Development of Digital Twin Landslide Monitoring and Early Warning System in the Three Gorges Reservoir Area: A Case Study of the Daping Landslide
-
摘要:
数字孪生技术作为一种前沿的数字化技术，通过构建与物理实体相对应的数字模型，实现对物理实体的实时监测、分析和预测，已广泛应用于安全、应急、水利、防灾减灾等多个领域。三峡库区地质灾害频发，为数字孪生技术在地质灾害的监测和预警方面的运用提供了理想的试验对象。本文选择湖北省巴东县东瀼口镇绿竹筏村的大坪滑坡作为示范点，通过完善物联感知网络，搭建地上地下一体化三维地质模型，构建了数字孪生滑坡监测预警系统。应用物联网技术、三维建模技术和物理仿真引擎技术，实现了对滑坡区域的全方位监测、建模和仿真模拟，为滑坡灾害的预测和防治提供科学依据。本研究成果表明，数字孪生技术可为三峡地区滑坡灾害监测与预警提供精准化、可视化的技术支撑，将极大地提高该区域滑坡灾害监测和预警水平。
Abstract:As a cutting-edge digital technology, digital twin technology builds digital models corresponding to physical entities, enabling real-time monitoring, analysis, and prediction of these entities. It has been widely applied in various fields, including safety, emergency response, water conservancy, and disaster prevention and mitigation. The frequent occurrence of geological disasters in the Three Gorges Reservoir area provides an ideal experimental object for the application of digital twin technology in monitoring and early warning of geological disasters. Taking the Daping landslide in Lüzhufa village, Dongrangkou town, Badong county, Hubei province as the demonstration site, this paper establishes a digital twin landslide monitoring and early warning system by improving the Internet of Things (IoT) sensing network and constructing the integrated 3D geological model that merges both above-ground and underground features. The use of IoT technology, 3D modeling technology, and physical simulation engines enables comprehensive monitoring, modeling, and simulation of the landslide area, providing scientific support for the prediction and prevention of landslide disasters. The outcome of this paper shows that digital twin technology can provide precise and visual technical support for landslide disaster monitoring and early warning in the Three Gorges region, greatly improving the level of landslide disaster monitoring and early warning in the area.
-
-
表 1 大坪滑坡预警判据
Table 1. Early warning criteria for Daping landslide
判据 蓝色预警 黄色预警 橙色预警 红色预警 评分 变形监测 位移速率 6 <v≤10 mm/d 10<v≤15 mm/d 15<v≤22.8 mm/d v>22.8 mm/d SN11 切线角 30°<α≤45° 45°<α≤80° 80°<α≤85° α> 85° SN12 位移矢量 位移矢量角等值增大 位移矢量角由等值增大开始非等值增大 位移矢量角非等值增大幅度和速度渐增 位移矢量角突然
增大或减小SN13 裂缝分期配套 后缘裂缝 断续延伸、初具雏形 基本连通、开始
加大加深已经连通、
出现下错台坎迅速拉张甚或闭合 SN21 侧缘裂缝 侧翼剪张裂缝开始产生并逐渐从后缘向前缘扩展、延伸。裂缝主要
分布于坡体中后部。侧翼张扭性裂缝
逐渐向坡体中前部
扩展延伸。前缘隆起鼓胀明显，出现纵向放射状张裂缝和横向鼓张裂缝。临空面见剪切错动面。 前缘快速隆起、
小崩小塌不断。
临空面开始剪出。SN22 前缘剪
出口肉眼察觉不到
明显变形前缘开始出现隆起，
产生鼓胀裂缝0.95≤K<1.0 K<0.95 SN23 关键影响因子 降雨 110 mm<3日
降雨量≤200 mm
或40 mm<一日降雨过程累积降雨量≤70 mm200 mm<3日
降雨量≤300 mm
或70 mm<一日降雨过程累积降雨量≤110 mm300 mm<3日
降雨量≤420 mm
或110<一日降雨过程累积降雨量≤160 mm3日降雨量>420 mm/d
或一日降雨过程累积降雨量>160 mmSN31 库水位
升降速率0.5 m/d<库水升降
