詹俏 甘淑 楊敏

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目（41861054，41561083）

作者簡(jiǎn)介：詹俏（1994-），女，昆明理工大學(xué)國(guó)土資源工程學(xué)院碩士研究生，研究方向?yàn)槿S激光掃描技術(shù)的應(yīng)用研究;甘淑（1964-），女，博士，昆明理工大學(xué)國(guó)土資源工程學(xué)院教授、博士生導(dǎo)師，研究方向?yàn)橘Y源環(huán)境遙感與GIS空間分析技術(shù)應(yīng)用。本文通訊作者：甘淑。

摘 要：針對(duì)傳統(tǒng)測(cè)量技術(shù)在滑坡監(jiān)測(cè)時(shí)的不足，以云南省小江流域大白泥河泥石流溝的一伴生滑坡體為試驗(yàn)對(duì)象，利用TLS技術(shù)對(duì)滑坡體進(jìn)行兩個(gè)時(shí)期的點(diǎn)云數(shù)據(jù)采集，經(jīng)過(guò)點(diǎn)云配準(zhǔn)、點(diǎn)云濾波等點(diǎn)云數(shù)據(jù)預(yù)處理得到處理后點(diǎn)云，在此基礎(chǔ)上提取滑坡體地表特征并進(jìn)行變化檢測(cè)分析，提出一整套比較直觀、全面的滑坡體地表特征變化檢測(cè)方法。該方法基于坡度坡向比較、DEM差值比較、剖面線比較檢測(cè)滑坡體地表特征形變量和形變趨勢(shì)，對(duì)泥石流物源量進(jìn)行估算，有助于預(yù)估泥石流災(zāi)害爆發(fā)時(shí)的危害程度和范圍，從而減少泥石流災(zāi)害帶來(lái)的損失。

關(guān)鍵詞：地面激光掃描;滑坡體;點(diǎn)云數(shù)據(jù);地表特征

DOI：10. 11907/rjdk. 191937 開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

中圖分類號(hào)：TP319文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2019）008-0140-04

Experimental Study on TLS for Detecting Surface Changes of Landslides

ZHAN Qiao，GAN Shu，YANG Min

（Faculty of Land Resource Engineering， Kunming University of Science and Technology， Kunming 650093， China）

Abstract：In view of the shortcomings of traditional measurement technology in landslide monitoring， this paper takes an associated landslide body of Dabaini river debris flow gully in Xiaojiang Basin of Yunnan Province as an experimental object， and uses TLS technology to collect point cloud data for two periods. After point cloud registration and point cloud filtering， the point cloud data are pretreated and processed. Based on the point cloud data， the landslide surface features are extracted and analyzed， and a set of intuitive and comprehensive landslide surface features change detection methods are given. Based on the comparison of slope gradient and direction， DEM difference and section line， the deformation and trend of surface features of landslides are compared and detected. By estimating the amount of debris flow material source， the degree and scope of hazards in the outbreak of debris flow hazards can be estimated. Effective prediction is carried out to reduce the losses caused by debris flow disasters.

Key Words： terrestrial laser scanner;landslide body; point cloud data; surface characteristics

0 引言

泥石流溝伴生滑坡體指泥石流溝谷兩側(cè)伴生坡體上的土體或巖體，受降雨和地形等因素影響，在重力作用下整體或分散地沿著軟弱面或軟弱帶順坡向下滑動(dòng)的一種自然現(xiàn)象[1]，是泥石流主要物源。其誘發(fā)因素主要為強(qiáng)降雨導(dǎo)致水土流失，若伴隨泥石流災(zāi)害一起爆發(fā)則會(huì)造成嚴(yán)重的經(jīng)濟(jì)損失和人員傷亡。對(duì)滑坡體地表特征變化進(jìn)行有效檢測(cè)一方面可掌握泥石流的活躍情況，為泥石流監(jiān)測(cè)預(yù)報(bào)提供可靠依據(jù);另一方面可以精確地估算其物源量，進(jìn)而有效預(yù)估泥石流爆發(fā)時(shí)的危害范圍，一定程度上減少泥石流災(zāi)害帶來(lái)的損失。

