機載LiDAR技術在緩傾地層滑坡及其拉裂槽識別中的應用

賀鵬， 顏瑜嚴， 文艷， 馬志剛， 焦其松， 郭兆成， 莫悠

(1.中國地質大學(北京)地球科學與資源學院，北京 100083； 2.中國自然資源航空物探遙感中心，北京 100083； 3.四川省國土空間生態修復與地質災害防治研究院，成都 610081； 4.國家自然災害防治研究院，北京 100085)

0 引言

緩傾地層滑坡又稱平推式或平移式滑坡，是我國三峽庫區、四川盆地及周邊地區普遍存在的一類特殊滑坡類型[1-3]。此類滑坡最早由張倬元等[4]正式提出，指發育于近水平或緩傾坡內的砂、泥巖互層狀地層中的滑坡，巖層傾角多在10°以內。已有勘查資料表明，緩傾地層滑坡的滑帶土內摩擦角一般遠大于滑動面傾角，按傳統極限平衡理論，應較難發生滑動，但在西南地區，較大規模的緩傾地層滑坡卻時有發生。這一問題引發國內外研究人員廣泛關注，近年來，陸續有學者從不同視角對其主要特征、形成條件、致災機理、誘發因素與變形破壞過程等展開研究[1-3,5-10]，取得了一系列顯著成果，并在主要誘發條件為降雨、滑坡后緣普遍存在拉裂槽等方面達成基本共識。然而，相較于理論發展，該類災害識別手段目前較單一，以人工地面巡、排查為主，效率低下[11]。

得益于近年來遙感技術的發展，特別是我國國產遙感衛星數量不斷增多，地面分辨率持續提升，歷史存檔遙感數據愈加豐富，光學衛星遙感技術已成為識別地質災害最有效的手段之一[12]，在四川茂縣疊溪鎮新磨村滑坡等重大地質災害應急處置工作中發揮了顯著作用[13]。但就緩傾地層滑坡而言，由于受西南地區環境地質條件所限，災害源區往往植被茂密、地形復雜，加之緩傾地層滑坡類型特殊，常規滑坡災害遙感識別標志的建立，特別是植被下拉裂槽的有效判識尤為困難。而在當前降水加劇、極端氣候事件頻發的背景下[14]，可預見未來由集中降水誘發緩傾地層滑坡劇滑，進而造成突發性地質災害事件將持續出現，基于光學遙感的傳統技術手段已難完全滿足當前西南山區防災減災的迫切需求。

機載激光雷達(light detection and ranging, LiDAR)作為一種利用激光對地表三維坐標信息進行采集的新型遙感技術，將激光測距、衛星定位和慣性測量等進行有效集成[15]，不但能夠提供高分辨率、高精度的地形地貌影像，同時通過多次回波技術穿透地面植被，利用濾波算法有效去除地表植被，獲取真實地面的高程數據信息[16]。目前該技術已在地形測繪、三維城市建模、環境監測、地球科學及行星科學等諸多領域得到廣泛應用[17-18]，在活動斷裂[19]、古地震[20]及地質災害[21-22]等地學領域的應用也取得了顯著成效，但對緩傾地層滑坡這一特殊地質災害類型及其拉裂槽識別的應用還相對較少。

本文以四川省北部緩傾地層滑坡多發的通江縣春在鎮南部為研究示范區，基于機載LiDAR獲取的高分辨率數字高程模型(high-resolution digital elevation model，HRDEM)，選取典型示例開展應用分析，論述機載LiDAR與地形可視化技術在高植被地區緩傾地層滑坡及其拉裂槽識別領域的應用，并實地驗證相關結果的準確性。

