天-空-地协同的露天矿边坡智能监测技术及典型应用.pdf

第4 5 卷第6 期 2 0 2 0 年6 月 煤炭学报 J O U R N A LO FC H I N AC O A LS O C I E T Y V 0 1 ．4 5N o ．6 J u n ． 2 0 2 0 移动阅读 刘善军，吴立新，毛亚纯，等．天一空一地协同的露天矿边坡智能监测技术及典型应用[ J ] ．煤炭学报，2 0 2 0 ，4 5 6 2 2 6 5 2 2 7 6 ．d o i 1 0 ．1 3 2 2 5 ／j ．c n k i ．j c c s ．N Z 2 0 ．0 3 6 2 L I US h a n j u n ，W UL i x i n ，M A 0Y a c h u n ，e ta 1 ．S p a c e b o m e 咀i r b o m e g m u n dc o l l a b o r a t e di n t e l l i g e n tm o n i t o r i n go no p e n p i ts l o p ea n di t st y p i c a la p p l i c a t i o n s [ J ] ．J o u m a lo fc h i n ac o a ls o c i e t y ，2 0 2 0 ，4 5 6 2 2 6 5 2 2 7 6 ．d o i 1 0 ．1 3 2 2 5 ／j ． c nk i ．j c c s ．Z N 2 0 ．0 3 6 2 天一空一地协同的露天矿边坡智能监测技术及典型应用 刘善军1 ，吴立新2 ，毛亚纯1 ，贺黎明1 ，王植1 ，许志华3 ，魏恋欢1 ，杨泽发2 1 ．东北大学资源与土木工程学院，辽宁沈阳1 1 0 8 1 9 ；2 ．中南大学地球科学与信息物理学院，湖南长沙4 1 0 0 8 3 ；3 ．中国矿业大学 北京 地 球科学与测绘工程学院，北京1 0 0 0 8 3 摘要露天开采是我国矿产资源开采的主要方式之一，长期高强度、大规模开采形成了众多高陡 边坡，由此带来的边坡失稳及灾害现象十分严重，对其进行有效监测和灾害预警，是边坡治理、安全 保障和绿色矿山建设的关键。由于大型露天矿山地形复杂、观测条件困难、影响因素众多，传统的、 单一的监测手段均难以奏效。在讨论智能监测相关概念的基础上，介绍了露天矿边坡智能监测的 思想、内容和内涵；指出大型露天矿边坡智能监测的核心是天一空一地多平台多模式协同观测，包括 时间协同、空间协同、参数协同和智能分析；介绍了目前大型露天矿边坡智能监测的7 项关键技术， 即导航卫星G N S S 在线监测技术、雷达卫星D I n S A R 监测技术、光学卫星高分影像监测技术、无人 机与T L S 联合监测技术、地基红外热像监测技术、顾及大气折光的测量机器人监测技术、基于W i F i 的监测信息多终端显示技术。这些手段不仅要强调监测仪器的先进性、鲁棒性和精度，更要发挥多 手段的时空互补性和过程协同性，而稳定可靠的通讯网络、快速自动的数据处理和智能综合的分析 模块，是实现矿山滑坡智能监测和智能应急的关键。最后，以辽宁抚顺西露天煤矿特大滑坡、鞍钢 鞍千铁矿大型排土场和鞍钢弓长岭铁矿滑坡的天一空一地协同观测为典型案例，介绍了适合不同矿 山特点和任务需求的露天矿边坡智能监测技术方案及其取得的实效。 关键词露天矿山边坡；智能监测；协同观测；数字矿山；智能矿山 中图分类号T D 8 0 4 ；T N 9 5 9 文献标志码A 文章编号0 2 5 3 9 9 9 3 2 0 2 0 0 6 2 2 6 5 一1 2 S p a c e b o r n e - a i r b o r n e g r o u n dc o U a b o r a t e di n t e U i g e n tm o I I i t o r i n go no p e n - p i t s 1 0 p ea n di t st y p i c a la p p l i c a t i o n s L I US h a n j u n l ，W UL i x i n 2 ，M A 0Y a c h u n l ，H EL i m i n 9 1 ，W A N GZ h i l ，X UZ h i h u a 3 ，W E IL i a n h u a n l ，Y A N GZ e f a 2 1 ．