留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

滑坡隐患类型与对应识别方法

许强 陆会燕 李为乐 董秀军 郭晨

许强, 陆会燕, 李为乐, 董秀军, 郭晨. 滑坡隐患类型与对应识别方法[J]. 武汉大学学报 ● 信息科学版, 2022, 47(3): 377-387. doi: 10.13203/j.whugis20210618
引用本文: 许强, 陆会燕, 李为乐, 董秀军, 郭晨. 滑坡隐患类型与对应识别方法[J]. 武汉大学学报 ● 信息科学版, 2022, 47(3): 377-387. doi: 10.13203/j.whugis20210618
XU Qiang, LU Huiyan, LI Weile, DONG Xiujun, GUO Chen. Types of Potential Landslide and Corresponding Identification Technologies[J]. Geomatics and Information Science of Wuhan University, 2022, 47(3): 377-387. doi: 10.13203/j.whugis20210618
Citation: XU Qiang, LU Huiyan, LI Weile, DONG Xiujun, GUO Chen. Types of Potential Landslide and Corresponding Identification Technologies[J]. Geomatics and Information Science of Wuhan University, 2022, 47(3): 377-387. doi: 10.13203/j.whugis20210618

滑坡隐患类型与对应识别方法

doi: 10.13203/j.whugis20210618
基金项目: 

国家创新研究群体科学基金 41521002

详细信息
    作者简介:

    许强,博士,教授,主要从事地质灾害防治的理论与方法研究。xq@cdut.edu.cn

  • 中图分类号: P237

Types of Potential Landslide and Corresponding Identification Technologies

Funds: 

The National Innovation Research Group Science Fund 41521002

More Information
    Author Bio:

    XU Qiang, PhD, professor, specializes in the theory and methods of geological disaster prevention. E-mail: xq@cdut.edu.cn

  • 摘要: 基于“三查”体系的滑坡隐患综合遥感识别工作已在全国范围推广应用并取得一定成效,但随着工作的推进,也暴露出一些亟待解决的问题,比如隐患究竟如何定义、有哪些类型、有何针对性的识别技术和方法,以及下一步工作重点是什么等。总结大量实践案例,进一步明确了滑坡隐患的定义,并将滑坡隐患分为正在变形区、历史变形破坏区和潜在不稳定斜坡3类,提出了针对不同类型滑坡隐患的识别技术和方法。正在变形区主要利用光学遥感和合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)技术相结合进行识别,历史变形破坏区可利用光学遥感和机载激光雷达技术(light detection and ranging,LiDAR)进行识别,而潜在不稳定斜坡靠遥感和传统调查手段很难识别,需大力发展航空-半航空物探技术,快速查明斜坡地下结构,尤其是基覆界面空间展布和地下水状况,通过稳定性的量化分析来圈定危险区域和具体部位。
  • 图  1  斜坡的变形与破坏

    Figure  1.  Deformation and Destruction of the Slope

    图  2  典型滑坡地表变形迹象[14]

    Figure  2.  Signs of Typical Landslide Surface Deformation[14]

    图  3  阿娘寨滑坡光学影像

    Figure  3.  Optical Images of the Aniangzhai Ancient Landslide

    图  4  贵州省水城县鸡场滑坡三维航拍影像

    Figure  4.  Unmanned Aerial Vehicle Image of the Jichang Landslide in Shuicheng County, Guizhou Province

    图  5  四川省茂县石大关滑坡隐患以及局部区域历史影像

    Figure  5.  Historical Images of the Shidaguan Landslide and Local Regions

    图  6  2016年西藏阿里阿汝村冰崩发生前冰川表面的裂缝分布[16]

    Figure  6.  Crevasse Image of the Aru Glacier Before It Collapsed[16]

    图  7  印度北阿坎德邦查莫里冰崩发生前冰川表面的裂缝分布(2021-02-05高分六号影像)

    Figure  7.  Cracks Before the Chamoli Glacier Happened(2021-02-05 Gaofen-6 Image)

    图  8  小金县典型区域Stacking-InSAR形变速率图

    Figure  8.  Stacking-InSAR Derived Deformation Rate Maps of the Typical Area in Xiaojin County

    图  9  理县甘堡乡联合村滑坡Sentinel-1升轨数据形变情况

    Figure  9.  Deformation Maps from Ascending Sentinel-1 Data of Lianhe Village in Ganbao Township, Lixian County

    图  10  小金县沃日镇甘沟村滑坡

    Figure  10.  Slope in Gangou Village, Wori Township, Xiaojin County

    图  11  典型滑坡侧立面图

    Figure  11.  Side Elevation of the Typical Landslide

    图  12  典型古老滑坡体光学影像及LiDAR解译结果

    Figure  12.  Optical Image and LiDAR Interpretation Results of Typical Ancient Landslide

    图  13  九寨沟震后典型松散堆积体光学影像以及去除植被后的LiDAR影像

    Figure  13.  Loose Accumulation Optical Image and LiDAR Image After Jiuzhaigou Earthquake

    图  14  张家沟滑坡半航空瞬变电磁法应用

    Figure  14.  Semi-airborne Transient Electromagnetic Results of Zhangjiagou Landslide

  • [1] 许强, 董秀军, 李为乐. 基于天-空-地一体化的重大地质灾害隐患早期识别与监测预警[J]. 武汉大学学报·信息科学版, 2019, 44(7): 957-966 doi:  10.13203/j.whugis20190088

    Xu Qiang, Dong Xiujun, Li Weile. Integrated Space-Air-Ground Early Detection, Monitoring and Warning for Potential Catastrophic Geohazards[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 957-966 doi:  10.13203/j.whugis20190088
    [2] 许强. 构建新"三查"体系, 创新地灾防治新机制[N]. 中国矿业报, 2018-03-12

    Xu Qiang. Constructing a New"Three-Check"System, Innovating New Mechanisms for Disaster Prevention and Control[N]. China Mining Newspaper, 2018-03-12
    [3] 葛大庆. 地质灾害早期识别与监测预警中的综合遥感[J]. 城市与减灾, 2018(6): 53-60 doi:  10.3969/j.issn.1671-0495.2018.06.011