1 研究區概況

研究區位于四川省北部通江縣境內，地處大通江以東春在鎮南部周邊(圖1)。該區為典型侵蝕剝蝕低山地貌，屬亞熱帶秦巴區濕潤季風氣候區，大陸性季風氣候顯著，雨量充沛，水系發達。研究區大地構造位置處大巴山歹字型構造中段南側，區內構造線展布以NW-SE向為主，斷裂不發育，新構造運動不活躍。研究區地表除第四系松散堆積層外，主要出露白堊系(K)紫紅色砂質泥巖夾薄層泥質粉砂巖，白堊系下統(K1)灰黃色鈣質細砂巖與棕紅色砂質泥巖層等。

圖1 研究區位置及遙感影像Fig.1 Study area location and remote sensing image

研究區地質災害多發，以降雨誘發的中小型土質滑坡最為常見，具蠕變慢滑特征，斜坡變形特征明顯。以往調查顯示[23]，區內滑坡以牽引式為主，其中較為典型的水井巷、小羅坪、毓貴山和雷家河等滑坡均表現為地層產狀緩傾、砂泥巖互層、分塊式解體明顯、階梯狀陡坎及張性裂隙帶發育等，具有緩傾地層滑坡的顯著特征。

2 數據獲取與處理

2.1 數據獲取

結合研究區地形復雜、天氣多變和植被茂密等特征，本次采用長航時多旋翼無人機搭載長測程激光雷達進行仿地飛行的方式進行數據采集，以實現最佳飛行窗口期內的可變高飛行，確保高精度真實地形的準確獲取。

本研究機載LiDAR數據采集于2021年6月5—8日，其中，以飛馬D20無人機作為飛行平臺，采用Riegl公司生產的DV-LiDAR20模塊。該套系統具備雙差分天線，配置毫米波雷達200 m測距，可良好適應復雜地形區飛行作業需求。LiDAR傳感器測距達1 350 m，高程精度為1.5 cm，內置飛馬自研GNSS/IMU(inertial measurement unlt)慣導系統，配合同軸掛載的4 200萬像素光學相機，結合無人機軌跡組合導航數據解算算法、數據融合及平差算法，可提供高精度激光點云及航空影像數據。為確保數據精度，在春在鎮飛行區南部架設1處地面基站，以隨時干預和控制無人機的飛行平臺和任務載荷。

2.2 數據處理

機載LiDAR獲取數據需進行必要的處理才可獲得HRDEM和數字正射影像圖(digital orthophoto maps, DOM)等信息。一般而言，應包含數據解算與系統誤差檢校、航帶拼接、激光點云數據分類以及HRDEM和DOM產品生成等步驟。

就本研究而言，對識別緩傾地層滑坡及其拉裂槽最為有效的是去除植被高度影響的地面點云數據，因而激光點云數據分類結果的質量將直接影響最終識別效果。本文采用MicroStation平臺Terrasolid軟件系列中的TerraScan模塊，基于宏命令實現地面點和非地面點的自動分離，并對未分離的低植被點及混淆丟失的地面點進行人工修正。處理后點云密度約為15 pts/m2，水平及垂直分辨率分別約為0.24 m和0.20 m，最大高差為179.99 m(表1)。

表1 點云參數對比Tab.1 Comparison of point cloud parameters

在此基礎上，利用ArcGIS 10.8軟件創建las數據集，將點云數據轉化為HRDEM，分辨率為0.5 m，用于拉裂槽的識別。并基于Pix4D mapper軟件生成對應DOM，分辨率為0.1 m，以輔助識別緩傾地層滑坡(圖2)。

(a) 激光點云 (b) HRDEM (c) DOM圖2 機載LiDAR激光點云及產品Fig.2 LiDAR data products and topographic derivatives

3 緩傾地層滑坡及其拉裂槽識別應用

為便于論述，本文選取研究區內糯鼓寨村南部一處新識別緩傾地層滑坡隱患(中心坐標： E107°17.112′，N31°51.843′，見圖1)作為典型應用研究示例，基于機載LiDAR技術獲取的精細地形信息，綜合HRDEM和DOM 2類數據構建遙感判識標志，結合天空視域因子(sky-view factor，SVF)和山體陰影等HRDEM數據可視化方法實現緩傾地層滑坡邊界及拉裂槽位置的準確識別，在此基礎上借助三維可視化數據分析手段，完成拉裂槽信息的有效提取。

