0 引言
缓倾地层滑坡又称平推式或平移式滑坡,是我国三峡库区、四川盆地及周边地区普遍存在的一类特殊滑坡类型[1⇓-3]。此类滑坡最早由张倬元等[4]正式提出,指发育于近水平或缓倾坡内的砂、泥岩互层状地层中的滑坡,岩层倾角多在10°以内。已有勘查资料表明,缓倾地层滑坡的滑带土内摩擦角一般远大于滑动面倾角,按传统极限平衡理论,应较难发生滑动,但在西南地区,较大规模的缓倾地层滑坡却时有发生。这一问题引发国内外研究人员广泛关注,近年来,陆续有学者从不同视角对其主要特征、形成条件、致灾机理、诱发因素与变形破坏过程等展开研究[1⇓-3,5⇓⇓⇓⇓-10],取得了一系列显著成果,并在主要诱发条件为降雨、滑坡后缘普遍存在拉裂槽等方面达成基本共识。然而,相较于理论发展,该类灾害识别手段目前较单一,以人工地面巡、排查为主,效率低下[11]。
得益于近年来遥感技术的发展,特别是我国国产遥感卫星数量不断增多,地面分辨率持续提升,历史存档遥感数据愈加丰富,光学卫星遥感技术已成为识别地质灾害最有效的手段之一[12],在四川茂县叠溪镇新磨村滑坡等重大地质灾害应急处置工作中发挥了显著作用[13]。但就缓倾地层滑坡而言,由于受西南地区环境地质条件所限,灾害源区往往植被茂密、地形复杂,加之缓倾地层滑坡类型特殊,常规滑坡灾害遥感识别标志的建立,特别是植被下拉裂槽的有效判识尤为困难。而在当前降水加剧、极端气候事件频发的背景下[14],可预见未来由集中降水诱发缓倾地层滑坡剧滑,进而造成突发性地质灾害事件将持续出现,基于光学遥感的传统技术手段已难完全满足当前西南山区防灾减灾的迫切需求。
机载激光雷达(light detection and ranging, LiDAR)作为一种利用激光对地表三维坐标信息进行采集的新型遥感技术,将激光测距、卫星定位和惯性测量等进行有效集成[15],不但能够提供高分辨率、高精度的地形地貌影像,同时通过多次回波技术穿透地面植被,利用滤波算法有效去除地表植被,获取真实地面的高程数据信息[16]。目前该技术已在地形测绘、三维城市建模、环境监测、地球科学及行星科学等诸多领域得到广泛应用[17-18],在活动断裂[19]、古地震[20]及地质灾害[21-22]等地学领域的应用也取得了显著成效,但对缓倾地层滑坡这一特殊地质灾害类型及其拉裂槽识别的应用还相对较少。
本文以四川省北部缓倾地层滑坡多发的通江县春在镇南部为研究示范区,基于机载LiDAR获取的高分辨率数字高程模型(high-resolution digital elevation model,HRDEM),选取典型示例开展应用分析,论述机载LiDAR与地形可视化技术在高植被地区缓倾地层滑坡及其拉裂槽识别领域的应用,并实地验证相关结果的准确性。
1 研究区概况
研究区位于四川省北部通江县境内,地处大通江以东春在镇南部周边(图1)。该区为典型侵蚀剥蚀低山地貌,属亚热带秦巴区湿润季风气候区,大陆性季风气候显著,雨量充沛,水系发达。研究区大地构造位置处大巴山歹字型构造中段南侧,区内构造线展布以NW-SE向为主,断裂不发育,新构造运动不活跃。研究区地表除第四系松散堆积层外,主要出露白垩系(K)紫红色砂质泥岩夹薄层泥质粉砂岩,白垩系下统(K1)灰黄色钙质细砂岩与棕红色砂质泥岩层等。
图1
研究区地质灾害多发,以降雨诱发的中小型土质滑坡最为常见,具蠕变慢滑特征,斜坡变形特征明显。以往调查显示[23],区内滑坡以牵引式为主,其中较为典型的水井巷、小罗坪、毓贵山和雷家河等滑坡均表现为地层产状缓倾、砂泥岩互层、分块式解体明显、阶梯状陡坎及张性裂隙带发育等,具有缓倾地层滑坡的显著特征。
2 数据获取与处理
2.1 数据获取
