滑坡灾害GNSS监测技术研究进展与展望

王 利, 许 豪, 舒 宝, 李新瑞, 田云青

(1.长安大学地质工程与测绘学院，西安 710054；2.地理信息工程国家重点实验室，西安 710054； 3.西部矿产资源与地质工程教育部重点实验室，西安 710054)

0 引言

我国国土面积辽阔，不同地区地质构造也不尽相同，是一个地质种类非常丰富的国家。丰富的地质种类在带来许多壮丽景观的同时也造就了许多不同种类的地质灾害问题，例如滑坡、崩塌、泥石流、地面塌陷、地裂缝及地面沉降等一系列地质灾害。2011年，国务院印发相关决定，在思想、原则和目标3个要求指导下，开展全面清查隐患情况，积极开展灾害监测预报预警，有效处理、规避灾害风险[1]。虽然经过多年的工作与努力，我国地质灾害监测、防治及应急体系取得了较好的成果，但每年发生地质灾害的总数依旧较大。据国家自然资源部统计，2021年全国共发生4772起地质灾害，造成80人死亡、11人失踪，与前5年同期平均值相比，地质灾害发生数量、造成的死亡失踪人数分别减少30.3%和63.2%。在各类地质灾害中，滑坡灾害发生最为频繁，造成的生命财产损失也最为严重。长期以来，对滑坡灾害进行监测预警，是有效降低滑坡灾害风险、主动防范滑坡灾害的一项重要工作。

理论上讲，滑坡灾害的发生就是岩土体在地质和重力作用下不断变形直至失稳的过程，不管哪种类型的滑坡灾害，都会表现出一定程度的变形特征。因此，地表形变监测一直是滑坡灾害监测中的重要内容[2]。长期以来，地表外部位移监测主要依靠经纬仪、水准仪及测距仪等传统仪器，这些以大地测量为主的方法具有直观、简单、投入快及监测较为准确等特点，在滑坡灾害监测中发挥了重要的作用。但这些监测手段也存在人工作业劳动强度高，受人为因素、地形通视和气候环境条件影响大、作业周期长等缺点，难以准确及时发现灾害体的整体变形。随着现代空间技术、电子技术、计算机技术以及网络、通信技术和信息技术的发展，以全球卫星导航系统(Global Navigation Satellite System，GNSS)、遥感(Remote Sensing，RS)、合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar，InSAR)、全自动测量机器人和远程自动化监测系统为代表的现代高科技技术手段，逐渐成为地质灾害形变监测的重要技术方法，为地质灾害监测带来了一场全新的技术革命[3-4]。其中，GNSS技术因具有全球性、全天候、连续性和实时性等特点，已被广泛应用于滑坡灾害的地表三维形变监测中。

近些年，国内外学者在GNSS技术应用于滑坡灾害监测的理论和技术方法等方面开展了大量的探索和研究，主要包括GNSS监测终端、GNSS高精度监测技术及GNSS监测结果时间序列处理等研究领域，取得了诸多的研究成果。但是，由于我国的滑坡灾害种类多、分布广、频次高、强度大、灾情严重，GNSS技术应用于滑坡灾害监测仍然存在着复杂观测环境条件下高精度定位难度大、设备硬件成本高、专业性强、虚警或误警率高及普适化程度低等问题。为此，本文在总结滑坡灾害GNSS监测技术研究进展及现状的基础上，提炼了现阶段研究中存在的关键问题并提出了一些研究思路，对滑坡灾害GNSS监测技术未来的应用发展趋势进行了展望。

1 滑坡灾害GNSS监测技术研究进展

全站仪、水准仪测量及近景摄影测量等传统大地测量技术，长期以来在滑坡灾害监测中发挥了重要作用。随着人们对滑坡灾害危害的认识加深及查明的灾害隐患点的增多，人们对滑坡灾害变形状态监测的时效性需求也更高。自20世纪90年代以来，GNSS等空间对地观测技术就凭借其技术优势在滑坡变形监测中得到了广泛应用，取得了较好的效果。GNSS应用于滑坡形变监测，首先需要在滑坡变形区域内布设GNSS监测设备，然后对GNSS监测设备采集到的观测数据进行解算，最后基于长时间解算的三维坐标得到变形时间序列。随着GNSS集成制造工艺技术的进步、数据解算技术的不断迭代更新及时间序列分析理论的发展，GNSS技术在滑坡形变监测中经历了从专业型监测终端到低成本采集模块、从静态mm级精度到动态mm级精度和从线性平稳时序到非线性非平稳时序精细化建模的转变。

