公路边坡智能化监测体系研究进展

凌建明，张玉，满立，李想

(1.同济大学道路与交通工程教育部重点实验室，上海，201804；2.同济大学民航飞行区设施耐久与运行安全重点实验室，上海，201804)

公路边坡是在路基两侧筑成的具有一定坡度的斜面，对路基稳定和防水、排水具有重要作用。由于应力状态、湿度状况变化，边坡在运营期内可能会产生不同程度的变形，并在一定条件下失稳，引发破坏性较强的滑坡、崩塌等灾害[1]。边坡失稳产生机制复杂，影响因素众多，发展规律多变，难以通过统一数学模型对其进行准确描述和预估。此外，边坡失稳亦受到边坡岩土体材料特性和所处水文、地质、环境因素的影响，导致其发生时间、地点、强度和影响范围具有不确定性，难以在设计时精准预测。在这一背景下，边坡监测应运而生。边坡监测理念最早产生于20世纪60年代，针对边坡灾害的各类诱因，应用不同监测手段对边坡物理性质参数和应力状态进行识别和监测，对边坡整体状态进行合理分析和评估，并对潜在的失稳风险进行预警[2-4]。通过边坡监测，不仅可保障边坡工程的安全建设，尽可能减小边坡灾害造成的人身伤害和财产损失，也有利于深入了解边坡失稳产生和发展的本质，为相关工程建设提供宝贵经验参考[5-6]。

在边坡监测工作中，监测指标的合理选择和准确获取、监测设备的科学布设、监测数据的有效利用是实现边坡稳定性准确分析和预估的关键[7-9]。在边坡监测理念被提出伊始，主要对边坡失稳的宏观前兆现象如崩塌落土、地面裂缝等进行预测，进而对其发展规律进行预测[10]。1965年，斋藤迪孝根据监测结果提出滑坡预报经验公式，可看作系统化边坡监测工作的起点[11]。自20世纪80年代起，边坡失稳和灾变的机理逐渐得到重视，并用于指导边坡监测工作。学者们先后提出了多种边坡位移-时间曲线拟合模型，对边坡病害发展规律的认识逐渐深入[12]。自90年代起，学者们意识到准确、可靠监测的重要性，动态跟踪监测法开始应用于边坡监测[13-14]。这一阶段的监测指标仍以位移为主，在实际问题求解中引入非线性、随机性，使计算条件与实际情况更接近。进入21世纪后，伴随着科技的快速发展，国内外涌现出一批新型边坡监测技术与方法，监测系统涵盖了位移、裂缝、地下水、气象等多项监测指标，监测过程呈现出“数字化”“自动化”“集成化”等新特点。由此，边坡监测逐步迈向智能化、自动化。

本文作者总结近10余年国内外边坡监测技术、监测体系的发展和应用情况，归纳传统边坡直接、间接监测中常用监测技术设备和监测体系，分析对比光纤传感技术、数字化近景摄影测量技术、全球导航卫星系统、三维激光技术与合成孔径雷达干涉技术五大类边坡智能化监测技术的特点和适用性，对智能化边坡监测体系的发展现状、难点和前景进行论述和展望。

1 传统边坡监测技术及监测体系

1.1 传统边坡监测技术

传统边坡监测主要依靠实地勘察进行，借助全站仪等测量设备，掌握边坡表面状况及位移变形，结合周围环境变化，合理评价边坡稳定状况。监测对象主要包括位移、土体内部应力、地下水位和外部诱发因素，监测手段主要有传统人工监测、原位监测和远程监测。常用的传统边坡直接监测技术和监测设备见表1[15-18]。

表1 传统边坡监测技术与设备Table 1 Slope monitoring method and equipment

除上述技术之外，传统边坡监测中也发展出一些间接监测手段，地电技术是其中应用最广泛的一种。该技术以降雨这一影响最为显著的环境因素入手，通过边坡内部岩土体电阻率的变化来反映雨水渗入情况，进而分析坡体内部裂缝和软弱夹层分布状态[19-20]，对滑移面发展趋势进行预测[21]。地电技术兼具剖面和深测功能，具有点距小、数据采集密度大的优点，不仅可以获得边坡的纵、横向发育及展布的情况，还能得出降雨条件与边坡失稳发生机制间的关系，其应用实例见表2[22-23]。