结合研究区地形复杂、天气多变和植被茂密等特征,本次采用长航时多旋翼无人机搭载长测程激光雷达进行仿地飞行的方式进行数据采集,以实现最佳飞行窗口期内的可变高飞行,确保高精度真实地形的准确获取。
本研究机载LiDAR数据采集于2021年6月5—8日,其中,以飞马D20无人机作为飞行平台,采用Riegl公司生产的DV-LiDAR20模块。该套系统具备双差分天线,配置毫米波雷达200 m测距,可良好适应复杂地形区飞行作业需求。LiDAR传感器测距达1 350 m,高程精度为1.5 cm,内置飞马自研GNSS/IMU(inertial measurement unlt)惯导系统,配合同轴挂载的4 200万像素光学相机,结合无人机轨迹组合导航数据解算算法、数据融合及平差算法,可提供高精度激光点云及航空影像数据。为确保数据精度,在春在镇飞行区南部架设1处地面基站,以随时干预和控制无人机的飞行平台和任务载荷。
2.2 数据处理
机载LiDAR获取数据需进行必要的处理才可获得HRDEM和数字正射影像图(digital orthophoto maps, DOM)等信息。一般而言,应包含数据解算与系统误差检校、航带拼接、激光点云数据分类以及HRDEM和DOM产品生成等步骤。
就本研究而言,对识别缓倾地层滑坡及其拉裂槽最为有效的是去除植被高度影响的地面点云数据,因而激光点云数据分类结果的质量将直接影响最终识别效果。本文采用MicroStation平台Terrasolid软件系列中的TerraScan模块,基于宏命令实现地面点和非地面点的自动分离,并对未分离的低植被点及混淆丢失的地面点进行人工修正。处理后点云密度约为15 pts/m2,水平及垂直分辨率分别约为0.24 m和0.20 m,最大高差为179.99 m(表1)。
表1 点云参数对比
Tab.1
| 点云类型 | 点密度/ (pts·m-2) | 水平分 辨率/m | 垂直分 辨率/m | 最大高 差/m |
|---|---|---|---|---|
| 原始点 | 45 | 0.16 | 0.18 | 221.26 |
| 非地面点 | 42 | 0.16 | 0.18 | 191.29 |
| 地面点 | 15 | 0.24 | 0.20 | 179.99 |
在此基础上,利用ArcGIS 10.8软件创建las数据集,将点云数据转化为HRDEM,分辨率为0.5 m,用于拉裂槽的识别。并基于Pix4D mapper软件生成对应DOM,分辨率为0.1 m,以辅助识别缓倾地层滑坡(图2)。
图2
3 缓倾地层滑坡及其拉裂槽识别应用
为便于论述,本文选取研究区内糯鼓寨村南部一处新识别缓倾地层滑坡隐患(中心坐标: E107°17.112',N31°51.843',见图1)作为典型应用研究示例,基于机载LiDAR技术获取的精细地形信息,综合HRDEM和DOM 2类数据构建遥感判识标志,结合天空视域因子(sky-view factor,SVF)和山体阴影等HRDEM数据可视化方法实现缓倾地层滑坡边界及拉裂槽位置的准确识别,在此基础上借助三维可视化数据分析手段,完成拉裂槽信息的有效提取。
3.1 缓倾地层滑坡综合遥感判识标志
张涛等[24]通过对川东缓倾地层滑坡典型案例的调查研究,总结提出此类滑坡变形演化阶段的划分理论及对应识别特征,具体包括: 初期启动阶段斜坡坡面表现出平直状或阶梯状特征,斜坡前部或侧边具备的陡坎临空面或深沟; 中期阶段斜坡圈椅状地貌特征明显,整体地形呈纵向的陡缓相间,发育冲沟与槽谷脊低洼地段组合形成一定的“槽脊相间”地貌特征,后壁具陡坎,后缘可见宽大拉裂槽,中部多见反坡台地,前缘向河谷凸出或被河流深切等; 后期阶段由于剧滑后受长期地质应力作用或人类工程活动改造,因此古(老)缓倾地层滑坡一般无明显识别特征,难被察觉。