1.1 GNSS滑坡灾害监测设备研究进展

滑坡灾害GNSS变形监测是利用专业GNSS监测设备，对滑坡体在时空域下的变形现象进行连续监测的工作。滑坡体变形往往具有空间差异性，单个监测点难以掌握滑坡体的整体变形趋势，因此往往需要布设多个监测设备。GNSS监测设备最核心且占据最大成本部分主要由卫星天线、定位模块和通信模块构成，常规测量型GNSS监测设备成本大约数万元每台，在单个或多个滑坡体上布设监测设备不仅硬件成本高，外业安装及硬件调试也会增加一些成本，这是制约滑坡灾害GNSS监测技术大范围普适化推广应用的关键因素之一。已有学者针对GNSS监测设备进行了一系列研究，对于监测系统中使用多个接收机导致成本高昂的问题，有学者提出一机多天线系统，即使用多天线控制器切换信号，利用一台接收机连接多个卫星天线，实现多节点监测。已有研究表明，该方法各监测点在东、北、天3个方向定位精度可以达到mm级、天线信号切换时间低于10ms，但该技术存在信号转换器不稳定、线路布设难及作业不灵活等问题[5]。此外，GNSS接收机分为单频和多频接收机，虽然单频接收机只能接收GNSS卫星单一频率的载波信号，但定位精度可达cm级，仍可用于变形速率在cm级以上的滑坡灾害监测[6]。单频接收机的主要优势是成本低，但随着多模多频GNSS接收机成本不断降低，单频接收机的成本优势也相对减弱，且多模多频GNSS接收机获取的观测数据经解算后定位精度可达mm级，可以更加敏锐地捕获滑坡体的形变情况。

GNSS芯片作为GNSS接收机的核心，售价在几百元到几千元不等，是降低GNSS监测接收机成本的关键之一。目前，随着多模多频GNSS芯片成本的不断降低，市场上也开始出现了低成本的多模多频GNSS接收机，单频接收机的成本优势相对地逐渐减弱。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监测型接收机整机售价均低于5000元。此外，这些典型的定位芯片大小约2cm×2cm，厚度小于3mm，工作电压2.7～3.6V，部分芯片可达到-148dBm的捕获灵敏度和-167dBm的跟踪灵敏度。目前低成本芯片在体积、功耗及信号捕获跟踪等方面都有着不错的表现，且实验表明一些采用低成本定位芯片制造的GNSS双频接收机具有亚毫米级噪声，并且可以实现与短基线常规测量型接收机相当的测量精度[7-8]。GNSS纳米芯片工艺与射频基带处理一体化技术，在降低GNSS监测设备成本的同时可以有效地缩小设备体积，是推动GNSS监测设备在滑坡灾害监测中普适化推广应用的重要一步[9]。同时，文献[10]提出了“云存储-云检核-云增强-云计算”的行业云平台数据处理模式，通过剥离测量型GNSS接收机中的非必要功能模块，仅保留数据采集和通信模块，大幅度降低GNSS接收机的成本。低成本终端观测数据质量通常较差，需要将监测点的观测数据流和广播电文数据流在云平台上进行云存储，结合云平台生成的超快速星历产品等对观测数据进行筛选，再进行精细模型改正，定位精度才能满足滑坡监测要求。

GNSS技术在恶劣观测环境时，其造成观测数据的异常可能会导致灾害预警的严重误判。文献[11]融合北斗卫星导航系统(BeiDou Navigation Satellite Sy-stem，BDS)、全球定位系统(Global Positioning System，GPS)、GLONASS与强震记录仪进行实时变形监测，模拟变形实验结果表明,结合各传感器的优势，可获取高精度、高频的变形位移、速率及加速度信息。另外，滑坡灾害往往位于高山峡谷区，山势陡峭、地形地貌复杂，现有的GNSS监测设备都是通过人工现场安装，不仅费时费力，而且在遇到突发灾害需要进行监测时具有很高的危险性。为了使GNSS设备具有更好的普适性，长安大学率先研制了抛投式GNSS监测装备[12]，采用无人机抛投的方式进行部署，该设备对GNSS信号质量、接收机质量及硬件成本等方面均提出了新的需求。

1.2 GNSS高精度监测技术研究进展

从1963年第一颗导航卫星成功发射，到2020年我国BDS全面建成，目前GNSS在轨卫星数已超过120颗，GNSS在全球范围内的高精度导航定位能力得到进一步提升[13]。与此同时，滑坡灾害GNSS监测技术应用研究也是如火如荼，在监测时效性及定位精度方面都得到了很好的提高，可以较好地满足滑坡形变监测的实际需要。回顾GNSS滑坡灾害监测应用的发展历程，滑坡监测工作中所涉及的主要包括静态相对定位、实时动态相对定位(Real-Time Kinema-tic，RTK)、网络RTK和精密单点定位(Precise Point Positioning，PPP)四类高精度定位技术。

