基于三維GIS的金屬礦區地質災害監測與預警方法

董 瑩

（海南有色工程勘察設計院，海口 570206）

隨著資源需求量的不斷上升，金屬礦產開采技術加快發展，同時安全風險增加[1]。金屬礦區開采難度較大，它屬于一種高危行業，受地質環境等因素的影響，開采過程存在一定的危險性[2]。通常，金屬礦區地質環境相對復雜，存在大量的高陡邊坡與滑塊，受自然因素影響，容易出現滑坡、泥石流、山體崩塌等地質災害[3]。金屬礦區地質災害存在較大的不可控性，巖體容易出現變形與風化，一旦發生災害，礦區整體防治難度較大[4]。

科學合理的礦區地質災害監測與預警方法至關重要，通過實時監測與分析金屬礦區地質變化狀況，制定相應的應急管理機制，有效地對地質災害作出預警[5]。當前，我國傳統的地質災害監測與預警方法在監測點布設方面仍然存在不足，難以根據金屬礦區的具體情況布設合理的監測點，導致監測結果精度較低，不利于災害預警[6]。三維地理信息系統（GIS）與二維GIS相似，同樣具有最基本的空間數據處理能力，包括數據采集、數據操縱、數據分析和數據展示等。同時，相比二維GIS，三維GIS的空間展示效果更為直觀，它通過三維形式更加直觀地展示礦區內的實際情況與測點位置[7]。基于此，本文以傳統金屬礦區地質災害監測與預警方法為基礎，引入三維GIS，提出一種新的監測與預警方法，為金屬礦區地質環境穩定發展及礦產資源安全開采提供保障。

1 方法設計

1.1 金屬礦區地質災害數據采集與預處理

在本文設計的金屬礦區地質災害監測與預警方法中，首先對礦區內的實際地質環境情況做出分析，采集并預處理地質災害數據。金屬礦區內具有一定的時空相關性，地質環境受到多種因素的影響，具有較強的不確定性。因此，本文采用SAR技術與衛星數據處理技術，結合二軌法采集金屬礦區內的地質災害數據。地質災害數據采集后，利用數據差分干涉的處理方法，對地質災害數據進行預處理，流程如圖1所示。

圖1 地質災害數據差分干涉處理流程

如圖1所示，首先將采集的地質災害初始數據進行拼接處理，拼接為具有子條帶的單層單元（SLC）數據，對SLC數據進行配準操作，生成差分干涉數據集合，判斷數據集合的配準誤差是否小于0.001。若小于0.001，則生成對應的形變量數據集并輸出結果；若大于0.001，則重復上述步驟，直至配準誤差符合標準。通過地質災害數據預處理，獲取適用于本文設計的地質災害監測與預警方法的數據[8]。

1.2 布設地質災害監測點

上述金屬礦區地質災害數據采集與預處理結束后，綜合考慮地質災害監測方法的可靠性、多層次以及方便實用的設計原則，確定具體的監測技術，合理布設金屬礦區內地質災害監測點[9]。

首先，設定監測基準點，建立礦區地質災害監測坐標體系。設定(x1,y1,z1)、(x2,y2,z2)、(x3,y3,z3)分別表示監測基準點的坐標值，(xp,yp,zp)表示地質災害監測點p的坐標值。災害監測點與基準點的距離分別用S1、S2、S3表示，對應的計算公式分別為

根據式（1）至式（3），獲取地質災害監測點與基準點之間的布設距離，選取金屬礦區地質災害的主要監測對象與次要監測對象，采用等間距布設的方式，在金屬礦區內設置滑動面的剖面監測線。然后，結合礦區內邊坡變化規律與三維GIS的可視化功能，設置監測點p的首次監測坐標值為(xp0,yp0,zp0)，(xpi,ypi,zpi)表示第i次監測點p的坐標值。監測點p的位移分量變化計算公式分別為

式中：Δxp、Δyp、Δzp分別表示監測點p在x軸方向、y軸方向、z軸方向的位移分量。

監測點p的累計位移總量為

式中：ΔS為監測點p的累計位移總量。

通過式（7）獲取金屬礦區地質災害監測點的累計位移值，根據監測點的位移變化，完成金屬礦區地質災害的實時監測。

1.3 基于三維GIS建立災害預警模型

金屬礦區地質災害監測點布設完畢后，獲取監測點的實時位移變化情況，在此基礎上，結合三維GIS，建立災害預警模型。在模型中輸入金屬礦區地質災害等級，方便工作人員制定合理的解決方案[10]。本文設計的金屬礦區地質災害安全等級劃分標準如表1所示。

