突发型黄土滑坡监测预警理论方法研究*——以甘肃黑方台为例

许 强 彭大雷 何朝阳 亓 星 赵宽耀 修德皓

(地质灾害防治与地质环境保护国家重点实验室(成都理工大学)， 成都 610059， 中国)

0 引 言

2018年10月10日，习近平总书记在主持召开中央财经委员会第三次会议上提出“大力提高我国自然灾害防治能力”的要求，特别是“实施自然灾害监测预警信息化工程，提高多灾种和灾害链综合监测、风险早期识别和预报预警能力”等一系列精神和要求； 自然资源部陆昊部长在部长专题会上，对做好地质灾害防治工作提出了“研究原理、发现隐患、监测隐患和发布预警”要求，要聚焦地质灾害“在哪里发生”和“什么时间发生”两个关键问题(许强等， 2019)。从国家层面提出了地质灾害监测预警工作的重要性和任务的艰巨性。在现行的科学技术层面，滑坡预警预报是地质工程界研究的热点，也是一个难点(许强等， 2008; Yin et al.，2010; Intrieri et al.，2012; 刘传正， 2019; 伍法权等， 2019)。

一般的滑坡从变形到破坏会经历一定时间段的演化过程，其累计位移-时间曲线具有明显的3个阶段变形特征：初始变形阶段、匀速变形阶段、加速变形阶段； 在这过程中，会产生明显的宏观变形破坏，变形加速阶段会有临滑前兆信息，这些使滑坡的超前预报和临滑预警成为现实(许强等， 2004; 董秀军等， 2015)。位移-时间曲线的监测数据资料对于识别滑坡发生和早期预警至关重要，它有助于了解滑坡机制并为其提出可靠的阈值，总结典型案例，提出可靠的预警模型，可以提前发布预警信息并可预测滑坡失稳时间(许强， 2012)。通过研究不同类型滑坡的变形行为和破坏机理，并总结大量的监测位移-时间曲线的形态特征，推断认为在不同受力条件下，不同类型滑坡的变形-时间曲线可统一到一组渐变的变形曲线簇中(许强， 2012)(图1)； 即为：渐变型、突发型和稳定型(许强等， 2004)，著名的斋藤曲线仅是其中一类(渐变型)，这类滑坡加速变形阶段孕育时间长，目前已有较多这类滑坡成功预警案例(许强等， 2015， 2018)。然而，对于灌溉诱发的具有突发性黄土滑坡来说，因其在加速变形阶段变形过程历时很短，通过目前监测技术手段所得到的累计位移-时间曲线不够光滑，存在“突变点”(图1)，使得变形速率-时间曲线在关键点变成不可求导的曲线，很难实现突发型黄土滑坡的超前预警和发生时间预报(彭建兵等， 2014)。

图1 岩土体蠕变曲线簇Fig. 1 Slope displacement-time curve type

为了有效地应急处理和防灾减灾，需要有效解决突发型黄土滑坡“什么时间发生”的关键问题； 其中更好地实现这类突发型黄土滑坡超前预警，是解决这一关键问题的有效途径。研究团队在黑方台建立野外观测研究基地，归纳突发型滑坡的空间分布规律和发育特征； 针对目前固定采集频率的监测设备存在无法实现突发型黄土滑坡长期和有效的监测的问题，自主研发一套自适应调整采样频率的监测技术方法，对潜在滑坡进行变频监测； 同时采用移动平均法和最小二乘法相结合的数据处理方法，分析和总结已有的监测成果，建立了具有针对性的速率阈值预警和改进切线角过程预警的综合预警模型； 研发了地质灾害实时监测预警系统，从而更好地实现突发型黄土滑坡的实时监测和超前预警。

图2 黑方台地区黄土滑坡分布和监测系统布置Fig. 2 Loess distribution and monitoring systems logout on the Heifangtai terrace a. 黄土滑坡和监测设备分布； b. 研究区典型剖面

图3 研究区典型突发型黄土滑坡和监测设备布置图Fig. 3 Typical sudden loess landslide and logout of monitoring systems in the three sectiona. 党川段； b. 焦家段； c. 磨石沟段

