, 张鸣之1,3,4, 陈建国11. 清华大学 工程物理系, 公共安全研究院, 北京 100084;
2. 清华大学 合肥公共安全研究院, 合肥 230601;
3. 中国地质环境监测院(自然资源部地质灾害技术指导中心), 北京 100081;
4. 自然资源部 地质灾害智能监测与风险预警工程技术创新中心, 北京 100081
收稿日期：2022-10-17
基金项目：安徽省重点研发计划项目(202104b11020021); 清华大学合肥公共安全研究院开放课题(QHHFYKF202101); 工业和信息化部2021年自然灾害防治技术装备工程化攻关专项(TC210H00L/47); 自然资源部科技人才项目(121106000000180039-2201); 中国地质调查局地质调查项目(DD20211364)
作者简介：邓李政(1994—), 男, 博士后/助理研究员
通讯作者：袁宏永, 教授, E-mail：hy-yuan@tsinghua.edu.cn
摘要：中国滑坡灾害数量多、分布广、危害大, 每年约有80%的地质灾害发生在已查明的隐患点范围之外。监测预警是主动防范地质灾害的重要手段。变形是滑坡最为关键的监测参数。该文旨在梳理总结滑坡变形监测技术和预警方法, 评述现有研究进展, 分析未来发展趋势, 为滑坡灾害防控领域的科学研究和工程实践提供借鉴。地表变形监测技术多易受到外界因素干扰, 及时性和可靠性难以得到保障。深部变形监测技术直接获取滑面发展破坏信息, 能够发现灾变前兆, 但现有设备存在成本高、量程小或操作难等问题。滑坡监测为早期预警提供依据, 而早期预警能够减少甚至避免人员伤亡和财产损失, 区域性气象预警和单体滑坡预警两类预警方法正在逐渐发展完善中。单体滑坡预警常见方法是分析滑坡变形趋势和突变特征, 通过速度、加速度等判据的阈值触发不同级别预警。滑坡智能预警模型将机器学习与地质工程交叉融合, 有望提升灾害早期预警的准确性和自动化水平。滑坡高质量监测应综合运用多种技术以克服单一技术的局限, 而预警模型则越来越关注变形趋势的智能分析。滑坡动力学机制复杂、个性特征明显, 广泛适用的预警模型有待进一步探索。
关键词：滑坡灾害地表变形深部变形综合监测早期预警
Research progress on landslide deformation monitoring and early warning technology
DENG Lizheng1,2,4, YUAN Hongyong1
, ZHANG Mingzhi1,3,4, CHEN Jianguo11. Institute of Public Safety Research, Department of Engineering Physics, Tsinghua University, Beijing 100084, China;
2. Hefei Institute for Public Safety Research, Tsinghua University, Hefei 230601, China;
3. China Institute of Geo-Environment Monitoring (Geological Disaster Technical Guidance Center of Ministry of Natural Resources), Beijing 100081, China;
4. Technology Innovation Center for Geohazard Monitoring and Risk Early Warning, Ministry of Natural Resources of the People's Republic of China, Beijing 100081, China
Abstract: Significance Landslide hazards are widely distributed in China and are severely harmful. The registered landslide hazards have achieved remarkable benefits in disaster reduction through a comprehensive prevention and control system. However, approximately 80% of all geo-disasters in China still occur outside the scope of identified hazards yearly. Therefore, monitoring and early warning are important means to actively prevent landslide disasters and achieve great success in disaster mitigation owing to promptness, effectiveness, and relatively low-cost advantages. Deformation is the most significant monitoring parameter for landslides and has become a focus and general trend. Landslide deformation monitoring engineering has strict requirements for controlled cost and high reliability to achieve widespread application and accurate early warning. Therefore, the commonly used monitoring instruments focus on surface deformation and rainfall to meet the requirements for easy equipment installation and low implementation cost. However, surface deformation and rainfall are not sufficient conditions to determine the occurrence of landslides. Various challenges exist in the existing monitoring technologies and early warning methods regarding engineering feasibility and performance improvement. Thus, it is important and urgent to summarize the existing research to rationally guide future development. Progress The deformation monitoring methods are divided into surface and subsurface monitoring. Most surface deformation monitoring technologies are vulnerable to the interference of terrain, environment, and other factors; therefore, their timeliness and reliability are not easily guaranteed. Additionally, slope subsurface deformation monitoring technologies can directly obtain the development and damage information of the sliding surface; thus, they can recognize the disaster precursor. Subsurface monitoring has advanced early warning ability; however, the existing instruments have problems, such as high cost, small measuring range, or difficult operation. Acoustic emission technology has the advantages of low cost, high sensitivity, and continuous real-time monitoring of large deformation, and has gradually developed into an optional method for landslide subsurface deformation monitoring. Thus, efficient landslide monitoring should comprehensively use multiple technologies to overcome the limitations of a single technology, and an integrated monitoring system becomes the state-of-the-art trend. The purpose of landslide monitoring is to provide a basis for decision-making of disaster early warning, thus, avoiding casualties and property losses through effective early warning efforts. In the field of early warning, regional meteorological and individual landslide early warning methods are gradually developed and improved. Deformation monitoring data are the main basis for landslide early warning, and experts analyze the deformation trend and sudden change characteristics. Different early warning levels could be triggered by the threshold values of velocity, acceleration, or other criteria. However, a landslide has complex dynamic mechanisms and individual differences; thus, the generic early warning model needs further exploration. The intelligent early warning model integrates machine learning technology with geological engineering analysis to improve the accuracy and automation level of landslide early warning. Conclusions and Prospects Deformation monitoring is essential in landslide prevention, and deformation data are the main basis for landslide early warning. Moreover, surface monitoring technologies have been widely used in the perception and decision-making process of landslides. Subsurface monitoring technologies can detect early precursors of landslide evolution to continuously improve early warning accuracy. Analyses show that early warning methods can be improved in the future by integrating machine learning models and geotechnical engineering.
Key words: landslide disastersurface deformationsubsurface deformationcomprehensive monitoringearly warning