基于上述缓倾地层滑坡初期及中期阶段的识别特征,对照HRDEM生成山体阴影图和DOM 2类数据中所包含的色调、形态、纹理和阴影等信息,尤其是植被覆盖下的微地形变化及线性特征,构建用于人机交互解译缓倾地层滑坡的直接或间接标志(图3),以实现此类型地质灾害的准确识别。
图3
图3
缓倾地层滑坡综合遥感识别标志
Fig.3
Flat landslide morphological characteristics in hillshade and DOM
从DOM数据(图3(b))中可知该滑坡总体地形较缓,为山谷平坝地貌,形态特征较明显,呈近椭圆形态,后缘稍有隆起,两侧侧壁迹象显著,前缘略显下沉,但由于林木茂密,用于识别缓倾地层滑坡的诸多重要识别标志均被遮挡,难以进一步判定其类型。而借助机载LiDAR技术获取的HRDEM则可以有效去除植被高度对地面高程测量的影响,其衍生出的山体阴影图(图3(a))可显著反映滑坡微地貌特征,包括滑坡体后缘的圈椅状地貌、拉裂槽、阶梯状地貌,中部的局部反坡台地及槽脊相间地貌,侧缘的临空陡坎和深沟,前缘的陡坎等均可进行有效识别。综合山体阴影图及DOM的判识结果,初步判断该滑坡为一处于中期槽谷缓慢扩张阶段的缓倾地层滑坡。
3.2 缓倾地层滑坡边界判识方法
为克服地质灾害综合遥感识别过程中的边界判定多解性问题,前人基于DEM系列派生产品,就滑坡边界判识应用方面开展了诸多研究[11-12,16⇓⇓⇓⇓-21],包括山体阴影图、坡度图、地表粗糙度图和地形正开度图等在内的多种DEM可视化分析方法均可在一定程度上提升识别准确率,其中又以山体阴影图的应用最为普遍。近年来,随着DEM数据应用技术的长足发展,SVF这一用于描述三维空间形态的新型DEM可视化分析手段,已被引入并应用于高植被覆盖山区地质灾害识别领域。郭晨等[22]通过机载LiDAR数据对复杂山区地质灾害的识别研究,证明SVF数据较常规山体阴影图等方法能更为清晰地反映滑坡整体边界特征,可显著提高地质灾害判识的准确率,对复杂地形植被覆盖区的滑坡识别具备明显优势。
SVF数据作为一种对地表形态开阔度的定量描述,主要通过漫反射的方法有效解决单一光源照射下的阴影问题,可实现复杂地表形态及微地貌特征的增强显示。本文利用SAGA GIS软件平台下Terrain Analysis工具集内的Sky View Factor工具,计算得到目标滑坡范围区的SVF数据(图4(a))。在SVF数据中(图4(a)),缓倾地层滑坡的后壁轮廓极为清晰,受流水侵蚀作用影响形成的右侧壁冲沟线性地貌特征显著,左侧壁局部线性特征及地形凹凸细小差异明显,滑坡前缘边界清楚,较山体阴影图(图4(b))优势显著。此外,SVF数据对滑坡体内局部微地貌特征的展示效果较好,通过对后缘至前缘不同部位微小地形变化信息的增强显示,可将该滑坡进一步划分为后缘隆起区、中部阶梯状缓倾区及前缘陡坎区。滑坡边界识别结果及各亚区位置见图4(b)。
图4
图4
SVF可视化方法对缓倾地层滑坡边界的识别及结果
Fig.4
Identification of flat landslide boundary by SVF visualization method and its results
3.3 缓倾地层滑坡拉裂槽识别方法
缓倾地层滑坡拉裂槽常见于灾害形成初期及中期的短距离拉槽启动阶段,主要由构造作用或卸荷作用下造成的基岩节理裂隙结构面破坏,经后期充水拉张、拉槽扩张后形成,属于缓倾地层滑坡主要识别标志之一。
一般而言,受地表发育植被所限,利用常规遥感影像色调、纹理的差异,较难有效识别拉裂槽的地形突变特征。机载LiDAR数据则可较好规避上述问题,特别是HRDEM派生的系列山体阴影图在拉裂槽识别方面效果尤为显著。山体阴影图通过模拟不同光照角度,以突出渲染和增强拉裂槽的微地貌特征。因此,其具备反映拉裂槽地形突变位置立体形态的能力。但需要指出的是,受滑坡体倾向与光照方位角间关系的影响,入射方位角参数的选取设置,将直接影响所构建山体阴影图的最终识别效果。
