滑坡災害GNSS監測技術研究進展與展望

王 利, 許 豪, 舒 寶, 李新瑞, 田云青

(1.長安大學地質工程與測繪學院，西安 710054；2.地理信息工程國家重點實驗室，西安 710054； 3.西部礦產資源與地質工程教育部重點實驗室，西安 710054)

0 引言

我國國土面積遼闊，不同地區地質構造也不盡相同，是一個地質種類非常豐富的國家。豐富的地質種類在帶來許多壯麗景觀的同時也造就了許多不同種類的地質災害問題，例如滑坡、崩塌、泥石流、地面塌陷、地裂縫及地面沉降等一系列地質災害。2011年，國務院印發相關決定，在思想、原則和目標3個要求指導下，開展全面清查隱患情況，積極開展災害監測預報預警，有效處理、規避災害風險[1]。雖然經過多年的工作與努力，我國地質災害監測、防治及應急體系取得了較好的成果，但每年發生地質災害的總數依舊較大。據國家自然資源部統計，2021年全國共發生4772起地質災害，造成80人死亡、11人失蹤，與前5年同期平均值相比，地質災害發生數量、造成的死亡失蹤人數分別減少30.3%和63.2%。在各類地質災害中，滑坡災害發生最為頻繁，造成的生命財產損失也最為嚴重。長期以來，對滑坡災害進行監測預警，是有效降低滑坡災害風險、主動防范滑坡災害的一項重要工作。

理論上講，滑坡災害的發生就是巖土體在地質和重力作用下不斷變形直至失穩的過程，不管哪種類型的滑坡災害，都會表現出一定程度的變形特征。因此，地表形變監測一直是滑坡災害監測中的重要內容[2]。長期以來，地表外部位移監測主要依靠經緯儀、水準儀及測距儀等傳統儀器，這些以大地測量為主的方法具有直觀、簡單、投入快及監測較為準確等特點，在滑坡災害監測中發揮了重要的作用。但這些監測手段也存在人工作業勞動強度高，受人為因素、地形通視和氣候環境條件影響大、作業周期長等缺點，難以準確及時發現災害體的整體變形。隨著現代空間技術、電子技術、計算機技術以及網絡、通信技術和信息技術的發展，以全球衛星導航系統(Global Navigation Satellite System，GNSS)、遙感(Remote Sensing，RS)、合成孔徑雷達干涉測量(Interferometric Synthetic Aperture Radar，InSAR)、全自動測量機器人和遠程自動化監測系統為代表的現代高科技技術手段，逐漸成為地質災害形變監測的重要技術方法，為地質災害監測帶來了一場全新的技術革命[3-4]。其中，GNSS技術因具有全球性、全天候、連續性和實時性等特點，已被廣泛應用于滑坡災害的地表三維形變監測中。

近些年，國內外學者在GNSS技術應用于滑坡災害監測的理論和技術方法等方面開展了大量的探索和研究，主要包括GNSS監測終端、GNSS高精度監測技術及GNSS監測結果時間序列處理等研究領域，取得了諸多的研究成果。但是，由于我國的滑坡災害種類多、分布廣、頻次高、強度大、災情嚴重，GNSS技術應用于滑坡災害監測仍然存在著復雜觀測環境條件下高精度定位難度大、設備硬件成本高、專業性強、虛警或誤警率高及普適化程度低等問題。為此，本文在總結滑坡災害GNSS監測技術研究進展及現狀的基礎上，提煉了現階段研究中存在的關鍵問題并提出了一些研究思路，對滑坡災害GNSS監測技術未來的應用發展趨勢進行了展望。

1 滑坡災害GNSS監測技術研究進展

全站儀、水準儀測量及近景攝影測量等傳統大地測量技術，長期以來在滑坡災害監測中發揮了重要作用。隨著人們對滑坡災害危害的認識加深及查明的災害隱患點的增多，人們對滑坡災害變形狀態監測的時效性需求也更高。自20世紀90年代以來，GNSS等空間對地觀測技術就憑借其技術優勢在滑坡變形監測中得到了廣泛應用，取得了較好的效果。GNSS應用于滑坡形變監測，首先需要在滑坡變形區域內布設GNSS監測設備，然后對GNSS監測設備采集到的觀測數據進行解算，最后基于長時間解算的三維坐標得到變形時間序列。隨著GNSS集成制造工藝技術的進步、數據解算技術的不斷迭代更新及時間序列分析理論的發展，GNSS技術在滑坡形變監測中經歷了從專業型監測終端到低成本采集模塊、從靜態mm級精度到動態mm級精度和從線性平穩時序到非線性非平穩時序精細化建模的轉變。