如表1所示，將上述金屬礦區地質災害安全等級輸入預警模型中，結合三維GIS的可視化功能，展示地質災害所處礦區的邊坡位置，分析各個監測點的數據變化情況，篩查數據異常信息，根據式（8）計算金屬礦區地質環境的安全指數。

表1 地質災害安全等級劃分標準

式中：T表示金屬礦區地質環境安全指數；b表示安全指數修正系數；M表示地質損傷系數；μ表示巖體的剪切模量；E表示巖體的損傷事件能量。

通過計算，獲取金屬礦區地質環境的安全指數，與地質災害安全等級中的安全指數進行對比，判斷礦區的地質災害安全等級與安全程度，并根據判斷結果，作出災害預警提示。

2 試驗分析

2.1 試驗準備

本文提出了基于三維GIS的金屬礦區地質災害監測與預警方法，為了進一步分析該方法的可行性，有必要進行試驗。本次試驗選取某金屬礦區作為研究區，該礦區范圍內均為塊狀與碎塊狀的大理石路面，交通相對便捷。金屬礦區內多為溫暖、潮濕氣候，年平均氣溫為15.2 ℃，平均降水量為1 426.8 mm。一年中，5—9月為雨季，平均濕度為82.4%，礦區內主導風向為南風，平均風速為2.3 m/s。金屬礦區開采區域溝谷的切割形式突出，水系呈樹枝狀分布，分水嶺較多，年平均流量為1.3 m3/s。礦區內的出露地層為新寨巖組，根據巖性組合特征的不同，主要包括6個巖段，各個巖段的巖性組合特征如表2所示。

表2 金屬礦區巖段巖性組合特征

結合金屬礦區各個巖段的巖性組合特征，分析該礦區內的地質構造。該金屬礦區變形的地質體包括新寨巖組與麻狀花崗巖體，地質體中的剪切帶具有較強的韌性，對應的剝離斷層變形強度較不均勻，南北向斷層的錯距較小。金屬礦區地質環境分析結束后，將本文設計的地質災害監測與預警方法應用到該金屬礦區中。首先，基于三維GIS確定礦區的潛在滑動面，結合滑動面的貫通情況，獲取地質環境中裂隙網格的分布特點，對裂隙網格的隙寬進行換算。獲取換算結果后，建立基于三維GIS的礦區監測與預警模型，將隙寬結果輸入模型中，結合礦區內巖體發育的結構和滑動面的相交情況，推測金屬礦區內的不穩定結構。利用極限平衡法，分析金屬礦區地質環境的穩定性，結合土體的穩定程度，判斷礦區地質災害的風險系數，完成相應的災害預警。

2.2 結果分析

為了驗證本文提出的監測與預警方法的可行性，同時避免試驗結果的單一性，本次試驗采用對比分析的形式。將本文提出的監測與預警方法和傳統的基于合成孔徑雷達干涉（InSAR）技術的地質災害監測與預警方法進行對比，選取5組礦區內的滑動面，利用MATLAB軟件分析金屬礦區的地質災害變化，分別對比兩種方法的監測結果準確率和災害預警穩定性系數，如表3所示。

表3 兩種方法監測與預警結果對比

根據表3的對比結果可知，在兩種金屬礦區地質災害監測與預警方法中，本文方法監測結果準確率均不小于95.62%，且災害預警穩定性系數較高，相比傳統方法，優勢更加顯著，說明本文方法能夠更加準確地監測與預警金屬礦區的地質災害變化。

3 結語

傳統金屬礦區地質災害監測方法監測精度偏低，本文以傳統方法為基礎，設計了基于三維GIS的監測與預警方法，實現對金屬礦區地質環境的可視化監測。本文方法不僅能夠實時反映礦區地質災害變化，有效地提升地質災害的監測精度，也可以為地質災害預警提供精確數據支持，促進我國地質災害防災減災事業的發展。