3.1 緩傾地層滑坡綜合遙感判識標志

張濤等[24]通過對川東緩傾地層滑坡典型案例的調查研究，總結提出此類滑坡變形演化階段的劃分理論及對應識別特征，具體包括： 初期啟動階段斜坡坡面表現出平直狀或階梯狀特征，斜坡前部或側邊具備的陡坎臨空面或深溝； 中期階段斜坡圈椅狀地貌特征明顯，整體地形呈縱向的陡緩相間，發育沖溝與槽谷脊低洼地段組合形成一定的“槽脊相間”地貌特征，后壁具陡坎，后緣可見寬大拉裂槽，中部多見反坡臺地，前緣向河谷凸出或被河流深切等； 后期階段由于劇滑后受長期地質應力作用或人類工程活動改造，因此古(老)緩傾地層滑坡一般無明顯識別特征，難被察覺。

基于上述緩傾地層滑坡初期及中期階段的識別特征，對照HRDEM生成山體陰影圖和DOM 2類數據中所包含的色調、形態、紋理和陰影等信息，尤其是植被覆蓋下的微地形變化及線性特征，構建用于人機交互解譯緩傾地層滑坡的直接或間接標志(圖3)，以實現此類型地質災害的準確識別。

從DOM數據(圖3(b))中可知該滑坡總體地形較緩，為山谷平壩地貌，形態特征較明顯，呈近橢圓形態，后緣稍有隆起，兩側側壁跡象顯著，前緣略顯下沉，但由于林木茂密，用于識別緩傾地層滑坡的諸多重要識別標志均被遮擋，難以進一步判定其類型。而借助機載LiDAR技術獲取的HRDEM則可以有效去除植被高度對地面高程測量的影響，其衍生出的山體陰影圖(圖3(a))可顯著反映滑坡微地貌特征，包括滑坡體后緣的圈椅狀地貌、拉裂槽、階梯狀地貌，中部的局部反坡臺地及槽脊相間地貌，側緣的臨空陡坎和深溝，前緣的陡坎等均可進行有效識別。綜合山體陰影圖及DOM的判識結果，初步判斷該滑坡為一處于中期槽谷緩慢擴張階段的緩傾地層滑坡。

(a) 山體陰影圖 (b) DOM圖3 緩傾地層滑坡綜合遙感識別標志Fig.3 Flat landslide morphological characteristics in hillshade and DOM

3.2 緩傾地層滑坡邊界判識方法

為克服地質災害綜合遙感識別過程中的邊界判定多解性問題，前人基于DEM系列派生產品，就滑坡邊界判識應用方面開展了諸多研究[11-12,16-21]，包括山體陰影圖、坡度圖、地表粗糙度圖和地形正開度圖等在內的多種DEM可視化分析方法均可在一定程度上提升識別準確率，其中又以山體陰影圖的應用最為普遍。近年來，隨著DEM數據應用技術的長足發展，SVF這一用于描述三維空間形態的新型DEM可視化分析手段，已被引入并應用于高植被覆蓋山區地質災害識別領域。郭晨等[22]通過機載LiDAR數據對復雜山區地質災害的識別研究，證明SVF數據較常規山體陰影圖等方法能更為清晰地反映滑坡整體邊界特征，可顯著提高地質災害判識的準確率，對復雜地形植被覆蓋區的滑坡識別具備明顯優勢。