5 如0 0 f ∥胁o u r c eo 以c 捌E 昭i 础e d n g ，Ⅳo n e ∞把mu m 钾瑙渺，5 e ，即增1 1 0 8 1 9 ，c o 加；2 ．5 c 0 0 f ∞∞c 阳n 鲫＆』咖r - p ，妒船，∞n ￡m f5 0 眦 “m 钾卜 5 妙，劬o ，拶k4 1 0 0 8 3 ，吼i n n ；3 ．c o f 比鲈o ，＆∞c 拓，Ⅻ口n dS Ⅱ瑚咖增E 增i n e e r i n g ，醌i n n ‰妇您渺D ，胧n i n g 死如n 0 2 0 9 y ＆彬凡g ， 彬喏1 0 0 8 3 ， C 危i n 口、 A b s t r a c t S u r f a c em i n i n gi s o n eo ft h em a j o rm e t h o d so fm i n e r a lr e s o u r c ed e V e l o p m e n ti nC h i n a ．T h el o n g t e r ma n d h i g hi n t e n s i t yd e v e l o p m e n to fs u d ’a c em i n eh a sb r o u g h tw i t hal o to fs l o p e sw i t hh i g ha n 9 1 ea n dg r e a td e p t h ，w h i c h l e a d st os e r i o u si n s t a b i l i t yi s s u e sa n dl a 唱el a n d s l i d e s ．T om o n i t o rt h es u I f a c em i n es l o p e se f f b c t i V e l ya n dt of o r e c a s tt h e 1 a n d s l i d e sa r et h ek e y so fs l o p et r e a t m e n t ，s a f bp r o d u c t i o na n dg r e e nm i n ed e V e l o p m e n t ．H o w e V e r ，t h el a r g es u d a c e 收稿日期2 0 2 0 一0 4 1 3修回日期2 0 2 0 一0 5 2 0责任编辑郭晓炜 基金项目国家重点基础研究发展计划 9 7 3 资助项目 2 0 1 1 c B 7 0 7 1 0 2 ；国家杰出青年科学基金资助项目 5 0 5 2 5 4 1 4 ；湖南省创新人才基金 资助项目 2 0 1 8 R S 3 0 1 3 作者简介刘善军 1 9 6 5 一 ，男，河北涿鹿人，教授，博士生导师。E m a i l l i u s h a n j u n m a i l ．n e u ．e d u ．c n 通讯作者吴立新 1 9 6 6 一 ，男，江西宜春人，教授，博士生导师。E m a i l w u l x 6 6 c s u ．e d u ．c n 万方数据 2 2 6 6 煤炭学报 2 0 2 0 年第4 5 卷 m i n e su s u a U yh a v ec o m p l e xt e r r a i n ，d i f f i c u l to b s e r v a t i o nc o n d i t i o n sa n dm u l t i p l ei m p a c t i n gf a c t o r s ，w h i c hm a k et h et r a - d i t i o n a la n ds i n 9 1 eo b s e I v a t i o nm e t h o dt ob el e s se f 玷c t i v e ．B a s e do nd i s c u s s i n gs o m ec o n c e p t i o n sr e l a t e dw i t hi n t e U i g e n tm o n i t o r i n g ，t h i sp a p e ri n t r o d u c e st h ei d e a ，c o n t e n t sa n dc o n n o t a t i o no fi n t e U i g e n tm o n i t o r i n go ns u r f h c em i n e s l o p e ．