我國黃土分布廣泛，黃土地區占了我國約 10%的國土面積，滑坡災害也成為了黃土地區主要地質災害，嚴重影響了黃土高原地區的經濟發展，自1968年開始提水灌溉后，甘肅省黑方臺已發生了100多次滑坡，平均每年3-5次，被國內外稱為黃土滑坡的“天然實驗室”。滑坡的早期識別以及監測預警一直是世界公認的難題。地面監測手段從傳統的人工監測到如今迅猛發展的GPS、自動裂縫計等都具有一定的盲目性，由于監測區域大，無法精確定位監測點，因而撒網式布設監測儀器收效甚微，常常布設的儀器在一夜之間隨滑坡滑走，損失較嚴重。新興發展的具有大范圍監測能力的InSAR 技術應用于滑坡早期識別和形變監測具有較好的結果，但是由于InSAR 技術的數據處理困難，費用昂貴，設備和使用條件的各種限制，應用并不廣泛。無人機攝影測量技術具有成本相對較低、機動性能好、靈活高效、產品精度高等特點，不僅可以進行滑坡的精細化測繪，而且將兩期高精度DEM進行差分處理，即可發現正在變形的區域，進而對這些區域布設地面監測儀器進行重點監測，在掌握滑坡成因模式、變形破壞特點以及變形運動規律的基礎上，就能實現滑坡災害的監測預警，保障當地居民的生產生活安全。

本文基于攝影測量技術，使用飛馬F1000無人機對甘肅省黑方臺滑坡進行了多期航拍，通過無人機飛行獲得測區的點云數據、三維模型數據和正射影像圖。使用多期數據處理方法將兩期航拍三維網格模型進行處理、配對校準和差分分析。進而通過現場調查和現有地面監測數據對差分模型識別變形的可靠性進行了驗證，從而實現了區域的滑坡早期變形識別，進而對識別出的重點變形區域布設裂縫計、GPS等傳感器采集滑坡形變信息，并結合多年來對黑方臺黃土滑坡調查研究而提出的滑坡預警模型，在2018年5月13日和2018年10月1日成功預警兩起黃土滑坡，提前8小時系統自動發布預警信息，及時撤離相關村民，避免了人員傷亡，實現了該區黃土滑坡的監測預警。

技術路線圖

1、無人機裝備和飛行參數設計

本次航拍采用飛馬F1000電動固定翼無人機，其機身采用EPO高強度塑料，飛機連接部位使用炭纖維復合材料，因此其機身重量輕。飛馬1000的最大續航時間為1.5h（黑方臺實際作業時間約為1h），除開搭載GPS和GLONASS外，還使用了北斗衛星導航系統，因此飛機定位精度更高，該機型使用的相機為SonyILCE-5100_E20mmF2.8_20.0_60004000 (RGB)。該飛機具有良好的續航能力，最大的優點是實現了全程智能飛行，無操控手無遙控器。出于對飛行面積和飛行時間的考慮，并保證較高的地面分辨率，該區域相對飛行高度為200m，航向重疊率為80%，旁向重疊率為60%，平均地面分辨率約為4cm。覆蓋整個臺塬飛行的面積約為30km²，分7個架次完成，對于三大重點區域采取分段飛行，分段飛行面積均控制在5km²以內。從2016年開始，每年定期對黑方臺進行無人機航拍，每年約4-5次，并在灌溉導致的滑坡高發期加大飛行頻率。

現場作業照片

圖3：飛馬無人機管家航線規劃

2、地面控制點布置和測量

為了對測區航拍影像進行矯正、建立控制網并為影像定義坐標系統，在使用無人機進行航拍獲取影像數據之前需要對測區布設一定數量的地面控制點。地面控制點需要在航拍照片中清晰可見以便后期數據處理中能夠人為識別刺點，其分布需要覆蓋測區并在地形和高程變化較大的區域加大布設密度。黑方臺地面控制點是專門為航拍所做的人工標識。根據無人機航拍高度和地面分辨率，考慮到作業效率以及長期航拍的目的，黑方臺人工地面控制點使用油漆在地面上做直角形狀的標識，長款尺寸為1m x 1m，直角兩邊油漆寬度為40cm，如圖4所示的直角油漆標識。由于現場條件所限，這些油漆點一部分分布在現成道路邊，一部分分布在人工制成的混凝土板上，混凝土板主要布設在測區臺塬邊及滑坡堆積體上。黑方臺的地面控制點分布如圖3-5所示。

