GNSS滑坡监测预警技术进展

张 勤，白正伟，黄观文，杜 源，王 铎

长安大学地质工程与测绘学院，陕西 西安 710054

滑坡指斜坡上的岩土体在自身重力、地震、降雨和人类工程活动等内外诱因的共同作用下，沿着特定滑动面和滑动方向发生整体或局部下滑的现象[1-2]。滑坡灾害在全球广泛分布，每年频繁发生，严重影响人类工程建设、运行以及人居安全。随着人类工程活动加快和全球气候变化加剧，滑坡灾害发生数量正在逐年增加[3-4]。我国是世界上受滑坡灾害影响最严重的国家，据统计2004—2016年共发生山体滑坡278 880次，占收集到的非地震地质灾害事件的97.9%，造成4718人死亡，社会经济损失约9.812 9亿美元[5-6]。典型的特大滑坡灾害有：2010年甘肃舟曲特大滑坡泥石流造成1557人死亡；2017年四川茂县新磨村特大滑坡灾害导致全村118人被掩埋；2019年贵州水城山体滑坡致使死亡和失踪人数共计52人。

滑坡监测预警是主动防控滑坡灾害，避免人员伤亡和财产损失的重要手段，滑坡孕育和演化发生一般有一个较长的时间过程，伴随着地表位移、地表裂缝等外在表现，因此可采用变形监测技术对滑坡进行周期性或实时监测。GNSS因具有高精度、全天候、连续三维定位、无须通视等技术优势，从20世纪90年代开始就被研究用于滑坡变形监测[7-9]。GNSS静态相对定位(static GNSS measurements，SGM)、实时动态相对定位(real-time kinematic，RTK)、网络RTK(NRTK)和精密单点定位(precise point positioning，PPP)等技术相继应用于滑坡监测。随着技术研究的深入，上述GNSS技术的定位精度和实时性不断提升，但是大量滑坡位于高山峡谷植被茂密的高遮挡、强干扰复杂场景中，而GNSS又是一种极易受到环境干扰的技术，致使复杂场景GNSS滑坡监测的可靠性和精度较低，该技术的可用性也受到严重质疑。此外，滑坡监测的最终目的是准确预警，这就要求GNSS技术必须具备高精准超前预警的能力，但当前基于GNSS技术的滑坡预警研究成果相对较少，GNSS滑坡预警的准确性和可靠性较低，GNSS滑坡监测预警技术仍然面临诸多挑战。

本文旨在通过对GNSS滑坡监测预警技术近年来取得的进展、实际应用中存在的问题和研究现状进行综述，使读者能够对GNSS滑坡监测预警有更为系统性的认识和思考。章节结构如下：第1节对GNSS滑坡监测接收机技术、定位技术、多源融合技术等方面的国内外研究进展进行综述，重点分析GNSS各类监测技术的特点，在滑坡监测中的适用范围和存在问题；第2节介绍适用于GNSS滑坡预警的技术方法；第3节梳理当前GNSS滑坡监测预警中面临的瓶颈问题，并对未来研究方向和发展趋势提出一些思路；第4节对全文内容进行总结。

1 GNSS滑坡监测技术

目前GNSS在轨卫星数已超过120颗，促进了GNSS的普适化应用与发展[10]。GNSS应用于滑坡监测的系统过程，首先需要在滑坡体附近的稳定区域部署基准站，然后在滑坡体变形区域部署监测站，每个测站均使用高精度GNSS监测接收机采集导航卫星信号，并利用4G等通信网络将采集到的观测数据传回解算云平台。云平台选择相应的高精度定位技术对观测数据进行自动处理、分析，并根据滑坡体的环境、通信条件等选择相应的稳定性技术及多源融合技术进行增强处理，最终得到具有较高可靠性的变形序列结果。

1.1 GNSS监测接收机技术

数据采集是GNSS监测技术的第一步，负责数据采集的GNSS监测接收机接收导航卫星播发的电文信号，将其处理成可以用于定位解算的观测数据，观测数据的质量直接决定定位的精度和可靠性。GNSS监测接收机一般由卫星天线、定位模块和通信模块构成，在野外主要利用太阳能对其进行供电，是GNSS滑坡监测工作中最核心且占据最大成本的设备，常规GNSS滑坡监测设备如图1所示。滑坡体一般形变比较破碎，相距较近的两个点形变特征却可能迥异，这就要求必须在滑坡体上部署多台监测接收机，形成一定密度的监测网络。成本、功耗和性能是GNSS监测接收机大范围普适化推广应用的关键，当前这些指标还不能满足滑坡大范围复杂场景监测需求[11]。因此，学者们研究了GNSS监测接收机系列技术，包括一机多天线、单频接收机、低成本高精度GNSS芯片、基于云平台的GNSS接收机和伪卫星增强等[12]。

图1 常规GNSS滑坡监测设备Fig.1 Conventional GNSS landslide monitoring equipment

(1) 一机多天线技术。该技术是使用单台GNSS接收机连接多个卫星天线，实现对多个监测点的连续监测，可成倍地降低GNSS硬件接收机成本。文献[13—15]相继研究了GNSS一机多天线技术并开发了相应的监测系统，应用结果表明一机多天线精度与常规GNSS监测技术精度相当，能够在大幅度降低监测设备成本的同时实现对滑坡灾害体的高精度监测。但是一机多天线技术也存在信号转换器不稳定、电缆布置范围有限、作业不灵活等问题，随着接收机成本不断降低，该技术近年来受关注程度减弱。

