自然狀態(tài)下水土污染區(qū)地質災害監(jiān)測方法研究

文章編號：1674-6139（2025）06-0145-06

中圖分類號：X831文獻標志碼：B

Research on Monitoring Methods for Geological Hazards in NaturalWaterandSoilPollution Areas

Huang Guodong

（GuangdongCoal Geology 201 Exploration Team，Qingyuan511515，China）

Abstract：Theareaofsoilandwaterpollutionislarge，esultinginhugeamountofimagedata.Theacuracyofextractingsoiland waterpolutiosfrasieeststiefloicaldoTdaleical hazardmonitoringmethodforwaterandsoilpolutionareasisproposed.Firstlyanelectrichandthrowndroneplatformandafiedwing droneareusedtoovercomethedificultiesofcomplexterrainandhshenvironentndeficientlyandaccuratelybtainiagedataof theresearcharea.Secondlythestudycombinedselectivesearchalgorithmswithdeepleaingalgoritmstoachieverapidanalysisofa largeamountofigedataduratetractiofoaatedrea.nallitlectedgeolocaladoitoingiicatoro obtaingeologicalhzardmonitoringresultsinsoilandwaterplutionareas.Thexperimentalresultsshowthattheproposdmethodcan accurately extract soil and water polution areas and achieve high-precision geological hazard monitoring.

Keywords;soiland water polution；drones；selective search algorithm；deep learning；geological hazard monitoring

前言

工業(yè)化區(qū)域的增加使得水土污染問題日益嚴重，不僅對人類健康構成威脅，也加劇了地質災害的風險[1]。特別是水土污染區(qū)域，由于土壤結構的改變和地下水的污染，地質災害的頻發(fā)性和危害性顯著增強[2]。因此，有必要研究精準、高效地監(jiān)測自然狀態(tài)下水土污染區(qū)的地質災害方法。

朱俊清[3]等采用衛(wèi)星遙感技術采集致災因子，在邏輯回歸耦合模型中輸入上述致災因子，實現(xiàn)地質災害監(jiān)測，但該模型無法獲取致災因子之間的交互作用與非線性關系，影響了監(jiān)測結果。尹玉玲[4]等利用SBAS－InSAR技術處理升軌L波段ALOS-2數(shù)據(jù)，計算變形速率，通過高分光學影像，結合形變區(qū)與承災體之間的距離、變形速率、坡度和變形規(guī)模等因素展開地質災害風險的綜合分析，但該方法計算地表變形速率時容易受到外界因素的影響，導致變形速率存在誤差，降低了分析精度。苗朝霞5等人將偏移量追蹤技術引入小基線集-InSAR方法中，對研究區(qū)域內的地質災害展開監(jiān)測，該方法數(shù)據(jù)的處理與計算過程較為復雜，容易引入誤差，進而影響監(jiān)測結果。Mantovani M^[6] 等人結合有限元與極限平衡法，對地質災害展開建模分析，但該方法需要設置一些假設，在建模分析過程中容易引入誤差，降低模型的精度。

為此，提出自然狀態(tài)下水體污染區(qū)地質災害監(jiān)測方法。

1 數(shù)據(jù)采集

文章采用電動手拋無人機平臺和固定翼無人機，克服了地形復雜、環(huán)境惡劣的困難，高效、準確地獲取了研究區(qū)域的影像數(shù)據(jù)。

將固定翼無人機和手拋無人機的航速分別設定為110千米每小時、75千米每小時，飛行高度分別設置為500米、400米，以此采集研究區(qū)域的高分辨率航空影像數(shù)據(jù)。

2 水污染區(qū)域提取

2.1 選擇性搜索

自然狀態(tài)下水土污染區(qū)地質災害監(jiān)測方法針對無人機采集的高分辨航空影像數(shù)據(jù)，通過選擇性搜索算法搜索研究區(qū)域內的水土污染區(qū)，生成候選目標區(qū)域，并對上述區(qū)域之間的相似程度展開計算，將計算結果作為依據(jù)對區(qū)域展開分組與融合處理，最終獲得研究區(qū)域水土污染區(qū)的候選區(qū)域。

