堰塞湖多源信息及其感知技术

魏 迎 奇，孙 黎 明，傅 中 志2，吴 帅 峰，蔡 红

(1.中国水利水电科学研究院，北京 100048； 2.南京水利科学研究院，江苏 南京 210029)

堰塞湖是指在一定的地质与地貌条件下，由地震、强降雨或火山喷发等突发事件引发的滑坡体、泥石流、火山喷发物、冰川堆积物等物质横向阻塞河道形成堰塞体，进而造成上游段壅水而形成的湖泊。由于堰塞体主要由岩土快速堆积而成，结构物质松散，缺乏专门的泄水设施，很容易在短时间内溃决。堰塞湖形成后，堰塞湖湖区水位快速上涨，回水可能会淹没上游居民地及其它基础设施；而堰塞体一旦发生溃决，瞬间将对下游形成重大的洪水灾害[1-2]。如1812年意大利Savio河上大滑坡形成的堰塞湖，回水淹没造成18人死亡(其中大多数是溺水死亡)；1933年8月25日四川岷江上游茂县叠溪镇发生7.5级地震诱发的叠溪堰塞湖，据1933年10月21日《民国公报》载“10月11日大水灾，遍及县境16个乡镇，死亡三四千人，冲去田地一万六千余亩，房屋、财产无计其数。”1840年冬天地震在印度河(Indus River)上诱发的堰塞湖，次年6月溃决造成的大水灾，下游400 km处一座兵营及500人被吞没，另有数百名村民被冲走，数千人失踪；2018年5月12日四川汶川发生里氏8.0级地震后，导致大量山体滑坡、崩塌，形成了唐家山、石板沟、肖家桥等34座堰塞湖，其中多处堰塞湖面临溃坝风险，成为灾区内最主要的次生灾害隐患。

以往因为数据匮乏、信息快速获知和多源数据融合识别困难等问题，给堰塞湖的应急处置和科学治理决策带来了极大的挑战[3-4]，导致堰塞湖应急处置不及时或治理不当等而引发生了严重的次生灾害，损失触目惊心。汶川地震后形成的34座堰塞湖，特别是唐家山堰塞湖，在其形成之后，由于及时开展了材料的收集、整理、分析、预测及预报等相关工作，因此唐家山堰塞湖的应急处置取得了很好的效果，说明在堰塞湖发生后尽快进行堰塞湖的应急处理是防治和降低堰塞湖次生灾害风险的最重要手段，快速全面对堰塞湖影响区域内的信息进行全面透彻的感知是进行堰塞湖风险处置和抢险救灾的前提条件和基础。

虽然堰塞湖形成的原因各不相同，但表征堰塞湖本体信息和环境影响因素信息的内容基本相同，主要包括堰塞湖地形、地质地貌、堆积体材料特征、水文气象、影响区内的重要工程及设施、社会和生态环境等，这些信息将为堰塞湖风险评估、应急处理以及后续处置提供重要支撑。

目前对于堰塞湖信息的获取和收集有很多手段和方法，如历史数据的查询和收集、现状信息的监测或遥测、类似信息的经验推求等，由于信息获得的手段不同，方法不同，因而所获信息的格式不同，体现出信息的多源异构特征。

信息技术随着物联网技术和智能分析的发展也在不断发展，其已从信息的收集、采集向着信息透彻感知方面转变。基于这种认识，本文针对堰塞湖分析和处置的现状需求，深入探讨和研究了堰塞湖信息感知的基本内涵、信息内容、感知方式以及当前信息感知中存在的问题，以期通过这些探讨来明确堰塞湖信息的获取的有效方式和获取过程，为堰塞湖的风险评估和处置提供基本依据。

1 信息感知的基本特征

1.1 信息感知

感知一词原意是指人们对某一客观事物表面特性的直接反映，是通过意识对内外界信息的觉察、感觉、注意、知觉的一系列过程。人是一个极度复杂、协调和智能的系统，其身体上的每一个器官都是外在世界信号的“接收器”，只要是它范围内的信号，经过某种刺激，器官就能将其接收，并转换为感觉信号，再经由自身的神经网路传输到人心念思维的中心“大脑”中进行情感格式化的处理，之后形成人的感知。

