Early warning for landslide of rock slopes in open-pit mine based on rockfall video monitoring
-
摘要: 高陡岩质边坡稳定性是露天矿安全生产的核心问题，开展边坡临滑预警研究、给出合理的预警时机具有现实的工程意义。通过对32个岩质滑坡案例的临滑前兆信息进行整理分析，提出“落石/岩体运动是岩质边坡的普适性临滑预警前兆”的认识；利用露天矿边坡安全监测规范里要求的视频监测数据，采用基于运动目标追踪的机器视觉方法，识别计算出实现落石频率与运动区域面积的动态识别与量化计算，通过设定阈值可以对滑坡启动但尚未波及区域提供提前量为数十秒至数小时的临滑预警。以国外某露天采石场滑坡与研山铁矿N26线滑坡为例开展工程应用研究，结果表明岩质滑坡全过程包括偶有落石、小规模落石、落石成行和整体滑坡4个阶段，对于6，30 m高的两个岩质滑坡案例，预警提前量分别为35，113 s。基于落石视频监测的露天矿岩质边坡临滑预警方法具有广泛的应用前景，但仍需进一步的现场验证和深入研究。Abstract: The stability of rock slopes is one of the most critical issues for the safe production in an open-pit mine. Providing early warning signals and issuing accurate evacuation orders for the rock landslides is of practical engineering significance. By collecting and analyzing 32 rock landslide cases in open-pit mines, it is proposed that the rockfall or slope movement acts as a precursor of early warning of the rock landslides. Following the safety monitoring standards for open-pit mines, the abundance of monitoring videos can provide valuable data for the early warning of rock landslides. In this study, the motion target tracking algorithm is utilized to identify rockfalls or slope movement areas from the monitoring videos. By setting appropriate thresholds, early warnings with leading time ranging from tens of seconds to hours can be provided for the areas where landslides have initiated but not yet spread. An undisclosed open-pit quarry and the Yanshan open-pit mine are employed to demonstrate the proposed method. The results indicate that the rock landslides progress through four phases including occasional rockfall, small-scale rockfall, continuous rockfall and overall landslide. For the rock landslides with heights of 6 m and 30 m, the early warning leading time is 35 s and 113 s, respectively. The proposed method for early warning of landslide of rock slopes based on rockfall video monitoring holds extensive application prospects in open-pit mines. However, extensive field tests and further research are required.
-
0. 引言
露天矿边坡设计是安全性与经济性的博弈，边坡加陡在降低剥采比、提升经济效益的同时也增大了滑坡灾害的风险[1]。露天矿边坡追求“小滑坡不断、大滑坡不现”的临界安全状态，给境界设计与边坡维护带来了挑战。近年来，随着矿产资源的持续开发利用，露天矿山逐渐转向深凹开采，边坡安全事故时有发生，造成严重的人员财产损失。高陡岩质边坡稳定性是露天矿安全生产的核心问题，开展滑坡监测预警的相关研究对于保证矿山安全生产、提高经济效益具有重要的理论与实际意义。