基于ArcGIS 10.8平台3D Analyst模块下Hillshade工具构建系列山体阴影图(图5),光源方位角以0°为起始角度,45°为间隔,依次形成不同光源下的地貌渲染栅格图像(图5(a)—(h))。由图5可知,拉裂槽总体走向261°,与其走向方向一致或相反的光源较难反映出滑坡左侧后缘拉裂槽特征,在图5(c)及图5(g)中几乎无法识别; 与走向垂直的2类光源(图5(a)和(e))对拉裂槽线性特征的表现能力则明显较强,而其中又以左侧壁外侧光源(图5(e))对拉裂槽边界显示效果最为理想; 与滑坡体倾向斜交光源(图5(b),(d),(f),(h))则在一定程度上可反映出拉裂槽的局部地貌特征。因此,在识别缓倾地层滑坡拉裂槽时,应优先选取拉裂槽走向方向外侧垂向光源构建山体阴影图进行识别,并结合与走向斜交光源下的系列渲染结果辅以判识,进而实现对拉裂槽位置的准确判断。
图5
图5
滑坡拉裂槽系列山体阴影图及识别结果
Fig.5
Hillshade maps of flat landslide crack groove and its recognition results
3.4 基于三维形态的拉裂槽信息提取
利用ArcScence等可视化软件,可对获取的HRDEM及山体阴影图做进一步处理,实现滑体拉裂槽发育形态特征的精细刻画。通过三维可视化数据分析,构建缓倾地层滑坡侧缘拉裂槽的三维曲面(图6)。其中,HRDEM三维形态较为直观地展示了侧缘拉裂槽发育的整体形态与起伏特征,而山体阴影三维形态则更为清晰地揭示出被植被掩盖的拉裂槽发育规模及边界微地貌特征。
图6
通过三维形态图可知,拉裂槽发育于图6中86 m长度处。其主体延伸长度约150 m,平均宽度约5 m,边缘距底部最大高差近20 m; 拉裂槽外侧为滑坡后侧缘边界,地形较为平坦,内侧地形则陡缓不一,坡度约10°~35°,陡坎临空面较发育,局部见次级垮塌后形成的缓坡台地,并向滑体内侧凸出。结合滑坡体整体特征来看,该拉裂槽走向与主滑方向基本一致,说明其发育与斜坡岩体中节理裂隙充水扩张、拉槽启动及扩张等演化过程密切相关,据此初步推测此缓倾地层滑坡目前处于中期缓慢形变阶段,若后期遇持续强降水,极可能发生剧滑,严重威胁滑坡体上部聚居农户、道路及小型水库安全,属高风险隐患。
4 识别结果验证
为验证机载LiDAR识别结果的有效性,笔者对糯鼓寨村南部滑坡隐患及其拉裂槽开展了野外复核调查。隐患区总体地势东高西低,属构造侵蚀中低山缓坡地貌,山脊狭窄呈线状,植被及水系发育,有聚居农户、水库及村道分布。斜坡表层为第四系滑坡堆积(
从隐患体成灾物质条件、结构条件和有效临空等空间条件看,该隐患所在斜坡坡度约24°、坡向275°,基岩产状近水平,属缓倾地层滑坡。斜坡后缘左侧坡度较陡,局部基岩出露,陡壁长约300 m,走向为NE-SW向,为滑坡隐患左后侧边界; 右前侧为深沟,整体走向257°; 中部呈多级缓坡平台,坡度为5°~14°,局部为反坡台地; 前缘受主冲沟深切割影响,具临空条件。可见,该斜坡后缘较陡、右侧深沟发育、左侧陡坎发育、前缘临空面好,地形地貌条件易于地下水入渗,进而诱发滑坡,威胁聚集区居民、水库及道路安全(受威胁对象位置如图7所示)。
图7
图8
图8
糯鼓寨村滑坡拉裂槽实地调查照片
Fig.8
Field photos of Nuoguzhai Village landslide crack groove
图9
图9
滑坡中部被破坏房屋及地面照片
Fig.9
Photos of damaged houses and ground in the middle of landslide