    Ge Daqing. Integrated Remote Sensing Application in Early Identification, Monitoring of Geological Hazards [J]. City and Disaster Reduction, 2018(6): 53-60 doi:  10.3969/j.issn.1671-0495.2018.06.011
    [4] 葛大庆, 戴可人, 郭兆成, 等. 重大地质灾害隐患早期识别中的思考与建议[J]. 武汉大学学报·信息科学版, 2019, 44(7): 949-956 doi:  10.13203/j.whugis20190094

    Ge Daqing, Dai Keren, Guo Zhaocheng, et al. Early Identification of Serious Geological Hazards with Integrated Remote Sensing Technologies: Thoughts and Recommendations[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 949-956 doi:  10.13203/j.whugis20190094
    [5] 李振洪, 宋闯, 余琛, 等. 卫星雷达遥感在滑坡灾害探测和监测中的应用: 挑战与对策[J]. 武汉大学学报·信息科学版, 2019, 44(7): 967-979 doi:  10.13203/j.whugis20190098

    Li Zhenhong, Song Chuang, Yu Chen, et al. Application of Satellite Radar Remote Sensing to Landslide Detection and Monitoring: Challenges and Solutions[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 967-979 doi:  10.13203/j.whugis20190098
    [6] 张路, 廖明生, 董杰, 等. 基于时间序列InSAR分析的西部山区滑坡灾害隐患早期识别: 以四川丹巴为例[J]. 武汉大学学报·信息科学版, 2018, 43(12): 2039-2049 doi:  10.13203/j.whugis20180181

    Zhang Lu, Liao Mingsheng, Dong Jie, et al. Early Dectection of Landslide Hazards in Mountains Areas of West China Using Time Series SAR Interferometry: A Case Study of Danba, Sichuan[J]. Geomatics and Information Science of Wuhan University, 2018, 43(12): 2039-2049 doi:  10.13203/j.whugis20180181
    [7] Dong J, Liao M, Xu Q, et al. Detection and Displacement Characterization of Landslides Using Multi-temporal Satellite SAR Interferometry: A Case Study of Danba County in the Dadu River Basin [J]. Engineering Geology, 2018, 240(5): 94-109 http://www.sciencedirect.com/science/article/pii/S0013795217310736/
    [8] Dong J, Zhang L, Tang M, et al. Mapping Landslide Surface Displacements with Time Series SAR Interferometry by Combining Persistent and Distributed Scatterers: A Case Study of Jiaju Landslide in Danba, China[J]. Remote Sensing of Environment, 2018, 205: 180-198 doi:  10.1016/j.rse.2017.11.022
    [9] 赵超英, 刘晓杰, 张勤, 等. 甘肃黑方台黄土滑坡InSAR识别、监测与失稳模式研究[J]. 武汉大学学报·信息科学版, 2019, 44(7): 996-1007 doi:  10.13203/j.whugis20190072

    Zhao Chaoying, Liu Xiaojie, Zhang Qin, et al. Research on Loess Landslide Identification, Monitoring and Failure Mode with InSAR Technique in Heifangtai, Gansu[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 996-1007 doi:  10.13203/j.whugis20190072
    [10] 陆会燕, 李为乐, 许强, 等. 光学遥感与InSAR结合的金沙江白格滑坡上下游滑坡隐患早期识别[J]. 武汉大学学报·信息科学版, 2019, 44(9): 1342-1354 doi:  10.13203/j.whugis20190086

    Lu Huiyan, Li Weile, Xu Qiang, et al. Early Detection of Landslides in the Upstream and Downstream Areas of the Baige Landslide, the Jinsha River Based on Optical Remote Sensing and InSAR Technologies[J]. Geomatics and Information Science of Wuhan University, 2019, 44(9): 1342-1354 doi:  10.13203/j.whugis20190086
    [11] 许强. 对地质灾害隐患早期识别相关问题的认识与思考[J]. 武汉大学学报·信息科学版, 2020, 45(11): 1651-1659 doi:  10.13203/j.whugis20200043

    Xu Qiang. Understanding and Consideration of Related Issues in Early Identification of Potential Geohazards[J]. Geomatics and Information Science of Wuhan University, 2020, 45(11): 1651-1659 doi:  10.13203/j.whugis20200043
    [12] 郭晨, 许强, 董秀军, 等. 复杂山区地质灾害机载激光雷达识别研究[J]. 武汉大学学报·信息科学版, 2021, 46(10): 1538-1547 doi:  10.13203/j.whugis20210121

    Guo Chen, Xu Qiang, Dong Xiujun, et al. Geohazard Recognition by Airborne LiDAR Technology in Complex Mountain Areas[J]. Geomatics and Information Science of Wuhan University, 2021, 46(10): 1538-1547 doi:  10.13203/j.whugis20210121
    [13] 李为乐, 许强, 陆会燕, 等. 大型岩质滑坡形变历史回溯及其启示[J]. 武汉大学学报· 信息科学版, 2019, 44(7): 1043-1053 doi:  10.13203/j.whugis20190090

    Li Weile, Xu Qiang, Lu Huiyan, et al. Tracking the Deformation History of Large-Scale Rocky Landslides and Its Enlightenment[J]. Geomatics and Information Science of Wuhan University, 2019, 44 (7): 1043-1053 doi:  10.13203/j.whugis20190090
    [14] 许强, 汤明高, 徐开祥, 等. 滑坡时空演化规律及预警预报研究[J]. 岩石力学与工程学报, 2008, 27(6): 1104-1112 doi:  10.3321/j.issn:1000-6915.2008.06.003

    Xu Qiang, Tang Minggao, Xu Kaixiang, et al. Research on Space-Time Evolution Laws and Early Warning-Prediction of Landslides[J]. Chinese Journal of Rock Mechanics and Engineering, 2008, 27 (6): 1104-1112 doi:  10.3321/j.issn:1000-6915.2008.06.003
    [15] 郑光, 许强, 刘秀伟, 等. 2019年7月23日贵州水城县鸡场镇滑坡-碎屑流特征与成因机理研究[J]. 工程地质学报, 2020, 28(3): 541-556 https://www.cnki.com.cn/Article/CJFDTOTAL-GCDZ202003012.htm

