Determining the main controlling factors of weathering rates in Yungang Grottoes Sandstones
-
摘要:
分析岩石风化速率的变化特征与主控因子是进行石质文物保护工作的基础工作。本文以云冈石窟砂岩为研究对象，将裂隙宽度扩展速率、石窟立柱倾斜角度变化速率、石窟洞门沉降变化速率作为表征石窟砂岩风化速率的定量指标，使用因子分析方法研究了主要环境因素（壁温、环境温度、环境湿度、气压、风速、积雨量）对石窟砂岩风化速率的影响，使用多元线性回归方法得到了影响石窟风化速率的主控因子。结果表明，对裂隙宽度扩展速率来说，夏季是环境湿度、壁温、积雨量影响最大的季节，春季是环境温度、风速影响最大的季节，主控因子是湿度；对石窟立柱风化速率来说，夏季时壁温、环境温度、环境湿度、气压、风速、积雨量的影响最大，其它季节时影响较小，主控因子是壁温；对石窟洞门风化速率来说，夏季时壁温、环境温度、环境湿度、积雨量影响最大，春季时气压、风速影响最大，主控因子是环境湿度。本文结果对砂岩风化速率分析与石窟文物保护都具有一定的参考价值。
Abstract:Analyzing the weathering rates and their main environmental controlling factors is fundamental in conserving rocky relics. In this study, using the sandstones of the Yungang Grottoes as a case study, the rock weathering rates were quantitatively expressed by the expansion rates of crack widths, changes in the column inclination angles, and door settlements. Factor analysis was employed to explore the influences of environmental factors —including wall temperature, ambient temperature, ambient humidity, air pressure, wind speed, and accumulated rainfall—on the weathering rates of these sandstones. Multivariate linear regression techniques were subsequently used to identify the main controlling factors affecting these weathering rates. It was found that ambient humidity, wall temperature, and accumulated rainfall have the greatest influences on the expansion rates of crack widths during summer, while ambient temperature and wind speed are more influential in spring, with environmental humidity as the main controlling factor. For the changes in column inclination angles, wall temperature, ambient temperature, ambient humidity, air pressure, wind speed, and accumulated rainfall exert the greatest impacts in the summer, with smaller effects in other seasons, and wall temperature acting as the controlling factor. Regarding the change rates in door settlement, wall temperature, ambient temperature, ambient humidity, and accumulated rainfall have the most substantial effects in the summer, while air pressure and wind speed are more influential in spring, with environmental humidity again being the main controlling factor. These findings provide useful references for both the analysis of weathering rates and the conservation of the grottoes.
-
0. 引言
近年来，受全球变化影响[1]，青海省地质灾害发生的频率明显上升[2]，地质灾害进入相对活跃期，地质灾害呈现出频发、群发的态势[3-4]，而地质灾害具有隐蔽性、突发性和周期性的特征，防灾形势十分严峻[5]。现阶段青海省地质灾害治理率低，许多地质灾害威胁城镇、学校等人员集中区[6]的重大地质灾害隐患点，工程治理或避险搬迁难度大、资金困难，基层预防和自我救助能力弱，地质灾害防治任重道远。
2004年三峡库区着手建立了地质灾害监测预警信息管理系统[7]，随后北京、江苏、贵州等省市也都分别针对本省的地质环境条件特点建立了基于WebGIS、CORS、物联网等的地质灾害监测预警系统[8-10]，接着在甘肃兰州建立了基于普适性监测设备的黄土滑坡监测预警系统[11]，同时“空天地一体化”地质灾害监测预警系统也有了理论基础[12]，地质灾害监测预警平台蓬勃发展。
因此，加强普适型地质灾害监测预警工作，加速地质灾害综合防治体系建设已迫在眉睫。“十三五”以来，青海省建立了已知地质灾害隐患点全覆盖的群测群防体系，防灾减灾成效显著，但仍存在群测群防员更换频繁、兼职、专业技术掌握不足、信息传递速度慢等问题。自动化专业监测仅处于初步阶段，尚未推广。省内地质灾害自动化监测应用极为缺乏，原有的地质灾害排查工作效率低、基层班组巡查工作量大、人工监测区域受限且频次低、应急抢险时效性差，与新形势下地质灾害防治工作的需求还相差甚远[13-14]。
为积极贯彻落实自然资源部关于推进地质灾害监测预警设备试点工作的相关精神，根据《中国地质调查局地质灾害监测预警普适型仪器设备示范试用工作方案》的总体要求。青海省在地质灾害防治信息化建设现有的基础上，结合地质灾害防治新理论、新方法，根据其行政管理各项需求，达到地质灾害不同来源，不同批次的灾害点信息统一管理，动态更新。
1. 工作区及监测点布设
1.1 工作区概况
青海省地处青藏高原东北部，地质条件复杂，生态环境脆弱。全省地形地貌以山地、丘陵为主，占全省总面积的72%，地质灾害极高易发区仅存在极少部分，占青海省全省面积的1.66%；高易发区占9.56%，中易发区占26.50%。地质灾害呈现范围广、数量多、群发突发、灾情严重、治理难等特点。
