基于三維激光掃描技術的庫岸變形監測與分析
——以西藏某水庫為例

吳運通，朱金來，許蘊寶，于帥印，林 牧，趙海闊

(中水東北勘測設計研究有限責任公司，吉林 長春 130021)

隨著水利資源開發利用，全國水庫數量已達9.88萬座(據水利部2017年數據)。水庫蓄水及運行過程中常伴隨著塌岸、滑坡等地質災害，威脅著庫區人民的生命財產安全。庫岸變形監測作為庫區地質災害重要的預警手段，前人已經做了大量研究且衍生出眾多監測方法。傳統監測方法多基于GPS、全站儀等進行單點監測，數據精度高，但受限于監測點數，監測范圍較小[1]。隨著監測技術的升級，InSAR、三維激光掃描等新的監測方法應運而生[2]，使監測數據更豐富、更全面，可視化效果好，易于數據挖掘。

庫岸受蓄水、降雨影響，易發生變形、塌岸等現象，而傳統監測方案多為坡肩區域單點監測，難以對坡面變形、塌岸區域進行監測。三維激光掃描技術針對整個岸坡進行非接觸式監測，優于傳統方法，與InSAR等其他監測手段相比，數據處理難度較低，精度較高，監測頻率可控，數據質量受環境影響小。三維激光掃描技術作為新興監測方法，早在2004年Collins等首次將該技術引入巖土工程監測領域，應用于美國加州海岸線侵蝕狀況監測并獲得隨時間變化的高精度地形模型[3]，國內于2006年由董秀軍等首次將該技術應用于高陡邊坡地質調查及巖體結構面的識別[4]，隨后三維激光掃描技術逐漸向巖土監測領域拓展，褚宏亮等將該項技術應用于大型崩滑災害變形監測，并提出了點、線、面相結合的數據分析方法[6]；謝謨文等以金坪子滑坡為例，探討了該項技術應用于大型及部分植被覆蓋的滑坡監測可能性[7]；王梓龍等闡述了該技術在危巖體監測中的應用并針對不同破壞模式提出新的監測思路[5]。三維激光掃描技術應用于巖土監測領域得到諸多學者的認可，同時在監測精度及數據處理算法等方面也在不斷完善。 Abellán等將該技術應用于巖體崩塌監測并獲得毫米級變形監測成果[8]。王堃宇等基于該技術對張承高速邊坡建立點與面結合監測系統并獲得長期、高精度監測數據[9]。徐進軍等采用擬合法和重心法分析激光掃描點云數據，計算變形值[1]。前人研究表明，三維激光掃描技術已成功應用于多個巖土領域，且效果較理想，但針對庫岸監測采用三維激光掃描技術的相關研究較少。文章以該技術為基礎，探討其在庫岸監測中的特點及效果，并提出數據處理方案，對庫岸變形規律進行研究，進而達到對庫岸變形監測、分析的目的。

1 研究區概況

2 三維激光掃描數據采集與處理

三維激光掃描是通過掃描目標物體來獲得物體表面數據的一種技術。物體表面輪廓由數以億計的點即點云構成，每個點都包含空間(x，y，z)、顏色(紅、黃、藍)及強度(激光反射強度)參數，對應物體表面相同點位的特征。數據采集與處理的過程就是獲得點云與處理點參數的過程。

2.1 數據采集

文章采用徠卡HDS8800超長測程三維激光掃描儀進行數據采集，監測頻率為次/10d，監測時序為2019年1月至10月。因水庫庫區通視條件良好，各監測區域均可通過單次架站完成數據采集。在數據采集過程中，為確保各期數據位于相同坐標系下，相同監測區采用同一架站位置及后視點，同時設置相同的掃描范圍及點云密度參數，以便數據后期分析。因監測時序跨度較大，各月溫度及氣壓不同導致激光傳輸速度略有差異，掃描儀溫度及氣壓參數采用即時數據。