针对滑坡监测预警，国内外学者开展了大量的研究工作。经典的斋藤法[2]经过数十年的发展，诸如位移、速度、加速度、速度倒数、速度切线角、应力等时序曲线，在露天矿岩质滑坡预警中得到了广泛的应用[3-4]；利用微震监测技术探明边坡岩体内部微破裂孕育发展规律，可以有效识别滑动面演化贯通过程[5-6]；近年来随着边坡雷达GB-InSAR技术的发展，为露天矿岩质滑坡预警提供高精度、大范围、全天候的位移监测数据[7]。
由于地质条件的不确定性、采矿工程的动态性与力学机理的复杂性，单一监测手段难以实现露天矿岩质滑坡的准确预警[8]。学者们利用多因素多模式的地质、力学和监测数据，通过滑坡宏观现场观察、监测数据分析与数值计算等多种手段，提出了粗糙集理论、模糊逻辑理论、支持向量机、蚁群算法、贝叶斯算法、多元逻辑回归、信息量法和决策树模型等方法来实现滑坡灾害超前识别与预警[9]。特别是杨天鸿等[10]从露天矿岩质滑坡的充分必要条件出发，提出了“边坡稳定性分析-多元监测数据-案例推演系统”相结合的预警指标体系，并通过云平台实现数据分析、滑坡诊断和预警发布。
按照滑坡孕育发展的不同阶段，露天矿岩质滑坡预测预报可划分为中长期预报（0.5~1.0 a以上）、短期预报（1~6个月）、临滑预报（24~48 h以内）和预警[10]。中长期预报是对于某一区域滑坡活跃期和宁静期的趋势研究，指出哪些地点可能会发生滑坡造成危害；短期预报是对某个具体边坡能否发生滑坡、滑动特征、滑坡时刻的预先判定；而临滑预报和预警则要判断滑坡发生的时间和位置[11]。其中临滑预报和预警是滑坡预测预报的难点，这是因为滑体的几何边界以及滑体本身的力学性质等各种条件都是难以确定的，也就是说决定滑体稳定性的因素和条件很多，并且几乎都具有不确定性或未知性。
就露天矿边坡工程而言，寻找岩质滑坡的普适性前兆，形成简洁准确、实用性强的滑坡预警方法，是滑坡监测预警的发展方向。在32个岩质滑坡案例分析的基础上，提出“落石/岩体运动是岩质边坡的普适性临滑预警前兆”的认识，以露天矿安全监测技术规范要求的在线视频监控为数据源，利用运动目标追踪的机器视觉方法实时识别并追踪视频流中的落石/岩体运动，计算落石频率与运动区域面积，在滑坡启动进入不可逆阶段时，为尚未波及区域提供提前量为数十秒至数小时的临滑预警，并以国外某露天采石场滑坡与研山铁矿N26线滑坡为例开展工程应用研究。
1. 岩质滑坡案例库与临滑前兆信息
1.1 岩质滑坡案例库
笔者收集得到大量岩质滑坡视频、报告与论文，从中整理得到32个滑坡案例，并统计分析其落石、烟尘和声响等滑坡前兆信息如表 1所示。定义人眼所能观测得到的落石/岩体运动先于整体滑坡的时间为预警提前量，使用滑体高度来表征滑体规模。统计结果表明对于岩质滑坡，落石监测的滑坡预警提前量为数十秒至数小时，且预警提前量与滑体规模呈正相关关系，如图 1所示。
表 1 典型岩质滑坡案例Table 1. Typical rock landslide cases滑坡名称 落石 烟尘 声响 滑体高度/m 预警提前量/min 美国Bingham铜矿滑坡 √ — √ 700 420.0 新井煤矿2·22滑坡 √ √ — 224 76.0 抚顺西露天煤矿5·5滑坡 √ √ √ 120 45.0 金宝铁矿9·14滑坡 √ √ √ 108 107.0 白云鄂博铁矿4·22滑坡 √ × — 88 10.6 圣地亚哥Torrey Pines山体滑坡 √ × √ 65 4.8 贵州某山体滑坡 √ × √ 64 4.5 圣地亚哥Blacks海滩悬崖 √ × √ 60 5.0 美国Superior湖岸边坡 √ × — 58 4.6 印度喜马偕尔邦Mandi地区 √ × √ 54 6.7 美国Zion山体滑坡 √ √ √ 50 3.8 印控克什米尔某山体滑坡 √ √ √ 48 8.1 国外某海滩边坡 √ √ √ 45 8.5 研山铁矿F4断层处滑坡 √ × — 40 3.7 大孤山铁矿北帮2017.5.27滑坡 √ × — 35 2.5 乌山铜钼矿东帮765m平台滑坡 √ × — 32 4.7 印度Sirinagar公路边坡 √ × — 30 1.6 研山铁矿N26线滑坡 √ √ √ 30 1.9 国内某山体滑坡 √ √ — 28 3.9 国内某采石场 √ × √ 27 1.7 研山铁矿N32线滑坡 √ √ — 24 2.0 美国加利福尼亚州某悬崖边坡 √ × — 23 1.1 国外某砂石矿 √ √ — 22 1.0 国外某采石场 √ × √ 20 1.1 印度Srinagar地区公路边坡 √ × √ 18 2.3 国外某山体滑坡 √ × — 15 0.9 国外某砂石矿 √ × — 15 0.8 Gundlpet采石场 √ × √ 12 0.7 印度Badrinath Raste √ × — 10 0.7 国外某采石场 √ × √ 10 0.5 尼泊尔某山体滑坡 √ × — 10 0.2 国外某露天采石场滑坡 √ × √ 6 0.6 注：√为有明显前兆，×为无明显前兆，—为未知。 ![]()
