熱紅外技術在礦山邊坡變形監測中的應用

王艷平

（江西省九龍地質建設工程院，江西 萍鄉 337000）

礦山邊坡地質災害問題是礦山開采活動當中，直接導致人為地質災害發生的主要原因，由于受到高地應力、冒頂片幫等影響，在進行礦山作業過程中，其安全性很難得到保障。在眾多地質災害類型當中，礦山邊坡變形造成的滑坡會在極大程度上影響到周圍居民以及周圍礦山施工的安全，對于居民、施工人員以及礦山企業而言都會造成十分嚴重的打擊，若不對其加以控制，更會出現毀滅性的災難事故。當出現礦山邊坡變形時，礦山設施會被摧毀，同時造成嚴重的人員傷亡事故發生。當前，由于開采手段的不合理，加之沒有完善的邊坡變形監測技術，使得礦山邊坡出現滑坡災害問題十分常見。因此，當前相關領域研究人員急需找出一種能夠實現對礦山邊坡變形監測的技術手段。當前，熱紅外技術主要應用在醫療、電力、建筑等領域當中，但在礦山邊坡監測中的研究較少，并且相關研究均沒有進行實際應用，無法明確其應用效果。基于此，結合熱紅外技術的應用優勢，針對礦山邊坡變形影響因素的復雜性，引入熱紅外技術，開展下述研究。

1 熱紅外技術在礦山邊坡變形監測中的應用

1.1 基于熱紅外技術的礦山邊坡成像

為了實現對礦山邊坡結構變形的監測，引入熱紅外技術，利用光子探測裝置針對被監測邊坡的表面熱輻射能轉換為電子視頻信號。再通過對信號進行預處理，將其發送到顯示器當中，將其轉換為可視化的礦山邊坡圖像。將通過熱紅外技術獲取到的信號數據按照圖1所示流程進行處理，并能夠生成圖像[1]。

按照圖1所示流程，通過監測前編輯好的網格結構，構建一個立體的礦山邊坡圖像，并對邊坡的DEM圖輸出。

圖1 基于熱紅外技術的礦山邊坡成像數據處理流程

1.2 礦山邊坡變形熱像特征提取

完成對礦山邊坡的成像后，為了更加精準地實現對半坡變形的識別，對其熱像特征進行提取。圖2為礦山邊坡的組成要素示意圖。

圖2 礦山邊坡組成要素示意圖

在礦山邊坡組成要素示意圖中，由I和II、II和III構成的兩個斜面為邊坡，邊坡在變形的過程中，最終邊坡坡面與非工作面上的坡地線構成的斜坡即為最終邊坡。由最終邊坡坡面和礦山水平面構成的夾角為最終變形坡角，即圖2中的∠a和∠b。通常情況下，邊坡變形會沿著貫通的剪切破壞面所發生的偏移。由于邊坡變形的形成必定會產生活動的軟弱面。這一軟弱面即為軟巖層，由于軟弱滑動面的存在礦山邊坡熱像當中十分明顯，因此可將其作為礦山邊坡變形熱像特征并進行提取[2]。為了方便提取，假設軟弱面的熱像特征描述信息為P（x，y），則其表達式為。

公式（1）中，r表示為軟弱面的熱像特征矢量維度；sr表示為在某一維度當中礦山邊坡變形局部特征矢量維度元素值。根據上述公式計算得出的結果可實現對軟弱面熱像特征的描述，并對描述數據進行提取，方便后續對邊坡變形位移量進行計算。通過提取到的熱像特征描述信息P（x，y）將其與監測初期相應監測節點進行對比。若二者之間存在明顯差異，則說明此時礦山邊坡出現了變形現象；若二者之間存在的差異符合礦山邊坡的運動特征的相對閾值要求，則說明此時邊坡未出現變形現象，繼續對該邊坡位置進行監測，以此通過上述方式，在完成對礦山邊坡變形熱像特征的提取后，可進一步實現對礦山邊坡變形的判斷。

1.3 邊坡變形位移量及坡角變化量計算

在上述論述基礎上，為了提高監測結果的利用價值，還需要對邊坡變形位移量及坡角變化量進行計算。在對邊坡變形位移量計算時，需要獲取被監測礦山邊坡結構的基本參數信息，例如與邊坡土體濕容重、粘聚力等。同時，在提取礦山邊坡變形熱像特征時，已經獲取了邊坡土體的面積、圓弧長度等數據[3]。因此，在上述參數數據基礎上，按照公式（2）可實現對邊坡變形位移量的計算。

公式（2）中，M表示為邊坡變形位移量；γi表示為邊坡土體的濕容重；Si表示為邊坡土體的總面積。根據上述公式（2）計算得出邊坡出現變形時的位移量。再根據礦山邊坡實際情況，結合邊坡變形角度變化的經驗關系，得出坡角變化量的計算公式為。

公式（3）中，λ表示為礦山邊坡坡角變化量；K1表示為與邊坡高度相關的經驗系數；K2表示為與未出現變形時邊坡坡角的經驗系數；K3表示為構成邊坡的巖石強度相關經驗系數；t表示為監測時間。根據上述公式（2）和公式（3）在獲取到礦山邊坡圖形和礦山邊坡變形熱像特征的基礎上，實現對邊坡變形位移量及坡角變化量計算，并完成對邊坡變形的監測。

2 應用效果分析

為進一步驗證上述引入熱紅外技術后的礦山邊坡變形監測方法在真實環境中的應用效果，本文選擇將某地區某礦業集團公司大規模露天礦山作為依托，針對該礦山的邊坡結構變形情況進行實時監測。已知該礦山為礦石原材料主要供應基地，礦床整體可劃分為三個不同區域，分別為北側采取、東側采取和南側采取，該礦床的規模較大，其南北方向長度約為4520m，東西方向長度約為1560m，厚度平均在175m～225m范圍內，其最厚位置上可達到362m，礦體延伸約為950m。該礦床的礦產資源產狀十分穩定，其走向在206°～215°范圍以內，傾向東西方向，傾斜角度約為65°～85°。結合本文上述監測方法，利用熱像處理軟件對熱紅外技術獲取到的熱紅外圖像數據進行處理，并提取出研究區域范圍內溫度場的高溫和低溫異常區域。隨機選擇該礦山邊坡結構上的五個點作為監測點，在經過一段時間后，五個監測點均出現不同程度的偏移情況[4]。對五個監測點上橫坐標和縱坐標的移動數值進行記錄，并在現場利用礦山測量設備對五個監測點的坐標進行測量，將其與監測結果數據對比，得到如表1所示結果。

表1 監測結果與實測結果對比表

從表1中得出的結果可以看出，監測方法的結果與利用礦山測量設備實際測量得出的數據相比，誤差均在0m～0.2m范圍以內，說明該監測方法的精度符合礦山施工安全監測精度需要。因此，結合上述應用實例分析得出，引入熱紅外技術后的監測方法能夠實現對礦山邊坡變形的高精度監測。

3 結語

通過本文上述研究，針對熱紅外技術在礦山邊坡變形監測當中的應用進行深入分析，并提出一種合理的監測方法。將該監測方法應用到真實的礦山環境當中，并對其邊坡結構的變形進行實時監測，得到的應用結果進一步證明了該監測方法的有效性以及熱紅外技術的應用優勢。但在研究過程中發現，熱紅外技術的應用仍然無法有效彌補單點監測的局限性問題，因此在今后的研究中還將引入三維激光掃描技術，將其與熱紅外技術融合，從而不斷完善礦山邊坡變形監測方法。