中国科学院力学研究所环境力学重点实验室研究工作进展

中国科学院力学研究所研发成功等离子体生活垃圾气化发电技术我国生活垃圾处理方式主要是填埋和焚烧。

填埋不仅侵占大量土地，还污染地下水，是不得已而为之的选择。

尽管如此，对于土地资源紧张的地区已没有多少场地可供填埋使用。

焚烧法虽然减容比高，并能回收能量，但却因二噁英等污染问题遭到公众强烈反对，急需发展新一代的绿色环保、节能降耗的替代焚烧技术。

等离子体是物质第四态，具有许多异于固态、液态和气态的独特的物理化学性质，如温度和能量密度都很高、可导电和发光、化学性质活泼并能加强化学反应等，环保性能优良。

通过电弧放电产生高达7000 C的等离子体，将垃圾加热至很高的温度，从而迅速有效地摧毁废物。

可燃的有机成分充分裂解气化，转化成可燃性气体，可以用于能源回收，一般称为“合成气”（主要成分是CO+H）。

不可2燃的无机成分经等离子体高温处理后成为无害的渣体。

采用等离子体处理垃圾是目前减容效果最显著、无害化最彻底、资源化程度最高的绿色环保技术。

与焚烧法相比，等离子体技术最突出的优点有：（1）处理温度高：有害物质摧毁更彻底，二噁英前驱体被彻底破坏分解；（2）可采用还原性气氛或部分氧化性气氛，采用电能作为外加热源，二次污染物排放比焚烧低2-3个数量级，裂解底渣是无害的；（3）合成气流量约为焚烧烟气量的5-10%，易于净化，后处理设备尺寸大大减小，节约了投资成本；（4）能源回收效率高，将筛上物制成合成气，后续利用气体发动机发电，发电效率可高达39%，而焚烧法采用蒸汽轮机，发电效率很难超过22%；（5）等离子体系统可快速启动与停机，等离子体核心工艺灵活，可根据不同的处理目的搭配不同的配套系统；（6）整套设备紧凑，占地小，经济效益好。

更为重要的是，等离子体技术将垃圾看作是生产合成气的原料，符合新能源、环保、零碳排放以及可持续发展的概念。

等离子体法不仅在技术上比焚烧先进，而且经济效益也要更好，但投资略高。

等离子体工艺配套的后处理设备及发电系统与焚烧配套的差异很大，这也会影响系统造价及经济效益。

太湖的富营养化发生的原因与治理对策摘要：太湖流域是我国经济最发达的地区之一。

又是我国著名的旅游胜地。

随着社会和经济的发展。

太湖流域的GDP总值在全国占有重要的地位，但是，由于众多人为因素的影响，已导致太湖生态环境急剧恶化，特别是水体污染与富营养化情况日趋严重。

本文简述了太湖富营养化的成因、发展与现状，并简单介绍了一些治理太湖富营养化的治理对策。

前言太湖是我国第三大淡水湖泊，位于经济发达的长江三角洲，流域包括苏州、无锡、湖州等38个市县，是当地经济发展和人民生活的重要淡水资源,太湖水是沿湖居民的生命之水，其中苏州和无锡的生活、生产用水中80．0％取自于太湖。

太湖是典型的大型浅水湖泊，湖泊面积约 2338km²，平均水深只有 1.9m ，湖水滞留期约 300 天，各湖区水动力差异显著。

20世纪60年代，太湖略呈贫营养状态，1981年时仍属于中营养湖泊，但从20世纪80年代后期，由于周边工农业的迅速发展，太湖北部的梅梁湾开始频繁暴发蓝藻、水华。

而后，太湖污染日趋严重，造成了湖泊富营养化，水质恶化，蓝藻水华频繁暴发。

曾经让人流连忘返的太湖现在已变得腥臭远扬。

一、太湖富营养化的成因（一）太湖富营养化的主要因素1．农业污染农药和肥料的流失成为农业污染很重要的一个因素。

据有关研究成果表明，单位耕地面积的化肥施用量(折纯)由20世纪80年代不足200 kg·hm-²提高到目前600 kg．hm-²左右．单位耕地面积的农药用量达25 kg．hm-²至30kg·hm-²。

