![]()
![]()
我国地质灾害频发，滑坡灾害尤为突出，因此滑坡监测预警技术的研究至关重要。朱淳等人的论文《滑坡多源监测技术及预警模型研究进展与展望》系统回顾了滑坡监测技术的发展，详细阐述了多种监测技术及其预警模型的研究现状，并对未来发展方向进行了展望。
我国幅员辽阔，山地面积占到国土面积的 70%，是地质灾害频发的国家，其中滑坡灾害发生频率最高，根据近 10 年全国地质灾害通报数据，滑坡灾害共发生61475起，占所有地质灾害类型的 68.6%（如图 1），每年因滑坡灾害而引起的人员伤亡和财产损失不计其数，滑坡灾害的识别与调查是防灾减灾工作的重要基础。十九大以来，习近平总书记多次在不同场合就防灾减灾工作做出重要指示，提出“要建立高效科学的自然灾害防治体系，提高全社会自然灾害防治能力”的方针。监测预警作为地质灾害防治的重要手段，国内外学者在滑坡监测技术体系以及预警模型方面进行了深入研究，取得了大量的研究成果。本文收集了 Web of Science 数据库有关“滑坡监测”技术相关的文献，在此基础上对各类主流技术的运用案例进行整理，以226 篇高被引文献作为研究基础。从发表国家和地区看，中国发表论文数量最多为 135篇，体现了中国在滑坡灾害监测无论是在方法上还是实际运用中都居于较为领先的位置，紧随其后的是意大利、美国、日本、澳大利亚等地质灾害较为频发的国家。本文以传统滑坡监测技术为切入点，结合目前滑坡监测的天、空、地、内四位一体 发展方向，全面阐述当前滑坡监测预警技术现状。![]()
图 1 近 10 年来我国滑坡灾害统计降雨是滑坡的主要诱发因素，国内外学者针对不同类型滑坡建立了降雨型滑坡监测预警模型，如张利勇对黄土边坡、黄雯对湖南茶陵滑坡、张有会对铁路边坡等的研究。同时，部分研究者关注岩土体含水率、孔隙水压力等指标对滑坡的影响，但滑坡变形受多种因素共同作用，需结合位移等指标开展监测预警。
![]()
天基监测技术：GNSS技术具有全天时、全天候、无需通视等优势，在我国滑坡变形监测中广泛应用，如肖玉钢、黄观文等的研究。InSAR技术可提取地表微小形变信息，但滑坡发生前预报成功案例较少，多集中于早期识别。
空基技术：无人机航空摄影和激光扫描技术为非接触式监测技术，不受云层遮挡，能快速获取大范围高清图像，在GNSS、InSAR等无法工作的环境下仍可发挥重要作用，如无人机倾斜摄影、机载激光雷达技术等。
地基监测技术：包括地表裂缝监测、分布式光纤、地面三维激光扫描技术、地震仪微震监测等。许强研发的裂缝计和监测系统弥补了传统监测手段的不足；分布式光纤技术可实现地下多源多场监测；地面三维激光扫描技术可获取地形地貌数据；微震监测可分析岩质边坡稳定性，与地表监测形成互反馈。
图 3 基于微震监测的滑坡风险预警
![]()
![]()
基于深部变形的滑坡内部监测：深部变形监测技术如深部测斜仪、阵列式位移计、声发射多点位移计等，可补充地表变形监测，实现立体化监测。声发射技术在监测岩质滑坡上具有独特适用性，成本低、灵敏可靠、实时连续，能实现早期预警。
![]()
![]()
图 4 边坡声发射监测及布置示意图
![]()
![]()
图 5 NPR 大变形缆索和边坡岩体相互作用及监测过程
![]()
![]()
![]()
图 6 监测加固一体化系统及监测中心效果示意图
基于多源数据融合的滑坡监测技术：将多源数据融合在同一远程滑坡灾害监测平台，可实现全维度、多参数综合监测，已成为未来趋势。我国北斗系统组网成功为其提供了优势，基于机器学习的滑坡智能解译也不断发展，同时滑震信号监测技术可用于反演大型滑坡运动状态。