随着计算机技术、物联网技术与传感技术的快速发展[5-6]，人工智能与信息感知必然会成为目前面向信息感知和数据挖掘背景下各种技术专业应用的基础和手段，因此研究和探讨基于物联网和传感手段的多源信息感知技术对提升专业人工智能分析至关重要。

类似人的感知，基于物联网技术的感知也由两个基本部分组成，即能够接收和反映物与环境变化过程的表达以及能够将这种表达通过网路传输并存储到数据库中。

对于人类而言，有些东西是人用眼睛看不到的，如黑暗中的物体，但人却可以凭借手和身体去感知它们的存在；有些东西人无法用手和身体能够触摸到，如远处的物体或者是风景，但人却可以用眼睛来感知它们的存在；有些东西人无法用眼睛看到，也不能用手和身体去触摸，如歌声、音乐、话语等，但人却可以用耳朵来感知它们的存在；还有一些东西，是人的感官无法直接来感觉的，如紫外线、红外线、细胞、粒子与电磁波等，但人可以通过各种仪器或借助相关工具来感知它们的存在。对于计算机系统，虽然其没有手眼耳鼻，但其可以通过声控技术、量测技术、传感技术、识别技术等各种手段来获得各种多源信息，并对这些异构信息进行识别处理，形成计算机的感知。

就象所有生命体都能感知但其感知能力却各不相同一样，基于计算机技术的感知也会由于感知形式的不同而表现出不同的能力，其感知能力的差距主要体现在感知手段或感知形式的先进性和有效性方面。

1.2 堰塞湖多源信息感知体系

堰塞湖的形成和处理是一个及其复杂的过程，包括堰塞体的地质学成因、环境诱因、堰塞体形成机制和运动学特征、堰塞体物质动态演化特征、堰塞体结构及形态形成规律与特征、堰塞湖水文气象特征、堰塞湖影响区生境特征和社会特征、堰塞湖次生灾害与风险评估、堰塞湖应急治理和永久处置等等，而所有这一切都涉及到了对堰塞湖多源异构信息的感知，感知技术已成为当前堰塞湖研究和管控的首要和必备条件。

在传统的堰塞湖抢险救灾过程中存在交通条件差、时间要求高、数据种类多、数据量大、数据来源多、数据类型复杂、地理参考不统一等问题，因此导致人们在进行数据整理和分析方面出现不一致的现象。基于统一性需要，本文归纳建立了堰塞湖多源信息感知的基本感知体系(图1)，通过堰塞湖信息数据的基本分类，可以根据内容和分类之间的关系，确定采用的感知方法，评估对应传感器的感知能力，为今后堰塞湖抢险救灾提供理论支撑和工程指导。

堰塞湖形成后，快速获取覆盖堰塞湖上下游影响区域内的所有信息，并进行融合、识别和应用为抢险救灾提供数据支撑。以往堰塞湖的数据采集主要是单向的静态信息收集、传感器动态数据实时获取和信息的一致化处理过程。而与传统的单纯数据的采集过程不同，信息感知是在传统数据采集的基础上，增加数据的动态获取、挖掘、融合、识别过程，使得数据的价值被充分利用，实现感知信息的智能化应用，是在单向采集“感”的基础上增加了“知”的智能化感知环节。

对堰塞湖进行感知首先要统筹需要进行感知的所有内容，建立一体化的立体感知体系，实现各传感器之间的协同感知，避免分散化造成的数据不一致和资源重复浪费。堰塞湖发生后进行多源信息快速感知，首先需要确定感知的信息种类和内容，才能根据数据的特征选择相应的感知手段和传感器类型，因而堰塞湖信息感知内容的确定是进行感知的基础。

2 堰塞湖信息感知基本内容

通过以往堰塞湖大数据的收集、整理、归纳与分析，提出了依据数据专业类型、数据获取方式和数据结构类型3种方法的分类方式，如图2所示。

图1 堰塞湖多源信息的感知体系Fig.1 Perception system of multi-source information of barrier lakes

图2 堰塞湖多源信息的感知内容与分类Fig.2 Content and classification of multi-sources information perception of barrier lakes