2.2 數據處理

根據各期點云數據顏色及強度信息，識別監測區域，剔除無關點云及掃描過程中因外界環境因素產生的噪點數據，達到精簡數據、減少誤差的目的。因各監測區域掃描數據均為單次架站掃描獲得，點云數據無須拼接，且各期點云數據坐標系相同，可直接用于分析計算。

經上述初步處理后的點云數據，通過軟件可擬合出每期掃描區域表面模型，以便后期計算變形值。點云密度與擬合表面模型真實性呈正相關，數據采集過程中均采用最大點云密度以保證監測精度。圖1為研究區內壩上交通橋監測區域點云擬合表面模型。

圖1 點云擬合表面模型

監測區域各部位變形值計算實質是不同期點云空間數據的對比。以1、2期數據為例，文章采用的計算方法如圖2所示。將1期點云數據作為基礎數據，生成表面模型，計算2期點云數據內各點到1期表面模型的最短距離，作為該點變形值。通過分析2期各點變形值，可獲得監測區域內變形區位置、大小及規模，同時變形值的正負也反映了庫岸變形特點為傾覆或滑塌。上述計算方法所得的變形值并非嚴格意義上的各點變形值，但對于快速查找變形區域，初步了解變形特征較為適用，可滿足庫岸監測需要。若想獲取更多變形信息，如產生變形的主要方向，特征點變形歷程，局部滑塌方量等，則需要在此基礎上，做更深層次的數據處理。

圖2 變形值計算方法

3 變形計算成果與分析

3.1 精度分析

點云單點精度一般低于全站儀及GPS精度，但三維激光掃描技術的優勢在于經過點云擬合后生成實景模型，繼而獲得模型整體數據。點云數據中各點誤差應為正態分布，擬合過程中部分誤差互相抵消，生成的表面模型精度略高于單點精度?？紤]基于三維激光掃描技術的監測精度尚無統一的評判標準，本次研究過程中，同時采用傳統的全站儀監測方式校核三維激光掃描數據的精度。實施監測過程中，在重點監測部位布設了監測樁，兩種監測方式頻率一致，三維激光掃描數據以監測樁擬合模型的頂部角點位移值為準。采用每月累計和位移數據進行對比，見表1。

表1 三維激光掃描技術與傳統技術監測值對比

通過數據分析發現，三維激光掃描技術與傳統技術相比，監測差值主要集中在0～±5mm之間，最大誤差為8mm，平均誤差為±3mm，差值無分布規律，屬偶然誤差。考慮監測樁變形值普遍為20～80mm，顯著大于平均誤差值，故三維激光掃描技術監測成果準確可靠，能夠滿足庫區變形監測的要求。

3.2 變形區域分析

經過連續10個月的30期監測，以第1期點云數據為基準，將各期點云數據與其對比得到各期累計變形值。根據分析需要，亦可將各期數據間互相比較得到相應時段內的累計變形值。點云數據經過對比后，根據各點變形值的大小，賦予不同的顏色，從而獲得監測區域累計變形值云圖。以庫區壩上交通橋區域為例，第30期數據與第1期數據對比后可得1—10月累計變形值云圖，如圖3所示。根據變形云圖分析，交通橋橋臺及其庫岸邊坡整體穩定，1～3區域為主要變形區，均發生塌岸現象，道路里側區域變形則是由坡積物堆積導致。1區塌岸規模：長10m，高4～6m，累計滑塌厚度為1.03～1.93m；2區塌岸規模：長8m，高3～5m，累計滑塌厚度問0.81～1.92m；3區塌岸規模：長35m，高3.5～6m，累計滑塌厚度為0.78～1.95m。根據各區域監測成果并結合實際情況可知，庫岸變形模式以塌岸為主，最大變形位置多位于岸坡塌岸區域核心，變形區域零星分布，大部分區域較穩定。