(2) 单频接收机技术。GNSS接收机按照接收导航卫星载波信号的数量可以分为单频和多频。文献[16—18]对单频接收机进行了研究测试，结果表明单频接收机虽然精度仅为厘米级，考虑到滑坡灾害变形远大于厘米级，因此认为该技术在地质灾害变形监测中是可以使用的。文献[19—23]采用网络RTK等技术研究单频接收机在开阔环境、短基线下的定位精度，结果表明三维精度能达到毫米级，但是试验仅在超短基线条件下进行，且未给出精度统计检验窗口大小的选择策略。单频接收机的优势主要是成本低，但是随着多模多频GNSS接收机成本不断降低，该技术近年来受关注程度也逐步减弱。

(3) 低成本高精度GNSS芯片技术。GNSS芯片是GNSS接收机的核心，也是实现低成本高精度定位的关键。为了降低GNSS监测接收机的成本，自然资源部组织全国科研院所和企事业单位加快研发低成本普适化地质灾害监测技术装备，低成本高精度GNSS芯片技术在功耗、定位精度和价格等方面都取得了突破。目前，国内典型低成本定位模块有和芯星通科技(北京)有限公司的UM980和武汉梦芯科技有限公司的MXT906B等，国外有UBLOX的F9P等，使用上述定位模块研发的普适型滑坡监测型一体化接收机整机售价均低于5000元。文献[24—26]测试评估了低成本双频UBLOX-F9P接收机和常规大地测量型接收机，结果表明低成本双频接收机在动静态条件下相比常规设备精度差异小于2 mm，低成本双频UBLOX-F9P接收机可以探测大于10 mm的变形。目前，低成本高精度GNSS芯片技术是实现普适型GNSS监测接收机应用的核心技术之一。

(4) 基于云平台的GNSS接收机技术。为了降低GNSS监测接收机成本，长安大学研究团队提出“云+端”的设计理念，率先研制了基于云平台的GNSS接收机，将传统GNSS监测设备变革为功能至简，仅保留采集与传输功能的传感器，数据存储、定位解算等功能在云平台进行。该团队率先研发的基于云平台的GNSS接收机售价约为3000元，体积小于100 cm3，在全国15个地灾严重的省份进行了应用[27-28]。接收机终端价格的降低，极大地推动了GNSS在大范围滑坡监测的应用。但是GNSS接收机功耗高，大量滑坡位于高山峡谷区域，GNSS野外滑坡监测通常采用太阳能供电，这种方式在连续阴雨、积雪覆盖，以及光照不佳等区域经常发生供电中断的问题，此时维修十分困难。因此，长安大学研究团队研发了一种“GNSS自适应变频滑坡监测接收机”，接收机集成感知滑坡状态的传感器，可以通过云平台和终端传感器触发GNSS工作，实现对滑坡体稳定时低频定时监测，加速变形时高频实时监测[29]。

(5) 伪卫星增强技术。针对GNSS卫星信号易被遮挡的问题，有学者提出采用伪卫星技术增强GNSS监测。伪卫星技术是一种类似于导航卫星，能发射用于定位的观测信号，以弥补可观测卫星信号不足的问题，实现增强GNSS定位或者自身独立定位的技术。该技术一般在需要增强的地表附近安装信号发射设备，因此不受电离层影响，受到的大气误差小，能改善恶劣环境下卫星的几何分布，理论和试验结果表明该方法能有效提高GNSS信号几何精度因子，可将GNSS复杂场景的三维定位精度提升至10 mm[12]。但是该技术存在成本高、布站困难和多路径严重等问题，在滑坡监测中推广价值不大。

1.2 GNSS监测定位技术

GNSS观测数据传回数据处理平台后，将根据实际场景和监测需要选择相应的高精度定位技术进行处理，包括SGM、RTK、NRTK和PPP等技术。

(1) SGM技术。SGM是通过对一段时间观测数据的差分解算获得一个较高精度的定位解[30]。在国外，文献[31]较早讨论了GPS用于滑坡监测的可行性；在国内，文献[7]最早尝试将GPS应用于滑坡监测；此外，在三峡库区滑坡[32]、四川雅安峡口滑坡[33]相继利用GPS技术开展了滑坡监测试验，结果显示SGM监测滑坡可以达到毫米级。SGM需要较长时间(大于1 h)的同步观测才能实现高精度定位，为此多位学者研究了模糊度快速固定方法以实现快速相对定位，目前已实现基线长度为1 km、采样间隔5 s时，10 min相对定位精度达到2 cm(99%置信概率)[34]。文献[35]在意大利南部亚平宁山脉黏土质深层滑坡进行GPS地表位移监测和倾斜仪深部剖面位移的联合监测，GPS测站采用双频接收机和扼流圈天线，利用Bernese 5.0软件进行数据处理，GPS与测斜仪监测的地表位移数据具有高度一致性。