T h ec o r eo fi n t e l l i g e n tm o n i t o r i n go ns u d A c em i n es l o p ei ss p a c e b o m e a i r b o m e - g r o u n dc o l l a b o m t e do b s e n ，“o n s w i t hm u l t i p l ep l a t f o n n sa n dm u h i p l em o d e s ，w h i c hi n c l u d et e m p o r a lc o o r d i n a t i o n ，s p a t i a lc o o r d i n a t i o n ，p a r a m e t r i cc o o r - d i n a t i o na n di n t e l l i g e n ta n a l y s i s ．S e v e nk e yt e c h n o l o g i e sf o rt h ei n t e l l i g e n tm o n i t o r i n go ns u d h c em i n es l o p ea r ei n t r o - d u c e d ，w h i c ha r eG N S So n l i n em o n i t o r i n g ，D I n S A Ro fr a d a rs a t e l l i t e ，h i g h - r e s o l u t i o ni m a g i n go fo p t i c a ls a t e l l i t e ，j o i n t o b s e r v a t i o no fu n m a n n e da e r i a lv e h i c l ea n dt e n ．e s t r i a ll a s e rs c a n n e r ，g r o u n d _ b a s e dt h e 啪a li m a g i n g ，s u r v e y i n gr o b o tr e - f e r r i n gt oa t m o s p h e r i cr e f r a c t i o n ，a n dt h eW i F i - b a s e dm u l t i e n dd i s p I a yo fm o n i t o r i n gi n f o 珊a t i o n ．T h e s em e a n sn o to n - l ye m p h a s i z et h ea d v a n c e m e n t ，r o b u s t n e s sa n da e c u r a c yo fm o n i t o r i n gi n s t m m e n t s ，b u ta l s op l a yt h ec o m p l e m e n t a r y a n dp m c e s sc o o r d i n a t i o no fm u l t i p l em e a n s ．T h es t a b l ea n dr e l i a b l ec o m m u n i c a t i o nn e t w o r k ，f a s ta n da u t o m a t i cd a t a p r o c e s s i n ga n di n t e l l i g e n ti n t e g r a t e da n a L l y s i sm o d u l ea r et h ek e y st or e a l i z et h ei n t e l l i g e n tm o n i t o r i n ga n di n t e l l i g e n te - m e 唱e n c ym a n a g e m e n to fm i n es l o p el a n d s l i d e ．