全省各类地质灾害隐患点共有4279处，其中崩塌455处、滑坡1034处、泥石流1183处、不稳定斜坡1595处、地面塌陷9处、地裂缝1处、地面沉降2处。地质灾害隐患对20.36万人口和76.38亿元财产构成威胁。地质灾害隐患点主要分布在青海省东部地区西宁市、海东市和黄南藏族自治州，占全省地质灾害隐患点总数的54.6%，南部地区其次，数量占全省总数的27.7%（图1）。
1.2 监测预警选点原则与布置情况
第一，以尚未规划或尚未实施搬迁、治理、威胁人数较多的监测等级达到二、三级的滑坡、崩塌、泥石流等地质灾害隐患点为主要监测对象。按照“统筹安排、重点突出、统一接口、融合共享、边建边用、以用促建”的原则，部署工作任务。
第二，对于不同的地质灾害隐患类型，需有针对性地选取符合隐患特点的普适型监测设备，设备要求功能简单、精度得当、运行牢靠、成本适当、推广适用性强的特点。
第三，根据以往建设经验，自动化监测效果的保障关键在于地质灾害隐患点可监测性的综合分析和科学研究，选取合理的隐患监测点位，制定监测方案，明确设备选型和布局，达到有效监测和预警预报的目的。同时系统应统一数据接口，不同厂商不同设备数据要通过统一数据结构标准进入系统进行处理。
经过前期资料研究，现场实地踏勘、航测、复核、专家组综合分析论证的基础上进行甄选，选点合理。对威胁全省人数大于30人以上的422处高风险隐患点选取安装普适型自动化监测设备及自动报警设备，增加地质灾害隐患自动化监测覆盖面，监测点部署情况见表1。
表 1 青海省地质灾害监测预警总体部署表Table 1. Qinghai Province geological disaster monitoring and early warning general deployment table市州 监测预警点 分布特征 西宁市 145 共威胁人员8221人。其中西宁市区5处，湟中区85处，
湟源县8处，大通县47处。海东市 202 共威胁人员24594人。其中乐都区64处，平安区4处，
民和县42处，互助县44处，化隆县32处，循化县16处。黄南州 19 共威胁人员1902人。其中同仁市15处，尖扎县4处。 海南州 17 共威胁人员2432人，其中共和县1处，同德县3处，
贵南县2处，贵德县9处，兴海县2处。海北州 3 共威胁人员188人，门源县3处。 果洛州 10 共威胁人员834人。其中玛沁县7处，
班玛县2处、达日县1处。玉树州 26 共威胁人员2770人。其中囊谦县20处，
玉树市5处，称多县1处。合计 422 其中滑坡247处，不稳定斜坡131处，
崩塌4处，泥石流47处1.3 监测工程布设方式
监测工程应尽量沿灾害体变形主体方向布设监测剖面，用来监测灾害体的总体变形，并检验仪器的适用性。剖面布设宜优先考虑“十”字型，即一条纵剖面和一条横剖面。在此基础上，可根据监测需求扩展为“卄”字型、“卅”字型、“＃”字型或“丰”字型等。在有地形限制的情况下，可采用放射型。
监测点应布设在地表变形显著部位；监测仪器设施的安装需严格执行有关技术要求说明；监测点布设应考虑其运行条件及解决方案；监测点布设在实现本项目目标的前提下应尽可能减少建设成本；为相互印证对比，同时从安全角度出发，监测点成组分布组成现场站。
滑坡主要监测降雨、地表位移、土壤含水率等，对重要隐患点安装视频系统加强监测；崩塌主要监测降雨量、倾角、加速度等；不稳定斜坡按照发展趋势按潜崩或潜滑进行监测设备布设；泥石流主要监测降雨量、泥位等，同时安装视频监测系统进行监测预警。
对布设普适性监测仪器的灾害点进行不间断监测，监测周期要求经地质人员综合分析确定地质灾害体变形阶段，以具体确定监测周期，在外界扰动较大时，如暴雨期间或汛期，应加密观测次数。
在仪器的选择中，应选取普适型设备及组合针对性的开展专群结合监测预警（表2），对地质灾害体出现、发生过程及降雨等关键性指标和指示性信息开展实时监测[15]。
表 2 灾害类型与测项选择Table 2. Types of hazards and selection of measurement items灾害类型 监测设备 声光报警 备注 测项 GNSS 裂缝 倾角 加速度 含水率 雨量 泥位 滑坡（潜滑） 岩质 ● ● ⊙ ⊙ ● 按需布置 具体安装位置及数量，根据灾害体规模及特征综合确定 土质 ● ● ⊙ ⊙ ⊙ ● 崩塌（潜崩） 岩质 ⊙ ● ● ● ● 土质 ⊙ ● ⊙ ⊙ ● 泥石流 沟谷型 ⊙ ● ● 坡面型 ⊙ ⊙ ⊙ ● ⊙ 注：●为宜测项，⊙为选测项。来自《地质灾害专群结合监测预警技术指南（试行）》 2. 系统建设
地质灾害监测预警系统一方面要实现地质灾害隐患多手段、多维度、多通道的监测数据融合，提高地质灾害隐患监测效果；达到常态巡查、专业排查、群测群防、自动化监测以及InSAR/LiDAR监测[16]等各类地质灾害监测数据的汇聚并与历史数据进行对比。另一方面要达到地质灾害隐患预警预报的自动化、智能化的目标。融合气象风险、群测群防、自动化监测实现针对气象局提供的多类型雨量数据、气象数据的查询、浏览、可视化，在此基础上综合气象风险预警预报分析的其他参数模型，进行地质灾害气象风险预警预报分析，并生成预警预报成果。能够签批管理预警预报产品成果，对政府工作人员决策支持起到一定辅助作用。对各类地质灾害风险进行预判，并在第一时间发布预警信息，实现地质灾害隐患监测预警自动化、智能化。
2.1 平台设计
地质灾害监测预警信息化平台在已有地质灾害信息化建设成果基础上，基于B/S架构，面向服务架构（SOA），采用WebGIS技术、物联网技术等关键技术，按照“一个中心、两个平台、多个应用”的总体架构建设，实现业务系统的统一用户身份认证、统一GIS服务、统一数据支撑、统一工作流引擎（图2）[17]。
基础支撑层：即支撑地质灾害监测预警信息化平台数据及软件系统的硬件设备与网络环境。
数据中心与数据交换共享平台：数据中心包括基础地理数据库、业务数据库、智能数据仓库与相应的数据管理、分析、监控工具。数据交换共享平台主要与省级应急管理平台、气象数据、国家地质灾害平台对接。
支撑平台：用于支撑整个地质灾害信息化应用系统建设，提供一套统一的技术支撑组件，包括业务需要使用的关系数据库、工作流、消息队列、消息通知、任务调度、报表服务等。另外为了让系统统一集成，支撑平台层提供快速开发框架以及单点登录系统用于统一构建业务系统，保证业务系统风格统一，集成方便。建设物联网云平台、Web三维地理信息平台、无人机调查公有云平台，支撑地质灾害监测应用。最后是开发大数据和机器学习组件，包含实时数据传输、NoSQL计算引擎、全文检索、机器学习算法库、深度学习算法库等。这样可以保证数据从数据仓库中获取之后，可以通过业务选择算法进行模型训练。
应用平台系统：基于数据中心提供的数据，支撑平台提供相应的支持，展开各类业务应用平台建设，主要包括地质灾害调查评价系统、地质灾害监测预警系统、指挥调度决策支持管理系统、项目管理系统、信息管理发布系统等，包含地质灾害调查、监测预警、统计分析、综合防治、应急支撑、地质遗迹保护等地质灾害业务。
整个系统平台以信息化推动地质灾害防治工作的系统化、科学化、规范化，支持地质灾害防灾、减灾，保障人民的生命财产安全，为青海省各级主管部门的地质灾害战略规划与工作部署提供技术支撑和决策支持服务。
2.2 数据中心建设
通过建立地质环境标准体系，需统一规范的地质环境业务工作流程、数据结构、数据处理标准以及系统界面、编码等。标准体系主要由基础设施标准、数据资源标准、应用开发标准、信息安全标准、业务系统建设管理标准等组成。确保地质环境数据从生产、汇交、整合、管理、更新、共享到应用整个过程的标准化、规范化。实现青海省地质环境数据的管理一体化（图3）。
