Page 130 - 《武汉大学学报（信息科学版）》2025年第9期

1858 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 9 月

图 12 GNSS 地表位移监测站的累积水平位移决策级融合结果
Fig. 12 Decision Level Fusion Results of GNSS Surface Displacement Monitoring Station
Cumulative Horizontal Displacement

对 于 数 据 级 融 合 ，采 用 数 据 级 融 合 结 果 与 坡预警的区域及其等级 ［62］ 。因此，位移和降雨量
GNSS 地表位移监测站 1 的水平位移的差值；对 是 当 前 降 雨 型 滑 坡 监 测 预 警 最 常 用 的 指 标 ［63］ 。
于特征级融合，采用累积水平位移特征级融合结 由于黄土滑坡具有突发性 ［64］ ，基于宏观变形规律
果与累积水平位移数据级融合结果的差值；对于 的 监 测 预 警 方 法 就 有 局 限 性 ，应 结 合 地 下 水 位
决策级融合，采用决策级融合结果与特征级融合 （降雨）指标综合预警 ［65］ 。现有监测预警信息的
结果的差值。由表 2 可知，随着融合级别的提高， 发布仅根据单点变形数据进行预警，未进行多源
数据融合的误差逐渐减小。 数据融合的监测数据综合研判，无法反映滑坡整
体发展趋势，且很可能因为单点监测数据的异常
表 2 数据融合结果预测评价分析表
造成误报。对大量异构、复杂的数据，可借助多源
Table 2 Prediction and Evaluation Analysis of Data 数据融合方法提高数据可信度并判断其正确性。
Fusion Results
随着技术不断进步，数据融合新技术被引入滑坡
数据融合层次 MAE/mm MSE/mm 2 RMSE/mm
监测领域，以期提升滑坡监测预警的实效性与准
数据级 644.518 437 347.971 661.323
确度。在多源数据融合理论模型的基础上，构建
特征级 329.165 117 615.067 342.951
决策级 0.143 0.031 0.176 滑坡风险评估模型可以有效提高判断准确性。
基于 GNSS 地表位移监测站的水平位移数
3.4 滑坡隐患预警判据 据融合结果，按照文献［66］滑坡位移-时间曲线形
滑坡预警中最为关键的问题是确定预警判 态分类，当前挂马沟梯田型黄土滑坡隐患的位移-
据，也就是判定滑坡发生空间和时间范围的各类 时间曲线属于收敛型。对于收敛型的位移-时间
极限值或临界标志，既可能是滑坡发展过程中自 曲线，累积位移随着时间的增长而增加，但单位
身所表现出来的位移极限值或破裂扩展极限等， 时间内的位移量不同并呈现快速→慢速→趋于
也可能是引发滑坡发生快速滑动的外界因素 ［49］ 。 停止的状态，位移速率为递减趋势，最终趋近于
研究人员提出的判断边坡临界失稳状态的预警 0。由此可见，挂马沟梯田型黄土滑坡隐患在初
判据（阈值）包括安全系数、可靠性概率、变形速 始变形阶段遭受较强的外因作用，突然启动并发
率、变形加速度、应力、声发射率、塑性应变、塑性 生明显的变形，外因消失或减弱后，变形趋于停
应变率、位移矢量角、位移切线角、降雨强度、地 止。由图 9、图 11 和图 12 可以看出，挂马沟梯田
震峰值加速度和综合信息预报判据等 ［50-60］ 。其中 型黄土滑坡隐患产生局部变形破坏且变形量达
以位移速率研究比较突出，因为位移是斜坡是否 到 1 m 前，发生了 42.5 mm 的日降雨量。因此，降
稳定的最直观反映，并且变形量测方法简单，在 雨是诱发挂马沟梯田型黄土滑坡隐患变形破坏
工程实践中越来越受到重视 ［61］ 。而降雨是诱发 的重要外因，日降雨量 42.5 mm 可以认为是挂马
滑坡最主要的因素，可以通过分析滑坡发生时的 沟梯田型黄土滑坡隐患的警报级降雨预警阈值。
降雨阈值来预测滑坡发生的可能性，从而确定滑 根据上文监测数据融合研究结果，切线角、