谢振文,巢万里，刘文劼，赵炼恒，潘世强

(1. 湖南省建工交通建设有限公司，湖南 长沙 410004；2.湖南省交通科学研究院有限公司，湖南 长沙 410015；3.中南大学，湖南 长沙 410083)

花岗岩在我国南方地区分布广泛，主要矿物成分有长石、石英、角闪石和云母，多发育原生节理，由于长石与石英的膨胀系数差异显著，导致了热胀冷缩后花岗岩表面极易产生裂缝，从而为物理风化和化学风化创造了有利条件[1]。花岗岩边坡由不同风化程度的花岗岩风化带组成，表层往往为类土质的全—强风化花岗岩，结构松散，性质受水的影响大，变形破坏机理复杂[2]。由于对全—强风化花岗岩性质尚缺乏全面深入的掌握，在降雨和施工扰动作用下，该类边坡在施工过程容易发生失稳滑塌，造成一定程度的人员伤亡、施工停滞、生态破坏和经济损失，对人民生命财产安全造成威胁[3]。

在施工期间对边坡进行监测并根据监测信息进行动态策略调控，是降低边坡施工风险、规避边坡施工事故的有效手段。传统的人工测量监测手段虽然精度较高，但存在测点布设困难、监测效率低、野外作业时间长等缺点。随着各种新型测绘和信息技术涌现，边坡监测正逐渐从传统的点式监测向面式监测、体式监测发展，其中代表性的方法包括卫星导航定位系统(GNSS)监测[4-6]、无人机(UAV)航拍监测[7-8]、雷达干涉测量(D-InSAR)[9]、长距离三维激光扫描(TLS)[10]等。

上述方法拥有各自的优缺点(见表1)，由于风化花岗岩边坡这一类的山区边坡高度大、坡度陡、地质条件复杂，影响因素众多，其变形具有隐蔽、渐变、多阶段、空间不均匀等特征，单一监测方法已难以满足当今边坡施工质量和安全的高标准、高要求，多平台、多手段联合的空-地协同式甚至天-空-地协同监测方法与技术体系将成为发展趋势，在未来边坡的动态设计、策略调控中扮演重要角色。本文以湖南省平益高速公路某风化花岗岩边坡为工程背景，基于边坡岩土特征、施工工序，在不同阶段采用无人机航拍和GNSS定位进行协同监测，通过对多源监测信息开展分析，提出了一系列基于安全和成本考虑的动态调控策略，有效保障了整个边坡工程建设的顺利开展，可为类似工程进行安全保障、成本控制、工期安排等提供参考借鉴。

表1 基于新测绘技术的监测方法比较Table 1 Comparison between UAV aerial survey and GNSS monitoring监测方法优点缺点无人机监测面式监测,位移场信息范围大受天气影响明显,难以提供高频连续数据GNSS+物联网监测精度高、响应快,可实现在线、连续监测成本较高、安装困难、设备易损坏D-InSAR面式监测,精度高,位移场信息范围大大变形时相位解缠困难地基TLS精度高、速度快存在扫描死角,软件处理复杂

1 工程概况

工程案例位于湖南省在建的平江至益阳高速公路平伍段(见图1)，该路堑边坡属低山地貌，地形起伏较大，山体自然边坡约为20°～40°，植被较发育，以乔木和灌木为主；边坡纵切山顶，开挖后后方山体地表汇水较大，边坡最大高度为24.68 m。

图1 地形地貌与典型横断面设计图

边坡岩层主要为粉质黏土、全风化花岗岩和强风化花岗岩，自上而下依次为：①粉质黏土：黄褐色，硬塑状，含砂砾石，厚度3.6 m；②全风化花岗岩：黄褐色，岩芯呈散体状，夹强风化碎块，厚度31.1 m；③强风化花岗岩：黄褐色，岩芯碎块状。边坡采用板桩墙进行防护，抗滑桩截面尺寸2 m×3 m，纵向间距5 m，桩长20 m，外悬臂8 m；2桩之间设置挡土板。坡面采用锚索框架梁锚固，锚索采用4φ15.2 mm预应力钢绞线，长度25 m，倾角25°。

整个边坡地表水不发育，在旱季地下水贫乏，但由于后方汇水面积较大，地下水位受季节性降雨影响明显，整个边坡施工期长达1 a左右，期间经历春季梅雨期和夏季暴雨期，在降水下渗、坡面冲刷、施工扰动的综合作用下，全～强风化岩边坡容易在施工过程中发生不同规模的失稳滑塌；边坡施工按照坡面开挖→抗滑桩施工→路基土石方开挖→坡面锚固的施工工序进行，抗滑桩逆作法施工面临路基一侧的土石方开挖，减少了桩前土体抗力，也增加了施工过程中的风险。根据前期施工安全风险评估，整个边坡施工风险属于Ⅲ级(高度风险)，在整个施工过程中需加强监测，并及时根据监测情况制定针对性的策略措施。