依据地质灾害大数据的创建要求，实现数据的一体化存储、管理和服务，为青海省地质灾害监测预警信息化平台建设提供数据支撑；为业务信息系统、专业软件及工具、应用系统提供统一的数据服务。最终形成地质灾害数据的一体化服务体系。
2.3 支撑平台建设
平台采用Web三维地理信息平台，用于支持各类业务数据、空间数据、无人机三维模型等数据的三维叠加查看，同时可以提供三维量测、空间分析等基础工具。支持矢量点线面、icon、标注、DOM、DEM、模型、点云、场景、等高线、等值线、等值面、热点图、动态线、视频、全景图等几十种数据类型，支持谷歌地图、天地图、本地数据等不同种数据源。
无人机监测主要包括重点项目、重点区域定期的无人机数据采集与调查。基于云计算技术，建立无人机数据处理云平台，实现无人机数据的半自动化到自动化采集、无人值守数据处理和数据分析、解译、应用。无人机云平台主要由3个部分组成，其中包括无人机数据采集平台、无人机数据云平台以及无人机数据发布平台等模块组成。
物联网监测云平台提供地质灾害感知设备的接入，实现监测数据采集、数据传输、数据管理（包括数据接入、数据存储、数据处理、数据挖掘、数据转发）和数据应用。物联网监测系统包括前端传感器、物联网数据智能采集终端、物联网传输链路、物联网平台。基于物联网平台提供的接口，业务应用可以基于物联网监测数据，进行进一步的业务数据分析。
2.4 地质灾害监测预警信息平台组成
围绕地质灾害监测预警服务应用，在总体技术架构基础上，对现有业务系统进行整合完善，建立集管理、查询、统计分析、报表生成等功能于一体的地质灾害监测预警信息平台，达到对地质灾害防治的全流程管控与决策支撑。
青海省地质灾害监测预警信息化平台包括地质灾害调查评价系统、地质灾害监测预警系统、地质灾害气象预警系统、信息管理发布系统、指挥调度决策支持管理系统、项目管理系统、无人机调查云平台、移动端、监测预警系统（切线角方法）、气象风险预报系统，共10个部分（图4）。
3. 平台系统功能模块
3.1 常用系统功能模块
地质灾害调查评价系统针对实际工作中的地质灾害调查评价业务，包括以项目形式的调查评价以及日常巡查、排查工作。紧扣实际业务，整合完善现有的系统，建立集管理、审核、查询、统计分析、报表生成等功能于一体，主要有地质灾害调查评价、地质灾害巡、排查监管数据的管理维护、审核、查询、统计等。
地质灾害监测预警系统满足对监测对象的自动、连续、实时的监测，并具备将不同厂商设备的实时监测数据根据统一数据格式进行实时接收和存储的功能；系统进行前端业务数据管理和监测数据分析展示界面以及相应数据服务和应用服务；同时系统能以信息采集和预报分析决策为基础，依据预警信息的预警等级和地质灾害波及范围，借助传真、短信、无线广播等预警方式及相对应的预警流程，快速精准的将预警信息传达到地质灾害可能危及的地区，使收到预警信息地区的人员依据实时掌握的地质灾害整体的安全状态，及时采取相应防范措施，最大程度的降低人员伤亡及财产损失（图5）。
地质灾害气象预警系统包括气象信息查询分析、预警模型管理、气象预警签批发布等模块。气象信息查询包括雨量站、历史雨量、预报雨量的查询浏览和实时雨量监测功能。预警模型管理包括预警参数设置与预警分析计算两部分内容。预警计算过程在界面上展示，用户可以实时看到预警计算的进度情况。预警计算完成后可发布预警信息。
3.2 辅助系统功能模块
信息管理发布系统包括信息发布、文章发布、链接发布、通讯录管理和门户网站等模块。
指挥调度决策支持管理系统主要建设灾险情、汛期值班、应急调查、应急资源管理、决策支持功能模块，完全满足对指挥调度决策支持管理体系的总体要求。
项目管理系统包括项目管理、资料查阅、项目审批、专家库管理等模块。
无人机云平台主要是处理空间数据，实现数据从采集到处理、再到服务发布的全流程管理。使用无人机APP，可以控制飞行路线、范围，实现无人机数据的采集与传输，数据传输至云端后，讲对数据进行处理。对于拍摄回来的数据，可以利用裂缝识别模型，对图片进行分析，查看哪些地方有裂缝。处理后的数据可以通过发布后，即可在一张图中进行浏览。
地质灾害监测预警移动端主要建设灾险情速报、任务管理、巡查管理、项目过程管控、监测预警、调查处置、应急调查、信息发布、信息公开、微信公众号功能模块，完全满足对移动端的总体要求。
3.3 特色系统功能模块
围绕青海省在地质灾害防治方面面临的系列问题，借鉴国内外先进经验，在充分利用、整合已有地质灾害建设成果基础上，主要基于改进的切线角方法研发了独具青海特色的青海省滑坡地质灾害实时监测预警系统。主要的改进体现在两点，首先改进切线角α作为预警判据，同时考虑初始变形阶段、等速变形阶段和加速变形阶段的变形速率临界值V[18]。其次地灾预警是一个复杂的多方面的问题所以引入了神经网络模型收集监测数据不断优化预警阈值提高预警准确率（图6）。
并且系统平台能够实现快速融合InSAR/LiDAR数据、无人机正射影像、三维倾斜模型、现场调查等地质灾害应急数据；通过ETL工具，提取气象、交通、受灾对象、应急物资等数据至系统智能数据仓库，构建青海省地质灾害综合信息模型，实现从数据汇聚、数据管理、动态监测、预警预报、指挥调度、综合防治等全过程信息化、智能化和标准化管理。
同时基于青海省的地区分异也设计了独具青海特色的青海省地质灾害气象风险预警系统（图7）。气象风险预警分析主要包括不同自然区划的参数设置、预警计算等功能[19-23]。
4. 监测预警运行
4.1 预警运行情况与响应机制
根据监测预警机制，省级单位负责地质灾害专群结合监测预警工作的组织、协调、监督和管理。承担单位与设备供应商共同负责站点建设、运行维护工作。州、县级单位负责站点建设期间的协调工作。
为加强和提升地质灾害监测预警管理能力，夯实监测预警的各项基础工作，打造“自下而上、分级管理、责任监督”的省、市、县、乡、村“五级管理”系统，提高地质灾害监测预警的日常监督和监管，适应新形势下的地质灾害监测预警大数据的采集、传输、存储、共享、分析和预警，从各方面提高基层地质灾害综合防治能力。
根据地质灾害监测预警预报的等级分四级响应，分别为乡、县、市、省四级，分工有序、共同协作。乡级政府及时组织撤离、监测；县级政府组织技术单位调查、风险评估、制定处置措施；市级政府督导，技术支撑；省级监管，技术指导。预警信息遵守“政府主导，统一发布；属地管理，分级负责；纵向到底，全部覆盖。”的发布原则，由县级自然资源部门发布，第一时间将相应等级的预警信息告知有关防灾负责人、监测负责人、群测群防员、并根据有关规定决定是否向全社会发布。
报警方式及响应结合专业监测的成果及灾害宏观地质现象专业监测人员评价灾害的稳定性，一旦达到预警级别需按照不同的等级进行处置。对应于四个预警等级，红色警报级、橙色警戒级、黄色警示级、蓝色注意级。报警方式及响应的内容也不同，按照各个等级给不同的对象发送预警信息。
蓝色预警发出后，群测群防员应去现场对宏观迹象进行巡查，并将有关情况进行反馈至乡（镇、街道办事处）自然资源主管部门。
黄色预警发出后，地质灾害隐患点监测责任人、群测群防员应去现场对宏观迹象进行巡查；技术支撑单位加强监测数据分析，开展中期预警，预测发展趋势，并到现场进一步核查，并将有关情况反馈至乡（镇、街道办事处）自然资源主管部门。
橙色预警发出后，地质灾害隐患点监测责任人、群测群防员应去现场对宏观迹象进行巡查，加强对宏观变形迹象的监测；技术支撑单位加强监测数据分析，开展短期预警，预测发展趋势；乡（镇、街道办事处）防灾责任人会同技术支撑单位前往现场进一步核查，并将有关情况反馈至县（区）级自然资源主管部门。
