段、中加速階段和加加速階段(臨滑階段)，因此，突發(fā)型滑坡預警模型可借鑒早期建立的漸變型滑坡改進切線角預警判據(jù)(亓星， 2017)。

突發(fā)型滑坡進入加速變形后持續(xù)時間非常短，臨滑階段速度較快(許強等， 2016)，僅僅依據(jù)傳統(tǒng)的改進切線角α作為預警判據(jù)，對這類滑坡進行預警預報，存在漏判和誤判的可能(許強等， 2008; 董文文等， 2016)。為彌補“過程預警”方法的不足，在原來漸變型滑坡預警判據(jù)的基礎(chǔ)上，突發(fā)型滑坡預警模型不僅要考慮改進切線角值α的大小，同時還需考慮在滑坡初始變形階段、等速變形階段和加速變形階段，變形速率是否大于某一臨界值(V1

圖6 黑方臺突發(fā)型黃土滑坡典型變形曲線特征Fig. 6 Typical deformation curve characteristics of sudden loess landslide on the Heifangtai terracea. 黨川3#滑坡裂縫計1#勻速變形階段累計位移-時間曲線； b. 陳家8#滑坡裂縫計5#監(jiān)測的加速階段累計位移-時間曲線

2.3.1 變形速率閾值的確定

通過布置近30套自適應智能變頻裂縫儀監(jiān)測系統(tǒng)，并于2015年8月獲取第1條完整的突發(fā)型黃土滑坡監(jiān)測累計位移-時間曲線，同時獲取了多條處于蠕變階段的累計位移-時間曲線，對監(jiān)測數(shù)據(jù)進行統(tǒng)計分析，確定以下變形速率閾值，其中典型的監(jiān)測曲線如圖6和圖7所示(亓星， 2017)：

(3)速度閾值V3：當VtV3時，說明斜坡進入中加速階段和臨滑階段，閾值V3需要大于新增裂縫等因素或者中加速階段導致滑坡變形速率突增，如陳家8#滑坡2017年3月新增多條裂縫，變形速率Vt最大達14￣￣隨著斜坡逐漸穩(wěn)定，隨后變形速率Vt逐漸回落至2￣￣同時對已發(fā)生的滑坡變形曲線分析，斜坡變形速率Vt超過20￣￣后，斜坡可能會朝失穩(wěn)狀態(tài)發(fā)展，進入臨滑變形階段，直到斜坡破壞，因此設(shè)V3為20￣￣圖6b和圖7b)。

2.3.2 基于過程預警的判據(jù)

圖7 陳家8#裂縫計7#監(jiān)測的累計位移、切線角、變形速率和變形速率增量變化規(guī)律Fig. 7 Incremental variation of cumulative displacement， tangent angle， deformation rate and deformation rate of CJ8#￣￣monitored by LFJ7#a. 全過程累計位移-時間曲線； b. 加速度階段累計位移-時間曲線

(1)

表1 基于變形速率閾值和變形過程綜合預警判據(jù)Table 1 Comprehensive early warning model based on deformation rate threshold and deformation process

(2)

根據(jù)上述內(nèi)容，斜坡累計位移-時間曲線斜率可通過比例因子B轉(zhuǎn)換成T-t曲線，其切線角αi可直觀定量表示滑坡變形過程和發(fā)育階段(許強等， 2009)，αi由下式進行計算：

(3)

綜上所述，依據(jù)許強等(2009)提出的改進切線角模型對滑坡變形階段的劃分，基于黑方臺發(fā)生蠕動變形滑坡和已發(fā)生的滑坡的變形速率和改進切線角，確立了不同發(fā)育階段變形速率閾值和改進切線角閾值，建立了如表1所示的綜合預警判據(jù)。

2.4 預警信息發(fā)布

圖8 預警系統(tǒng)警報發(fā)布流程(Huang et al.，2015)Fig. 8 Alert publishing flow of the early warning system