1)静态相对定位。静态相对定位是从已知或假定已知位置的基准站，用GNSS接收机在基准站和监测站同时对相同卫星进行观测，经载波相位测量处理获得站间基线矢量，进而确定监测站相对于基准站的位置坐标的技术[14]。经数小时的持续观测，静态相对定位可达mm级定位精度。早在20世纪90年代，就有学者讨论该技术应用于地质灾害变形监测中的可行性。西班牙加泰罗尼亚理工大学和巴塞罗那地理信息研究所于1995年开始使用GPS静态测量对Vallcebre滑坡进行平均2个月一次的监测工作，该方法与传统高精度大地测量相比，水平方向精度在12～16mm之间，高程方向精度在18～24mm之间[15]。奥地利格拉茨技术大学和奥地利地质调查局于1999年对阿尔卑斯山的Brunnalm滑坡进行监测并开发了相应的软硬件系统，24h观测精度可以达到mm级[16]。1997年，印度尼西亚的万隆科技大学开始用GPS静态相对定位技术对雅加达地区的地面沉降进行监测，持续8年的监测结果表明，GPS技术对于地面沉降监测和辅助公共政策决策方面意义重大[17]。2000年—2002年，法国里昂地球科学实验室用单频GPS接收机对阿尔卑斯山地区的La Valette滑坡进行变形监测，其东西方向、南北方向和垂直方向的最差监测精度分别为2.4cm、11cm和7.4cm[18]。

我国自20世纪90年代起也开始在长江三峡等大型水利水电工程中建立GPS监测网，用于各种崩塌、滑(边)坡的变形监测；在许多正在施工和运营的道路及工程建筑中也使用GPS监测治理或未治理的滑坡。1990年，湖北省岩崩滑坡研究所和中国科学院测量与地球物理研究所利用GPS静态相对定位技术与常规地形变化监测技术相结合，建立了跨长江三峡库区九湾溪断裂和链子崖-新滩滑坡体的GPS观测网，这是我国首次利用GPS空间测量技术研究区域构造运动与岩崩滑坡的相关性。1990—1993年间四期的监测结果表明，只要监测网点布设合理、选点恰当、观测严格、数据处理方法正确，该方法是可行、可靠的[19-20]。进入21世纪之后，GNSS/GPS静态相对定位技术在滑坡等地质灾害监测中的应用也更加广泛。文献[21]通过融合BDS和GPS观测数据，对西安地区地面沉降进行监测，明显提高了监测结果的内、外符合精度。目前在良好环境下静态相对定位一般可以达到10min mm至cm级定位精度，但其事后数据处理模式使得人力和物力耗费大，自动化程度不高。此外，当滑坡变形速率较大时，静态相对定位则难以捕捉到关键形变信息。文献[22]通过GPS对甘肃黑方台滑坡进行30min一次的变形监测，监测结果显示，滑坡发生0.5h前维持变形速率不足1mm/d的缓慢匀速变形状态，未能获取到滑坡破坏过程的变形数据。因此，静态相对定位主要应用于处于相对稳定或缓慢匀速变形状态的滑坡长期变形监测中。

2)实时动态差分定位。实时动态差分定位也是一种相对定位方法。基准站通过数据链将观测值和坐标一起发送给监测站，监测站在接收来自基准站数据的同时也需要采集GNSS观测数据，组成差分观测值进行处理后实时给出定位结果[23]。由于RTK技术可消除接收机钟差、卫星钟差等公共误差，并削弱对流层延迟、电离层延迟等强相关误差，定位精度可快速达到cm级甚至mm级，是目前滑坡灾害变形监测应用最为广泛的GNSS监测技术。文献[24-25]结合某类滑坡的物理模型实验，利用GPS RTK技术对滑坡变形过程进行监测，当基准站及监测站同步观测卫星数在7颗以上且数据链正常工作时，在良好观测环境下RTK测量精度可控制在平面精度15mm以内，高程精度20mm以内。目前RTK在良好观测环境下能够实时获得平面和高程分别为5mm和10mm的定位精度，但滑坡灾害区域往往存在山体遮挡、植被茂密的问题，导致实时监测结果的精度和可靠性不能保证[26]。针对监测站观测环境差的问题，有学者通过剔除较差的观测值或降低权重的方法来抵御多路径效应。文献[27]结合监测站地形特征与GNSS卫星空间位置的几何关系，建立基于方位向的截止高度角处理策略，相较传统处理模型水平方向和高程方向的精度均有一定程度的提升。文献[28]基于短距离内基准站与监测站观测数据间的相关性，通过站间观测数据信噪比差分的方法识别并剔除受多路径影响严重的观测数据，实验结果显示该方法可以提升平均模糊度固定率及定位精度。

