-
0 引言
-
随着经济社会的高速发展,矿山开采规模日渐提升,露天矿山开采深度也逐年增加。露天矿开采作业过程中,尤其是软岩边坡,在受到降雨冲刷、冻融、爆破及采掘施工等因素的干扰下,极易产生失稳(崔凯等,2023;葛虎胜等,2023;齐永正等,2023; 武启明等,2023),对矿山企业安全生产带来的极大的负面影响。
-
边坡变形预测问题近年来成为国内外专家学者研究的热点之一,并取得了显著的进展。专家学者们通过深入研究边坡变形的机理和规律,提出了多种预测模型和方法。这些模型和方法不仅考虑了边坡的几何形态、岩土性质等静态因素,还充分考虑了降雨、地震等动态因素的影响,从而能够更为准确地预测边坡的变形趋势(段青达等,2021;马海涛等,2021;胡军等,2022;张研等,2022)。边坡变形监测方面,S-SAR 合成孔径边坡雷达以全天候、高精度、大范围等特点以及风险监测预警功能,使其在露天矿山生产中得到了广泛应用(赵东寅等,2015;王立文,2023;王晓雨等,2023;张凯惠和王鑫,2023),并逐步取代大地测量技术(余红楚等, 2015),GPS监测技术(王利等,2023),摄影测量技术 (Kraus,1997;Firpo et al.,2011)等传统监测手段。赵冬寅(2015)通过国产边坡雷达监测预警系统的现场应用,验证了其用于露天边坡形变监测的可靠及有效性;张亦海等(2021)提出一种将无人机地形航模与雷达遥感测量技术相结合的配准方法,并在露天矿山和滑坡应急救援监测的实践中验证了其可行性;徐瑞聪等(2022)结合边坡雷达在露天矿山的应用实例,验证了边坡雷达可以对边坡变形产生有效预警;张亦海等(2022)基于 S-SAR合成孔径雷达实时监测数据,结合当地气象因素,探讨了高原地区冻融效应和降雨等因素对露天边坡稳定性的影响,并对此提出了合理化生产建议;蒋宝林等 (2023)通过边坡雷达的长期连续监测,探究了断层附近边坡的变形特征。
-
本文基于 S-SAR 长期监测数据对新疆某铅锌矿床软岩边坡的破坏模式及变形特征进行了分析,研究可为相似地质条件的矿山提供参考。
-
1 工程概况
-
新疆某铅锌矿床处于西南天山山脉西段、帕米尔高原、喀什三角洲三者之间的中部楔形地带,三面高山环绕,海拔 2000~2517 m。矿区属中温带干旱荒漠性气候区。年平均气温 7.5℃,夏季平均 20.1℃,冬季平均-7.1℃,年平均降水量 178.6 mm。矿区构造简单,矿体围岩岩性较单一,顶底板岩石多为砂岩和砂砾岩等,属软弱岩,完整性差—破碎,稳固性中等,主要问题是泥岩软弱层可能产生小规模滑塌,矿床属层状矿床,工程地质条件中等— 复杂。
-
目前,矿山已形成走向长约 2975 m,宽约 1077 m 的露天境界,最大采深约 300 m,+2149 m 以上北边坡、东边坡及部分南边坡已经剥离到界,现开采的南帮边坡角现状 31.3°~33.8°,台阶高度约 15 m,安全平台宽度约 10 m,台阶坡面角 55°~60°,矿山采坑现状见图1。
-
图1 露天采坑现状图
-
2 边坡破坏模式分析
-
矿山采场现阶段推进工作主要为采场东扩及南边坡靠帮,采场东部自+2179 m 台阶以上正进行东扩作业,东扩边坡顶部为+2286 m 台阶。现状边坡较为规整,整体边坡未出现大规模边坡滑塌现象,南部边坡0-31线、0-32线及0-24线附近曾出现多处单台阶小面积的滑坡,现场图像见图2,主要表现为边坡因重力作用或风化作用导致的崩塌和流动。
-
图2 台阶滑塌现场图像
-
a—+2194~+2224 m平台(32线)滑坡现场图像;b—+2149~+2134 m(22~24线)滑坡现场图像
-
3 边坡雷达监测数据分析
-
3.1 S-SAR边坡雷达基本原理
-
合成孔径雷达是基于差分干涉测量技术,利用脉冲压缩实现距离向上的高分辨率,通过波束锐化实现在方位向的高分辨率,以此获取视野内边坡的高分辨率图像,原理图见图3。差分干涉测量技术通过结合同一目标区域在不同时间点获取的高分辨率二维图像序列。这一技术通过比较图像中各像素点的相位差异,能够精确地反演出被测区域的地形形变信息。借助网络远程控制系统,我们可以实现对该区域的自动监测。一旦边坡的变形量或变形速率达到预设的预警级别,系统便会提前发出灾害预警,从而确保及时采取应对措施。
-