滑坡是一类频发的全球性自然灾害，常常导致巨大的破坏性后果，每年造成数万人员伤亡和数百亿美元经济损失，比地震、洪涝、台风等其他自然灾害更为严重[1-2]。降雨和地震是滑坡常见的诱发因素，而滑坡作为次生灾害所造成的损失常被统计到原生灾害中，导致滑坡实际造成的损失被严重低估[3-4]。滑坡过程中可能伴随崩塌、泥石流等其他地质灾害，也可能引起水库涌浪[5]、堰塞湖等次生灾害，加剧灾害后果和损失[6]。随着经济建设和人类工程活动范围扩展，土地开发利用逐渐向滑坡风险较高的山地地区发展，更多区域受到滑坡威胁，灾害造成的损失规模呈增加趋势[7-10]。
全球滑坡造成的大多数人员伤亡发生在亚洲，中国是世界上滑坡灾害最为严重的国家之一[6]。中国国土面积的三分之二为山地，滑坡是主要的地质灾害类型，分布广泛，发生频率高，突发性强且破坏后果严重。中国不断变化的气候模式可能导致夏季降雨更加密集，甚至出现更为频繁的极端降雨事件[11]，滑坡灾害在未来或许会更加严重。随着城市化的快速发展，滑坡不再仅属于自然灾害范畴，垃圾堆放场、渣土受纳场等也可能发生滑坡，例如2015年深圳市“12·20”特大型滑坡事故，给城市公共安全造成了严重后果。
本文围绕滑坡变形监测预警技术，大量调研国内外经典和最新研究成果，旨在评述变形监测技术和预警方法的现状，分析技术方法的发展趋势，为滑坡的防灾减灾提供方法依据。首先，统计分析了中国地质灾害的基本情况，明确了滑坡作为主要的地质灾害，是灾害防治工作的重点。本文进而阐明了滑坡变形监测预警的重要意义，比较分析了地表变形和深部变形监测技术，揭示了深部变形监测技术对于早期预警的支撑作用。最后，本文评述了滑坡灾害的区域气象预警和单体滑坡预警方法，分析了已有预警方法的不足和最新发展方向。本文结合中国滑坡防灾减灾工作的实际状况，分析了变形监测和预警技术的最新进展，为滑坡灾害防治方法研究提供借鉴。
1 地质灾害现状分析1.1 地质灾害基本数据中国的滑坡灾害主要分布在西南、西北、东南和中南地区，空间分布具有明显的区域性特点。全国在册滑坡灾害隐患点约15万处[12]，占全部地质灾害隐患点总数的50%以上，分布在31个省区市的2 000多个县(区)(本文所有数据均未包括港、澳、台地区数据)。所有滑坡中，约70%为土质滑坡，约80%是体积规模小于10万m3的小型滑坡。滑坡灾害高发期为每年的5—8月[12]。中国的滑坡直接威胁着约1 500万人的生命安全和5 000多亿元的财产安全[12]，严重制约山地地区的资源开发和经济发展[13]。
中国地质灾害造成的人员伤亡和经济损失占自然灾害总体损失的比例分别超过25%和20%，而滑坡在各类地质灾害中造成的损失最为严重[14]。根据中国地质调查局的数据，图 1a展示了2011—2021年中国实际发生的地质灾害和滑坡灾害的数量，两者整体上均呈现下降趋势。2012—2021年，平均每年发生滑坡6 148起；2017—2021年，平均每年发生滑坡3 704起。滑坡是发生数量最多的地质灾害，近10年滑坡灾害的累计数量占地质灾害累计总数的70%以上。图 1b表明，中国地质灾害造成的遇难(死亡和失踪)人数总体呈明显下降趋势，从2011年的数百人降至2021年的数十人。经济损失情况如图 1c所示，2011—2021年中国地质灾害造成的直接经济损失波动较大，直接经济损失占国内生产总值(gross domestic product，GDP)的比例呈现不断降低的趋势。线性拟合这一趋势得到的年下降率超过9%，地质灾害防灾减灾可能对经济增长有一定促进作用[11]。然而，单次地质灾害造成的直接经济损失有逐年增加趋势(图 1d)，这与灾害发生地区财产价值增长有关。
 |
| 图 1 2011—2021年中国地质灾害的数量和造成的损失 |
| 图选项 |
中国已逐步建立起以地质调查、监测预警、综合治理和应急处置为主的地质灾害防治体系，总体上取得了显著成效。综合防治体系对在册地质灾害隐患的关注取得了显著的防灾减灾成效，大量隐患点逐步得到了有效监测和主动防范。地质灾害监测预警体系实现了许多灾害的成功预报，减轻了灾害造成的重大危害性后果。根据中国地质调查局的数据，表 1显示了中国成功预报的地质灾害数量和相应成效，2017—2021年间成功预报数量占地质灾害发生总数的16%左右，平均每年避免人员伤亡近3万人、避免直接经济损失超过11亿元。结合图 1b，2017—2021年地质灾害平均每年造成184人遇难。比较这两组数据不难发现：成功预报的地质灾害数量相对较少，但较多地避免了人员伤亡；而未成功预报的地质灾害数量多，但遇难人数较少。造成这一现象的原因可能有两方面：一方面，灾害统计方式和灾情指标内涵存在差异。根据《地质灾害灾情统计》(DZ/T 0269—2014)，避免伤亡人口是指地质灾害发生区域内因紧急转移而避免因灾“伤亡”的人数，而遇难人口是指因地质灾害直接导致“死亡或失踪”的人数。另一方面，地质隐患的规模等级会影响应对措施和灾害后果。威胁大量人员安全的地质隐患通常规模较大而数量较少，其孕灾过程和临灾前兆较易被发现，由于对部分在册隐患开展了自动化监测工作，避险成功率较高且避险人数较多。中国近年来约94%的地质灾害发生在广大乡村地区，呈“规模小、随机性大、隐蔽性高”的特点，导致许多后果较轻的小型灾害未被成功预报。
表 1 2017—2021年地质灾害成功预报的数量和成效
| 年份 | 成功预报地质灾害/起 | 成功预报数量占地质灾害发生总数的比例/% | 避免人员伤亡/人 | 避免直接经济损失/亿元 |
| 2017 | 1 642 | 22 | 55 356 | 14.5 |
| 2018 | 496 | 17 | 23 560 | 9.6 |
| 2019 | 939 | 15 | 24 753 | 8.3 |
| 2020 | 534 | 7 | 18 239 | 10.2 |
| 2021 | 905 | 19 | 25 528 | 13.5 |
表选项
然而，地质灾害的防灾减灾仍然是重大难题。中国地质灾害“中心”由城镇向农村转移，灾害表现出随机性更大、隐蔽性更高和累计破环性更强等新特点[15]。中国的地质灾害调查累计查明了约30万处地质灾害隐患点[11-12]，但是地质调查评价工作的广度、深度和精度有限，灾害隐患的排查识别仍不够精准。对于已查明入库在册的地质灾害隐患点，各级政府采用群测群防、监测预警、工程治理[16]、搬迁避让等综合手段进行了有效防治。然而, 全国每年仍有约80%的地质灾害发生在已查明的隐患点范围之外，灾害发生的盲区还大量存在[15]。
1.2 滑坡灾害防治发展趋势滑坡是一种多发频发且危害巨大的地质灾害，灾害防治面临重大挑战。滑坡灾害防治具有重大的经济效益(降低财产损失)、社会效益(减少人员伤亡并增加政府公信力)和环境效益(缓解地质环境劣化)。中国的滑坡隐患点数量众多且情况复杂，目前不可能完成全部滑坡隐患区居民的整体搬迁，而滑坡治理通常需要投入大量资金，导致治理工程实施范围有限。滑坡破坏后的修复费用往往比破坏前的定期维护费用高出数倍[17]。这些现实中的挑战突出了开展滑坡监测预警研究与应用实践的重大意义[18-20]。中国滑坡灾害监测预警体系的建设相比于发达国家较为滞后，灾害隐患点监测站建设与运行水平有待进一步提高。滑坡监测主要分为以人工为主的群测群防(人工巡查灾害前兆及动态)和以仪器为主的专业监测两类，目前日常工作仍以群测群防为主，由于监测成本的约束，中国滑坡专业监测的实施数量和覆盖范围非常有限。
滑坡科学监测和早期预警是防灾减灾的重要手段，有助于及时采取措施避免人员伤亡和经济损失，以较小的代价取得较大的灾害防治效益。近10年来，滑坡监测预警受到国家和社会的广泛重视，专家****开展了大量研究，相关成果的数量呈现爆发式增长[21]。然而，时至今日，****们对滑坡易滑结构、形成机理、成灾模式、监测技术和预警模型的研究还不能满足灾害精准预防的需求[13, 16]。2020年以来，随着以地表变形和降雨监测为主的普适型仪器的研发和推广[22]，先进制程芯片、低功耗通信模组、多参数一体化和智能变频等技术得到了广泛应用，随着工程化水平不断提高，仪器设备与安装实施成本也有了大幅下降。滑坡自动化监测点的数量逐渐增加，目前已有近3万处滑坡隐患安装了普适型监测仪器，但相比于庞大的隐患点总量和灾害发生盲区，监测仪器仍然很少。此外，许多监测设备存在灵敏度不高或时间分辨率较低等问题，无法保障滑坡过程的实时监测和早期预警。
面向重大现实需求，研究灵敏可靠且造价低廉的滑坡监测技术与设备，设计完善自动化、广泛适用的滑坡风险预警模型，能够最大限度减少灾害监测的盲区并提高风险预警的智能化水平，具有重要的理论意义和工程应用价值。
2 滑坡变形监测技术滑坡是斜坡上的岩土体在重力等作用下沿着软弱带向下运动的过程[23]。滑坡监测是指对地质体变形和运动的变化过程和触发因素进行测量和解释[6]，进而评价灾害风险并预测发展趋势。滑坡预警是在灾害发生前根据监测和分析得到的滑坡发展演化规律向有关人员发出危险信号，使他们及时采取应对措施降低灾害损失。滑坡专业化持续监测可动态掌握灾害的演化阶段和发展趋势，评估边坡稳定性，及时发现异常变化，支撑灾害预防和应急响应。
近年来，中国提倡地质灾害“专群结合”监测，即在群测群防的基础上，配置专业仪器实现自动化监测。常见的滑坡监测设备如图 2所示。滑坡监测参数包括变形、水文和气象等不同类型，其中变形是最直接、最有效的参数[24-27]。滑坡灾害的本质是岩土体变形失控后以运动的方式造成破坏[28]，变形在滑坡过程中表现最为显著，变形监测对于分析滑坡危险程度和演变规律至关重要，是滑坡预警的主要依据[29-30]。广义上的滑坡变形对应位移、沉降、倾斜、裂缝、挠度和隆起等现象，日常监测主要关注位移尤其是水平位移，因为滑坡的水平位移远大于其垂直位移[31]。滑坡变形监测技术根据施测方式可分为测点型、测线型和测面型3类[32]，在监测精度、覆盖范围和适用条件等方面存在差异。变形监测技术分为地表监测和深部监测两类[33-36]：地表变形监测动态测量滑坡体表面某个测点与稳定参照物间三维空间距离的相对变化，深部变形监测主要测量滑坡体地面以下的水平位移[31]。现有的滑坡变形监测技术大多针对地表变形，深部变形监测技术存在量程有限、操作复杂或价格昂贵等问题，难以广泛应用，亟需发展低成本、高灵敏度的监测技术和设备。
 |
| 图 2 滑坡监测常见技术设备示意图 |
| 图选项 |
2.1 地表变形监测技术滑坡地表变形监测技术包含全球导航卫星系统(global navigation satellite system, GNSS)、摄影测量、雷达和光学遥感等[37-39](表 2)。基于卫星的地表变形监测技术(光学遥感、合成孔径雷达干涉测量(interferometric synthetic aperture radar, InSAR)等)可进行大范围、长周期连续全貌测量[40-41]，获得大地表面的运动方向和规模等信息，具有远距离、非接触和多维宏观等特点，适用于滑坡隐患早期识别、中长期趋势性监测和危险性评估[42-44]。摄影测量、激光雷达(light detection and ranging, LiDAR)等技术一般搭载在无人机航空平台上，适用于小范围重点区域和重大滑坡的高频次动态监测，进而通过地面现场调查复核滑坡隐患并评估危险性[44]。以卫星、无人机等为载体的监测技术受重访周期约束，而GNSS、全站仪等传感设备部署在地面以测量特征点变形，更适用于风险较大或变形较为剧烈(速度较快或加速变形)滑坡的实时自动化监测[44]，在短临和应急期开展及时分析和研判预警。中国GNSS研究起步较早，目前应用广泛，可(近)实时获取地表三维变形信息[45]。然而，多数地表变形监测技术容易受到大气条件、地形起伏、植被覆盖和人为因素等干扰(表 2)，时间分辨率较低(由于重访周期等原因)且数据解算时间长(由于解译算法复杂度高等原因)，导致监测数据滞后，可能错过滑坡快速变形信息的及时捕捉，难以为滑坡短临预警提供支撑[36, 46-47]。
表 2 滑坡地表变形监测技术及其特点
| 监测技术 | 变形测量精度 | 时间分辨率 | 空间分辨率 | 补充说明 |
| GNSS | mm级至cm级 | 一般为分钟/小时/周 | 较高，取决于测点数量和基准站数量 | 受观测卫星数、地形和植被覆盖等影响，适用于慢速滑坡 |
| 全站仪 | 0.5 mm~5 mm (取决于测距) | 一般为分钟/小时/周 | 较高，取决于测点数量 | 受通视条件、大气条件和植被影响 |
| 航空摄影 | mm级至m级(取决于图片数量和质量) | 一般为月/年，应急阶段可实时动态 | 高，可提供滑坡的完整影像 | 受飞行高度、地形、植被和大气等影响，数据后处理较复杂 |
| 光学遥感 | mm级至m级(取决于图片数量和质量，多为人工目视解译) | 一般为月/年 | 高，可提供滑坡的完整影像 | 受地形、植被和气象条件等影响，适用于中长期变形监测 |
| 合成孔径雷达(InSAR) | mm级至cm级(一维视线向) | 一般为月/年 | 大范围、长周期监测 | 受地形(造成几何畸变)、植被(造成低相干)和大气(造成延迟)等影响 |
| 三维激光扫描 | mm | 频次较低，应急阶段可实时动态 | 测量范围和距离受功率影响 | 设备昂贵，数据处理速度较慢，受植被覆盖等影响 |
| 倾斜仪 | 量程的0.02%~1%，量程 < 60° | 高，持续采集数据 | 低，获取安装点附近的信息 | 鲁棒性强，成本低，传感器对温度变化敏感，需作温度补偿 |
| 自动伸缩计 | 0.5 mm~1 mm，量程最大200 mm | 高，实时连续监测 | 低，获取局部相对位移 | 鲁棒性强，成本较低，对温度变化敏感，一维测量 |