F i n a l l y ，t h r e et y p i c a la p p l i c a t i o nc a s e si n “a o n i n gP r o V i n c ea r ei n t m d u c e d ，w h i c ha r et h el a r g e s c a l el a n d s l i d ei nF u s h u nW e s tS u I f a c eM i n e ，t h el a r g ew a s t er o c kp i l eo ft h eA n q i a nI r o n M i n e0 fA n S t e e lG r o u p ，a n dt h el a n d s l i d eo ft h eG o n g c h a n 舀i n gI r o nM i n eo fA n S t e e lG r o u p ．T h ep a m e u l a rm o n i t o r i n g m e a s u r e sr e f b I T i n gt ot h em i n e ’sf e a t u r e sa n ds p e c i a ld e m a n d s ．F o l l o w i n gt h a t ，t h ep r a c t i c a Ie f 亿c tr e a c h e da r ea I s oi n t e r p r e t e d ． K e yw o r d s o p e n p i ts l o p e ；i n t e l l i g e n tm o n i t o r i n g ；c o l l a b o r a t e do b s e r v a t i o n ；d i 百t a lm i n e ；i n t e l l i g e n tm i n e 中国矿产资源丰富，露天开采是我国矿产资 源 尤其煤矿、铁矿和有色矿产 开发的主要形式。 长期高强度开采，导致开采深度、堆排高度和边坡角 度不断增大。长期开采形成的众多人工高陡边 坡 包括采场边坡和排土场边坡 稳定性变差，由此 带来的矿山滑坡灾害问题日益突出。露天矿山边坡 失稳，严重影响矿山正常生产和矿区生命财产安全， 对其进行快速精准监测和及时有效预警，既是矿山防 灾减灾与绿色矿山建设的关键，也是数字矿山。1 、 智能矿山[ 6 q0 | 、智能采矿哺。9 ’1 卜1 4 1 以及矿山智能 化L 1 5 。1 6o 建设的重要任务。 国内外矿山边坡监测方法不少，如地表位移 及变形监测、地下钻孔测斜及应力监测、声发射及 微震监测、地下水监测和气象参数监测等。其中， 针对位移与变形的几何监测是最常使用的方法。 传统的大地测量几何监测手段虽然精度高，但工 作量大、成本高，存在布点困难和测点稀疏等缺 点。大范围和复杂地形条件下，地基测量受到很 大限制，难以获取大型露天矿山的大范围位移及 大变形信息，无法为矿山边坡灾害防治提供全面、 准确的信息保障。 随着现代测绘科学与技术的迅猛发展，各种新型 监测手段不断涌现，如卫星导航定位系统 G N S S 变 形监测Ⅲo 、雷达差分干涉测量 D I n S A R 弘1 9J 、近 景及无人机 U A V 航空摄影测量㈣屯1 | 、远距离三维 激光扫描 T L S 旧卜23 。等，均已应用于不同矿山。边 坡及滑坡监测正逐渐从传统的点式监测向面式、甚至 体式监测发展。但是，不同监测方法均因各自的固有 缺陷而有不同的适用性和局限性。比如G N S S 监测 虽然精度高、响应快，可实现在线、连续监测，但监测 点位稀疏，在深坑环境卫星信号差且易产生多路径效 应而无法监测；D I n S A R 虽然测量精度高且为面式 监测，可获取大范围位移场信息，但大变形时相位解 缠困难或相位失相关；地基T L S 虽然速度快、精度较 高，但存在扫描死角、且其配套的软件模块对大规模 点云数据的处理比较复杂。由于大型露天矿山的边 坡高、坡度陡、落差大，影响因素众多，具有复杂、隐 蔽、多尺度、多阶段和大变形等特性，迫切需要构建多 平台、多手段联合的天一空一地协同式智能监测方法 与技术体系。 