图3 S-SAR边坡雷达原理示意图
-
a—S-SAR M边坡雷达;b—雷达扫描范围俯视图;c—雷达干涉原理图;d—雷达干涉影像;e—三维地形配准显示
-
3.2 雷达布置及预警值设置
-
该矿布置了2台合成孔径边坡雷达以实现了矿坑南帮边坡全天候的在线监测,其中 1 号雷达监测南帮西侧,3 号雷达监测南帮东侧。边坡雷达根据边坡位移“初始-等速-加速变形”3个阶段演化规律将预警等级划分为蓝、黄、橙、红 4 级。预警值基于 “变形速度-面积-持续时间”三参数设定,即超过一定面积的区域达到一定速度并持续一定时间后,系统就会触发预警。各级预警参数如表1 所示,预警值会根据采场作业情况及当地气象状况动态调整,其中监测区域若处于剥离施工、爆破作业区或雨季,预警值会适当提高。
-
3.3 边坡变形特征分析
-
2023年 11月 11日现场踏勘发现+2194~+2224 m 台阶 0-32 线附近有小范围滑塌,现场图像见图2a,边坡雷达监测情况显示,该区域分别于 11 月 5 日、11 月 9 日分别触发长期蓝色预警(长期预警值 70 mm/d,变形面积 100 m2,持续时间 3 h),并于 11 日现场发生失稳滑塌。预警期间区域整体变形量、变形速度及加速度曲线如图4所示。
-
图4 边坡雷达监测数据曲线
-
边坡雷达监测数据显示,11 月 5 日整体变形有小幅度起伏,整体变形达到长期蓝色预警阈值(长期预警值70 mm/d,变形面积100 m2,持续时间3 h),但预警持续时间较短,不足 1 d,整体变形量未出现明显提升,此时边坡变形处于初始变形阶段。11月 6—8日处于等速变形阶段,区域变形量及变形速度均处于稳定状态,现场边坡也未有明显异常。11月 9 日后该区域进入加速变形阶段,区域变形速度波动幅度明显提升,由原来的-3.5~3. 0 mm/h 提升至-7~9 mm/h,变形速度提升 2~3倍,并于 11月 11日 3 时达到最大值,推测滑塌时间应为 11 日 3—11 时。根据监测数据来看,该区域从加速变形到失稳,边坡变形位移3阶段整体的时间约为7 d,加速变形期时间约为失稳前的2 d。
-
4 结论
-
(1)整体边坡未出现大规模边坡滑塌现象,主要表现为边坡因重力作用或风化作用导致的崩塌和流动导致的单台阶小面积的滑坡。
-
(2)边坡初始变形阶段变形速度会出现小范围波动,但持续时间不足 1 d,整体变形未出现明显提升,加速变形阶段的变形速度会提升至等速变形阶段的2~3倍。
-
(3)边坡变形位移“初始变形阶段—等速变形阶段—加速变形阶段”3 阶段整体的持续时间约为 7 d,加速变形期持续时间约为2 d。预警后的7 d内应加强预警区域现场踏勘,提前发现治理,避免影响安全生产。
-
参考文献
-
Firpo G, Salvini R, Francioni M, Ranjith P. G. 2011. Use of digital terrestrial photogrammetry in rocky slope stability analysis by distinct elements numerical methods[J]. International Journal of Rock Mechanics & Mining Sciences, 48(7): 1045-1054.
-
Kraus K. 1997. Photogrammetry: Advanced methods and applications [M]. Bonn: Dümmlers Verlag.
-
崔凯, 吴博涵, 李琼林, 刘杰, 苏磊. 2023. 融化期川西地区季节冻土边坡稳定性分析[J]. 中国公路学报, 36(6): 36-48.
-
段青达, 陈天伟, 田立佳, 郑旭东, 陈明. 2021. 基于改进型ARIMA-GRNN 模型的高边坡变形预测[J]. 桂林理工大学学报, 41 (2): 342-349.
-
葛虎胜, 刘峰, 苏怀斌, 王宇, 廖九波, 方庆红 . 2023. 高陡边坡开挖卸荷位移演变规律及边坡稳定性研究[J]. 矿业研究与开发, 43(6): 83-88.
-
胡军, 邱俊博, 栾长庆, 张瀚斗. 2022. 基于IGWO-SVM的露天矿边坡变形预测[J]. 矿冶工程, 42(1): 15-18.