| 分布式光纤传感系统 | 0.01%变化(每10 km变化1 m) | 高，实时连续监测 | 对沿光缆方向的变形分辨率较高 | 不能提供总变形程度，对温度变化敏感 |
| 加速度计 | 0.1 m/s2 | 高，实时连续 | 较低 | 难以探测低速蠕动 |
表选项
更为关键的是，地表变形监测不能感知滑坡内部的地质活动，也不能监测滑面的形成发展和破坏过程[48]。滑坡产生机理与滑带(面)的渐进变形破坏密切相关[49]。随着滑动力和抗滑力相对大小的变化，滑坡内部结构逐渐破坏，滑坡的演化过程取决于滑面的破裂程度，滑坡从初始变形到最终失稳破坏伴随着滑面的孕育(渐进损伤)和贯通[50-51]。滑坡变形和应力变化从内部开始，早期演化信息自内而外发出，灾变的初始信息只能从斜坡内部感知[52-53]。只有当滑体内部充分发生变化，滑坡表面才会出现宏观外在变形。宏观变形超过一定程度，才能被地表监测设备所捕捉。中国目前的滑坡监测以监测地表变形和降雨为主，更加接近于“表观现象监测”，但地表变形和降雨不是滑坡发生的充分条件，难以实现滑坡早期准确预警[54]，而降雨冲刷引起表层土壤移动等情况可能导致基于地表监测的滑坡误报[36]。
2.2 深部变形监测技术与地表变形监测相比，深部变形监测具有更早发现滑坡内部破裂以及剪切滑动力等异常变化的潜力。深部变形监测技术通过分析深部变形数据的变化规律，结合变形机制和诱发因素等条件，掌握滑面的活动特征和发展趋势，从而在灾害发生之前及时有效发出预警。深部变形监测能够有效补充地表变形监测技术以达到立体化监测效果，实现滑坡发展演化过程的灵敏感知和灾害风险的早期识别预警。
滑坡深部变形监测设备通常贴合在滑体钻孔内并穿过滑面，具有较高的测量精度和时间分辨率，能够高效获取钻孔周围岩土体的变形信息，尤其是滑面变形信息，有助于理解滑坡的启动机制和发展演化规律[55-56]。如表 3所示，目前3种常见的滑坡深部变形监测技术包括测斜仪、阵列式位移计(ShapeAccelArray, SAA)和声发射(acoustic emission, AE)技术[20, 57-59]；其他滑坡深部变形监测设备，如多点位移计、拉线式位移计和时域反射仪(time-domain reflectometry, TDR)等存在一定的技术局限性，在滑坡现场监测中应用较少。
表 3 滑坡深部变形监测技术及其特点
| 监测技术 | 变形测量精度 | 时间分辨率 | 补充说明 |
| 测斜仪 | ±0.2 mm/m | 高，持续采集数据 | 量程一般小于50 mm[60]，能确定滑动方向和滑面深度，费用较高 |
| 阵列式位移计(SAA) | ±1.5 mm/(30 m)[61] | 高，连续监测 | 量程超过100 mm，能探测滑动方向和滑面深度，设备和软件昂贵 |
| 声发射(AE) | 0.01 mm/h~400 mm/h[62] | 高，连续监测 | 量程超过500 mm[60]，成本低，灵敏度高 |
| 多点位移计 | 高 | 较高 | 滑面定位精度低，量程较小，不能确定滑动方向，费用较高 |
| 钻孔引伸计 | 0.01 mm~1 mm | 高，连续监测 | 鲁棒性强，成本较低，对温度变化敏感，一维测量，最大量程200 mm |
| 拉线式位移计 | 精度较低 | 较高，连续监测 | 能测相对位移、定位滑面，不能确定滑动方向，成本较低，量程大 |
| 时域反射仪(TDR) | mm级至cm级，精度随缆线增长而降低 | 高，连续监测 | 不能直接测量变形或变形率，能定位滑面，不能确定滑动方向 |
表选项
然而，滑坡深部变形监测设备由于位移量程有限(测斜仪)或价格较为昂贵(SAA)，均不适合在现场广泛和长期应用[20, 57, 63]。测斜仪和SAA等高精度测量设备由各节含传感器的多节结构组成，可获取钻孔内各个深度位置的变形数据，但设备的价格与使用长度成正比，整套设备较为昂贵。测斜仪由于外部测斜管的脆弱性，当局部挤压或剪切位移达到数cm时会发生过度弯曲或剪断，导致装置失效[64-65]。SAA具有量程大、精度高和稳定可靠等优点，能够持续测量深部位移超过数十cm[57]。然而，昂贵的成本和复杂的操作制约了SAA的广泛应用。此外，SAA随着滑动过程逐渐在监测孔内上移，会出现累积误差且不易消除[66]。高端先进的监测设备通常价格昂贵，难以实现大规模应用，并不适合中国滑坡隐患点数量庞大的国情。许多设备不能适应恶劣的野外环境，运行维护成本也较高。滑坡监测领域亟需发展新型技术实现深部变形的低成本、高灵敏度和可持续监测。
2.3 声发射监测技术进展声发射既是经典的滑坡物理场监测技术[67]，又发展成为深部变形监测技术。相比于滑坡深部变形监测的常用设备(测斜仪和SAA)，声发射监测技术具有成本低、灵敏可靠和实时连续等特点，有潜力实现滑坡灾害的早期预警[68-69]。岩土体渐进损伤破坏是边坡失稳的本质特征[70]，通过实时监测内部物理参数变化能够反演滑坡内部的损伤演化状态(微震活动)。从能量角度分析，岩土体的损伤(强度损失)主要由能量耗散引起，而岩土体整体破坏则意味着能量突然释放，岩土损伤破坏过程中产生的部分能量转化为声发射弹性波[71]。在岩土裂缝发育、滑面发展或其他变形破坏过程中，大量颗粒间发生摩擦、碰撞和微破裂等相互作用，由此产生了声发射，检测到声发射意味着岩土体发生了变形[72-75]。声发射出现在滑坡孕育期，伴随着滑坡变形破坏的全过程。声发射技术对滑坡位移和速度的微小变化十分敏感，能够检测到滑坡的极缓慢变形。
然而，声发射技术一般用于监测岩质滑坡[76]，土质滑坡的声发射监测研究较少。《滑坡防治工程勘查规范》(GB/T 32864—2016)和《崩塌、滑坡、泥石流监测规范》(DZ/T 0221—2006)均认为：声发射技术适用于监测岩质滑坡，不适用于土质滑坡。这主要是因为土质滑坡变形破坏过程中产生的声发射事件较少、能量水平较低，声发射波在土体(多孔材料)中传播衰减较快[77-78]。声发射波的高频部分(超过数千Hz)在传播过程中易衰减，谐振频率为1 kHz的传感器测得声发射波在黏土内传播的衰减系数约为30~90 dB/m[64]。声发射波的低频部分(数百到数千Hz)易受环境噪声干扰，声音频带重叠导致噪声难以被分离。
为了避免声发射信号因快速衰减和环境噪声干扰而难以检测，研究人员一般采用金属管作为声学波导(以下简称波导)进行滑坡监测[79-81]。谐振频率为140 kHz的传感器测得声发射波在波导管内传播的衰减系数约为4~9 dB/m[64]，比在土体中低一个数量级。金属管周围灌浆而成的无源波导常用于岩质滑坡监测[82-83]。金属管和填充颗粒结合形成的有源波导常用于土质滑坡监测[69, 81, 84](图 3[64])。有源波导随着周围土体移动自身发生变形，颗粒-颗粒和颗粒-波导等相互作用后放大了声发射源的强度，激发了高水平的声发射信号，声发射信号沿着波导低衰减地连续传播并到达传感器[62, 85]。有源波导声发射的主要频率范围在20~30 kHz，可通过滤波选择性地采集特定频率范围内的声发射信号以排除环境噪声[68, 81, 84]。综上所述，有源波导声发射技术有效克服了土质滑坡声发射事件少、能量水平低、衰减大和环境噪声等问题。
 |
| 图 3 滑坡有源波导声发射监测系统示意图[64] |
| 图选项 |
滑坡声发射监测研究一般基于室内实验和现场试验，进而分析测量数据的变化特征和参数间的关系[68-69]。然而，声发射由大量颗粒相互作用产生，解释和量化高度复杂的声发射数据面临挑战[85-87]。声发射特征参数可用于初步量化土质滑坡的变形行为[68, 84, 88]。振铃计数(ring down count, RDC)是常用的特征参数，其定义为声发射波形信号在一段时间内超过预先设定的电压阈值的次数[84]。滑坡速度增加造成单位时间内填充颗粒间相互作用的增加，进而采集到的RDC也会增加。RDC可用于识别滑坡速度变化的数量级差异[89]，RDC与滑坡速度间的正相关关系可用经验公式描述[84]。
有源波导声发射技术已逐渐成为可选的土质滑坡深部变形监测方法[68-69, 82, 90]。该技术具有时间分辨率高、成本低、灵敏度高和量程大(超过500 mm)等特点，适用于土质滑坡深部大变形的连续实时监测，并且可基于经验公式量化深部变形行为[68-69, 89]。土质滑坡声发射监测技术在英国、意大利、奥地利和加拿大等多个发达国家得到了成功应用[69, 81-82]。然而，声发射信号与滑坡变形的直接响应关系受到许多条件的影响[64]，经验公式并不是普遍适用的声发射数据定量解释方法，声发射监测设备和预警模型仍有一些不足需要认真研究并发展完善。
2.4 滑坡监测技术发展趋势任何单一的滑坡监测技术都会存在某种性能(如测量精度、时间分辨率、灵敏度和可靠性)或成本上的不足，不能为滑坡预警提供充足信息。一般认为，利用多种技术综合监测是克服单一技术局限性的有效途径[44, 91]，有助于全面深入地认识和理解滑坡过程。例如，滑坡变形的复杂性、非线性和非均匀性较强，各点的变形量和方向不相同，GNSS等常用技术属于点式监测，应适当结合视频监测，通过数字图像相关方法求解滑坡位移场，以掌握整体变形状况[92]。综合监测系统(integrated monitoring system, IMS)在国内外的滑坡监测研究和应用非常广泛[21]，利用多种技术监测滑坡的变形、力学和水文等参数，开展“空天地深”立体化监测和多源、多场、多时序信息获取[93]，实现了多种技术的互相检验、校核和优势互补[44, 91, 94]。如图 4所示，国内逐渐发展形成了基于“端(终端设备)-网(通信网络)-云(云平台)”的地质灾害综合监测预警系统。图 4中：NB为窄带(narrow band)，LoRa为远距离无线电(long range radio)。
 |
| 图 4 地质灾害“端-网-云”综合监测预警系统 |
| 图选项 |
滑坡监测应综合考虑针对性、有效性和实用性，选择合适的监测技术、确定关键的监测剖面和布点位置(如滑坡后缘裂缝)比一味增加监测点和设备的数量更为有效。滑坡加速变形后，随着滑面的贯通，滑坡体整体向下运动，整个监测区的变形趋于一致，并不需要布设很多的监测点。
现有的滑坡变形监测技术主要针对地表变形，容易受到多种因素干扰，难以反映滑面的形成发展状态，对早期预警的支撑能力不足，而深部变形监测具有发现灾害前兆的重要意义。滑坡以运动的形式造成灾害，变形是最显著的滑坡监测参数，滑面对于滑坡的发展演化起到了关键作用。滑坡深部变形监测能够动态获取滑面形成的早期信息，具有更早发现临滑前兆的能力，为稳定性评估提供重要依据，能够在灾害发生之前实现及时有效预警。但现有的深部变形监测设备存在量程有限、价格昂贵或操作复杂等不足，仍需加强新技术研究和新设备研发。针对滑坡深部变形行为(主要是位移、速度和加速度)的实时监测和风险预警中存在的部分难题，尤其是全国每年约80%的地质灾害发生在已在册的隐患点范围之外的现状，迫切需要研究发展低成本、高灵敏度的监测技术以逐步扩大滑坡监测覆盖面。声发射技术可作为高性价比深部变形监测技术研究发展的目标方向。
有源波导声发射技术较好地解决了土质滑坡中声发射事件少、能量低、衰减大和易受噪声干扰等问题，具有性价比高、灵敏可靠和量程大等优点，有潜力发展成为一种普适型监测技术。通过声发射数据持续监测和经验公式计算能够初步量化滑坡速度，然而颗粒材料相互作用产生的声发射信号高度复杂，而且声发射监测系统容易受到多种内外部条件的影响，声发射数据的通用解释模型和滑坡变形行为的自动量化方法仍需要更加深入的研究。此外，滑坡深部监测的重要意义是确定滑面位置，如何利用声发射技术定位滑面(剪切面)深度有待进一步研究。目前，声发射参数变化规律、数据分析模型和监测设备等方面仍然存在不足，制约了声发射技术在滑坡监测领域的应用。近年来，经过****们的不断努力，滑坡深部变形声发射监测技术的部分问题得到了解决[95-98]。
3 滑坡预警方法及发展趋势滑坡监测为灾害早期预警提供了支撑，而早期预警能够减少甚至避免人员伤亡和财产损失。如果没有合适的、有效的预警模型，再多的监测工程也难以解决防灾减灾的实际问题。在滑坡预警研究中应同步推进区域性气象预警和单体滑坡预警方法的发展[99]。
3.1 区域性气象预警降雨是滑坡的主要诱发因素。区域性气象预警主要是根据某区域历史降雨数据和诱发滑坡情况，建立临界降雨量(降雨强度和前期降雨)的经验统计模型[100]。中国于2003年开始启动全国滑坡灾害气象预警预报工作，采用临界降水阈值模型在区域尺度对滑坡灾害进行预警。气象预警方法应用广泛，逐渐向分级、分区、分类的精细化方向发展，但受限于气象预报精度，主要适用于大范围趋势性预警，预警的精度和时效性有待进一步提升。
3.2 单体滑坡预警单体滑坡预警流程为：首先通过灾害风险评估给滑坡隐患点排序，进而在高风险的滑坡隐患点上安装合适的专业监测设备，及时处理分析现场监测数据，进而依据预警模型开展决策工作。基于滑坡机理、诱发因素和地质工程的研究已经形成了多种滑坡预警模型，例如变形趋势模型、力学分析模型、阈值模型和综合风险模型等。岩土体介质具有明显的非均匀非连续性质[71]，岩土体参数的离散性和随机性较强，基于力学分析的物理模型难以应用于实际预警工程[70]。随着滑坡普适型监测点逐步增加，目前已初步形成大数据样本库，为揭示不同类型滑坡的变形演化规律提供了数据基础，预警模型研究逐渐朝向基于多监测参数的动态智能预警方向发展。