如前所述，滑坡預警預報是一個復雜的、綜合的、社會學的問題。任何錯誤的預報都可能造成較嚴重的后果。因此，為了提高預警系統(tǒng)的效率，設(shè)計了數(shù)據(jù)自動分析和處理標準(圖8)。為了避免誤報，系統(tǒng)中必須包含專家判斷。用戶分為兩類： 第1類為數(shù)據(jù)管理人員，第2類為專家或職能部門，可以商討并做出最終決定。當滑坡切線角和變形速率達到一定的預警級別時，會根據(jù)預設(shè)標準發(fā)布相應的預警信息，并通知不同級別人員，說明滑坡已經(jīng)超過了預先定義的監(jiān)測閾值，必須引起注意。然后，當超過黃色或者紅色級別時，將召開緊急會議，決定是將警報信號改回藍色，還是以電話或擴音器的方式繼續(xù)向公眾發(fā)出黃色或者紅色警告。發(fā)布警報后，當?shù)卣畱贝胧┖兔癖姷姆磻獙τ跍p少潛在損失也同樣的重要(Huang et al.，2013; 何朝陽等， 2018)。

圖9 自2017年以來6次成功預警黑方臺黃土滑坡分布圖Fig. 9 Six times successful early warning of sudden loess landslides since 2017

3 早期預警成功示范

3.1 黑方臺地區(qū)成功預警的滑坡

自黑方臺變形速率閾值和變形過程綜合預警模型建立以來，已對黑方臺突發(fā)型黃土滑坡實施了6次成功預警，分別是2017年5月13日的陳家6#滑坡、2017年10月1日黨川4#、5#和9#滑坡、2019年3月4日的陳家6#滑坡、2019年3月26日的黨川6#滑坡、2019年4月19日的黨川4#滑坡和2019年10月5日的黨川7#滑坡(圖9)。由于這6次成功預警滑坡，未造成人員傷亡和財產(chǎn)損失，保證了1000余人的生命財產(chǎn)安全，取得了非常好的經(jīng)濟效益和社會效益。

3.2 典型滑坡成功預警的實現(xiàn)過程

具體的滑坡發(fā)育過程和閾值指標實施情況如圖11所示。整個成功預警過程分為以下幾個階段，如表2所示。

圖10 滑坡前后正射影像、高程變化和現(xiàn)場監(jiān)測系統(tǒng)布置(位置見圖3a)Fig. 10 Orthophoto image， elevation change and in-site monitoring system layout before and after landslide(location see Fig. 3a)a. 滑前正射影像和監(jiān)測系統(tǒng)布置； b. 滑后正射影像及監(jiān)測儀器損壞情況； c. 滑坡前后高程變化

圖11 黨川4#滑坡累計位移-時間、變形速率、變形速率增量和切線角曲線及預警過程Fig. 11 Cumulative displacement-time， deformation rate， increment of deformation rate and tangent angle curve and early warning process of DC4# Landslidea. 變形全過程監(jiān)測曲線； b. 中加速階段和臨滑階段監(jiān)測曲線(局部放大)

表2 黨川4#突發(fā)型黃土滑坡成功預警的過程Table 2 Successful early warning process for the DC4# sudden loess landslide

4 結(jié) 論

滑坡監(jiān)測預警一直是滑坡災害研究中的重要問題，基于“空-天-地”一體化監(jiān)測技術(shù)，選取易于產(chǎn)生滑動的區(qū)域布設(shè)監(jiān)測儀器并進行針對性的監(jiān)測。而針對滑坡的變形特征，采用適宜的監(jiān)測設(shè)備并建立有效的多級預警模型，提出基于黃土滑坡變形速率閾值和演化過程有機結(jié)合的綜合預警模型，成功實現(xiàn)突發(fā)型黃土滑坡預警，對突發(fā)型滑坡的減災防災具有重要意義。

(1)根據(jù)突發(fā)型黃土滑坡的變形特征，自主研發(fā)了自適應智能變頻裂縫儀用于這類滑坡的監(jiān)測，能有效捕獲黃土滑坡變形突增時的位移數(shù)據(jù)。

(3)針對黑方臺突發(fā)型黃土滑坡，基于速率閾值和切線角的預警模型能較好地進行臨滑預警，研發(fā)了地質(zhì)災害實時監(jiān)測預警系統(tǒng)，成功預警6次滑坡，對其他黃土地區(qū)的滑坡監(jiān)測預警具有很好的借鑒意義。但也存在一些不足，由于自適應智能變頻裂縫儀屬于單點位移監(jiān)測且只能監(jiān)測合位移，監(jiān)測點的布設(shè)需要對滑坡區(qū)域做出精準的估計，布設(shè)點的位置決定了滑坡是否能成功預警，而單點的位移監(jiān)測由于點位不同也會產(chǎn)生變形速率的差異性，因此，今后也將針對以上問題進一步改進，以建立更為可靠的監(jiān)測預警方法和模型。