膨胀土边坡GNSS实时监测技术

黄观文,陈 孜,徐永福

1.长安大学地质工程与测绘学院,陕西 西安 710054; 2.上海交通大学土木工程系,上海 200240

膨胀土是一种含有强亲水矿物(蒙脱石、高岭石)并具有特定工程特性的黏性土。天然状态下强度较高,吸水迅速膨胀软化,失水收缩甚至开裂,有着较强的反复胀缩性。美国工程界称膨胀土是“隐藏的灾害土”,我国工程界将其看作“工程性质不良的土”[1],膨胀土也被称为“工程癌症”。我国膨胀土广泛分布于广西、云南、陕西等20多个省区,面积约占陆地总面积的1/3,每年造成的经济损失达数百亿元。膨胀土滑坡以其“逢堑必滑,无堤不塌”的特点严重危害各类工程边坡及建筑物[2],因此有效且普适性的监测技术成为膨胀土滑坡及工程边坡防治亟待解决的重要科学问题。

在膨胀土边坡三维变形监测方面,智能全站仪被广泛应用,其监测精度和自动化程度高,但也存在实时和连续性差、测站间需要通视等局限性。GNSS实时监测技术具备高时效性、高连续性、无须通视等优势,已经成功应用于黄土滑坡或水库滑坡等地质灾害监测并取得了丰富成果[3-7]。基于此,GNSS技术被引入膨胀土边坡实时监测中,研发了低成本GNSS膨胀土边坡监测设备和毫米级抗干扰监测技术,初步验证了GNSS实时监测技术在膨胀土滑坡和工程边坡应用中的可行性和精度[8]。

膨胀土滑坡及工程边坡的变形失稳受多场信息(水分场、位移场、应力场、温度场)共同影响。其失稳滑动的根本原因是膨胀土体吸水失水及坡体内部应力变化(卸荷、加荷)导致的表面胀缩形变[9-14]。仅靠单一类型传感器对边坡的稳定状态进行监测是不可靠的,多源传感器监测信息之间有较好的数据互补性[15-18]。初代膨胀土GNSS监测装备未有效结合膨胀土变形失稳特性进行设计,也未结合土压力等多源参数进行联合监测,在大范围工程推广中还存在局限性。基于此,本文将引入雨量、土压力等多源参数协同GNSS三维实时监测,研制更加普适性的膨胀土边坡分层式GNSS实时监测装置,并基于广西宁明膨胀土公路边坡工程进行示范应用。

1 分层式GNSS/全站仪一体式监测装置设计

第一代膨胀土边坡GNSS监测装置,以及其附着式监测底座设计仅适合经过水泥混凝土加固后的缓变形边坡表面变形监测,如图1所示。

图1 第一代GNSS监测设备与适用场景

考虑到环境保护及成本问题,更多的膨胀土边坡是由土工编织袋与表面种植植被的“以柔制胀”型手段进行防护,属于治理中和弱支挡的土质边坡。图2为膨胀土GNSS监测设备适用的土质边坡场景、预埋PVC安装及装置布设实景。在图2中,土工编织袋铺设在膨胀土体表层,其变形量和真实坡体地表形变并不一致,监测装置需能实现土工编织袋和坡体表面两层实时监测。需要说明的是,土工编织袋和坡体表面两层形变均属地表形变。另一方面,考虑到膨胀土的胀缩变形与外部多场因素关系密切,单一监测数据难以可靠实现对膨胀土边坡稳定性的准确判断,故需引入多源监测数据进行联合分析。

图2 监测设备适用环境及布设实景

为了实现膨胀土边坡多源参数分层实时监测,改进型GNSS监测设备采取与全站仪棱镜一体式设计,与土压力、土壤含水率、温度传感器进行并址集成,保证了监测点的降雨信息、温度与膨胀土边坡的水力作用信息的同步感知。并址多源参数监测的优势在于:①获得更完整的边坡监测数据,丰富了斜坡失稳的关键因子分析及宏观变形机理解译;②并址多源异构数据之间能够形成互校验性,提高了监测数据的可靠性;③便于膨胀土滑坡的监测数据融合及多指标预警体系构建。改进的GNSS监测装置设计如图3所示,其主要特点在于采用了预埋PVC式安装方法、与多源传感器并址设计。

