地质灾害隐患识别关键技术研究与应用——以四川茂县为例

陈思思 佘金星* 廖 露 陈笑峰

（四川测绘地理信息局测绘技术服务中心，四川 成都 610081）

1 概述

四川是全国地质灾害最为发育的省份。近年来，尽管四川省实施的地质灾害综合防治体系建设工作取得了一定成效，地质灾害损失逐年减少，但由于四川省特殊的地质构造条件，频繁的地震活动，使得地表浅层遭受了大量破坏，松散物质大量发育，在气候异常、降雨突发暴发下，地质灾害风险将急剧增大。此外，四川省地形起伏大，山区丘陵广布，植被生长茂密，地质灾害分布广、隐蔽性强，导致地质灾害防治工作出现调查难、发现难、识别难、监测难等问题，传统地质灾害调查、排查手段已显得力不从心。以2017 年“6·24”茂县叠溪镇新磨村滑坡为例，经调查，该滑坡源区地处大山中上部，人迹罕至，具有高位远程、高植被覆盖、高隐蔽性等特点。该事件引起了国内外地质灾害学者的深度思考与研究，如何提前发现和有效识别出重大地质灾害的潜在隐患并加以主动防控，成为了地质灾害防治领域集中关注的重点和难点[1，2]。

机载激光雷达测量技术（简称“LiDAR”）具有可部分穿透植被直达地表的技术优势，机载LiDAR 通过集成定姿定位系统和激光测距仪，可直接获取目标区域三维表面坐标信息。机载LiDAR 遥感技术不仅能提供高分辨率、高精度的地形地貌数据，同时可通过多次回波技术穿透地面植被，有效获取到真地表点云信息[3，4]。通过点云数据处理，剥离地表植被，再现真实地形地貌，可以得到高精度的真地表信息，进而可对地貌微小的临灾条件、异常地形等信息进行判识，为类似西南区域高位远程、高植被覆盖、高隐蔽性的地质灾害隐患识别提供重要技术手段[3，5]。

2 研究区概况

茂县地处龙门山断裂带，石大关弧形构造带，区内受倒转背斜影响，属青藏高原东南边缘，龙门山分区地层和马尔康分区地层。茂县人类工程活动强烈，受降雨、地震及切坡等不合理人类工程活动的影响，境内崩塌、滑坡、泥石流等地质灾害呈现易发、突发等现象。地质灾害对人民生命财产安全造成了较大的威胁和危害，并在一定程度上制约了县域社会经济发展，因此，急需开展地质灾害隐患识别、灾害调查与地质灾害工程治理等工作，其工作区具体情况见图1。

图1 研究区范围及区域断层构造示意图

3 数据与方法

3.1 点云数据获取

本次工作采用小松鼠有人直升机（OEC145）挂载长距离激光测距仪，激光雷达系统采用国产小型机载激光雷达系统（SE-J1200B），为保证可以有效穿透植被，本次激光扫描频率采用400KHz，小松鼠有人机采用变高飞行。同时，本次航摄还搭载了8000 万像素的光学相机，可同步获取可见光影像数据，影像主要用于后期搭建三维场景辅助解译判识。结合测区环境及解译需求，设计获取的点云密度优于10/平方米，实际获取为13.5 点/平方米；影像数据分辨率计划优于0.2 米，实际获取为0.05 米。其获取的数据类型及参数如表1 所示。

表1 获取数据的基本情况

3.2 数据处理

针对地质灾害隐患识别，地面点云数据最为可靠，通过去除植被可直接看到裸露的地表，消除因植被覆盖带来的“隐蔽性”[2]。因此，机载LiDAR 点云数据的处理尤为重要。其数据处理主要包括多航带、多架次之间的航带平差、计算机自动植被剔除的参数选优、手动精细化分类的标准判识、微小地貌成灾前兆信息取舍的尺度等，其关键流程如图2 所示。

图2 机载LiDAR 地质灾害隐患识别数据处理关键技术流程图

3.3 基于三维实景的地质灾害遥感解译

3.3.1 构建三维实景解译场景

地质灾害隐患的解译在三维解译平台中开展，其主要工作方法是导入生成的高精度DEM和DOM数据，构建三维实景地质灾害遥感解译环境，开展立体式的质灾害遥感解译。三维实景模型兼顾了二维影像和三维地形的特点，较单纯的影像能提供更多的信息，有助于地质灾害、微小地貌的判识。以图3（a）滑坡的三维实景模型为例，从模型地物表面形态上来看，疑似滑坡区域仅滑源区稍稍可见，其他形态特征均不明显；从光谱信息来看，滑坡区域与环境的色彩一致，无法区分；从纹理特征上来看，也无法区分滑坡的边界信息。但通过基于LiDAR 点云滤波处理后得到的如图3（b）三维数字高程模型中，可发现滑源区的物质损失与堆积区的物质增加构成了滑坡最明显的特征，在此基础上，滑源区圈椅状形态、堆积区边界地形变化、滑源区表面光滑等均是该滑坡判识的典型标志，这是机载LiDAR 数据区别于传统影像滑坡解译的优势所在。