表2 地电技术在边坡监测中的应用Table 2 Application of geoelectric technology in slope monitoring

1.2 传统边坡监测体系

在传统边坡监测中，监测体系的发展整体处于起步阶段，典型运行流程如图1所示。20世纪60年代前，一般通过边坡风险和灾害情况的资料记录，依靠对灾前宏观现象的观测进行边坡灾害预警[10]。边坡监测手段应用之初，边坡监测以单一项目数据记录为主。随着多种监测手段的联合应用，数据量逐渐增加，统计学方法也逐步被运用于边坡监测工作中。20世纪80年代，学者们将现代数学理论中的一些新方法应用于滑坡预测中，将监测数据用于标定边坡灾害预测模型，使其预测效能逐渐提升[12]。自20世纪90年代初以来，非线性理论的发展使人们认识到边坡灾害的发生是一个复杂的过程。因此，现代数学科学方法开始全面应用于滑坡监测和多方法的集成研究与应用[13]。然而，受传统监测方法限制，数据汇总、处理过程仍然主要依靠人工录入、汇总和传输，边坡监测和预警的时效性和准确程度受限。

图1 传统边坡监测体系流程Fig.1 Process of traditional slope monitoring system

2 智能化边坡监测技术

传统边坡监测技术通常选取一些灾害易发的关键点进行监测，以监测点的力学指标推算整个边坡的运营状态和灾害风险。该方法操作较为简便，成本可控，适用于规模较小，地质、工程条件简单的边坡。然而，对于规模较大、地质环境复杂的边坡工程，由于地质条件多样，灾害诱因复杂，合理选取监测点位难度很高，且通过单一指标的监控难以得到理想的预警效果。伴随着新技术、新思想的涌现，边坡监测逐步发展为多层次、多视角、多技术、自动化的立体体系。边坡监测技术逐渐由全形态、多维度的连续、实时监测代替人工点式监测。在这些技术的支持下，边坡监测逐步走向智能化。

2.1 光纤传感技术

随着光纤传感技术的发展，光纤传感器在边坡监测中得到了越来越多的应用，如表3所示[33-41]。光纤本身既是传感器又是传输线，因此，使分布式监测成为可能[42-43]。光纤技术成熟、成本低廉、布设灵活，易于实现大规模部署，同时又具有防水防潮、耐高温、防雷击、抗腐蚀能力强、抗电磁干扰性能强等特点，适于在野外边坡恶劣环境下使用[44]。在现有光纤传感技术中，布里渊光时域反射技术(BOTDR)、布里渊光时域分析技术(BOTDA)与光纤布拉格光栅(FBG)在公路边坡监测中应用较多，效果良好[45]；与其相比，光时域反射技术(OTDR)受探测光脉冲宽度及空间分辨率与动态范围之间矛盾的限制，难以同时满足较大动态范围和较高空间分辨率，监测效果不够理想；布里渊频域分析技术(BOFDA)、相位敏感光时域反射技术(Φ-OTDTR)与相干光时域反射技术(COTDR)技术不够成熟，因而在边坡监测中应用较少。

表3 不同光纤技术在边坡监测中的工程应用Table 3 Engineering application of different optical fiber technology in slope monitoring

在边坡监测中应用光纤传感技术，需注重以下3点：1)光纤选型。光纤传感技术以光纤作为传感元件，合理的光纤选型不仅是实现监测目的的前提，也可显著延长监测系统的服务年限。2)光纤布设和组网。根据不同的监测指标，合理选择黏结、布网形式布置监测网络，才能得到预期的公路边坡“点—线—面”全覆盖监测信息。3)变形协调性。光纤与边坡土体、岩体变形模量不一致，且其界面接触状态对变形协调性影响很大。采取适当布设方式，尽可能保证测试光纤和边坡良好接触、协同变形，才能获得真实有效的监测结果。除以上3点外，研发适用于不同目的和监测条件特种光纤传感器、推广光纤传感器健康监测和诊断、开发配套监测系统也有助于显著提升该监测技术的泛用性和可靠度。