红色预警发出后，地质灾害隐患点监测责任人、群测群防员应去现场对宏观迹象进行巡排查，加强宏观变形监测及短临前兆监测，开展短临预警，由其根据现场宏观变形等实际情况判定是否提前组织地质灾害危险区群众进行转移。县级自然资源主管部门会同乡（镇、街道办事处）和技术支撑单位前往现场进一步调查处置，若确属灾险情，则立即按照应急预案和灾险情速报机制采取相应行动。地质灾害应急响应人员主要由各灾害点所在的村、乡（镇）相关负责人负责。
4.2 预警系统日常管理
监测预警日常管理以地质灾害点、地质灾害监测人员、自动化监测设备以及应急救援物资等为基础对象，坚持分层分级管理的原则，实现对群测群防日常地质灾害点的监测、巡检、综合管理等工作落实情况的监管，为上级地质灾害监管单位提供险情判断的有效依据。
对于目前没有地质灾害隐患点的行政村，建立群众和地质灾害信息员（由村支部书记或村委会主任担任）上报机制，并通过监测预警管理平台实现地质灾害群测群防体系的落地。通过自动化监测设备的监测数据挖掘、分析和处理，综合历史数据和实时采集的降水量、形变等数据，利用平台设定的自动预警、报警功能和监测预警警戒值，实现自动化监测设备的自动化报警，为有关部门提供及时可靠的依据，从而有效预防事故。
为保证自动化监测设备能持久可靠运行，一定要对监测设备、通信链路等进行实时检查校验，建立运行电子档案，及时处置任何可能影响系统运行的问题。在信息分发与反馈方面，实现向上下级或平级部门及时分发监测预警预报信息，及时反馈上下级单位部门或平级部门分发的信息。在层级管理方面，县、市、省三级分层管理，通过平台分别实现对所辖区域下级单位工作落实情况的量化监督管理和考核。在权责管理方面，地质灾害监测预警预报系统自动匹配对应管理权限的责任部门，建立台账确保所有通过平台的工作来往都有据可查，保障监测预警预报数据合理、有效和可靠。
4.3 典型预警成果
2021年8月20日青海省玉树藏族自治州囊谦县吉曲乡白玛俄林寺普适性监测预警设备成功预警，白玛俄林寺滑坡共布设有4台GNSS，2台裂缝计，1台GNSS基准站和1台雨量计（图8）。
根据实时监测曲线（图9）和宏观变形趋势综合研判，监测预警设备首先发布了黄色预警信息通知群测群防员。随着滑坡不断发展，于当日04:09在白玛俄林寺的02GP01（地表位移GNSS）触发单参数预警，预警等级升级为橙色。设备及时记录预警信息通知市级主管人员加强值守指导和现场管控，做好紧急转移准备。
5. 结论与展望
（1） 青海省地质灾害监测预警信息化平台在设备布设、系统结构、功能搭建、数据中心、预警模型、数据库建设等方面形成了较为完整的体系，包涵了地质灾害监测、预警、应急、治理，核销的全生命周期信息的管理；
（2） 信息化平台通过数据集成化、成果可视化、信息综合化、系统一体化等技术手段，实现了青海省地质灾害不同来源，不同批次灾害点信息的统一管理和动态更新，极大提高了青海省地质灾害隐患监测的预警效果；
（3） 通过系统试运行，平台数据可靠，能够满足监测预警的需求。
通过信息化平台的试运行已经获得了很多的预警信息，数据积累初见成效为以后的工作打下基础。信息化平台仍存在数据集成度较低、缺乏数据共享及服务和综合分析能力不足的缺陷。在未来的工作中将会主要着重于以下几个方面首先基于区块链技术保证可信数据平台；其次构建云网融合高性能的智能预警分析计算框架，大数据环境下地质灾害监测预警样本库；接着建立基于数据驱动的预警模型，实现动态阈值设定；最后实现基于人工智能的重大事件速报。充分满足各类用户需求，保障人民生命财产安全。
-
![]()
图 1 壁温测试与区域温度的外观情况
Figure 1. Appearance of wall temperature and regional temperature monitoring
![]()
图 2 不同石窟裂隙宽度扩展速率随时间的变化
Figure 2. Temporal changes in the expansion rates of fissure widths in different caves
![]()
图 3 第9窟立柱柱体倾斜角度变化速率随时间的变化
Figure 3. Rate of change in column inclination angles over time in Cave 9
![]()
图 4 第9窟洞门沉降变化速率随时间的变化
Figure 4. Temporal change rate in the settlement of the cave door in Cave 9
表 1 环境影响因子的KMO度量值和显著性水平p
Table 1 KMO measures and significance levels （p-values） for environmental factors
石窟编号 KMO p 9 0.93 0.002 10 0.95 0.006 12 0.92 0.004 13 0.90 0.001 25 0.88 0.003 
下载: 导出CSV
表 2 不同洞窟裂隙处环境因子的载荷值
Table 2 Loadings of environmental factors on fissures in different caves
石窟编号 公共因子 X1 X2 X3 X4 X5 X6 9 F1 0.82 0.32 0.91 0.25 0.47 0.75 F2 0.39 0.84 0.33 0.21 0.77 0.20 F3 0.36 0.31 0.54 0.75 0.25 0.57 10 F1 0.84 0.49 0.90 0.22 0.46 0.75 F2 0.39 0.92 0.29 0.37 0.79 0.16 F3 0.46 0.32 0.20 0.82 0.23 0.19 12 F1 0.85 0.41 0.89 0.25 0.36 0.71 F2 0.39 0.82 0.34 0.31 0.78 0.19 F3 0.46 0.38 0.24 0.71 0.22 0.26 13 F1 0.75 0.49 0.92 0.23 0.31 0.79 F2 0.41 0.89 0.15 0.21 0.72 0.13 F3 0.48 0.41 0.19 0.9 0.16 0.09 25 F1 0.82 0.44 0.86 0.26 0.36 0.77 F2 0.32 0.75 0.29 0.51 0.68 0.16 F3 0.36 0.49 0.17 0.66 0.19 0.24
下载: 导出CSV
表 3 不同洞窟公共因子特征值与方差贡献率
Table 3 Eigenvalues and variance contributions of common factors in different caves
石窟
编号公共
因子载荷平方和 旋转载荷平方和 合计 方差
（%）累计值
（%）合计 方差
（%）累计值
（%）9 F1 2.81 40.37 40.37 2.78 39.94 39.94 F2 1.71 24.57 64.94 1.52 21.84 61.78 F3 1.42 20.40 85.34 1.64 23.56 85.34 10 F1 3.87 39.33 39.33 3.53 35.91 35.91 F2 2.67 27.15 66.48 2.89 29.36 65.27 F3 2.06 20.94 87.42 2.18 22.15 87.42 12 F1 3.56 40.98 40.98 3.23 37.18 37.18 F2 2.45 28.21 69.19 2.12 24.41 61.59 F3 1.32 15.2 84.39 1.98 22.8 84.38 13 F1 2.81 40.25 40.25 2.78 39.74 39.74 F2 1.71 24.49 64.74 1.52 21.82 61.56 F3 1.42 20.33 85.07 1.64 23.51 85.07 25 F1 3.71 43.95 43.95 3.29 38.92 38.92 F2 2.28 27.01 70.97 2.15 25.47 64.39 F3 1.02 12.08 83.05 1.57 18.66 83.05