图3 第二代GNSS监测设备结构与安装设计

改进型膨胀土边坡GNSS监测设备由GNSS天线、专业级防水装置(内置低成本GNSS监测终端,具体信息见表1),微型全站仪棱镜,便携GNSS测杆组成,测杆利用预埋PVC管式安装方式,即在边坡开挖时将预定高度的PVC管预埋进对应需要监测的位置处。对于位于土工编织袋以下位置的膨胀土体的形变监测,设计了预埋双层PVC的方法,根据膨胀土的浅层失稳特点,内层PVC须置于膨胀土体表面以下约20 cm处,并在该位置并址埋设土压力计或土壤湿度计等多源传感器,对于土工编织袋内土体的变形,采用单层PVC安装方法即可,可实现对边坡土工编织袋中土体的(浅层)形变监测。这种分层多源参数安装方式实现了小型低成本GNSS监测设备的即插即用需求,无须监测站观测墩建造,既节省了成本也避免了监测点本身对斜坡稳定性的影响,适合活动相对活跃膨胀土边坡的实时监测。

表1 低成本GNSS监测接收机具体信息

2 GNSS实时监测技术

GNSS实时监测技术一般采用小区域双差相对定位模型进行解算,这种技术需要在测区内建立稳定的基准站,这无疑增加了设备成本和施工难度。为此,本文根据测区实际条件,设计了虚拟基准站和简易基准站两种方案。

2.1 虚拟基准站/简易基准站方案设计

在理想状态下,GNSS边坡监测基准站应该处于稳定非变形区域。但由于膨胀土区域较大、滑坡和工程边坡具有破碎性、不稳定等特点,难以布设稳定的区域基准站,从而直接影响膨胀土边坡监测精度。

为此,根据测区实际条件,分成两种情形进行考虑。第一种情形:为了满足膨胀土边坡实时厘米级监测精度,且测区50 km范围内存在连续可用的GNSS地基增强基准网络数据,此时,可将网络RTK(network RTK)技术应用到膨胀土工程边坡中,利用虚拟参考站代替测区基准站,从而节约监测成本。基于虚拟参考站(VRS)的网络RTK技术是一种基于载波相位观测值的实时高精度定位技术,相较于传统的单基准站滑坡监测方法,其利用大区域内的若干个稳定基准站,借助区域差分GNSS方法消除流动站定位中受到的误差影响[19]。基于网络RTK的滑坡监测有如下优势:①不需要建立基准站,节约监测成本;②使用固定不变的虚拟参考站坐标可以避免基准站偏移问题;③监测覆盖范围更大。第二种情形:测区附近没有合适的GNSS地基增强基准网络或实时监测需实现实时稳定毫米级精度,此时可在测区内建立简易基准站,利用IGS/iGMAS实时精密产品和基准站数据,进行实时和准实时(如小时解、12 h解和天解等)精密单点定位(PPP)计算,对基准站的稳定性进行定位检核,并实时标定出基准站形变的补偿值,定期对其他监测站的形变量进行基准修正。

2.2 半空遮挡GNSS监测随机模型优化方法

典型的膨胀土边坡具有一定的坡度,地表常被草皮覆盖,监测墩不能过高,一般为10～50 cm,因此半空遮挡和多路径误差成为影响监测精度的主要误差源。针对上述问题,可基于卫星天空视图外围边界与地形线一致重合的特性,采用ADEM(azimuth-dependent elevation mask)方法[20]提取地形线关键采样点,并对采样点进行检验及边界约束。通过对边界采样点进行多项式拟合得到模型系数,并根据模型系数构建基于方位角变化自适应截止高度角EM,将高度角小于EM的观测值作为粗差剔除,由高度角、信噪比构造随机模型,采取部分模糊度固定策略得到可靠的监测结果[21],其处理方法如图4所示。

图4 半空遮挡下GNSS监测处理方法

2.3 变形序列数据质量控制方法

由于存在环境干扰、多径效应等系统和偶然误差,GNSS实时变形序列中不可避免存在异常值,需要对实时变形序列进行质量分析和处理。为此,设计了离群点剔除和滑坡窗口平滑两个步骤进行质量控制。