2.2 数字化近景摄影测量技术

伴随计算机和数字化技术的快速革新，近景摄影测量技术逐步发展成为边坡监测的新手段，冯文灏[46]介绍了该技术的基本方法与摄影测量衍生拓展理论，李德仁[47]提出粗差定位验后方差选权迭代法。此外，DPA和TRITOP等系统的成功研发也不断提高摄影测量的自动化和精确程度[48]。王秀美等[49]利用数字化近景摄影测量系统，采用虚拟照片法和摄影法进行边坡监测，演示了该技术可达到的精度。李彩林等[50]利用普通数码相机开展边坡监测并提出一种无需二次控制、非接触、快速的滑坡监测方法。研究表明，叠加计算得到的区域变化量与实测结果大致相同，其精度可达毫米级，证明了近景摄影测量方法的可行性。马翼翔[51]以变形期的皖江城市带大通镇和悦洲边坡为例，探究如何在边坡上布置控制点并对控制网模型进行优化，证明了将数字化近景摄影测量技术运用到边坡监测中的可行性与优越性。

近景摄影测量技术主要应用于边坡形态机理[52]、边坡边界演化过程[53]、边坡空间发育[54]和边坡变形监测[55]这4个方面。WOLTER等[56]采用近景摄影测量对意大利Vaiont边坡发育的形态学特征及底层发育进行研究，对其滑坡机理进行总结，如图2所示。LATO 等[57]通过测量结果对融合拓扑坡度变化的横断面进行分析(见图3)，指出近景摄影测量不受边坡形状约束，在自然边坡监测中可取得良好的成效。数字化近景摄影测量技术具备非接触遥感式观测的特点，能够测量整个视野内边坡上所有观测点的运动情况，成本较低、时效性强、安全性高、工作量小、信息量大，已成功应用于实际工程，但仍有一些问题亟待解决，如：1)对于大型边坡，难以对整个边坡进行摄影测量，应考虑如何选取具有代表性的坡体进行监测；2)数字化近景摄影测量只能对边坡表面的位移进行监测，要获得边坡全空间位移状态，需与边坡土体深层位移监测相结合；3)在干扰物较多的情况下，数字化近景摄影测量技术发挥情况尚不理想，需借助后期的图像处理技术深入开展相应研究。

图2 低空摄影测量在滑坡形态研究中的应用[56]Fig.2 Application of low altitude photogrammetry in landslide morphology research[56]

图3 融合基线数据间拓扑坡度变化的横断面分析(据文献[57]修改)Fig.3 Cross section analysis of topological slope change between fused baseline data(Modified from Ref.[57])

2.3 三维激光扫描技术

三维激光扫描技术通过扫描仪对目标整体或局部进行完整的三维坐标数据测量，得到完整、全面、连续、关联的全景点坐标数据[58-59]，其工作原理如图4所示：三维激光扫描仪发射一束激光脉冲，打在地面、树木、水面等地形地物上，经过散射后一部分激光会反射回来，被扫描仪接收。根据激光测距原理，可求出扫描仪与扫描物体之间的距离[60]。董秀军等[61-62]使用三维激光扫描仪对边坡工程进行监测，扫描得到的数据拼接、坐标转换、消噪后生成DEM 模型。陈晓雪[63]利用三维激光扫描技术对山西平朔露天矿边坡进行监测，利用时间序列方法对边坡的稳定性进行分析，并使用灰色模型预测了标志点的位移。谢谟文等[64]利用三维激光扫描技术并结合GIS平台，通过固定点比较、断面分析和DEM 比较3 种方法全面地对金坪子滑坡进行了监测研究。韩亚等[65]利用三维激光扫描技术得到了边坡的土方量、坡度和等高线，结合这3个因子提出了一种边坡状态评价方法。由于无法近距离接触高陡边坡的危岩体，勘测精度远远不够，鉴于此，刘昌军等[66]结合三维激光扫描技术获取高陡边坡的空间岩体结构面和优势产状，根据极限平衡理论和不同类型危岩体的破坏机制及作用荷载，建立危岩体锚固计算方法。该方法被成功应用于山东东平县白佛山南侧的高陡山坡危岩体调查和治理，为边坡危岩体的治理和设计提供了新的技术和理论指导。此外，岳冲等[67]通过高陡边坡点云数据多尺度维度特征，利用SVM 算法构建二元分类器，实现高陡边坡坡面激光点云的植被与地面的高精度分类，利用多种复杂条件下高陡边坡数据检验了算法的实用性及分类精度。