图 1 滑体高度与落石监测滑坡预警提前量Figure 1. Relationship between slide height and early warning leading time using rockfall monitoring1.2 岩质边坡临滑前兆信息
学者们在分析岩质滑坡过程时发现，除了变形、应力、裂缝开度、微震等物理量出现异常外，在整体滑坡发生前的最后时刻通常会出现落石、小规模塌滑（岩体运动）、烟尘和声响等前兆信息[12-14]。这是因为对于岩质边坡而言，岩体裂隙场、应力场和渗流场的非均匀性会在整体滑坡发生前，诱发局部落石和岩体运动。而滑体向下运动过程中，滑体与基岩相互错动摩擦产生大量岩粉，在干燥的环境下从边坡裂缝（尤其是滑体边界处裂缝）中溢出形成烟尘。此外落石冲击边坡表面、滑面处岩桥和凸凹体的错断等现象都伴随着巨大声响。落石、烟尘和声响等临滑前兆信息的出现，往往标志着滑面完全贯通、滑体开始向下移动，滑坡进入不可逆阶段。32个岩质滑坡案例分析结果表明，所有案例在整体滑坡前均出现活跃的落石活动，部分案例出现显著的烟尘、声响，可以说“落石/岩体运动是岩质边坡的普适性临滑预警前兆”。
2. 落石监测临滑预警基本原理与实现
2.1 落石监测临滑预警基本原理
对于露天矿岩质滑坡，处于临界状态的滑体在受到外界扰动（降雨、爆破振动）的影响下，滑体脱离基岩并向下运动，在此过程中滑体各点位移并不同步，诱使滑体解体成为碎石，边运动边解体，最终滑体重力势能耗尽，在坡底积聚形成碎石-堆积物。此外滑面从产生到完全贯通是渐次发生的，在这个过程中小规模的落石/岩体运动必定先于整体滑坡出现。从关键块体理论的角度看，在节理化岩质边坡中，结构面与边坡表面相互切割形成关键块体，为边坡失稳创造了前提条件[15]，在滑坡过程中，关键块体滑落形成落石，这些都为落石监测临滑预警的方法提供了理论基础。
地震预警的经验表明，提前3 s发布预警可以减少14%的人员伤亡，提前10 s可以减少39%的人员伤亡，提前20 s可以减少63%的人员伤亡[16]。对于露天矿边坡工程而言，常见的单台阶、并段台阶滑坡，人员设备撤离100 m即可保证安全；上下运输道路间的多台阶滑坡，安全距离在500~1000 m以上；诸如Bingham铜矿的边坡整体塌滑，则需要全部人员设备撤离出露天采场。根据安全距离反算得到露天矿岩质滑坡的最短撤离时间如图 1中红线所示，恰与落石监测的滑坡预警提前量相当。通过设定落石频率/运动区域面积的预警阈值，在滑坡启动但尚未完全滑落造成危害时，提前数十秒至数小时发布临滑预警，可以有效地保障人员设备安全。
如图 2所示，根据2018年12月1日开始实施的《金属非金属矿山高陡边坡安全监测技术规范》的要求，高度超过200 m的露天矿边坡需要布设在线视频监控，并对视频监控范围、图像质量、功能与设计、设备选型、传输方式、供电、备份、查询、回放等进行了规定，该标准中特别强调视频监控应具有夜视功能或配备辅助照明装置。国家矿山安全监察局于2023年8月30日发布实施的《关于开展露天矿山边坡监测系统建设及联网工作的通知》中要求视频图像为必须监测项目，监测范围应覆盖全部边坡区域；此外高清摄像头应具备后期加装AI智能视频识别的条件，单台摄像头覆盖半径不超过2000 m、图像分辨率优于400万像素。上述技术规范要求的视频监控可以为落石监测滑坡预警提供丰富的数据源。相较于常规的变形、应力监测等手段，落石监测临滑预警可以充分发挥露天矿暴露面积大、视线条件好的特点，监测成本低且覆盖范围广，同时实时在线的视频监测可以避免人工产生的漏报现象。
2.2 落石监测临滑预警系统
如图 3所示，落石监测临滑预警系统硬件包括摄像头、云服务器与预警发布终端，摄像头实时监控潜在滑坡风险区获取视频流，并通过IP地址将视频流无线传输至云服务器，云服务器与摄像头分开部署实现监测前端的轻量化；预警发布终端如扬声器、电子指示牌和手机等放置在露天采场内。数据分析程序布置在云服务器Docker容器中，在监测视频流传入云服务器后，自动调用此程序识别并圈定落石/岩体运动区域，计算落石频率与运动区域面积。当落石频率或运动区域面积超过设定阈值，程序控制预警发布终端发布预警指令，提醒相关区域人员和设备按照预案撤离。
![]()
图 3 落石监测临滑预警系统示意图Figure 3. Illustration of rock landslide monitoring and early warning system of proposed method在实时监测视频获取过程中，高清摄像头应保持静止以确保背景图像的相对稳定，同时尽量保证镜头正视潜在滑体，避免阳光直射产生耀斑，要特别注意视频的分辨率要足够识别落石/岩体运动。利用开源计算机视觉库OpenCV对视频流进行抓帧，为优化服务器计算资源配置、降低网络带宽和存储要求，定义落石频率大于设定阈值的监测时段为落石活跃期，其余时段为落石平静期。初步设定落石平静期抓帧频率为1张/s，落石活跃期抓帧频率为5张/s，实现在线监测与数据分析的循环互动。仅在落石活跃期进行视频流的储存，此外抓帧获取的图像放置在服务器内存中，CPU进行比对计算后删除不做存储。
