基于三维激光扫描技术的库岸变形监测与分析——以西藏某水库为例

吴运通，朱金来，许蕴宝，于帅印，林 牧，赵海阔

(中水东北勘测设计研究有限责任公司，吉林 长春 130021)

随着水利资源开发利用，全国水库数量已达9.88万座(据水利部2017年数据)。水库蓄水及运行过程中常伴随着塌岸、滑坡等地质灾害，威胁着库区人民的生命财产安全。库岸变形监测作为库区地质灾害重要的预警手段，前人已经做了大量研究且衍生出众多监测方法。传统监测方法多基于GPS、全站仪等进行单点监测，数据精度高，但受限于监测点数，监测范围较小[1]。随着监测技术的升级，InSAR、三维激光扫描等新的监测方法应运而生[2]，使监测数据更丰富、更全面，可视化效果好，易于数据挖掘。

库岸受蓄水、降雨影响，易发生变形、塌岸等现象，而传统监测方案多为坡肩区域单点监测，难以对坡面变形、塌岸区域进行监测。三维激光扫描技术针对整个岸坡进行非接触式监测，优于传统方法，与InSAR等其他监测手段相比，数据处理难度较低，精度较高，监测频率可控，数据质量受环境影响小。三维激光扫描技术作为新兴监测方法，早在2004年Collins等首次将该技术引入岩土工程监测领域，应用于美国加州海岸线侵蚀状况监测并获得随时间变化的高精度地形模型[3]，国内于2006年由董秀军等首次将该技术应用于高陡边坡地质调查及岩体结构面的识别[4]，随后三维激光扫描技术逐渐向岩土监测领域拓展，褚宏亮等将该项技术应用于大型崩滑灾害变形监测，并提出了点、线、面相结合的数据分析方法[6]；谢谟文等以金坪子滑坡为例，探讨了该项技术应用于大型及部分植被覆盖的滑坡监测可能性[7]；王梓龙等阐述了该技术在危岩体监测中的应用并针对不同破坏模式提出新的监测思路[5]。三维激光扫描技术应用于岩土监测领域得到诸多学者的认可，同时在监测精度及数据处理算法等方面也在不断完善。 Abellán等将该技术应用于岩体崩塌监测并获得毫米级变形监测成果[8]。王堃宇等基于该技术对张承高速边坡建立点与面结合监测系统并获得长期、高精度监测数据[9]。徐进军等采用拟合法和重心法分析激光扫描点云数据，计算变形值[1]。前人研究表明，三维激光扫描技术已成功应用于多个岩土领域，且效果较理想，但针对库岸监测采用三维激光扫描技术的相关研究较少。文章以该技术为基础，探讨其在库岸监测中的特点及效果，并提出数据处理方案，对库岸变形规律进行研究，进而达到对库岸变形监测、分析的目的。

1 研究区概况

2 三维激光扫描数据采集与处理

三维激光扫描是通过扫描目标物体来获得物体表面数据的一种技术。物体表面轮廓由数以亿计的点即点云构成，每个点都包含空间(x，y，z)、颜色(红、黄、蓝)及强度(激光反射强度)参数，对应物体表面相同点位的特征。数据采集与处理的过程就是获得点云与处理点参数的过程。

2.1 数据采集

文章采用徕卡HDS8800超长测程三维激光扫描仪进行数据采集，监测频率为次/10d，监测时序为2019年1月至10月。因水库库区通视条件良好，各监测区域均可通过单次架站完成数据采集。在数据采集过程中，为确保各期数据位于相同坐标系下，相同监测区采用同一架站位置及后视点，同时设置相同的扫描范围及点云密度参数，以便数据后期分析。因监测时序跨度较大，各月温度及气压不同导致激光传输速度略有差异，扫描仪温度及气压参数采用即时数据。

2.2 数据处理

根据各期点云数据颜色及强度信息，识别监测区域，剔除无关点云及扫描过程中因外界环境因素产生的噪点数据，达到精简数据、减少误差的目的。因各监测区域扫描数据均为单次架站扫描获得，点云数据无须拼接，且各期点云数据坐标系相同，可直接用于分析计算。

经上述初步处理后的点云数据，通过软件可拟合出每期扫描区域表面模型，以便后期计算变形值。点云密度与拟合表面模型真实性呈正相关，数据采集过程中均采用最大点云密度以保证监测精度。图1为研究区内坝上交通桥监测区域点云拟合表面模型。

图1 点云拟合表面模型

监测区域各部位变形值计算实质是不同期点云空间数据的对比。以1、2期数据为例，文章采用的计算方法如图2所示。将1期点云数据作为基础数据，生成表面模型，计算2期点云数据内各点到1期表面模型的最短距离，作为该点变形值。通过分析2期各点变形值，可获得监测区域内变形区位置、大小及规模，同时变形值的正负也反映了库岸变形特点为倾覆或滑塌。上述计算方法所得的变形值并非严格意义上的各点变形值，但对于快速查找变形区域，初步了解变形特征较为适用，可满足库岸监测需要。若想获取更多变形信息，如产生变形的主要方向，特征点变形历程，局部滑塌方量等，则需要在此基础上，做更深层次的数据处理。