圖4；地面控制點制作過程

在制作好地面控制點后還需要對地面控制點的坐標進行測量，選取直角標識的內角作為測量點。為提高測量的精度，在黑方臺布設一級基準點14個，布設原則是能完全覆蓋測量區域并且能反映高程變化。第一步先在臺塬穩定區域埋設混凝土鋼筋樁；第二步待混凝土強度穩定后，使用RTK對基準點進行靜態測量，測量時間為1個小時；第三步對靜態數據進行解算，獲得測點的坐標位置；第四步在靜態坐標基礎上，對地面控制點進行動態測量。     

圖5：RTK靜態測量和動態測量

黑方臺采用Xian 1980 / 3-degree Gauss-Kruger CM 102E (egm96)坐標系統，所有航拍影像后期解算均使用該坐標系，以確保多期數據在同一坐標系下進行比較。一級測量基準點位置見圖6。

圖6：黑方臺測量基準點和地面控制點位置分布

3、飛行作業

根據預先的航線規劃選擇合適的飛行場地進行飛行。要求地勢相對平坦，在半徑為120m的范圍內沒有建筑物、大樹和電塔等阻擋，保證飛機起降的安全；起飛點位置與作業區域不能太遠，以便提高無人機電池利用率。

4、數據處理

在外業飛行的基礎上，選用了Pix4d Mapper軟件作為黑方臺數據處理軟件，通過數據預處理、空中三角測量、影像匹配、影像融合、數字產品生產等步驟，主要獲得測區的點云數據（Points Cloud）、三維模型（3D-Model）（圖3-9），數字正攝影像圖（DOM）等一系列數字產品（圖7）。

圖7：航拍點云、三維模型、正射影像

5、滑坡早期識別與監測預警

在對研究區進行多期無人機航拍的基礎上獲得了多期黑方臺DSM模型，先將兩期模型進行定位對齊配準，然后在模型配準的基礎上將兩期模型高程值相減得到差分模型，以此求得該區域相應時間段內的豎直位移量，對滑坡頻發的黨川段、焦家段和陳家段進行重點研究，在豎直位移量較大所反映的變形較大部位合理布設裂縫計和GPS等地面監測設備，從而有針對性地加大監測力度，實現滑坡的早期識別和監測預警。

1）變形驗證

使用無人機攝影測量技術獲得的變形識別由于受到精度的影響，其識別正確與否還需要現場的監測數據和調查情況進行復核。

a.大變形驗證

根據現黨川2號滑坡發生于2015年4月29日，根據2015年1月和2016年5月兩期模型差分的結果，該滑坡最大滑動深度約34m，最大堆積深度約24m（圖9），滑坡體積約為32.4萬m³，與實測值較為相符。黨川3號滑坡發生于2015年8月3日，滑動體積約為0.6萬m³，滑動前后正攝影像見圖9，也與實際情況吻合。由此可見，使用無人機攝影測量技術對于已經發生滑坡的滑坡識別是行之有效的，且能通過將相關區域地形數字化，可以得出滑坡的滑動體積。

圖8：黨川2015/01-2016/05差分模型

圖9：黨川2號和黨川3號滑動前后正攝影像圖

b.小變形驗證

黨川段2015.01—2016.05的兩期差分模型顯示，黨川3號左側存在一明顯變形（圖10），期間變形量約30-40cm，現場布設的裂縫計顯示，從2015年10月到2016年5月，1號裂縫計、2號裂縫計和3號裂縫計的累計位移一直持續增長，最大累計位移27cm（圖11）。雖然地表裂縫計所監測主要是起點和終點之間的斜距變化情況，但向臨空面方向發展的裂縫變形必然伴隨著豎直方向的變形。由此可見差分模型的變形較為可靠。

圖10：黨川2017/01-2017/02差分模型（小變形）

圖11：黨川3號左側裂縫影像及裂縫計數據

2）潛在滑坡早期識別

圖12為陳家6#和8#在2016.05—2017.03之間的差分模型，其中從圖a和圖b中已經分別識別出陳家6#和陳家8#后緣存在明顯變形。從現場照片來看,滑坡后緣裂縫有變寬趨勢，錯臺沉降明顯增加。圖13是黨川段2016.05-2015.01的差分模型，從模型中可以識別出6處變形明顯的區域，分別是DC#2左右兩側，DC#3左側、DC#9、DC#4和DC#5。

根據黨川段和陳家段滑坡多發區域的的多期差分模型，并結合現場實際變形情況，在臺塬邊合理位置布設了自動位移計，以期通過自動位移計實時監測滑坡變形情況，對滑坡進行臨滑預警。

圖12：陳家6#和8#差分模型和后緣裂縫和錯臺對比

圖13 黨川段差分模型：（a）2016/05-2015/01;（b）2017/01-2016/05.