2.3 落石/运动区域面积预警阈值
从露天矿边坡视频监控中寻找落石/岩体运动，在机器视觉领域属于运动目标追踪问题。常见的静态背景下运动目标追踪算法包括帧差法、光流法、背景减除法等，其中帧差法利用前一帧图像作为当前帧的背景模型，具有计算量小、稳定性好、鲁棒性强等优点，且能适用各种动态环境与光线场景。摄像头采集的视频流具有连续性的特点，如果场景中存在运动目标，目标影像在相邻帧中的位置不同。
如图 4所示，对相邻帧进行灰度差分计算，当差分图像灰度的绝对值超过设定阈值时，即可判定为运动目标。进一步利用滤波、膨胀和腐蚀等图像形态学处理方法进行去噪，最后利用连通性分析和非极大值抑制筛选出运动目标轮廓框，上述流程可以将运动目标从背景图像中识别并分割出来。
![]()
图 4 帧差法运动目标追踪流程图Figure 4. Flow chart of moving object tracking using temporal difference method假设连续视频序列中第n-1，第n和第n+1帧图像为Fn-1, Fn和Fn+1，对应的灰度图像素值为Fn-1(x, y), Fn(x, y)和Fn+1(x, y)，将相邻两帧图像灰度值相减并取其绝对值，计算得到第n-1和第n帧的差分图像Dn、第n和第n+1帧的差分图像Dn+1：
Dn(x,y)=|Fn(x,y)−Fn−1(x,y)|。 (1) 将Dn和Dn+1进行计算得到三帧差Sn：
Sn(x,y)=Dn(x,y)∩Dn+1(x,y)。 (2) 接下来设定阈值T，逐个对像素点进行判定是否属于运动目标。其中Rn等于1的像素点为前景点（运动目标），等于0的像素点为背景点（背景影像）：
Rn(x,y)={1(Sn(x,y)⩾T)0(Sn(x,y)<T)。 (3) 值得说明的是，连通性分析可能会将若干同速同向的运动目标识别为单个落石，视频分辨率也限制了识别细颗粒的能力，落石频率的计算结果不可避免地与实际存在出入，但其随时间的变化趋势（时序曲线整体形状）不会发生显著改变。进一步通过运动目标像素点个数估算运动区域面积，考虑落石尺寸大小带来的影响：
S=ηQ。 (4) 式中：S为运动区域面积；Q为运动目标像素点个数；η为常数，与视频监测系统布置有关，可以预先进行标定。
通过上述运动目标追踪方法，可以计算出落石频率/运动区域面积并得到其时序曲线。对于不同规模的露天矿岩质滑坡，其落石频率/运动区域面积的数值差别很大，但通常情况下滑坡发生前时序曲线会发生突变，利用长短时窗均值比法（STA/LTA）来表征并增强这种突变：
Thri=STAiLTAi=∑i+nsiFi∑ii−nlFi。 (5) 式中：STA，LTA分别为短、长时窗均值；ns和nl分别为短、长时窗长度；F为落石频率/运动区域面积时间序列。图 5中绿色框为LTA序列，粉色框为STA序列，不断沿时间轴滑动LTA和STA窗口计算得到Thr时间序列。以第一次超过阈值为识别标志，可以得到发布预警的时机。
在露天矿边坡工程中，小型滑坡具有随机性与突然性，宏观现象并不显著，临滑预警尤为困难，落石/岩体运动监测依旧可以提供准确的临滑预警，见章节“工程应用”。对于大型滑坡，落石频率/运动区域面积的时序曲线有更加显著的变化，合理的预警阈值窗口更为宽泛，预警提前量与预警准确率均会有所提升。在实际应用中，预警阈值应根据工程实际条件进行针对性调整，这需要在实践中逐渐摸索与验证。
3. 工程应用
3.1 国外某露天采石场滑坡（单台阶）
以国外某露天采石场滑坡为例，验证落石监测临滑预警方法的合理性。区域岩体高度节理化且风化严重，边坡表面植被覆盖，两组结构面相互切割形成高度约6 m、宽度约4 m的楔形滑体，是露天矿山典型的小型滑坡。该案例滑坡规模小、摄像头抵近拍摄、视频锐度与分辨率佳，运动目标追踪程序能准确计算出落石频率/运动区域面积。
落石追踪程序部署在配置有Intel Xeon W3245M 3.2 GHz处理器（CPU）与NVIDIA RTX 2080Ti显卡（GPU）的小型服务器上，可以实现视频监测数据的实时处理、存储和显示，运行流畅度好，未出现卡帧、掉帧、延时等问题，表明落石追踪程序对计算机性能要求不高，有利于在露天矿现场开展大规模部署。
图 6中青色线框圈中的即为落石/岩体运动，落石首先出现在滑体的两侧边界处，落石频率与规模逐渐加大，形成贯通滑面引发边坡整体位移塌滑。滑体在向下移动的过程中，重力势能转换为动能，滑体随之解体，落石不断。滑坡结束后碎石散体堆积在滑体下方，同时滑床上残余碎石仍在不断下落，直至最后归于平静。
如图 7所示，在整体滑坡发生的35 s前，边坡处于落石平静期，监测区域内偶有落石出现。在整体滑坡发生前的35~10 s期间，边坡开始进入落石活跃期，出现小规模落石；与平静期相比落石频率显著上升但维持在低位，而运动区域面积无明显变化。当整体滑坡发生前的10 s以内，出现“落石成行”现象，落石频率与运动区域面积均出现显著上升趋势，时序曲线较前两个阶段差异明显。整体滑坡持续约8 s，在滑坡过程中，落石频率与运动区域面积均快速上升至最大值。滑坡发生后，残余落石仍不断下落，落石频率与运动区域面积回归低位。
![]()