图4 三维激光扫描仪工作原理示意图Fig.4 Schematic diagram of working principle of 3D laser scanner

同样，该技术在国外边坡监测也得到了广泛应用[68-69]。JOHANSSON[70]利用三维激光扫描技术构建边坡和周围地形的三维模型，为边坡监测提供支持。2004年，日本新潟县400多个边坡受到地震影响存在安全隐患，KAYEN 等[71]使用三维激光扫描技术极大提高了震后的灾害评价的工作效率。

近年来，三维激光扫描技术在边坡监测中得到了广泛应用，但其监测过程及后期数据处理仍存在一些问题：1)监测前需布设数多个控制点以确定坐标位置，工序复杂，且不同期点云数据的坐标统一困难。2)不同点云配准方法有很多，基于点的配准会造成区域误差较大，从而影响配准精度。若利用无标靶配准则会造成配准效率低，不仅影响监测效率，也会影响监测精度。3)数据提取方法上，采用点对点提取或点对面提取仍未取得广泛一致，数据横向对比困难。

2.4 全球导航卫星系统(GNSS)

全球导航卫星系统(global navigation satellite system,GNSS)是利用卫星对地面上的用户进行导航定位。目前，世界4大GNSS系统分别是美国的GPS系统[72-73]、欧盟的GALILEO系统[74-75]、俄罗斯的GLONASS 系统[76-77]以及中国的北斗卫星导航BDS系统[78]。除此之外，其他部分国家也研发了区域性或增强系统，例如日本的QZSS区域导航定位系统、印度的GAGAN增强系统等。应用GNSS技术进行滑坡变形监测已有多年历史，较为典型的有西班牙Vallcebre古边坡的变形监测[79]和三峡库区滑坡变形监测[80]。

对于BDS系统，2012年12月正式提供导航服务[81]，被广泛应用于桥梁、大坝等工程[82]，并实现了全天候、自动化监测[83]。对于边坡监测，学者们依据北斗技术设计研发了一系列监测系统并取得了很好的监测效果[84-85]。李家春等[86]对贵州都安高速边坡实时动态监测，结合北斗云监测系统实现了从数据采集到结果显示的全过程自动化。吴浩等[87]研发了露天矿边坡变形监测系统并将其应用于陕西省露天矿高边坡监测，实现了实时快速监测。喻小等[88]利用北斗云检测仪对陕西省周至边坡进行实时监测，基于变形速率实现了边坡的临滑预报。赵信文等[89]对清江隔岸岩库区偏山边坡进行连续监测，充分检验了滑坡实时监测系统的有效性。黄观文等[90]基于北斗技术研究出一套监测系统，将其监测结果与全站仪测得数据对比，证明其边坡监测数据准确，效果良好。

GNSS 在线监测技术可实现全天候在线监测，且可将监测数据实时传输到控制中心，实现数据自动化传输、管理和分析处理，大大减轻人工现场监测的工作量。同时，GNSS 监测数据质量较高，有益于实现边坡临滑预报。然而，GNSS技术所需接收机设备价格昂贵，动态测量精度仅为厘米级，且其监测精度在高山峡谷、地下、建筑物密集地区和密林深处等复杂环境区域将大幅下降。这些缺点限制了其应用范围。

2.5 合成孔径雷达干涉技术(InSAR)

合成孔径雷达(SAR)诞生于20世纪50年代，是一种高分辨率成像雷达。普通SAR 只能产生二维雷达图像，难以直接以用于地表变形监测。近30年发展兴起的合成孔径雷达干涉测量技术(interferometric synthetic aperture radar，InSAR)为解决区域地表三维信息提供了有效途径[91]。InSAR技术原理是利用合成孔径雷达2次观测中雷达波相位差与空间距离之间的关系，提取区域地表三维变形信息[92]。该技术1974年首次被应用于地形高度测量[93]。时至今日，InSAR已被成功应用于边坡失稳过程跟踪、分析评估及灾害预警等方面，进行有效监测的边坡通常位于城镇地区或公路附近，尤其是规模较大的土体变形[94]。