SGM技术应用于滑坡监测经历了周期性的定期监测到连续性监测的过渡，每次观测时长从数小时缩短至10 min，监测精度从平面10 mm提高到2 mm，高程从20 mm提高到5 mm。SGM为事后处理，由于技术模式所限，该技术的滑坡变形监测响应时间大于10 min，目前在滑坡监测中主要用于对相对稳定的滑坡体进行长期监测，也可用于事后对RTK监测时间序列的更新和校验。由于受到内外部诱发因素的作用，滑坡在发育的过程中状态可能突变，这导致滑坡的发生具有突发性。文献[36]采用GPS技术对滑坡进行30 min一次的变形监测，结果显示滑坡发生前30 min监测到的变形速度不足1 mm/d，未能监测到滑坡加速变形破坏过程数据，分析该类滑坡加速变形破坏过程可能只有短短几分钟。因此SGM技术不能满足对突发性滑坡的实时监测需求。

(2) RTK技术。RTK基于载波相位观测值，可以通过基准站与监测站单历元实时差分获取高精度坐标，该技术要求基准站和监测站之间具有稳定的通信链路，用于将基准站观测值或计算出的差分改正信息实时播发给监测站[37]。差分定位时同步观测且距离越近的两个GNSS观测站数据受到的大气误差越近似相等，因此通过差分解算能消除大部分的系统误差，实时获取监测站高精度三维空间坐标。文献[38]利用陕西泾阳南塬庙店滑坡的GNSS观测数据，研究了BDS短基线RTK算法及GPS/BDS组合RTK关键技术，与全站仪监测结果对比，各方向上的差值在毫米量级。RTK在开阔无遮挡环境下能够实时获得毫米级定位精度，平面和高程定位精度分别优于5 mm和10 mm，不仅能满足对滑坡体进行长期连续监测，而且能够实现对滑坡状态突变的捕捉和突发滑坡的监测预警[39]。然而随着基准站和监测站间距离增加，二者大气误差相似性降低，定位精度显著降低。针对RTK中长基线定位差的问题，有学者提出引入大气误差参数，但是这些参数的收敛需要一定的时间，无法实现瞬时的高精度定位。RTK滑坡实时监测时通常是“一点一基站”模式，即每个滑坡区域都需要建设独立基准站。“一点一基站”的监测模式既增加了成本，造成资源浪费，也带来良好基准布设的问题[40]，同时RTK技术受到距离限制，基准覆盖范围有限，最大基线距离不能超过15 km。

(3) NRTK技术。NRTK是通过在区域建设多个GNSS基准站，来构建基于多个基准站观测数据的区域大气误差修正模型，并将修正信息播发给用户，实现高精度实时定位[41-42]。文献[43]设计了一套位移监测系统，对区域改正参数、虚拟基准站和主辅站3种NRTK方法的垂直和水平位移精度进行评估，整体评估显示3种方法与真实位移的平均差异分别为6.8、5.1和5.2 mm。NRTK方法的均方误差在水平方向为4.7 mm，垂直方向为7.9 mm，精度足以监测大于1 cm的滑坡位移。NRTK技术极大改善了RTK定位中随着距离增加误差增大的问题，适用范围从小于10 km扩大至上百千米[44]。对流层延迟是NRTK达到厘米级定位精度的关键参数之一，当前NRTK还存在由于对流层延迟引起的全域定位精度不一致，以及基准站与监测站设备不同导致设备间的系统差难以消除等问题，实际在滑坡监测中的应用仍处于试验发展阶段。

(4) PPP技术。PPP是仅采用单台GNSS设备，利用精密轨道和钟差产品来精确改正观测值中的各项误差，实现在全球任意位置的高精度绝对坐标获取[45]。文献[46—48]进行了PPP滑坡监测试验，证明该技术可以应用于滑坡监测，具备无须参考基准的优势。文献[49]研究使用GPS和GLONASS双系统组合PPP滑坡变形监测，东、北、高程方向的标准差都为2 cm，可以保证实时PPP滑坡监测能够探测到大于5 cm的变形。文献[50]研究了利用PPP和SGM技术进行模拟位移监测，研究表明，PPP和SGM技术基于24 h和12 h观测时长的位移探测具有很好的一致性，基于24 h观测时长的PPP技术可探测到大于1.5 cm的水平位移。文献[51]周期性采集了四川西山村滑坡8个站点的GNSS观测数据，研究了静态PPP技术在部分卫星被遮挡的复杂场景中的监测精度，结果表明5.93 h左右的卫星观测时长能使监测精度达到1～2 cm，满足缓慢变形滑坡体的监测要求。文献[52]研究得出单接收机载波相位模糊度固定的PPP位置(24 h)可以达到2～3 mm的水平精度和8 mm的垂直精度。

PPP技术对观测环境要求较高，良好观测环境下需要30 min甚至更长的收敛时间才能达到分米甚至厘米级的定位精度，而且数据中断后需要再次收敛，不能应用于滑坡实时监测[53]。相对定位技术依赖于稳定的基准，根据GNSS滑坡监测规范要求，基准站需要设立在滑坡体附近区域的稳定基岩之上，而滑坡监测中稳定的基岩可能埋深很深，实际应用中很难选择到符合GNSS滑坡监测规范的基准布设位置，因此可能出现基准站在监测过程中发生变动的情形。PPP可以应用于定期对基准站进行稳定性检测，确保基准稳定可靠。此外，PPP还可以作为RTK等技术无法应用的滑坡监测场景下的一种备选方案。