图3 滑坡灾害遥感解译标志

3.3.2 建立地质灾害隐患识别解译标志

地质灾害隐患识别首先要建立解译标志。本次研究主要建立了滑坡、崩塌、泥石流三种解译标志。每种灾害其对应的解译标注不同。例如滑坡（图4（a）、（b））在三维模型上滑坡的一般判识特征包括簸箕形、舌形等平面形态，较大规模的滑坡可见其滑坡壁、滑坡台阶、滑坡舌、封闭注地等地貌信息，除局部识别外，还应从大范围的地貌形态进行判断，如滑坡多在峡谷中的缓坡、分水岭地段的阴坡、侵蚀基准面急剧变化的主、支沟交会地段及其源头等处发育[4]。崩塌（图4（c）（d））的一般特征与滑坡完全不同，一般崩塌上部地形陡立、坡表岩体破碎、粗糙不平、基岩多裸露、堆积呈现三角锥形、处于地形低处。不同发育时期的崩塌呈现出的特征不一，一般而言，从发育初期到发育成熟期，其崩塌壁颜色由浅变深（崩塌壁岩石色调本身较深除外）、植被生长由稀疏到茂盛、上部陡坡愈发明显。同样，我们建立了泥石流（图4（e）、（f））建议标志，其典型的泥石流沟道特征明显，地形上具有一定坡度，堆积体多呈扇形分布，发育沟口部位。因此，一般只要发现沟口有明显的泥石流堆积扇，则可明确判别其为泥石流沟。但有些泥石流由于其堆积物被河水带走，并未保留扇形地貌，对于此类泥石流沟，应对其流域内有关泥石流的其他因素（坡度、岩性、断层、松散物质）进行进一步详细判识，必要时进行实地核查。而基于LiDAR 的泥石流灾害解译，要综合泥石流发育地形、堆积扇和沟道范围内的不良地质体这三方面进行综合判断。

图4 地质灾害遥感解译标志（依次为滑坡、崩塌、泥石流）

3.3.3 地质灾害解译与野外查证

根据建立的地质灾害遥感解译标志，结合测区地质灾害防治区域已有水文、区域地质、地形地貌、自然地理、交通等数据，参照《地质灾害遥感调查技术规定（DD2015-01）》，同时借鉴地质灾害解译经验及专家知识，在Skyline 平台上开展三维地质灾害遥感解译，形成初步解译成果。

依据初步解译成果，对室内解译存在疑问的地质灾害及孕灾地质背景要素进行野外实地调查，确定地质灾害的类型、边界范围、形态特征、规模大小和危害程度。野外查证时应首先选择典型地段进行解译标志及初步解译成果验证，在此基础上进行整个工作区的查证；验证时，首先确认是否为地质灾害，然后再核定地质灾害的边界范围、形态特征、规模大小、运动方式和危害程度等要素。

4 地质灾害隐患识别结果

本次研究基于机载LiDAR 技术，经室内解译与野外查证后，在茂县70 平方公里范围内解译发现的地质灾害隐患点共52 处，分别为滑坡16 处、崩塌30 处、不稳定斜坡4 处、泥石流2处。经查证分析，滑坡灾害以大中型为主，多由地震所诱发，具有规模大、滑源区高、滑距远、有河流堰塞历史等特征；崩塌灾害多为中小型，为自然因素诱发，多发生于高陡边坡；泥石流灾害均为大型低频泥石流，物源分布较为集中。将解译出的52 处地质灾害隐患点与茂县已知地灾隐患点坐标进行空间位置关联，对比发现新增地质灾害隐患11 处，占比21.16%；此外，本次机载LiDAR 调查出的、经野外复核仍有明显变形迹象且存在较大威胁的地质灾害隐患点有4 处，应引起重视。

5 结论与讨论

机载LiDAR 技术对于已发生形变位移的地质灾害具有较好的探测识别能力。尤其是在高植被覆盖区，通过获取高密度点云数据，经植被剥离，可以清晰重现微小地形地貌，从而利于获取成灾前兆信息，在地质灾害隐患早期识别方面具有一定优势。机载LiDAR 数据获取机动灵活，弥补了人迹罕至、高山峡谷区域地质灾害调查识别的空白，可很好发现并圈定潜在地质灾害的边界、规模等信息，是地质灾害调查技术的有力补充。

但是，机载LiDAR 地质灾害遥感调查侧重于对已发生灾害形态及边界的圈定，对于正在发生形变的灾害隐患难以较好识别。因此，需综合利用无人机、高精度遥感、LiDAR、InSAR 等技术，开展多学科交叉（工程地质、摄影测量与遥感等）融合，对地质灾害开展多层次、多维度、持续性的立体观测，才能最大程度识别地质灾害隐患，有效破解地质灾害隐患早期识别难题。