［摘 要］ 本文结合北斗卫星导航系统（BDS）/全球卫星导航系统（GNSS）技术和物联网传感器技术，建立了地质灾害监测平台系统，利用监测数据对常见的泥石流、崩塌以及不稳定斜坡地质灾害进行了数据分析。研究结果表明，长时序监测下BDS/GNSS监测精度达到毫米级。实时监测精度达到2 cm。结合多源数据分析建立地质灾害防治多维度指标的预警系统，并重点对缓变形地质灾害数据进行了分析，为地质灾害防治工作提供重要的参考。
［关键词］ 山区地质；预警；灾害监测；多源数据
0 引言
地质灾害监测是地质灾害防治工作的主要方式和重要核心［1］。传统地质灾害监测方法主要是在地质灾害频发区域或隐患区域，结合相关的区域地质勘查资料，进行传感器设备的布置和实时数据的连续自动化采集，利用通信传输模块来对数据进行传输。但这种方式具有监测效率低、精准度低等缺点，且数据流较为分散，已无法满足地质灾害监测的需求［2-3］。
近年来，综合应用基于北斗卫星导航系统（BeiDou navigation satellite system，BDS）/全球导航北斗地基增强系统（ BeiDou satellite-based augmentation system， BDSBAS）系统（global navigation satellite system，GNSS）数据、多种传感器数据的自动化监测技术已逐渐成为地质灾害防治领域的重要技术手段，由此而衍生的自动化监测的设备产品、平台产品亦已在行业内得到了较为广泛的应用［4-6］。何迎东［7］则根据丽水连续运行参考站网数据，建立地质灾害监测预警模型，对地灾进行预测分析。郭伟等［8］利用了远距离无线电技术（long range radio，LORA）建立了分布式、嵌入式传感器系统，实现了实时地质灾害远程监测。文献［9-11］论述了天基地质灾害监测系统的可行性，北斗地基增强系统（BeiDou satellite-based augmentation system，BDSBAS）、合成孔径雷达干涉（interfero-metric synthetic aperture radar，InSAR）和影像处理技术等现有天基资源，构建省级实时地质灾害监测系统。对于地质灾害防治的有效性和可靠性则需要从多个方面来进行印证。因此，多源数据分析，可以提高预测精度和可靠性。
本文结合BDS/GNSS 技术和传感器技术，分析地质灾害监测系统涉及的数据模型，建立地质灾害监测预警系统。结合地质灾害防治工作的具体案例，从多源数据维度进行预警分析，以实现多源数据相互印证，相互支持，形成较系统的地质灾害监测和防治预警平台。
1 基础模型
为实现基于BDS/GNSS 技术的自动化监测系统的构建，首先需要建立可靠的观测数据质量控制方法；在BDS/GNSS高精度位移监测的数据处理理论和方法研究的基础上，建立BDS/GNSS参数估计的函数模型和随机模型；然后进行载波模糊度固定解算和精度评估等，经灾害的多期数据处理，不断缩小模型误差，为系统实现提供高精度、高可靠性的基础数据。而在此过程中，涉及诸多关于GNSS 观测、解算及精度评定的关键问题，这些问题在以往的相关文献中已进行了细致研究［12-14］。
而预警模型是进行区域地质灾害预警各项分析、运算的基础［15］。目前在第一代预警模型即临界降雨判据模型和第二代预警模型即显式统计预警模型的基础上，行业内研究人员采用多元回归的统计分析方法，建立了地质环境基础因素、降雨诱发因素与地质灾害之间的多元线性回归预测模型［16］。结合相关文献，基于BDS/GNSS的解算数据以及相关传感器物理量数据，结合地形因素（主要是坡度）、降雨因素以及地形因素计算稳定性系数K（即易发程度）［17-18］得到
式中，xi为单因子情况下的稳定性；ai为该因子所占整体的比例。