1.1 GNSS滑坡災害監測設備研究進展

滑坡災害GNSS變形監測是利用專業GNSS監測設備，對滑坡體在時空域下的變形現象進行連續監測的工作。滑坡體變形往往具有空間差異性，單個監測點難以掌握滑坡體的整體變形趨勢，因此往往需要布設多個監測設備。GNSS監測設備最核心且占據最大成本部分主要由衛星天線、定位模塊和通信模塊構成，常規測量型GNSS監測設備成本大約數萬元每臺，在單個或多個滑坡體上布設監測設備不僅硬件成本高，外業安裝及硬件調試也會增加一些成本，這是制約滑坡災害GNSS監測技術大范圍普適化推廣應用的關鍵因素之一。已有學者針對GNSS監測設備進行了一系列研究，對于監測系統中使用多個接收機導致成本高昂的問題，有學者提出一機多天線系統，即使用多天線控制器切換信號，利用一臺接收機連接多個衛星天線，實現多節點監測。已有研究表明，該方法各監測點在東、北、天3個方向定位精度可以達到mm級、天線信號切換時間低于10ms，但該技術存在信號轉換器不穩定、線路布設難及作業不靈活等問題[5]。此外，GNSS接收機分為單頻和多頻接收機，雖然單頻接收機只能接收GNSS衛星單一頻率的載波信號，但定位精度可達cm級，仍可用于變形速率在cm級以上的滑坡災害監測[6]。單頻接收機的主要優勢是成本低，但隨著多模多頻GNSS接收機成本不斷降低，單頻接收機的成本優勢也相對減弱，且多模多頻GNSS接收機獲取的觀測數據經解算后定位精度可達mm級，可以更加敏銳地捕獲滑坡體的形變情況。

GNSS芯片作為GNSS接收機的核心，售價在幾百元到幾千元不等，是降低GNSS監測接收機成本的關鍵之一。目前，隨著多模多頻GNSS芯片成本的不斷降低，市場上也開始出現了低成本的多模多頻GNSS接收機，單頻接收機的成本優勢相對地逐漸減弱。目前，國內典型低成本定位模塊有和芯星通科技(北京)有限公司的UM980和武漢夢芯科技有限公司的MXT906B等，國外有UBLOX的F9P等，使用上述定位模塊研發的監測型接收機整機售價均低于5000元。此外，這些典型的定位芯片大小約2cm×2cm，厚度小于3mm，工作電壓2.7～3.6V，部分芯片可達到-148dBm的捕獲靈敏度和-167dBm的跟蹤靈敏度。目前低成本芯片在體積、功耗及信號捕獲跟蹤等方面都有著不錯的表現，且實驗表明一些采用低成本定位芯片制造的GNSS雙頻接收機具有亞毫米級噪聲，并且可以實現與短基線常規測量型接收機相當的測量精度[7-8]。GNSS納米芯片工藝與射頻基帶處理一體化技術，在降低GNSS監測設備成本的同時可以有效地縮小設備體積，是推動GNSS監測設備在滑坡災害監測中普適化推廣應用的重要一步[9]。同時，文獻[10]提出了“云存儲-云檢核-云增強-云計算”的行業云平臺數據處理模式，通過剝離測量型GNSS接收機中的非必要功能模塊，僅保留數據采集和通信模塊，大幅度降低GNSS接收機的成本。低成本終端觀測數據質量通常較差，需要將監測點的觀測數據流和廣播電文數據流在云平臺上進行云存儲，結合云平臺生成的超快速星歷產品等對觀測數據進行篩選，再進行精細模型改正，定位精度才能滿足滑坡監測要求。

GNSS技術在惡劣觀測環境時，其造成觀測數據的異常可能會導致災害預警的嚴重誤判。文獻[11]融合北斗衛星導航系統(BeiDou Navigation Satellite Sy-stem，BDS)、全球定位系統(Global Positioning System，GPS)、GLONASS與強震記錄儀進行實時變形監測，模擬變形實驗結果表明,結合各傳感器的優勢，可獲取高精度、高頻的變形位移、速率及加速度信息。另外，滑坡災害往往位于高山峽谷區，山勢陡峭、地形地貌復雜，現有的GNSS監測設備都是通過人工現場安裝，不僅費時費力，而且在遇到突發災害需要進行監測時具有很高的危險性。為了使GNSS設備具有更好的普適性，長安大學率先研制了拋投式GNSS監測裝備[12]，采用無人機拋投的方式進行部署，該設備對GNSS信號質量、接收機質量及硬件成本等方面均提出了新的需求。

1.2 GNSS高精度監測技術研究進展

從1963年第一顆導航衛星成功發射，到2020年我國BDS全面建成，目前GNSS在軌衛星數已超過120顆，GNSS在全球范圍內的高精度導航定位能力得到進一步提升[13]。與此同時，滑坡災害GNSS監測技術應用研究也是如火如荼，在監測時效性及定位精度方面都得到了很好的提高，可以較好地滿足滑坡形變監測的實際需要。回顧GNSS滑坡災害監測應用的發展歷程，滑坡監測工作中所涉及的主要包括靜態相對定位、實時動態相對定位(Real-Time Kinema-tic，RTK)、網絡RTK和精密單點定位(Precise Point Positioning，PPP)四類高精度定位技術。