表1给出了各类GNSS高精度监测技术的优缺点，可以看出，SGM技术精度最高，但是无法实时监测，因此SGM技术一般用于定期(天/小时)对监测站点进行处理；RTK技术响应时间最短，精度仅次于SGM，因此常用于实时捕捉滑坡的突变信息；NRTK技术覆盖范围大，因此适用于对大范围海量滑坡点的监测，以节约成本；PPP技术不依赖基准站，但需要较长的收敛时间才能获得较高精度的坐标，因此PPP技术可以用于定期检测GNSS基准是否发生变动，确保监测时间序列的可靠性。

表1 几种高精度GNSS监测技术的优缺点

上述技术直接获取监测点在特定空间直角坐标系下的三维坐标(X，Y，Z)，基于定位的滑坡监测流程为先利用PPP或SPP技术定位基准站的空间直角坐标(Xb，Yb，Zb)，并根据基准站坐标求得监测站在t=0时刻与基准站同一坐标系统下的初始空间直角坐标(Xt0，Yt0，Zt0)，GNSS滑坡监测实时获取监测站任意t=i时刻空间直角坐标(Xti，Yti，Zti)。滑坡监测关注的是监测点在水平和高程方向的位移变化，因此需要将任意ti时刻坐标(Xti，Yti，Zti)转换为以初始坐标点(Xt0，Yt0，Zt0)为原点的站心地平坐标系下的坐标(Nti，Eti，Uti)，其换算如公式如下

(1)

(Xt0，Yt0，Zt0)→(Bt0，Lt0，Ht0)

(2)

(3)

式(1)求取ti时刻监测点在空间三维方向的累计位移ΔXti、ΔYti、ΔZti。式(2)将监测点在初始t0时刻的空间三维坐标(Xt0，Yt0，Zt0)转化为大地坐标(Bt0，Lt0，Ht0)。式(3)求取监测站点在任意ti时刻在站心地平坐标系的坐标。其中Nti表示滑坡监测点相对t=0时刻在南北方向累计位移，向北为正；Eti表示东西方向累计位移，向东为正；Uti表示高程方向累计位移，向上为正。通过两次连续GNSS测量的坐标差得到滑坡位移。早期GNSS滑坡监测由于供电、通信、处理器等技术发展不成熟，GNSS滑坡数据处理多数为事后人工处理，目前GNSS数据可实现在终端设备和云端服务器同时进行自动化处理。云端服务器具有大存储、高计算性能的优势，越来越多的数据处理工作被放在云端进行，但是部分滑坡区域依然存在通信覆盖盲区，而实时GNSS观测数据传输量较大，存在无法及时将观测数据传回云端的情况，此时采取终端处理的模式是必要的。

1.3 GNSS监测精度及稳定性技术

滑坡精准预警要求滑坡监测技术具备高精度实时监测的能力，只有当实时监测精度小于滑坡变形时才能及时监测出滑坡变形，但是复杂滑坡环境下GNSS定位序列存在诸多误差[54]，严重影响GNSS滑坡监测预警技术的可靠性，围绕这一问题产出了大量研究成果。

(1) 复杂场景建模增强定位。复杂场景GNSS数据噪声特性与卫星高度角无显著关系，而与滑坡地形关系紧密，因此传统的高度角定权方式不合理[55-56]。据此文献[55]提出一种基于导航卫星方位信息和卫星高度角信息构建的滑坡环境模型，可以将复杂场景RTK模糊度固定率从不足60%提升至95%以上。考虑到GNSS基准站通常布设于开阔无遮挡环境，基准站和监测站跟踪的卫星信息相关性较强，文献[57]提出一种基于信噪比(SNR)先验信息的观测数据粗差识别方法，显著提升了复杂场景模糊度固定率及定位精度，固定解精度在东、北方向优于4 mm，高程方向优于9 mm。

(2) 基准站稳定性探测与修复。GNSS基准站的稳定性对获取真实滑坡变形数据至关重要，复杂场景下基准站存在变动和通信中断的问题。针对基准不稳的问题，一方面可以采用PPP技术进行基准站稳定性探测与修复，但是PPP无法实现实时高精度探测。也可以采用GAMIT/GLOBK、Bernese等基线解算软件，将滑坡监测基准与IGS站点/城市CORS站点联测进行基线解算。GAMIT长基线解算的相对精度在10-9量级，短基线解算时精度在1 mm，该软件操作专业性强，目前无法实现自动解算[58]。文献[59—60]针对基准时延问题，基准不稳定问题和基准数据故障中断问题，深入研究分析了异步RTK的理论及误差修正算法，并基于实际滑坡监测数据验证了研究方法的实效性、可靠性和连续性。

(3) 位移序列的滤波平滑算法。滤波模型可以显著提升GNSS实时滑坡监测精度，文献[61]提出了基于模型选择思想的多卡尔曼滤波模型，以提高变形历元监测的可靠性，模型采用了统计准则选取最优卡尔曼滤波模型，处理GNSS实时滑坡监测时间序列并在每个历元处识别变形，不同的滤波模型代表不同的变形类型，但是由于GNSS坐标时间序列是逐历元处理的，容易受到测量误差的影响。

文献[62]评估了简单移动平均(SMA)、高斯加权移动平均(GWMA)和Savitzky-Golay(S-G)3种滤波方法在GNSS滑坡位移监测序列滤波中的适用性，研究表明当用于谐波场景的直接滤波时，GWMA方法产生的误差约为SMA方法的1/3，S-G方法的滤波误差最小，SMA方法会使变形趋势扭曲和峰值失真，GWMA和S-G方法能保留趋势特征，但由于在S-G方法中存在负权值，一些较小的波谷和波峰是在主峰之后产生的，导致S-G在有异常的实时位移、速率滤波时表现不佳。文献[63]提出一种基于样本崩溃点的自适应滑动窗口方法用于处理GNSS滑坡监测序列，基于模拟和真实滑坡监测结果表明该方法能够为GNSS滑坡预警提供自适应、可靠的变形信息。