使用RTK对滑坡灾害进行实时的变形监测依赖稳定的通信数据链。GNSS实时数据在通过网络传输的过程中会不可避免地产生时延[29]。文献[30]评估了基于网络传输同步RTK的时延，结果显示1Hz的数据在传输过程中最高时延可达3s。当基准站数据发生时延时，RTK无法实时提供变形信息，这对关键变形阶段的滑坡灾害变形监测而言是难以接受的。文献[31]提出了一种异步RTK精密差分定位算法，分析了异步数据中星历、电离层及对流层等误差对定位的影响，结果表明在十几秒内上述误差可以忽略。文献[32]通过高精度精密星历和钟差改正，发现异步RTK与同步RTK间的累积误差在短时间内线性增长，经过一次多项式修正模型修正该趋势后，基准站发生时延1min内仍可提供cm级监测精度。短基线RTK之所以可实时得到监测站的高精度三维空间坐标，是因为2个距离较近的GNSS观测站的大气误差近似相等，可以通过双差观测值消除大部分的公共误差。然而，当基准站与监测站距离增加时，二者大气误差相似性降低，会导致定位精度显著降低甚至定位结果不可用，因此一般要求基线距离不超过15km[33]。在RTK滑坡监测工作实施过程中，每个滑坡灾害区域通常需要单独建设独立的基准站，这种“一点一基站”的监测模式不仅增加了监测成本，还可能存在监测基准不稳定的问题[34]。

3)网络RTK。网络RTK技术利用区域内多个基准站数据，对基准站模糊度固定后的大气延迟误差进行建模，并将改正信息播发给区域内的流动站，进而实现大范围的高精度实时定位[35]。与常规RTK技术相比，网络RTK技术具有监测范围广、无需布设基准站等明显优势[36]。此外，网络RTK建设投资少，可为区域内的多个滑坡灾害点提供监测服务。网络RTK的关键技术是充分利用基准站网提供的信息来改善监测站的定位精度和可靠性等，目前主要包括区域改正数(Flachen Korrektur Parameter，FKP)、虚拟基准站(Virtual Reference Station，VRS)、主辅站(Master Auxiliary Concept，MAC)等方法。文献[37]通过模拟位移实验，对上述三种网络RTK方法的定位精度进行了评估，与干涉仪(0.1mm位移精度)对比的结果表明，网络RTK的均方误差在水平方向和高程方向分别为4.7mm和7.9mm，足以监测1cm内的位移。

近年来，有学者开始尝试将网络RTK技术应用于地质灾害监测，文献[38]基于模拟形变平台和某省5个连续运行参考站(Continuously Operating Refe-rence Stations，CORS)，探讨分析了使用VRS代替物理基准站进行滑坡位移监测的可行性，结果显示由于区域基准站网存在大气残留误差，VRS的定位精度会略低于物理基准站，经实时滑动窗口平滑后的精度与物理基准站相当。文献[39]利用CORS观测数据生成VRS，对30处滑坡监测点进行实验分析，结果显示CORS站间距小于40km时，双差对流层和电离层延迟模型内插精度优于10mm，利用时长大于8h的数据可实现平面精度优于5mm，高程精度优于10mm的形变监测。网络RTK可有效改善常规RTK误差随基线距离增加而增大的问题，同时可以降低目前滑坡监测“一点一基站(一个灾害点和一个基准站)”常规模式带来的经济成本。但目前还存在CORS的建设密度与质量在不同区域有所不同、大气误差改正模型与地形地貌相关等问题[34]。

4)PPP。不同于上述3种监测方法，PPP是一种单站绝对定位方法，其利用精密轨道、精密钟差产品，精确考虑并改正观测值中的各项误差，以获取高精度的绝对三维坐标。PPP技术应用于地质灾害变形监测已有不少案例，文献[40]基于滑坡物理模型实验，证明了PPP技术应用于滑坡监测的可行性。文献[41]利用PPP技术处理青海玛多7.4级地震震区附近9个GNSS高频观测数据及远场12站的GNSS低频观测数据，获取了高精度同震形变场，并指出现有CORS网具备快速确定区域大震(7级以上)震源机制和震级的能力。文献[42]利用福建省某滑坡监测点数据进行PPP计算实验，验证了多系统组合PPP在滑坡监测中的定位性能和可靠性，结果表明多系统组合PPP达到cm级精度大约需要30min，定位结果收敛后外符合精度优于5cm。文献[43]选用四川西山村8个监测站的GNSS观测数据进行实验及分析，探讨了PPP技术在复杂环境下滑坡变形监测的应用能力，结果显示平均5.93h的观测时长基本可以使PPP达到1～2cm的监测精度，可以用于变形较为缓慢的滑坡体变形监测。

观测环境对PPP技术影响较大，且在定位时存在一个初始化过程，实现cm级PPP高精度定位的收敛时间长，数据中断后还需要再次实施初始化，目前还无法满足某些滑坡灾害高精度实时监测的需求。目前滑坡变形监测广泛使用的相对定位技术，其高精度、可靠的监测结果依赖于稳定的基准站，但在实际应用中可能很难找到符合监测规范的基准站布设位置，或受外界影响(地震、人类工程活动等)而出现基准站位置发生变化的情况。因此，可以使用PPP技术对基准站的稳定性进行定期检测，以确保相对定位监测结果的可靠性[44]。此外，PPP技术也可以作为不宜架设基准站的滑坡监测场景下的一种备用方案。