    Zheng Guang, Xu Qiang, Liu Xiuwei, et al. The Jichang Landslide on July 23, 2019 in Shuicheng, Guizhou: Characteristics and Failure Mechanism[J]. Journal of Engineering Geology, 2020, 28(3): 541-556 https://www.cnki.com.cn/Article/CJFDTOTAL-GCDZ202003012.htm
    [16] Kääb A, Leinss S, Gilbert A, et al. Massive Collapse of Two Glaciers in Western Tibet in 2016 After Surge-Like Instability[J]. Nature Geoscience, 2018, 11: 114-120 doi:  10.1038/s41561-017-0039-7
    [17] Colesanti C, Wasowski J. Investigating Landslides with Space-Borne Synthetic Aperture Radar(SAR) Interferometry[J]. Engineering Geology, 2006, 88 (3): 173-199 http://www.onacademic.com/detail/journal_1000034072780510_48ea.html
    [18] Zhang Y, Meng X, Chen G, et al. Detection of Geohazards in the Bailong River Basin Using Synthetic Aperture Radar Interferometry[J]. Landslides, 2016, 13(5): 1273-1284 doi:  10.1007/s10346-015-0660-8
    [19] Liu X, Zhao C, Zhang Q, et al. Integration of Sentinel-1 and ALOS/PALSAR-2 SAR Datasets for Mapping Active Landslides Along the Jinsha River Corridor, China[J]. Engineering Geology, 2021, 284: 106033 doi:  10.1016/j.enggeo.2021.106033
    [20] 熊盛青. 发展中国航空物探技术有关问题的思考[J]. 中国地质, 2009, 36(6): 1366-1374 doi:  10.3969/j.issn.1000-3657.2009.06.018

    Xiong Shengqing. The Strategic Consideration of the Development of China ? s Airborne Geophysical Technology[J]. Geology in China, 2009, 36(6): 1366-1374 doi:  10.3969/j.issn.1000-3657.2009.06.018
    [21] Langhammer L, Rabenstein L, Schmid L, et al. Glacier Bed Surveying with Helicopter-Borne Dual-polarization Ground-penetrating Radar[J]. Journal of Glaciology, 2019, 65(249): 123-135 doi:  10.1017/jog.2018.99
    [22] Nabighian M. Electromagnetic Methods in Applied Geophysicstheroy[J]. Exploration Geophysicists, 1987(1): 217-231 http://mtnet.dias.ie/working_group/papers/EMWKSHP_ReviewVolumes/1978Murnau/Vozoff_1978MurnauReview_SG_1980.pdf
    [23] Wu X, Fang G, Xue G, et al. The Development and Applications of the Helicopter-borne Transient Electromagnetic System CAS-HTEM[J]. Journal of Enviromental and Engineering Geophysics, 2019, 24(4): 653-663 doi:  10.2113/JEEG24.4.653
    [24] 王仕兴, 易国财, 王绪本, 等. 基于分段二分搜索算法的半航空瞬变电磁电导率深度快速成像方法研究[J]. 地球物理学进展, 2021, 36(3): 1317-1324 https://www.cnki.com.cn/Article/CJFDTOTAL-DQWJ202103047.htm

    Wang Shixing, Yi Guocai, Wang Xuben, et al. Research on the Semi-airborne Transient Electromagnetic Conductivity Depth Rapid Imaging Method Based on Segmented Binary Search Algorithm[J]. Progress in Geophysics, 2021, 36(3): 1317-1324 https://www.cnki.com.cn/Article/CJFDTOTAL-DQWJ202103047.htm
  • [1] 代聪, 李为乐, 陆会燕, 杨帆, 许强, 简季.  甘肃省舟曲县城周边活动滑坡InSAR探测 . 武汉大学学报 ● 信息科学版, 2021, 46(7): 994-1002. doi: 10.13203/j.whugis20190457
    [2] 蔡杰华, 张路, 董杰, 董秀军, 廖明生, 许强.  九寨沟震后滑坡隐患雷达遥感早期识别与形变监测 . 武汉大学学报 ● 信息科学版, 2020, 45(11): 1707-1716. doi: 10.13203/j.whugis20200263
    [3] 许强.  对地质灾害隐患早期识别相关问题的认识与思考 . 武汉大学学报 ● 信息科学版, 2020, 45(11): 1651-1659. doi: 10.13203/j.whugis20200043
    [4] 李振洪, 宋闯, 余琛, 肖儒雅, 陈立福, 罗慧, 戴可人, 葛大庆, 丁一, 张宇星, 张勤.  卫星雷达遥感在滑坡灾害探测和监测中的应用:挑战与对策 . 武汉大学学报 ● 信息科学版, 2019, 44(7): 967-979. doi: 10.13203/j.whugis20190098
    [5] 陆会燕, 李为乐, 许强, 董秀军, 代聪, 王栋.  光学遥感与InSAR结合的金沙江白格滑坡上下游滑坡隐患早期识别 . 武汉大学学报 ● 信息科学版, 2019, 44(9): 1342-1354. doi: 10.13203/j.whugis20190086
    [6] 葛大庆, 戴可人, 郭兆成, 李振洪.  重大地质灾害隐患早期识别中综合遥感应用的思考与建议 . 武汉大学学报 ● 信息科学版, 2019, 44(7): 949-956. doi: 10.13203/j.whugis20190094
    [7] 许强, 董秀军, 李为乐.  基于天-空-地一体化的重大地质灾害隐患早期识别与监测预警 . 武汉大学学报 ● 信息科学版, 2019, 44(7): 957-966. doi: 10.13203/j.whugis20190088
    [8] 温扬茂, 冯怡婷.  地震破裂模型约束的中国阿里地震三维形变场 . 武汉大学学报 ● 信息科学版, 2018, 43(9): 1369-1375. doi: 10.13203/j.whugis20160450
    [9] 张路, 廖明生, 董杰, 许强, 龚健雅.  基于时间序列InSAR分析的西部山区滑坡灾害隐患早期识别——以四川丹巴为例 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 2039-2049. doi: 10.13203/j.whugis20180181
    [10] 高广, 马洪超, 张良.  利用合成算法从LiDAR数据提取屋顶面 . 武汉大学学报 ● 信息科学版, 2014, 39(10): 1225-1230.
    [11] 吴军, 李伟, 彭智勇, 刘荣, 唐敏.  融合形态学灰度重建与三角网分层加密的LiDAR点云滤波 . 武汉大学学报 ● 信息科学版, 2014, 39(11): 1298-1303.
    [12] 程亮, 李满春, 龚健雅, 单杰.  LiDAR数据与正射影像结合的三维屋顶模型重建方法 . 武汉大学学报 ● 信息科学版, 2013, 38(2): 208-211,216.
    [13] 何平, 许才军, 乔学军, 李陶.  鲜水河与龙门山断层CR布设与识别 . 武汉大学学报 ● 信息科学版, 2012, 37(3): 306-309.
    [14] 温扬茂, 许才军, 刘洋, 何平.  利用断层自动剖分技术的2008年青海大柴旦Mw6.3级地震InSAR反演研究 . 武汉大学学报 ● 信息科学版, 2012, 37(4): 458-462.
    [15] 孙杰, 马洪超, 汤璇.  机载LiDAR正射影像镶嵌线智能优化研究 . 武汉大学学报 ● 信息科学版, 2011, 36(3): 325-328.
    [16] 隋立春, 张熠斌, 张硕, 陈卫.  基于渐进三角网的机载LiDAR点云数据滤波 . 武汉大学学报 ● 信息科学版, 2011, 36(10): 1159-1163.
    [17] 张永军, 吴磊, 林立文, 赵家平.  基于LiDAR数据和航空影像的水体自动提取 . 武汉大学学报 ● 信息科学版, 2010, 35(8): 936-940.
    [18] 王宗跃, 马洪超, 彭检贵, 高广.  基于LiDAR数据生成光滑等高线 . 武汉大学学报 ● 信息科学版, 2010, 35(11): 1318-1321.
    [19] 曾齐红, 毛建华, 李先华, 刘学锋.  建筑物LiDAR点云的屋顶边界提取 . 武汉大学学报 ● 信息科学版, 2009, 34(4): 383-386.
    [20] 许小兰, 李斐.  InSAR及其差分技术在仲巴地震中的应用 . 武汉大学学报 ● 信息科学版, 2008, 33(7): 727-729.
  • 加载中
图(14)
计量
  • 文章访问数:  595
  • HTML全文浏览量:  154
  • PDF下载量:  144
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-11-15
  • 刊出日期:  2022-03-05