![]()
图 7 空-天-地-体多源数据滑坡监测预警平台
![]()
图 8 滑坡多源数据监测常用技术示意图
2 预警模型的建立
2.1 降雨型滑坡预警模型
降雨作为滑坡灾害发生的主要诱发因素 ， 早 期 区 域 性 降 雨 滑 坡 的 预 警 模 型（ rainfall-induced landslide early warningmodel）的建立，往往是根据历史降雨数据与滑坡灾害的统计关系来设定降雨阈值，从而实现预警。随着对不同滑坡的发生机理更深入的研究，降雨型滑坡的安全预警模型将会逐渐从原本的具有普适性的安全预警模型，逐渐转向有针对性的面向不同的岩土类型因地制宜地建立安全有效的降雨型滑坡预警系统。![]()
![]()
图 9 陕北黄土滑坡
（a）试验降雨与历时图（b）降雨滑坡灾害预警工作流程图
2.2 多参数单体滑坡预警
多参数单体滑坡预警目前，滑坡预警研究关注历史数据的趋势性统计分析，一般基于变形、降雨等关键参数的变化规律（频率、强度、周期性和累积效应等）给出预警模型和判据，例如根据滑坡加速变形阶段划分的过程预警模型。我国建立边坡变形四级预警机制，基于危险边坡目前所处的变形演化阶段，划分预警等级。初始变形阶段对应四级（绿色）预警，等速变形阶段对应三级（黄色）预警，加速变形阶段对应滑坡二级（橙色）预警，加速（临滑）阶段对应滑坡一级（红色）预警（如图 10）。在阈值预警研究方面，基于岩土材料变形演化规律作为滑坡预警的一般依据，斋藤（Saito M）基于大量试验统计分析，提出了滑坡蠕滑渐变破坏的三阶段变形理论。先后有数十名学者结合数学的发展采用不同的数学方法针对不同类型的滑坡设定分阶段预警和各类阈值体系。许强等学者部分对国内外数十处具有完整变形监测曲线的滑坡分析研究，提出在预警实践中不能简单依靠位移阈值而应该主要有位移-时间曲线实施预警。![]()
图 10 我国的边坡四级预警机制与预警等级划分示意图
表 4 常用滑坡预测解译机器学习模型
![]()
在滑坡的易发性评估方面，机器学习逐渐在处理分析滑坡位移监测数据、分析加速度信号等方面提供完善的技术手段（如图11）。根据指定地形条件下评估区域内多诱发因素导致滑坡的概率。同时，对于正在变形的滑坡区，利用基于的深度机器学习方法可以对其较好地进行自动识别，例如以贵州省已排查出的部分地质灾害隐患点的影像资料为学习样本，利用卷积神经网络进行学习，基于学习结果对其他区域地质灾害隐患进行自动识别，其识别正确率可达 80%左右。通过机器学习寻找数据内在的隐藏关系来实现滑坡的预测预报，但是目前的机器算法主要依赖与气象数据，较少考虑复杂的滑坡的内部演化机理，预测精度较低，所以发展前景较大。机器学习算法以已经发生的滑坡数据作为驱动来预测未发生的滑坡对数据依赖很大，目前由于滑坡的样本库较少，难以获取较高的训练模型精度；缺乏融合滑坡灾害的专用人工智能算法或专用深度学习框架；下一阶段探索的方向将是先进的机器学习技术交叉融合各类监测信息（环境、气象、水文地质）的智能化滑坡预警模型。![]()
图 11 可解释性机器学习在滑坡地质灾害中的研究框架
3. 结论与展望
结论：滑坡监测预警意义重大，文中回顾多种监测技术，分析其优缺点及适用范围，梳理预警模型优势和潜力。滑坡表观长期安全监测优势明显，深部位移、微震信号监测虽有优势但存在问题，基于机器学习的预警方法逐渐成熟。
展望：未来滑坡监测将向智能全覆盖网络化、多维度一体化方向发展，需解决监测图像识别与数据处理问题，建立基于复杂地质力学模式的预警判据，实现精准预警与有效防控。
![]()
![]()