目前，用于滑坡變形監(jiān)測(cè)方法大致可歸納為以下3種：①傳統(tǒng)基于雙經(jīng)緯儀的檢測(cè)方法，該方法操作簡(jiǎn)單，作業(yè)速度快，成本低，但僅適用于小范圍的檢測(cè)對(duì)象，且精度較低[2];②現(xiàn)代GPS/GNSS檢測(cè)方法，該方法在作業(yè)性能上有很大改進(jìn)，有全天候、時(shí)效性及測(cè)量精度高等優(yōu)點(diǎn)，但僅獲取單點(diǎn)信息，對(duì)大型滑坡進(jìn)行觀測(cè)時(shí)，觀測(cè)工作量也會(huì)隨之增大，且所獲取數(shù)據(jù)的完整性受地形條件約束[3-5];③利用不同時(shí)期衛(wèi)星遙感源數(shù)據(jù)生成的DEM對(duì)滑坡進(jìn)行“面”狀地表變形分析，但是獲取的DEM精度較低，難以刻畫(huà)地表微小變形的精細(xì)特征[6]。因此，上述方法對(duì)于大范圍、地形條件復(fù)雜的滑坡體檢測(cè)均具有不足之處。

近些年來(lái)，地面激光掃描技術(shù)（Terrestrial Laser Scanner，TLS）因其全自動(dòng)、非接觸、高密度的三維數(shù)據(jù)獲取手段和高精度產(chǎn)品獲得快速發(fā)展，越來(lái)越多地被應(yīng)用于滑坡變形監(jiān)測(cè)領(lǐng)域。本文以東川小江大白泥河泥石流溝的某伴生滑坡體為研究對(duì)象，運(yùn)用TLS技術(shù)對(duì)泥石流溝滑坡體進(jìn)行點(diǎn)云數(shù)據(jù)采集，經(jīng)過(guò)點(diǎn)云配準(zhǔn)、濾波去噪等預(yù)處理過(guò)程得到地表點(diǎn)云數(shù)據(jù)，基此數(shù)據(jù)開(kāi)展坡度、坡向、地表粗糙度和精細(xì)化DEM等滑坡體地表特征提取及其變化檢測(cè)分析，以達(dá)到更直觀檢測(cè)滑坡體地表特征變化的目的。

1 試驗(yàn)區(qū)與數(shù)據(jù)預(yù)處理

1.1 試驗(yàn)區(qū)概況

試驗(yàn)區(qū)位于昆明市東川區(qū)小江流域的大白泥河泥石流溝內(nèi)，地處小江流域的中下游地段。該試驗(yàn)區(qū)山高谷深，地勢(shì)陡峻，是云南省泥石流主要發(fā)育帶和集中分布區(qū)，被稱為“泥石流災(zāi)害的天然博物館”[7];其發(fā)育在小江深大斷裂帶，巖層古老而破碎，巖性軟弱而易坍，固體松散物質(zhì)豐富;地形高差較大，構(gòu)成顯著的立體氣候和旱雨季分明的特點(diǎn)[8];由于其特殊的地質(zhì)地貌環(huán)境條件及風(fēng)蝕作用導(dǎo)致該區(qū)滑坡、崩塌，泥石流災(zāi)害頻發(fā)。試驗(yàn)區(qū)與站點(diǎn)布設(shè)如圖1[9]所示，圖片源于Google Earth。

圖1 試驗(yàn)區(qū)與站點(diǎn)布設(shè)

1.2 數(shù)據(jù)采集及預(yù)處理

為檢測(cè)滑坡體的變化情況，用MAPTEK I-Site 8200型地面三維激光掃描儀在2017-03-25（I期）和2018-03-09（II期）進(jìn)行兩期野外數(shù)據(jù)采集，每期采集設(shè)置3個(gè)測(cè)站的掃描任務(wù)，分別獲取點(diǎn)云2 658 713個(gè)和3 363 318個(gè)。