2.1 按照专业类型分类

根据堰塞湖相关的影响区域、数据的行业类别和专业类型，从堰塞湖的专业内容用途角度，感知内容可以分为以下6类。

(1) 地理信息数据。堰塞湖发生区通常是人迹罕至、缺乏监测的偏远区域，堰塞湖形成后快速掌握堰塞湖发生地、堰塞湖水下、上游淹没区和溃坝后下游可能的洪水淹没区的地形和影像，可以快速掌握堰塞湖的上下游的地形和地物状况，快速输出高精度三维地形图、专题地图、等高线图、形变图等，为救灾决策和分析提供基础地理地形和影像数据。

(2) 水文、气象数据。堰塞湖灾害发生特别是泄流以后的水文数据是评估下游灾害影响的重要基础数据[7-8]，通过事后重新模拟堰塞湖溃坝洪水的演进对已有水电工程设施的影响，最终能给出灾害的影响结果和提前预防性应对措施。具体的水文气象数据主要包括水位、流量、流速、横纵断面等水文站点测量数据；气象数据包括雨量和天气等；时间范围包括堰塞湖发生前后时间段和历史数据；位置主要包括水文站点和堰塞湖入库、出库和过流位置。

(3) 堆积体及相关岩土材料物理力学数据。为分析和预测堰塞体的稳定性及可能出现的破坏模式，提出相应的应急措施及抢险救灾规划方案，需充分掌握堆积体及相关岩土材料的物质组成、物理力学特性，需要采集典型位置处的物质构成、颗分状态、密度、含水率、孔隙率、渗透特性、力学性质等基础数据。堰塞体的物质组成与物理力学特性是决定坝体稳定的关键内在因素，但其获取手段往往较为传统，如颗分需现场采样后进入实验室筛分，密度、含水率、孔隙率均需现场取得原状样后实验室测定，渗透与力学特性的实验要求精度更高，往往难以现场及时获取，这就对感知手段提出了更高的要求。

(4) 滑坡地质灾害数据。为了对滑坡堰塞湖灾害进行提前预警预报，应查明堰塞湖滑坡区地质环境条件，包括地形地貌、地层岩性、地质构造、不良地质现象和水文地质条件；各滑坡分布范围、规模、形态特征、边界条件、滑体结构与物质组成、滑带特征及其埋深与标高、近期变形特征;研究滑坡的成生条件、形成机制和诱发因素、测试滑带和滑体与滑床的物理力学性质和渗透性能，分析滑坡的变化特点与规律；评价各滑坡体在不同工况条件下的稳定性，为防治工程初步设计提供工程地质依据[9]。

(5) 生境信息数据。针对堰塞湖暴发后带来严重的社会危害属性以及在堰塞湖应急处置和灾后恢复重建工作中所涉及的社会因素，在上游地质灾害风险链评估中应充分考虑生境数据，具体有沿江影响范围内人口居民分布、交通基础设施、大型厂矿等设施、文物等元素。

当堰塞湖发生后，首先是关心对下游的人口和重大设施的影响情况，需要根据模拟分析的结果，进行相应准确的人员撤离和损失评估。主要需要掌握下游的重要工程设施、人口分布、村庄位置和河流宽度。数据包括人口分布、交通基础设施、大型厂矿设施、河流的支流和汇水等。

(6) 重大工程设施信息数据。重大设施工程数据主要包括规划、在建、已建的水电站、交通、厂矿等相关资料，以便评估堰塞湖险情对现有工程的影响，以及针对灾害的应急预案。需要的数据包括：下游水电站的调度预案、工程的设计报告和施工报告、规划电站的工程施工方案。主要通过相关工程主管单位及时提供。

2.2 按照数据获取方式分类

通过上面的专业数据分类可知，需要完全研究堰塞湖的成因、形成、处置和救灾的过程，数据量庞大，数据结构也各有不同，不同专业类型的数据需要不同的处理方法，根据堰塞湖多源信息的不同采集手段，可以将感知内容分为以下几类。

(1) 遥感数据。遥感数据主要是指采用卫星、无人机等搭载光学传感器或者激光传感器进行远距离测量获取影像和地形的方法，可以利用遥感手段快速准确获取大范围的精细地形和影像[10]。堰塞湖多源数据中的大范围地理信息、InSAR的滑坡监测数据和水底地形数据等。通常上下游流域大范围的地形需要通过光学卫星或者固定翼大飞机进行数据采集，需要时间较长，而局部高精度地形和影像则利用旋翼无人机、三维激光扫描仪、多波束测深仪或者机载LiDAR进行快速测量，数据结构形式主要是地理栅格图像和点云数据。