滑坡隐患类型与对应识别方法

doi: 10.13203/j.whugis20210618
    基金项目:

    国家创新研究群体科学基金 41521002

    作者简介:

    许强,博士,教授,主要从事地质灾害防治的理论与方法研究。xq@cdut.edu.cn

  • 中图分类号: P237

摘要: 基于“三查”体系的滑坡隐患综合遥感识别工作已在全国范围推广应用并取得一定成效,但随着工作的推进,也暴露出一些亟待解决的问题,比如隐患究竟如何定义、有哪些类型、有何针对性的识别技术和方法,以及下一步工作重点是什么等。总结大量实践案例,进一步明确了滑坡隐患的定义,并将滑坡隐患分为正在变形区、历史变形破坏区和潜在不稳定斜坡3类,提出了针对不同类型滑坡隐患的识别技术和方法。正在变形区主要利用光学遥感和合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)技术相结合进行识别,历史变形破坏区可利用光学遥感和机载激光雷达技术(light detection and ranging,LiDAR)进行识别,而潜在不稳定斜坡靠遥感和传统调查手段很难识别,需大力发展航空-半航空物探技术,快速查明斜坡地下结构,尤其是基覆界面空间展布和地下水状况,通过稳定性的量化分析来圈定危险区域和具体部位。

English Abstract

许强, 陆会燕, 李为乐, 董秀军, 郭晨. 滑坡隐患类型与对应识别方法[J]. 武汉大学学报 ● 信息科学版, 2022, 47(3): 377-387. doi: 10.13203/j.whugis20210618
引用本文: 许强, 陆会燕, 李为乐, 董秀军, 郭晨. 滑坡隐患类型与对应识别方法[J]. 武汉大学学报 ● 信息科学版, 2022, 47(3): 377-387. doi: 10.13203/j.whugis20210618
XU Qiang, LU Huiyan, LI Weile, DONG Xiujun, GUO Chen. Types of Potential Landslide and Corresponding Identification Technologies[J]. Geomatics and Information Science of Wuhan University, 2022, 47(3): 377-387. doi: 10.13203/j.whugis20210618
Citation: XU Qiang, LU Huiyan, LI Weile, DONG Xiujun, GUO Chen. Types of Potential Landslide and Corresponding Identification Technologies[J]. Geomatics and Information Science of Wuhan University, 2022, 47(3): 377-387. doi: 10.13203/j.whugis20210618
  • 中国是一个地质灾害频发的国家,自20世纪90年代起,相关部门通过多轮地质灾害详细调查和隐患排查,已发现地质灾害隐患点33万余处,但通过统计分析发现,近年来发生的灾难性地质灾害事件约80%都不在已发现的隐患点范围内[1]。为何还会有如此大比例的隐患没能提前识别?究竟什么是地质灾害隐患?隐患有哪些类型和可供识别的特征,究竟哪些类型的隐患可识别及如何识别,在隐患识别方面还存在哪些技术瓶颈等一系列问题都有待深入研究,并逐个回答和解决。

    针对高位、高隐蔽性滑坡隐患识别难题,笔者在2017年四川省茂县新磨村滑坡发生后提出了构建天-空-地一体化的滑坡隐患识别“三查”体系[1-2]。“三查”体系提出后,相关部门和专家学者充分认识到综合遥感技术可以在地质灾害调查排查中发挥重要作用[3-12],贵州、四川等省迅速开展了基于综合遥感技术的高位隐蔽性地质灾害隐患识别示范应用,自然资源部和部分省市成立了专门的地质灾害隐患识别中心。2020年在自然资源部部署下,中国地质调查局自然资源航空物探遥感中心牵头组织多家单位利用综合遥感识别技术对全国地灾高易发区10省市312个县开展地质灾害隐患识别,范围覆盖黄河上游、四川强震区、藏东南地区、滇西北地区、三峡库区5类典型地质灾害分布区,面积118×104 km2,已识别出数万处新的地质灾害隐患。多个省市也设专项开展相关工作的推广应用,并取得了较好的成效。