TLS獲取的點(diǎn)云數(shù)據(jù)存在不同測(cè)站、不同期的數(shù)據(jù)空間坐標(biāo)不統(tǒng)一、點(diǎn)云中存在干擾變化檢測(cè)的非地面點(diǎn)等問(wèn)題，因此在數(shù)據(jù)使用之前需對(duì)其進(jìn)行空間配準(zhǔn)和點(diǎn)云濾波等預(yù)處理。空間配準(zhǔn)指將多個(gè)掃描站的點(diǎn)云或多期點(diǎn)云統(tǒng)一在同一坐標(biāo)系下，包括粗配準(zhǔn)和精配準(zhǔn)兩個(gè)步驟。由于本文采用基于GPS站點(diǎn)掃描模式[9]獲取點(diǎn)云，故在數(shù)據(jù)采集過(guò)程中已完成點(diǎn)云粗配準(zhǔn)。之后再采用迭代最近點(diǎn)（iterative closest point，ICP）算法[10]實(shí)現(xiàn)點(diǎn)云精配準(zhǔn)，該算法以六參數(shù)為基礎(chǔ)，通過(guò)查找兩測(cè)站重疊區(qū)域的最近點(diǎn)集，并通過(guò)設(shè)置最近點(diǎn)集間的距離閾值，計(jì)算滿足該閾值最近點(diǎn)集的旋轉(zhuǎn)矩陣和平移參數(shù)。

在LiDAR點(diǎn)云濾波方法方面，大致可分為顧及地形坡度的濾波法、基于不規(guī)則三角網(wǎng)法、數(shù)學(xué)形態(tài)學(xué)法、移動(dòng)窗口法、迭代最小二乘內(nèi)插法等幾類[11]。本文根據(jù)試驗(yàn)區(qū)地形地貌特征，采用一種基于區(qū)域增長(zhǎng)漸進(jìn)加密TIN濾波方法[12]。該方法基本原理為：首先對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行中值濾波處理，剔除噪點(diǎn);其次，對(duì)去噪后的點(diǎn)云數(shù)據(jù)進(jìn)行網(wǎng)格化處理，提取網(wǎng)格中的最低點(diǎn)作為初始三角網(wǎng)的種子點(diǎn)，構(gòu)建初始TIN;然后，通過(guò)設(shè)定閾值，利用漸進(jìn)加密TIN原理對(duì)原始點(diǎn)云進(jìn)行地面點(diǎn)分離和區(qū)域增長(zhǎng);最后，當(dāng)TIN中不再有新的點(diǎn)添加時(shí)，基本地形已經(jīng)形成，即完成區(qū)域增長(zhǎng)，濾波結(jié)束。為進(jìn)一步保證試驗(yàn)的濾波效果，在完成基于區(qū)域增長(zhǎng)漸進(jìn)加密TIN濾波后，可采用手動(dòng)濾波方法再進(jìn)行一次濾波處理。

2 泥石流溝伴生滑坡體地表特征變化檢測(cè)

2.1 滑坡體地表特征提取

2.1.1 坡度坡向提取

地形因素是影響滑坡發(fā)育過(guò)程的重要因素，不僅影響滑坡程度，還影響滑坡速率。本文利用ArcGIS提取其整體坡度、坡向、地表粗糙度等地形特征定量分析滑坡體地表幾何形態(tài)。根據(jù)預(yù)處理后的點(diǎn)云數(shù)據(jù)，運(yùn)用ArcGIS平臺(tái)提取試驗(yàn)區(qū)坡度坡向并進(jìn)行坡度分級(jí)統(tǒng)計(jì)。如圖2和表1所示，滑坡體模型表面積為48 200.50m2，最高點(diǎn)高程為? ? ? 1 561.42m，最低點(diǎn)高程為1 424.68m，滑坡體落差為136.74m;滑坡體最大坡度接近74°，坡度大于35°的面積占滑坡體總面積的65.91%。