(2) 传感器监测数据。传感器监测数据主要是指采用压力、位移、水位、温度、雨量等单一传感器监测的数据，传感器的数据可以体现全天候、实时性和准确性。

(3) 文档和检索数据。文件检索数据主要包括通过收集的文档和通过互联网海量数据中进行检索的获取的结果，收集的文档包括报告、资料、纸质地图、书籍等文档资料，包括现有的工程报告、地图、存档档案等，检索数据包括从互联网、数据库、大数据中心或者在线地图中查询到的数据，包括下游生境数据、水电工程数据等。

(4) 图像识别数据。通过计算机机器学习方法从现有的图像中学习后提取和识别出的数据，例如利用对堰塞体的拍照初步利用机器学习识别粒径大小，利用遥感影像通过图形识别技术提取堰塞湖影响区下游的居民点和道路。

(5) 采样实验测定数据。堰塞体的物质组成与材料特性通常需要通过现场采样然后实验室测定的方式获取。此类数据通过土工实验规范要求的测定方式获取，如密度、含水率、孔隙率通过现场环刀取样后室内测定的方法，渗透特性、力学特性需现场取样后进行二次制样后进行室内测定，颗分状态在有条件情况下可通过现场人工过筛称重方式获取，堰塞体物质组成为非常规试验，通常结合地质物探的方式获取。

2.3 按照数据结构类型分类

根据堰塞湖多源异构数据的数据结构不同，对应相应的计算机数据处理方式，根据堰塞湖多源信息的数据结构，可以将感知内容分为以下几类。

(1) 地理栅格影像。具备坐标投影和地理坐标参考的单波段灰度图(DEM、水底地形)和三波段彩色遥感影像(例如数字正射影像，DOM)，数据文件格式通常为GeoTIFF(*.tif)jpg或image(*.img)等。

(2) 图片数据。主要是包括相机拍摄的图片和图片形式的资料地图，包括jpg、png和emf等文件格式，与栅格影像相比缺乏地理参考坐标。

(3) 文档数据。主要包括相关的报告、文字、文档等常见的文件格式，可以直接读取内容，包括doc、pdf、txt、docx等。

(4) 点云数据。包括利用三维激光扫描仪或者激光雷达获取的高精度点云数据，文件格式通常为las。

(5) 矢量图形数据。包含地理坐标的矢量图形点线面，通常是用GIS软件(ArcGIS、QGIS、GlobalMapper、MapGIS)和CAD软件(AutoCAD、OpenCAD)进行编辑和保存的，文件格式shp、dxf、dwg等。

3 堰塞湖信息感知技术及分类

堰塞湖信息感知技术是针对传感器和数据应用的数据感知方法，根据需要获取的信息数据种类，利用合理的传感器和合理的感知技术，最终得到感知数据并用于应用和分析。对第三节中感知内容，将堰塞湖的数据根据感知方法可以分为遥感、传感器监测等多种感知技术手段；根据堰塞湖多源信息的精度要求和时效性要求不同，选择适用于堰塞湖多源信息感知的传感器和感知技术是决定数据感知整个流程的关键。现有堰塞湖信息感知技术主要包括以下几种方法。

(1) 遥感方法。遥感方法具体是利用非接触的远距离的地球探测技术，通过利用地面、飞机、无人机或者卫星上面搭载的测量传感器进行大范围快速测量的感知技术。遥感方法具有面积大、效率高且受地形环境和天气影响小，因而是目前最高效的地理信息获取手段。

其中遥感手段的搭载平台主要包括人造地球卫星、航天飞机、飞行器、无人机和地面基站等，搭载的测量传感器包括光学相机、高光谱相机、激光雷达和干涉雷达等。遥感方法的特点是距离越远获取数据效率越高，但是分辨率提升就需要更高性能的传感器。

目前卫星遥感方法在堰塞湖信息感知中用于堰塞湖影响区所在上下游流域的大范围地形和高分辨率遥感影像的获取，星载InSAR用于滑坡普查数据的感知；无人机遥感用于对堰塞湖区的地形和影像进行高精度快速测量，可以在堰塞湖发生第一时间利用无人机完成现场情况的勘察和地理信息获取；机载SAR和三维激光扫描用于获取滑坡面和堰塞体的精确形状[11-12]。