2 监测方案

2.1 无人机航拍监测方案

考虑到该边坡施工初期，许多监测元器件难以埋设，故首先采用了低空无人机(UAV)航拍监测手段，在UAV上搭载光学相机，依据摄影测量学中的共线方程原理[见图2和式(1)]， 约束物点、 像点和投影中心(对像片而言通常是镜头中心)3点位置关系，定期或不定期地获取该边坡的高分辨率影像，再根据图3所示流程建立数字模型，精确恢复场景三维点云，通过前后对比各期固定测点的空间位置变化，获取相对变形值，为边坡变形态势评估提供依据，详细的无人机航拍建模原理可参照文献[11]。

图2 UAV航测共线方程原理

图3 UAV航测数字建模流程

(1)

式中：S代表图2中的投影中心点，在地面投影坐标系中，它的坐标为(Xs，Ys，Zs)；物点A是坐标(X，Y，Z)在地表测量坐标系中的空间点；a是其在影像上的构像，其在像空间坐标系中的坐标为(x，y，-f)，a、A、S这3点在同一直线上。

综合对比续航时间、分辨率、信号控制等因素，选择DJI Phantom系列无人机作为使用机型，该边坡具体建模过程如图4所示。

图4 风化花岗岩边坡数字化建模过程

现场一共开展了7期航拍飞行，时间依次为2020年9月、2020年12月(先后2期)、2021年1月、2021年3月、2020年5月、2021年8月，建立了7组数字模型，其中2021年8月模型如图5所示。

(a)白膜模型

2.2 GNSS+物联网监测方案

为避免监测元器件的损坏，根据边坡施工位置的变化，逐步布设监测元器件开展自动化监测(见图6)，以基于GNSS的边坡深部位移和坡体表面位移为监测核心，额外增加了雨量监测和水位监测，具体包括：地表位移监测设备4套(WY1-1、WY1-2、WY2-1、WY2-2)、固定测斜仪2套(GDCX01、GDCX02)、雨量计1个(YL01)，考虑到该边坡汇水面积极大，同时布设了水位计(SW01)进行地下水位监测。监测数据可实时传送至智能监测平台(见图7)，作为边坡稳定性动态评价和策略调控的另一依据。

图6 边坡监测点布置示意图

图7 监测平台界面

3 监测分析与策略调整

3.1 抗滑桩施工期监测分析与策略调控

无人机航拍监测尽管在精度上与传统人工监测还有差距，但基本可以反映cm级别的变形[12]。基准点设在相对稳定的位置，测点布置如图8所示，在数字模型上布置19个监测点，采集各期数字模型上监测点与基准点总相对距离与水平相对距离的变化，并绘制相对距离随时间的变化曲线，从而了解边坡总体的变形趋势。

图8 测点布置和编号

图9为部分测点与基准点相对距离的变化情况，可以看出，桩体施工期(2020年9月—2020年12月)，相对位移变化量很小。根据施工计划进度，从2020年12月下旬开始，进行桩前反压土的开挖，最初未对开挖速率进行控制，在2020年12月5日和2021年12月31日分别进行了2次无人机航拍监测，发现各个测点与基准点距离都有不同程度的变化，从图9可以看出，在此期间总距离最大变化值为约为-4.9 cm(测点5)，水平距离最大变化值约为-4.3 cm(测点5)，各个测点平均距离变化值为-2.7 cm，平均水平距离变化值为-2.1 cm。排除UAV航测本身的误差影响，可以看出坡面各个测点总体上有向基准点移动的趋势，说明挖土后抗滑力减小已经引起边坡发生一定的变形，方向主要垂直或大角度相交于路线方向，而竖向变形分量较小。

(a) 总相对距离变化

桩体施工完成后，及时完成了固定测斜仪的埋设，上述无人机监测得到的变形趋势同样在测斜仪监测数据中得到了体现。图10为2020年12月20日—2021年1月13日采集的测斜数据，可以发现GDCX1和GDCX2的监测数据从2020年12月24日—2020年12月30日发生了显著变化，与现场快速挖土情况相吻合。其中GDCX1顶部垂直路线方向增加了1.7 cm的位移，而对于GDCX2该值为2.0 cm，位移明显增加的深度超过15 m，2个测斜仪平行于线路方向的位移变化都不大。根据计算复核[图10(a)]，桩前土开挖后边坡的安全系数将由1.28降至1.17。