图 7 国外某露天采石场落石频率/运动区域面积时序曲线Figure 7. Time series curves of rockfall frequency and motion area in an undisclosed open-pit quarry如图 7所示，岩质滑坡发生前，落石频率与运动区域面积时序曲线陡峭上升，对于滑坡预警阈值的设定十分有利。相较于运动区域面积，落石频率的预警灵敏度更高，但易受外部干扰影响，相对的误判风险也较大。对于高6 m的岩质滑坡，设定预警阈值Thrc为10，落石频率的预警提前量为35 s，运动区域面积的预警提前量为10 s。
3.2 研山铁矿N26线滑坡（并段台阶）
河北矿业集团司家营研山铁矿设计产能2400×104 t/a，年采剥矿岩总量超1×108 t，其中东帮为顺倾边坡，历史上发生过数十次各种规模的岩质滑坡，严重制约了矿山的正常生产。东帮上部露天采场已经到界并部署有主要运输道路，在-97~-127 m并段台阶处建立了包含深孔测斜仪和视频监控的实时监测系统，并成功捕获2018年5月5日发生的岩质滑坡全过程，其具体滑坡特征和形成机理参见文献[17]。
滑坡区域岩性主要为顺倾强风化黑云变粒岩，深孔测斜仪位于-97 m平台的滑体上缘，用于监测边坡内部的水平位移变化，监测起始于2017年9月9日终止于2018年5月5日，监测结果如图 8所示。边坡位移速率在一定范围内波动，呈现出明显的阶段性，在滑坡前累计水平位移达253.1 mm，在整体滑坡发生前深孔测斜仪线缆被拉断，未能捕捉到整体滑坡时的位移变化特征。
当深孔测斜设备损坏后，使用海康威视3T87WDV2-LU摄像头对目标区域进行实时监测，视频参数包括分辨率1080 P、帧率25 fps、码流8 M。如图 9所示，滑体右侧首先出现滑移，大量碎石从滑面剪出下落，碎石击中下方运输道路产生大量烟尘、并伴随显著声响。滑体向下运动牵引左侧缘拉裂，导致滑面快速贯通，最终诱发整个滑体滑移并解体。滑体高30 m、宽25 m、切深约6 m，落石波及距离达85 m，是露天矿典型的并段台阶滑坡。
由于存在摄像头晃动、车辆移动等环境因素影响，特别是整体滑坡发生后现场出现了大范围的烟尘遮挡，落石频率/运动区域面积的计算精度难以保证，仅以落石频率时序曲线进行分析。与章节“国外某露天采石场滑坡”类似的是，研山铁矿N26线边坡在监测初期就出现了小规模落石现象，在整体滑坡发生前的2 min内落石频率开始显著上升，并在整体滑坡时达到最大值，如图 10所示。设定预警阈值Thrc为5，落石频率的预警提前量为113 s。
![]()
图 10 研山铁矿N26线滑坡落石频率时序曲线Figure 10. Time series curves of rockfall frequency of N26 rock landslide in the Yanshan open-pit mine4. 讨论
按照露天矿岩质滑坡监测预警的一般流程，应首先进行工程地质调查和边坡稳定性分析圈定潜在滑坡风险区，进而开展实时监测进行滑坡的预测预报。图 2中变形、应力等露天矿边坡监测方法与技术经受住了现场考验，特别是边坡雷达GB-InSAR技术展现出其在临滑预报中的优越能力。按照滑坡的分级预测预报机制（中长期预报、短期预报、临滑预报和预警），本文提出的落石视频监测技术着重关注提前量为数十秒至数小时的临滑预警，应当配合位移、应力等监测手段使用，提供全流程的露天矿岩质滑坡预测预报。此外融合应力、位移量/位移速度、落石/岩体运动、烟尘和声响等岩质边坡临滑前兆信息，可为露天矿岩质边坡提供更为有效准确的临滑预警。
本文提出的落石监测临滑预警方法具有成本低、效率高、预警提前量合理的优点，具有良好的推广应用前景。但该方法严重依赖落石前兆，虽然32个岩质滑坡案例均表现出较为明显的落石前兆，但对于更为广泛的应用场景是否适用仍不明确。此外落石频率的突然上升也并不总是伴随着最终滑坡的出现，比如对于碎裂结构的岩质边坡，坡表浮石在爆破振动影响下批量滑落可能会触发滑坡误报，应着重关注下滑力驱动下关键块体滑动引发的落石。此外该方法在实际应用中受光照条件、拍摄环境的影响显著，其适用条件仍需在现场实践中进一步摸索研究。
落石频率/运动区域面积的计算精度对预警时机的合理选择起关键作用，露天矿岩质滑坡的落石粒径级配范围大、运动速度快[18]，此外植被覆盖、微光、降雨、摄像头晃动、行人车辆运动、飞鸟等干扰都给运动目标识别与追踪带来困难。建立在大量学习样本上的深度学习方法可以在各种恶劣环境下识别运动目标，在机器视觉领域也有众多运动目标追踪的预训练模型可供选择，预计深度学习方法可以更好的识别与追踪岩质滑坡中的落石/岩体运动。
5. 结论
（1）收集整理了32个岩质滑坡案例，统计结果表明在岩质滑坡启动但尚未整体滑落的不可逆阶段，落石/岩体运动可以先于整体滑坡数十秒到数小时发出临滑预警，其预警提前量大于最短撤离时间，是具有实际意义的岩质边坡临滑预警前兆信息。利用露天矿边坡安全监测规范中要求的视频监控作为数据源，可以实现露天矿边坡岩体全覆盖监测，提供准确可靠的岩质边坡临滑预警。