2.2 目標區(qū)域增強

不同類別目標之間存在一定的區(qū)別，在研究區(qū)域內，目標區(qū)域的位置集中性較差，因此增大了水土污染區(qū)的提取難度，為此，自然狀態(tài)下水土污染區(qū)地質災害監(jiān)測方法通過目標區(qū)域增強方法增大背景樣本與水土污染區(qū)之間的區(qū)別。

水土污染區(qū)與其他區(qū)域相比，邊緣區(qū)域較為明顯，視覺感受連續(xù)性高且細節(jié)結構復雜，目標不同對應的顏色特征、紋理特征和亮度特征也不相同[7]，對特征展開增強處理，可以突出水土污染區(qū)的共性特點，可通過目標區(qū)域差值化實現(xiàn)水土污染區(qū)的增強：

式（1）中， a_ij?a_ij^′ 分別表示增強前和增強后的像素值； 表示水土污染區(qū)內存在的代表性像素點； L=5 。

2.3基于深度網絡的水土污染區(qū)檢測

自然狀態(tài)下水土污染區(qū)地質災害監(jiān)測方法采用基于VGG-16深度網絡提取高分辨率航空影像數(shù)據(jù)中的水土污染區(qū)，圖像特征由網絡的前13層結構完成提取，采用三個全連接層構成分類網絡，以此提取水土污染區(qū)。

首先將航空影像縮放至 224×224 大小，將ReLU函數(shù)作為網絡卷積層中的激活函數(shù)，在池化層中選取最大池化的池化方式，針對網絡中存在的三個全連接層，分別將神經元設置為2個、256個和1024個。

網絡的訓練需要負樣本與正樣本，正樣本選取真實邊界框所標記的圖像，負樣本則選擇通過選擇性搜索算法獲取的目標候選區(qū)域，設 I 代表的是不同區(qū)域之間對應的交疊度，同時設置閾值 ξ ，當目標候選區(qū)域與真實目標區(qū)域之間的 I 小于 ξ 時，表明該區(qū)域為負樣本。

任意一個候選區(qū)域 x 在深度網絡中均存在一個二維的預測向量 ，采用核密度估計方法完成水土污染區(qū)的提?。?/p>

式（2）中，參數(shù) 表示高斯核函數(shù)； h 表示核函數(shù)對應的帶寬； x^c 表示水土污染區(qū)中心坐標處對應的特征值。當 表明 x 屬于水土污染區(qū)，完成目標區(qū)域檢測。

3水污染地區(qū)地質災害監(jiān)測

3.1 監(jiān)測指標選取

自然狀態(tài)下視圖污染區(qū)地質災害監(jiān)測方法在系統(tǒng)性原則、代表性原則、客觀性原則和全面性原則的基礎上選取水土污染區(qū)地質災害監(jiān)測指標，結合偏最小二乘法與相關系數(shù)法篩選上述監(jiān)測指標，主要步驟為：

（1）輸入水土污染區(qū)地質災害監(jiān)測指標；（2）對上述監(jiān)測指標展開標準化處理;（3）對監(jiān)測指標的相關系數(shù) （204號展開計算，其中 ψ（i，j） 表示兩個地質災害指標的協(xié)方差 Ω：f（i）I（j） 分別表示監(jiān)測指標 i，j 對應的方差；（4）根據(jù)相關系數(shù) r_ij 確定任意一個監(jiān)測指標與剩余地質災害監(jiān)測指標的相關系數(shù)平方值 r_i²= ∑（r-1）/（n-1）|，其中，n表示地質災害監(jiān)測指標的數(shù)量；（5）對比監(jiān)測指標的 r_i² ，完成地質災害監(jiān)測指標的初始篩選;（6）利用最小二乘法獲取監(jiān)測指標的主成分；（7）對監(jiān)測指標展開交叉性檢驗，在此基礎上建立最小二乘回歸模型;（8）利用步驟（7）建立的模型計算地質災害監(jiān)測指標的回歸系數(shù)；（9）比較上述回歸系數(shù)的絕對值大小，刪除絕對值較小的監(jiān)測指標，完成水土污染區(qū)地質災害監(jiān)測指標的篩選。