变形演化规律是滑坡预警的一般依据。滑坡预警主要分析变形趋势和突变特征，进而采用阈值触发等方法发布预警。每个滑坡的地质环境、变形机制和破坏模式等具有个性特征，滑坡成因机理复杂，但是本质上都属于滑坡运动。滑坡运动一般符合初始—匀速—加速三阶段变形演化规律，失稳破坏之前会经历从慢(蠕变)到快(快速滑移)的速度变化过程。根据国际研究共识和《崩塌、滑坡、泥石流监测规范》(DZ/T 0221—2006)，滑坡速度分级标准给出了速度快慢的定量描述[101]。但是，每个滑坡存在个性特征，并且受到外界因素的影响而随时间动态变化[102]，因此难以确定长期可用或普遍适用的预警阈值，阈值预警方法可能造成较多的误报和漏报。目前，滑坡预警研究关注历史数据的趋势性统计分析，一般基于变形、降雨等关键参数的变化规律(频率、强度、周期性和累积效应等)给出模型和判据，例如根据滑坡加速变形阶段划分的过程预警模型(图 5[99])。剧烈的加速变形行为是滑坡临界滑动的前兆现象，加速度可作为滑坡早期风险预警指标。一般而言，应根据滑坡变形曲线的趋势特征，计算切线角以确定滑坡所处阶段，进而根据不同阶段分级发出预警。
 |
| 图 5 滑坡变形过程分阶段预警模型[99] |
| 图选项 |
然而，滑坡动力学机制复杂多变，****们在滑坡变形阶段划分上仍存在争议，现有变形预警模型实际应用的有效性和可靠性难以得到保障。突发型滑坡加速变形持续时间很短，可在改进切线角基础上增加变形速度阈值形成综合预警指标，以更加有效地支撑四级动态预警[103]。但是，滑坡变形速度阈值的确定需要依据历史监测数据的统计分析，设定的阈值不具有恒定性和外推性，难以用于新近监测的滑坡。这一问题可能会随着滑坡监测大数据样本库和滑坡分类预测模型的不断完善而得到解决[104-105]。同时，考虑承灾对象(人员伤亡和经济危险性等)的风险预警模型研究也得到了广泛关注[6, 106-107]。有****提出利用高精度的SAA开展滑坡深部大变形监测，将动能和动能变化率作为预警指标[108]，通过曲线特征识别滑坡的演化阶段，达到了与加速度指标类似的临滑预警效果。一些复活滑坡会出现蠕变、快速滑移交替的现象[109]，位移-时间曲线表现为“阶跃”(多次加速)特征，往往与地下水位和孔隙水压力有关，可通过自然电位等方法进行动态监测[110]。蠕变和快速滑移之间也存在关联，蠕变累积变形达到一定程度时会发生快速滑移，这涉及滑带的摩擦破坏机制(类似于黏滞-滑动现象)；滑体快速滑移后又会进入蠕变模式，滑动速度逐渐降低并趋向于稳定，这可能是因为滑移引起孔隙水压力下降等造成的。
3.3 滑坡预警目前遇到的问题滑坡监测数据的处理分析对于有效预警意义重大。然而，滑坡实际的监测数据质量参差不齐，数据中断和异常跳动等不稳定情况时常出现；数据分析依靠人工且缺乏标准，分析结果有较大的不确定性。例如，对于突发性较强的滑坡，如果采用基于常规采集方式的监测设备，往往不能获取滑坡加速变形阶段尤其是临滑阶段的完整数据，缺失快速变化的关键数据则无法支撑科学有效预警，因此需要监测设备具有自适应变频采样功能以适应滑坡变形的突变[99]。滑坡监测数据大多未实现自动处理和快速分析，预警模型尚未实现自动化运行并输出简明结果，先进的机器学习技术与地质工程交叉融合的智能化预警模型有待进一步研究探索。
4 结论本文以中国地质灾害统计数据为基础，研究分析了中国地质灾害的基本现状。滑坡在地质灾害中占据主要位置，是防灾减灾工作的重点。进一步地，本文明确了监测预警对于滑坡灾害防治的重要意义，基于滑坡监测预警技术的研究成果，聚焦最为关键的变形参数，对比阐明了目前主流的多种地表变形和深部变形监测技术的优缺点，论述了深部变形监测技术发现灾害前兆、实现早期预警的能力。最后，围绕滑坡预警方法，分别评述了区域气象预警和单体滑坡预警方法，重点阐述了目前滑坡领域内较为认可的分阶段单体滑坡预警方法。
中国滑坡数量庞大、分布广泛、危害严重，滑坡灾害形势依然复杂严峻。滑坡监测预警是非常专业和复杂的领域，许多研究工作仍然处于探索阶段。常用监测设备聚焦地表变形和降雨，而地表变形监测技术大多易受外界因素干扰，技术自身也存在局限性，难以实现超前预警。滑坡监测技术装备多处在野外试验阶段，有待进一步发展完善成熟可靠且经济高效的技术，从而扩大滑坡隐患监测覆盖面。
滑坡深部变形监测能够获取滑面发展破坏等灾变前兆信息，但现有技术存在价格昂贵、量程小和操作难等问题，制约了其普适化应用。声发射技术初步实现了低成本和高灵敏度的深部变形监测，有潜力实现大范围应用和早期风险预警。综合应用多种技术的滑坡综合监测系统是未来的发展趋势，有利于技术之间优势互补和实现“空天地深”立体化监测。
滑坡灾害的有效预警是开展监测工作的重要目标，变形监测数据是滑坡预警的主要依据。区域性气象预警以降雨数据为核心，单体滑坡预警依靠专业监测设备获取现场数据，两类预警方法正在逐渐发展完善中。然而，建立广泛适用的滑坡智能预警模型仍是难题。滑坡预警模型逐渐向地质工程和机器学习交叉融合的方向发展，旨在实现风险自动分析和准确预警。
本文针对滑坡变形监测预警技术的关键核心问题，广泛调研、分析评述国内外有影响力的文献著作，对于滑坡灾害防治领域的认识和研究有一定的借鉴意义。
参考文献
| [1] | PETLEY D. Global patterns of loss of life from landslides[J]. Geology, 2012, 40(10): 927-930. DOI:10.1130/G33217.1 |
| [2] | VALKANIOTIS S, PAPATHANASSIOU G, GANAS A. Mapping an earthquake-induced landslide based on UAV imagery: Case study of the 2015 Okeanos landslide. Lefkada, Greece[J]. Engineering Geology, 2018, 245: 141-152. DOI:10.1016/j.enggeo.2018.08.010 |
| [3] | HU X D, HU K H, ZHANG X P, et al. Quantitative assessment of the impact of earthquake-induced geohazards on natural landscapes in Jiuzhaigou Valley[J]. Journal of Mountain Science, 2019, 16(2): 441-452. DOI:10.1007/s11629-018-5240-7 |
| [4] | PERKINS S. Death toll from landslides vastly underestimated[J/OL]. (2012-08-08)[2022-09-03]. Nature, 2012. DOI: 10.1038/nature.2012.11140. |
| [5] | 汪洋, 牛小静, 余锡平. 水滑坡体产生的涌浪特性[J]. 清华大学学报(自然科学版), 2013, 53(1): 42-47, 57. WANG Y, NIU X J, YU X P. Characteristics of waves generated by sub-aerial landslides[J]. Journal of Tsinghua University (Science and Technology), 2013, 53(1): 42-47, 57. DOI:10.16511/j.cnki.qhdxxb.2013.01.004 (in Chinese) |
| [6] | 吴树仁, 石菊松, 王涛, 等. 滑坡风险评估理论与技术[M]. 北京: 科学出版社, 2012. WU S R, SHI J S, WANG T, et al. Landslide risk assessment theory and technology[M]. Beijing: Science Press, 2012. (in Chinese) |
| [7] | PERSICHILLO M G, BORDONI M, MEISINA C. The role of land use changes in the distribution of shallow landslides[J]. Science of the Total Environment, 2017, 574: 924-937. DOI:10.1016/j.scitotenv.2016.09.125 |
| [8] | CHUANG Y C, SHIU Y S. Relationship between landslides and mountain development: Integrating geospatial statistics and a new long-term database[J]. Science of the Total Environment, 2018, 622-623: 1265-1276. DOI:10.1016/j.scitotenv.2017.12.039 |
| [9] | GARIANO S L, GUZZETTI F. Landslides in a changing climate[J]. Earth-Science Reviews, 2016, 162: 227-252. DOI:10.1016/j.earscirev.2016.08.011 |
| [10] | HAQUE U, BLUM P, DA SILVA P F, et al. Fatal landslides in Europe[J]. Landslides, 2016, 13(6): 1545-1554. DOI:10.1007/s10346-016-0689-3 |
| [11] | 刘传正, 陈春利. 中国地质灾害防治成效与问题对策[J]. 工程地质学报, 2020, 28(2): 375-383. LIU C Z, CHEN C L. Achievements and countermeasures in risk reduction of geological disasters in China[J]. Journal of Engineering Geology, 2020, 28(2): 375-383. DOI:10.13544/j.cnki.jeg.2019-232 (in Chinese) |
| [12] | 李媛, 杨旭东, 尹春荣, 等. 中国地质灾害时空分布及防灾减灾[M]. 北京: 地质出版社, 2020. LI Y, YANG X D, YIN C R, et al. Temporal and spatial distribution of geological hazards for disaster prevention and reduction in China[M]. Beijing: Geological Publishing House, 2020. (in Chinese) |
| [13] | 崔鹏. 中国山地灾害研究进展与未来应关注的科学问题[J]. 地理科学进展, 2014, 33(2): 145-152. CUI P. Progress and prospects in research on mountain hazards in China[J]. Progress in Geography, 2014, 33(2): 145-152. (in Chinese) |
| [14] | 何朝阳. 滑坡实时监测预警系统关键技术及其应用研究[D]. 成都: 成都理工大学, 2020. HE C Y. Research on key technology and application of real-time monitoring and early warning system of landslide[D]. Chengdu: Chengdu University of Technology, 2020. (in Chinese) |
| [15] | 徐红. 地质灾害: 由群防到技防: 访自然资源部地质灾害防治技术指导中心首席科学家殷跃平[J]. 中国测绘, 2020(7): 8-11. XU H. Geological disaster: From manual prevention to technical prevention: An interview with Yin Yueping, the chief scientist of the Technical Guidance Center for Geological Disaster Prevention and Control of the Ministry of Natural Resources[J]. China Surveying and Mapping, 2020(7): 8-11. (in Chinese) |
| [16] | 裴强, 雷焕珍, 刘红帅. 滑坡体与抗滑桩间接触应力的影响因素分析[J]. 清华大学学报(自然科学版), 2013, 53(8): 1139-1144, 1154. PEI Q, LEI H Z, LIU H S. Influence factors of contact stress between landslide and anti-slide pile[J]. Journal of Tsinghua University (Science and Technology), 2013, 53(8): 1139-1144, 1154. DOI:10.16511/j.cnki.qhdxxb.2013.08.002 (in Chinese) |