圖3 三維激光掃描累計變形云圖及影像對比

3.3 典型剖面分析

變形云圖能夠較好地反映變形范圍及變形值大小，但對分析變形導致的庫岸坡度、厚度變化，變形的主要方向及變形破壞模式有所欠缺，而通過對比多期變形區典型剖面數據，可以彌補上述不足。文章以上述壩上交通橋區域3區為例，沿垂直庫岸方向，提取同一位置第1期與第30期三維擬合庫岸模型數據生成剖面，如圖4所示。根據兩期剖面對比，3區變形特征可分為兩部分：庫岸中下部，受庫水位波動及降雨入滲影響較大，發生塌岸現象，庫岸后退0.52～1.32m，失穩后坡度為60°；庫岸上部，主要受中下部塌岸影響，導致庫岸前傾 0.03～0.15m，坡頂面臨河側略有沉降，沉降值為0.03～0.05m。結合實際情況，可推斷出庫岸主要破壞模式為：岸坡中下部以片狀坍落為主，且短期來看，變形值最大，坡體上部變形值遠小于近河邊坡部位變形值，以蠕變為主。就目前主要監測手段而言，監測部位多位于坡體上部，導致對庫岸變形整體認識不足，且岸坡頂部變形滯后于底部變形，不利于提前預警。三維激光掃描技術對提高庫岸變形整體認知、地質災害早期預警具有明顯優勢。

圖4 2期數據典型剖面對比

3.4 變形影響因素分析

根據已有研究經驗，庫岸變形主要影響因素為庫水位波動及降雨。研究區屬高山峽谷地貌，正常蓄水位為3315.00m，死水位為3313.00m，涌浪及庫水位波動均較小，對庫岸影響有限。文章同時收集了研究區逐日降雨數據，以監測周期(10d)為單位統計累計降雨量，并與上述1～3區各期平均變形數據進行對比，如圖5所示。研究區1—5月為旱季，庫岸變形主要受水庫初次蓄水影響，隨著時間推移，各期平均變形值逐漸減小，庫岸趨于穩定。6—9月為雨季，因前期庫岸已有較大變形，雨水沖刷及地下水滲流導致局部巖土體更易產生滑動，各期變形值逐步增大。7月初降雨量較大，造成了庫岸較大規模的變形失穩，變形值較大，隨后因多數不穩定體已崩塌、滑落，變形值逐步減少，庫岸再次趨于穩定。10月末，多數區域變形值較低，庫岸基本穩定。綜上所述，庫岸穩定性前期主要受首次蓄水影響，后期主要受降雨影響。

圖5 降雨量、庫水位與庫岸變形關系圖

4 庫岸變形理論模型計算

上述研究成果表明，庫岸穩定性與蓄水及降雨有關，但兩者對庫岸邊坡影響的內在機理究竟如何，多數學者認為庫水位變化及降雨引起的邊坡滲流場變化是誘發邊坡失穩的重要因素[11]，科學地模擬不同工況下邊坡滲流場，是庫岸穩定分析的基礎[12]?？紤]降雨及庫水位變化對邊坡穩定性的影響，前人已做了大量研究[13- 15]，多以飽和-非飽和滲流理論為基礎，通過有限元法模擬不同工況下的滲流場，采用極限平衡法、強度折減法等來評價邊坡穩定性[16- 21]。文章基于前人的研究方法，將滲流場計算與穩定性計算相耦合，采用GeoStudio軟件的SEEP/W模塊模擬巖土體的滲流場，并基于上述模擬成果根據SLOP/W模塊內的Morgenstern-Price極限平衡條分法計算庫岸邊坡的穩定性系數，研究穩定性變化趨勢。

4.1 模型建立

研究區庫岸主要組成物質為混合土卵石，其物理力學性質(據勘察試驗資料)見表2。土體的土水特征曲線及非飽和滲透函數根據土體類型、含水率及滲透系數由軟件進行估算。模型浸潤線以上為非飽和土體，采用天然狀態下的土體參數，浸潤線以下采用飽和土體參數。滲流場模擬中，水頭邊界條件根據實際蓄水及水庫運行水位數據確定，降雨邊界條件根據區域日降雨資料確定。以上述2區為例，建立地質模型，如圖6所示。