CATANI 等[95]对意大利博尔扎诺附近的1 处滑坡进行了短期测量，验证了InSAR 技术在边坡监测中的可行性，InSAR 可在短时间内实现高精度、高分辨率观测并进行变形区识别[96-97]。RAUCOULES 等[98]对法国阿尔卑斯山区La Valette滑坡进行监测(见图5)，提出高精度数据的获取需要对可能发生的位移变形进行提前预估，因此，对于具有不同运动状态的滑坡，应采用不同的数据采集策略。NISHIGUCHI等[99]采用InSAR对日本中部山区Koshio 滑坡进行探测并与GNSS 观测获得的滑坡位移测量结果进行比较，探测到的区域对应于滑坡引起的地表变化位置，如图6所示。在此基础上发展的差分干涉测量(DInSAR)、永久散射体干涉测量(PSInSAR)和小基线集干涉测量(SBAS-InSAR)等方法能探测到地表毫米级变形，展示出强大的优势和应用潜力[100-103]。PSInSAR 技术在舟曲的泥石流前缓慢移动的山体滑坡监测中已得到成功应用，该项目结合轨道和大气相位斜坡建模方法得出了各地区平均变形率和变形时间序列，如图7所示[100]。

图5 La Valette滑坡监测图(据文献[98]修改)Fig.5 Monitoring map of La Valette landslide(Modified from Ref.[98])

图6 InSAR与GNSS位移对比(据文献[99]修改)Fig.6 Comparison of InSAR and GNSS displacement(Modified from Ref.[99])

图7 PS-InSAR在舟曲地区的监测应用(据文献[100]修改)Fig.7 Application of ps-insar in Zhouqu(Modified from Ref.[100])

目前InSAR 技术已在边坡监测中得到成功应用，但其受边坡类型、位移的速度和方向、地表覆盖物、卫星飞行轨道、精度要求及现存SAR 数据量等条件制约较为显著。整体而言，地基雷达技术可克服测量手段中精度低、获取信息量不足的劣势，为边坡安全监测提供有力的技术支撑。

2.6 智能化边坡监测技术适用性分析

各类智能化监测技术的技术参数与主要优缺点见表4。光纤传感技术具有监测范围广、精度高、灵敏性高、经济性好的优点，其中OTDR，BOTDR，BOTDA 和BOFDA 四类解析技术较为成熟，光纤成本低廉便于大范围布设，但其监测系统建设和运行维护成本相对偏高，适用于环境条件较为简单、易维护的边坡监测工程。数字化近景摄影测量技术具有成本较低、操作简便、非接触测量及获取三维坐标信息等优点，但易受环境因素干扰，常作为其他边坡监测技术的辅助手段。GNSS具有监测精度高、技术成熟、商业化水平高的优点，但只能用于点式测量，覆盖范围有限，适用于小范围、高风险、需重点监测的边坡工程。三维激光扫描、InSAR具有覆盖范围广、非接触远程监测、精度高的特点，但成本也相对较高，且两类技术监测精度易受地形条件和环境条件的影响，数据采集频率常受载具条件限制而偏小，适用于技术标准高、地形环境相对简单的公路边坡监测系统。

表4 智能化监测技术参数与特点汇总Table 4 Summary of technical parameters and characteristics of of intelligent monitoring technology

3 智能化边坡监测体系

3.1 智能化边坡监测体系的构成

进入21世纪后，随着智能化边坡监测技术的发展和应用，边坡监测体系从利用单一方法预测向系统化和智能化的方向发展，采用新技术获取的边坡信息种类和信息量的急剧增加，对数据的储存、传输和分析应用提出了更高的要求。同时，交通运输行业全面智能化的发展激发了公路边坡监测体系的改良与变革，边坡监测的概念逐渐发展为多层次、全时域、点式监测与广域监测有机融合的智能化监测体系。智能化边坡监测体系是指在自主控制、物联网、大数据、智能算法等先进技术支持下，可实现边坡状态自主感知、监测信息集成融合、灾变风险过程实时预警的边坡工程智能应用集合。该系统由各监测技术集成的硬件采集设备和数据处理中心管理下的数据流2部分组成，见图8[104]和图9。采集数据经由远程传输装置发送至云端服务器，通过监测平台进行解算、前端发布，可实时调取各类监测数据。根据监测中数据流的传输过程，边坡智能监测系统通常包括信息采集、数据传输与储存、数据融合与分析及信息的应用，同时还应具有保证监测系统有效运行的管理体系。