1)靜態相對定位。靜態相對定位是從已知或假定已知位置的基準站，用GNSS接收機在基準站和監測站同時對相同衛星進行觀測，經載波相位測量處理獲得站間基線矢量，進而確定監測站相對于基準站的位置坐標的技術[14]。經數小時的持續觀測，靜態相對定位可達mm級定位精度。早在20世紀90年代，就有學者討論該技術應用于地質災害變形監測中的可行性。西班牙加泰羅尼亞理工大學和巴塞羅那地理信息研究所于1995年開始使用GPS靜態測量對Vallcebre滑坡進行平均2個月一次的監測工作，該方法與傳統高精度大地測量相比，水平方向精度在12～16mm之間，高程方向精度在18～24mm之間[15]。奧地利格拉茨技術大學和奧地利地質調查局于1999年對阿爾卑斯山的Brunnalm滑坡進行監測并開發了相應的軟硬件系統，24h觀測精度可以達到mm級[16]。1997年，印度尼西亞的萬隆科技大學開始用GPS靜態相對定位技術對雅加達地區的地面沉降進行監測，持續8年的監測結果表明，GPS技術對于地面沉降監測和輔助公共政策決策方面意義重大[17]。2000年—2002年，法國里昂地球科學實驗室用單頻GPS接收機對阿爾卑斯山地區的La Valette滑坡進行變形監測，其東西方向、南北方向和垂直方向的最差監測精度分別為2.4cm、11cm和7.4cm[18]。

我國自20世紀90年代起也開始在長江三峽等大型水利水電工程中建立GPS監測網，用于各種崩塌、滑(邊)坡的變形監測；在許多正在施工和運營的道路及工程建筑中也使用GPS監測治理或未治理的滑坡。1990年，湖北省巖崩滑坡研究所和中國科學院測量與地球物理研究所利用GPS靜態相對定位技術與常規地形變化監測技術相結合，建立了跨長江三峽庫區九灣溪斷裂和鏈子崖-新灘滑坡體的GPS觀測網，這是我國首次利用GPS空間測量技術研究區域構造運動與巖崩滑坡的相關性。1990—1993年間四期的監測結果表明，只要監測網點布設合理、選點恰當、觀測嚴格、數據處理方法正確，該方法是可行、可靠的[19-20]。進入21世紀之后，GNSS/GPS靜態相對定位技術在滑坡等地質災害監測中的應用也更加廣泛。文獻[21]通過融合BDS和GPS觀測數據，對西安地區地面沉降進行監測，明顯提高了監測結果的內、外符合精度。目前在良好環境下靜態相對定位一般可以達到10min mm至cm級定位精度，但其事后數據處理模式使得人力和物力耗費大，自動化程度不高。此外，當滑坡變形速率較大時，靜態相對定位則難以捕捉到關鍵形變信息。文獻[22]通過GPS對甘肅黑方臺滑坡進行30min一次的變形監測，監測結果顯示，滑坡發生0.5h前維持變形速率不足1mm/d的緩慢勻速變形狀態，未能獲取到滑坡破壞過程的變形數據。因此，靜態相對定位主要應用于處于相對穩定或緩慢勻速變形狀態的滑坡長期變形監測中。

2)實時動態差分定位。實時動態差分定位也是一種相對定位方法。基準站通過數據鏈將觀測值和坐標一起發送給監測站，監測站在接收來自基準站數據的同時也需要采集GNSS觀測數據，組成差分觀測值進行處理后實時給出定位結果[23]。由于RTK技術可消除接收機鐘差、衛星鐘差等公共誤差，并削弱對流層延遲、電離層延遲等強相關誤差，定位精度可快速達到cm級甚至mm級，是目前滑坡災害變形監測應用最為廣泛的GNSS監測技術。文獻[24-25]結合某類滑坡的物理模型實驗，利用GPS RTK技術對滑坡變形過程進行監測，當基準站及監測站同步觀測衛星數在7顆以上且數據鏈正常工作時，在良好觀測環境下RTK測量精度可控制在平面精度15mm以內，高程精度20mm以內。目前RTK在良好觀測環境下能夠實時獲得平面和高程分別為5mm和10mm的定位精度，但滑坡災害區域往往存在山體遮擋、植被茂密的問題，導致實時監測結果的精度和可靠性不能保證[26]。針對監測站觀測環境差的問題，有學者通過剔除較差的觀測值或降低權重的方法來抵御多路徑效應。文獻[27]結合監測站地形特征與GNSS衛星空間位置的幾何關系，建立基于方位向的截止高度角處理策略，相較傳統處理模型水平方向和高程方向的精度均有一定程度的提升。文獻[28]基于短距離內基準站與監測站觀測數據間的相關性，通過站間觀測數據信噪比差分的方法識別并剔除受多路徑影響嚴重的觀測數據，實驗結果顯示該方法可以提升平均模糊度固定率及定位精度。