滑坡体右侧壁中部(图7调查点D处)水泥台阶见延伸近30 m的拉裂缝,裂缝宽1~5 cm,错动距离5~10 cm不等。坡面右侧中下部(图7调查点E处)水泥公路路面见多处开裂下沉,裂缝宽0.5~3 cm,裂缝延伸长20 m,呈弧形展布; 路边农田边坡见格构式水泥护坡,目前部分护坡隆起、挤压变形,局部已断裂(图10)。此外,据当地居民反映,滑坡左侧壁中下部(图7调查点F处)于2017年初新出现一处拉裂缝,每逢雨季变形较强烈,近年来有持续扩张趋势。现场调查判断该拉裂缝同为斜坡基岩节理裂隙充水扩张所致,其延伸长度约500 m,裂缝走向235°,宽1~5 m不等,最大深度近2 m(图11)。结合上述实地调查结果,可判断该隐患确为处于中期缓慢形变阶段的缓倾地层滑坡,其中后部极不稳定,形变位移迹象明显,如遇短时集中降雨等恶劣天气,渗入滑坡体的地表水将造成地下水水位迅速抬升,孔隙水压力骤增,进而改变岩土体受力模式及平衡,斜坡稳定性将大幅下降,极易发生整体滑动,严重威胁该区域12户约60人的生命安全。建议将该隐患纳入群策群防体系,尤其对形变较强部位加强地表水排放措施及汛期排查,尽快开展高精度、高频次遥感更新识别与监测,必要时实施移民搬迁。
图10
图10
滑坡右侧壁中部被破坏设施照片
Fig.10
Photos of damaged facilities in the middle of the right side of the landslide
图11
图11
滑坡左侧壁中下部拉裂缝照片
Fig.11
Photos of tensile cracks at the middle and lower part of the left side of the landslide
5 结论
本文以四川东南部地区缓倾地层滑坡及其拉裂槽识别为主要应用目标,通过对研究区机载LiDAR数据的获取和处理,得到HRDEM数据及其派生的多种可视化产品,利用缓倾地层滑坡综合遥感识别方法,实现基于机载LiDAR数据的滑坡隐患识别标志构建、边界准确判识、拉裂槽位置识别及信息提取,结合野外核查验证结果,从定性和定量2个方面证明了机载LiDAR技术对高植被区缓倾地层滑坡及其拉裂槽识别应用的有效性,并得出以下结论及认识:
1)利用机载LiDAR技术强植被穿透优势,获取川东南地区缓倾地层滑坡真实地表数字高程模型,结合地表微地貌形态构建灾害综合遥感识别标志,是实现缓倾地层滑坡早期识别的可靠方法。
2)基于SVF这一新型可视化分析手段,可清晰反映缓倾地层滑坡整体边界范围,增强显示滑坡体内不同部位微小地形的变化信息,有效降低由遥感判识多解性问题所引起的地质灾害边界误判、错判概率,实现滑坡体边界及内部亚区的精细划分。
3)由机载LiDAR数据派生的系列山体阴影图对拉裂槽识别具显著优势,综合考虑滑坡体倾向与不同光照角度的组合特征,合理构建以拉裂槽外侧垂直光源为主、斜交光源为辅的山体阴影渲染地形,可更为有效地识别和圈定拉裂槽发育位置。
4)通过三维可视化数据分析方法,构建基于机载LiDAR数据的三维曲面,可实现对滑坡体局部拉裂槽真实地形形态及微地貌变化特征的准确表达,并用于拉裂槽范围、拉张槽谷长度、宽度及深度等多要素数据的定量提取。
5)综上,结合机载LiDAR技术与数据可视化分析方法可实现植被发育区缓倾地层滑坡及其拉裂槽的准确识别,特别是对处于灾害发育启动阶段和发育中期具备拉裂槽这一典型特征的缓倾地层滑坡早期识别尤为有效,是避免滑坡隐患在雨季突发剧滑、引发重大地质灾害事故的有效途径之一。本文相关技术方法对缓倾地层滑坡多发区的灾害隐患早期识别、监测及防治应用研究具一定的参考和借鉴价值。
参考文献
缓倾地层滑坡地质力学模型研究——以冯店滑坡为例
[J].