(2) 传感器监测方法。针对利用固定安装的自动半自动的测量传感器进行的实时值监测，可以充分利用现有的物联网技术，将堰塞湖现场与流域上下游部署固定传感器并组建物联网实时监测相关的信息变量值，实现信息的感知。其中物联网的组建通常借助于3G/4G网络、GPRS网络和北斗的短报文通讯系统，可以保证传感器与数据中心之间形成通讯网络，实时回传数据和传感器控制。应用的传感器主要是指GNSS位移传感器、水位传感器、雨量传感器、裂缝计、压力计、温度传感器和流速仪等，可以全天候、自动化、实时回传监测数据。在堰塞湖多源信息感知中，传感器监测主要用于水文、气象、滑坡、堰塞体等信息获取。

(3) 取样与实验测定方法。取样与实验测定方法主要是针对堰塞体的岩土物理特性需要进行现场取样，然后进行实验室试验测定。包括采用环刀取样后进行称重获取密度，通过烘干测得含水率，通过比重瓶测得比重后换算孔隙率，通过二次制样进行渗透系数测定获取渗透特性，通过直剪、三轴、压缩实验获取相应力学参数，通过现场及室内筛分结合方法测定颗分状态。

(4) 机器学习识别。对于现场利用卫星、无人机和视频监控摄像头等传感器设备获取的大量图形图像，利用计算机机器学习技术通过学习已有样本规律提取图片中关注的信息，包括从堰塞体照片提取粒径尺度、图片中文字的识别和提取、遥感影像中识别下游居民区和遥感影像中提取淹没区域等应用。机器学习识别方法需要大量的原始样本，然后利用神经网络进行学习，最终应用于新的图像识别。

(5) 数据检索查询。数据检索查询用于在海量空间数据、结构化文件或者服务接口中进行查询数据的方法，对于部分信息需要通过大数据文件或者空间数据库中进行查询才能得到的数据结果，包括堰塞湖上下游淹没区包括的人口、交通、居民地等生境信息，通过互联网上的大数据检索查询堰塞湖灾害的相关资讯和数据。数据检索查询方法主要是利用对外的REST服务、数据库查询接口和空间数据查询接口完成。

4 堰塞湖信息感知能力分析

信息感知能力是对传感器获取信息能力的一种方法，主要包括评估精确度和时效性，三个重要指标为完备性、准确性、时效性[13-14]。

4.1 遥感方法

近些年，采用遥感方法进行信息感知是目前最常用的堰塞湖地理信息获取手段，由于其快速、全天候、不受环境影响等特点，在堰塞湖抢险救灾中是最主要的感知方式。目前遥感方法的感知能力按照搭载平台和传感器的不同有区别：国内外卫星搭载的光学相机得到的影像分辨率已经可以达到30 cm级别，其中中国国产的高分2号卫星则达到了80 cm[15]，搭载资源3号卫星立体相机制作的DEM分辨率的分辨率通常3.5 m；固定翼和旋翼飞机得到的影像和DEM数据分辨率则可以高于10 cm，测量效率每天可以作业几十km2；机载和基站的三维激光扫描垂直方向精度则可以达到毫米级[16]。遥感方法在近些年得到了长足的发展，为了适应堰塞湖、地震等地面部署相控点困难的情况，一些免相控、后差分的无人机快速测量方法也逐步应用；更高分辨率的光学卫星和雷达卫星产品也在增加，国产的InSAR卫星也即将投入使用，可以预见未来在堰塞湖的多源信息感知方面，遥感技术仍将是最重要的方法。但是，如何利用遥感手段提前准确发现滑坡的可能性，仍然是堰塞湖和滑坡地质灾害信息感知研究中需要攻克的难题。