多路径是复杂场景GNSS高精度定位的主要误差源，恒星日滤波(sidereal filtering，SF)是削弱多路径误差的有效技术，受到广泛研究与应用[64]。文献[65]提出一种基于单差观测值的恒星日滤波算法，相比坐标域改正具有更好的效果。文献[66]研究了GNSS静态观测环境下基于时空重复性的多路径半球改正模型(MHM)和恒星日滤波(SF)/改进的恒星日滤波(ASF)方法，并比较了它们在实时GNSS数据处理中多路径缩减方面的性能。比较表明，ASF模型更适用于高频多径抑制，如高速率GNSS应用。当总体多路径频率为中低频时，MHM模型更容易实现实时多路径缓解。文献[67]提出交叉验证Vondrak滤波方法，该方法包括Vondrak数值滤波和交叉验证算法，并成功应用于GPS测量中的多径误差消除，具有良好的精度。文献[68]利用恒星日滤波法提取GNSS误差趋势项以修正相邻2 d的定位误差，将复杂场景RTK水平和高程定位精度分别提升至优于2.5 mm和5 mm。文献[69—71]还研究了自适应滤波、改进粒子滤波算法、独立成分分析、小波变换等，均能不同程度地降低多路径引起的残差。

1.4 GNSS多源融合监测技术

上述高精度定位算法极大地提升了复杂场景下的定位精度，同时多频多模系统也给GNSS滑坡监测提供了更多的卫星数，可以改善卫星几何结构，但是多频多模定位需要处理包括系统间偏差、频间偏差等一系列新的偏差参数。此外，任何一种单一信号体制的滑坡监测技术都有其局限性和适用性，GNSS相比InSAR等空天遥感技术具有高时间分辨率的优势，同时也存在只能获取点状监测数据，监测范围小等不足，相比光纤传感、位移计等在复杂场景下稳健性低。

滑坡监测技术迈向多源传感融合监测是技术发展的必然，根据GNSS与多源传感技术融合机理可以将GNSS融合技术划分为3个层次：协同、集成、融合[72]。协同是指GNSS技术与多源技术合作完成一项任务，如GNSS与航空航天遥感协同实现滑坡的识别监测[73]。集成是指将GNSS与多源传感器从设备或者平台层面集成在一起实现一项新的功能，如GNSS与惯性传感器(inertial sensor，INS)等的集成[74]。融合是指GNSS与多源数据实现数据处理的融合，如GNSS和加速度计等数据的融合处理[75]。

GNSS和微机电系统(micro electro mechanical system，MEMS)融合建立了更加可靠的变形监测系统和模型，已广泛应用于大桥、高层建筑物健康监测领域中[76]。惯性传感器的数据采集不受外界环境干扰，短时精度高，与GNSS交叉验证能提升监测结果的可靠性；加速度计(100～200 Hz)比GNSS(1～20 Hz)具有更高的采样率，可以敏感到地表的高频带振动特性，两者能够形成良好的补充。文献[77]提出了一种GNSS/加速度计融合模型来估计地表高频位移变化。文献[78—79]针对加速度计的基线漂移现象，提出了经验改正和参数估计的方法来削弱该因素对监测精度的影响，另外还分析了多系统GNSS与加速度融合模型在缓变位移监测中的有效性。

提升GNSS在复杂场景的可用性和可靠性，是确保GNSS滑坡预警成功的关键。GNSS滑坡监测是一个跨技术、全流程的实现过程(图2)，从数据接收、解算、精度提升等整个过程进行整体数据质量控制，才能确保GNSS实时变形监测数据的可用性和可靠性。

图2 GNSS滑坡监测预警技术实现过程Fig.2 The process of GNSS landslide monitoring and early warning

2 GNSS滑坡预警技术

本文根据多年从事GNSS滑坡预警工作经验，对GNSS单体滑坡预警进行定义、分类，并介绍GNSS预警相关的研究进展。预警是GNSS滑坡监测的根本目的，具有拯救生命、减少财产损失的重要意义[80]。GNSS滑坡预警是采用单一GNSS监测信息或者结合其他多源传感器数据，通过预警理论模型综合分析确定滑坡隐患风险等级，并将告警信息发送给受滑坡威胁的群众及负责人员，以便采取灾害应急避险、撤离等措施，最大化保证人员安全、降低财产损失。

滑坡最直接的外在表现是地裂缝等变形，且变形是反映滑坡状态稳定性的诸多指标中比较容易监测的指标，因此基于变形的滑坡预警一直是研究的热点[81]。GNSS滑坡位移具有包括累计变形在内更丰富的信息，针对单体滑坡的GNSS预警技术可以分为滑坡位移预测、临滑时间预报和预警实施。

2.1 滑坡位移预测

滑坡位移预测是采用一定的数学方法，对滑坡历史监测曲线进行拟合后合理外推未来一段时间的滑坡位移。滑坡位移的准确预测是滑坡时间预报和预警实施的重要前提。文献[82]于1965年首次提出滑坡蠕滑破坏理论，认为滑坡从发育到破坏经历3个特征阶段，如图3所示。由于假定滑坡不受外界因素干扰，变形完全遵循三阶段特征规律，则滑坡位移监测曲线呈现规律的线性变化。