下载: 导出CSV
表 4 第9窟裂隙扩展速率的公共因子得分
Table 4 Scores of common factors for fissure expansion rates in Cave 9
月 F1 F2 F3 F 数值 排名 数值 排名 数值 排名 数值 排名 1 0.17 12 0.31 6 0.06 12 0.22 12 2 0.36 9 0.48 2 0.14 9 0.67 9 3 0.47 8 0.54 1 0.15 7 0.69 8 4 0.62 6 0.42 3 0.19 6 0.83 6 5 0.76 5 0.39 4 0.23 4 0.81 5 6 1.02 2 0.36 5 0.26 1 1.37 2 7 1.34 1 0.22 8 0.25 2 1.56 1 8 0.98 3 0.11 11 0.23 3 1.23 3 9 0.84 4 0.16 9 0.20 5 1.06 4 10 0.59 7 0.06 12 0.15 8 0.70 7 11 0.29 10 0.13 10 0.09 10 0.41 10 12 0.20 11 0.26 7 0.08 11 0.34 11 总和 7.64 3.44 2.03 9.89
下载: 导出CSV
表 5 裂隙宽度扩展速率与环境参数的回归关系
Table 5 Regression relationships between environmental parameters and fissure expansion rates
石窟编号 回归关系式 R2 9 $ {v_\omega } = 0.40X_2' + 0.54X_3' + 0.10X_4' - 0.116 $ 0.83 10 $ {v_\omega } = 0.34X_2' + 0.66X_3' + 0.16X_4' + 0.084 $ 0.90 12 $ {v_\omega } = 0.39X_2' + 0.68X_3' + 0.19X_4' + 0.035 $ 0.86 13 $ {v_\omega } = 0.46X_2' + 0.62X_3' + 0.08X_4' - 0.091 $ 0.82 25 $ {v_\omega } = 0.46X_2' + 0.62X_3' + 0.08X_4' - 0.091 $ 0.89
下载: 导出CSV
表 6 第9窟立柱倾斜角度变化速率的公共因子得分
Table 6 Scores of common factors for changes in column tilt angles in Cave 9
月 F1 F2 F3 F 数值 排名 数值 排名 数值 排名 数值 排名 1 0.12 12 0.17 10 0.15 11 0.25 12 2 0.34 9 0.30 9 0.21 9 0.61 9 3 0.37 8 0.31 8 0.27 7 0.68 8 4 0.67 7 0.42 7 0.38 5 1.08 7 5 0.95 6 0.57 2 0.39 4 1.38 6 6 1.58 2 0.49 4 0.48 2 2.00 2 7 2.05 1 0.64 1 0.52 1 2.46 1 8 1.38 3 0.43 11 0.43 3 1.80 3 9 1.12 4 0.51 9 0.37 6 1.53 4 10 1.06 5 0.48 12 0.24 8 1.42 5 11 0.30 10 0.13 10 0.19 10 0.46 10 12 0.13 11 0.10 7 0.13 12 0.30 11 总和 10.07 4.55 3.76 13.97
下载: 导出CSV
表 7 立柱倾斜角度变化速率与环境参数的回归关系
Table 7 Regression relationships between changes in column tilt angles and environmental parameters
石窟编号 回归关系式 R2 9 ${v_\theta } = 0.77X_1' + 0.30X_3' + 0.13X_5' + 0.036$ 0.95 10 ${v_\theta } = 0.64X_1' + 0.26X_3' + 0.24X_5' - 0.051$ 0.90 12 ${v_\theta } = 0.59X_1' + 0.42X_3' + 0.26X_5' + 0.113$ 0.93 13 ${v_\theta } = 0.68X_1' + 0.33X_3' + 0.24X_5' - 0.102$ 0.96 25 ${v_\theta } = 0.71X_1' + 0.25X_3' + 0.17X_5' - 0.068$ 0.95
下载: 导出CSV
表 8 第9窟洞门沉降变化速率的公共因子得分
Table 8 Scores of common factors for the settlement rate of the cave door in Cave 9
月 F1 F2 F3 F 数值 排名 数值 排名 数值 排名 数值 排名 1 0.15 12 0.11 12 0.35 5 0.26 12 2 0.43 10 0.26 9 0.42 2 0.56 10 3 0.49 9 0.28 8 0.49 1 0.62 9 4 0.68 6 0.35 6 0.39 3 0.82 6 5 0.84 5 0.39 5 0.35 4 0.87 5 6 1.01 2 0.48 2 0.31 6 1.26 2 7 1.23 1 0.58 1 0.24 8 1.35 1 8 0.92 3 0.43 3 0.13 11 1.06 3 9 0.91 4 0.42 4 0.15 10 0.99 4 10 0.65 7 0.34 7 0.06 12 0.8 7 11 0.62 8 0.19 10 0.21 9 0.75 8 12 0.22 11 0.16 11 0.3 7 0.47 11 总和 8.15 3.99 3.40 9.81
下载: 导出CSV
表 9 洞门沉降变化速率与环境参数的回归关系
Table 9 Regression relationships between environmental parameters and the settlement rate of the cave door
石窟编号 回归关系式 R2 9 ${v_s} = 0.29X_2' + 0.56X_3' + 0.14X_4' + 0.125$ 0.86 10 $ {v_s} = 0.38X_2' + 0.73X_3' + 0.04X_4' - 0.034 $ 0.90 12 ${v_s} = 0.21X_2' + 0.62X_3' + 0.19X_4' + 0.095$ 0.89 13 $ {v_s} = 0.49X_2' + 0.65X_3' + 0.15X_4' - 0.152 $ 0.92 25 $ {v_s} = 0.40X_2' + 0.59X_3' + 0.17X_4' - 0.128 $ 0.84