速率≤1.2 m/d1.2 m/d<库水升降
速率≤2 m/d2 m/d<库水升降
速率≤4 m/d库水升降
速率>4 m/dSN32 
下载: 导出CSV
表 2 综合分级预警阈值表
Table 2. Comprehensive grading early warning thresholds
评判值S ≤ 25 25～50 50～75 75～90 >90 级别 无 注意级 警示级 警戒级 警报级 预警信号 无 蓝色 黄色 橙色 红色
下载: 导出CSV
表 3 滑坡稳定性分级
Table 3. Landslide Stability Classification
稳定性系数 稳定 基本稳定 欠稳定（稳定性差） 不稳定 Fs ≥1.10 ≥1.05且<1.10 ≥1.0且<1.05 <1.0
下载: 导出CSV
表 4 不同速率下降工况下最危险滑面稳定性系数
Table 4. Stability coefficients of the most dangerous slip surface under different decline rates
降速 0.6 m/d 0.8 m/d 1.0 m/d 1.2 m/d 2.0 m/d 3.0 m/d 稳定性系数 0.994 0.991 0.988 0.985 0.976 0.967
下载: 导出CSV
表 5 大坪滑坡物理力学参数
Table 5. Physical and mechanical parameters of Daping landslide
材料类型 天然密度
ρ (kg/m3)饱和密度
ρ (kg/m3)粘聚力C
(MPa)内摩擦角
φ(°)体积模量K
(MPa)切变模量G
(MPa)抗拉强度
（MPa）碎石土 2200 2300 0 30 417 192 0 碎裂岩 2200 2300 0 30 417 192 0 滑面(带)土 2098 2150 0 24.43 127 37 0 基岩 2550 2600 0.5 35 20000 12000 1.2
下载: 导出CSV
表 6 大坪滑坡材质物理属性
Table 6. Material physical properties of Daping landslide
材料类型 工况一 工况二 静摩擦
系数动摩擦
系数恢复
系数密度ρ
(kg/m3)静摩擦
系数动摩擦
系数恢复
系数密度ρ
(kg/m3)碎石土 0.3 0.2 1 2200 0.5 0.2 1 2300 碎裂岩 0.1 0.1 1 2200 0.3 0.08 1 2300 滑面(带)土 0.08 0.07 1 2098 0.42 0.07 1 2150
下载: 导出CSV
-
[1] 杜志强,李 静.2017.基于粒子系统的滑坡灾害过程模拟仿真方法[J]. 地理信息世界,24(2):46-50. doi: 10.3969/j.issn.1672-1586.2017.02.008
[2] 李 波,杨江涛,李伯宣,罗 兰,景 泽.2019.基于物联网的地质灾害自动化实时监测体系设计与实践[J]. 矿产勘查,10(9):2429-2435. doi: 10.3969/j.issn.1674-7801.2019.09.040
[3] 李瑞昌,唐 雲.2022.数字孪生体牵引应急管理过程整合:行进中的探索[J]. 中国行政管理,(10):30-38.
[4] 马 娟,张鸣之,韩 冰,黄 喆,石爱军,薛跃明.2019.地质灾害无人机调查数据管理云平台建设[J]. 中国地质灾害与防治学报,30(1):100-105.
[5] 明 镜.2012.基于钻孔的三维地质模型快速构建及更新[J]. 地理与地理信息科学,28(5):55-59.
[6] 倪廉钦,李树芳,高 杰,袁安营.2024.数字孪生技术在安全工程实践教学中的应用[J]. 华北科技学院学报,21(2):118-124.
[7] 庞 鑫,袁 明,卢 渊,杜文杰,万道春,李 得,丁海锋,付晓东.2023.基于无人机LiDAR仿地飞行技术的高陡边坡危岩体快速识别方法[J]. 地质科技通报,42(6):21-30.
[8] 王世梅,潘宇晨,王 力,崔宪东,刘 婷,陈玙珊.2021.三峡库区大坪滑坡变形对前缘塌岸的响应分析[J]. 工程地质学报,29(3):647-656.
[9] 吴润泽,朱敏毅,付小林,梅红波,李振华,张 亮,王红群,涂秋月.2023.三峡库区地质灾害趋势预测模型构建与预警系统开发[J]. 华南地质,39(3):455-469. doi: 10.3969/j.issn.2097-0013.2023.03.005
[10] 吴晓贵,秦纪华,胡林朝,何 斌.2020.基于GeoModeller的新疆阿舍勒铜锌矿三维地质模型及地质空间信息解译[J]. 矿产与地质,34(4):826-831.
[11] 向文松. 2015. 在水库消落期增大库水位下降速率条件下三峡库区巴东县大坪滑坡(未纳入工程治理)稳定性地质调查评价研究报告[R].
[12] 许 强,黄学斌. 2014. 三峡库区滑坡灾害预警预报手册[M]. 北京:地质出版社.
[13] 许 强.2020.对滑坡监测预警相关问题的认识与思考[J]. 工程地质学报,28(2):360-374.
[14] 杨诗诗,叶润青,付小林,吴润泽,熊 能,文天龙.2023.三峡库区降雨型滑坡预警雨量阈值研究[J]. 华南地质,39(3):445-454. doi: 10.3969/j.issn.2097-0013.2023.03.004
[15] 叶润青,付小林,郭 飞,易庆林,汤明高,宋英旭,吴润泽.2023.三峡库区地质灾害监测分析与发展探讨[J]. 工程地质学报,31(5):1628-1636.
[16] 张绿原,胡露骞,沈启航,谈 震,牛霄飞.2021.水利工程数字孪生技术研究与探索[J]. 中国农村水利水电,(11):58-62. doi: 10.3969/j.issn.1007-2284.2021.11.010
[17] 赵婧文.2022.数字孪生技术在防灾减灾救灾中的应用探索[J]. 中国减灾,(21):53-55. doi: 10.3969/j.issn.1002-4549.2022.21.016
-
图(10)
表(6)
计量
- 文章访问数: 61
- PDF下载数: 7
- 施引文献: 0