使用RTK對滑坡災害進行實時的變形監測依賴穩定的通信數據鏈。GNSS實時數據在通過網絡傳輸的過程中會不可避免地產生時延[29]。文獻[30]評估了基于網絡傳輸同步RTK的時延，結果顯示1Hz的數據在傳輸過程中最高時延可達3s。當基準站數據發生時延時，RTK無法實時提供變形信息，這對關鍵變形階段的滑坡災害變形監測而言是難以接受的。文獻[31]提出了一種異步RTK精密差分定位算法，分析了異步數據中星歷、電離層及對流層等誤差對定位的影響，結果表明在十幾秒內上述誤差可以忽略。文獻[32]通過高精度精密星歷和鐘差改正，發現異步RTK與同步RTK間的累積誤差在短時間內線性增長，經過一次多項式修正模型修正該趨勢后，基準站發生時延1min內仍可提供cm級監測精度。短基線RTK之所以可實時得到監測站的高精度三維空間坐標，是因為2個距離較近的GNSS觀測站的大氣誤差近似相等，可以通過雙差觀測值消除大部分的公共誤差。然而，當基準站與監測站距離增加時，二者大氣誤差相似性降低，會導致定位精度顯著降低甚至定位結果不可用，因此一般要求基線距離不超過15km[33]。在RTK滑坡監測工作實施過程中，每個滑坡災害區域通常需要單獨建設獨立的基準站，這種“一點一基站”的監測模式不僅增加了監測成本，還可能存在監測基準不穩定的問題[34]。

3)網絡RTK。網絡RTK技術利用區域內多個基準站數據，對基準站模糊度固定后的大氣延遲誤差進行建模，并將改正信息播發給區域內的流動站，進而實現大范圍的高精度實時定位[35]。與常規RTK技術相比，網絡RTK技術具有監測范圍廣、無需布設基準站等明顯優勢[36]。此外，網絡RTK建設投資少，可為區域內的多個滑坡災害點提供監測服務。網絡RTK的關鍵技術是充分利用基準站網提供的信息來改善監測站的定位精度和可靠性等，目前主要包括區域改正數(Flachen Korrektur Parameter，FKP)、虛擬基準站(Virtual Reference Station，VRS)、主輔站(Master Auxiliary Concept，MAC)等方法。文獻[37]通過模擬位移實驗，對上述三種網絡RTK方法的定位精度進行了評估，與干涉儀(0.1mm位移精度)對比的結果表明，網絡RTK的均方誤差在水平方向和高程方向分別為4.7mm和7.9mm，足以監測1cm內的位移。

近年來，有學者開始嘗試將網絡RTK技術應用于地質災害監測，文獻[38]基于模擬形變平臺和某省5個連續運行參考站(Continuously Operating Refe-rence Stations，CORS)，探討分析了使用VRS代替物理基準站進行滑坡位移監測的可行性，結果顯示由于區域基準站網存在大氣殘留誤差，VRS的定位精度會略低于物理基準站，經實時滑動窗口平滑后的精度與物理基準站相當。文獻[39]利用CORS觀測數據生成VRS，對30處滑坡監測點進行實驗分析，結果顯示CORS站間距小于40km時，雙差對流層和電離層延遲模型內插精度優于10mm，利用時長大于8h的數據可實現平面精度優于5mm，高程精度優于10mm的形變監測。網絡RTK可有效改善常規RTK誤差隨基線距離增加而增大的問題，同時可以降低目前滑坡監測“一點一基站(一個災害點和一個基準站)”常規模式帶來的經濟成本。但目前還存在CORS的建設密度與質量在不同區域有所不同、大氣誤差改正模型與地形地貌相關等問題[34]。

4)PPP。不同于上述3種監測方法，PPP是一種單站絕對定位方法，其利用精密軌道、精密鐘差產品，精確考慮并改正觀測值中的各項誤差，以獲取高精度的絕對三維坐標。PPP技術應用于地質災害變形監測已有不少案例，文獻[40]基于滑坡物理模型實驗，證明了PPP技術應用于滑坡監測的可行性。文獻[41]利用PPP技術處理青海瑪多7.4級地震震區附近9個GNSS高頻觀測數據及遠場12站的GNSS低頻觀測數據，獲取了高精度同震形變場，并指出現有CORS網具備快速確定區域大震(7級以上)震源機制和震級的能力。文獻[42]利用福建省某滑坡監測點數據進行PPP計算實驗，驗證了多系統組合PPP在滑坡監測中的定位性能和可靠性，結果表明多系統組合PPP達到cm級精度大約需要30min，定位結果收斂后外符合精度優于5cm。文獻[43]選用四川西山村8個監測站的GNSS觀測數據進行實驗及分析，探討了PPP技術在復雜環境下滑坡變形監測的應用能力，結果顯示平均5.93h的觀測時長基本可以使PPP達到1～2cm的監測精度，可以用于變形較為緩慢的滑坡體變形監測。

觀測環境對PPP技術影響較大，且在定位時存在一個初始化過程，實現cm級PPP高精度定位的收斂時間長，數據中斷后還需要再次實施初始化，目前還無法滿足某些滑坡災害高精度實時監測的需求。目前滑坡變形監測廣泛使用的相對定位技術，其高精度、可靠的監測結果依賴于穩定的基準站，但在實際應用中可能很難找到符合監測規范的基準站布設位置，或受外界影響(地震、人類工程活動等)而出現基準站位置發生變化的情況。因此，可以使用PPP技術對基準站的穩定性進行定期檢測，以確保相對定位監測結果的可靠性[44]。此外，PPP技術也可以作為不宜架設基準站的滑坡監測場景下的一種備用方案。