2.3.1 IQR四分位距离群点剔除法

对于一组离散的GNSS监测时间序列数据,将数据按照从小到大的顺序进行排列,定义3个四分位数Q1、Q2、Q3。其中,Q1为在该数值以下的数据占总样本的1/4,称为下四分位数;Q2为在该数值以下的数据占总样本的1/2,即中位数;Q3为在该数值以下的数据占总样本的3/4,称为上四分位数。以宁明膨胀土边坡12 d的三维方向位移监测结果为例,将天位移序列其从小到大排序:R1,R2,…,R12,则

(1)

式中,IQR称为该监测序列的四分位距,其为监测序列的四分位数(Q1,Q3)间距值,并构造该监测方法的上限与下限检测区间α、β,α=Q1-1.5IQR,β=Q3+1.5IQR。将监测序列中不在区间(α,β)的数据,视为监测结果的离群值并进行剔除。

本文选择此方法的原因在于其对数据的误差分布没有依赖,监测序列的中位值和标准四分位距不易受粗差影响,对于偏离假定模型的观测数据具有良好的适应性。

2.3.2SG滤波平滑方法

SG(Savitzky Golay)滤波法的本质是基于最小二乘原理的多项式平滑算法,是平滑时间序列数据滑动窗口的一种加权平均算法,加权系数是由滤波窗口内给定高阶多项式的最小二乘拟合次数。其算法为

(2)

本文选择该平滑方法是因SG滤波的优点是滤波平滑的同时,可以有效保留监测序列的变化信息,不受数据集的时间空间尺度限制,对多源传感器的数据集有良好的平滑效果。

2.4 GNSS/多源监测参数融合分析

膨胀土边坡滑动最直接的表现在于坡体位移变化,而根本原因是膨胀土体受到外界气候影响例如强降雨或冻融影响,土体增湿后体积含水率变化较大,膨胀力随之产生,内部应力、场水分场及温度场联合导致其局部失稳。利用GNSS与多源传感器进行并址协同融合监测,获得膨胀土高精度的GNSS变形序列后,并对多监测参数之间进行相关性分析,融合分析其他监测参数是否对GNSS形变产生影响或验证参数间是否存在类似的时空响应规律。在分析相关性之前,需要对多源参数进行插补或者累加处理,保证参数的连续性,并且剔除明显异常值。此处利用Pearson相关系数计算GNSS位移与多源参数之间是否存在明显的相关性关系

(3)

当多源数据间互相独立且连续时符合相关系数适用范围,可根据其不同取值判断相关程度。根据其不同取值判断相关程度,RX,Y的取值及相关程度为:RX,Y≤0.39为低相关,0.40≤RX,Y≤0.69为中度相关,0.70≤RX,Y≤0.89为高度相关,0.90≤RX,Y≤1.00为极高相关[22]。

将GNSS形变序列与多源参数融合分析不仅可以佐证GNSS监测信息的可靠性,也可在GNSS监测出现异常值或中断情况下,依据高度相关的多源参数对其结果进行校正,提升GNSS实时监测数据的可用性。如图5所示,综合膨胀土GNSS位移场与其他多场参数,通过计算各参数间相关性分析诱发GNSS形变的因素,分析膨胀土边坡的失稳现象及演化特征。

图5 膨胀土失稳机理与多源监测参数相关性分析

3 膨胀土边坡GNSS/多源实时监测技术

综合上节理论和方法,本文设计了一套改进型膨胀土边坡GNSS/多源实时监测技术,流程如图6所示。简要的技术流程包括5部分:①GNSS位移及多源监测数据的实时采集存储。②监测数据预处理:根据边坡处于不同变形阶段选择合适的离群点检验及数据集平滑方法对原始多源时间序列进行质量优化。③GNSS监测站的数据质量分析及基准站稳定性分析,分析GNSS基准站位置是否发生偏移,若发生偏移需对监测站形变进行基准偏移补偿。④针对多路径误差及其他未模型化误差导致的监测结果异常问题,进行自适应优化数据处理。⑤GNSS监测序列与其他传感器多源监测参数的相关性分析和综合预测。