    随着基于综合遥感技术的地质灾害隐患识别工作的推进,中国逐渐探索出一套利用综合遥感技术识别地质灾害隐患的技术流程和工作方法,积累了不少经验和认识,也培养和带动了一批人才包括地勘队伍参与该项工作,有力推动了综合遥感技术在地质灾害防治中的应用。但在实际工作中也暴露出不少问题,比如,目前对滑坡隐患的定义缺乏统一的认识,同一疑似隐患点不同专业背景人员的判识结果可能截然不同。例如,2020年四川省地质灾害隐患综合遥感识别结果交由第三方地质人员进行野外核查,反馈的识别正确率仅40%左右,而项目组技术人员核查识别正确率却达70%左右。不同孕灾背景、不同类型、不同发育阶段的滑坡隐患可供识别的特征存在较大差异[13],目前在实际工作中并未采用针对性的识别技术和方法。此外,不少人认为只要采用综合遥感技术和现场地质调查就能识别出所有的隐患,但近年来的一些突发性滑坡案例却表明仅靠地表的调查和测绘已很难提前发现和识别隐患,这可能也是灾难性事件80%都不在已发现隐患范围内的主要原因。

    滑坡隐患识别已再次遇到瓶颈,需要对相关问题进行进一步梳理,找到解决问题的方案。本文拟厘清滑坡隐患的定义和类型,并针对不同类型隐患提出针对性的识别技术方法,以期进一步推动滑坡隐患识别工作。

    • 滑坡是指斜坡岩土体在重力(或叠加地震力、水压力等)作用下,沿某一面以水平运动为主的变形破坏现象,其中包含变形和破坏两个主要过程。破坏是指斜坡岩土体中已形成贯通性破坏面并发生宏观显著位移,实际上就是指滑坡发生的短暂过程。而在贯通性破坏面形成之前,斜坡岩土体的部分变形与局部破裂称为变形,如图 1所示。滑坡是一种自然现象,并非所有的滑坡都可称之为隐患,只有当滑坡发生后会对相关区域的人员和财产安全构成威胁或造成损毁时才能称之为隐患。从广义上讲,滑坡隐患是指近期内可能失稳破坏并成灾的斜坡。而狭义来讲,滑坡隐患是指已具有明显变形迹象并在近期内可能成灾的斜坡。在此定义中,重点关注了两方面内容:一是斜坡变形破坏,二是成灾。成灾是指具有明确的威胁和危害对象,或可能通过灾害链等次生效应给生命财产造成损失。滑坡隐患不仅应包含变形破坏这一自然属性,还应体现成灾这一社会属性,若滑坡发生后不造成人员伤亡和财产损失,不能称为滑坡隐患。

      图  1  斜坡的变形与破坏

      Figure 1.  Deformation and Destruction of the Slope

      目前,相关管理部门、地质调查人员和老百姓眼中的滑坡隐患主要指狭义的隐患,即斜坡上已出现明显的变形迹象(如道路、房屋及地表出现裂缝、错台、局部隆起或垮塌,树木歪倒等),预示着近期可能会发生滑坡。但是,近年来的众多滑坡案例表明,有些突发性很强的滑坡滑前并没有明显的变形迹象,或从变形到破坏所经历的时间很短,而此类滑坡往往发生在降雨期间,遥感手段甚至当地人们都不一定能目睹到变形过程,但却在短时间内发生滑坡并成灾,因此,本文提出了广义滑坡隐患的概念。滑坡隐患还具有相对性和动态性,有些斜坡虽然已出现明显的变形迹象,但可能几年甚至数十年都不会成灾,也有些斜坡在一定的外界因素如强降雨、人类工程活动、地震等扰动下,突然出现变形迹象,但随后又逐渐趋于稳定,在今后很长时段内都不会成灾,此类隐患可根据监测结果动态地销号,从隐患库中去除。

      根据广义滑坡隐患的定义,可将滑坡隐患分为3类:正在变形区(第Ⅰ类)、历史变形破坏区(第Ⅱ类)和潜在不稳定斜坡(第Ⅲ类)。

      第Ⅰ类滑坡隐患正在变形区是指当前正在发生变形,且具有明显变形迹象和特征的区域或部位。图 2是典型滑坡(推移式滑坡)地表变形迹象的示意图。在滑坡变形之初,一般首先在坡体后缘出现拉张裂缝;随后,变形逐渐向两侧和前缘延伸扩展,形成后缘弧形张裂缝;随着变形的持续增大,可能形成多级弧形张裂缝、下错台坎和滑坡壁,主裂缝不断从两侧向前扩展,并在两侧形成雁列式排列的剪张裂缝。因绝大多数滑坡的底滑面都是前缓后陡,前部往往具有抗滑作用,所以当变形扩展到前部时有可能因变形受阻而发生隆起变形,并在地表产生顺滑动方向的放射状压致拉裂和横向隆胀裂缝。在不同的变形阶段,滑坡区地表裂缝出露的部位、走向和力学性质是有所区别的,表现出明显的分期配套特性。同时,地表裂缝的展布也会从变形初期的无序逐渐过渡到有序,在滑坡发生前形成滑坡边界的主裂缝一般会相互连接贯通甚至圈闭,如图 2所示。在斜坡的变形发展演化过程中,斜坡的变形时间曲线、滑动面孕育与贯通过程、地表裂缝发展三者还具有很好的同步性与一致性[14]

      图  2  典型滑坡地表变形迹象[14]

      Figure 2.  Signs of Typical Landslide Surface Deformation[14]

      第Ⅱ类滑坡隐患历史变形破坏区主要是指古老滑坡体、震裂山体、时效变形体(如西部山区河谷常见的大型倾倒变形体)、各种成因的大型松散堆积体等具有明显“损伤”的斜坡[1]。历史变形破坏区虽然当前并未处于变形状态,但在环境条件发生改变时(如水库蓄水、人工开挖或加载、河流冲刷、强降雨等)很容易复活变形并成灾。例如,2020年发生的四川省丹巴县阿娘寨滑坡,其本身位于一大型古滑坡堆积体前部(见图 3(a)),2020-06-17从主河道支沟冲出的泥石流堆积物堵塞主河道,因古滑坡前缘为凹岸,溃决洪水掏蚀坡脚导致阿娘寨古滑坡局部复活,前缘出现明显的变形迹象(见图3(b)3(c))。

