詹俏 甘淑 楊敏

基金項目：國家自然科學基金項目（41861054，41561083）

作者簡介：詹俏（1994-），女，昆明理工大學國土資源工程學院碩士研究生，研究方向為三維激光掃描技術的應用研究;甘淑（1964-），女，博士，昆明理工大學國土資源工程學院教授、博士生導師，研究方向為資源環(huán)境遙感與GIS空間分析技術應用。本文通訊作者：甘淑。

摘 要：針對傳統(tǒng)測量技術在滑坡監(jiān)測時的不足，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對象，利用TLS技術對滑坡體進行兩個時期的點云數(shù)據采集，經過點云配準、點云濾波等點云數(shù)據預處理得到處理后點云，在此基礎上提取滑坡體地表特征并進行變化檢測分析，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、剖面線比較檢測滑坡體地表特征形變量和形變趨勢，對泥石流物源量進行估算，有助于預估泥石流災害爆發(fā)時的危害程度和范圍，從而減少泥石流災害帶來的損失。

關鍵詞：地面激光掃描;滑坡體;點云數(shù)據;地表特征

DOI：10. 11907/rjdk. 191937 開放科學（資源服務）標識碼（OSID）：

中圖分類號：TP319文獻標識碼：A 文章編號：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)因素主要為強降雨導致水土流失，若伴隨泥石流災害一起爆發(fā)則會造成嚴重的經濟損失和人員傷亡。對滑坡體地表特征變化進行有效檢測一方面可掌握泥石流的活躍情況，為泥石流監(jiān)測預報提供可靠依據;另一方面可以精確地估算其物源量，進而有效預估泥石流爆發(fā)時的危害范圍，一定程度上減少泥石流災害帶來的損失。

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

近些年來，地面激光掃描技術（Terrestrial Laser Scanner，TLS）因其全自動、非接觸、高密度的三維數(shù)據獲取手段和高精度產品獲得快速發(fā)展，越來越多地被應用于滑坡變形監(jiān)測領域。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象，運用TLS技術對泥石流溝滑坡體進行點云數(shù)據采集，經過點云配準、濾波去噪等預處理過程得到地表點云數(shù)據，基此數(shù)據開展坡度、坡向、地表粗糙度和精細化DEM等滑坡體地表特征提取及其變化檢測分析，以達到更直觀檢測滑坡體地表特征變化的目的。

1 試驗區(qū)與數(shù)據預處理

1.1 試驗區(qū)概況

試驗區(qū)位于昆明市東川區(qū)小江流域的大白泥河泥石流溝內，地處小江流域的中下游地段。該試驗區(qū)山高谷深，地勢陡峻，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，固體松散物質豐富;地形高差較大，構成顯著的立體氣候和旱雨季分明的特點[8];由于其特殊的地質地貌環(huán)境條件及風蝕作用導致該區(qū)滑坡、崩塌，泥石流災害頻發(fā)。試驗區(qū)與站點布設如圖1[9]所示，圖片源于Google Earth。

圖1 試驗區(qū)與站點布設

1.2 數(shù)據采集及預處理

為檢測滑坡體的變化情況，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）進行兩期野外數(shù)據采集，每期采集設置3個測站的掃描任務，分別獲取點云2 658 713個和3 363 318個。

TLS獲取的點云數(shù)據存在不同測站、不同期的數(shù)據空間坐標不統(tǒng)一、點云中存在干擾變化檢測的非地面點等問題，因此在數(shù)據使用之前需對其進行空間配準和點云濾波等預處理?？臻g配準指將多個掃描站的點云或多期點云統(tǒng)一在同一坐標系下，包括粗配準和精配準兩個步驟。由于本文采用基于GPS站點掃描模式[9]獲取點云，故在數(shù)據采集過程中已完成點云粗配準。之后再采用迭代最近點（iterative closest point，ICP）算法[10]實現(xiàn)點云精配準，該算法以六參數(shù)為基礎，通過查找兩測站重疊區(qū)域的最近點集，并通過設置最近點集間的距離閾值，計算滿足該閾值最近點集的旋轉矩陣和平移參數(shù)。