（2）设计了包含摄像头、云服务器和预警发布终端的露天矿岩质滑坡监测预警系统，使用三帧差法的运动目标追踪程序可以有效的识别岩质边坡中的落石与岩体运动，并利用长短时窗均值比法来确定预警发布的合理时机。提出的落石监测临滑预警方法具有成本低、效率高、预警提前量合理的优点，在露天矿边坡工程中具有良好的推广应用前景。
（3）国外某露天采石场滑坡和研山铁矿N26线滑坡的工程应用表明，在整体滑坡发生前存在着落石平静期与活跃期，进一步可细分为偶有落石、小规模落石、落石成行和整体滑坡4个阶段。陡峭的落石频率/运动区域面积时序曲线有利于预警阈值的设定，对于6，30 m高的两个岩质滑坡案例，预警提前量分别为35，113 s。
（4）本文初步提出了基于落石视频监测的露天矿岩质边坡临滑预警方法并开展工程应用，其适用条件仍需在现场实践中逐步探索与验证。同时基于深度学习的运动目标追踪以及融合落石、烟尘和声响等多元临滑前兆信息可以提供更为准确的露天矿岩质边坡临滑预警，需要开展进一步的深入研究。
-
![]()
图 1 滑体高度与落石监测滑坡预警提前量
Figure 1. Relationship between slide height and early warning leading time using rockfall monitoring
![]()
图 3 落石监测临滑预警系统示意图
Figure 3. Illustration of rock landslide monitoring and early warning system of proposed method
![]()
图 4 帧差法运动目标追踪流程图
Figure 4. Flow chart of moving object tracking using temporal difference method
![]()
图 7 国外某露天采石场落石频率/运动区域面积时序曲线
Figure 7. Time series curves of rockfall frequency and motion area in an undisclosed open-pit quarry
![]()
图 10 研山铁矿N26线滑坡落石频率时序曲线
Figure 10. Time series curves of rockfall frequency of N26 rock landslide in the Yanshan open-pit mine
表 1 典型岩质滑坡案例
Table 1 Typical rock landslide cases
滑坡名称 落石 烟尘 声响 滑体高度/m 预警提前量/min 美国Bingham铜矿滑坡 √ — √ 700 420.0 新井煤矿2·22滑坡 √ √ — 224 76.0 抚顺西露天煤矿5·5滑坡 √ √ √ 120 45.0 金宝铁矿9·14滑坡 √ √ √ 108 107.0 白云鄂博铁矿4·22滑坡 √ × — 88 10.6 圣地亚哥Torrey Pines山体滑坡 √ × √ 65 4.8 贵州某山体滑坡 √ × √ 64 4.5 圣地亚哥Blacks海滩悬崖 √ × √ 60 5.0 美国Superior湖岸边坡 √ × — 58 4.6 印度喜马偕尔邦Mandi地区 √ × √ 54 6.7 美国Zion山体滑坡 √ √ √ 50 3.8 印控克什米尔某山体滑坡 √ √ √ 48 8.1 国外某海滩边坡 √ √ √ 45 8.5 研山铁矿F4断层处滑坡 √ × — 40 3.7 大孤山铁矿北帮2017.5.27滑坡 √ × — 35 2.5 乌山铜钼矿东帮765m平台滑坡 √ × — 32 4.7 印度Sirinagar公路边坡 √ × — 30 1.6 研山铁矿N26线滑坡 √ √ √ 30 1.9 国内某山体滑坡 √ √ — 28 3.9 国内某采石场 √ × √ 27 1.7 研山铁矿N32线滑坡 √ √ — 24 2.0 美国加利福尼亚州某悬崖边坡 √ × — 23 1.1 国外某砂石矿 √ √ — 22 1.0 国外某采石场 √ × √ 20 1.1 印度Srinagar地区公路边坡 √ × √ 18 2.3 国外某山体滑坡 √ × — 15 0.9 国外某砂石矿 √ × — 15 0.8 Gundlpet采石场 √ × √ 12 0.7 印度Badrinath Raste √ × — 10 0.7 国外某采石场 √ × √ 10 0.5 尼泊尔某山体滑坡 √ × — 10 0.2 国外某露天采石场滑坡 √ × √ 6 0.6 注：√为有明显前兆，×为无明显前兆，—为未知。 
下载: 导出CSV
-
[1] 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. doi: 10.3969/j.issn.1000-7598.2011.05.025 YANG Tianhong, ZHANG Fengchun, YU Qinglei, 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. (in Chinese) doi: 10.3969/j.issn.1000-7598.2011.05.025
