極端降雨入滲下公路邊坡滑坡預測模型構建與應用

■趙輝龍

（南平市公路事業發展中心，南平 353199）

1 研究內容

1.1 研究目標

我國地形復雜多樣，夏季濕潤多雨，各種自然災害頻發，每年臺風引發的次生災害頻繁[1-2]。 根據中國年鑒（2020）公布的2010—2019 年地質災害統計信息， 近10 年發生的滑坡災害占全國地質災害的71.33%[3-4]。 福建省位于東南沿海，有“八山一水一分田”之稱，是一個地質災害復雜的省份。 每年7 月—9 月受臺風暴雨等極端天氣影響，常出現強降雨氣候[5]。 暴雨持續時間短，強度大，是引發成災的主要因素之一[6-7]。

國務院 《關于支持福建省加快建設海峽西岸經濟區的若干意見》的實施，海西地區亟需實現由交通末梢向全國交通樞紐地位的根本性轉變[8-9]。為此，福建省將交通作為支撐海西發展的首要基礎設施，加快投資步伐，在山區和丘陵地帶大力建設公路[10-11]。因采用高填深挖的方式形成了大量公路邊坡，在多年復雜環境作用下，坡體弱化，防護設施功能逐漸衰退，產生了諸多的邊坡安全隱患，一旦發生失穩，將嚴重威脅公路運營和人民的生命財產安全[12-13]。 因此，解決公路邊坡安全問題尤為緊迫。

雖然目前相關部門已投入大量的資金防治公路邊坡，但僅針對一些已發生病害的邊坡進行被動防護，缺乏適應該地區公路滑坡災害監測預報的成套技術[14-15]，同時缺少對福建地區公路邊坡的形成原因的系統研究， 導致容易出現錯誤的滑坡預判，造成不必要的經濟損失，從而制約公路建設的可持續發展[16-17]。 福建省最新規劃的普通國省干線公路網布局方案為“八縱十一橫十五聯”，規劃里程約1.24 萬km（“八縱十一橫”約9 600 km、“十五聯”約2 800 km）[18]，本研究以福建南平公路邊坡降雨型滑坡問題為例，結合三維重建技術與離散元仿真技術，建立實時數據及位移監測站，構建邊坡預測模型及邊坡監測預測預警系統平臺，發布預警信息，實現對邊坡滑坡問題的預測預警。

1.2 工程概況

1.3 技術路線

本研究以南平邊坡滑坡災害智能實時監測預警為例，基于三維重建和數值模擬，建立預警平臺，實現對邊坡滑坡問題的準確預測。 本研究技術路線見圖1。

2 研究方法

2.1 三維重建

滑坡位移形變在滑坡監測過程中是非常重要的監測對象，傳統的位移傳感器只能反映某個點位的變化，難以反映滑坡的整體形變情況，且拍攝影像的間隔時間長，不能提供連續的形變數據，效率低下且價格昂貴。本研究利用RealityCapture 軟件結合Bumblebee 三目視覺設備所采集的圖像資料，基于SFM 算法將收集的無序圖像進行特征匹配，形成模型的3D 點云數據，構建邊坡三維模型。 同時，三目視覺設備可24 h 連續監測，進一步監測降雨前后位移的變化。 過程如下：通過調取邊坡攝像頭拍攝到的照片，利用python 語言編寫爬蟲程序，按照實際需求從后臺爬取數據庫的數據（①），并將其自動存儲在特定文件夾中（②），將文件夾的圖片導入RealityCapture 軟件后進行圖片對齊工作生成稀疏點云，在3D 界面可輕微看到。 調整解算范圍，設置精度，將邊坡模型進行三維重建，生成最終模型。 進而將兩片點云對齊，計算點云距離，以顏色的深淺表示前后點云的差異，通過計算結果監測降雨前后位移的變化（圖2）。

2.2 數據采集

通過實地勘察，結合當地歷史氣候數據和居民分布情況，確定潛在的滑坡危險區域，并選擇相應的傳感器對該區域進行實時監測。 考慮邊坡左高右低的地勢情況， 將整個監測區域分為左右兩部分，以設備箱為中心，傳感器對稱分布（圖3）。 （1）擋土墻壓力傳感器設置是根據風險分析確定的，坡腳左右距離數據采集系統5 m 處各設置1 個土壓力計傳感器，深度約為1 m。 監測頻率為10 min 測量1 次；（2）雨量計設置在距離數據采集系統高度3 m處，誤差不超過2%，監測頻率為10 min 測量1 次；（3）設置滲壓計（又稱孔隙水壓力計）監測巖土體內部流體壓力；（4）土壤含水率監測，設置含水率傳感器于坡頂、坡中、坡腳等7 處，實時監測含水率的變化。