圖1描述了目前各類GNSS技術在滑坡災害監測中的表現能力。從圖1可以看出，靜態相對定位監測精度最高，但實時監測性能最差，一般用于對緩慢變形滑坡災害體的定期監測分析；RTK技術監測精度次于靜態相對定位，但其是滑坡災害GNSS監測技術中適用范圍最廣的技術，對緩慢和快速變形的災害體均可進行實時監測；網絡RTK技術監測精度略次于短距離RTK，但其實時監測和適用性與RTK為同一水平，且憑借覆蓋范圍廣的優勢，能夠對多個滑坡災害區域進行監測；PPP技術受制于觀測環境和收斂時間的影響，目前在滑坡災害監測中精度、實時性能及適用范圍均不及RTK和網絡RTK技術，更多是用于基準站的穩定性檢測。

圖1 幾種高精度GNSS監測技術的優缺點

1.3 GNSS監測結果時序處理研究進展

GNSS技術用于滑坡災害形變監測時，會受到各種誤差源的污染，影響監測結果的穩定性和可靠性，如短基線相對定位模式下，監測時序主要受到多路徑效應、粗差及測量噪聲的影響[45]；中長基線模式下又會引入大氣誤差等[46]。且在實時變形監測模式中，由于監測環境、成本限制等原因，監測時序中的各類噪聲會更加顯著。

1)多路徑效應。多路徑作為GNSS變形監測的主要誤差源，無法利用差分的方法消除或削弱，但當測站與周圍環境不變時，其與測站環境具有相關性。目前，消除或削弱多路徑的方法主要有3種：第一種也是最優的選擇，即選擇一個良好的觀測環境，但在地質災害領域，測站常常不得不布設在多路徑較強的環境；第二種方法是基于硬件設備削弱多路徑[47]，但成本較高，難以大范圍推廣應用；第三種也是目前廣泛研究和采用的數據后處理算法，可分為多路徑檢測法和多路徑緩解法兩大類。在多路徑檢測法中，信噪比(Signal-to-Noise Ratio，SNR)或載噪比(Carrier-to-Noise Ratio，CNR)[28，48-49]常被作為閾值指標，識別受多徑影響較大的觀測值并進行剔除；另外一種閾值方法是將多路徑直接視為低頻誤差，在頻域內進行高通濾波以削弱多徑的影響[50-51]，但此方法需提前確定監測體的多徑誤差頻率范圍，否則可能會導致真實形變信號被錯誤去除。此外，機器學習算法也在近幾年開始用于多路徑的檢測[52]，但如何削弱檢測到的多徑誤差還需進一步研究[53]。多路徑緩解法包括基于觀測值域[54-55]或坐標域[45,56]的恒星日濾波(Sidereal Filtering，SF)和基于空間域的多徑半天球圖(Mult-ipath Hemispherical Map，MHM)[57-58]等，都是利用衛星軌道的時空重復性和測站環境相關性這2個特點，對多路徑誤差進行建模緩解。SF的關鍵是確定衛星軌道的最佳重復周期和上一個重復周期的多路徑改正模型，而基于空間域的MHM則無需考慮衛星軌道的重復周期，只與衛星的位置有關。文獻[59]比較了GPS PPP模式下的觀測值域和坐標域的SF，結果表明觀測值域的SF結果更加穩定。文獻[58]將SF方法與改進的MHM方法進行了對比，表明MHM方法的改正效果略優于SF。由于中長基線模式下同時存在多徑和大氣誤差的影響，且大氣誤差無法通過濾波等方法消除，使得前后兩重復周期的多徑相關性不再顯著，傳統SF方法難以應用到中長基線RTK/網絡RTK中。文獻[55]通過對天頂對流層延遲建模，再從非差殘差中減去對流層延遲影響，進而得到具有相關性的多徑模型，該方法在遠程基線高精度變形監測中具有良好的應用前景。表1比較了不同多路徑削弱方法在滑坡災害監測中的適用性。

表1 不同多路徑削弱方法在滑坡災害監測中的適用性

2)粗差探測與時序濾波。復雜災害監測環境下，GNSS容易受到對流層不穩定、信號中斷以及強電磁場等因素干擾[60]，監測時序不可避免地會出現波動范圍較大的粗差。這些粗差會導致無法準確反映監測體的真實形變信號，影響其穩定性分析和預測預警工作[2]。目前，GNSS監測時序的粗差探測常用的方法主要有3σ和四分位距(Interquartile Range，IQR)兩種，這兩種方法都是基于觀測數據的誤差分布特征，采用假設檢驗對粗差進行探測[61]。但由于監測時序存在位置移動，使得3σ和IQR的準確性都依賴于觀測數據的殘差序列準確性，一旦殘差序列出現誤差，將會導致粗差探測效果不佳[60]。文獻[62]分析了不同類型的粗差特征在小波變換后不同尺度上的表現規律，為選擇合適的小波函數提供了一定的參考。文獻[63]提出了一種結合小波分析和3σ的粗差探測方法，有效改善了3σ法因殘差受污染帶來的影響。文獻[64]提出了聯合奇異譜分析(Singular Spectrum Analysis，SSA)和未確知濾波(Unascertained Filtering，UF)的粗差探測方法，首先利用SSA提取形變信號，再利用UF確定粗差點的位置，其探測結果可靠性較高。文獻[65]提出了一種基于狀態域一致性理論的監測時序緩慢增長的粗差檢測方法，可有效識別時序中緩慢增長的粗差。