下载: 导出CSV
-
[1] 张博,崔惠萍,裴强强,等. 不同开放环境下北石窟洞窟温湿度变化特征[J]. 岩石力学与工程学报,2021,40(S1):2834 − 2840. [ZHANG Bo,CUI Huiping,PEI Qiangqiang,et al. Variation characteristics of temperature and humidity in North Grottoes under different opening regulation[J]. Chinese Journal of Rock Mechanics and Engineering,2021,40(S1):2834 − 2840. (in Chinese with English abstract)] ZHANG Bo, CUI Huiping, PEI Qiangqiang, et al. Variation characteristics of temperature and humidity in North Grottoes under different opening regulation［J］. Chinese Journal of Rock Mechanics and Engineering, 2021, 40（S1）: 2834 − 2840. （in Chinese with English abstract）
[2] WANG Xusheng,WAN Li,HUANG Jizhong,et al. Variable temperature and moisture conditions in Yungang Grottoes,China,and their impacts on ancient sculptures[J]. Environmental Earth Sciences,2014,72(8):3079 − 3088. DOI: 10.1007/s12665-014-3213-x
[3] 汪军,徐金明,龚明权,等. 基于扫描电镜图像和微观渗流模型的云冈石窟砂岩风化特征分析[J]. 水文地质工程地质,2021,48(6):122 − 130. [WANG Jun,XU Jinming,GONG Mingquan,et al. Investigating weathering features of sandstones in the Yungang Grottoes based on SEM images and micro-scale flow model[J]. Hydrogeology & Engineering Geology,2021,48(6):122 − 130. (in Chinese with English abstract)] WANG Jun, XU Jinming, GONG Mingquan, et al. Investigating weathering features of sandstones in the Yungang Grottoes based on SEM images and micro-scale flow model［J］. Hydrogeology & Engineering Geology, 2021, 48（6）: 122 − 130. （in Chinese with English abstract）
[4] 王莹莹,徐金明,黄继忠. 基于 CT 影像的砂岩文物结构特征分析[J]. 中国地质灾害与防治学报,2020,31(1):127 − 134. [WANG Yingying,XU Jinming,HUANG Jizhong. Analysis on structural features of sandstones relics using digital image technology based on CT images[J]. The Chinese Journal of Geological Hazard and Control,2020,31(1):127 − 134. (in Chinese with English abstract)] WANG Yingying, XU Jinming, HUANG Jizhong. Analysis on structural features of sandstones relics using digital image technology based on CT images［J］. The Chinese Journal of Geological Hazard and Control, 2020, 31（1）: 127 − 134. （in Chinese with English abstract）
[5] 刘逸堃,高东亮,马朝龙,等. 基于时间序列分析的龙门石窟奉先寺微环境的实时监测与评估[J]. 西北大学学报(自然科学版),2021,51(5):787 − 796. [LIU Yikun,GAO Dongliang,MA (C /Z)L,et al. Monitoring and assessment of the microclimate of Fengxian Temple in Longmen Grottoes based on time series analysis[J]. Journal of Northwest University (Natural Science Edition),2021,51(5):787 − 796. (in Chinese with English abstract)] LIU Yikun, GAO Dongliang, MA （C /Z）L, et al. Monitoring and assessment of the microclimate of Fengxian Temple in Longmen Grottoes based on time series analysis［J］. Journal of Northwest University （Natural Science Edition）, 2021, 51（5）: 787 − 796. （in Chinese with English abstract）
[6] ZHENG L L,FU X Z,CHU F. Grey incidence analyze of environment monitoring data and research on the disease prevention measures of Longmen Grottoes[J]. IOP Conference Series:Earth and Environmental Science,2018,153(6):1 − 8.
[7] LI Hongshou,WANG Wanfu,ZHAN Hongtao,et al. Water in the Mogao Grottoes,China:Where it comes from and how it is driven[J]. Journal of Arid Land,2015,7(1):37 − 45. DOI: 10.1007/s40333-014-0072-y