1 智能监测相关概念 2 0 世纪末开始，在信息化、数字化、物联网、传感 网、大数据、人工智能等新技术快速发展背景下，传统 矿山逐步迈向了从智能化采矿技术、到数字矿山、再 到智能矿山的发展道路旧，1 2J ，矿山安全与灾害监测及 分析也随之向自动化、智能化方向发展。但是，目前 学术界、工业界对于智能、人工智能及智能监测等内 涵还不是很清楚，不同行业专家学者及工程技术人员 的理解和观点也不尽相同，甚至存在歧义、混淆或误 解。笔者从语义内涵和哲学角度辨析智能监测，兼论 与智能监测相关的几个重要概念。 万方数据 第6 期刘善军等天一空一地协同的露天矿边坡智能监测技术及典型应用 2 2 6 7 1 ．1 智能与智慧 从语义上讲，“智能”是智力和能力的总称。一 般认为，智能是知识和智力的总和，前者是智能的基 础，后者是获取和运用知识求解问题的能力。根据霍 华德加德纳的多元智能理论ⅢJ ，人类智能涉及8 个范畴语言 V e r b a L ／L i n g u i s t i c 、逻辑 L o g i c a L ／M a t h ． e m a t i c a l 、空间 v i s u a L ／S p a t i a l 、肢体运作 B o d i l y ／ K i n e s t h e t i c 、音乐 M u s i c a L ／R h y t h m i c 、人际 I n t e r p e r s o n a L ／S o c i a l 、内省 I n t r a p e r s o n a L ／I n t r o s p e c t i v e 和自然探索 N a t u r a l i s t 。人类智能至少包括3 个方 面的能力理解、分析和解决问题的能力，归纳和演绎 推理能力，以及自我适应环境而生存发展的能力。 “智慧”通常指人们面对复杂与敏感事物时，能 以善德 比如尊重、爱和可持续性 为基础来权衡处 理，如亚里士多德所言的实践智慧旧5 f 。“智慧”是大 众崇尚、憧憬与神往的名词，是心灵层次升华的概念， 其核心是强调人的德性、灵性、悟性与天才。显然，智 慧是比智能更高层次的概念。此处，“智”指智能化、 自动化、自学习、自组织、自适应化，是智商 I Q 的表 征；“慧”字下方为“心”，指与人的心／脑密切相关，与 人的德性、灵性、悟性相通，是情商 E Q 与变商 C Q 的有机融合旧6 | 。我们认为，只有当技术受到德性的 约束，或技术包含了德性，才合乎实践智慧。遗憾的 是，目前在许多场合和文献中，大家似乎并没有对二 者加以严格区分，如在城市领域，智能城市和智慧城 市两种叫法都存在。回顾I B M 公司最早提出S m a r t C i t y 国内将其翻译／演绎为智慧城市 这一概念时， 其内涵主要是机敏、迅捷的意思，只是在技术层面，并 没有涉及“德性”和“慧”的内涵。笔者认为智能是 智力和能力的总称，强调的是运用知识和规则而自 动、快速、准确处理和解决问题的外在能力，是对物而 言的，是技术层面的，如智能仪器、智能机器人、智能 装备。1 纠等；智慧是人的德性、灵性、悟性与天才的综 合体现，强调的是驾驭复杂问题并合乎伦理与德性而 解决复杂问题的内在能力，是对人而言的，是社会层 面的，如智慧长者、智慧先贤、智慧思想、智慧规划等。 当我们把人的智能 如逻辑推理、归纳总结、判断决 策等 赋予仪器设备与技术系统时，仪器设备与技术 系统的能力得以增强和提升，能够按照人的思维逻辑 而做判断和自动调整运行状态。此时，人工智能、智 能检测等新技术也就诞生了。 1 ．2 人工智能 1 9 5 6 年夏，麦卡锡、明斯基等科学家在美国达特 茅斯学院开会，研讨“如何用机器模拟人的智能”，首 次提出“人工智能 A r t i 6 c i a l I n t e l l i g e n c e ，简称A I ”概 念，标志着人工智能学科的诞生。但受当时计算机性 能限制，人工智能学科发展一直缓慢。近年来，随着 网络技术、计算机技术等的飞速发展，人工智能技术 重新焕发勃勃生机。随之而来的智能工业、智能农 业、智能制造等概念不断涌现。目前比较认可的人工 智能定义是一种研发用于模拟、延伸和扩展人的智 能的理论、方法、技术及应用系统。人工智能的发展 经历了逻辑推理一概率推理一因果推理3 个阶 段‘2 6 ‘2 73 。 