3.2 指標權重計算

自然狀態(tài)下水土污染區(qū)地質災害監(jiān)測方法結合因子分析法與層次分析法計算地質災害監(jiān)測指標的權重。

3.2.1 因子分析法

采用因子分析法計算地質災害監(jiān)測指標權重的具體過程如下：

（1）輸入地質災害監(jiān)測指標；（2）對地質災害監(jiān)測指標展開標準化處理；（3）對監(jiān)測指標的相關系數(shù)展開計算，根據(jù)計算結構建立相關矩陣 R （4）對 R 的特征根 μ_i 與特征向量 Q_i 展開計算，iΓ=1，2，…，m; （5）根據(jù) μ_i 與 Q_i 建立載荷矩陣；（6）根據(jù)特征根計算結果選取主要的地質災害監(jiān)測指標;（7）通過旋轉獲得監(jiān)測指標的得分，并進行歸一化處理，將計算結果表示為 p （8）根據(jù) p 確定監(jiān)測指標權重 w_i=p×100 。

3.2.2層次分析法

采用層次分析法計算水土污染區(qū)地質災害監(jiān)測指標權重的具體過程如下：

（1）劃分水土污染區(qū)地質災害監(jiān)測指標的層次結構；

（2）引入1～9標度法建立判斷矩陣 L=（l_ij）_mn ，其中 l_ij 表示地質災害監(jiān)測指標 χ_i 對監(jiān)測指標 j 的相對重要性； m_?n 分別表示 L 的行數(shù)和列數(shù)；

（3）對 L 中每一列指標展開歸一化處理，并相加獲得 ：

（4）利用 建立向量

（5）規(guī)則化處理 ，獲得水土污染區(qū)地質災害監(jiān)測指標的權重矩陣 ，其中 表示監(jiān)測指標對應的權重。結合因子分析法與層次分析法計算得到的權重，獲得地質災害監(jiān)測指標對應的最終權重 V_i"：

式（3）

3.3 地質災害監(jiān)測

自然狀態(tài)下水土污染區(qū)地質災害監(jiān)測方法通過模糊綜合評價法確定水土污染區(qū)地質災害的風險等級，以此實現(xiàn)地質災害監(jiān)測：

（1）計算隸屬度，以此獲取評價結果與評語之間的關系：

式（4）中， x 表示地質災害監(jiān)測指標對應的量值； S₁，S₂ 表示兩個相鄰的評價等級； U（x） 表示隸屬度函數(shù)。

（2）根據(jù)步驟（1）計算得到的隸屬度，建立隸屬度矩陣 U

（3）結合隸屬度矩陣 U 與地質災害監(jiān)測指標權重采用模糊綜合評價法確定水土污染區(qū)地質災害風險值 Z=U×V

（4）建立水土污染區(qū)地質災害風險評價集 F= {f₁，f₂，f₃，f₄} ，結合地質災害風險值實現(xiàn)水土污染區(qū)地質災害監(jiān)測：

①f₁ ：極低風險， Zlt;60 ②f₂ ：低風險， 60

③f₃ ：中風險， .704 ：高風險， Zgt;90 。

4實驗與分析

為了驗證自然狀態(tài)下水土污染區(qū)地質災害監(jiān)測方法的整體有效性，需要展開測試。在廣東省某礦山開采區(qū)，礦山開采活動帶來的環(huán)境問題日益凸顯。廢石、尾礦等固體廢棄物未經處理直接排放，導致土壤重金屬超標、酸堿度失衡，嚴重污染了土壤環(huán)境。同時，礦山廢水未經處理便直排入河流、湖泊，造成水體污染，破壞了水生生態(tài)系統(tǒng)的平衡。此外，礦山開采活動還破壞了地表植被，使土壤裸露，加劇了水土流失現(xiàn)象，進一步加劇了水土污染。由于地下巖石結構被破壞，地層穩(wěn)定性降低，加之水土污染造成的土壤松散、濕滑，該區(qū)域極易發(fā)生地質塌陷。同時，山體植被的破壞和土壤裸露狀態(tài)，在降雨等外力作用下，極易誘發(fā)泥石流和滑坡等地質災害，對周邊環(huán)境和居民安全構成嚴重威脅。因此，亟需采取有效措施，加強礦山開采過程中的環(huán)境保護和治理工作。