1 研究区概况

黑方台位于黄土高原半干旱地区的黄河Ⅳ阶地上，地处湟水河与黄河交汇口上游(图2a)。黑方台面积约13.7￣￣km2，塬边坡体为上陡下缓的黄土斜坡，坡面高差为120～160￣￣m。通过台塬由西向东的典型剖面如图2b所示。自1960年以来，黑方台平均年灌溉量约600×104￣￣m3，形成了20～40￣￣m饱和层，并且地下水位以0.3￣￣m·a-1左右的速率上升，在台塬边发育了200多起滑坡(Peng et al.，2019)。黑方台一共发育滑坡77处，依据成灾模式可以分为黄土基岩型、滑移崩塌型、黄土泥流型、静态液化型滑坡4种类型，其中滑移崩塌型和静态液化型具有明显的突发性特征(Peng et al.，2018)。这些突发型滑坡主要分布在台塬东侧的焦家区域、陈家区域和台塬南侧的党川区域； 自2006年以来发生的黄土滑坡主要是具有突发性的滑移崩塌型和静态液化型滑坡(图3)。布置的科学研究仪器如图2a和图3所示，以探究黄土重大灾害突变临滑前兆信息的获取技术手段和方法。

2 现场监测和早期预警方法

2.1 监测方法和设备布置

初步判断潜在的滑坡位置和合理布置监测设备安装点，位移监测设备有效地捕获滑坡相对较完整的变形破坏过程，是能够成功预警黑方台突发型滑坡较有效的方法。通过“天-空-地”一体化监测技术甄别出潜在突发型滑坡位置，然后尝试使用木桩、GPS和传统裂缝计进行监测，传统监测方法的数据采集频率较小，无法获得相对完整的累计位移-时间曲线(尤其是加速变形阶段)(亓星， 2017; 黄观文等， 2018)。针对传统监测技术方法的不足，进一步自主研发了一体化自适应智能变频裂缝仪(图4a)，主要包括太阳能锂电池供电、智能无线采集终端、小型化高精度裂缝位移传感器(图4b)。其中，传感器精度高达±0.5￣￣mm，量程2000￣￣mm； 智能无线采集终端内部嵌入具有自主知识产权的自适应调整采样频率的触发采集智能算法，在滑坡裂缝变形缓慢阶段自动以数小时间隔采集和传输裂缝变形量，在滑坡加速变形阶段则自动调整至1次·s-1进行高频采集与传输，同时避免了长时间高频采集的能耗和传输负荷，也及时有效捕获滑坡突变阶段的关键变形数据，提升监测设备野外长期工作的适应性、稳健性和可靠性(图4c)，为滑坡的实时预警提供有力的技术支撑(Zhu et al.，2017)。

2.2 监测数据处理与分析

图4 自适应智能变频裂缝仪的组成及监测数据Fig. 4 Components of the improved self-adaptive crack gauge and monitoring dataa. 自适应智能变频裂缝仪监测站； b. 一体化自适应智能变频裂缝仪； c. 自适应调整采样频率示意图

图5 第1次成功监测数据不同去噪方法对比分析Fig. 5 Comparison and analysis of different filtering methods for monitoring data of CJ8# in the Heifangtai areaa. 匀速变形阶段对比分析； b. 全变形过程对比分析； c. 融合两种方法滤波监测数据； d. 融合两种方法加速度变形阶段累计位移-时间曲线

滑坡监测预警中，结合时间-位移曲线特征，自动选择移动平均法与最小二乘法中合适的方法对原始监测数据进行滤波和拟合处理。通过采用不同滤波阶数对数据处理的结果表明：处理后的数据预测标准误差S大小与滤波阶数N的取值呈正线性相关，说明N的取值越小越好。综合考虑到智能裂缝仪匀速变形阶段采集频率(24次·d-1)、加速变形阶段的采集频率(1次·s-1)，N值取值原则和监测预警平台数据处理效率，对智能裂缝仪获取的累计变形位移、变形速率和变形速率增量曲线，按照滤波阶数为24进行平滑处理。通过选取如下数据处理方式：(1)在开始变形阶段和匀速变形阶段使用最小二乘法； (2)在加速变形阶段使用移动平均法，对捕捉到的第1条突发型滑坡陈家8#累计位移-时间曲线数据进行滤波处理和分析，通过图5可以看出，两种数据处理方法适用范围不同； 通过程序自动计算速率增量、识别滑坡所处的变形阶段，进而选择合适的数据处理方法，两种方法相互融合则可以为后续预警模型计算提供更为准确的数据，提高预警精度。图5 中yt为t时刻的累计位移，St为平滑后的t时刻累计位移变形曲线。