按照人工智能的复杂程度可分为弱、强和超强3 种人工智能旧6 ’28 I 。目前，仍然处于弱人工智能阶段， 如基于概率的机器学习、深度学习等均是对人类认知 过程的模拟。强人工智能不仅具有感知、推理和理解 能力，还具有某种信念，通常归属为人类的认知状态。 2 1 世纪以来，弱人工智能迅猛发展；尤其是2 0 0 8 年 经济危机后，美日欧希望借机器人技术实现再工业 化。工业机器人带动了弱人工智能和相关产业的不 断突破，很多必须用人来做的工作如今已用机器人代 替。显然，弱人工智能还停留在技术层面，没有受到 伦理和德性的约束；强人工智能暂时处于瓶颈阶段， 还有待时日。矿山是自然环境、矿产资源、采掘工程、 技术装备、矿山人员的复合体；矿山虽然有人的参与， 但它的主体是物，是技术与人的载体。因此，目前称 智能矿山可以，称智慧矿山则不妥。 1 ．3 智能监测 监测的语义为监视、检测。监视偏重于观察， 而检测偏重于测量、检验。对于地灾监测，通常理 解为运用某种技术和方法，测量和监视地质灾害活 动以及各种诱发因素的动态变化，是预测预报地质 灾害的重要手段，是减灾防灾的重要依据。智能监 测的核心是通过监视与测量目标对象，在线处理和 分析变化过程、识别异常行为或前兆现象，并据此 智能调整监测参数、跟踪监测目标、聚焦重点对象 并提前预警。智能监、狈0 主要通过设计特定的算法 模块、开发相应的软件系统，通过自动控制传感器 的工作方式及监测系统的总体行为，实现目标观 测、数据通讯、过程分析、行为判断与反馈调控，实 现类似人类智能的监测。因此，目前称智能监测可 以，称智慧监测则不妥。 2 露天矿边坡智能监测思想、内容及内涵 大型露天矿山地表形态复杂、局地岩性多变、断 裂缺陷众多、气象影响多样，单一监测手段难以满足 大型露天矿山边坡灾害整体、连续监测的实际要求， 迫切需要研发多平台集成、多手段联合的智能监测技 万方数据 2 2 6 8 煤炭学报 2 0 2 0 年第4 5 卷 术，使得优势互补、效果增强。我们理解的地灾智能 监测内涵，主要体现在多种传感器的协同工作、多源 数据的智能分析等方面。在国家重点基础研究发展 计划 9 7 3 项目“事件驱动的空天地多传感器协同观 测方法”的支持下，结合国内外滑坡监测实践，本团 队研发形成了一套具有较强普适性的天一空一地 s p a - c e b o m e a i r b o m e g r o u n d ，S A G 观测协同的露天矿边 坡智能监测技术。 2 ．1 露天矿边坡智能监测核心思想 露天矿边坡天一空一地协同智能监测的核心思想 是①适应过程根据矿山滑坡孕育及发展过程不同 阶段、不同位置的位移量及变形速度差异，采用多种 适宜的监测仪器和技术手段进行协同观测；②应急 聚焦常规监测模式下的平静期，部分监钡0 仪器处于 节能休眠状态；当某一传感器探测到异常信号 如加 速位移、强降雨 时，监测系统立刻进入应急响应，唤 醒休眠中的传感器进入应急期工作状态，并协同其他 监测仪器和技术手段进入应急聚焦监测模式。 2 ．2 露天矿边坡智能监测技术内容 露天矿边坡天一空一地协同智能监测的技术内容 有①早期使用热成像仪进行矿山边坡温度场探测， 根据目标辐射亮温与发射率和温度的关系，以及温度 与表层岩性、地质结构及岩土湿度的关系，识别矿山 边坡中的断层、破碎带、含水带以及软岩层，从而确定 滑坡隐患区和潜在危险区；②使用卫星D I n s A R 技 术监测分析整个边坡区域的位移场，甄别出正在发生 变形的区域，并与热像确定的隐患区一起作为后续监 测靶区；③结合矿区地形及矿山边坡可达性，在靶区 选择一组关键点位布设地面G N s s 、降雨量及钻孔倾 斜、岩土湿度等监测点，建立多参数连续监测网，并与 附近的G N s s 连续运行参考站 c O R s 进行联测，实 现滑坡体多参数地基监测；④开发智能处理软件模 块，快速处理地基监测数据，自动分析监测数据的变 化特征，智能判断边坡变化趋势及异动现象；⑤当监 测数据超出阈值 如位移加速或位移量累计达d m 级 ，应急采用地面双／多目c c D 监控影像进行位移 场宏观监测，并联合T L s 进行位移场扫描；⑥当边坡 进人大变形阶段时 如位移量累计达米级 ，采用卫 星高分影像监测矿坑水平位移场，并联合地基T L s 扫描滑动边坡，实现矿坑边坡三维大变形场的精准、 全面监测；⑦进而，根据多平台、多参数监、狈4 数据，智 能分析和确定滑坡破坏位置、成灾区域和潜在滑动 体，并利用u A V 查证核实、T L s 跟踪扫描，为边坡灾 害及隐患治理提供依据。 