表2 庫岸土體物理力學參數

圖6 庫岸邊坡數值模型

4.2 計算結果分析

數值模擬時段為2018年10月初(開始蓄水日期)至次年10月末(監測結束日期)。計算結果如圖7所示，圖內包含了庫水位運行數據、降雨數據、邊坡安全系數及該邊坡區域監測變形值。

圖7 降雨、庫水位、變形值與安全系數關系圖

邊坡安全系數在蓄水初期受庫水位影響較大，從開始蓄水至11月初達到正常蓄水位的過程中，安全系數下降明顯，11月中旬達到最低安全系數0.89，略滯后于水位變化。隨后水庫水位平穩運行，安全系數逐漸增大，至1月初安全系數達到1.05，并趨于穩定。10月初至次年6月初降雨量較小，安全系數基本不受降雨影響。次年6月中旬降雨量增大，安全系數降低，受7月初強降雨影響，7月中旬安全系數達到該階段最低值1.01，隨后降雨量逐漸減少，安全系數緩慢上升，至10月末安全系數趨于穩定。通過分析數值模型中各時段內條塊受力特點，發生上述現象的原因如下：蓄水初期，水位上漲，邊坡條塊受浮托力和動水壓力影響，浮托力減弱了條塊下滑力及內摩擦力，不利于邊坡穩定，動水壓力主要為入滲壓力，有利于條塊穩定，兩者綜合計算后，導致了不同階段安全系數的下降或上升。蓄水位穩定后，浮托力及入滲壓力逐漸穩定，安全系數趨于穩定。隨著雨季的到來，邊坡受降雨補給，導致地下水位上升并產生動水壓力，土體基質吸力下降，不利于條塊穩定，邊坡安全系數降低，隨著降雨減少安全系數逐漸恢復。

通過安全系數與邊坡監測變形值對比發現，兩者變形趨勢基本相同，但1—5月兩者發展趨勢有所差異，該段時間內，安全系數基本穩定，變形值仍緩慢發展，結合現場調查，分析其原因為：蓄水初期，庫岸變形較大且快速發展，與數值模擬結果相同，后期變形發展減緩，持續時間較長，土體的蠕變及其發展過程是數值模擬難以計算的，也是導致計算結果與實際情況有所不同的主要因素。

5 結論

文章采用三維激光掃描技術對西藏某水庫區進行了時間跨度為10個月的變形監測，監測成果表明：數據質量準確可靠，監測范圍廣，數據豐富，可視化效果好，利于變形特征分析。三維激光掃描技術提供了一種獲得監測區域三維擬合表面數據的方法，合理提取、分析這些數據(如文章所采取的面域分析與剖面分析方法)，并與降雨、庫水位等資料相結合，可獲得監測區域的變形特征、發展趨勢，了解導致變形的影響因素。基于上述研究成果，文章同時建立了相應的地質數值模型，分析實際工況條件下庫岸穩定性發展特征，對比監測成果，驗證影響庫岸穩定性的主要因素及其內在機理。三維激光掃描技術在庫岸監測方向上的成功應用，提供了新的庫岸監測方法與分析思路，其監測成果與數值分析相結合對分析庫岸穩定性，合理預測庫岸變形趨勢具有重要意義。

文章采用的三維激光掃描技術與數值分析方法優勢明顯，同樣存在不足。點云單點精度較傳統方法稍遜，儀器精度有待提高?；邳c云數據的變形計算方法單一，后期處理仍依賴于人工識別，自動化程度低。對于三維擬合模型相同特征點的自動識別與變形計算的解決方案較少，應根據數據處理深度的不同，開發出更多更優秀的數據處理方案。數值分析方法對巖土體的模擬過于理想化，如文章計算過程中，未考慮降雨入滲系數、土體蒸發量、已有地裂縫對降雨入滲的影響以及土體滲透系數的不均勻性等因素。但隨著技術發展與改進，三維激光掃描技術將成為一種常規監測方法，數值模擬將更接近于真實，越來越多的新技術與方法將為巖土領域帶來技術革新。