图3 滑坡蠕滑破坏三阶段位移曲线Fig.3 Three-stage displacement curve of landslide creep failure

诱发滑坡的因素主要有地震、水和人类活动，地震预测技术尚不成熟，人类工程活动难以量化监测，目前的位移预测研究主要集中于水作用下的滑坡变形。我国三峡库区存在大量受降雨和库水位作用而产生的阶跃型滑坡。阶跃型滑坡分布范围广、数量多，其位移监测曲线不再表现为经典的三阶段特征，近年来针对此类滑坡产生大量的位移预测理论方法。文献[83]采用灰色模型和自回归模型分别对分离后的滑坡位移趋势项和周期项进行预测。文献[84]利用主成分分析法提取滑坡位移诱发因素影响特征，构建出粒子群算法优化的协同滑坡预测模型。文献[85]提出一种基于多元混沌模型和极限学习机的滑坡位移预测模型用于水库滑坡位移预测。文献[86]采用三次多项式函数预测滑坡位移趋势项，利用LSTM(long short-term memory)神经网络预测滑坡位移周期项。文献[87]考虑地下水位变化的滞后效应，提出了一种基于支持向量机的混合机器学习位移预测模型，对滑坡陡增位移进行预测。文献[88]采用GNSS位移数据、降雨量数据和库水位数据进行时滞互相关分析，确定出时滞参数并建立了时滞GM(1，3)预测模型。文献[89—91]连续提出了3种较好的阶跃型滑坡位移预测方法：水循环算法(WCA)与极限学习机(ELM)相结合的预测模型；水循环算法优化BPNN动态预测模型；基于门控递归单元(GRU)的神经网络动态预测模型。研究采用三峡库区滑坡数据，比较分析了上述3种算法与SVM模型、反向传播神经网络模型、BPNN模型和ELM模型的预测效果，新模型具有更好的预测效果。滑坡在长期的变形过程中，其位移方向和大小都表现出很强的趋势性，这对于滑坡位移测预测是非常有利的，因此基于滑坡长期位移序列进行滑坡短期位移预测的理论方法已经成熟。但是滑坡变形过程中还可能表现出难以预料的波动性，这是滑坡位移预测的难点。

2.2 临滑时间预报

临滑时间预报指滑坡发育演化至加速变形阶段，滑坡体变形破坏特征明显时对滑坡发生最终失稳破坏的时间做出预报[92]。本质上说临滑时间预报是滑坡位移预测的延伸，所不同的是滑坡位移预测追求的是预测位移与实际位移误差最小，而临滑时间预报追求的是预报的滑坡发生时间和实际时间上的误差最小。临滑时间预报是滑坡灾害应急处置措施的重要依据，目前最可靠的预报参数还是滑坡位移及由其计算得出的其他参数，其主要理论依然是滑坡破坏前的位移可以用蠕变曲线来描述[93]。

文献[94—95]首次采用一种从二次蠕变曲线预测边坡破坏剩余时间的方法，预报了日本高场山滑坡，此后滑坡时间预报研究受到广泛关注。文献[96]提出利用速度倒数预测滑坡失稳时间的方法，并在速度倒数-时间曲线图上作图预测滑坡失稳时间。文献[97]对基于位移或应变的速度倒数法预测滑坡的有效性进行了对比，提出了基于斜率预测滑坡破坏时间的方法。文献[98]基于摩擦学理论提出一种GM(1，1)时间预报模型。文献[99]研究得出斋藤时间预报模型的变形计算选取切线角70°～75°更为合适，同时引入修正系数0.5修正了预报值，该方法采用黑方台多次滑坡变形数据验证了有效性。文献[100]将边坡破坏时间预测的不确定性分为观测不确定性和模型不确定性，基于极大似然原理评估观测不确定性对边坡失稳时间预测的影响，提出了一种预测边坡失稳时间的概率密度函数的方法，为合理决策提供更多信息。文献[101]基于文献[96]理论，提出一种预测滑坡破坏时间的改进型速度倒数法，通过对5个滑坡进行分析，表明该方法可以降低滑坡失稳破坏前加速度减小引起的预测误差。其他学者也对滑坡失稳时间预报进行了大量研究，大多数临滑时间预报的理论方法都是位移斜率和速度倒数方法的补充和发展，并未在实际滑坡应用中得到普及和认可[102]。滑坡是一个内部难以监测、外部诱因多样的复杂系统，发育过程具有复杂性和不确定性，临滑时间预报的理论研究至今仍是世界性难题。

2.3 预警实施

预警实施包括5部分：①预警等级划分；②预警模型构建；③预警阈值判据建立；④预警信息发布；⑤预警处置措施响应。我国按照滑坡灾害的发展阶段、紧急程度、不稳定发展趋势和可能造成的危害程度等将预警划分为4个等级，一级(红色)为最高级别程度的风险等级，四级(蓝色)为最低级别程度的风险等级。基于GNSS长时间位移监测序列可以求得监测点的变形速度、加速度、切线角、速度倒数和位移矢量角等参数，依据上述参数可以建立预警模型，预警模型和预警等级对应划分出不同等级的预警判据取值范围。当滑坡变形超过相应的预警判据阈值时触发预警信息发布。相关人员接收到预警信息后，根据对应预警等级采取处置措施。