| [17] | GLENDINNING S, HUGHES P, HELM P, et al. Construction, management and maintenance of embankments used for road and rail infrastructure: Implications of weather induced pore water pressures[J]. Acta Geotechnica, 2014, 9(5): 799-816. DOI:10.1007/s11440-014-0324-1 |
| [18] | AGHAKOUCHAK A, HUNING L S, CHIANG F, et al. How do natural hazards cascade to cause disasters?[J]. Nature, 2018, 561(7724): 458-460. DOI:10.1038/d41586-018-06783-6 |
| [19] | INTRIERI E, GIGLI G, MUGNAI F, et al. Design and implementation of a landslide early warning system[J]. Engineering Geology, 2012, 147-148: 124-136. DOI:10.1016/j.enggeo.2012.07.017 |
| [20] | UHLEMANN S, SMITH A, CHAMBERS J, et al. Assessment of ground-based monitoring techniques applied to landslide investigations[J]. Geomorphology, 2016, 253: 438-451. DOI:10.1016/j.geomorph.2015.10.027 |
| [21] | 程刚, 王振雪, 李刚强, 等. 我国滑坡监测文献计量研究的可视化分析[J]. 中国安全科学学报, 2022, 32(7): 172-179. CHENG G, WANG Z X, LI G Q, et al. Visual analysis of bibliometric research on landslide monitoring in China[J]. China Safety Science Journal, 2022, 32(7): 172-179. (in Chinese) |
| [22] | 侯圣山, 李昂, 陈亮, 等. 基于普适型仪器的滑坡监测预警初探: 以甘肃兰州岷县三处滑坡为例[J]. 中国地质灾害与防治学报, 2020, 31(6): 47-53. HOU S S, LI A, CHEN L, et al. Application of universal geo-hazard monitoring instruments in landslides and early warning of three landslides in Gansu Province: A case study in Minxian County and Lanzhou City of Gansu Province[J]. The Chinese Journal of Geological Hazard and Control, 2020, 31(6): 47-53. (in Chinese) |
| [23] | SASAHARA K, ITOH K, SAKAI N. Prediction method of the onset of landslides based on the stress-dilatancy relation against shallow landslides[M]//SASSA K, CANUTI P, YIN Y P. Landslide science for a safer geoenvironment. Cham, Germany: Springer, 2014. |
| [24] | INTRIERI E, CARLà T, GIGLI G. Forecasting the time of failure of landslides at slope-scale: A literature review[J]. Earth-Science Reviews, 2019, 193: 333-349. DOI:10.1016/j.earscirev.2019.03.019 |
| [25] | QI S W, YAN F Z, WANG S J, et al. Characteristics, mechanism and development tendency of deformation of Maoping landslide after commission of Geheyan reservoir on the Qingjiang River, Hubei Province, China[J]. Engineering Geology, 2006, 86(1): 37-51. DOI:10.1016/j.enggeo.2006.04.004 |
| [26] | 秦四清, 王思敬. 斜坡滑动失稳演化的非线性机制与过程研究进展[J]. 地球与环境, 2005, 33(3): 75-82. QIN S Q, WANG S J. Advances in research on nonlinear evolutionary mechanisms and process of instabilization of planar-slip slope[J]. Earth and Environment, 2005, 33(3): 75-82. DOI:10.3969/j.issn.1672-9250.2005.03.012 (in Chinese) |
| [27] | TSAI H Y, TSAI C C, CHANG W C. Slope unit-based approach for assessing regional seismic landslide displacement for deep and shallow failure[J]. Engineering Geology, 2019, 248: 124-139. DOI:10.1016/j.enggeo.2018.11.015 |
| [28] | PALMER J. Creeping earth could hold secret to deadly landslides[J]. Nature, 2017, 548(7668): 384-386. DOI:10.1038/548384a |
| [29] | 许强, 汤明高, 徐开祥, 等. 滑坡时空演化规律及预警预报研究[J]. 岩石力学与工程学报, 2008, 27(6): 1104-1112. XU Q, TANG M G, XU K X, et al. Research on space-time evolution laws and early warning-prediction of landslides[J]. Chinese Journal of Rock Mechanics and Engineering, 2008, 27(6): 1104-1112. DOI:10.3321/j.issn:1000-6915.2008.06.003 (in Chinese) |
| [30] | 贺可强, 孙林娜, 王思敬. 滑坡位移分形参数Hurst指数及其在堆积层滑坡预报中的应用[J]. 岩石力学与工程学报, 2009, 28(6): 1107-1115. HE K Q, SUN L N, WANG S J. Displacement fractal parameter Hurst index and its application to prediction of debris landslides[J]. Chinese Journal of Rock Mechanics and Engineering, 2009, 28(6): 1107-1115. DOI:10.3321/j.issn:1000-6915.2009.06.004 (in Chinese) |
| [31] | 国家市场监督管理总局, 国家标准化管理委员会. 滑坡防治设计规范: GB/T 38509—2020[S]. 北京: 中国标准出版社, 2020. State Administration of Market Supervision and Administration of the People's Republic of China, Standardization Administration of the People's Republic of China. Code for the design of landslide stabilization: GB/T 38509—2020[S]. Beijing: Standards Press of China, 2020. (in Chinese) |
| [32] | 冯春, 张军, 李世海, 等. 滑坡变形监测技术的最新进展[J]. 中国地质灾害与防治学报, 2011, 22(1): 11-16. FENG C, ZHANG J, LI S H, et al. A review of the latest development of landslide deformation monitoring techniques[J]. The Chinese Journal of Geological Hazard and Control, 2011, 22(1): 11-16. DOI:10.3969/j.issn.1003-8035.2011.01.003 (in Chinese) |
| [33] | HILLEY G E, BURGMANN R, FERRETTI A, et al. Dynamics of slow-moving landslides from permanent scatterer analysis[J]. Science, 2004, 304(5679): 1952-1955. DOI:10.1126/science.1098821 |
| [34] | ZENI L, PICARELLI L, AVOLIO B, et al. Brillouin optical time-domain analysis for geotechnical monitoring[J]. Journal of Rock Mechanics and Geotechnical Engineering, 2015, 7(4): 458-462. DOI:10.1016/j.jrmge.2015.01.008 |
| [35] | ZHU H H, WANG Z Y, SHI B, et al. Feasibility study of strain based stability evaluation of locally loaded slopes: Insights from physical and numerical modeling[J]. Engineering Geology, 2016, 208: 39-50. DOI:10.1016/j.enggeo.2016.04.019 |
| [36] | FRATTINI P, CROSTA G B, ROSSINI M, et al. Activity and kinematic behaviour of deep-seated landslides from PS-InSAR displacement rate measurements[J]. Landslides, 2018, 15(6): 1053-1070. DOI:10.1007/s10346-017-0940-6 |
| [37] | ZAKI A, CHAI H K, RAZAK H A, et al. Monitoring and evaluating the stability of soil slopes: A review on various available methods and feasibility of acoustic emission technique[J]. Comptes Rendus Geoscience, 2014, 346(9-10): 223-232. DOI:10.1016/j.crte.2014.01.003 |
| [38] | JONGMANS D, GARAMBOIS S. Geophysical investigation of landslides: A review[J]. Bulletin de la Société Géologique de France, 2007, 178(2): 101-112. DOI:10.2113/gssgfbull.178.2.101 |