2.3 预警判据

为了提高地质灾害实时监测预警系统的效率，数据的自动处理和有效的预警判据是十分必要的。通过收集分析已发生的黄土滑坡完整的变形-时间曲线，如陈家8#滑坡(图5)，滑坡变形演化特征具有较明显的初始变形、等速变形和加速变形3个阶段演化过程，其中加速阶段可以细分为初加速阶段、中加速阶段和加加速阶段(临滑阶段)，因此，突发型滑坡预警模型可借鉴早期建立的渐变型滑坡改进切线角预警判据(亓星， 2017)。

突发型滑坡进入加速变形后持续时间非常短，临滑阶段速度较快(许强等， 2016)，仅仅依据传统的改进切线角α作为预警判据，对这类滑坡进行预警预报，存在漏判和误判的可能(许强等， 2008; 董文文等， 2016)。为弥补“过程预警”方法的不足，在原来渐变型滑坡预警判据的基础上，突发型滑坡预警模型不仅要考虑改进切线角值α的大小，同时还需考虑在滑坡初始变形阶段、等速变形阶段和加速变形阶段，变形速率是否大于某一临界值(V1

图6 黑方台突发型黄土滑坡典型变形曲线特征Fig. 6 Typical deformation curve characteristics of sudden loess landslide on the Heifangtai terracea. 党川3#滑坡裂缝计1#匀速变形阶段累计位移-时间曲线； b. 陈家8#滑坡裂缝计5#监测的加速阶段累计位移-时间曲线

2.3.1 变形速率阈值的确定

通过布置近30套自适应智能变频裂缝仪监测系统，并于2015年8月获取第1条完整的突发型黄土滑坡监测累计位移-时间曲线，同时获取了多条处于蠕变阶段的累计位移-时间曲线，对监测数据进行统计分析，确定以下变形速率阈值，其中典型的监测曲线如图6和图7所示(亓星， 2017)：

(3)速度阈值V3：当VtV3时，说明斜坡进入中加速阶段和临滑阶段，阈值V3需要大于新增裂缝等因素或者中加速阶段导致滑坡变形速率突增，如陈家8#滑坡2017年3月新增多条裂缝，变形速率Vt最大达14￣￣随着斜坡逐渐稳定，随后变形速率Vt逐渐回落至2￣￣同时对已发生的滑坡变形曲线分析，斜坡变形速率Vt超过20￣￣后，斜坡可能会朝失稳状态发展，进入临滑变形阶段，直到斜坡破坏，因此设V3为20￣￣图6b和图7b)。

2.3.2 基于过程预警的判据

图7 陈家8#裂缝计7#监测的累计位移、切线角、变形速率和变形速率增量变化规律Fig. 7 Incremental variation of cumulative displacement， tangent angle， deformation rate and deformation rate of CJ8#￣￣monitored by LFJ7#a. 全过程累计位移-时间曲线； b. 加速度阶段累计位移-时间曲线

(1)

表1 基于变形速率阈值和变形过程综合预警判据Table 1 Comprehensive early warning model based on deformation rate threshold and deformation process

(2)

根据上述内容，斜坡累计位移-时间曲线斜率可通过比例因子B转换成T-t曲线，其切线角αi可直观定量表示滑坡变形过程和发育阶段(许强等， 2009)，αi由下式进行计算：

(3)

综上所述，依据许强等(2009)提出的改进切线角模型对滑坡变形阶段的划分，基于黑方台发生蠕动变形滑坡和已发生的滑坡的变形速率和改进切线角，确立了不同发育阶段变形速率阈值和改进切线角阈值，建立了如表1所示的综合预警判据。