采用無人機采集實驗場地的高分辨率航空影像數(shù)據(jù)如圖1（a）所示，并結合污染特征與地質條件設置監(jiān)測點，見圖1（b）。

·監(jiān)測點

為了展開水土污染區(qū)地質災害監(jiān)測，需要提取影像中的水土污染區(qū)，自然狀態(tài)下水土污染區(qū)地質災害監(jiān)測方法的區(qū)域提取結果見圖2。由圖2可知，自然狀態(tài)下水土污染區(qū)地質災害監(jiān)測方法可有效的將研究區(qū)域的水土污染區(qū)提取出來，在此基礎上展開地質災害監(jiān)測。

采用自然狀態(tài)下水土污染區(qū)地質災害監(jiān)測方法、文獻[3]方法和文獻[4]方法監(jiān)測采樣點T1、T2、T3、T4、T5處的位移和裂縫變化情況，并將監(jiān)測結果與位移監(jiān)測儀與裂縫監(jiān)測儀獲取的實際結果展開對比。

如圖3所示，所提方法獲得的水土污染區(qū)各采樣點處的位移和裂縫監(jiān)測結果與實際結果相符，文獻[3]方法和文獻[4]方法均存在不同程度的偏差，由此可知，所提方法具有較高的監(jiān)測精度。

用f1表示極低風險、f2表示低風險，f3表示中風險，f4表示高風險，f5表示極高風險，現(xiàn)采用上述方法對水污染區(qū)地質災害展開監(jiān)測，結果見表1。

分析表1中的數(shù)據(jù)可知，所提方法的地質災害監(jiān)測結果與實際結果相符，表明所提方法在水土污染區(qū)內根據(jù)監(jiān)測結果可展開高精度的地質災害風險預警，降低人員傷亡與財產損失。

5 結束語

研究了一種針對自然狀態(tài)下水土污染區(qū)的地質災害監(jiān)測方法。通過采集研究區(qū)域的影像數(shù)據(jù)，成功提取了水土污染區(qū)域，并在此基礎上展開了地質災害的精準監(jiān)測。實驗證明，這一方法不僅具備高度的監(jiān)測精度，而且能夠有效地實現(xiàn)地質災害的風險預警。研究的水土污染區(qū)地質災害監(jiān)測能夠實時、準確地反映環(huán)境質量的動態(tài)變化。通過系統(tǒng)監(jiān)測，可以及時發(fā)現(xiàn)污染源的擴散趨勢和地質災害的潛在風險，為環(huán)境管理部門提供科學依據(jù)，確保及時采取必要的防控措施。通過深入研究，可以揭示污染物質在土壤和水體中的遷移轉化規(guī)律，以及這些過程如何影響地質結構的穩(wěn)定性和地質災害的發(fā)生，為災害預警和風險評估提供更為精準的模型和方法。

參考文獻：

[1]杜年春，沈向前，謝翔，等.OnlineSAR地質災害監(jiān)測和預警系統(tǒng)關鍵技術及應用研究［J].現(xiàn)代雷達，2022，44（10）：28-32.

[2]易邦進，黃成，傅濤，等.基于SBAS-InSAR技術的中緬邊境山區(qū)地質災害隱患探測［J].自然資源遙感，2023，35（4）：186-191.

[3]朱俊清，趙學儒，馬濤，等.基于衛(wèi)星遙感的路域地質災害監(jiān)測方法[J].吉林大學學報（工學版），2023，53（6）：1861-1872.

[4]尹玉玲，徐素寧，王軍，等.典型黃土丘陵區(qū)地質災害隱患識別與時序監(jiān)測[J].水文地質工程地質，2023，50（2）：141-149.

[5]苗朝霞，白林，李振洪，等.阿尼瑪卿冰川表面流速與地質災害隱患點監(jiān)測[J].測繪科學，2022，47（8）：240-246;254.

[6]Mantovani M，BossiG，Dykes AP，etal.Coupling long-term GNSS monitoringand numerical modellingof lateral spreading for hazard assessment purposes[J].Engineering Geology，2022，296：106466.

[7]巨淑君，高志良，蔣明成，等.大渡河流域時序InSAR地質災害監(jiān)測[J].科學技術與工程，2023，23（31）：13234-13242.