      图  3  阿娘寨滑坡光学影像

      Figure 3.  Optical Images of the Aniangzhai Ancient Landslide

      近年来,中国在西部大江大河(如长江、金沙江、澜沧江等)修建了众多水电站,在每一个大型水电站蓄水形成的库区,库水的浸泡尤其是水位调度导致水位大幅变动,这会使得沿江两岸的大量古老滑坡体复活变形,有些甚至失稳破坏而成灾。因此,在水库库区,两岸涉水的大型堆积体尤其是古老滑坡体往往都会作为重点加以关注。

      第Ⅲ类滑坡隐患潜在不稳定斜坡是指在天然工况下处于基本稳定或欠稳定状态,历史上未曾发生过变形破坏,当前也无明显变形迹象,但在强降雨、地震或人类工程活动等强烈扰动下,可能出现突发性失稳破坏并成灾的斜坡。例如,2019-07-23贵州省水城县鸡场滑坡曾造成43人遇难、9人失联,滑坡三维航拍影像见图 4。2019-07-22正好获取到滑坡区哨兵1号的数据,通过对2018-12-28—2019-07-22共计18景哨兵卫星数据进行差分干涉分析,发现攀枝花矿区有明显变形,但滑坡区并无明显的变形,分析对比多期历史光学影像,也并未发现滑源区有明显变形[15]。由此表明,鸡场滑坡至少在22日后才开始出现变形和破坏,至于滑前有无明显变形以及具体什么时候开始出现滑坡征兆,因降雨期间无目击证人不得而知。2020-08-21四川省汉源县海子村发生滑坡,造成7人死亡、2人失联,时序InSAR分析结果也显示滑前数天内未见明显变形。此类滑坡发生前,斜坡区并无明显的变形迹象,利用遥感和一般地质调查手段很难判断其稳定性,评判其滑坡风险;同时滑坡发生具有突发性,且多在强降雨期间发生,主动防范难度极大,急需研究有效的识别技术和方法。

      图  4  贵州省水城县鸡场滑坡三维航拍影像

      Figure 4.  Unmanned Aerial Vehicle Image of the Jichang Landslide in Shuicheng County, Guizhou Province

    • 第Ⅰ类滑坡隐患正在变形区,因当前正在变形,往往会表现出明显的变形迹象。变形迹象在光学遥感影像上一般会有显著的表现,同时,合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)又可观测地面正在缓慢变形的区域,所以可先用光学遥感和InSAR识别正在变形区,然后通过地质调查进行复核和筛查。例如,针对四川省茂县石大关滑坡隐患,通过对2010年、2016年、2019年、2021年多期历史影像的对比分析,不仅可看到滑坡隐患区明显的变形迹象,还可发现该滑坡隐患后缘裂缝在逐年扩大,前部出现强变形区,强变形区后缘已形成多级拉张裂缝且逐年在加宽加大,如图 5所示。文献[13]利用光学遥感影像对2016年浙江省丽水苏村滑坡、2017年8月贵州省纳雍高位崩塌、2018年10月和11月西藏自治区江达县白格村滑坡的变形进行了历史回溯性研究,发现这些滑坡在滑前都有后缘不断延伸直至圈闭的裂缝、前缘规模逐渐增大的垮塌等形变迹象。这些事例均表明,利用多期次高分辨率光学影像(米级甚至亚米级)的光谱特征变化和纹理差异可定性甚至半定量地探测地面有较大范围变形迹象的滑坡隐患。

      图  5  四川省茂县石大关滑坡隐患以及局部区域历史影像

      Figure 5.  Historical Images of the Shidaguan Landslide and Local Regions

      图 6为2016年中国西藏阿里阿汝村冰崩发生前冰川表面的裂缝分布[16]图 7为2021-02-07印度北阿坎德邦查莫里冰崩发生前冰川表面的裂缝分布。从图 6图 7中可以看出,与滑坡一样,冰川运动也会在其表面产生系列裂缝,在冰崩发生前后缘也会出现非常显著的拉张裂缝,在两侧边界出现裂缝并不断向前延伸,表明冰崩发生前冰川体也要逐渐与周围山体分离,形成可动体,这些行为在遥感影像上都有反映,据此可进行冰崩的早期识别。

      图  6  2016年西藏阿里阿汝村冰崩发生前冰川表面的裂缝分布[16]

      Figure 6.  Crevasse Image of the Aru Glacier Before It Collapsed[16]

      图  7  印度北阿坎德邦查莫里冰崩发生前冰川表面的裂缝分布(2021-02-05高分六号影像)

      Figure 7.  Cracks Before the Chamoli Glacier Happened(2021-02-05 Gaofen-6 Image)

      但是,由于光学遥感影像易受云雾天气影响,而一些灾害频发区往往为云雾较多的山区,且目前能提供高分辨率光学影像的卫星还较少,因此光学影像的数量和质量均受到较大的限制,而InSAR刚好可以弥补这一不足。InSAR可全天候连续非接触跟踪观测地表微小形变,且有免费提供的InSAR数据,其成本低利于推广应用,因此近年来InSAR已成为地质灾害隐患早期识别和中长期监测的重要手段。国内外学者已在利用InSAR进行地质灾害隐患早期识别与变形监测方面开展了大量研究,并取得了较好的应用实效[6-71017-19]。协同多轨道、多平台、多角度合成孔径雷达(synthetic aperture radar,SAR)影像数据,采用常规的差分干涉测量(differential InSAR,DInSAR)技术和干涉图堆叠法Stacking-InSAR技术可以从广域上较全面实现正在缓慢变形滑坡隐患的快速普查。如图 8为分别使用先进陆地观测卫星(advanced land observing satellite-2,ALOS-2)升轨、哨兵1号升降轨数据获取小金县同一区域的Stacking-InSAR结果,条纹集中区即为形变异常区,进一步结合光学影像确认其为滑坡隐患。利用InSAR技术不仅可以在区域尺度上进行滑坡隐患的早期识别,揭示滑坡隐患的位置、范围和边界,而且在单体尺度上可以实现滑坡隐患的长时间序列动态形变监测,掌握变形强度和发展演化趋势,并据此定量判识滑坡隐患的变形阶段,判断其危险性。如理县甘堡乡联合村滑坡,航拍影像显示该滑坡前缘变形迹象明显,发育多处次级滑动(见图 9(a));该滑坡体上植被覆盖不茂密,后缘主要为耕地和果园,前缘为灌木丛,InSAR形变探测结果较好,Stacking-InSAR和差分干涉测量短基线集时序分析(small baseline subset InSAR,SBAS-InSAR)技术均探测到显著的形变(见图9(b)9(c));从SBAS-InSAR中选取典型点P1P2形成位移-时间曲线,显示该滑坡隐患目前处于匀速变形阶段(见图 9(d)),危险性仅处于中等级别。但是,InSAR技术易受植被覆盖、大气、几何畸变的影响,且仅可识别处于缓慢变形阶段的滑坡隐患,故针对正在变形区这类滑坡隐患需同时采用多时相高分辨率光学影像与InSAR技术,充分利用影像的图谱信息与InSAR的量化形变信息,从形态和形变两方面进行综合识别,才能提高识别的正确率和准确性[4]