图1描述了目前各类GNSS技术在滑坡灾害监测中的表现能力。从图1可以看出，静态相对定位监测精度最高，但实时监测性能最差，一般用于对缓慢变形滑坡灾害体的定期监测分析；RTK技术监测精度次于静态相对定位，但其是滑坡灾害GNSS监测技术中适用范围最广的技术，对缓慢和快速变形的灾害体均可进行实时监测；网络RTK技术监测精度略次于短距离RTK，但其实时监测和适用性与RTK为同一水平，且凭借覆盖范围广的优势，能够对多个滑坡灾害区域进行监测；PPP技术受制于观测环境和收敛时间的影响，目前在滑坡灾害监测中精度、实时性能及适用范围均不及RTK和网络RTK技术，更多是用于基准站的稳定性检测。

图1 几种高精度GNSS监测技术的优缺点

1.3 GNSS监测结果时序处理研究进展

GNSS技术用于滑坡灾害形变监测时，会受到各种误差源的污染，影响监测结果的稳定性和可靠性，如短基线相对定位模式下，监测时序主要受到多路径效应、粗差及测量噪声的影响[45]；中长基线模式下又会引入大气误差等[46]。且在实时变形监测模式中，由于监测环境、成本限制等原因，监测时序中的各类噪声会更加显著。

1)多路径效应。多路径作为GNSS变形监测的主要误差源，无法利用差分的方法消除或削弱，但当测站与周围环境不变时，其与测站环境具有相关性。目前，消除或削弱多路径的方法主要有3种：第一种也是最优的选择，即选择一个良好的观测环境，但在地质灾害领域，测站常常不得不布设在多路径较强的环境；第二种方法是基于硬件设备削弱多路径[47]，但成本较高，难以大范围推广应用；第三种也是目前广泛研究和采用的数据后处理算法，可分为多路径检测法和多路径缓解法两大类。在多路径检测法中，信噪比(Signal-to-Noise Ratio，SNR)或载噪比(Carrier-to-Noise Ratio，CNR)[28，48-49]常被作为阈值指标，识别受多径影响较大的观测值并进行剔除；另外一种阈值方法是将多路径直接视为低频误差，在频域内进行高通滤波以削弱多径的影响[50-51]，但此方法需提前确定监测体的多径误差频率范围，否则可能会导致真实形变信号被错误去除。此外，机器学习算法也在近几年开始用于多路径的检测[52]，但如何削弱检测到的多径误差还需进一步研究[53]。多路径缓解法包括基于观测值域[54-55]或坐标域[45,56]的恒星日滤波(Sidereal Filtering，SF)和基于空间域的多径半天球图(Mult-ipath Hemispherical Map，MHM)[57-58]等，都是利用卫星轨道的时空重复性和测站环境相关性这2个特点，对多路径误差进行建模缓解。SF的关键是确定卫星轨道的最佳重复周期和上一个重复周期的多路径改正模型，而基于空间域的MHM则无需考虑卫星轨道的重复周期，只与卫星的位置有关。文献[59]比较了GPS PPP模式下的观测值域和坐标域的SF，结果表明观测值域的SF结果更加稳定。文献[58]将SF方法与改进的MHM方法进行了对比，表明MHM方法的改正效果略优于SF。由于中长基线模式下同时存在多径和大气误差的影响，且大气误差无法通过滤波等方法消除，使得前后两重复周期的多径相关性不再显著，传统SF方法难以应用到中长基线RTK/网络RTK中。文献[55]通过对天顶对流层延迟建模，再从非差残差中减去对流层延迟影响，进而得到具有相关性的多径模型，该方法在远程基线高精度变形监测中具有良好的应用前景。表1比较了不同多路径削弱方法在滑坡灾害监测中的适用性。

表1 不同多路径削弱方法在滑坡灾害监测中的适用性

2)粗差探测与时序滤波。复杂灾害监测环境下，GNSS容易受到对流层不稳定、信号中断以及强电磁场等因素干扰[60]，监测时序不可避免地会出现波动范围较大的粗差。这些粗差会导致无法准确反映监测体的真实形变信号，影响其稳定性分析和预测预警工作[2]。目前，GNSS监测时序的粗差探测常用的方法主要有3σ和四分位距(Interquartile Range，IQR)两种，这两种方法都是基于观测数据的误差分布特征，采用假设检验对粗差进行探测[61]。但由于监测时序存在位置移动，使得3σ和IQR的准确性都依赖于观测数据的残差序列准确性，一旦残差序列出现误差，将会导致粗差探测效果不佳[60]。文献[62]分析了不同类型的粗差特征在小波变换后不同尺度上的表现规律，为选择合适的小波函数提供了一定的参考。文献[63]提出了一种结合小波分析和3σ的粗差探测方法，有效改善了3σ法因残差受污染带来的影响。文献[64]提出了联合奇异谱分析(Singular Spectrum Analysis，SSA)和未确知滤波(Unascertained Filtering，UF)的粗差探测方法，首先利用SSA提取形变信号，再利用UF确定粗差点的位置，其探测结果可靠性较高。文献[65]提出了一种基于状态域一致性理论的监测时序缓慢增长的粗差检测方法，可有效识别时序中缓慢增长的粗差。