Molybdenite re-os isotopic dating of sangbujiala copper deposit in the south margin of the eastern Gangdese section,Tibet,and its geological implications
[J].
平推式滑坡致灾机理与减灾方法研究进展
[J].
Research advances in translational landslide’s mechanism and risk mitigation
[J].
川东缓倾红层中降雨诱发型滑坡机制研究
[J].
Study of mechanism of landslide induced by rainfall in gently inclined red stratum in east Sichuan basin
[J].
近水平软硬互层斜坡变形破坏机制
[J].
The mechanism of deformation and failure for the slope composed of nearly horizontal competent and incompetent intercalated rock mass strata
[J].
四川省宣汉县天台乡滑坡形成过程和机理分析
[J].
The formation and mechanism analysis of Tiantai landslide,Xuanhan County,Sichuan Province
[J].
万州近水平地层区堆积层滑坡成因与变形破坏特征
[J].
Forming causes and deformation-destruction characters of accumulative stratum landslide in horizontal stratum in Wanzhou
[J].
Stepped settlement: A possible mechanism for translational landslides
[J].DOI:10.1016/j.catena.2019.104365 URL [本文引用: 1]
平推式滑坡成因机制及其稳定性评价
[J].
Genetic mechanism about translational landslide and its safety evaluation
[J].
Effects of the attitude of dominant joints on the mobility of translational landslides
[J].DOI:10.1007/s10346-021-01668-8 URL [本文引用: 1]
Remote landslide mapping using a laser rangefinder binocular and GPS
[J].
基于天-空-地一体化的重大地质灾害隐患早期识别与监测预警
[J].
Integrated space-air-ground early detection,monitoring and warning system for potential catastrophic geohazards
[J].
四川茂县叠溪镇新磨村滑坡特征与成因机制初步研究
[J].
The Xinmocun landslide on June 24,2017 in Maoxian,Sichuan: Characteristics and failure mechanism
[J].
Objective landslide detection and surface morphology mapping using high-resolution airborne laser altimetry
[J].DOI:10.1016/S0169-555X(03)00164-8 URL [本文引用: 2]
Use of LIDAR in landslide investigations:A review
[J].DOI:10.1007/s11069-010-9634-2 URL [本文引用: 2]
LiDAR技术在地质环境中的主要应用与展望
[J].
LiDAR technology and its application and prospect in geological environment
[J].
LiDAR技术在活动构造研究中的应用
[J].
LiDAR survey in active tectonics studies:An introduction and overview
[J].
基于LiDAR的海原断裂松山段断错地貌分析与古地震探槽选址实例
[J].
Tecto-geomorphic analysis and selection of trench sites along Haiyuan fault in Songshan site based on high-resolution airbone LiDAR data
[J].
机载LiDAR技术在地质调查领域中的几个典型应用
[J].
Typical applications of airborne LiDAR technique in geological investigation
[J].
复杂山区地质灾害机载激光雷达识别研究
[J].
Geohazard recognition by airborne LiDAR technology in complex mountain areas
[J].
四川通江县地质灾害特征及影响因素分析
[J].
Geological hazards and their influence factors in Tongjiang,Sichuan
[J].