2.4 预警信息发布

图8 预警系统警报发布流程(Huang et al.，2015)Fig. 8 Alert publishing flow of the early warning system

如前所述，滑坡预警预报是一个复杂的、综合的、社会学的问题。任何错误的预报都可能造成较严重的后果。因此，为了提高预警系统的效率，设计了数据自动分析和处理标准(图8)。为了避免误报，系统中必须包含专家判断。用户分为两类： 第1类为数据管理人员，第2类为专家或职能部门，可以商讨并做出最终决定。当滑坡切线角和变形速率达到一定的预警级别时，会根据预设标准发布相应的预警信息，并通知不同级别人员，说明滑坡已经超过了预先定义的监测阈值，必须引起注意。然后，当超过黄色或者红色级别时，将召开紧急会议，决定是将警报信号改回蓝色，还是以电话或扩音器的方式继续向公众发出黄色或者红色警告。发布警报后，当地政府应急措施和民众的反应对于减少潜在损失也同样的重要(Huang et al.，2013; 何朝阳等， 2018)。

图9 自2017年以来6次成功预警黑方台黄土滑坡分布图Fig. 9 Six times successful early warning of sudden loess landslides since 2017

3 早期预警成功示范

3.1 黑方台地区成功预警的滑坡

自黑方台变形速率阈值和变形过程综合预警模型建立以来，已对黑方台突发型黄土滑坡实施了6次成功预警，分别是2017年5月13日的陈家6#滑坡、2017年10月1日党川4#、5#和9#滑坡、2019年3月4日的陈家6#滑坡、2019年3月26日的党川6#滑坡、2019年4月19日的党川4#滑坡和2019年10月5日的党川7#滑坡(图9)。由于这6次成功预警滑坡，未造成人员伤亡和财产损失，保证了1000余人的生命财产安全，取得了非常好的经济效益和社会效益。

3.2 典型滑坡成功预警的实现过程

具体的滑坡发育过程和阈值指标实施情况如图11所示。整个成功预警过程分为以下几个阶段，如表2所示。

图10 滑坡前后正射影像、高程变化和现场监测系统布置(位置见图3a)Fig. 10 Orthophoto image， elevation change and in-site monitoring system layout before and after landslide(location see Fig. 3a)a. 滑前正射影像和监测系统布置； b. 滑后正射影像及监测仪器损坏情况； c. 滑坡前后高程变化

图11 党川4#滑坡累计位移-时间、变形速率、变形速率增量和切线角曲线及预警过程Fig. 11 Cumulative displacement-time， deformation rate， increment of deformation rate and tangent angle curve and early warning process of DC4# Landslidea. 变形全过程监测曲线； b. 中加速阶段和临滑阶段监测曲线(局部放大)

表2 党川4#突发型黄土滑坡成功预警的过程Table 2 Successful early warning process for the DC4# sudden loess landslide

4 结 论

滑坡监测预警一直是滑坡灾害研究中的重要问题，基于“空-天-地”一体化监测技术，选取易于产生滑动的区域布设监测仪器并进行针对性的监测。而针对滑坡的变形特征，采用适宜的监测设备并建立有效的多级预警模型，提出基于黄土滑坡变形速率阈值和演化过程有机结合的综合预警模型，成功实现突发型黄土滑坡预警，对突发型滑坡的减灾防灾具有重要意义。

(1)根据突发型黄土滑坡的变形特征，自主研发了自适应智能变频裂缝仪用于这类滑坡的监测，能有效捕获黄土滑坡变形突增时的位移数据。

(3)针对黑方台突发型黄土滑坡，基于速率阈值和切线角的预警模型能较好地进行临滑预警，研发了地质灾害实时监测预警系统，成功预警6次滑坡，对其他黄土地区的滑坡监测预警具有很好的借鉴意义。但也存在一些不足，由于自适应智能变频裂缝仪属于单点位移监测且只能监测合位移，监测点的布设需要对滑坡区域做出精准的估计，布设点的位置决定了滑坡是否能成功预警，而单点的位移监测由于点位不同也会产生变形速率的差异性，因此，今后也将针对以上问题进一步改进，以建立更为可靠的监测预警方法和模型。