      图  8  小金县典型区域Stacking-InSAR形变速率图

      Figure 8.  Stacking-InSAR Derived Deformation Rate Maps of the Typical Area in Xiaojin County

      图  9  理县甘堡乡联合村滑坡Sentinel-1升轨数据形变情况

      Figure 9.  Deformation Maps from Ascending Sentinel-1 Data of Lianhe Village in Ganbao Township, Lixian County

      由于光学遥感与InSAR的原理、技术方法以及识别所依据的内容有所差别,导致同时使用这两种技术手段进行隐患识别时会得到稍有不同的认识和结果。斜坡的变形一般首先反映在公路路面、房屋等硬脆性建构筑物上,当变形量还不够大或区域内仅为第四系覆盖层时,斜坡即使已发生一定量的变形也可能不会出现裂缝、错台等变形迹象,此时依靠光学影像或地质调查就不能观测到斜坡的变形,但在InSAR上却会有明显的反映。如图 9所示,依据光学影像和现场调查圈定的主滑坡边界与通过InSAR探测到的微小变形所圈定的滑坡边界就具有较大的差别。两者的结果虽然有较大的重叠区,但InSAR探测到的变形范围明显大于光学,这也是InSAR结果与现场地质调查结果不完全相符的原因。但在光学影像上或肉眼看不到变形并不一定表示变形就不存在,这是在实际工作中应该注意的。

      但当斜坡变形过快或量级过大,如出现局部垮塌时,往往会超出InSAR所能监测范围而出现失相干现象。如小金县沃日镇甘沟村滑坡,采用Stacking-InSAR和SBAS-InSAR两种手段均发现斜坡有明显变形(见图10(a)10(b)),光学影像上也能见到后缘拉裂缝、前缘小规模垮塌等明显变形迹象(见图 10(c))。但在斜坡中部变形最强烈部位SBAS-InSAR结果出现了失相干点(见图 10(b)),现场调查表明该区域有明显下错台坎和多级拉裂缝,裂缝宽度达10 cm(见图 10(d))。

      图  10  小金县沃日镇甘沟村滑坡

      Figure 10.  Slope in Gangou Village, Wori Township, Xiaojin County

    • 图 11所示,滑坡发生后,岩土体经历滑移、运动和停积等过程后,往往会留下显著的滑坡地貌。滑坡地貌的主要特征是后缘因岩土体滑移后岩土体缺损而留下“圈椅状”地貌,若滑动彻底,将留下一个明显的滑坡壁,滑动不够彻底,则留下主断壁和多级台坎(见图 11)。前缘为滑坡堆积区,由滑下物质堆积成“舌状”凸起地形。因此,“前凸后损”是最典型和常见的滑坡地貌特征。对于无植被覆盖或植被覆盖一般区域,结合滑坡的地貌特征,利用光学遥感影像尤其是三维光学遥感影像,可解译和识别出大多数古老滑坡体以及各种成因的松散堆积体。而对于植被茂密区域,由于植被的遮挡,再加上长时间的自然和人工改造,滑坡原始地貌可能已发生一定的改变,利用光学遥感影像解译识别起来就较困难,而激光雷达在这方面具有独特的优势,可以很好地弥补光学遥感的不足。利用激光雷达不仅可以通过激光点云数据获取高精度数字表面模型(digital surface model,DSM),还可去除植被获取高精度数字高程模型(digital elevation model,DEM)(精度一般优于0.5 m),使古老滑坡体、大型堆积体、裂缝等历史“损伤”暴露无遗[11]。结合地形开阔度、红色地形图(red relief image map,RRIM)、天空视域因子(sky view factor,SVF)等DEM可视化方法,还可以突出显示滑坡壁、滑坡边界、裂缝等,从而更清晰地展示滑坡的微地貌特征[12]图 12(a)所示为某典型古老滑坡体的光学影像,因茂密的植被遮盖了滑坡区原有的地表形态,仅通过光学影像较难识别出该古滑坡,但利用激光雷达技术(light detection and ranging,LiDAR)获取的DEM生成的SVF影像,使两处古老滑坡一览无余(图 12(b)),后缘边界、台坎、前缘发育的多处次级滑动也清晰可见(图12(c)12(d))。大型松散堆积体也往往成为滑坡、泥石流的主要发育分布区和物源。根据LiDAR DEM可清楚地看到植被覆盖下的松散堆积体、孤石、危岩。图 13所示为九寨沟地震震区,从航拍光学影像上仅能看出新发生的同震小型崩塌、滑坡(见图 13(a)),利用LiDAR数据去除植被后清晰地显示斜坡坡脚分布有多处大型崩塌堆积体(见图 13(b))。因此,将高分辨率的光学影像与机载LiDAR获取的高分辨率DEM及其衍生产品有机结合,可对第Ⅱ类滑坡隐患进行有效识别。

      图  11  典型滑坡侧立面图

      Figure 11.  Side Elevation of the Typical Landslide

      图  12  典型古老滑坡体光学影像及LiDAR解译结果

      Figure 12.  Optical Image and LiDAR Interpretation Results of Typical Ancient Landslide