GNSS监测时序中除多路径误差和粗差外，还存在大量的随机噪声。这些噪声会掩盖监测体的真实微小形变，时序滤波模型可有效削弱其影响，提升GNSS监测精度。文献[66]系统总结了几种经典的时序平滑及滤波技术。文献[67]提出了一种基于样本崩溃点的自适应滑动窗口方法，可自适应地处理GNSS变形监测时序，提供可靠的形变信息。文献[68]提出了一种基于动态权重的移动平均方法，使得当数据存在异常波动时也可获取接近于真实的平均值。文献[69]评估了三种滤波方法(简单移动平均、高斯加权移动平均和Savitzky-Golay)在GNSS高频变形监测时序滤波中的性能，结果表明简单移动平均结果与真实形变存在差异性，高斯加权移动平均和Savitzky-Golay则都能保留真实趋势特征。

2 滑坡灾害GNSS监测技术面临的关键问题

2.1 弱信号低成本监测型GNSS接收机研制

由于灾害体变形的空间差异性，往往需要在灾害体表面布设多台GNSS监测设备，通过一定密度的点状变形监测数据反映灾害体形变的整体趋势。而且在复杂环境下，GNSS监测存在信号跟踪能力差和抗干扰能力弱等问题，因此，如何在控制成本的情况下同时获得较高质量的观测数据成为了亟需解决的问题。研究表明，采用相干积分和非相干积分结合的方式可以消除数据码长度对相干积分增益的影响[70]，利用差分相干积分减小非相干积分中的平方衰耗，可以提高信号捕获的灵敏度。为了提高信号捕获速度和精度，利用快速傅里叶变换(Fast Fourier Transform，FFT)进行伪码与载波频率捕获，采用延迟锁定环(Delay Locked Loop，DLL)与锁相环(Phase Locked Loop，PLL)实现GPS微弱信号的跟踪[71]。传统的延迟锁定环跟踪方法的跟踪精度不高，并且在环境恶劣信号微弱的情况下容易导致锁定信号跟踪的失锁，最终导致无法定位。采用卡尔曼滤波器代替传统跟踪环路中的环路滤波器实现对弱信号的跟踪，使接收机能够成功地处理低信噪比的信号，从而实现码相位和载波相位的锁定[72]。在成本控制方面，有学者采用物联网“传感器+云”的思维模式[26，73]，仅保留GNSS接收机中的数据采集和通信模块，虽然可以显著降低监测成本，但相较于专业型监测设备，GNSS低成本接收终端观测数据质量明显较差[33，74]，如何将弱信号处理技术与低成本GNSS接收机结合，为解决GNSS灾害监测精度、稳定性以及可靠性问题带来了挑战。

2.2 遮挡环境下GNSS载波模糊度可靠固定

我国地理环境复杂，多山区，在进行滑坡灾害GNSS监测时，卫星信号较差，接收机容易受到树木等的遮挡，整周模糊度解算面临很多挑战。首先，信号精度过差的卫星测量值会降低模糊度固定的准确率，并增加模糊度收敛时间，在模糊度解算过程中，可能会导致模糊度无法收敛[75]，没有收敛的模糊度会影响其他模糊度的固定，从而影响结果精度。其次，GNSS实时动态定位监测需要基准站和流动站有足够的共视卫星才能解算出可靠的模糊度，从而获得高精度的位置信息。但是在遮挡环境下的可视卫星分布不均匀，共视卫星少，空间结构差，导致定位解算时观测方程的强相关性，即存在病态性[76]，难以获得可靠的模糊度固定，从而严重影响GNSS监测结果。然后，在易出现信号失锁的情况下，需要重新进行模糊度固定，从而延长了GNSS监测时间序列收敛时间。最后，在山谷、密林等多遮挡环境下， GNSS载波相位观测值经常存在周跳，从而影响后面的GNSS载波相位观测值。在进行模糊度固定前，必须进行周跳探测和修复，周跳的探测与修复对于后续模糊度的解算及最终定位结果的精确度至关重要[77]，否则极易影响模糊度固定率和模糊度固定速度，从而影响GNSS监测结果。因此，在复杂环境下进行滑坡灾害GNSS监测，模糊度的可靠固定是取得高精度结果的关键。

