基于实景三维模型对滑坡进行识别分析
——以天水市元龙镇为例

强德霞,苟彦梅,张军伟,王 嘉

(甘肃林业职业技术学院,甘肃 天水 741020)

0 引言

无人机摄影测量技术在滑坡、泥石流等自然灾害中应用较为广泛。张崇军[1]等采用无人机倾斜摄影测量对滑坡地质灾害进行了监测;郭晨[2]等将无人机摄影测量技术应用于滑坡应急抢险中;余加勇[3]等利用无人机影像重构了公路边坡三维模型,实现了滑坡等场景的自动识别。但滑坡区域土质松散,地形复杂,不具备布设像控点的条件,因此采用免像控无人机测绘技术,可提高生产效率,适用于地质灾害调查和灾害评估等工作。

麦积区三岔镇地处秦岭山脉北麓林缘区、渭河河谷地带,年均降雨量480.3 mm,平均海拔1 083.9 m。2021年10月3日出现了连续性强降雨,最大降雨量达128.7 mm,导致公路边坡多处出现滑坡,阻塞道路,交通全幅中断。当地通过排查对多处滑坡点落实防范避险措施,以免发生意外事故。研究区滑坡位于渭河沿岸公路左侧,为山腰线,植保覆盖较好,但公路开通破坏了山体的自然平衡,旁边2 m高度铺设了浆砌石,其上无任何保护措施。路堑边坡土质属粉质黏性土,渗水能力较强,连续性强降雨渗入土体,排水不好,降低了土体强度,滑坡易发生。

免像控无人机测绘技术是在无人机获取与数理数据过程中不使用地面像控点,利用传感器自带的高精度导航定位系统达到对应比例尺精度的测量技术[4],能够节省人力,不用花费时间和精力布设像控点,在内业空三处理中不需要像控点,提高了生产效率。

1 数据获取

通过收集测区资料并进行踏勘,制定了无人机飞行方式和飞行参数,对测区进行免像控无人机数据采集。数据获取采用免像控技术的大疆精灵4RTK无人机,根据滑坡地形将无人机飞至合适距离,将云台拍摄视角调整至滑坡主体区域,通过平移飞行方式获取坡顶到坡底的像片。飞行过程中保持相机俯仰角在0°左右,像片重叠部分面积不小于75%。坡底采用正摄模式获取滑坡堆体且与斜视照片保持75%以上的重叠率。共获取像片137张。

2 数据处理

相片获取为手动模式,拍摄过程中由于人为因素导致个别照片出现模糊、重叠率较低的问题,故而剔除这类照片。对剩余照片进行完整性检查,若剔除质量不合格的照片后剩余重叠度等不满足模型建立需求,则进行补拍[5]。本次数据获取像片有两张质量不合格的像片,剔除后不影响三维模型建立。图1为免像控无人机测绘技术采集的数据。

图1 影像数据Fig.1 Image data

由于外界各种因素的影响,获取的影像一般存在色差,视觉质量较差,要对其进行匀色匀光。利用无人机影像数据快速拼接,可以检查影像数据质量,在极短时间内生成灾区正射影像图,可用于对精度要求不高的应急救援和灾情的快速评估[6]。

数据集群解算使用Bentley Context Capture三维建模软件,获取高分辨率的高重叠度影像信息,完成同名点的自动匹配与相对定向,自动剔除粗差点,由于采用免像控无人机测绘技术,无像控点的引入与转刺,基于相对定向后的空三结果完成实景三维模型的生产。该模型比例尺是任意的,未被纳入到地面测量坐标系中,在此模型上量测的坐标是基于模型当前坐标系下的坐标,而非地面测量系下的坐标。要得到地面测量系下的坐标成果,必须引入并转刺像控点,完成空三加密点的绝对定向。通过多视影像密集匹配、区域网平差解算、自动纹理映射等步骤,获取滑坡实景三维模型。在软件中利用空间框架完成瓦块的切块设计,瓦片切块选择规则立体切块,修改切块大小,设置模型输出区域。密集匹配得到海量点云数据。一般计算机无法对其进行整体处理,因此对其进行分割并自动完成三角网的构建,得到TIN模型。

从三维模型成果上看,基于无人机倾斜摄影技术生成的实景三维模型能将滑坡很好地展现出来,整个滑坡的空间位置、周围植被变化等都与实际环境一致。

3 滑坡评价

3.1 降雨

降雨是诱发滑坡的主要动力因素。根据降雨能级和滑坡活动规模关系表,在无前期降雨的情况下,降雨强度、日降雨量及因降雨过程累积量不同引起不同程度的滑坡,如表1所示。

表1 暴雨触发滑坡的临界降雨强度Tab.1 Critical rainfall intensity of landslide triggered by rainstorm

元龙镇年降水量为467～734 mm,属于年降雨量小于800 mm的西北地区。研究区2021年10月2—3日发生滑坡的日均降水量为51.70 mm,最大降水量达到194 mm,超过了中厚层堆积滑坡的日降雨量与累积量,降雨量均超过本地可能发生滑坡的界限值。采用研究区2021年10月2—7日滑坡发生时降雨数据作为临界值进行研究分析。

3.2 地形地貌

地形地貌是影响滑坡灾害的重要因素之一。通常,只有具有一定坡度的斜坡才能产生滑坡。坡度、高差越大,松散物质越难以在坡面积累,滑坡位能越大,形成滑坡的滑速越高。由坡度斜坡稳定性分析可知,滑坡更易发生在坡度较大的地段[7]。表2显示了不同坡度发生的频率,可看出15°～25°的坡度发生滑坡频率较高,如超过这个临界值,随着坡度的增大,滑坡频率降低。

表2 坡度因子参数计算表Tab.2 Calculation of slope factor parameter

图3 滑坡高度量测Fig.3 Landslide height measurement

从滑坡模型上量取滑坡的高度为78 m,距离为101 m,计算得出坡度为83°,此处滑坡高度较高、滑坡面积较大,堆积物较多。由于在公路旁边,堆积物得到及时清理,模型不显示堆积物。

3.3 地层岩性

组成滑坡体的岩和土的力学强度越高、越完整则滑坡概率越小。构成滑坡滑面的岩、土性质会直接影响滑速。一般来说,滑坡面的力学强度与滑坡体滑速呈负相关,力学强度越低滑坡体滑速越高。对研究区土壤进行分析,结合实地滑坡发生区域调查发现,该滑坡发生的地域与铁铝土、半淋溶土分布的地域高度吻合。半淋溶土纲则包括褐土、石灰性褐土等。此类型土壤抗剪强度均低于1,在遭受较长时间的强降雨后,土体经过充分浸润,重力陡增,在一定的地形条件下发生崩塌、滑坡。

3.4 人为因素

开挖坡脚、修建公路及铁路、依山建房和建厂等工程常常会使坡体下部失去有效支撑而造成下滑。研究区域旁边是乡镇公路,修建时被强行开挖,虽修建公路边坡,但对此处的地形结构造成破坏,边坡上较容易发生滑坡。

4 结束语

通过免像控无人机获取滑坡影像数据,生成滑坡实景三维模型,减少了工作量,避免了危险,节省了人力与时间。通过对降雨、坡度、土壤及人为等因素的分析可知,研究区为降雨型滑坡,由于区域坡度及高度较高,植被面积大,土质松软,剪切力较小且位于公路旁,受人为因素影响较大,滑坡发生概率较大。需在此处多加防范,采用加固边坡、铺设防护网等方法,减小滑坡对人们生命安全与生活的影响。