[2] 亓星, 朱星, 许强, 等. 基于斋藤模型的滑坡临滑时间预报方法改进及应用[J]. 工程地质学报, 2020, 28(4): 832-839. QI Xing, ZHU Xing, XU Qiang, et al. Improvement and application of landslide proximity time prediction method based on saito model[J]. Journal of Engineering Geology, 2020, 28(4): 832-839. (in Chinese)
[3] 许强, 曾裕平, 钱江澎, 等. 一种改进的切线角及对应的滑坡预警判据[J]. 地质通报, 2009, 28(4): 501-505. doi: 10.3969/j.issn.1671-2552.2009.04.011 XU Qiang, ZENG Yuping, QIAN Jiangpeng, et al. Study on a improved tangential angle and the corresponding landslide pre-warning criteria[J]. Geological Bulletin of China, 2009, 28(4): 501-505. (in Chinese) doi: 10.3969/j.issn.1671-2552.2009.04.011
[4] CARLÀ T, FARINA P, INTRIERI E, et al. On the monitoring and early-warning of brittle slope failures in hard rock masses: examples from an open-pit mine[J]. Engineering Geology, 2017, 228: 71-81. doi: 10.1016/j.enggeo.2017.08.007
[5] 李健, 吴顺川, 高永涛, 等. 露天矿边坡微地震监测研究综述[J]. 岩石力学与工程学报, 2014, 33(增刊2): 3998-4013. LI Jian, WU Shunchuan, GAO Yongtao, et al. Review of slope micro-seismic monitoring in open-pit mine[J]. Chinese Journal of Rock Mechanics and Engineering, 2014, 33(S2): 3998-4013. (in Chinese)
[6] LIU F Y, YANG T H, ZHOU J R, et al. Spatial variability and time decay of rock mass mechanical parameters: a landslide study in the Dagushan open‑pit mine[J]. Rock Mechanics and Rock Engineering, 2020, 53(7): 3031-3053. doi: 10.1007/s00603-020-02109-z
[7] 吴星辉, 璩世杰, 马海涛, 等. 边坡雷达系统在露天矿边坡监测中的应用[J]. 金属矿山, 2018(2): 188-191. WU Xinghui, QU Shijie, MA Haitao, et al. Application of slope radar system in slope displacement monitoring of surface mine[J]. Metal Mine, 2018(2): 188-191. (in Chinese)
[8] 张桂荣, 殷坤龙. 区域滑坡空间预测方法研究及结果分析[J]. 岩石力学与工程学报, 2005, 24(23): 4297-4302. doi: 10.3321/j.issn:1000-6915.2005.23.015 ZHANG Guirong, YIN Kunlong. Study on spatial prediction method for regional landslides and results analysis[J]. Chinese Journal of Rock Mechanics and Engineering, 2005, 24(23): 4297-4302. (in Chinese) doi: 10.3321/j.issn:1000-6915.2005.23.015
[9] POURGHASEMI H R, RAHMATI O. Prediction of the landslide susceptibility: which algorithm, which precision?[J]. Catena, 2018, 162: 177-192.