2.3 长基线大高差环境下GNSS大气误差处理与消除

在GNSS实时动态定位中，主要误差源来自大气延迟。大气延迟包括电离层延迟和对流层延迟，对流层又分为干延迟和湿延迟。在短基线RTK中，通过双差组合可以消除电离层延迟和对流层延迟。而长基线大高差下的RTK，电离层延迟差和对流层延迟差会变大，从而影响最终的定位精度。其中电离层可以通过无电离层组合消除一阶项，电离层延迟受高差变化影响较小，即使两测站高差10km，差异仅为2.5cm[78]。对流层的干延迟可以通过模型进行消除，而湿延迟由水汽引起，易受地形地貌和天气的影响。大气密度空间分布的不均匀性和时间差异性很强，特别是对于水汽，其分布不均匀，在水平面和垂直面上有所不同[79]，很难对其分布进行建模。对流层延迟大小与海拔高度密不可分，因而其主要影响垂直分量的精度，且易受高差影响。当两测站的高差较大时，即使基线长度较短，模型改正和双差也不能完全消除对流层延迟的影响。简单地通过基线的长度判断是否进行对流层延迟估计是不够严密的[80]。而且当2个测站的高度差仅为100m时，2个测站的对流层倾斜延迟差能达到10cm以上。当高程相差 1km 时，两点的对流层延迟之差也将达到分米级，严重影响定位结果。因此，在我国地形地貌复杂、多山地区，对于长基线大高差环境下的RTK监测取得良好的结果，对流层误差消除是关键。

3 滑坡灾害GNSS监测技术应用展望

3.1 高危滑坡环境下无人机抛投式GNSS监测装备系统

对滑坡灾害进行GNSS形变监测，首先就需要在滑坡变形体上布设GNSS监测装置。目前，监测设备的安装主要是通过安装人员携带GNSS监测设备及通信、供电等模块，到达滑坡灾害区域后进行安装。当安装位置位于高山峡谷或坡体边缘等危险区时，亦或是滑坡已经发生，需要布设监测设备避免发生二次滑坡造成人员伤亡等情况时，设备安装人员难以到达设备安装位置进行安装作业，也就无法实施GNSS监测工作。而通过无人机抛投的方式进行GNSS监测设备的远程部署[12]，为高危滑坡环境下GNSS监测工作开展给出了一个新的解题思路。无人机抛投式监测是通过无人机将GNSS监测设备运输到滑坡体上空，然后抛投释放监测设备，固定在事先确定好的监测点位上，以实现滑坡体后续变形的监测。相较于常规人工安装部署的方式，无人机抛投式部署具有作业范围更广、风险更低等优点。但同时无人机自身的搭载能力也要求GNSS监测设备的体积和质量应尽可能小，可在保留监测设备必要模块的基础上考虑野外设备三防要求，对设备材料进行综合选型以减小体积和质量。此外，GNSS监测设备在抛投释放后应牢牢固定在滑坡体上，可充分考虑GNSS监测设备的质量、外形等特征，研制可满足土质、岩质等不同类型滑坡场景下抛投固定需求的固定装置。尽管目前无人机抛投式GNSS监测技术还处于起步阶段，但随着抛投无人机、GNSS监测设备、不同滑坡场景下抛投固定装置及复杂遮挡环境下无人机可靠导航定位算法等研究的不断深入、迭代和优化，研发一套系统完整、成熟、稳定的无人机抛投式GNSS监测装备系统，有望革新滑坡灾害监测领域传统人工部署的作业模式，提升GNSS监测设备部署效率，推动GNSS在复杂滑坡灾害应急规模化监测应用，为我国防灾减灾提供重要技术支撑。

3.2 基于GNSS地基参考站网的大范围滑坡灾害监测

北斗地基参考站网在中国的建设已经如火如荼，国家及各省市建设基准站数量已超过6000座[81]。该站网建设规格高，数据质量好，目前主要用于坐标框架维持、基础测绘及大型工程建设，亟需推广地基参考站网在滑坡灾害监测等其他领域的应用。传统的短距离RTK形变监测，因为其自身特性，存在监测范围受限的问题，而且当基准站发生形变或无可靠位置布设稳定基准站时，无法获得稳定可靠的变形监测序列。因此，有学者探讨了以卫星导航定位基准站作为地质灾害监测的基准[82],采用网络RTK技术进行变形监测[83]。网络RTK覆盖范围广，但该技术易受大气建模误差的影响，常用的VRS技术将大气建模值直接用于观测值生成，在大气较为活跃或参考站间距较大时监测精度相对较低。与网络RTK技术不同，PPP-RTK技术采用轨道、钟差、硬件延迟及区域参考站网提供的大气延迟产品，可满足监测终端的快速高精度定位需求，监测终端将大气建模产品作为外部约束使用，可有效避免VRS模式下对大气建模误差的敏感特性。但目前，PPP-RTK技术在地质灾害应用中相对较少，其主要原因是该技术需额外依赖高精度高可靠的实时轨道、钟差及大气等增强产品，一旦增强产品发生延迟、中断或精度下降，其终端定位的性能会随之迅速降低[84]，监测结果用于滑坡灾害预警时存在虚警风险。但是，随着区域的或全球的地(星)基增强产品质量和性能的不断提高，PPP-RTK技术在滑坡灾害监测领域有着广阔的应用前景。