图6 膨胀土边坡GNSS/多源实时监测技术

4 示范区试验分析

4.1 示范区概况

该膨胀土示范区位于广西壮族自治区崇左市宁明县崇爱高速公路(在建)K16+500处,该地区以中强膨胀土为主。示范区属于亚热带湿润季风区,气候温和,雨量充沛。示范区内原始地形如图7所示,边坡南北向分布,其中长度约110 m,坡中最大高差最大约12 m,坡度比1∶1.5,主滑区位于边坡中部,其面积约为450 m2。由于公路的修建及边坡开挖,坡体中裂隙发育较密集,产生了初步形变。为了进一步限制该膨胀土边坡的继续变形,开挖边坡后在坡体表面铺设多层土工编织袋用于加固边坡,并在土工编织袋表面进行了绿化加固防护。

图7 宁明膨胀土边坡

4.2 GNSS监测点网络布设

GNSS监测点的布设遵循成本经济性与尽可能接近变形部位的原则。将监测点布设在易发生变形的坡肩-坡面-坡脚处。该边坡易发生变形失稳的部位处于坡肩-拉应力集中,坡面-剪应力集中的部位。将边坡分为5个断面和a、b、c3个监测层,每个断面间距约为5 m,监测层间高差为4 m。共布设8个GNSS监测点(如图8所示,NN01—NN08),每个GNSS监测点附近均与土压力传感器进行并址监测(即中上部),其中NN06—NN08为深层监测点(双PVC埋设,深度2.2 m),1个GNSS监测基准点。而土壤含水率传感器只布设在各个断面的b层位置,每一处的土压力计与土壤湿度计均按照水平方向从里至外布设3个,间距约为20 cm,并在坡顶后缘稳定区域布设了2个“共享电源”集成站用以保证整个GNSS监测系统和一个雨量传感器的稳定供电,8个GNSS监测站的均匀布设实现了对边坡显著不稳定区域的实时监测。

图8 膨胀土边坡多源传感器布设

4.3 GNSS监测序列分析

GNSS监测数据采集时间为2021年10月1日至2021年10月11日。受旱期裂隙发育及边坡施工影响,监测点NN06、NN07、NN08于2021年10月9日开始发生显著变形,随后变形有不断扩大的趋势。边坡后缘裂隙发育长度延伸明显。

利用GNSS实时监测技术计算获取监测点NN06、NN07和NN08的位移形变序列。首先统计了3个监测点稳定期的平均监测精度指标(标准差)为N方向2.6 mm、E方向2.1 mm、U方向4.8 mm,这为变形期监测序列结果的可靠性提供了支撑。

由于NN06—NN08变形趋势基本一致,以NN06点为例,绘制出三维方向的位移时间序列如图9所示。统计NN06、NN07和NN08在稳定与失稳时期的变形情况见表2。

表2 监测点不同时期位移

注:图中3方向位移起始数值不为0,是因为该边坡进入新的稳定期,这是相比建点初期的位移值。

由位移-时间曲线可知,NN06在监测初期(2021年10月1日至2021年10月9日)内,该时段内偶有降雨,处于干旱期。东、北、垂直、三维方向位移保持稳定未发生明显变化。由表2可以得到,NN06在三维方向位移稳定在89 mm左右,NN07在三维方向位移稳定在83 mm,NN08三维方向位移稳定在42 mm左右。自2021年10月9日起边坡开始进入加速变形阶段,平面与高程方向位移均出现逐渐明显增大的趋势,并且在2021年10月10日至2021年10月11日之间位移发生了较大的变化,其中在2021年10月8日至2021年10月11日期间,统计了NN06、NN07和NN08这3点三维方向位移分别变化了236.3、266.8和210 mm,短期内变形较大,并最终在11日发生了滑坍。边坡10月11日之后变形趋于稳定。3个监测点表现出平面方向变形均大于高程方向变形的特点,说明了此次滑坡为该边坡表面的浅层膨胀土失稳破坏,并非重力牵引导致的垂直滑落式滑坡。边坡由于经历干旱期后的第一次强降雨,土体含水率数值迅速增大,边坡稳定系数下降较快,与气象因素关系密切。因此若遭遇下一次强降雨事件边坡会存在再次复发的可能性,符合膨胀土多期反复破坏特征。

4.4 多源参数联合监测结果相关性分析

本文分析了该膨胀土边坡GNSS三维变形与降雨、土壤含水率、土压力之间存在的动态响应特点,并分析多源参数间的相关性来解译此次失稳原因。膨胀土边坡多源监测数据时间序列如图10所示。