圖2 滑坡體地形特征

表1 滑坡體坡度分級(jí)統(tǒng)計(jì)結(jié)果

滑坡體坐北朝南，山脊兩側(cè)坡面東西向顯著;地表粗糙度為在地面特定距離內(nèi)地面表面積與其在水平面上的投影面積之比，反映宏觀區(qū)域內(nèi)地面的破碎程度，與水土流失密切相關(guān)。該滑坡體區(qū)域的地表粗糙度為1.32。

2.1.2 DEM提取

DEM （數(shù)字高程模型） 通常定義為在x、y域（規(guī)則或不規(guī)則）離散點(diǎn)上，以高程表達(dá)地面起伏形態(tài)的數(shù)字集，是一種對(duì)空間起伏變化進(jìn)行連續(xù)表示的方法，可派生出坡度、坡向、坡度變化率等信息，用于地形信息相關(guān)的應(yīng)用[13]。由于點(diǎn)云數(shù)據(jù)高精度、高密度的特征，利用其生成的高分辨率DEM可以更準(zhǔn)確、真實(shí)地表達(dá)三維地面信息。本文試驗(yàn)利用預(yù)處理后的點(diǎn)云數(shù)據(jù)構(gòu)建TIN模型，由TIN模型生成所需DEM，利用兩期DEM進(jìn)行滑坡體地表高程變化探測(cè)，對(duì)泥石流物源量進(jìn)行估算并生成剖面線以探測(cè)滑坡體形變信息。

2.2 滑坡體地表特征變化檢測(cè)

2.2.1 基于坡度坡向比較的變化檢測(cè)

將基于兩期點(diǎn)云數(shù)據(jù)提取的坡度進(jìn)行分級(jí)統(tǒng)計(jì)面積，如圖3所示。當(dāng)坡度小于等于25°時(shí)，II期各級(jí)坡度面積比對(duì)應(yīng)的I期各級(jí)坡度面積有所增加，在坡度為5°～8°范圍內(nèi)，II期面積比I期面積增加了753.38m2，說(shuō)明滑坡體堆積導(dǎo)致該坡度范圍內(nèi)的面積增加;當(dāng)坡度大于25°時(shí)，II期各級(jí)坡度面積比對(duì)應(yīng)的I期各級(jí)坡度面積均有所減少，在坡度為35°～73.47°范圍內(nèi)，II期面積比I期面積減少了694.99m2，說(shuō)明滑坡體下滑導(dǎo)致該坡度范圍內(nèi)的面積減少。在本文滑坡體中，坡體坡度均大于25°，屬于容易觸發(fā)滑坡的一個(gè)角度范圍，坡度對(duì)滑坡的發(fā)育具有重要影響作用，一直被認(rèn)為是影響滑坡穩(wěn)定性的重要因素。

圖3 坡度分級(jí)統(tǒng)計(jì)面積變化分析

將I期和II期坡向數(shù)據(jù)進(jìn)行差分對(duì)比，滑坡體坡向檢測(cè)如圖4所示。整體上山脊兩側(cè)坡面坡向變化較小，山谷處及河灘處坡向變化較大，說(shuō)明該滑坡體坡面滑坡特征不明顯，但山脊山谷處滑坡特征明顯。同時(shí)，由圖2（b）和圖5可以看出，該坡體坐北朝南，東西向坡體太陽(yáng)輻射吸收不均，東向坡體表現(xiàn)為坡體下滑，西向坡體表現(xiàn)為坡體堆積，兩者有著明顯的滑坡表現(xiàn)差異。因此，坡向也影響著滑坡發(fā)育狀況，在自然發(fā)育的滑坡條件下，不同的水熱條件導(dǎo)致坡體地貌各要素有規(guī)律性分布，進(jìn)而潛在地導(dǎo)致滑坡發(fā)育具有坡向性。

2.2.2 基于DEM比較的變化檢測(cè)