3.3 GNSS多传感器位移融合预测

地表变形是灾害体发生破坏最直观的现象，对灾害体失稳初期的预警判据也主要是基于变形信息，因此，对滑坡地表位移进行预测一直是研究的热点之一[85]。对于单个GNSS监测点而言，依据历史监测曲线对未来长期、短期一段时间的地表位移进行预测，可提供该监测点未来变形趋势的参考。但是，由于硬件、软件、预测方法和监测点周边环境等各种因素的影响，仍然存在着虚警、漏警与误警率高等问题。近年来，数据拟合、机器学习及神经网络等在GNSS位移预测中已有不少应用，预测精度也在逐渐提高[86-88]。随着对滑坡形变机制研究的逐步深入，单纯利用历史位移监测信息进行预测缺少地质解释，研究热度有所减弱，而将GNSS位移与滑坡体的地质结构、变形机制及诱发因素等信息结合起来进行变形预测，有望进一步提高变形预测的精度和可靠性[89]。另外，降雨是滑坡形变的重要影响因素，基于深度学习融合位移序列与降雨数据建立预测模型[90-91]，其预测结果可靠性、可解释性更强。不同滑坡的地质条件也不尽相同，如何确定出其形变的关键影响因子，并结合GNSS监测结果进行位移预测，是滑坡灾害GNSS智能预测的下一步研究方向。此外，对于单体滑坡而言，地表多个GNSS监测的累计位移、形变速率等结果趋势可能不同，除预测各监测点的变化趋势外，融合各监测点历史监测数据去预测该滑坡体的总体变化趋势也是滑坡灾害GNSS智能预测的重要内容[92-93]。目前，雨量计、土壤湿度计、倾角仪和裂缝计等传感器在滑坡灾害监测中已有不少应用，不仅大大丰富了滑坡GNSS位移预测中的数据源，且融合多种类、多点位传感器数据建立位移预测模型，可更可靠、合理地对滑坡体未来一段时间内的变化趋势作出预测，从而为滑坡灾害预警工作提供重要参考数据。

3.4 普适化GNSS滑坡监测云平台构建

30多年来，GNSS技术在滑坡形变监测中已经得到了广泛应用，但是由于GNSS定位的理论和技术方法的专业性较强，在实际应用中，主要依靠专业技术人员才能较好地完成滑坡变形监测的数据采集、数据传输、数据处理和分析预测等工作，非专业人员仍然难以直接应用GNSS技术进行滑坡变形监测。随着GNSS接收机软硬件制造技术的不断进步，目前GNSS监测技术的自动化、智能化水平已经得到大幅度提升，非专业人员已经能够独立安装GNSS监测设备，但对于GNSS接收机采集的观测数据还需要经过专业人员的处理和分析后才能投入实际应用。随着云计算和大数据时代的来临，使得GNSS监测数据可实时上传至云端进行计算，大量基于云平台的监测系统也应运而生[10,94-95]。“云存储-云检验-云增强-云处理”的智能化数据处理模式，可为GNSS监测技术的推广应用提供有力支撑[10]，也为GNSS监测技术的普适化提供了契机。基于这些新技术，可以开发出界面友好、稳定、安全及拓展性强的云端GNSS监测智能预警系统，人们既能实时了解GNSS监测设备的运行状况，也可依据各滑坡体、各监测点的变形状态智能推送预警信息及现场智能声光报警；同时，基于共享云端监测数据库，可开发出移动端的滑坡监测预警平台，实现滑坡监测和预警信息流、数据流的高效发布，使得非专业人员也能够轻松自如地应用GNSS监测结果进行滑坡灾害的防范和预警，这必将有力地推动滑坡灾害群测群防和精准防控等工作的深入开展。

4 结语

经过30余年的发展，滑坡灾害GNSS监测技术已经取得了长足进步，目前已成为滑坡灾害地表三维形变信息获取的主要手段之一。但由于我国疆域辽阔、地形复杂以及气候多样，每年滑坡灾害仍频发，严重阻碍着国家重大战略工程的顺利实施，威胁着人民生命财产安全[96-97]，因此，人们对GNSS监测技术也提出了更高的要求。本文梳理了GNSS监测设备、高精度监测技术及监测结果时序处理在滑坡变形监测中的发展历程，分析了现阶段滑坡灾害GNSS监测存在监测设备的弱信号处理能力不足、遮挡环境下模糊度可靠固定难及长基线大高差GNSS大气误差处理不佳等关键问题。最后，随着GNSS监测硬件的不断发展及GNSS监测技术研究的日益深入，对GNSS监测技术应用于滑坡灾害监测的未来发展趋势进行了展望，希望通过研发无人机抛投式GNSS监测装备，突破高危滑坡环境监测设备部署难的问题；通过借助现有GNSS地基参考站网实现大范围的滑坡灾害监测；通过对GNSS多传感器监测结果融合预测方法的研究，解决滑坡灾害监测预警中存在的虚警及误警率高的问题；通过加强对GNSS监测数据的智能化处理，降低GNSS滑坡监测的专业性，推动GNSS监测技术的普适化应用。