[10] 杨天鸿, 王赫, 董鑫, 等. 露天矿边坡稳定性智能评价研究现状、存在问题及对策[J]. 煤炭学报, 2020, 45(6): 2277-2295. YANG Tianhong, WANG He, DONG Xin, et al. Current situation, problems and countermeasures of intelligent evaluation of slope stability in open pit[J]. Journal of China Coal Society, 2020, 45(6): 2277-2295. (in Chinese)
[11] 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 Qiang. Understanding the landslide monitoring and early warning: consideration to practical issues[J]. Journal of Engineering Geology, 2020, 28(2): 360-374. (in Chinese)
[12] ROSSER N, LIM M, PETLEY D, et al. Patterns of precursory rockfall prior to slope failure[J]. Journal of Geophysical Research (Earth Surface), 2007, 112(F4): F04014.
[13] 黄润秋, 陈国庆, 唐鹏. 基于动态演化特征的锁固段型岩质滑坡前兆信息研究[J]. 岩石力学与工程学报, 2017, 36(3): 521-533. HUANG Runqiu, CHEN Guoqing, TANG Peng. Precursor information of locking segment landslides based on transient characteristics[J]. Chinese Journal of Rock Mechanics and Engineering, 2017, 36(3): 521-533. (in Chinese)
[14] 许强, 邓茂林, 李世海, 等. 武隆鸡尾山滑坡形成机理数值模拟研究[J]. 岩土工程学报, 2018, 40(11): 2012-2021. XU Qiang, DENG Maolin, LI Shihai, et al. Numerical simulation for formation of Jiweishan landslide in Wulong County, Chongqing City of China[J]. Chinese Journal of Geotechnical Engineering, 2018, 40(11): 2012-2021. (in Chinese)
[15] DUSSAUGE C, GRASSO J R, HELMSTETTER A. Statistical analysis of rockfall volume distributions: implications for rockfall dynamics[J]. Journal of Geophysical Research (Solid Earth), 2003, 108(B6): 2286.
[16] 袁志祥, 单修政, 徐世芳, 等. 地震预警技术综述[J]. 自然灾害学报, 2007, 16(6): 216-223. YUAN Zhixiang, SHAN Xiuzheng, XU Shifang, et al. An overview of earthquake early warning technology[J]. Journal of Natural Disasters, 2007, 16(6): 216-223. (in Chinese)
[17] 司金波, 来有邦, 叶会师, 等. 露天矿薄层状岩质边坡顺层滑坡特征和形成机制[J]. 中国矿业, 2023, 32(4): 81-90. SI Jinbo, LAI Youbang, YE Huishi, et al. Characteristics and mechanism of bedding landslide of thin-layered rock slope of open pit[J]. China Mining Magazine, 2023, 32(4): 81-90. (in Chinese)
[18] PRADES-VALLS A, COROMINAS J, LANTADA N, et al. Capturing rockfall kinematic and fragmentation parameters using high-speed camera system[J]. Engineering Geology, 2022, 302: 106629.
-
其他相关附件
计量
- 文章访问数: 320
- HTML全文浏览量: 32
- PDF下载量: 65