圖3 南平公路邊坡傳感器分布位置

同時，為了提高預警模型的精度和準確性，利用MATLAB 軟件自主編寫的降噪程序進行降噪處理。 降噪前的曲線波動不平滑可能由監測設備電壓不穩、降雨等原因引起，啟用降噪程序對其去噪，結果見圖4。 同理，使用降噪程序對其他傳感器的監測數據去噪，去噪結果可直接用于后續監測預警技術。

圖4 邊坡土壓力和滲壓力降噪前后的監測數據對比

2.3 模型建立

2.3.1 外觀尺寸

通過無人機航拍獲取的高精度影像，利用PhotoScan 軟件處理得到點云數據作為基本初始數據， 利用Cloudcompare 軟件進行點云裁剪，ArcGIS、AutoCAD、Rhinoceros 等 軟 件 進 行 三 維 建模，最后導入到PFC3D 軟件中，形成PFC3D 模型所需的滑體和滑床，采用ball-wall 模型，其中wall 為滑坡滑床邊界，ball 為滑坡滑體。

南平滑坡數值模型尺寸為：SN 向長140 m，EW向寬120 m，與實地地形基本一致（圖5）。墻面數量為3 916 個，顆粒數量40 000 個，顆粒半徑0.25～0.4 m。邊坡采用線性接觸模型作為基礎本構模型進行研究。

池州市中心城區土壤質地以Q4、Q3、Q2黏性土為主，根據池州市土壤普查成果報告《池州市土壤》，區內土壤類型以灰潮土、水稻土、紅壤土為主，小部分為黃棕壤、沼澤土和石灰巖土。根據局部滲透試驗數據表明，區內黏土層滲透系數K一般為0.000 196～0.000 973 m/d。

圖5 南平邊坡實際形狀與數值模型

2.3.2 顆粒參數標定

為了有效模擬邊坡的屬性，選取不同的參數值進行直剪模擬與室內直剪曲線匹配，最終得出滑坡體的微觀力學參數，如表1 所示。

表1 邊坡PFC3D 模型細觀參數

為有效模擬降雨作用下的邊坡，賦予粒子含水率屬性。

（1）水分傳導規則

根據Ma 等[19]認為，在保證水分守恒的前提下，水分傳遞過程是通過顆粒間接觸點的發生改變的，根據水分擴散率，水分從含水量較高的顆粒流向含水量較低的顆粒。

（2）降雨入滲模擬

為模擬降雨入滲的作用，一方面通過摩擦系數與含水率的擬合公式（1），來實現水分場對土體抗剪強度的影響；另一方面，通過飽和度與顆粒含水重量的相關公式（2）、公式（3），來考慮滲流力對邊坡穩定性的影響。

其中：θj為粒子j 的含水重量，Se為有效飽和度，Gw為粒子含水重量，ρw為水的密度，rj為粒子j的半徑，g 為重力加速度。

（3）降雨邊界條件

入滲邊界是由降雨強度和入滲能力的關系決定的，降雨過程可能出現2 種入滲情形（圖6）：情形1：降雨強度大于入滲能力，地表處于飽和狀態，數值模型的邊界條件選擇Dirichlet 型，先使用保水曲線將已知壓頭轉換為含水量，再將此含水量應用于位于此邊界上的粒子，并且在模擬過程中其大小保持不變。 情形2：降雨強度小于入滲能力，此時降雨全部入滲，地表處于非飽和狀態，此時數值模型的邊界條件選擇Neumann 型，考慮到每個粒子占據的等效連續區面積，水通量被簡單地轉換為邊界上每個粒子的排放率。

圖6 不同降雨邊界條件

3 結果分析

3.1 邊坡穩定性分析

3.1.1 預警理論及模型驗證

根據滑坡失穩前的3 個階段中曲線斜率的變化，馬閆等[20]提出可以用位移—時間曲線的切線角來預測預報滑坡， 初始變形階段切線角通常小于45°，此時不需要警戒；勻速變形時等于45°，此時預警級別屬于注意級；加速變形時大于45°，這一過程又可以進一步細分為45°<α≤80°為黃色預警的初加速階段，80°<α≤85°為橙色預警的中加速階段，α>85°為紅色預警的臨滑階段， 通過角度所處范圍判定邊坡發展階段并進行預測預警。

本試驗選取了南平邊坡2022 年1 月22 日—23 日的現場工況對這場降雨分別進行數值模擬以及三維重建反演。 通過數值計算的結果[圖7 （b）]可知，整個邊坡的三維平均位移變化不大，變形區約0.2～0.4 m 為后緣頂部。 切線角曲線圖中，0°～40.87°的波動范圍屬于初始變形階段；且左視圖中的坡面沒有明顯變形，此時不需要預警。 通過三維重建的結果[圖7 （c）]可知，淺色點云表示小變形，深色點云表示大變形，除個別點云超過0.42 m 外，變形區間都在0.18～0.42 m。