文献[103]通过将时间序列曲线进行同量纲变化确保了切线角的唯一性，并提出一种滑坡预警判据，进一步将滑坡加速变形过程定量细分为3个亚阶段，该方法在我国多个滑坡预警工作中得到了应用，成功实现对多起滑坡的预警。

尽管目前在滑坡位移预测、临滑时间预报方面已产出大量的理论成果，但是在滑坡最终失稳破坏预警方面能成功进行预警实践的案例占比依然较少。一方面基于现有认识可以认为不存在针对所有滑坡统一适用的单个预警模型；另一方面也要认识到，在已开展监测的滑坡中能够发展到最终失稳破坏的滑坡数量是有限的，原因是部分处于监测的滑坡会在最终失稳破坏前得到治理，并且大多数由人类工程活动引起的滑坡可能在人类活动停止后逐渐趋于稳定。最后，尽管每年发展到最终失稳破坏的滑坡数量多，但是许多发展到最终失稳破坏的滑坡在发生破坏前是未被识别与监测的，因此学者们能够进行滑坡失稳破坏成功预警实践的机会非常难得。

滑坡预警是一件非常专业的工作，精准的滑坡预警有时甚至需要根据宏观迹象结合监测数据进行专家级综合研判。这就要求预警人员既要具有监测技术专业背景、拥有预警理论知识储备，同时也了解野外实际情况，但现状是从事预警实践的人员很难同时兼备这些能力[104]。2019年长安大学采用GNSS成功预警一起甘肃黑方台滑坡灾害[28]，本次预警是一次监测技术专业背景、预警理论知识储备和野外实际情况相结合后的成功预警实践。

3 面临挑战及技术展望

伴随着我国基础设施建设向着更广阔的边远山区快速发展，以川藏铁路为代表的国家重大战略工程面临滑坡等地质灾害的直接威胁，尽管GNSS已经成为滑坡监测中广泛采用的监测技术之一，但是GNSS滑坡监测预警技术在环境更加复杂的新场景仍然面临着诸多问题和挑战。

3.1 面临的主要挑战

(1) 终端设备研制挑战。GNSS为高精度“点”状监测技术，必须构建一定的GNSS监测网才能实现对滑坡整体的精准监测，当前GNSS滑坡监测设备单台成本已小于5000元，但是成本依然是制约GNSS滑坡大范围布网监测的主要瓶颈。同时GNSS设备功耗高、不智能，野外滑坡监测时24 h连续运行，采用太阳能供电很难保证连续阴雨天气下不断电[105]。

(2) 设备部署挑战。目前滑坡监测是通过人员到达现场部署设备，这在高位远程滑坡和应急高危滑坡(简称“高危高位滑坡”)场景下存在设备部署难的问题。高位远程滑坡是指位于高山峡谷地带位置较高地势陡峻的滑坡体，具有滑动距离远、造成危害大的显著特征，广泛分布于我国西藏、四川、云南等省份，此类滑坡灾害存在人工难以到达，监测设备部署不上去的问题[106]。应急高危滑坡指处于非常不稳定状态，因应急抢险或保障居民安全而亟须部署设备开展监测的滑坡体，该类滑坡灾害稳定性差、失稳风险大，人员现场施工安装生命无保障。当前高危高位滑坡缺少无人化部署的接触式滑坡监测设备及技术。

(3) 复杂场景高精度实时监测挑战。由于实时预警的需要，目前主流的GNSS滑坡监测技术为采用RTK技术进行单历元实时解算，这使得滑坡监测结果容易受到观测噪声和粗差的影响。随着滑坡灾害普查防治范围的逐年扩大，GNSS面临着更多遮挡、干扰严重的复杂场景，直接影响到RTK技术的定位精度。定位精度决定GNSS可以探测到的最小滑坡变形，只有当定位精度优于滑坡变形时才能探测出微小变形，因此复杂场景下GNSS面临实时高精度监测挑战[107]。

(4) GNSS滑坡监测完好性挑战。GNSS滑坡监测预警事关生命安全，必须保证监测结果的可靠性，但是复杂场景下由于部分误差识别不了、剔除不净、无法改正，使得载波相位模糊度不能快速收敛和正确求解，导致GNSS监测时间序列频繁出现“尖刺”类跳变问题，实时监测结果的可靠性受到严重质疑。完好性最初应用于飞机进近这种对安全有极高要求的领域，是指导航系统因故无法用于导航和定位，或者定位结果不可靠时，系统向用户及时发出报警，以保障用户安全的重要参数。目前GNSS滑坡监测预警领域的完好性研究尚处空白，对GNSS技术开展完好性监测迫在眉睫。

(5) 滑坡灾害精准预警挑战。准确的滑坡预警意义重大，滑坡预警中出现的误报和漏报可能造成严重的社会影响，因此滑坡预警是一件需要严肃慎重对待的事情。滑坡变形从本质上是一个复杂多变的地质力学过程，在其发育演化过程中随时可能受到不稳定因素影响。现有的预警模型很难顾及所有诱发因素，因此对于某一个滑坡预警效果较好的模型方法，在其他滑坡使用时存在滑坡位移预测和临滑时间预报模型失效的可能。不同滑坡由于本身岩性、结构、力学性质和地形地貌不同，其演化的内在机理迥异且事前难以完全掌握，导致滑坡预警时无法有效结合滑坡演化的内在机理，而仅采用滑坡外在变形信息无法保障滑坡预警的可靠性。因此，目前滑坡临滑预警依然存在难以精准可靠预报的问题。