SVF數據作為一種對地表形態開闊度的定量描述，主要通過漫反射的方法有效解決單一光源照射下的陰影問題，可實現復雜地表形態及微地貌特征的增強顯示。本文利用SAGA GIS軟件平臺下Terrain Analysis工具集內的Sky View Factor工具，計算得到目標滑坡范圍區的SVF數據(圖4(a))。在SVF數據中(圖4(a))，緩傾地層滑坡的后壁輪廓極為清晰，受流水侵蝕作用影響形成的右側壁沖溝線性地貌特征顯著，左側壁局部線性特征及地形凹凸細小差異明顯，滑坡前緣邊界清楚，較山體陰影圖(圖4(b))優勢顯著。此外，SVF數據對滑坡體內局部微地貌特征的展示效果較好，通過對后緣至前緣不同部位微小地形變化信息的增強顯示，可將該滑坡進一步劃分為后緣隆起區、中部階梯狀緩傾區及前緣陡坎區。滑坡邊界識別結果及各亞區位置見圖4(b)。

(a) SVF (b) 山體陰影圖圖4 SVF可視化方法對緩傾地層滑坡邊界的識別及結果Fig.4 Identification of flat landslide boundary by SVF visualization method and its results

3.3 緩傾地層滑坡拉裂槽識別方法

緩傾地層滑坡拉裂槽常見于災害形成初期及中期的短距離拉槽啟動階段，主要由構造作用或卸荷作用下造成的基巖節理裂隙結構面破壞，經后期充水拉張、拉槽擴張后形成，屬于緩傾地層滑坡主要識別標志之一。

一般而言，受地表發育植被所限，利用常規遙感影像色調、紋理的差異，較難有效識別拉裂槽的地形突變特征。機載LiDAR數據則可較好規避上述問題，特別是HRDEM派生的系列山體陰影圖在拉裂槽識別方面效果尤為顯著。山體陰影圖通過模擬不同光照角度，以突出渲染和增強拉裂槽的微地貌特征。因此，其具備反映拉裂槽地形突變位置立體形態的能力。但需要指出的是，受滑坡體傾向與光照方位角間關系的影響，入射方位角參數的選取設置，將直接影響所構建山體陰影圖的最終識別效果。

基于ArcGIS 10.8平臺3D Analyst模塊下Hillshade工具構建系列山體陰影圖(圖5)，光源方位角以0°為起始角度，45°為間隔，依次形成不同光源下的地貌渲染柵格圖像(圖5(a)—(h))。由圖5可知，拉裂槽總體走向261°，與其走向方向一致或相反的光源較難反映出滑坡左側后緣拉裂槽特征，在圖5(c)及圖5(g)中幾乎無法識別； 與走向垂直的2類光源(圖5(a)和(e))對拉裂槽線性特征的表現能力則明顯較強，而其中又以左側壁外側光源(圖5(e))對拉裂槽邊界顯示效果最為理想； 與滑坡體傾向斜交光源(圖5(b)，(d)，(f)，(h))則在一定程度上可反映出拉裂槽的局部地貌特征。因此，在識別緩傾地層滑坡拉裂槽時，應優先選取拉裂槽走向方向外側垂向光源構建山體陰影圖進行識別，并結合與走向斜交光源下的系列渲染結果輔以判識，進而實現對拉裂槽位置的準確判斷。

(a) 光源方位角為0° (b) 光源方位角為45° (c) 光源方位角為90°

(d) 光源方位角為135° (e) 光源方位角為180° (f) 光源方位角為225°

(g) 光源方位角為270° (h) 光源方位角為315° (i) 拉裂槽識別結果圖5 滑坡拉裂槽系列山體陰影圖及識別結果Fig.5 Hillshade maps of flat landslide crack groove and its recognition results

3.4 基于三維形態的拉裂槽信息提取

利用ArcScence等可視化軟件，可對獲取的HRDEM及山體陰影圖做進一步處理，實現滑體拉裂槽發育形態特征的精細刻畫。通過三維可視化數據分析，構建緩傾地層滑坡側緣拉裂槽的三維曲面(圖6)。其中，HRDEM三維形態較為直觀地展示了側緣拉裂槽發育的整體形態與起伏特征，而山體陰影三維形態則更為清晰地揭示出被植被掩蓋的拉裂槽發育規模及邊界微地貌特征。