图8 智能化边坡监测体系构成[104]Fig.8 Composition of intelligent slope monitoring system[104]

图9 智能化边坡监测体系流程Fig.9 Process of intelligent slope monitoring system

智能化边坡监测体系的主要功能包括：1)对状态变化的感知和探测；2)对数据信息的汇集和传输；3)对数据进行融合分析处理、状态变化解析及变化趋势预测；4)按照危险级别进行状态预警和信息发布；5)根据需求进行状态查询、信息反馈等一系列活动。在边坡监测系统设计中，需要结合边坡工程需求，确定监测系统功能，且应考虑可靠性、多层次、关键部位优先、整体性控制、遵照工程需要、方便适用经济合理等设计原则[105]。

智能化边坡监测体系综合考虑边坡失稳的内、外部作用的全因素集，开展多技术手段联合监测，建立“全因素作用-边坡内部状态-坡体表观状态”的分析链，可实现边坡实际状态感知与失稳过程机理阐释。构建边坡智能监测体系后，可在公路边坡“建—养—运—维”全过程中发挥重要作用，主要包括以下4点：1)合理评价边坡施工及运营期边坡的稳定程度，跟踪和控制施工进程，对原有设计和施工组织的改进提供最直接的依据，对可能出现的险情及时提供报警值，做到信息化施工和动态设计；2)为预防可能出现的滑坡及滑动、变形提供技术支撑，预测和预报边坡位移、变形的发展趋势，对边坡岩土体的时效特性进行相关研究；3)对已发生滑动破坏或加固处理后的边坡，检验其失稳风险评估及治理措施和处治效果；4)基于大量监测数据，应用边坡热-水-力耦合本构模型进行参数反演，为边坡状态演变规律的精细化数值模拟计算提供数据支撑。

3.2 智能化边坡监测体系的发展方向

为使智能化边坡监测体系得到更好的发展和应用，学者们基于不同工程实践和理论研究对其进行了不断验证、完善和拓展。其主要发展方向如下。

1)应用更先进的数学工具。在边坡监测数据分析和应用中，各类监测方法的数据结构优化和多元监测数据的协同融合是提高边坡监测系统工作效益的重要环节，加强监测技术的集成性与协调性，利用先进的计算机技术对大量监测数据进行整合，搜索边坡的安全隐患并对滑坡进行预测预报，成为新阶段边坡监测的发展方向[106]。黄耀英等[107]综合极限分析与反演分析，对滑坡体强度参数及黏滞系数进行优化。王峰等[108]综合考虑粒子群算法与凹函数权值递减策略相结合，验证了反演参数的合理性。康飞等[109]综合考虑了多种较强非线性拟合的智能机器学习理论，提出边坡体系可靠性分析智能响应面法及基于群体智能的模型参数优化流程，大幅度提高了分析效率。引入计算机视觉技术[110-111]，结合高分辨率遥感影像建立灾害损毁评估模型，准确识别滑坡点与损毁区域，可为应急救灾提供信息支持。伴随算法上的进步，边坡状态评估和灾变预测模型不断更新，向响应更快速、预测更准确的方向发展。

2)充分掌握和表征边坡灾变机理。公路边坡监测和预警领域研究至今，学者们已逐渐认识到，边坡的失稳问题绝非简单的岩土模型，而是一个复杂、开放，充满了随机性及不确定性的系统[112-114]。只有将变形监测数据与破坏机理分析两者结合起来，考虑边坡失稳过程中多因素的耦合作用，才能更准确地进行风险评估与灾害预警。蒋水华等[115]对考虑土体多参数空间变异性及降雨入渗下的边坡失稳机理进行研究，发现滑动面位置不确定性和湿润锋的推进分别是降雨初期和后期影响边坡稳定性的关键因素。王述红等[116]建立均质多层土质边坡模型探究边坡内入渗雨水方向的演变特征、影响因素及水流与有效应力关系。总体来说，选取一些反映边坡内在变形机理和本质特征的指标作为预警参数，基于力学本构关系建立预估模型，最终实现边坡失稳的预估、预警，是该方向研究的主线。

