0 引言

滑坡是露天矿山生产开采活动中常见的地表灾害，容易受到表土条件和强降雨的影响。滑坡不仅会影响地表环境，还可能导致财产损失甚至威胁人身生命安全。因此，进行边坡表面位移监测以开展滑坡预警，是现如今露天矿山生产中面临的一个至关重要的问题（韩流，2023；胡世士等，2023；王立文等，2023）。

目前，在边坡位移监测技术上常用的是 GNSS 位移监测方式。自 20世纪 90年代以来，GNSS测量已被广泛应用于地形监测。然而，随着技术和计算机科学的不断进步，GNSS 位移监测仍然是一个充满活力的研究领域（王嘉等，2022；孙书伟等， 2024）。最近几年又出现了新的位移监测设备，特别是合成孔径地基干涉雷达（InSAR），在过去几年的矿山生产实践中已经得到了充分的应用记录（张路等，2018；Mondini et al.，2021；李振韬等，2022；李启亮等，2024），与传统的 GNSS监测技术相比，该方法的主要优点是扩大了空间覆盖范围，提高了时空分辨率，并且能够独立于天气条件进行操作。结合 GNSS、卫星 InSAR 遥感监测技术，极大地加深了对露天矿山环境滑坡的认识（Carlà et al.，2019； Nikolakopoulos et al.，2023）。因此，综合运用 GNSS 和InSAR技术成为了当前研究的热点之一。针对复杂环境的矿山综合监测工作进一步加深了学者对这些技术的理解。通过结合 GNSS 和 InSAR 数据，并评估其在不同气象条件下的可靠性，不仅能够更全面地了解滑坡表面位移变形的特征，还能够推断出其机制和行为的关键因素。这一综合研究提供了一种更有效的方法来理解和应对不同复杂环境中的滑坡风险。

在过去一年中，笔者已经对珠江水泥石灰石矿山进行了基于 GNSS和合成孔径雷达技术的综合监测，特别是对滑坡易发区域进行了持续监测。通过结合地层条件和气象特征，笔者整合了两种数据集，提供了对滑坡表面位移变形场的综合视图，并可以推断其机制和行为的关键特征，此外还评估了强风化长雨季对 InSAR 和 GNSS 数据可靠性的影响。这项工作强调了将不同来源的监测数据结合起来的优势和意义，可以提高对特殊环境条件下矿山滑坡的理解。

1 研究区概况

珠江水泥厂石灰石矿山位于广州市花都区政府西南方向，地处南岭山脉余脉之间，地理坐标为东经 113°03′34.8″，北纬 23°21′16.7″。该地区属于亚热带季风气候区，夏季长而潮湿，冬季短暂而温和，日照充足，雨水资源丰富，赋予了这片土地独特的地理生态环境。矿山地区的气候特点显著，每年 4—9月为丰水期，降雨量占全年降雨量的 81.25%。在这段时间内，连续降雨天数可达33 d，最长连续总降雨量高达884. 0 mm，为矿山管理与生产带来了一定的挑战（图1）。降雨与滑坡发生之间存在着非常紧密的关系，相关研究也非常广泛，但滑坡的启动机理以及预警预报工作仍需进一步研究与发展（刘秋强等，2021；聂肖虎等，2022）。

同时，矿山地质条件独特，岩石长期受到自然环境的风化侵蚀，表现出不同程度的岩石风化特征。南岭山脉的强风化作用造就了独特的地貌景观，这对于矿山边坡的稳定性产生了深远的影响，是矿山开采与管理面临的重要挑战之一。针对这一挑战，有必要深入研究和全面评估矿山地质特征，以更好地理解其对边坡稳定性的影响机制。通过对地质构造、岩石组成、风化程度等方面进行系统观测和分析，可以为边坡稳定性评估提供更为可靠的依据。在此基础上，制定科学的边坡管理方案和风险预警机制，采取有效的边坡稳定措施，以确保矿山生产安全并最大程度减少地质灾害风险。针对矿山西侧BP4边坡的岩性分层特征和地质构造展开详细的分析，以探讨其对边坡稳定性的影响，西侧 BP4边坡的岩性特征主要分为以下几个级别（表1）。