(a)GDCX1平行线路

结合UAV和GNSS监测数据，可以看出桩前土的开挖使边坡发生了一定变形，并有可能进一步发展。将通过监测数据得出的安全风险和异常状态及时报送，经过会审，制定了如下安全保障策略：①目前边坡位移主要为土开挖后桩前被动土压力减小所致，变化速率未超过预警指标，暂时不对设计方案进行调整；②控制桩前挖土速率至0.5 m/d；③现场安排人员每日进行巡查，重点观察边坡后缘开裂、桩体开裂情况；④2021年1月补充1次无人机航拍，掌握边坡整体变形情况。

采取上述措施后，从图11可以看出，2020年12月31日—2021年1月10日间测点的距离变化速率放缓，根据测斜数据，2020年12月30日—2021年1月4日两个测斜仪顶部位移仅增加约1～2 mm，随后基本维持不变直至挖土结束，说明工程策略调控得当，边坡整体变形趋势减弱。2021年3月，再次进行一次无人机航拍，发现边坡总体上没有大的后续变形，根据稳定性分析结果[图10(b)]和监测结果，将原设计的预应力锚索方案调整为锚杆方案，成功为该工点节省建安费30万元。

(a) 挖去桩前土后(安全系数1.17)

3.2 锚固施工期监测分析与策略调控

边坡锚杆施工期大致为2021年4月—2021年8月，经历了春季梅雨期和夏季暴雨期，该风化花岗岩边坡稳定性与安全施工迎来了新一轮的考验。现场监测得出的月降雨量、地下水位、地表位移3者(WY1-2，位于桩顶，垂直于线路方向)的关系如图12所示。

图12 雨量-地下水位-地表位移关系

可以看出，水位变化与降雨量具有较好的相关性。2021年梅雨季节该边坡区域月降雨量不大，基本在150 mm以内，地下水位无明显变化，但在7月和8月，月降雨量高达403和318 mm，地下水位出现了明显的2次陡增，同时，从7月开始，地表水平位移也相应地开始明显增加，增幅达到0.6 cm左右，根据无人机监测情况(见图9)，各个测点在5月—8月也有-0.5～-1.0 cm的总相对距离变化，与GNSS监测结果相呼应，这说明边坡在降雨入渗和地下水位提升的双重作用下，岩土体有所软化，而下滑力有所增加，加之锚固工程尚未完工，边坡又开始产生一定的变形趋势。

考虑到接下来还将有强降雨影响，在2021年8月中旬采取了如下策略：①修复一些已经破坏截水沟，并连通平台截水沟与边坡环形截水沟；②加快绿化覆盖，减少雨水入渗；③施做深层排水管，增强排水。实施调控策略后，2021年9月变形又逐渐趋于稳定，2021年9月的降雨量仍然达到了近300 mm，但地下水位未再次出现陡增情况，可见现场防排水措施发挥了作用。

4 结论

本文利用UAV和GNSS+物联网进行公路边坡空-地协同监测，得到了如下认识与结论：

a.在抗滑桩施工期，桩前开始挖土后，基于UAV和GNSS的位移监测数据均有明显增加，两者相互印证，说明挖土后抗滑力减小已经引起边坡发生一定的变形，采用减缓挖土速率等措施后，监测数据趋于稳定。结合监测数据和稳定性计算，最终将预应力锚索支护变更为锚杆支护，降低了工程成本。

b.在锚固施工期，水位变化与降雨量具有较好的相关性，暴雨后出现明显的水位陡增，相应的UAV和GNSS位移监测数据有所增加，采用了修复排水、施做深层排水管等措施后，9月份的强降雨未引起水位陡增，位移监测数据也趋于稳定。

c.证明了UAV+GNSS空-地协同在公路边坡施工监测中应用的可行性，2种方法可以发挥各自的优势，取长补短，UAV监测可以比GNSS监测更早进场，不受开挖施工破坏的影响，可以花较低成本实现大量测点的监测，宏观掌握边坡总体变形趋势，而GNSS+物联网监测提供的数据更有实时连续性，与智能监测云平台具有更好的兼容性。两者结合使用可及时反映出边坡变形趋势，比现场巡视更早发现隐患，避免以查看失稳破坏先兆迹象为依据的滞后决策手段，为尽早进行边坡动态设计、施工策略调控、安全隐患排查提供重要的基础信息。

d.随着无人机技术和信息处理技术的进步，后续UAV监测的精度问题、GNSS+物联网监测的信号干扰问题还可进一步深入研究。