3)开展“天-空-地”一体化联合监测。为有效反映边坡状态变化特征，找出隐藏在随机性、不确定性之后的发展规律，保证在边坡出现异常情况前及时预警，应尝试将多种智能监测技术有机融合。随着遥感技术的愈发成熟与逐步推广，将InSAR面监测手段、GNSS点监测以及高分辨率遥感卫星手段联合运用，“空-天”识别与地面调查复核相结合的“天-空-地”一体化监测体系成为边坡监测的未来发展方向。刘善军等[117]对抚顺西露天煤矿、鞍钢鞍千铁矿排土场及鞍钢弓长岭铁矿边坡进行了点面结合、时空互补、参数增强的天-空-地协同观测，结合地基点式监测与天基星面式监测、在线监测与离线监测、变形监测与温度场监测和现场监测与力学数值模拟，推导和掌握了边坡滑移的形成与时空发育规律。彭大雷[118]通过地质判识法和“天-空-地”一体化技术识别方法，建立了黄土边坡滑坡风险智能化判别技术方法体系，通过研究确定了黄土高原依托工程的滑坡潜在隐患点，并结合2015—2018 间30 余起滑坡的现场调查数据进行了方法可靠性验证。CIAMPALINI 等[119]对意大利圣弗拉泰罗市建筑基础滑坡问题开展了“天-空-地”一体化监测，如图10所示。结合建筑物变形情况现场调研、图像识别和高分辨率位移监测，对比了建筑物变形速率与边坡损伤评估结果，证明了该技术的有效性。

图10 “天-空-地”监测与验证(据文献[119]修改)Fig.10 "Sky-air-ground"monitoring and verification(Modified from Ref.[119])

4 智能化边坡监测的难点与前景展望

1)随着边坡监测体系的智能化，监测精度、时空覆盖度和数据的处理效率均有大幅提高，但监测能级的增加尚不能完全转化为风险预警可靠度的提升。这是由于边坡变形直至失稳是一个复杂的力学过程，不仅基于其独特的地域、地质等内在特征，而且与外部诱因密切相关，普适性的边坡灾变机理难以有效指导差异度较高的灾变过程。目前较为完整的研究体系包含调查总结、理论分析、参数试验、数值仿真、模型或现场试验、反分析与结论验证等步骤，这一过程较长，花费较高，对于大部分工程应用较难完全实现。如何加强指导理论与现场监测结果之间的联系，是提升智能化边坡监测准确性的重点和难点。建议研究制定具有可行性的规范、标准、工法等，深化对随机有限元、可靠度算法等技术理论的研究，从理论层面实现风险预警准确性的提升。

2)自动化监测体系的应用是实现公路基础设施智能化的措施之一。就边坡工程而言，由先进设备与技术所组成的系统成本高昂，在一定程度上限制了边坡智能化监测的大规模应用，如何降低成本是实际应用过程中的一个难点。常见的解决途径主要有两类：一类是降低单体设备成本，通过监测设备的研发与改进，结合材料科学、光电科学、通信科学的研究成果，使用轻质复合材料、长寿命构件、模块化更替组件等，降低监测设备布设和运营成本，当然，技术创新不应以降低监测设备的使用性能和鲁棒性为代价；另一类则是合理界定边坡监测需求，即降低系统整体造价。现有规范、规程对监测体系的构建已有较为清晰的表述，但相关条文适用于以原位监测为主的传统监测技术，尚缺乏对智能化监测技术，特别是空天类、光纤类等新兴监测技术布设的说明，因此，在不同监测技术手段的有效整合、监测系统工作状态的动态调整等方面仍有较大的研究空间。

3)智能化监测体系一般集成有不同类型监测指标，由于技术原理的差异，不同指标反映出的边坡状态可能存在差异，加之边坡失稳过程高度不确定，如何基于多源监测信息准确判断边坡状态成为边坡风险预警过程中突出的难点。究其根本，上述问题是判别标准的研究滞后于监测技术造成的，长期以来，不同类型的监测数据难以形成有效融合，以致监测结果“各自为战”，对实际工程的指导作用大打折扣。目前的解决思路多停留在“极限状态”“加权平均”等上，在复杂决策模型的引入，人工智能、机器学习等先进算法的结合等方面相对薄弱，如何有效利用类型和体量日益丰富的监测数据，将成为提高边坡风险预警准确性的关键。