[8] 王彦武,韩增阳,郭青林,等. 甘肃庆阳北石窟寺水环境特征研究[J]. 西北大学学报(自然科学版),2021,51(3):360 − 369. [WANG Yanwu,HAN Zengyang,GUO Qinglin,et al. Research on the characteristics of water environment in beishiku temple,Qingyang City,Gansu Province[J]. Journal of Northwest University (Natural Science Edition),2021,51(3):360 − 369. (in Chinese with English abstract)] WANG Yanwu, HAN Zengyang, GUO Qinglin, et al. Research on the characteristics of water environment in beishiku temple, Qingyang City, Gansu Province［J］. Journal of Northwest University （Natural Science Edition）, 2021, 51（3）: 360 − 369. （in Chinese with English abstract）
[9] SANKEY J B,EAST A,FAIRLEY H C,et al. Archaeological sites in Grand Canyon National Park along the Colorado River are eroding owing to six decades of Glen Canyon Dam operations[J]. Journal of Environmental Management,2023,342:118036. DOI: 10.1016/j.jenvman.2023.118036
[10] GRØNTOFT T,CASSAR J. An assessment of the contribution of air pollution to the weathering of limestone heritage in Malta[J]. Environmental Earth Sciences,2020,79:1 − 16. DOI: 10.1007/s12665-019-8746-6
[11] WARAGAI T,HIKI Y. Influence of microclimate on the directional dependence of sandstone pillar weathering in Angkor Wat temple,Cambodia[J]. Progress in Earth and Planetary Science,2019,6(1):10. DOI: 10.1186/s40645-019-0254-5
[12] LI Hongshou,WANG Wanfu,ZHAN Hongtao,et al. The effects of atmospheric moisture on the mural paintings of the Mogao Grottoes[J]. Studies in Conservation,2017,62(4):229 − 239. DOI: 10.1080/00393630.2016.1148916
[13] LIU Hongli,WANG Xudong,GUO Qinglin,et al. Experimental investigation on the correlation between rainfall infiltration and the deterioration of wall paintings at Mogao Grottoes,China[J]. Bulletin of Engineering Geology and the Environment,2020,79(3):1199 − 1207. DOI: 10.1007/s10064-019-01645-5
[14] 刘兵,郑坤,王超林,等. 冻融环境下基于声发射的砂岩各向异性劣化机理分析[J]. 中国地质灾害与防治学报,2024,35(1):■ − ■. [LIU Bing,ZHENG Kun,WANG Chaolin,et al. Mechanism analysis on anisotropic degradation of sandstone in freeze thaw environment based acoustic emission[J]. The Chinese Journal of Geological Hazard and Control,2024,35(1):■ − ■. (in Chinese with English abstract)] LIU Bing, ZHENG Kun, WANG Chaolin, et al. Mechanism analysis on anisotropic degradation of sandstone in freeze thaw environment based acoustic emission［J］. The Chinese Journal of Geological Hazard and Control, 2024, 35（1）: ■ − ■. （in Chinese with English abstract）
[15] 周宝发,郎嘉琛,闫增峰,等. 强降雨天气下麦积山石窟第126窟自然通风规律研究[J]. 干旱区资源与环境,2021,35(10):155 − 160. [ZHOU Baofa,LANG Jiachen,YAN Zengfeng,et al. Natural ventilation law for the cave 126 under heavy rainfall in Maiji Mountain Grottoes[J]. Journal of Arid Land Resources and Environment,2021,35(10):155 − 160. (in Chinese with English abstract)] ZHOU Baofa, LANG Jiachen, YAN Zengfeng, et al. Natural ventilation law for the cave 126 under heavy rainfall in Maiji Mountain Grottoes［J］. Journal of Arid Land Resources and Environment, 2021, 35（10）: 155 − 160. （in Chinese with English abstract）
[16] D’AGOSTINO D,CONGEDO P M,CATALDO R. Computational fluid dynamics (CFD) modeling of microclimate for salts crystallization control and artworks conservation[J]. Journal of Cultural Heritage,2014,15(4):448 − 457. DOI: 10.1016/j.culher.2013.10.002