图2 变形值计算方法

3 变形计算成果与分析

3.1 精度分析

点云单点精度一般低于全站仪及GPS精度，但三维激光扫描技术的优势在于经过点云拟合后生成实景模型，继而获得模型整体数据。点云数据中各点误差应为正态分布，拟合过程中部分误差互相抵消，生成的表面模型精度略高于单点精度。考虑基于三维激光扫描技术的监测精度尚无统一的评判标准，本次研究过程中，同时采用传统的全站仪监测方式校核三维激光扫描数据的精度。实施监测过程中，在重点监测部位布设了监测桩，两种监测方式频率一致，三维激光扫描数据以监测桩拟合模型的顶部角点位移值为准。采用每月累计和位移数据进行对比，见表1。

表1 三维激光扫描技术与传统技术监测值对比

通过数据分析发现，三维激光扫描技术与传统技术相比，监测差值主要集中在0～±5mm之间，最大误差为8mm，平均误差为±3mm，差值无分布规律，属偶然误差。考虑监测桩变形值普遍为20～80mm，显著大于平均误差值，故三维激光扫描技术监测成果准确可靠，能够满足库区变形监测的要求。

3.2 变形区域分析

经过连续10个月的30期监测，以第1期点云数据为基准，将各期点云数据与其对比得到各期累计变形值。根据分析需要，亦可将各期数据间互相比较得到相应时段内的累计变形值。点云数据经过对比后，根据各点变形值的大小，赋予不同的颜色，从而获得监测区域累计变形值云图。以库区坝上交通桥区域为例，第30期数据与第1期数据对比后可得1—10月累计变形值云图，如图3所示。根据变形云图分析，交通桥桥台及其库岸边坡整体稳定，1～3区域为主要变形区，均发生塌岸现象，道路里侧区域变形则是由坡积物堆积导致。1区塌岸规模：长10m，高4～6m，累计滑塌厚度为1.03～1.93m；2区塌岸规模：长8m，高3～5m，累计滑塌厚度问0.81～1.92m；3区塌岸规模：长35m，高3.5～6m，累计滑塌厚度为0.78～1.95m。根据各区域监测成果并结合实际情况可知，库岸变形模式以塌岸为主，最大变形位置多位于岸坡塌岸区域核心，变形区域零星分布，大部分区域较稳定。

图3 三维激光扫描累计变形云图及影像对比

3.3 典型剖面分析

变形云图能够较好地反映变形范围及变形值大小，但对分析变形导致的库岸坡度、厚度变化，变形的主要方向及变形破坏模式有所欠缺，而通过对比多期变形区典型剖面数据，可以弥补上述不足。文章以上述坝上交通桥区域3区为例，沿垂直库岸方向，提取同一位置第1期与第30期三维拟合库岸模型数据生成剖面，如图4所示。根据两期剖面对比，3区变形特征可分为两部分：库岸中下部，受库水位波动及降雨入渗影响较大，发生塌岸现象，库岸后退0.52～1.32m，失稳后坡度为60°；库岸上部，主要受中下部塌岸影响，导致库岸前倾 0.03～0.15m，坡顶面临河侧略有沉降，沉降值为0.03～0.05m。结合实际情况，可推断出库岸主要破坏模式为：岸坡中下部以片状坍落为主，且短期来看，变形值最大，坡体上部变形值远小于近河边坡部位变形值，以蠕变为主。就目前主要监测手段而言，监测部位多位于坡体上部，导致对库岸变形整体认识不足，且岸坡顶部变形滞后于底部变形，不利于提前预警。三维激光扫描技术对提高库岸变形整体认知、地质灾害早期预警具有明显优势。

图4 2期数据典型剖面对比

3.4 变形影响因素分析

根据已有研究经验，库岸变形主要影响因素为库水位波动及降雨。研究区属高山峡谷地貌，正常蓄水位为3315.00m，死水位为3313.00m，涌浪及库水位波动均较小，对库岸影响有限。文章同时收集了研究区逐日降雨数据，以监测周期(10d)为单位统计累计降雨量，并与上述1～3区各期平均变形数据进行对比，如图5所示。研究区1—5月为旱季，库岸变形主要受水库初次蓄水影响，随着时间推移，各期平均变形值逐渐减小，库岸趋于稳定。6—9月为雨季，因前期库岸已有较大变形，雨水冲刷及地下水渗流导致局部岩土体更易产生滑动，各期变形值逐步增大。7月初降雨量较大，造成了库岸较大规模的变形失稳，变形值较大，随后因多数不稳定体已崩塌、滑落，变形值逐步减少，库岸再次趋于稳定。10月末，多数区域变形值较低，库岸基本稳定。综上所述，库岸稳定性前期主要受首次蓄水影响，后期主要受降雨影响。