通過(guò)數(shù)據(jù)處理后分別得到兩期DEM模型，用I期DEM模型減去II期DEM模型，從而可以得到滑坡體2017年3月25日和2018年3月9日的高程差值，如圖5所示（見(jiàn)封二彩圖）。其中正值表示高程降低，屬于滑坡體的下滑區(qū)，負(fù)值表示高程增加，屬于滑坡體的堆積區(qū)。從2017年3月25日到2018年3月9日期間，滑坡體的大致表現(xiàn)為東向坡體向下滑動(dòng)并在紅圈1處形成一定的局部堆積區(qū)，其中，坡體下滑導(dǎo)致坡體高程值下降約為0.3m，在紅圈1處出現(xiàn)0.8m左右的局部隆起。在圖5中，黑圈處形變量異常，有4～8m的高程差值，通過(guò)查看原始點(diǎn)云，發(fā)現(xiàn)在I期數(shù)據(jù)掃描時(shí)，形變量異常處由于植被茂密或有地物遮擋等因素導(dǎo)致該處點(diǎn)云數(shù)據(jù)稀少和缺失，從而導(dǎo)致DEM提取錯(cuò)誤。在后續(xù)泥石流物源量估算過(guò)程中，該部分?jǐn)?shù)據(jù)將會(huì)被剔除。

圖4 滑坡體坡向變化檢測(cè)? ? ? 圖5 基于DEM的滑坡體變形分析

3 結(jié)果分析與討論

本文通過(guò)兩期點(diǎn)云數(shù)據(jù)對(duì)滑坡體進(jìn)行了基于坡度、坡向、DEM的變化檢測(cè)，取得了較好的檢測(cè)結(jié)果。在坡度為5°～8°范圍內(nèi)，II期面積比I期面積增加了753.38m2;在坡度為35°～73.47°范圍內(nèi)，II期面積比I期面積減少了694.99m2，說(shuō)明滑坡在坡度較陡處發(fā)生下滑，在坡度較低處形成堆積;山脊兩側(cè)坡面坡向和高程變化較小，而山谷處及河灘處坡向和高程變化較大，說(shuō)明該滑坡體坡面滑坡特征不明顯，但山脊山谷處滑坡特征明顯。整體而言，該滑坡體在2017年3月25日至2018年3月9日期間處于一個(gè)較為穩(wěn)定的狀態(tài)。

為了進(jìn)一步對(duì)滑坡進(jìn)行形變趨勢(shì)分析，本文還對(duì)該滑坡體進(jìn)行了剖面分析及泥石流物源量估算。根據(jù)兩期點(diǎn)云數(shù)據(jù)生成的高精度DEM，可以繪制出滑坡剖面線，將同一位置的滑坡剖面線放在同一坐標(biāo)系下比較，可以直觀地觀察到滑坡體形變趨勢(shì)，如圖6所示。

圖6 滑坡體剖面線變化檢測(cè)

同時(shí)，將兩期DEM進(jìn)行差值計(jì)算可得到差值柵格文件，利用差值柵格文件，通過(guò)條件函數(shù)和設(shè)定閾值將點(diǎn)云稀疏和缺失區(qū)域剔除，即可計(jì)算出2017年3月25日到2018年3月9日該滑坡體為泥石流提供的物源量為31 460.347立方米。

4 結(jié)語(yǔ)

與傳統(tǒng)滑坡檢測(cè)方法相比，TLS技術(shù)具有方便快捷、全數(shù)字化、高精度、測(cè)量方式靈活、非接觸測(cè)量的特點(diǎn)。本文以昆明市東川小江流域大白泥河泥石流溝的某滑坡體為例，利用TLS技術(shù)對(duì)大范圍滑坡體進(jìn)行地表特征提取及變化檢測(cè)?；谄露取⑵孪虮容^與DEM差值比較，剖面線比較檢測(cè)了滑坡體的特征形變量和形變趨勢(shì)，通過(guò)對(duì)泥石流物源量進(jìn)行估算可以對(duì)泥石流災(zāi)害爆發(fā)時(shí)的危害程度和范圍進(jìn)行有效預(yù)估，從而減少泥石流災(zāi)害帶來(lái)的損失。試驗(yàn)結(jié)果表明，TLS技術(shù)以其獨(dú)特的面測(cè)量方式，能夠獲取帶有豐富地表特征信息的點(diǎn)云數(shù)據(jù)。利用這些點(diǎn)云且通過(guò)一定的技術(shù)手段能夠檢測(cè)到滑坡體局部特征變化，以實(shí)現(xiàn)對(duì)檢測(cè)對(duì)象宏觀和微觀兩方面的檢測(cè)分析，從而達(dá)到更直觀、全面、多方位的檢測(cè)目的。