2 ．3 露天矿边坡智能监测科学内涵 露天矿边坡天一空一地协同智能监测的科学内 涵是“三协同、一智能”，即①时间协同在不同阶 段使用不同的监测手段，实现涵盖滑坡孕育发展全 程的、技术经济有效的连续监测；包含两层意思，其 一为根据滑坡孕育与发展规律，在不同阶段使用不 同的监测手段；其二为根据当前监测仪器所获监测 数据，对滑坡动态及其发展态势进行预判，进而自 动启用其他更合适的监测手段进行跟踪、增强和聚 焦监测；②空间协同将点式和面式监测相结合、地 上和地下监测相结合、天一空一地多平台相结合，发 挥不同手段、不同方法的各自优势，实现矿坑整体 的全覆盖、多层次和多精度监测；③多参数协同地 表位移、几何变形、地表温度、岩土湿度、降雨量 等 还可按需增加应力、微震等 监测协同，实现多 参数、多维信息互补增强，支撑时空关联与智能分 析；④智能分析结合矿山边坡运移及滑坡成灾规 律，设计人工智能算法、开发软件模块、形成智能监 测系统，根据目标态势自动进行监测单元工作状态 与模式的分期配置和节能优化，以及休眠单元唤醒 和事件驱动旧9 I ，进而实现多平台、多参数协同规 划口⋯、应急聚焦和智能预警。 3 露天矿边坡智能监测关键技术 3 ．1导航卫星G N S S 在线监测技术 G N S S 监测具有连续、实时、三维、高精度测量， 全天候全天时作业、自动化程度高，以及可提供及时 预警信息等不可替代的优点。G N S S 包括美国全球 定位系统 G P s 、俄罗斯格洛纳斯系统 G L O N A s s 和欧洲伽利略导航卫星系统 G a l i l e o ，以及我国的北 斗导航卫星系统 B D S ，能够提供连续的全球导航和 空间定位服务。3 1 I 。国外从2 0 世纪9 0 年代开始 用G P s 进行变形监测旧2 | ，早期是以多期复测的方式 获取数据进行形变分析，属于事后服务方式，精度仅 能达到分米级或厘米级。随着G N S S 的C O R S 概念 提出，以及4 G ／5 G 无线通讯技术的快速发 展。33 I ，G N s s 定位的时效性 准实时或实时 和精 度 毫米级甚至亚毫米级 均得到改善，G N S S 变形监 测的服务方式从以前的事后、低精度、人工处理发展 到实时、高精度、自动化在线监测，服务范围也从仅能 对形变量较大的土质边坡对象进行监钡0 ，拓展到了微 小形变的岩质边坡、混凝土大坝和地壳形变监测等众 多领域。 随着我国B D s 的建成旧4 | ，融合G P S 和B D s 的在 线监测系统陆续在国内边坡监测领域获得了广泛应 万方数据 第6 期 刘善军等天一空一地协同的露天矿边坡智能监测技术及典型应用 用，其中包括大型露天矿山。鞍钢矿业公司鞍千矿的 哑巴岭采场及其排土场、弓长岭矿何家采场以及齐大 山铁矿的露天采场等多个高陡边坡，均安装了G P S B D S 的边坡监测运行系统，实现了数据的远程实时获 取、处理和分析，并能根据监测结果进行多种方 式 短信、邮件和微信等 的预警预报。自2 0 1 7 年以 来，该系统已对多次滑坡及时做出预警，为矿山现场 作业人员的安全撤离与避险提供了依据，避免了财产 损失和人员伤亡，得到了矿山管理人员及现场作业人 员的高度认可。 3 ．2 雷达卫星D I l l S A R 监测技术 近年来，随着卫星雷达遥感技术的快速发展， D I n S A R 在边坡及滑坡变形场监测中发挥了重要 作用，克服了传统大地测量的点式变形测量的局 限，且理论精度达到毫米级。但是，在I n S A R 形变 监测中，有许多干扰因素和复杂情况需要考虑，否 则很难获得正确的形变场信息。在诸多干扰因素 中，大气延迟∞纠及电离层扰动∞刨影响常被忽略。 尽管S A R 卫星轨道为太阳同步轨道，电离层的周 日变化相位通过干涉差分可以大部分消除，但电 离层变化既有长周期波动也具短时间扰动。对于 时间跨度较长的两期影像，不同太阳活动水平时 电离层平均T E C 变化可达几十T E C U ；对于时间 跨度较短的两期影像，电离层扰动同样可达几十 T E C U ，这些差异在常规I n S A R 处理中并不能消 除，由此可能引入几十甚至上百米的高程误差以 及高达分米的形变误差。 