3）監測預警成功案例

根據無人機多期差分模型識別出的變形情況，結合現場情況，在變形較明顯的臺塬邊上布設了多臺自動位移計進行位移監測，2017 年 5 月 13 日上午 9:52 分，陳家 6#滑坡后壁產生兩處小規模滑動，其中右側的滑動位于自動位移計的監測范圍內，滑坡體積約 600m3，自動位移計完整捕捉了此次滑坡的全過程變形曲線并在變形超過紅色閾值后 1 分鐘內發出了預警信息，當地人員迅速采取了相關防范措施，未造成人員傷亡和財產損失（圖 14）。

圖14：（a）陳家 6#滑坡自動位移計布設位置;（b）陳家 6#滑坡變形曲線特征；（c）陳家 6#滑坡紅色預警短信

黨川4#滑坡9月30日變形速率達45.93mm/d。預警系統在9月30日17時50分自動發出紅色預警，當晚緊急撤離20余戶居民，10月1日凌晨1點至5點先后三次滑坡，總體積約35萬m3，未造成任何人員傷亡，成功預警后，許多媒體都進行了相關報道（圖15）。

圖15：黨川4#滑坡預警信息及相關報道

6、精度分析

因該區域無人機飛行時間跨度較大，次數較多，但精度基本相同，現選取焦家和陳家段2017年1月飛行時的地面控制點和檢查點來進行精度分析，之后的飛行隨著控制點的增多，相對精度也在逐漸提高。

焦家和陳家段共使用地面控制點69個，檢查點24個，航拍核心區域為圖中陰影區域，黃色陰影是陳家段，藍色陰影是焦家段（圖16）。地面控制點和檢查點在塬邊和滑坡體上均有布設，位置和數量已經能夠將目標區域完全覆蓋。

圖16：2017/01黨川段、焦家和陳家段地面控制點和檢查點分布圖

如表1所示：焦家和陳家段控制點在平面上均方根誤差在0.021m內，最大誤差為0.059m；高程上均方根誤差為0.033cm，最大誤差為0.073cm；而檢查點在平面上的均方根誤差和最大誤差分別為0.042m和-0.074m，在高程上均方根誤差為0.039m，最大誤差為-0.063m。因此2017年1月焦家和陳家段航拍的平面精度為7.4cm，高程精度為7.3cm。后期通過適當增加控制點，將精度提高到了6cm以內。

根據在黑方臺布置的監測儀器所反映的斜坡形變數據可知，一般滑坡從初始變形、等速變形到加速變形階段產生的形變量往往為幾十厘米，這個形變量遠大于高程上的最大誤差，因而證明該方法在黃土滑坡早期識別中能夠很好應用。

表1：2017.01焦家和陳家段地面控制點和檢查點的誤差

本項目采用無人機攝影測量的方法，獲取研究區多時序無人機影像及三維數字產品，通過RTK測量保證精度減小誤差的條件下，利用多期模型差分計算，找到了黑方臺黃土臺塬邊正在變形的區域，解決了滑坡早期識別的難題，從而有針對性地布設裂縫計、GPS等監測儀器，進而利用實地調查結合科學研究開發的預警模型，對滑坡形變數據進行實時自動分析判斷，從而實現了該區域滑坡的自動監測預警，并兩次成功提前預警滑坡，創新性突破了黃土滑坡預警難題，另外該方法在滑坡等地質災害變形識別以及體積、面積量測方面具有較高的實用性。

近些年無人機低空攝影測量行業的飛速發展，無人機攝影測量技術受各類因素影響較小，作業靈活、高效，產品精度高等一系列優點，在滑坡早期識別尤其是滑坡精細化測繪方面具有重要的實用價值和科學意義。隨著無人機定位精度、拍照精度、續航能力的進一步提升，相信其在地質災害防治領域將會有更為廣闊的前景。