由图10可以看出,NN06、NN07和NN08监测点在2021年10月9日之前均处于稳定变形阶段,边坡处于干旱期,并未发生明显变形,该边坡在2021年10月9日至2021年10月10日遭遇强降雨后,降雨强度分别为30.09、42.86 mm。并在两天后(2021年10月11日),边坡土壤含水率(最外层传感器)与土压力监测数值均突然呈现增大趋势,GNSS位移经过短暂延迟后出现剧增,3个监测点在2021年10月10日的变形速率分别达到了89.4、128.8、90.2 mm/d,已经超出了报警速率值。在此期间GNSS位移与土压力、土壤湿度信息均表现出与降雨明显的时空响应关系,其土壤含水率从19.7%增大至27.85%,土压力数值从3.1 kpa增大至3.56 kpa,增幅分别为41.3%与14.8%。初步推断,此次宁明膨胀土边坡发生滑坡的原因是持续强降雨,雨水通过前期旱季发育的后缘裂隙进行入渗,多层裂隙为土体增湿提供了良好通道,导致坡体内部含水率激增使得膨胀土土体持续膨胀,内部应力同步增大,膨胀土体颗粒间的基质吸力与黏聚力不断减小,根据库伦-摩尔定律[23-27],边坡稳定系数逐渐降低,致使边坡浅层失稳滑坍。从多源监测数据的动态响应趋势可以看出,GNSS获取的变形数据与降雨量、土壤含水率及土压力数据具有较好的一致性,相对于降雨有短暂的滞后性,通过降雨因素对形变序列的时滞相关性分析,得出降雨时滞期约为1 d,一定程度上验证了GNSS位移监测数据的可靠性。

通过对比膨胀土边坡滑动前后的实地照片(图11)可知,滑动区域面积约为64 m2,均集中于断面4与断面5位置,其他断面上没有明显变形,符合膨胀土失稳的破碎性特点。与传统岩质和黄土滑坡不同的是,膨胀土滑坡的滑动形式为浅表层土体滑动失稳及破碎化,垂直方向整体下滑并不明显,监测结果中平面方向变形大于垂直方向变形也印证了这一点,与膨胀土浅层失稳破坏的特点相符,属于典型的平缓型膨胀土边坡滑塌特征。

图11 边坡滑动前后照片对比

计算GNSS三维位移与降雨量、土壤含水率及土压力参数之间的相关系数结果见表3。

表3 GNSS三维位移与多源监测参数相关系数

由表3可知,GNSS实时监测获取的三维变形数据与水分场(土壤含水率)、应力场(土压力)的相关系数均大于0.9,与多源数据呈强相关关系,验证了GNSS变形与其他多源监测数据具有高度一致的时间响应特点,监测点的GNSS三维变形同时受土壤含水率及土压力的影响,在膨胀土滑坡发生时,土压力数据、土壤水分数据几乎在同一时期呈增大特征,且GNSS位移对于土壤含水率及土压力信息有短暂的延迟(约1 d),而土壤含水率与土压力数据处于同时变化关系。多源监测数据佐证了低成本GNSS监测技术的可靠性。

5 总结与建议

(1) 改进型GNSS监测装置更适用于变形活跃的土质膨胀土滑坡和工程边坡,利于与其他传感器并址布设,可实现多源参数分层式实时监测。新装置通过预埋PVC管安装方式,无须监测站打孔建点,实现即装即测,避免了传统GNSS监测施工对边坡稳定性的影响。

(2) 设计了虚拟基准站/简易基准站方案、半空遮挡GNSS随机模型优化方法、变形序列数据质量控制方法和GNSS/多源参数融合分析方法,利用位移场、应力场、水分场等多场多源异构数据进行协同监测,综合构建了膨胀土边坡GNSS/多源实时监测技术体系,避免了仅靠单一监测信息评估膨胀土边坡稳定性带来的不可靠性。

(3) 以宁明膨胀土边坡示范工程为例,利用多源监测数据分析了膨胀土边坡多监测参数的时空演化特征,揭示了GNSS变形序列和含水量、土压力参数间的高度相关性特征。研究成果在膨胀土滑坡实时监测中具备可复制性和推广性。