为此，贺黎明等旧刊提出了一种融合G N S s 反演 ，I E C 和N e Q u i c k 一2 电离层模型的I n S A R 电离层影响 外部改正方法。在D I n S A R 和多孔径I n S A R M A I 电离层影响改正基础上，顾及露天矿山滑坡不仅具有 较大垂向形变、而且存在显著水平形变的特点，融合 D I n S A R 和M A I 提出了D I n S A R ／M A I 联合监测方 法，实现了露天矿边坡三维形变场监测。进而引入短 基线集 S B A S 思想，将传统的单一视线向时序监测 拓展为顾及电离层影响的L O S S B A S 和A z I S B A S 联合的时序监测，实现了矿山边坡形变场的I n S A R 时序监测。利用L 波段A L O S P A L S A R 数据，提取 了2 0 0 7 2 0 1 1 年抚顺西露天矿边坡的变形场，揭示 了该矿北坡和南坡滑坡体的空间范围及变化特征，发 现该期间北坡和南坡均存在显著的垂向形变 达 1 ．1m ，而且北坡和南坡滑坡区域同时存在较大的 水平形变 达1 ．5m 。与G N S s 监测结果相比，二者 平均偏差仅为9 ．5m m ，表明该技术达到了很高的几 何精度。 3 ．3 光学卫星高分影像监测技术 虽然雷达卫星D I n S A R 能够对大范围变形场进 行高精度监测，但当变形量太大时，I n s A R 会出现影 像失相干、相位解缠困难的问题，导致D I n S A R 失 效。如何在边坡进人大变形阶段时进行有效的卫星 遥感监测，是亟待解决的问题。为此，胡文敏等∞副探 讨了利用z Y 一3 光学卫星立体影像检测露天矿坑地 表变形的可行性；刘善军、张慧慧等∞弘4 研究提出了 基于高分卫星影像和计算机自动匹配算法的大型边 坡形变场监测方法。其原理是利用计算机自动匹配 算法S I F T r 、A S I F r 对不同时期的高分影像特征进行识 别和对比之后，匹配同名点，并对同名点之间的距离 及方向进行量测，从而获取滑坡位移矢量场，实现滑 坡范围的有效圈定。 其技术流程为①首先，进行遥感影像预处 理，包括正射校正和影像配准，对原始影像进行投 影差改正后，将原始影像纠正成正射影像；②然 后，实施S I F T ，A S I F T 算法，包括确定模拟图像、特 征点提取与匹配，实现不同时相图像之间的特征 点提取与匹配；③剔除误匹配点，保留正确匹配 点；④进行边坡位移场计算与标定，包括像方坐标 系建立、同一特征点位移方向及像元数量确定，进 一步计算位移矢量，绘制边坡位移场的等值线图， 直观地显示边坡位移空间范围。该技术成本低、 应用简便、效率高，为大变形滑坡“面”式监测提供 了新手段。利用该技术，成功进行了抚顺西露天 矿南帮大滑坡水平形变场的提取，取得了良好的 效果。 3 ．4 无人机一T L S 协同的监测技术 卫星遥感监测受制于卫星重访周期，而低空 U A V 遥感平台具有成本低、机动性强的优势，可搭载 光学相机定期与不定期地获取矿山高分辨率影像。 通过数字摄影测量技术精确恢复场景三维点云，可为 滑坡应急测量及其态势评估提供依据。4 2 ‘43 I 。T L s 技 术采用非接触式扫描测量方式，通过记录激光回波时 间及角度信息，可快速、高精度地获取场景的三维形 态信息。由于激光具有一定的穿透性，可透过稀疏植 被到达地面而获取地表信息，从而消除植被覆盖对高 陡边坡形变监测的干扰Ⅲ1 。 露天边坡三维形变监测依赖于时序点云的高精 度配准。然而，露天开采导致地形持续变化，传统的 基于最近点匹配的点云配准方法易陷入局部最优而 降低配准精度，影响监测结果。为此，许志华等嵋u 提 出了基于形态不变区的多时相点云配准思想，并以福 建紫金露天矿某堆场为例，完成了两个时相U A V 影 万方数据 2 2 7 0 煤炭学报 2 0 2 0 年第4 5 卷 像重建点云的高精度配准，实现了露天堆场工程量的 u A V 监测。此后，许志华等’4 纠通过算法优化，利用 T 【J S 技术开展无人工标志点的大型露天矿坑分米级 D E M 重建与采掘变化分析，突破了z Y 3 光学遥感测量 的云雨约束及D E M 产品精度限制。此外，笔者还设计 了U A V T I J S 协同的露天矿采掘态势监测方案，并以鞍 山哑巴岭露天矿进行了应用示范，取得很好效果。图 1 为2 0