通過三維形態圖可知，拉裂槽發育于圖6中86 m長度處。其主體延伸長度約150 m，平均寬度約5 m，邊緣距底部最大高差近20 m； 拉裂槽外側為滑坡后側緣邊界，地形較為平坦，內側地形則陡緩不一，坡度約10°～35°，陡坎臨空面較發育，局部見次級垮塌后形成的緩坡臺地，并向滑體內側凸出。結合滑坡體整體特征來看，該拉裂槽走向與主滑方向基本一致，說明其發育與斜坡巖體中節理裂隙充水擴張、拉槽啟動及擴張等演化過程密切相關，據此初步推測此緩傾地層滑坡目前處于中期緩慢形變階段，若后期遇持續強降水，極可能發生劇滑，嚴重威脅滑坡體上部聚居農戶、道路及小型水庫安全，屬高風險隱患。

(a) HRDEM三維形態 (b) 山體陰影三維形態圖6 滑坡拉裂槽三維形態特征Fig.6 3D morphological characteristics of flat landslide

4 識別結果驗證

從隱患體成災物質條件、結構條件和有效臨空等空間條件看，該隱患所在斜坡坡度約24°、坡向275°，基巖產狀近水平，屬緩傾地層滑坡。斜坡后緣左側坡度較陡，局部基巖出露，陡壁長約300 m，走向為NE-SW向，為滑坡隱患左后側邊界； 右前側為深溝，整體走向257°； 中部呈多級緩坡平臺，坡度為5°～14°，局部為反坡臺地； 前緣受主沖溝深切割影響，具臨空條件。可見，該斜坡后緣較陡、右側深溝發育、左側陡坎發育、前緣臨空面好，地形地貌條件易于地下水入滲，進而誘發滑坡，威脅聚集區居民、水庫及道路安全(受威脅對象位置如圖7所示)。

圖7 實地調查復核點位示意圖Fig.7 Location diagram of field survey points

據調查，該隱患后緣右側拉裂槽(圖7中A—B處)主體延伸長度為164 m，深于大于22 m，最寬處達4.9 m，總體走向260°，與本次識別結果一致(圖8)。經走訪，該拉裂槽出現時間為2010年7月，通過對其兩側追索，發現沿途地表多處斷續分布新生裂縫，可見滑坡隱患目前正處于蠕滑變形階段，隨時可能出現劇滑，隱患風險較高。在對滑坡體上房屋、道路等基建設施(圖7調查點C處)調查中發現，坡體中后部見有多處房屋墻體開裂，地面裂縫、下錯等現象較明顯，裂縫多為鼓張和拉張裂縫，寬約0.2～1 cm不等，下錯約2 cm(圖9)。

(c) 調查點B處拉裂槽照片(d) 調查點B處向西部延伸裂縫照片圖8 糯鼓寨村滑坡拉裂槽實地調查照片Fig.8 Field photos of Nuoguzhai Village landslide crack groove

(a) 墻體開裂 (b) 地面下錯圖9 滑坡中部被破壞房屋及地面照片Fig.9 Photos of damaged houses and ground in the middle of landslide