然后，确定两类比例关系，第一类即单因子影响下发生地质灾害的可能性，主要是通过设置阈值的方式来确定；第二类即多项因子之间的比例关系，通过多元一次线性回归方程的方法来确定。
最后，通过设置预警级别的方式对灾害体的实时状态进行评价，如图1 所示。主要从各项数值本身及其变化速率、加速度这几个方面来综合判定预警级别。分成了四个级别。
图1 地质灾害临界快速预警模型
1）注意级（蓝色）。地质灾害隐患点进入初始变形后期，有变形迹象，一年内发生地质灾害的可能性不大，定为蓝色预警（长期预报）。
2）警示级（黄色）。地质灾害隐患点变形进入等速变形阶段，有局部掉块现象，在数月内或一年内发生大规模灾害的概率较大，定为黄色预警（中期预报）。
3）警戒级（橙色）。地质灾害隐患点变形进入等速变形阶段后期，有一定的宏观前兆特征，在几天内或数周内发生大规模灾害的概率大，定为橙色预警（短期预报）。
4）警报级（红色）。地质灾害隐患点变形进入加速变形阶段，各种短临前兆特征显著，在数小时或数周内发生地质灾害的概率很大，定为红色预警（临灾预报）。
从各个级别对应的裂缝情况、切线角、稳定性系数和加速度特征四个方面进行判定，每个灾害预警级别与各类相关参数的数据阈值范围均一一对应。
综上所述，结合地质灾害监测及防治的工作目标，监测数据的精度以及预警模型应用的有效性成为影响地质灾害监测效果的重要因素［19-20］。在后文中我们将基于监测平台系统的构建，利用实例数据，从精度指标以及预警效果两方面来对模型进行评价分析。
2 实例验证
2.1 实验区概况
选择了布设的3 处监测站点作为实例，监测站点主要位于某市城郊区的西侧和北侧山区道路及周边区域，分别应对了常见的泥石流、崩塌以及不稳定斜坡地质灾害3种类型。
实例1 为一泥石流灾害隐患区，如图2所示。
图2 实例1现场图
实例2为一崩塌灾害隐患区，如图3所示。
图3 实例2现场图
实例3 为不稳定斜坡灾害隐患区，如图4所示。
图4 实例3现场图
2.2 数据源情况
在3个实例站点区域均基于长程（long range，LoRa）技术及无线电物联网传输协议，构建了各自的监测系统。布设设备情况如表1所示。
表1 监测站设备统计单位：台/套
表1中，设备均为24 h 不间断采集处理，GNSS数据采样间隔为15 s，采集高度角为大于等于10°。其他传感器设备采样间隔均设定为10 min。
2.3 结果与分析
2.3.1 系统精度指标评价分析
以单天解算成果作为相对基准，剔除个别粗差值和异常值之后，以1 h 来计算各个实时观测值相对于基准值的离散程度，即实时解算基线分量偏差。统计结果如表2 所示，主要反映的是实时解算的精度情况。
表2 监测站精度指标统计
从表2 可以看出，实例中监测站相对于基准站的位置矢量水平精度指标保持在5 mm 以内，垂直精度指标保持在10 mm 以内。这些站点所在位置在较短的时间周期内并未有显著变化。
2.3.2 实时（准实时）解算精度指标评价
在实际运行过程中，可以对监测站点的实时解算时段长度进行设置。这里选取了范例数据中离散程度较低的监测站数据进行试验，时段长度从1 h 变化至1 min，站点数据离散情况仍然用分量中误差的形式来体现，如表3所示。
凡在《工程与建设》杂志上刊登文章，均视为该作者自愿将其拥有对该文章的汇编权、翻译权、印刷版和电子版的复制权、信息网络传播权和发行权及其他有可转让的著作权转让给工程与建设杂志社独家使用。稿件经《工程与建设》杂志录用后，除刊于《工程与建设》杂志外，视同该作者同意刊于《工程与建设》杂志的网络版、光盘版，并同意被与《工程与建设》杂志签署协议的国内外检索刊物或数据库收录。如有异议，请事先通知杂志社。
表3 实时数据解算精度指标统计
从表3可以看出，解算类型由静态、快速静态模式向准实时模式（1～5 min）转变时，分量解算精度会有一定程度的衰减。然后向完全实时模式转变时，解算精度并未发生明显的衰减，但总体的变化离散程度已近15 mm。