GNSS監測時序中除多路徑誤差和粗差外，還存在大量的隨機噪聲。這些噪聲會掩蓋監測體的真實微小形變，時序濾波模型可有效削弱其影響，提升GNSS監測精度。文獻[66]系統總結了幾種經典的時序平滑及濾波技術。文獻[67]提出了一種基于樣本崩潰點的自適應滑動窗口方法，可自適應地處理GNSS變形監測時序，提供可靠的形變信息。文獻[68]提出了一種基于動態權重的移動平均方法，使得當數據存在異常波動時也可獲取接近于真實的平均值。文獻[69]評估了三種濾波方法(簡單移動平均、高斯加權移動平均和Savitzky-Golay)在GNSS高頻變形監測時序濾波中的性能，結果表明簡單移動平均結果與真實形變存在差異性，高斯加權移動平均和Savitzky-Golay則都能保留真實趨勢特征。

2 滑坡災害GNSS監測技術面臨的關鍵問題

2.1 弱信號低成本監測型GNSS接收機研制

由于災害體變形的空間差異性，往往需要在災害體表面布設多臺GNSS監測設備，通過一定密度的點狀變形監測數據反映災害體形變的整體趨勢。而且在復雜環境下，GNSS監測存在信號跟蹤能力差和抗干擾能力弱等問題，因此，如何在控制成本的情況下同時獲得較高質量的觀測數據成為了亟需解決的問題。研究表明，采用相干積分和非相干積分結合的方式可以消除數據碼長度對相干積分增益的影響[70]，利用差分相干積分減小非相干積分中的平方衰耗，可以提高信號捕獲的靈敏度。為了提高信號捕獲速度和精度，利用快速傅里葉變換(Fast Fourier Transform，FFT)進行偽碼與載波頻率捕獲，采用延遲鎖定環(Delay Locked Loop，DLL)與鎖相環(Phase Locked Loop，PLL)實現GPS微弱信號的跟蹤[71]。傳統的延遲鎖定環跟蹤方法的跟蹤精度不高，并且在環境惡劣信號微弱的情況下容易導致鎖定信號跟蹤的失鎖，最終導致無法定位。采用卡爾曼濾波器代替傳統跟蹤環路中的環路濾波器實現對弱信號的跟蹤，使接收機能夠成功地處理低信噪比的信號，從而實現碼相位和載波相位的鎖定[72]。在成本控制方面，有學者采用物聯網“傳感器+云”的思維模式[26，73]，僅保留GNSS接收機中的數據采集和通信模塊，雖然可以顯著降低監測成本，但相較于專業型監測設備，GNSS低成本接收終端觀測數據質量明顯較差[33，74]，如何將弱信號處理技術與低成本GNSS接收機結合，為解決GNSS災害監測精度、穩定性以及可靠性問題帶來了挑戰。

2.2 遮擋環境下GNSS載波模糊度可靠固定

我國地理環境復雜，多山區，在進行滑坡災害GNSS監測時，衛星信號較差，接收機容易受到樹木等的遮擋，整周模糊度解算面臨很多挑戰。首先，信號精度過差的衛星測量值會降低模糊度固定的準確率，并增加模糊度收斂時間，在模糊度解算過程中，可能會導致模糊度無法收斂[75]，沒有收斂的模糊度會影響其他模糊度的固定，從而影響結果精度。其次，GNSS實時動態定位監測需要基準站和流動站有足夠的共視衛星才能解算出可靠的模糊度，從而獲得高精度的位置信息。但是在遮擋環境下的可視衛星分布不均勻，共視衛星少，空間結構差，導致定位解算時觀測方程的強相關性，即存在病態性[76]，難以獲得可靠的模糊度固定，從而嚴重影響GNSS監測結果。然后，在易出現信號失鎖的情況下，需要重新進行模糊度固定，從而延長了GNSS監測時間序列收斂時間。最后，在山谷、密林等多遮擋環境下， GNSS載波相位觀測值經常存在周跳，從而影響后面的GNSS載波相位觀測值。在進行模糊度固定前，必須進行周跳探測和修復，周跳的探測與修復對于后續模糊度的解算及最終定位結果的精確度至關重要[77]，否則極易影響模糊度固定率和模糊度固定速度，從而影響GNSS監測結果。因此，在復雜環境下進行滑坡災害GNSS監測，模糊度的可靠固定是取得高精度結果的關鍵。