在LiDAR點云濾波方法方面，大致可分為顧及地形坡度的濾波法、基于不規(guī)則三角網法、數(shù)學形態(tài)學法、移動窗口法、迭代最小二乘內插法等幾類[11]。本文根據試驗區(qū)地形地貌特征，采用一種基于區(qū)域增長漸進加密TIN濾波方法[12]。該方法基本原理為：首先對點云數(shù)據進行中值濾波處理，剔除噪點;其次，對去噪后的點云數(shù)據進行網格化處理，提取網格中的最低點作為初始三角網的種子點，構建初始TIN;然后，通過設定閾值，利用漸進加密TIN原理對原始點云進行地面點分離和區(qū)域增長;最后，當TIN中不再有新的點添加時，基本地形已經形成，即完成區(qū)域增長，濾波結束。為進一步保證試驗的濾波效果，在完成基于區(qū)域增長漸進加密TIN濾波后，可采用手動濾波方法再進行一次濾波處理。

2 泥石流溝伴生滑坡體地表特征變化檢測

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)。根據預處理后的點云數(shù)據，運用ArcGIS平臺提取試驗區(qū)坡度坡向并進行坡度分級統(tǒng)計。如圖2和表1所示，滑坡體模型表面積為48 200.50m2，最高點高程為? ? ? 1 561.42m，最低點高程為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 滑坡體坡度分級統(tǒng)計結果

滑坡體坐北朝南，山脊兩側坡面東西向顯著;地表粗糙度為在地面特定距離內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)域內地面的破碎程度，與水土流失密切相關。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）離散點上，以高程表達地面起伏形態(tài)的數(shù)字集，是一種對空間起伏變化進行連續(xù)表示的方法，可派生出坡度、坡向、坡度變化率等信息，用于地形信息相關的應用[13]。由于點云數(shù)據高精度、高密度的特征，利用其生成的高分辨率DEM可以更準確、真實地表達三維地面信息。本文試驗利用預處理后的點云數(shù)據構建TIN模型，由TIN模型生成所需DEM，利用兩期DEM進行滑坡體地表高程變化探測，對泥石流物源量進行估算并生成剖面線以探測滑坡體形變信息。

2.2 滑坡體地表特征變化檢測

2.2.1 基于坡度坡向比較的變化檢測

將基于兩期點云數(shù)據提取的坡度進行分級統(tǒng)計面積，如圖3所示。當坡度小于等于25°時，II期各級坡度面積比對應的I期各級坡度面積有所增加，在坡度為5°～8°范圍內，II期面積比I期面積增加了753.38m2，說明滑坡體堆積導致該坡度范圍內的面積增加;當坡度大于25°時，II期各級坡度面積比對應的I期各級坡度面積均有所減少，在坡度為35°～73.47°范圍內，II期面積比I期面積減少了694.99m2，說明滑坡體下滑導致該坡度范圍內的面積減少。在本文滑坡體中，坡體坡度均大于25°，屬于容易觸發(fā)滑坡的一個角度范圍，坡度對滑坡的發(fā)育具有重要影響作用，一直被認為是影響滑坡穩(wěn)定性的重要因素。

圖3 坡度分級統(tǒng)計面積變化分析

將I期和II期坡向數(shù)據進行差分對比，滑坡體坡向檢測如圖4所示。整體上山脊兩側坡面坡向變化較小，山谷處及河灘處坡向變化較大，說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，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，不同的水熱條件導致坡體地貌各要素有規(guī)律性分布，進而潛在地導致滑坡發(fā)育具有坡向性。

