成都理工千里外给甘肃一山坡“把脉”，滑坡8小时前发出预警

手机屏幕亮了，许强教授点开了弹出的预警信息，监测系统上面的曲线加速垂直爬升，他赶紧从成都给千里之外的甘肃省永靖县盐锅峡镇拨通了电话，“黑方台党川区域即将发生滑坡，预计将在国庆节期间发生”。

9月30日晚上8点55分发出信息，当地政府紧急疏散了滑坡区域的20户居民。大家还在将信将疑时，10月1日凌晨5点，黑方台西南侧罗家段接连发生了三起黄土滑坡，20万立方米左右的黄土滚滚而来。由于居民提前疏散，这场滑坡算是有惊无险。躲开这场滑坡，也是许强教授所在的、位于成都理工大学的地质灾害防治与地质环境保护国家重点实验室对黑方台滑坡第二次成功预警。

“这一系统处于科研探索阶段，在国内算是处于前沿的系统。”成都市地质环境监测站副站长杨彪山也表示，目前大部分地区监测滑坡都是依靠监测人员“群测群防”，个别地方上了一些设备，效果也不尽相同。

从2014年开始，许强教授的团队就将黑方台监控了起来，这个滑坡高发区域，被称为“黄土滑坡的博物馆”，每年都会滑坡三到五起。“滑坡的重复性很低，要找一个长期的监测点位还是比较难。”许强解释说，滑坡的地质过程很长，有的监测点位几年、甚至几十年都不会发生。

但甘肃省永靖县盐锅峡镇的黑方台是典型的黄土台塬，农业灌溉使得黄土内部的地下水位不断上升，最终引发了滑坡发生。“这是灌溉诱发滑坡。”许强介绍说，研究人员在黑方台安装了四五十套传感器，其精度已精确到厘米级，能够发现黄土地上的细微变化。

数据最终上传到实验室研发的“地质灾害监测预警与决策支持系统”，上面的曲线根据实时监测数据发生变化。和股民在手机上看K线图一样，研究人员通过手机就可以观察到曲线每天的变化，变形一旦达到预警级别，系统就会弹出预警信息，前方观察人员也会启动“群测群防预案”，结合实地观测，发出滑坡地质灾害预警信息，并组织撤离危险区人员。

除了9月30日的预测，今年5月13日，该团队还曾对黑方台东北侧磨石沟右岸的一处滑坡成功预警。从2017年2月28日监测以来，该滑坡点没有明显变化，但从5月2日起滑坡开始出现明显变形，地表裂缝增大。5月11日晚8：00坡体变形加速，5月13日上午9：12，变形速率超过预警阈值，系统在9：13向相关人员自动发出了红色预警短信，39分钟后即9：52滑坡发生。

跳出“死胡同” 从预报转向预警

滑坡的发生过程可谓五花八门，许强在位于成都理工大学的地质灾害防治与地质环境保护国家重点实验室里，从滑坡区域搬回了砂石泥土，建起了山体模型，通过室内模型试验记录这些“山体”在重力条件下，从出现变形到最终发生滑坡的全过程曲线变化。

研究人员将模型和判据写进“地质灾害监测预警与决策支持系统”，形成了一套实时监测预警系统，一旦出现异常，系统自动确定滑坡风险级别，并发出警示信息。

如今，系统里面的监测点位已经达到160多个，包含的现场观测仪器设备有600多套，除了四川，在甘肃、陕西、山西、贵州、安徽都有专门的监测点位。

灾害预报，必须要准确预测灾害发生的时间、地点、规模，俗称“三要素”预报。滑坡虽然只是浅表层岩体的破裂，是一条裂缝或者一个结构面的错动，但要掌握它们垮塌的时间，并非易事。“我们现在做的研究就是跳出预报的‘死胡同’，不过分追求灾害发生时间的精准性，转向在灾害发生前作提示性预警。”许强说，这样可以提前划分预警级别，让人员安全撤离。许强团队的滑坡预警就是在对滑坡变形曲线宏观和总体规律分析研究、掌握的基础上，建立了针对性的理论预警模型和判据。

减少误报率

让监测预警

逐步实现全自动

“黑方台是灌溉诱发型滑坡，但四川主要是降雨诱发型滑坡。”许强告诉记者，降雨诱发的滑坡——比如“6•24“茂县特大山体滑坡灾害预警更难，必须将水位和变形等参数综合起来。如今，全国有很多地区都委托相关公司，通过仪器来监测滑坡，但由于只设置了一个简单的“临界值”，一到下雨可能就会四处警报，最终出现“狼来了”的效果。

数据的采集，也是监测过程中的一个难点，如果半天、数小时、数分钟现场采集一次，对于突发型滑坡已经不适用，而采集数据太密集，则会导致这些依靠太阳能供电的设备“精疲力竭”，同时导致数据传输通道拥堵，为此，许强团队的研究人员研究提出了“自适应调整采样频率”数据采集机制，研发了配套的仪器设备。一旦监测对象变形加快，采集频率会跟着加快，变形变慢，采样间隔就会自动加大。研究人员正在着力使监测预警过程减少人工干预，使系统自动化程度不断提高。同时，在监测过程中，将过程预警和阈值预警相结合，减小了山体滑坡的误报率和漏报率。

（原题为《千里之外给山坡“把脉” 滑坡9小时前发出预警》）