4.2 传感器监测能力

传感器监测方法重点利用传感器自身的测值和物联网技术达到测量和数据传输的目的。目前在堰塞湖发生后采用多种传感器进行联合监测，具体测量值的精度取决于传感器的硬件能力，传输效率取决于物联网的通讯效率，最新的北斗定位导航系统的短报文通讯功能解决了信号全覆盖的难题。目前在堰塞湖多源信息感知领域，传感器监测方法已经比较成熟，无论是水文监测、气象观测还是滑坡位移监测，都有比较好的示范应用，也为救灾提供了较大帮助。例如白格堰塞湖在第一次滑坡发生后部署的GNSS变形监测传感器，成功预测了第二次滑坡的发生，并且尝试了无人机流速测量，荧光浮标测量等都取得了较好效果。但是目前传感器监测在堰塞湖多源数据感知应用中也存在一些问题，如在滑坡发生后，快速安全地在不稳定滑坡体上部署传感器，应急快速监测水文数据，在堰塞湖过流后如何设置相关的水文的传感器参数，在洪水到来时仍然可以正常工作并传回数据，这些方面仍然需要研究和改进。

4.3 取样与实验测定

堰塞体的物质组成与材料特性新的获取手段通常为现场取样后送至实验室测定，该方法虽具备较高精度，但堰塞湖发生地通常较为偏远，不具备现场即时实验的条件，这与堰塞湖应急处置对信息感知时效性要求高相矛盾。目前虽有一些快速测定的方法，但安全性、准确性或完备性不足，如密度、含水率和孔隙率可通过核子密度湿度仪快速即时获取，但该方法有一定程度的辐射安全问题；针对颗分状态，相关科研单位开发了利用图像识别方法快速获取，但只能得到表层的分布状态，且其准确性也是亟待解决的问题；力学特性、渗透特性目前并无较好的快速即时获取手段，通常靠经验丰富的专家根据现场材料表观状态推定，其准确性也具备很大的主观性。因此，在堰塞湖应急抢险中应理清利用堰塞体物质与材料特性数据的核心作用，如进行初期应急抢险处置决策时，应结合多种感知手段，将图像识别颗分数据结合遥感获取的堰塞体几何形态、传感器获取的变形数据及收集的水文气象数据，综合分析堰塞体的稳定性，在此过程中，如何综合利用并量化各类数据的分析方法是今后研究的重点。

4.4 机器学习识别

近些年，机器学习技术特别是深度学习技术的快速发展，在图像识别、语音语义识别取得了巨大的进展，其中人脸识别、文字识别和语音识别的准确率已经提升到97%以上，这是人工智能领域中的重大进步。同时，基于机器学习的图像识别技术在遥感图像地物提取、混凝土坝体裂缝识别、堆积体粒径识别等方面已经有一些探索和尝试，因而图像识别技术也可以引入堰塞湖多源信息感知中，包括在利用图像识别堰塞体的粒径分布、遥感影像中快速提取堰塞湖影响区居民地等具体的识别应用中，需要研究如何提升机器学习技术在堰塞湖相关应用中的适用性和精确度。

4.5 数据检索查询

数据检索查询方法目前主要用于在海量空间数据和互联网数据中进行查询检索得到数据集合的方法，数据检索查询可以在海量的数据中快速查询出准确的结果。数据形式通常包括互联网在线地图、空间数据库、本地大数据文件等，主要用于快速检索提取堰塞湖相关的数据资料和图形图像，技术的难点在于快速准确地检索和挖掘出想要的信息。在堰塞湖灾害发生后，快速通过已有的数据中心或者互联网查询相关的信息数据，比以往通过纸质资料查找和各部门汇总的方式效率高，近些年随着互联网技术的发展，大数据的存储和分析、数据挖掘技术、空间数据库和语义的智能分析理解等方面的快速发展，为堰塞湖信息感知提供了新的手段。但是目前仍然存在数据清洗困难、缺乏有效的数据共享机制和数据安全保护等方面的问题，需要进一步发展，才能为堰塞湖多源信息感知提供更强有力的支持。

5 结 语

随着物联网技术和智能分析的发展，堰塞湖信息的收集、采集、传输和存储逐渐向信息透彻感知和数据融合等方面转变，因此本文通过对当前堰塞湖应急处置和风险分析的现状需求出发，深入探讨和研究了堰塞湖信息感知的基本内涵、信息内容、信息分类、感知技术以及当前信息感知过程中存在的技术难题和不足，建立了堰塞湖信息分类方法，明确了信息感知的技术和过程，指出了信息感知过程中的不足，以期解决当前堰塞湖在信息感知方面存在的不规范、不完整、不深入及融合性差等问题，为今后堰塞湖风险评估和处置提供了基本支撑。