2.2.2 基于DEM比較的變化檢測

通過數(shù)據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并在紅圈1處形成一定的局部堆積區(qū)，其中，坡體下滑導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，通過查看原始點云，發(fā)現(xiàn)在I期數(shù)據掃描時，形變量異常處由于植被茂密或有地物遮擋等因素導致該處點云數(shù)據稀少和缺失，從而導致DEM提取錯誤。在后續(xù)泥石流物源量估算過程中，該部分數(shù)據將會被剔除。

圖4 滑坡體坡向變化檢測? ? ? 圖5 基于DEM的滑坡體變形分析

3 結果分析與討論

本文通過兩期點云數(shù)據對滑坡體進行了基于坡度、坡向、DEM的變化檢測，取得了較好的檢測結果。在坡度為5°～8°范圍內，II期面積比I期面積增加了753.38m2;在坡度為35°～73.47°范圍內，II期面積比I期面積減少了694.99m2，說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日期間處于一個較為穩(wěn)定的狀態(tài)。

為了進一步對滑坡進行形變趨勢分析，本文還對該滑坡體進行了剖面分析及泥石流物源量估算。根據兩期點云數(shù)據生成的高精度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系下比較，可以直觀地觀察到滑坡體形變趨勢，如圖6所示。

圖6 滑坡體剖面線變化檢測

同時，將兩期DEM進行差值計算可得到差值柵格文件，利用差值柵格文件，通過條件函數(shù)和設定閾值將點云稀疏和缺失區(qū)域剔除，即可計算出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 結語

與傳統(tǒng)滑坡檢測方法相比，TLS技術具有方便快捷、全數(shù)字化、高精度、測量方式靈活、非接觸測量的特點。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技術對大范圍滑坡體進行地表特征提取及變化檢測?；谄露?、坡向比較與DEM差值比較，剖面線比較檢測了滑坡體的特征形變量和形變趨勢，通過對泥石流物源量進行估算可以對泥石流災害爆發(fā)時的危害程度和范圍進行有效預估，從而減少泥石流災害帶來的損失。試驗結果表明，TLS技術以其獨特的面測量方式，能夠獲取帶有豐富地表特征信息的點云數(shù)據。利用這些點云且通過一定的技術手段能夠檢測到滑坡體局部特征變化，以實現(xiàn)對檢測對象宏觀和微觀兩方面的檢測分析，從而達到更直觀、全面、多方位的檢測目的。

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

參考文獻：

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

[2] 姜晨光，蓋玉松，王尤選，等. 雙經緯儀監(jiān)測小范圍滑坡的研究與實踐[J].東北測繪，2000（4）：40-42.

[3] 徐紹銓，程溫鳴，黃學斌，等. GPS用于三峽庫區(qū)滑坡監(jiān)測的研究[J]. 水利學報，2003（01）：114-118.

[4] 李遠寧，馮曉亮.? GPS在三峽水庫區(qū)云陽縣滑坡監(jiān)測中的應用[J]. 中國地質災害與防治學報，2007（1）：124-127.

[5] 霍欣杰，崔磊，蔣國輝，等.? 淺析三維激光掃描儀在邊坡變形監(jiān)測中的應用[J]. 測繪通報，2017（11）：157-158.

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

[7] 曾璇. 東川泥石流形成條件及治理對策探討[J]. 中山大學研究生學刊：自然科學2醫(yī)學版，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，2000（3）：41-43.

[9] 楊敏，甘淑，袁希平，等. 復雜帶狀地形條件下的地面三維激光掃描點云數(shù)據采集與配準處理試驗[J]. 測繪通報，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點云數(shù)據濾波[J]. 測繪與空間地理信息，2014，37（11）：107-110.

[12] 李卉，李德仁，黃先鋒，等. 一種漸進加密三角網LIDAR點云濾波的改進算法[J]. 測繪科學，2009，34（3）：39-40+216.

[13] 劉珊珊.? DEM數(shù)據生產中點云數(shù)據處理方法探討[J]. 測繪與空間地理信息，2018，41（8）：172-174.