2.3 長基線大高差環境下GNSS大氣誤差處理與消除

在GNSS實時動態定位中，主要誤差源來自大氣延遲。大氣延遲包括電離層延遲和對流層延遲，對流層又分為干延遲和濕延遲。在短基線RTK中，通過雙差組合可以消除電離層延遲和對流層延遲。而長基線大高差下的RTK，電離層延遲差和對流層延遲差會變大，從而影響最終的定位精度。其中電離層可以通過無電離層組合消除一階項，電離層延遲受高差變化影響較小，即使兩測站高差10km，差異僅為2.5cm[78]。對流層的干延遲可以通過模型進行消除，而濕延遲由水汽引起，易受地形地貌和天氣的影響。大氣密度空間分布的不均勻性和時間差異性很強，特別是對于水汽，其分布不均勻，在水平面和垂直面上有所不同[79]，很難對其分布進行建模。對流層延遲大小與海拔高度密不可分，因而其主要影響垂直分量的精度，且易受高差影響。當兩測站的高差較大時，即使基線長度較短，模型改正和雙差也不能完全消除對流層延遲的影響。簡單地通過基線的長度判斷是否進行對流層延遲估計是不夠嚴密的[80]。而且當2個測站的高度差僅為100m時，2個測站的對流層傾斜延遲差能達到10cm以上。當高程相差 1km 時，兩點的對流層延遲之差也將達到分米級，嚴重影響定位結果。因此，在我國地形地貌復雜、多山地區，對于長基線大高差環境下的RTK監測取得良好的結果，對流層誤差消除是關鍵。

3 滑坡災害GNSS監測技術應用展望

3.1 高危滑坡環境下無人機拋投式GNSS監測裝備系統

對滑坡災害進行GNSS形變監測，首先就需要在滑坡變形體上布設GNSS監測裝置。目前，監測設備的安裝主要是通過安裝人員攜帶GNSS監測設備及通信、供電等模塊，到達滑坡災害區域后進行安裝。當安裝位置位于高山峽谷或坡體邊緣等危險區時，亦或是滑坡已經發生，需要布設監測設備避免發生二次滑坡造成人員傷亡等情況時，設備安裝人員難以到達設備安裝位置進行安裝作業，也就無法實施GNSS監測工作。而通過無人機拋投的方式進行GNSS監測設備的遠程部署[12]，為高危滑坡環境下GNSS監測工作開展給出了一個新的解題思路。無人機拋投式監測是通過無人機將GNSS監測設備運輸到滑坡體上空，然后拋投釋放監測設備，固定在事先確定好的監測點位上，以實現滑坡體后續變形的監測。相較于常規人工安裝部署的方式，無人機拋投式部署具有作業范圍更廣、風險更低等優點。但同時無人機自身的搭載能力也要求GNSS監測設備的體積和質量應盡可能小，可在保留監測設備必要模塊的基礎上考慮野外設備三防要求，對設備材料進行綜合選型以減小體積和質量。此外，GNSS監測設備在拋投釋放后應牢牢固定在滑坡體上，可充分考慮GNSS監測設備的質量、外形等特征，研制可滿足土質、巖質等不同類型滑坡場景下拋投固定需求的固定裝置。盡管目前無人機拋投式GNSS監測技術還處于起步階段，但隨著拋投無人機、GNSS監測設備、不同滑坡場景下拋投固定裝置及復雜遮擋環境下無人機可靠導航定位算法等研究的不斷深入、迭代和優化，研發一套系統完整、成熟、穩定的無人機拋投式GNSS監測裝備系統，有望革新滑坡災害監測領域傳統人工部署的作業模式，提升GNSS監測設備部署效率，推動GNSS在復雜滑坡災害應急規模化監測應用，為我國防災減災提供重要技術支撐。

3.2 基于GNSS地基參考站網的大范圍滑坡災害監測

北斗地基參考站網在中國的建設已經如火如荼，國家及各省市建設基準站數量已超過6000座[81]。該站網建設規格高，數據質量好，目前主要用于坐標框架維持、基礎測繪及大型工程建設，亟需推廣地基參考站網在滑坡災害監測等其他領域的應用。傳統的短距離RTK形變監測，因為其自身特性，存在監測范圍受限的問題，而且當基準站發生形變或無可靠位置布設穩定基準站時，無法獲得穩定可靠的變形監測序列。因此，有學者探討了以衛星導航定位基準站作為地質災害監測的基準[82],采用網絡RTK技術進行變形監測[83]。網絡RTK覆蓋范圍廣，但該技術易受大氣建模誤差的影響，常用的VRS技術將大氣建模值直接用于觀測值生成，在大氣較為活躍或參考站間距較大時監測精度相對較低。與網絡RTK技術不同，PPP-RTK技術采用軌道、鐘差、硬件延遲及區域參考站網提供的大氣延遲產品，可滿足監測終端的快速高精度定位需求，監測終端將大氣建模產品作為外部約束使用，可有效避免VRS模式下對大氣建模誤差的敏感特性。但目前，PPP-RTK技術在地質災害應用中相對較少，其主要原因是該技術需額外依賴高精度高可靠的實時軌道、鐘差及大氣等增強產品，一旦增強產品發生延遲、中斷或精度下降，其終端定位的性能會隨之迅速降低[84]，監測結果用于滑坡災害預警時存在虛警風險。但是，隨著區域的或全球的地(星)基增強產品質量和性能的不斷提高，PPP-RTK技術在滑坡災害監測領域有著廣闊的應用前景。