滑坡發(fā)生具有不確定性，TLS技術(shù)的快速發(fā)展為滑坡變形檢測(cè)提供了一種新的解決方案，在滑坡精細(xì)化監(jiān)測(cè)和應(yīng)急監(jiān)測(cè)中具有良好的應(yīng)用前景。

參考文獻(xiàn)：

[1] 朱涯，黃瑋，李蒙，等. 云南省山洪地質(zhì)災(zāi)害分布特征及致災(zāi)因子分析[J].災(zāi)害學(xué)，2018，33（3）：96-100.

[2] 姜晨光，蓋玉松，王尤選，等. 雙經(jīng)緯儀監(jiān)測(cè)小范圍滑坡的研究與實(shí)踐[J].東北測(cè)繪，2000（4）：40-42.

[3] 徐紹銓，程溫鳴，黃學(xué)斌，等. GPS用于三峽庫(kù)區(qū)滑坡監(jiān)測(cè)的研究[J]. 水利學(xué)報(bào)，2003（01）：114-118.

[4] 李遠(yuǎn)寧，馮曉亮.? GPS在三峽水庫(kù)區(qū)云陽(yáng)縣滑坡監(jiān)測(cè)中的應(yīng)用[J]. 中國(guó)地質(zhì)災(zāi)害與防治學(xué)報(bào)，2007（1）：124-127.

[5] 霍欣杰，崔磊，蔣國(guó)輝，等.? 淺析三維激光掃描儀在邊坡變形監(jiān)測(cè)中的應(yīng)用[J]. 測(cè)繪通報(bào)，2017（11）：157-158.

[6] 薛強(qiáng)，張茂省，唐亞明，等.? 基于DEM的黑方臺(tái)焦家滑坡變形分析[J]. 水文地質(zhì)工程地質(zhì)，2011，38（1）：133-138.

[7] 曾璇. 東川泥石流形成條件及治理對(duì)策探討[J]. 中山大學(xué)研究生學(xué)刊：自然科學(xué)2醫(yī)學(xué)版，2016，37（3）：37-46.

[8] 師焰方. 東川小江流域生態(tài)環(huán)境與可持續(xù)發(fā)展[J]. 云南環(huán)境科學(xué)，2000（3）：41-43.

[9] 楊敏，甘淑，袁希平，等. 復(fù)雜帶狀地形條件下的地面三維激光掃描點(diǎn)云數(shù)據(jù)采集與配準(zhǔn)處理試驗(yàn)[J]. 測(cè)繪通報(bào)，2018（5）：35-40.

[10] ABELLáN A，VILAPLANA J M.CALVET J，et al. Rockfall monitoring by terrestrial laser scanning-case study of the baseitic rock face at Castellfollit de la Roca （Catalonia，Spain）[J]. Natural Hazards and Earth System Science，2011，11（3）：829-841

[11] 陳靜，陳仁喜.? 基于TIN漸次加密的LiDAR點(diǎn)云數(shù)據(jù)濾波[J]. 測(cè)繪與空間地理信息，2014，37（11）：107-110.

[12] 李卉，李德仁，黃先鋒，等. 一種漸進(jìn)加密三角網(wǎng)LIDAR點(diǎn)云濾波的改進(jìn)算法[J]. 測(cè)繪科學(xué)，2009，34（3）：39-40+216.

[13] 劉珊珊.? DEM數(shù)據(jù)生產(chǎn)中點(diǎn)云數(shù)據(jù)處理方法探討[J]. 測(cè)繪與空間地理信息，2018，41（8）：172-174.