2.3.3 变化趋势分析
在2.3.1 及2.3.2 节中，主要对监测数据的变化离散程度进行评价，针对监测点位移本身则需要根据一定时期内的观测数据来对变化情况进行评定，并对变化趋势进行预判。部分站点数据如图5所示。
图5 实例1站点变化情况
从图5 的数据变化情况来看，实例1 中数据数值变化均较为平缓，除去粗差及异常值影响外，整体变化幅度均未超过10 mm。结合现场情况来看，现场并未发现明显的物源变化情况，整个流域呈现出较为稳定的状态。
从图6 可以看出，监测数据呈现出一定的变化趋势，结合现场情况来看，该站点所在的毗邻区域处于小规模长周期的施工阶段。这对监测数据造成了一定的规律性扰动，但在站点现场则并未发现明显的现状变化。
图6 实例2站点变化情况
从上述实例来看，同时结合相应的现场情况的印证，初步得出监测数据的变化情况与现场情况保持了较好的一致性；另一方面，从监测数据本身的变化情况来看，监测数据亦呈现出较为明显的低幅回弹变化趋势，具有波动性变化的特点，在某一稳定值左右上下浮动，也就是说，监测数据的变化为一个动态平衡过程。此外，结合长时间的数据情况来看，对于特定的扰动源，通过较长周期的监测数据，亦能反映出一定的变化趋势，说明了监测数据应对特定扰动的较高敏感度。
2.3.4 汛期数据分析
而针对汛期这个重要阶段，在开展GNSS 位移监测的同时，还需要开展其他重要物理量的监测。现阶段行业内多采用诸如临界降雨判据模型、显式统计预警模型等类型的地质灾害气象预警模型，来开展区域性的汛期监测，但单从降雨信息来进行模型化判定具有局限性，对于区域局部重点的地灾隐患点缺乏针对性［17］。
基于此，本系统在对区域性地质灾害隐患点进行精细排查的基础上，在实例1 隐患点区域还开展了针对孔隙水压力等物理量数据的处理及分析。并与相应站点的位移数据进行参照，实例数据如图7、图8所示。
图7 汛期GNSS位移变化情况
图8 汛期孔隙水压力变化情况
综合三种数据来看，GNSS 位移变化节点与孔隙水压力、土压力变化节点基本保持一致，从而可以在一定程度上对GNSS 变化的成因进行一定的物理解释。同时，结合该区域的降雨量情况（如图9 所示），可以得出该隐患点在汛期场区气候变化较为显著的时期的发育变化趋势。
图9 汛期降雨统计情况
地质灾害系统在预警方面的应用，更多的是针对较短时期的变化情况进行短时期分析，且更多考虑的是变化速率。不论是位移信息还是其他物理量信息，在合理设置阈值的情况下，预警信息对应的实测数据从变化曲线、变化速率情况等方面均能较好地与预警模型（如图1所示）中的相应级别对应，说明在短周期内亦能保持较好的灵敏度。
3 结束语
本文基于GNSS/BDS 数据采集处理的相关基础数据模型及实测数据分析的预警模型的构建，采用3 个站点的实例数据，先对系统的精度指标情况进行统计分析，结果表明监测系统在长时段场景下可以达到毫米级精度；在实时场景下的精度也可达到2 cm。在此基础上，一方面结合现场情况对监测系统数据与现场情况的一致性进行了初步印证；另一方面，对监测系统数据的长周期变化趋势进行了分析。结果表明，监测数据变化情况与监测隐患点区域的岩土特征情况高度关联，呈现出了一定的变化敏感性。
随后，重点针对汛期这一重要节点，结合多类传感器数据及位移监测数据，在短时条件下开展了监测量变化量及变化速率的变化分析，一定程度上反映了灾害隐患点区域相关监测点位的时空位移变化特征，对致灾要素特征指标的量变具有较高敏感度。
引文格式：殷文彦，李冠. 基于多源数据山区地质灾害监测预警应用［J］. 北京测绘，2024，38（10）：1459-1463.
［作者简介］殷文彦（1981—），男，河南驻马店人，硕士，高级工程师，从事精密工程测量工作。
E-mail： 331445951@qq.com