| [39] | SYAHMI M Z, AZIZ W A W, ZULKARNAINI M A, et al. The movement detection on the landslide surface by using terrestrial laser scanning[C]//2011 IEEE Control and System Graduate Research Colloquium. Shah Alam, Malaysia, 2011. |
| [40] | 徐进军, 王海城, 罗喻真, 等. 基于三维激光扫描的滑坡变形监测与数据处理[J]. 岩土力学, 2010, 31(7): 2188-2191, 2196. XU J J, WANG H C, LUO Y Z, et al. Deformation monitoring and data processing of landslide based on 3D laser scanning[J]. Rock and Soil Mechanics, 2010, 31(7): 2188-2191, 2196. DOI:10.3969/j.issn.1000-7598.2010.07.027 (in Chinese) |
| [41] | 李晓恩, 周亮, 苏奋振, 等. InSAR技术在滑坡灾害中的应用研究进展[J]. 遥感学报, 2021, 25(2): 614-629. LI X E, ZHOU L, SU F Z, et al. Application of InSAR technology in landslide hazard: Progress and prospects[J]. National Remote Sensing Bulletin, 2021, 25(2): 614-629. (in Chinese) |
| [42] | 李振洪, 宋闯, 余琛, 等. 卫星雷达遥感在滑坡灾害探测和监测中的应用: 挑战与对策[J]. 武汉大学学报(信息科学版), 2019, 44(7): 967-979. LI Z H, SONG C, YU C, et al. Application of satellite radar remote sensing to landslide detection and monitoring: Challenges and solutions[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 967-979. (in Chinese) |
| [43] | 朱建军, 李志伟, 胡俊. InSAR变形监测方法与研究进展[J]. 测绘学报, 2017, 46(10): 1717-1733. ZHU J J, LI Z W, HU J. Research progress and methods of InSAR for deformation monitoring[J]. Acta Geodaetica et Cartographica Sinica, 2017, 46(10): 1717-1733. DOI:10.11947/j.AGCS.2017.20170350 (in Chinese) |
| [44] | 许强, 朱星, 李为乐, 等. "天-空-地"协同滑坡监测技术进展[J]. 测绘学报, 2022, 51(7): 1416-1436. XU Q, ZHU X, LI W L, et al. Technical progress of space-air-ground collaborative monitoring of landslide[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(7): 1416-1436. (in Chinese) |
| [45] | 胡友健, 梁新美, 许成功. 论GPS变形监测技术的现状与发展趋势[J]. 测绘科学, 2006, 31(5): 155-157. HU Y J, LIANG X M, XU C G. On the status quo and development trend of GPS technology for deformation monitoring[J]. Science of Surveying and Mapping, 2006, 31(5): 155-157. DOI:10.3771/j.issn.1009-2307.2006.05.057 (in Chinese) |
| [46] | BARDI F, RASPINI F, CIAMPALINI A, et al. Space-borne and ground-based InSAR data integration: The ?knes test site[J]. Remote Sensing, 2016, 8(3): 237. DOI:10.3390/rs8030237 |
| [47] | PECORARO G, CALVELLO M, PICIULLO L. Monitoring strategies for local landslide early warning systems[J]. Landslides, 2019, 16(2): 213-231. DOI:10.1007/s10346-018-1068-z |
| [48] | 侯训田, 万毅宏, 张娟秀, 等. 基于声发射技术的山体滑坡灾变预测试验研究[J]. 中外公路, 2014, 34(1): 36-39. HOU X T, WAN Y H, ZHANG J X, et al. Experimental study on prediction of landslide disaster based on acoustic emission technology[J]. Journal of China & Foreign Highway, 2014, 34(1): 36-39. DOI:10.3969/j.issn.1671-2579.2014.01.009 (in Chinese) |
| [49] | 王恭先. 滑坡防治中的关键技术及其处理方法[J]. 岩石力学与工程学报, 2005, 24(21): 3818-3827. WANG G X. Key technique in landslide control and its handling measures[J]. Chinese Journal of Rock Mechanics and Engineering, 2005, 24(21): 3818-3827. DOI:10.3321/j.issn:1000-6915.2005.21.003 (in Chinese) |
| [50] | 翟艳龙. 基于滑体位移的滑坡时间预测分析方法研究[D]. 成都: 西南交通大学, 2016. ZHAI Y L. Study on time prediction analysis method for landslides based on landslide displacements[D]. Chengdu: Southwest Jiaotong University, 2016. (in Chinese) |
| [51] | 李世海, 冯春, 周东, 等. 滑坡研究中的力学方法[M]. 北京: 科学出版社, 2018. LI S H, FENG C, ZHOU D, et al. Mechanical methods for landslide research[M]. Beijing: Science Press, 2018. (in Chinese) |
| [52] | 何满潮, 李晨, 宫伟力, 等. NPR锚杆/索支护原理及大变形控制技术[J]. 岩石力学与工程学报, 2016, 35(8): 1513-1529. HE M C, LI C, GONG W L, et al. Support principles of NPR bolts/cables and control techniques of large deformation[J]. Chinese Journal of Rock Mechanics and Engineering, 2016, 35(8): 1513-1529. (in Chinese) |
| [53] | YAMADA M, KUMAGAI H, MATSUSHI Y, et al. Dynamic landslide processes revealed by broadband seismic records[J]. Geophysical Research Letters, 2013, 40(12): 2998-3002. DOI:10.1002/grl.50437 |
| [54] | 何满潮. 滑坡地质灾害远程监测预报系统及其工程应用[J]. 岩石力学与工程学报, 2009, 28(6): 1081-1090. HE M C. Real-time remote monitoring and forecasting system for geological disasters of landslides and its engineering application[J]. Chinese Journal of Rock Mechanics and Engineering, 2009, 28(6): 1081-1090. DOI:10.3321/j.issn:1000-6915.2009.06.001 (in Chinese) |
| [55] | 申屠南瑛. 地下位移测量方法及理论研究[D]. 杭州: 浙江大学, 2013. SHENTU N Y. Research on methods and theories for measuring underground displacement[D]. Hangzhou: Zhejiang University, 2013. (in Chinese) |
| [56] | MALEHMIR A, SOCCO L V, BASTANI M, et al. Near-surface geophysical characterization of areas prone to natural hazards: A review of the current and perspective on the future[J]. Advances in Geophysics, 2016, 57: 51-146. |
| [57] | SMETHURST J A, SMITH A, UHLEMANN S, et al. Current and future role of instrumentation and monitoring in the performance of transport infrastructure slopes[J]. Quarterly Journal of Engineering Geology and Hydrogeology, 2017, 50(3): 271-286. DOI:10.1144/qjegh2016-080 |
| [58] | PEI H F, JING J H, ZHANG S Q. Experimental study on a new FBG-based and Terfenol-D inclinometer for slope displacement monitoring[J]. Measurement, 2020, 151: 107172. DOI:10.1016/j.measurement.2019.107172 |
| [59] | YAN Z, ZHENG D J, CHEN Z Y, et al. Research on a novel inclinometer based on distributed optical fiber strain and conjugate beam method[J]. Measurement, 2020, 153: 107404. DOI:10.1016/j.measurement.2019.107404 |
| [60] | DIXON N, SMITH A, SPRIGGS M, et al. Stability monitoring of a rail slope using acoustic emission[J]. Proceedings of the Institution of Civil Engineers-Geotechnical Engineering, 2015, 168(5): 373-384. DOI:10.1680/jgeen.14.00152 |
| [61] | ABDOUN T, BENNETT V, DESROSIERS T, et al. Asset management and safety assessment of levees and earthen dams through comprehensive real-time field monitoring[J]. Geotechnical and Geological Engineering, 2013, 31(3): 833-843. DOI:10.1007/s10706-012-9569-3 |