3.2 未来技术展望

GNSS滑坡监测预警技术要想实现质的飞跃，必须突破上述技术瓶颈，从设备研制、部署监测、数据处理、完好性和预警5个方面出发，系统性地解决困扰当前GNSS在滑坡监测预警中不好用的系列难题，最终构建一套GNSS滑坡灾害综合监测预警技术系统，如图4所示。

图4 GNSS滑坡灾害综合监测预警技术体系Fig.4 The technology system of GNSS comprehensive monitoring and early warning for landslide disaster

(1) GNSS多传感智能滑坡采集技术。滑坡最终加速失稳破坏前具有长期变形缓慢的特性，即使在不可预料的诱发因素作用下发生状态突变，也会通过加速度、震动等形式表现出来。根据这一特点研发集成滑坡状态感知传感器(加速度计、MEMS、微震、倾角)的GNSS多传感智能采集设备，利用滑坡状态感知传感器感知滑坡突变和突发，进而实现对滑坡灾害体的自适应智能变频监测。该技术不仅有望大幅降低设备功耗与成本，避免GNSS海量冗余观测数据占用过多存储资源，获取的多传感数据还可以为GNSS高精度监测提供支撑。

(2) GNSS无人化部署技术。针对高危高位滑坡接触式实时监测技术手段缺失的问题，长安大学研究团队提出利用无人机远程部署GNSS监测设备[108]。团队拟综合利用北斗导航、无人机、自组网通信、智能控制、先进遥感、多传感器等高新技术，在滑坡灾害区域使用勘查无人机先行检视巡点，然后利用投放无人机远程快速投放部署GNSS监测设备。目前该技术在我国甘肃黑方台滑坡、三峡新铺滑坡和西藏白格滑坡进行了试验性部署研究。未来，利用先进机器人、视觉技术等有望进一步推动GNSS无人化部署新技术的发展和完善，实现GNSS从有人部署到无人部署的技术变革。

(3) GNSS滑坡高精度监测技术。GNSS和MEMS等多源数据融合处理、低轨卫星增强GNSS定位、大区域大高差下的网络RTK、GNSS遥感和导航与遥感融合等技术，将是未来GNSS滑坡高精度监测技术研究的重点[109]。相比GNSS等中高轨导航卫星，低轨星座轨道低、地面接收信号强、卫星分布的空间几何结构变化快，有利于获取信号较强、质量较好的卫星定位信号[110-111]。中高轨的GNSS星座联合低轨卫星，有利于改善卫星空间几何结构，提升GNSS在复杂场景的模糊度收敛速度和定位精度。此外高位远程滑坡场景下，GNSS基准站和监测站之间高差较大(大于1000 m)使得水汽误差不相关，当高差大于500 m时GNSS水汽误差便难以通过差分进行消除，在滑坡监测大高差下，通过建立大高差监测场景下基准站和监测站之间的水汽差值模型，修正GNSS差分定位中存在的水汽误差也是下一步的研究方向[112]。

(4) GNSS滑坡监测完好性技术。未来GNSS滑坡监测完好性可以从内部完好性和外部完好性两方面开展研究，内部完好性主要指从GNSS技术本身定位信号的接收、预处理、解算、结果检验等全流程进行完好性监测，外部完好性指利用滑坡变形特征约束、融合加速度计等多源传感器以监测GNSS完好性，弥补GNSS单一信号体制技术在功能和精度方面的不足，提高GNSS技术的可靠性。

(5) 基于大数据和人工智能的综合滑坡预警技术。未来建立一个用于GNSS和多源传感器数据存储、解算、分析等功能于一体的滑坡综合预警平台，实现滑坡预警模型的及时更新，以及公有网络上和滑坡预警相关的气象数据资源的及时抓取。利用云平台大数据和人工智能深入挖掘诱发滑坡的致灾因素与滑坡灾变演化内在机理的联系，掌握滑坡形成过程，建立基于滑坡灾变机理的趋势预测方法、预警判据和模型。保证滑坡预警拥有完备的理论支撑和技术体系保障，实现滑坡预警的精准化、智能化、数字化和科学化[113]。

4 结 语

GNSS滑坡监测预警技术历经30余年的长足发展，目前已经成为融合卫星导航、无人机、自组网通信、智能控制、先进遥感等众多学科理论与技术的研究领域。当前随着国家基础设施建设向着更偏远的复杂山区拓展，现实需求对GNSS技术提出“设备普适智能，技术稳定可靠，预警快速精准”的高要求。

本文梳理了GNSS滑坡监测预警技术的进展与存在问题。未来GNSS滑坡监测预警技术亟待攻坚克难，攻关以下研究方向：GNSS多传感智能滑坡采集技术、GNSS无人化部署监测技术、多源数据融合处理技术、网络RTK滑坡监测技术、GNSS滑坡监测完好性技术、低轨卫星增强监测技术、基于云平台大数据和人工智能的综合滑坡预警技术等。上述技术的不断突破，将推进复杂场景GNSS滑坡监测技术的实时性、连续性、可用性和可靠性，预警技术的自动化、智能化和精准化。