3.3 GNSS多傳感器位移融合預測

地表變形是災害體發生破壞最直觀的現象，對災害體失穩初期的預警判據也主要是基于變形信息，因此，對滑坡地表位移進行預測一直是研究的熱點之一[85]。對于單個GNSS監測點而言，依據歷史監測曲線對未來長期、短期一段時間的地表位移進行預測，可提供該監測點未來變形趨勢的參考。但是，由于硬件、軟件、預測方法和監測點周邊環境等各種因素的影響，仍然存在著虛警、漏警與誤警率高等問題。近年來，數據擬合、機器學習及神經網絡等在GNSS位移預測中已有不少應用，預測精度也在逐漸提高[86-88]。隨著對滑坡形變機制研究的逐步深入，單純利用歷史位移監測信息進行預測缺少地質解釋，研究熱度有所減弱，而將GNSS位移與滑坡體的地質結構、變形機制及誘發因素等信息結合起來進行變形預測，有望進一步提高變形預測的精度和可靠性[89]。另外，降雨是滑坡形變的重要影響因素，基于深度學習融合位移序列與降雨數據建立預測模型[90-91]，其預測結果可靠性、可解釋性更強。不同滑坡的地質條件也不盡相同，如何確定出其形變的關鍵影響因子，并結合GNSS監測結果進行位移預測，是滑坡災害GNSS智能預測的下一步研究方向。此外，對于單體滑坡而言，地表多個GNSS監測的累計位移、形變速率等結果趨勢可能不同，除預測各監測點的變化趨勢外，融合各監測點歷史監測數據去預測該滑坡體的總體變化趨勢也是滑坡災害GNSS智能預測的重要內容[92-93]。目前，雨量計、土壤濕度計、傾角儀和裂縫計等傳感器在滑坡災害監測中已有不少應用，不僅大大豐富了滑坡GNSS位移預測中的數據源，且融合多種類、多點位傳感器數據建立位移預測模型，可更可靠、合理地對滑坡體未來一段時間內的變化趨勢作出預測，從而為滑坡災害預警工作提供重要參考數據。

3.4 普適化GNSS滑坡監測云平臺構建

30多年來，GNSS技術在滑坡形變監測中已經得到了廣泛應用，但是由于GNSS定位的理論和技術方法的專業性較強，在實際應用中，主要依靠專業技術人員才能較好地完成滑坡變形監測的數據采集、數據傳輸、數據處理和分析預測等工作，非專業人員仍然難以直接應用GNSS技術進行滑坡變形監測。隨著GNSS接收機軟硬件制造技術的不斷進步，目前GNSS監測技術的自動化、智能化水平已經得到大幅度提升，非專業人員已經能夠獨立安裝GNSS監測設備，但對于GNSS接收機采集的觀測數據還需要經過專業人員的處理和分析后才能投入實際應用。隨著云計算和大數據時代的來臨，使得GNSS監測數據可實時上傳至云端進行計算，大量基于云平臺的監測系統也應運而生[10,94-95]。“云存儲-云檢驗-云增強-云處理”的智能化數據處理模式，可為GNSS監測技術的推廣應用提供有力支撐[10]，也為GNSS監測技術的普適化提供了契機。基于這些新技術，可以開發出界面友好、穩定、安全及拓展性強的云端GNSS監測智能預警系統，人們既能實時了解GNSS監測設備的運行狀況，也可依據各滑坡體、各監測點的變形狀態智能推送預警信息及現場智能聲光報警；同時，基于共享云端監測數據庫，可開發出移動端的滑坡監測預警平臺，實現滑坡監測和預警信息流、數據流的高效發布，使得非專業人員也能夠輕松自如地應用GNSS監測結果進行滑坡災害的防范和預警，這必將有力地推動滑坡災害群測群防和精準防控等工作的深入開展。

4 結語

經過30余年的發展，滑坡災害GNSS監測技術已經取得了長足進步，目前已成為滑坡災害地表三維形變信息獲取的主要手段之一。但由于我國疆域遼闊、地形復雜以及氣候多樣，每年滑坡災害仍頻發，嚴重阻礙著國家重大戰略工程的順利實施，威脅著人民生命財產安全[96-97]，因此，人們對GNSS監測技術也提出了更高的要求。本文梳理了GNSS監測設備、高精度監測技術及監測結果時序處理在滑坡變形監測中的發展歷程，分析了現階段滑坡災害GNSS監測存在監測設備的弱信號處理能力不足、遮擋環境下模糊度可靠固定難及長基線大高差GNSS大氣誤差處理不佳等關鍵問題。最后，隨著GNSS監測硬件的不斷發展及GNSS監測技術研究的日益深入，對GNSS監測技術應用于滑坡災害監測的未來發展趨勢進行了展望，希望通過研發無人機拋投式GNSS監測裝備，突破高危滑坡環境監測設備部署難的問題；通過借助現有GNSS地基參考站網實現大范圍的滑坡災害監測；通過對GNSS多傳感器監測結果融合預測方法的研究，解決滑坡災害監測預警中存在的虛警及誤警率高的問題；通過加強對GNSS監測數據的智能化處理，降低GNSS滑坡監測的專業性，推動GNSS監測技術的普適化應用。