滑坡體右側壁中部(圖7調查點D處)水泥臺階見延伸近30 m的拉裂縫，裂縫寬1～5 cm，錯動距離5～10 cm不等。坡面右側中下部(圖7調查點E處)水泥公路路面見多處開裂下沉，裂縫寬0.5～3 cm，裂縫延伸長20 m，呈弧形展布； 路邊農田邊坡見格構式水泥護坡，目前部分護坡隆起、擠壓變形，局部已斷裂(圖10)。此外，據當地居民反映，滑坡左側壁中下部(圖7調查點F處)于2017年初新出現一處拉裂縫，每逢雨季變形較強烈，近年來有持續擴張趨勢。現場調查判斷該拉裂縫同為斜坡基巖節理裂隙充水擴張所致，其延伸長度約500 m，裂縫走向235°，寬1～5 m不等，最大深度近2 m(圖11)。結合上述實地調查結果，可判斷該隱患確為處于中期緩慢形變階段的緩傾地層滑坡，其中后部極不穩定，形變位移跡象明顯，如遇短時集中降雨等惡劣天氣，滲入滑坡體的地表水將造成地下水水位迅速抬升，孔隙水壓力驟增，進而改變巖土體受力模式及平衡，斜坡穩定性將大幅下降，極易發生整體滑動，嚴重威脅該區域12戶約60人的生命安全。建議將該隱患納入群策群防體系，尤其對形變較強部位加強地表水排放措施及汛期排查，盡快開展高精度、高頻次遙感更新識別與監測，必要時實施移民搬遷。

(a) 被錯斷臺階局部 (b) 臺階延伸裂縫

(c) 公路路面下沉 (d) 擠壓變形水泥護坡圖10 滑坡右側壁中部被破壞設施照片Fig.10 Photos of damaged facilities in the middle of the right side of the landslide

(a) 拉裂縫照片1 (b) 拉裂縫照片2圖11 滑坡左側壁中下部拉裂縫照片Fig.11 Photos of tensile cracks at the middle and lower part of the left side of the landslide

5 結論

本文以四川東南部地區緩傾地層滑坡及其拉裂槽識別為主要應用目標，通過對研究區機載LiDAR數據的獲取和處理，得到HRDEM數據及其派生的多種可視化產品，利用緩傾地層滑坡綜合遙感識別方法，實現基于機載LiDAR數據的滑坡隱患識別標志構建、邊界準確判識、拉裂槽位置識別及信息提取，結合野外核查驗證結果，從定性和定量2個方面證明了機載LiDAR技術對高植被區緩傾地層滑坡及其拉裂槽識別應用的有效性，并得出以下結論及認識：

1)利用機載LiDAR技術強植被穿透優勢，獲取川東南地區緩傾地層滑坡真實地表數字高程模型，結合地表微地貌形態構建災害綜合遙感識別標志，是實現緩傾地層滑坡早期識別的可靠方法。

2)基于SVF這一新型可視化分析手段，可清晰反映緩傾地層滑坡整體邊界范圍，增強顯示滑坡體內不同部位微小地形的變化信息，有效降低由遙感判識多解性問題所引起的地質災害邊界誤判、錯判概率，實現滑坡體邊界及內部亞區的精細劃分。

3)由機載LiDAR數據派生的系列山體陰影圖對拉裂槽識別具顯著優勢，綜合考慮滑坡體傾向與不同光照角度的組合特征，合理構建以拉裂槽外側垂直光源為主、斜交光源為輔的山體陰影渲染地形，可更為有效地識別和圈定拉裂槽發育位置。

4)通過三維可視化數據分析方法，構建基于機載LiDAR數據的三維曲面，可實現對滑坡體局部拉裂槽真實地形形態及微地貌變化特征的準確表達，并用于拉裂槽范圍、拉張槽谷長度、寬度及深度等多要素數據的定量提取。

5)綜上，結合機載LiDAR技術與數據可視化分析方法可實現植被發育區緩傾地層滑坡及其拉裂槽的準確識別，特別是對處于災害發育啟動階段和發育中期具備拉裂槽這一典型特征的緩傾地層滑坡早期識別尤為有效，是避免滑坡隱患在雨季突發劇滑、引發重大地質災害事故的有效途徑之一。本文相關技術方法對緩傾地層滑坡多發區的災害隱患早期識別、監測及防治應用研究具一定的參考和借鑒價值。