-
蒋宝林, 张颖异, 丘小强, 李江, 吴少港. 2023. 国外某露天矿山边坡断层区域变形特征研究[J]. 中国安全生产科学技术, 19(S1): 31-36.
-
马海涛, 张亦海, 于正兴. 2021. 滑坡速度倒数法预测模型加速开始点识别及临滑时间预测研究[J]. 岩石力学与工程学报, 40 (2): 355-364.
-
齐永正, 张航, 马文刚, 朱雅婷 . 2023. 复杂工况土质边坡的失稳破坏特征[J]. 科学技术与工程, 23(14): 6190-6196.
-
王利, 许豪, 舒宝, 李新瑞, 田云青 . 2023. 滑坡灾害 GNSS监测技术研究进展与展望[J]. 导航定位与授时, 10(1): 12-26.
-
王立文. 2023. 基于真实孔径雷达的边坡稳定性监测系统[J]. 现代矿业, 39(4): 144-147.
-
王晓雨, 帅培, 谢韦峰. 2023. 基于边坡雷达技术的降雨条件下不同岩型边坡的变形规律研究[J]. 中国安全生产科学技术, 19 (S1): 50-54.
-
武启明, 柘孝金, 夏懿川, 王延雷, 欧成远, 丁涛 . 2023. 降雨条件下藏东南某砂砾土边坡稳定性研究[J]. 工业建筑, 53(S1): 383-386.
-
徐瑞聪, 张亦海, 马海涛, 于正兴, 张朝辉, 李江, 韩诗利 . 2022. S-SARM 边坡雷达在露天矿山中的监测预警应用研究[J]. 中国安全生产科学技术, 18(S1): 104-110.
-
余红楚, 左小清, 字陈波, 徐小坤, 王利启, 刘海波 . 2015. IBIS-L 系统与TM30全站仪在边坡变形监测中的对比分析[J]. 大地测量与地球动力学, 35(4): 718-721.
-
张凯惠, 王鑫 . 2023. 高海拔顺层矿山边坡变形监测预警应用分析 [J]. 中国安全生产科学技术, 19(S1): 73-78.
-
张研, 范聪, 吴哲康, 刘晶, 邝贺伟 . 2022. 基于 PSO-RVM 的矿山边坡变形量预测模型[J]. 金属矿山, (10): 191-196.
-
张亦海, 尹永明, 于正兴, 姜旭桐 . 2022. 基于 S-SAR监测数据的高海拔露天矿边坡变形特征及影响因素研究[J]. 中国安全生产科学技术, 18(S1): 55-60.
-
张亦海, 于正兴, 温经林, 马海涛 . 2021. 边坡雷达变形图与航测模型配准方法及应用[J]. 岩石力学与工程学报, 40(S1): 2817- 2825.
-
赵东寅, 申其鸿, 马海涛, 杨晓琳 . 2015. 国产地基合成孔径雷达监测预警系统在紫金山金铜矿露天采场边坡位移监测的应用 [J]. 中国安全生产科学技术, 11(4): 54-58.
-
摘要
露天顺层软岩边坡变形表现为长时间的蠕变,破坏往往难以提前预测排查到。为探究其破坏前后变形特征,提高滑坡预警准确率,以新疆某铅锌矿床为背景,分析了露天顺层软岩边坡滑坡破坏模式,并基于边坡合成孔径雷达(S-SAR)现场监测数据,得到了边坡台阶破坏前后的变形特征。结果表明:露天顺层软岩边坡破坏模式多表现为自重及强风化导致的崩塌和流动,破坏发生在边坡的加速变形阶段,边坡变形位移3阶段整体时间约为7d,同时结合雷达监测数据为矿山在线监测预警提供了合理化建议,可为相似条件下露天矿山安全生产提供参考。
Abstract
The deformation of open-air bedding soft rock slope is creep for a long time, and the failure is often difficult to predict and check in advance. In order to explore the deformation characteristics before and after failure and improve the accuracy of landslide warning, the failure mode of open-pit strata soft rock slope was analyzed based on a lead-zinc mine in Xinjiang, and the deformation characteristics before and after the slope step failure were obtained based on the slope synthetic aperture radar (S-SAR) field monitoring data. The results show that the failure modes of open-pit bedding soft rock slope are mostly collapse and flow caused by self-weight and strong weathering, and the failure occurs in the accelerated deformation stage of slope, and the overall time of slope deformation and displacement in the three stages is about 7d. At the same time, combining radar monitoring data provides a reasonable suggestion for mine online monitoring and early warning, and can provide a reference for the safety production of open-pit mine under similar conditions.
Keywords
open-pit mines ; S-SAR ; real-time monitoring ; landslide warning ; failure mode