相对于其他露天矿山，珠江水泥厂石灰石矿山的位置更为复杂，其边坡活动性更高（图2）。西侧边坡区域涵盖大量人工填土、残坡积土、强风化炭质页岩与砂页岩，并伴有发育的节理裂隙。这些地质条件使得边坡容易受到降雨、爆破施工、地下水及地表水渗流等因素的影响，进而引发蠕动变形。针对这一问题，需要采取综合性的监测和管理措施，以确保矿山的安全运营。

2 监测数据

2.1 GNSS

2018年开始，全球导航卫星系统测量在边坡上部署了 16 台 GNSS 监测站以及 1 台 GNSS 基准站的监测网络。读数采用双频静态差分 GNSS 定位取得，基本原理是通过测量 4 颗及以上已知位置的卫星与 GNSS 接收机的距离，采用距离交会的方式来确定接收机的位置。GNSS地表位移监测是将GNSS 基准站设置在非变形区，GNSS 监测站设置在监测变形区内。通过数据传输系统将同一时刻的 GNSS 基准站及 GNSS监测站的原始观测数据发送至数据中心，数据中心专业的数据处理软件对原始数据进行自动的解算处理，得到 GNSS 监测站点位实时坐标值（Fazilova et al.，2023；宿林和张帅，2023；王利等，2023）。根据数据可用性，选择了矿山西侧边坡 7个测量基站数据进行分析（图3）。

通过对本次监测周期内的监测数据进行分析，并结合宏观巡视情况，可以判断，由于5月的降雨影响，各基站的位移出现了小幅波动。而 9 月的降雨则导致监测点 GNSS01 和 GNSS07 出现了较大的位移现象，其余监测点的位移趋势呈现增大的态势，整个变形区域处于活跃状态，同时注意到 GNSS03 的趋势与其他监测设备有明显区别。通过利用更密集的 GNSS 观测网络进行进一步研究，可以更准确地评估该地区地震和位移的物理性质。这反过来又可以为更有效的战略提供信息，以减轻风险并保护矿山人员安全和基础设施。

2.2 InSAR

矿区地表形变范围小、梯度大，当前的InSAR对于矿区应用主要着眼于地表形变监测和预计（朱建军等；2017）。边坡雷达的基本原理是基于地基合成孔径雷达差分干涉测量技术。通过地基合成孔径雷达技术，在距离向利用脉冲压缩实现高分辨率，在方位向通过波束锐化实现高分辨率，从而获取观测区域的二维高分辨率图像；通过差分干涉测量技术，把同一目标区域，不同时间获取的序列二维高分辨率图像结合起来，利用图像中各像素点的相位差反演获得被测区域的高精度形变信息，如图4和图5所示（韦忠跟，2021；张亦海等，2021）。

a—三维地形自动配准；b—形变监测预警

从2023年度全年监测边坡的变形云图（图6）中可以看出，监测范围内的边坡云图分布相对较为均匀，未发现颜色较深区域，说明监测范围内的边坡整体总体较为稳定。2023 年边坡整体正向变形量最大为 846.74 mm；负向变形量最大为-618.64 mm，如图7所示。

据2023年监测数据统计饼状图及柱状图（图8） 可知，监测范围内的像素点数为 9.10 万个，像素点面积为 7.54万 m²，其中 76.24% 点位累计变形值为-32～261 mm，22.13% 点位累计变形值为-325～-32 mm，1.51% 点位累计变形值为 261～554 mm， 0. 07% 点位累计变形值为 554～847 mm，0. 05% 点位累计变形值为-618～-325 mm。（变形值上限值为正向变形最大值，即监测点靠近边坡雷达的最大变形值，在监测数据云图上显示为橘红色；变形值下限值为负向变形最大值，即监测点远离边坡雷达的最大变形值，在监测数据云图上显示为深蓝色）。从云图可以看出，除个别点变形较大以外，边坡整体变形量较小，呈稳定状态。

根据对珠江水泥现场预警区滑坡运动方向的观察，笔者发现 GNSS（全球导航卫星系统）和分解的卫星InSAR（合成孔径雷达干涉测量）记录的结果呈现出相似性。尽管这两项监测运动是在不同的系统框架内进行的，但结果显示出两种监测技术所记录的边坡变形情况仍然趋向一致。这一结果突显了边坡运动的重要性，尤其是对于滑坡等敏感区域的监测。GNSS 和 InSAR 技术能够提供高精度的位移监测数据，将这两种数据整合分析，有助于全面了解边坡的变形情况，及时预警潜在的滑坡风险，从而为边坡的安全管理提供重要的支持。