圖7 同一場降雨下三維重建和數值模擬結果對比

圖8 3 種極端降雨工況下的邊坡穩定性數值預測結果

綜合上述結果可知，同一場降雨條件下，模擬出的位移結果與重建出的位移結果區間相近，可認為此種模型具有一定的合理性。

3.1.2 極端降雨工況下的邊坡穩定性分析

（1）50 年一遇暴雨穩定性分析

隨著降雨進行，邊坡位移迅速上升，平均位移為1.85 m；位移出現差異性上升，邊坡左側位移大于右側位移，受重力勢能影響前緣位移變化迅速，中部次之，坡腳位移上升緩慢，坡角處出現地下徑流，含水率降低，坡體中后部接近飽和狀態。 層內錯動帶為二層，第①滑動面為3～4 m ，第②滑動帶為1 m 以下。

（2）100 年一遇暴雨穩定性分析

遭遇100 年一遇大暴雨時，南平邊坡4/5 的區域位移迅速上升，最大位移為12.56 m，平均位移為2.25 m；位移較50 年一遇的降雨增加，邊坡左側位移依然大于右側位移， 位移區域變化趨勢仍為坡頂>坡中>坡角處。 從含水率圖中可以看出，整個邊坡底部含水率呈逐漸減小趨勢，可以認為，坡腳表層出現地下徑流，水分流失，使得含水率降低，坡體中后部仍接近飽和狀態。 層內錯動帶為3 層，第①滑動面為5～7 m，第②滑動帶為3～4 m，第③滑動面為1 m 以下。

（3）1 000 年一遇暴雨穩定性分析

遭遇千年一遇大暴雨時，南平邊坡的最大位移為43.8 m，滑體平均位移為6.5 m ，整個左側區域的位移在20 m 左右， 邊坡左側垮塌， 平均速度為0.6 m/s。 坡體含水率幾乎全部接近飽和狀態，表層有一定的徑流，使得部分粒子含水率降低。 層內錯動帶為五層，第①滑動面位移在12～18 m，第②滑動面位移在9～12 m，第③滑動面位移6～9 m ，第④滑動面位移3～6 m，第⑤滑動面位移<3 m。

3.2 構建預測監測平臺

南平公路邊坡監測預警系統由設備信息管理、數據管理、位移預警、信息發布和模型可視化模塊組成（圖9），能夠對南平邊坡進行傳感器數據管理、災害預報預警工作，提高邊坡災害預警能力。

圖9 南平監測預警系統平臺

3.3 預警信息發布

位移預警結果出現后，將在監測預警平臺上實時發布并更新對應的預警位置、預警等級、預警內容和預警時間并告知相關負責人。 預警信息發布見圖10。

圖10 南平邊坡監測預警系統預警信息發布

4 結語

本研究基于數值仿真技術，開展了滑坡降雨變形預警分析，提出了位移、土壓力雙變量預警方法，實現了公路邊坡多預警技術融合。 通過PFC3D 離散元技術結合參數標定， 建立了邊坡三維數值仿真模型，并設置降雨邊界條件模擬邊坡位移變形。 通過與實測數據對比驗證模型準確性。 實施預測預警后，成功預測了降雨量并發布預警信號，在實際應用中成功實現了土壓力預測模型，為滑坡預警提供了有效工具。 本研究總結了3 種降雨工況下邊坡的位移特征，結果如下：（1）在50 年一遇的大暴雨情況下，南平邊坡的位移迅速上升，通過監測對比，左側位移大于右側位移，前緣位移變化最快，其次為中部， 坡腳位移上升緩慢；（2）100 年一遇大暴雨時，南平邊坡約有4/5 的區域位移迅速上升，位移相較于50 年一遇降雨有所增加， 邊坡左側位移仍然大于右側，位移區域變化趨勢仍為坡頂>坡中>坡角處；（3）遭遇1 000 年一遇的大暴雨時，整個左側區域位移約在20 m，導致邊坡左側垮塌，最大位移達到43.8 m。 綜上，在高強度暴雨以及地下水、重力的共同作用下，斜坡土體局部發生拉裂，解體土塊發生滑移。 未固結土厚段滑裂面與降雨強度有關，錯動帶隨降雨而變化。 研究的最終成果以“南平邊坡預警平臺”的形式呈現，平臺集數據可視化、模型可視化、數值模擬、預測與預警功能于一體，此邊坡監測預警系統包含設備信息管理、數據管理、位移預警、信息發布和模型可視化模塊，融入三維重建與數值模擬結果，并將現場監測數據、圖片實時傳入到系統中，可在任意時間調用。