图5 降雨量、库水位与库岸变形关系图

4 库岸变形理论模型计算

上述研究成果表明，库岸稳定性与蓄水及降雨有关，但两者对库岸边坡影响的内在机理究竟如何，多数学者认为库水位变化及降雨引起的边坡渗流场变化是诱发边坡失稳的重要因素[11]，科学地模拟不同工况下边坡渗流场，是库岸稳定分析的基础[12]。考虑降雨及库水位变化对边坡稳定性的影响，前人已做了大量研究[13- 15]，多以饱和-非饱和渗流理论为基础，通过有限元法模拟不同工况下的渗流场，采用极限平衡法、强度折减法等来评价边坡稳定性[16- 21]。文章基于前人的研究方法，将渗流场计算与稳定性计算相耦合，采用GeoStudio软件的SEEP/W模块模拟岩土体的渗流场，并基于上述模拟成果根据SLOP/W模块内的Morgenstern-Price极限平衡条分法计算库岸边坡的稳定性系数，研究稳定性变化趋势。

4.1 模型建立

研究区库岸主要组成物质为混合土卵石，其物理力学性质(据勘察试验资料)见表2。土体的土水特征曲线及非饱和渗透函数根据土体类型、含水率及渗透系数由软件进行估算。模型浸润线以上为非饱和土体，采用天然状态下的土体参数，浸润线以下采用饱和土体参数。渗流场模拟中，水头边界条件根据实际蓄水及水库运行水位数据确定，降雨边界条件根据区域日降雨资料确定。以上述2区为例，建立地质模型，如图6所示。

表2 库岸土体物理力学参数

图6 库岸边坡数值模型

4.2 计算结果分析

数值模拟时段为2018年10月初(开始蓄水日期)至次年10月末(监测结束日期)。计算结果如图7所示，图内包含了库水位运行数据、降雨数据、边坡安全系数及该边坡区域监测变形值。

图7 降雨、库水位、变形值与安全系数关系图

边坡安全系数在蓄水初期受库水位影响较大，从开始蓄水至11月初达到正常蓄水位的过程中，安全系数下降明显，11月中旬达到最低安全系数0.89，略滞后于水位变化。随后水库水位平稳运行，安全系数逐渐增大，至1月初安全系数达到1.05，并趋于稳定。10月初至次年6月初降雨量较小，安全系数基本不受降雨影响。次年6月中旬降雨量增大，安全系数降低，受7月初强降雨影响，7月中旬安全系数达到该阶段最低值1.01，随后降雨量逐渐减少，安全系数缓慢上升，至10月末安全系数趋于稳定。通过分析数值模型中各时段内条块受力特点，发生上述现象的原因如下：蓄水初期，水位上涨，边坡条块受浮托力和动水压力影响，浮托力减弱了条块下滑力及内摩擦力，不利于边坡稳定，动水压力主要为入渗压力，有利于条块稳定，两者综合计算后，导致了不同阶段安全系数的下降或上升。蓄水位稳定后，浮托力及入渗压力逐渐稳定，安全系数趋于稳定。随着雨季的到来，边坡受降雨补给，导致地下水位上升并产生动水压力，土体基质吸力下降，不利于条块稳定，边坡安全系数降低，随着降雨减少安全系数逐渐恢复。

通过安全系数与边坡监测变形值对比发现，两者变形趋势基本相同，但1—5月两者发展趋势有所差异，该段时间内，安全系数基本稳定，变形值仍缓慢发展，结合现场调查，分析其原因为：蓄水初期，库岸变形较大且快速发展，与数值模拟结果相同，后期变形发展减缓，持续时间较长，土体的蠕变及其发展过程是数值模拟难以计算的，也是导致计算结果与实际情况有所不同的主要因素。

5 结论

文章采用三维激光扫描技术对西藏某水库区进行了时间跨度为10个月的变形监测，监测成果表明：数据质量准确可靠，监测范围广，数据丰富，可视化效果好，利于变形特征分析。三维激光扫描技术提供了一种获得监测区域三维拟合表面数据的方法，合理提取、分析这些数据(如文章所采取的面域分析与剖面分析方法)，并与降雨、库水位等资料相结合，可获得监测区域的变形特征、发展趋势，了解导致变形的影响因素。基于上述研究成果，文章同时建立了相应的地质数值模型，分析实际工况条件下库岸稳定性发展特征，对比监测成果，验证影响库岸稳定性的主要因素及其内在机理。三维激光扫描技术在库岸监测方向上的成功应用，提供了新的库岸监测方法与分析思路，其监测成果与数值分析相结合对分析库岸稳定性，合理预测库岸变形趋势具有重要意义。

文章采用的三维激光扫描技术与数值分析方法优势明显，同样存在不足。点云单点精度较传统方法稍逊，仪器精度有待提高。基于点云数据的变形计算方法单一，后期处理仍依赖于人工识别，自动化程度低。对于三维拟合模型相同特征点的自动识别与变形计算的解决方案较少，应根据数据处理深度的不同，开发出更多更优秀的数据处理方案。数值分析方法对岩土体的模拟过于理想化，如文章计算过程中，未考虑降雨入渗系数、土体蒸发量、已有地裂缝对降雨入渗的影响以及土体渗透系数的不均匀性等因素。但随着技术发展与改进，三维激光扫描技术将成为一种常规监测方法，数值模拟将更接近于真实，越来越多的新技术与方法将为岩土领域带来技术革新。