| [62] | SMITH A, MOORE I D, DIXON N. Acoustic emission sensing of pipe-soil interaction: Full-scale pipelines subjected to differential ground movements[J]. Journal of Geotechnical and Geoenvironmental Engineering, 2019, 145(12): 04019113. DOI:10.1061/(ASCE)GT.1943-5606.0002185 |
| [63] | RUZZA G, GUERRIERO L, REVELLINO P, et al. A multi-module fixed inclinometer for continuous monitoring of landslides: Design, development, and laboratory testing[J]. Sensors, 2020, 20(11): 3318. DOI:10.3390/s20113318 |
| [64] | SMITH A. Quantification of slope deformation behaviour using acoustic emission monitoring[D]. Loughborough, UK: Loughborough University, 2015. |
| [65] | STARK T D, CHOI H. Slope inclinometers for landslides[J]. Landslides, 2008, 5(3): 339-350. DOI:10.1007/s10346-008-0126-3 |
| [66] | 李果, 王毅, 吴铸, 等. 基于柔性测斜装置的滑坡大变形误差识别与修正[J]. 人民长江, 2016, 47(4): 74-78. LI G, WANG Y, WU Z, et al. Recognition and correction of large deformation errors of landslide based on flexible inclinometer device[J]. Yangtze River, 2016, 47(4): 74-78. (in Chinese) |
| [67] | 唐亚明, 张茂省, 薛强, 等. 滑坡监测预警国内外研究现状及评述[J]. 地质论评, 2012, 58(3): 533-541. TANG Y M, ZHANG M S, XUE Q, et al. Landslide monitoring and early-warning: An overview[J]. Geological Review, 2012, 58(3): 533-541. DOI:10.3969/j.issn.0371-5736.2012.03.014 (in Chinese) |
| [68] | SMITH A, DIXON N, FOWMES G J. Early detection of first-time slope failures using acoustic emission measurements: Large-scale physical modelling[J]. Géotechnique, 2017, 67(2): 138-152. DOI:10.1680/jgeot.15.P.200 |
| [69] | DIXON N, SMITH A, FLINT J A, et al. An acoustic emission landslide early warning system for communities in low-income and middle-income countries[J]. Landslides, 2018, 15(8): 1631-1644. DOI:10.1007/s10346-018-0977-1 |
| [70] | 杨天鸿, 张锋春, 于庆磊, 等. 露天矿高陡边坡稳定性研究现状及发展趋势[J]. 岩土力学, 2011, 32(5): 1437-1451, 1472. YANG T H, ZHNAG F C, YU Q L, et al. Research situation of open-pit mining high and steep slope stability and its developing trend[J]. Rock and Soil Mechanics, 2011, 32(5): 1437-1451, 1472. DOI:10.3969/j.issn.1000-7598.2011.05.025 (in Chinese) |
| [71] | 谢和平, 鞠杨, 黎立云. 基于能量耗散与释放原理的岩石强度与整体破坏准则[J]. 岩石力学与工程学报, 2005, 24(17): 3003-3010. XIE H P, JU Y, LI L Y. Criteria for strength and structural failure of rocks based on energy dissipation and energy release principles[J]. Chinese Journal of Rock Mechanics and Engineering, 2005, 24(17): 3003-3010. DOI:10.3321/j.issn:1000-6915.2005.17.001 (in Chinese) |
| [72] | MICHLMAYR G, COHEN D, OR D. Shear-induced force fluctuations and acoustic emissions in granular material[J]. Journal of Geophysical Research: Solid Earth, 2013, 118(12): 6086-6098. DOI:10.1002/2012JB009987 |
| [73] | CADMAN J D, GOODMAN R E. Landslide noise[J]. Science, 1967, 158(3805): 1182-1184. DOI:10.1126/science.158.3805.1182 |
| [74] | MA K, TANG C A, LIANG Z Z, et al. Stability analysis and reinforcement evaluation of high-steep rock slope by microseismic monitoring[J]. Engineering Geology, 2017, 218: 22-38. DOI:10.1016/j.enggeo.2016.12.020 |
| [75] | 易武, 孟召平. 岩质边坡声发射特征及失稳预报判据研究[J]. 岩土力学, 2007, 28(12): 2529-2533, 2538. YI W, MENG Z P. Study on acoustic emission feature of rock slope and its instability forecast criterion[J]. Rock and Soil Mechanics, 2007, 28(12): 2529-2533, 2538. DOI:10.3969/j.issn.1000-7598.2007.12.008 (in Chinese) |
| [76] | MICHLMAYR G, COHEN D, OR D. Sources and characteristics of acoustic emissions from mechanically stressed geologic granular media: A review[J]. Earth-Science Reviews, 2012, 112(3-4): 97-114. DOI:10.1016/j.earscirev.2012.02.009 |
| [77] | 王卫, 汪博浩, 赵运天, 等. 胶结颗粒料力学行为与声发射信号特征[J]. 清华大学学报(自然科学版), 2019, 59(5): 337-344. WANG W, WANG B H, ZHAO Y T, et al. Mechanical behavior and acoustic emission response characteristics of cemented granular materials[J]. Journal of Tsinghua University (Science and Technology), 2019, 59(5): 337-344. (in Chinese) |
| [78] | DIXON N, HILL R, KAVANAGH J. Acoustic emission monitoring of slope instability: Development of an active waveguide system[J]. Proceedings of the Institution of Civil Engineers-Geotechnical Engineering, 2003, 156(2): 83-95. DOI:10.1680/geng.2003.156.2.83 |
| [79] | LORD A E JR, FISK C L, KOERNER R M. Utilization of steel roads as AE waveguides[J]. Journal of the Geotechnical Engineering Division, 1982, 108(2): 300-305. DOI:10.1061/AJGEB6.0001246 |
| [80] | SPRIGGS M P. Quantification of acoustic emission from soils for predicting landslide failure[D]. Loughborough, UK: Loughborough University, 2005. |
| [81] | SMITH A, DIXON N, MELDRUM P, et al. Acoustic emission monitoring of a soil slope: Comparisons with continuous deformation measurements[J]. Géotechnique Letters, 2014, 4(4): 255-261. DOI:10.1680/geolett.14.00053 |
| [82] | CODEGLIA D, DIXON N, FOWMES G J, et al. Analysis of acoustic emission patterns for monitoring of rock slope deformation mechanisms[J]. Engineering Geology, 2017, 219: 21-31. |
| [83] | CODEGLIA D, DIXON N, FOWMES G J, et al. Strategies for rock slope failure early warning using acoustic emission monitoring[J]. IOP Conference Series: Earth and Environmental Science, 2015, 26: 012028. |
| [84] | DIXON N, SPRIGGS M P, SMITH A, et al. Quantification of reactivated landslide behaviour using acoustic emission monitoring[J]. Landslides, 2015, 12(3): 549-560. |
| [85] | SMITH A, DIXON N. Acoustic emission behaviour of dense sands[J]. Géotechnique, 2019, 69(12): 1107-1122. |
| [86] | MIRGHASEMI A A, ROTHENBURG L, MATYAS E L. Influence of particle shape on engineering properties of assemblies of two-dimensional polygon-shaped particles[J]. Géotechnique, 2002, 52(3): 209-217. |
| [87] | CUI L, O'SULLIVAN C, O'NEILL S. An analysis of the triaxial apparatus using a mixed boundary three-dimensional discrete element model[J]. Géotechnique, 2007, 57(10): 831-844. |