      图  13  九寨沟震后典型松散堆积体光学影像以及去除植被后的LiDAR影像

      Figure 13.  Loose Accumulation Optical Image and LiDAR Image After Jiuzhaigou Earthquake

    • 对于潜在不稳定斜坡,其既无滑坡地貌特征,滑前也无明显的变形迹象,利用前述的天-空综合遥感技术和传统的地质调查已很难评判斜坡的稳定性和滑坡危险性。此类滑坡大多发生于第四系覆盖层中或沿基岩与覆盖层接触面(即基覆界面)滑动,且主要由强降雨诱发。要定量评判斜坡的稳定性,分析比较不同区域和部位斜坡的危险性,就必须在通过机载LiDAR(植被茂密区)和航空摄影测量(无或低植被覆盖区)查明斜坡地表三维地形的基础上,采用勘探手段查明坡体的内部结构和地下水发育分布状况,同时还得通过一定的测试手段获取岩土体的物理力学参数。要查明坡体地下结构,最常用的方法就是钻探、物探和坑槽探,但潜在不稳定斜坡的特征不明显,随处可见,点多面广,显然利用传统勘探手段远远不能满足实际需求,必须发展更加快捷的勘探技术,航空-半航空物探技术应该成为解决此问题的首选。

      航空物探(磁、电磁、重力、伽马能谱)主要将地球物理勘探与航空技术有机结合,以航空飞行器作为运载工具,通过装载地球物理探测仪器依据岩(矿)石电、磁、放射性质的差异,从而获取地球物理信息[20],目前主要在断裂构造、油气与固体矿产勘查等方面具有广泛的应用,文献[21] 用直升机搭载探地雷达(ground penetrating radar,GPR)对阿尔卑斯山的Plaine Morte冰川结构,尤其是冰川底界面进行了成功探测,但在地质灾害勘察和工程物探方面应用还较少。其主要原因在于:(1)物探设备较重,很难搭载到无人机平台上,不便于推广应用;(2)当前的物探设备主要适用于较大深度(数百至上千米)较大范围的勘探,对其勘探精度要求并不是太高,一般分辨率为十米到数十米。而工程物探和地质灾害勘探并不需要太深的勘探深度(一般为100 m以内,大多20 m以内),但勘探精度要求较高,最好是能达到米级甚至亚米级。

      当然也可通过半航空物探技术来实现相关勘探目标。半航空物探将发射装置安装在地面,而将接收装置安放在航空平台中,从而实现探测深度与观测效率的平衡[22-24]。成都理工大学王绪本教授团队利用半航空瞬变电磁法在雷打石滑坡、张家沟滑坡(见图 14)、鸡场滑坡[15]等进行初步的研究与应用,取得了一定的成果。但当前的技术,尤其是物探仪器设备还远不能达到潜在不稳定斜坡快速高精度探测的要求,因此,急需针对地质灾害和重大工程勘探的需求,针对性地研制低频航空探地雷达系统、全航空瞬变电磁系统、半航空时频电磁系统,及配套的航空平台和解译软件。

      图  14  张家沟滑坡半航空瞬变电磁法应用

      Figure 14.  Semi-airborne Transient Electromagnetic Results of Zhangjiagou Landslide

      即使利用航空-半航空物探技术,也很难对众多潜在不稳定斜坡内部结构进行全面探测,在实际工作中只能突出重点,首先针对背靠大山的人口聚集区、在建工程场地、人工开挖边坡、公路、住房建设等区域开展基于航空物探的斜坡内部结构和地下水结构的探测,重点获取斜坡基覆界面和地下水发育分布状况,辅以适量的岩土体参数测试,便可定量分析评价不同区域、不同部位斜坡在不同降雨条件下的稳定性状况,以此圈定危险区,提前识别滑坡隐患。

    • 基于天-空-地一体化“三查”体系的滑坡隐患综合遥感识别工作已在全国范围推广应用,并取得了较好的应用成效,积累了丰富的经验和认识,但随着相关工作的不断深入,也暴露出不少问题。本文针对相关问题,进一步对滑坡隐患概念、类型及其配套的识别技术进行了分析研究,得到如下认识:

      1)滑坡隐患是指近期内可能失稳破坏并成灾的斜坡,尤其要重点关注已具有明显变形迹象在近期内可能成灾的斜坡。本文主要将滑坡隐患分为3种类型:正在变形区(正在发生变形并具有明显变形迹象的区域或部位)、历史变形破坏区(历史上发生过失稳破坏但当前并未变形)、潜在不稳定斜坡(历史上未曾发生过变形破坏,当前也无明显变形迹象,但其稳定性相对较差,容易出现突发性失稳破坏)。

      2)针对不同类型的滑坡隐患提出了针对性的识别技术方法。针对正在变形区,主要采用高分辨率光学遥感与InSAR技术相结合的方式进行识别;针对历史变形破坏区,应针对其特殊的地貌特征,采用光学遥感和机载LiDAR技术进行识别,尤其是LiDAR能有效去除植被影响,在识别“损伤”方面具有独特优势,应大力发展;无地表变形也无滑坡地貌特征的潜在不稳定斜坡,仅靠综合遥感和传统地面调(排)查很难评判其稳定性和滑坡危险性,需要大力发展航空-半航空物探技术,在查明斜坡体内部结构尤其是基覆界面和地下水状况的基础上,进行不同工况斜坡稳定性的量化分析评价,圈定危险区。

      3)通过光学遥感影像可有效识别具有明显变形迹象的区域,但易受云雾天气和植被覆盖的影响,在变形初期变形迹象不显著时光学影像反映不明显;采用InSAR技术可有效识别大面积正在缓慢变形的区域,但该技术易受观测角度、植被覆盖、水汽以及数据处理技术等因素制约;通过机载LiDAR技术可有效识别斜坡历史的“损伤”,尤其是独特的植被去除功能可使隐藏于植被之下的隐患暴露无遗,但因成本相对较高,大面积实施难度较大。各种技术方法各有优势和不足,在实际工作中需综合利用多种技术手段,充分发挥各自长处和优势,规避短处,通过多种手段多源数据相互补充校验,以提高滑坡隐患早期识别的正确率和准确性。

参考文献 (24)

目录

    /

    返回文章
    返回