3 珠江水泥矿分析

这两组数据集具有不同的特征和获取方式。他们都不能单独提供关于珠江水泥矿山表面位移的机制和行为的结论性信息。尽管地基合成孔径雷达在南方雨季条件下露天矿山边坡监测中的应用已经得到验证（尹永明等，2023），雷达后向散射和干涉相位可以根据所使用的波长和地面上的残破积土的状态而大大改变。降雨改变积土形态都会影响入射微波传播路径并导致InSAR信号时间去相关的因素。此外，它们之间的不一致性还会产生一些不确定性。本研究讨论了强风化长雨季在确定数据偏差方面所起的作用以及滑坡的可能机制的定义。

为了更加全面地掌握边坡变形情况，笔者选取 2023 年 9 月 22 日 16 时 37 分触发的蓝色预警区域，通过对该监测区域进行数据筛选，发现标高 44~66 m、61~70 m 局部区域的云图颜色相对较深，说明该区域与周边区域相比更为活跃，圈定该区域进行曲线查询。

2023 年标高 61~70 m 区域监测数据（图9）显示：该区域内总体变形以正向变形为主，最大累积变形量为 703.45 mm，区域内各像素点变形量均缓慢上升，在第2、3季度区域变形速度波动较为明显，该时期降雨频繁，同时该区域坡体土体性质较差，岩土体易受外界扰动，浅层松散土体容易沿岩面下滑，部分土石体滚落，同时由于生产活动影响，部分样本点日变形量较大，9月 22日样本点最大累积变形量为-50.42 mm/d。其余时间段内均保持在±20 mm/d范围内波动。总体来看，该区域变形均未达到设定的三参数预警区域，相对保持稳定状态。

2023 年标高 44~66 m 区域监测数据（图10）显示：该区域内总体变形以负向变形为主，全年累积变形量为 279.22 mm，区域内各像素点变形量均缓慢上升，在 11 月份该区域变形速度波动较为明显， 11 月 24 日最大变形速度达到 25.79 mm/d，同时由于生产活动影响，导致部分区域样本点日变形量较大。其余时间段内均保持在±10 mm/d范围内波动。总体来看，该区域变形均未达到设定的三参数预警区域，相对保持稳定状态。因此，今后应主要加强对标高 61~70 m、44~66 m 区域的巡检，从而保证边坡的持续稳定。

将矿山预警区域现场无人机拍摄照片（图11） 结合不同的监测技术和对地表位移的精确分析揭示了南方复杂地质环境与雨季环境中滑坡的基本特征。通过InSAR监测活动收集的数据表明了该技术对地面风化地表的敏感性，特别是对于降雨和表面破碎尘土结合的敏感性。在没有任何其他交叉验证来源的情况下，2023 年 9 月监测得到的较大位移率蓝色预警可以很容易地解释为边坡对强降雨和破碎地表双重效应的响应。这种关系已经在多次矿山边坡滑坡中被发现，在某些情况下，集中的降雨期是风化表土灾难性大面积滑坡的最终触发因素。虽然这种去相关可以通过特定的处理工具在一定程度上得到纠正，但在滑坡应用中很少考虑到这一点。一般来说，在干燥、均匀积土或岩质边坡的“稳定”条件下，穿透效果最好。

4 结论

（1）通过对矿山边坡表面位移监测的研究发现，GNSS 与合成孔径雷达技术所记录的边坡变形情况趋向一致，这为研究不同尺度和程度的滑坡演化提供了必要的信息。

（2）尽管位移监测通过 GNSS 手段能够提供高精度的数据，但更密集的当地 GNSS 观测网络可提供更准确的位移评估和滑坡风险控制。

（3）建议研究者根据 SAR（synthetic aperture radar）图像定义特殊气象、地理环境滑坡探测和描绘的判定标准，这有助于综合不同遥感和空间技术获得的滑坡资料，提高对滑坡风险的全面评估和管理。

致谢 感谢珠江水泥矿山提供的资料支持。

参考文献