| [88] | DENG L Z, YUAN H Y, CHEN J G, et al. Experimental investigation on progressive deformation of soil slope using acoustic emission monitoring[J]. Engineering Geology, 2019, 261: 105295. |
| [89] | DIXON N, SPRIGGS M. Quantification of slope displacement rates using acoustic emission monitoring[J]. Canadian Geotechnical Journal, 2007, 44(8): 966-976. |
| [90] | INGRAHAM M D, ISSEN K A, HOLCOMB D J. Use of acoustic emissions to investigate localization in high-porosity sandstone subjected to true triaxial stresses[J]. Acta Geotechnica, 2013, 8(6): 645-663. |
| [91] | 徐靓, 程刚, 朱鸿鹄. 基于空天地内一体化的滑坡监测技术研究[J]. 激光与光电子学进展, 2021, 58(9): 0900006. XU L, CHENG G, ZHU H H. Research review of landslide monitoring methods based on integration of space-air-ground-interior[J]. Laser & Optoelectronics Progress, 2021, 58(9): 0900006. (in Chinese) |
| [92] | 赵永红, 王航, 张琼, 等. 滑坡位移监测方法综述[J]. 地球物理学进展, 2018, 33(6): 2606-2612. ZHAO Y H, WANG H, ZHANG Q, et al. Overview of landslide displacement monitoring methods[J]. Progress in Geophysics, 2018, 33(6): 2606-2612. (in Chinese) |
| [93] | 许强, 董秀军, 李为乐. 基于天-空-地一体化的重大地质灾害隐患早期识别与监测预警[J]. 武汉大学学报(信息科学版), 2019, 44(7): 957-966. XU Q, DONG X J, LI W L. Integrated space-air-ground early detection, monitoring and warning system for potential catastrophic geohazards[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 957-966. (in Chinese) |
| [94] | 张勤, 白正伟, 黄观文, 等. GNSS滑坡监测预警技术进展[J]. 测绘学报, 2022, 51(10): 1985-2000. ZHANG Q, BAI Z W, HUANG G W, et al. Review of GNSS landslide monitoring and early warning[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(10): 1985-2000. (in Chinese) |
| [95] | DENG L Z, SMITH A, DIXON N, et al. Automatic classification of landslide kinematics using acoustic emission measurements and machine learning[J]. Landslides, 2021, 18(8): 2959-2974. |
| [96] | DENG L Z, SMITH A, DIXON N, et al. Machine learning prediction of landslide deformation behaviour using acoustic emission and rainfall measurements[J]. Engineering Geology, 2021, 293: 106315. |
| [97] | 陈杨, 邓李政, 黄丽达, 等. 基于声发射监测的滑坡过程预警模型[J]. 清华大学学报(自然科学版), 2022, 62(6): 1052-1058. CHEN Y, DENG L Z, HUANG L D, et al. Landslide early warning model based on acoustic emission monitoring[J]. Journal of Tsinghua University (Science and Technology), 2022, 62(6): 1052-1058. (in Chinese) |
| [98] | SMITH A, HEATHER-SMITH H J, DIXON N, et al. Acoustic emission generated by granular soil-steel structure interaction[J]. Géotechnique Letters, 2020, 10(2): 119-127. |
| [99] | 许强. 对滑坡监测预警相关问题的认识与思考[J]. 工程地质学报, 2020, 28(2): 360-374. XU Q. Understanding the landslide monitoring and early warning: Consideration to practical issues[J]. Journal of Engineering Geology, 2020, 28(2): 360-374. (in Chinese) |
| [100] | 张海艳, 简文星, 杨涛, 等. 降雨作用下三峡库区秭归谭家湾滑坡监测预警研究[J]. 安全与环境工程, 2022, 29(4): 129-138. ZHANG H Y, JIAN W X, YANG T, et al. Monitoring and early warning of Tanjiawan landslide in Zigui, Three Gorges Reservoir Region under rainfall effect[J]. Safety and Environmental Engineering, 2022, 29(4): 129-138. (in Chinese) |
| [101] | CRUDEN D M, VARNES D J. Landslide types and processes[R]. Washington DC, USA: National Research Council, 1996: 36-75. |
| [102] | 徐峰, 汪洋, 杜娟, 等. 基于时间序列分析的滑坡位移预测模型研究[J]. 岩石力学与工程学报, 2011, 30(4): 746-751. XU F, WNAG Y, DU J, et al. Study of displacement prediction model of landslide based on time series analysis[J]. Chinese Journal of Rock Mechanics and Engineering, 2011, 30(4): 746-751. (in Chinese) |
| [103] | 许强, 彭大雷, 何朝阳, 等. 突发型黄土滑坡监测预警理论方法研究: 以甘肃黑方台为例[J]. 工程地质学报, 2020, 28(1): 111-121. XU Q, PENG D L, HE C Y, et al. Theory and method of monitoring and early warning for sudden loess landslide: A case study at Heifangtai terrace[J]. Journal of Engineering Geology, 2020, 28(1): 111-121. (in Chinese) |
| [104] | 马娟, 赵文祎, 齐干, 等. 基于普适型监测的多参数预警研究: 以三峡库区卡门子湾滑坡为例[J]. 西北地质, 2021, 54(3): 259-269. MA J, ZHAO W Y, QI G, et al. Study on the multi-parameter early warning based on universal equipment: A case of Kamenziwan landslide in the Three Gorges Reservoir[J]. Northwestern Geology, 2021, 54(3): 259-269. (in Chinese) |
| [105] | 王凯, 张少杰, 马娟, 等. 大数据环境下滑坡宏观位移阶段空间分布规律及预警判据研究[J]. 地球科学进展, 2022, 37(10): 1054-1065. WANG K, ZHANG S J, MA J, et al. Research on the spatial distribution law and early-warning criteria of landslide displacement stages in a big data environment[J]. Advances in Earth Science, 2022, 37(10): 1054-1065. (in Chinese) |
| [106] | 李阳春, 刘黔云, 李潇, 等. 基于机器学习的滑坡崩塌地质灾害气象风险预警研究[J]. 中国地质灾害与防治学报, 2021, 32(3): 118-123. LI Y C, LIU Q Y, LI X, et al. Exploring early warning and forecasting of meteorological risk of landslide and rockfall induced by meteorological factors by the approach of machine learning[J]. The Chinese Journal of Geological Hazard and Control, 2021, 32(3): 118-123. (in Chinese) |
| [107] | ZHANG X W, SONG J, PENG J, et al. Landslides-oriented urban disaster resilience assessment: A case study in Shenzhen, China[J]. Science of the Total Environment, 2019, 661: 95-106. |
| [108] | 陈贺, 李亚军, 房锐, 等. 滑坡深部位移监测新技术及预警预报研究[J]. 岩石力学与工程学报, 2015, 34(S2): 4063-4070. CHEN H, LI Y J, FANG R, et al. A novel technique for monitoring deep displacement and early-warning of landslide[J]. Chinese Journal of Rock Mechanics and Engineering, 2015, 34(S2): 4063-4070. (in Chinese) |
| [109] | 辛鹏, 胡乐, 王涛, 等. 位移-应力协同分析在新近纪软岩质滑坡监测中的应用: 以陕西宝鸡市北坡滑坡为例[J]. 地球学报, 2020, 41(1): 37-48. XIN P, HU L, WANG T, et al. The application of displacement-stress synergetic analysis to landslide monitoring: A case study of Beipo landslides in Baoji City, Shaanxi Province[J]. Acta Geoscientica Sinica, 2020, 41(1): 37-48. (in Chinese) |
| [110] | 胡开颜, 莫淳淯, 张益华, 等. 基于自然电位法的滑坡监测实验研究[J]. 地球物理学报, 2021, 64(12): 4582-4593. HU K Y, MO C Y, ZHANG Y H, et al. An experimental study on monitoring an indoor landslide based on self-potential method[J]. Chinese Journal of Geophysics, 2021, 64(12): 4582-4593. (in Chinese) |