[17] 汤永净,夏昶,黄宏伟,等. 基于图片信息的“同济” 石刻风化速率分析[J]. 结构工程师,2020,36(4):39 − 45. [TANG Yongjing,XIA Chang,HUANG Hongwei,et al. The analysis of “Tongji” stone inscription weathering rate based on images[J]. Structural Engineers,2020,36(4):39 − 45. (in Chinese with English abstract)] DOI: 10.3969/j.issn.1005-0159.2020.04.006 TANG Yongjing, XIA Chang, HUANG Hongwei, et al. The analysis of “Tongji” stone inscription weathering rate based on images［J］. Structural Engineers, 2020, 36（4）: 39 − 45. （in Chinese with English abstract） DOI: 10.3969/j.issn.1005-0159.2020.04.006
[18] 高文浩,付金霞,张宝利,等. 砒砂岩风化速率及其主要影响因素分析[J]. 人民黄河,2023,45(9):125 − 128. [GAO Wenhao,FU Jinxia,ZHANG Baoli,et al. Analysis of weathering rate and main influencing factors of pisha sandstone[J]. Yellow River,2023,45(9):125 − 128. (in Chinese with English abstract)] DOI: 10.3969/j.issn.1000-1379.2023.09.021 GAO Wenhao, FU Jinxia, ZHANG Baoli, et al. Analysis of weathering rate and main influencing factors of pisha sandstone［J］. Yellow River, 2023, 45（9）: 125 − 128. （in Chinese with English abstract） DOI: 10.3969/j.issn.1000-1379.2023.09.021
[19] 彭弋倪,陈旸,李石磊. 辽河流域岩石风化速率及碳汇计算[J]. 地球科学与环境学报,2017,39(3):439 − 449. [PENG Yini,CHEN Yang,LI Shilei. Rock weathering rates and carbon sink calculation in Liaohe River watershed,China[J]. Journal of Earth Sciences and Environment,2017,39(3):439 − 449. (in Chinese with English abstract)] DOI: 10.3969/j.issn.1672-6561.2017.03.012 PENG Yini, CHEN Yang, LI Shilei. Rock weathering rates and carbon sink calculation in Liaohe River watershed, China［J］. Journal of Earth Sciences and Environment, 2017, 39（3）: 439 − 449. （in Chinese with English abstract） DOI: 10.3969/j.issn.1672-6561.2017.03.012
[20] 张鸿,周权平,姜月华,等. 长江干流水化学成因与风化过程CO2消耗通量解析[J]. 水文地质工程地质,2022,49(1):30 − 40. [ZHANG Hong,ZHOU Quanping,JIANG Yuehua,et al. Hydrochemical origins and weathering-controlled CO2 consumption rates in the mainstream of the Yangtze River[J]. Hydrogeology & Engineering Geology,2022,49(1):30 − 40. (in Chinese with English abstract)] ZHANG Hong, ZHOU Quanping, JIANG Yuehua, et al. Hydrochemical origins and weathering-controlled CO2 consumption rates in the mainstream of the Yangtze River［J］. Hydrogeology & Engineering Geology, 2022, 49（1）: 30 − 40. （in Chinese with English abstract）
-
期刊类型引用(11)
1. 周诗凯，刘正华，余丰华，朱浩濛，黄丽，佘恬钰. 浙江省地质灾害气象风险预警一体化建设的探索与实践. 中国地质灾害与防治学报. 2024(02): 21-29 . 
本站查看
2. 黄炜敏，陈全明，陈吉祥. 湖南省“631”地质灾害预警模式及避险案例研究. 中国地质灾害与防治学报. 2024(02): 74-80 . 本站查看
3. 张志希，陈克勋，侯均洪，李迎. 危岩变形自动化监测预警技术与应用——以重庆市江北区唐郭路为例. 自然资源信息化. 2024(01): 35-41 . 百度学术
4. 洛松群培，单增卓玛，单增顿珠，达娃，格桑扎西，吴传建. 普适型地质灾害监测预警系统应用及存在问题——以西藏拉萨、林芝为例. 西藏科技. 2024(05): 55-63 . 百度学术
5. 施唯，王东明. 全国房屋设施抗震设防信息化管理平台设计与实现. 震灾防御技术. 2024(02): 229-240 . 百度学术
6. 温兰冲，赵健赟，高崇越，王志超，陈风，杨成龙. 基于Cesium的湟水流域地质灾害三维可视化与信息系统设计. 科学技术与工程. 2024(21): 8843-8852 . 百度学术
7. 李学良，李宏艳，白国良，李大猛，余洋. 深部条带老采空区覆岩破坏多参量监测研究. 矿业安全与环保. 2024(04): 156-161+167 . 百度学术
8. 陈全明，黄炜敏，李姣. 基于改进切线角和变形速率的滑坡预警——以湖南省石门县雷家山滑坡为例. 中国地质灾害与防治学报. 2024(05): 133-140 . 本站查看
9. 王雅洁，张成梅，杨鑫，秦梅元. 基于K-means-LSTM组合算法的地质灾害监测设备故障排查模型设计. 现代信息科技. 2024(20): 61-67 . 百度学术
10. 罗昌华. 基于实景三维的地质灾害监测预警平台建设. 测绘标准化. 2024(04): 86-91 . 百度学术
11. 委民正. 福建地质灾害监测预警专项平台设计与实现. 福建地质. 2023(03): 211-216 . 百度学术
其他类型引用(1)
计量
- 文章访问数: 18
- HTML全文浏览量: 4
- PDF下载量: 0
- 被引次数: 12
邮件订阅
RSS