但是农药和化肥的利用率却没有随着用量的增加而增加，反而降低了。

人们用的化肥和农药逐渐增多，水体的氮磷含量明显升高。

雨水冲刷不当和灌水不当，带有超含量氮、磷的水体就流入河道。

既造成营养和有效成分流失、又污染水环境。

农药和化肥施用的广泛、分散、不合理等特点，使之成为水体富营养化的重要污染。

壁虎粘附微观力学机制的仿生研究进展陈少华;志龙【摘要】A class of animals possesses special climbing abilities in nature, which attracts enormous academic interests. To investigate the macro- and micro-mechanisms of such animals＇ adhesion can not only develop relevant surface/interface mechanics, but also provide novel ideas for the design of advanced adhesive materials and appropriate adhesive system for a micro-climbing robot, and shed lights on solving methods for adhesive failure problems in MEMS/NEMS and AFM. Experiments have found that the adhesive system on gecko＇s foot is hierarchical, which will produce strong adhesion. There are millions of setae on a gecko＇s foot and each seta will branch into hundreds of spatulae. The spatula is the smallest adhesive structure in a gecko＇s foot, which is about 200nm in width and length, about 5nm in thickness. The adhesive behavior of a spatula on a surface looks like that of a finite-sized nano-film. The basic principle of the adhesion is due to Van Der Waals force between two surfaces. Plenty of spatulae will cause the adhesion force large enough to support the weight of a gecko. In the present paper, considering the real shape of the smallest adhesive structure, which is similar to a nano-film with a finite length, we present an overview of the main influence factors of the micro-adhesion mechanism of gecko＇s spatula, including the effects of adhesion length, thickness and peeling angles of a finite nano-film on the adhesion force, the effects of surface roughness andenvironmental humidity on surface/interface adhesion. Experimental investigations as well as theoretical and numerical studies are also reviewed. Finally, possible challenges and future development of the biomimetic adhesive mechanics are proposed and prospected.%本文针对壁虎粘附系统最小单元的真实形状, 类似于有限尺寸纳米薄膜的铲状纤维, 综述了对其微观粘附力学机制主要影响因素的多个研究, 主要考虑了有限尺寸纳米薄膜长度、厚度、撕脱角等对撕脱力的影响; 物体表面粗糙度以及环境湿度等对粘附的影响因素; 包括实验、理论及数值模拟的研究及结果比较. 最后给出仿生粘附力学方向仍然存在的主要科学问题及进一步的研究展望.【期刊名称】《力学进展》【年(卷),期】2012(042)003【总页数】12页(P282-293)【关键词】壁虎,;铲状纤维,;微观粘附机制,;仿生,;有限尺寸纳米薄膜【作者】陈少华;志龙【作者单位】中国科学院力学研究所非线性力学国家重点实验室,北京100190;中国科学院力学研究所非线性力学国家重点实验室,北京100190【正文语种】中文【中图分类】TB391 引言自然界一类生物,如壁虎、蜘蛛、蚱蜢、蚂蚁、苍蝇等,不但能在垂直的墙壁上停留和爬行,而且能在天花板上运动自如.这种超强粘附爬行的能力引起了人们广泛的研究兴趣,其中壁虎由于体重较大成为仿生粘附研究的主要对象.早在公元前4世纪亚里士多德就观察到“壁虎甚至能够头部向下也可以在树上自由地上下爬行”[1].一直以来,人们对壁虎等生物飞檐走壁的秘诀众说纷纭.近年来由于实验仪器的精度和分辨率大大提高,能够清楚地观察到微米甚至纳米尺寸的结构图像,壁虎等生物的粘附力学原理才真正被揭开.壁虎的粘附系统是一种多分级、多纤维状表面的结构,壁虎的每个脚趾生有数百万根细小刚毛,每根刚毛的尺寸约为 30∼130µm,刚毛的末端又分叉形成数百根更细小的铲状绒毛,每根绒毛长度及宽度方向的尺寸约为200 nm,厚度约为5 nm,如图1所示[2].美国科学家Autumn等[1,3]通过实验研究发现,壁虎超强的粘附能力主要来源于脚部大量微纳米刚毛与物体表面间的分子吸引力,即范德华力.范德华力是中性分子间一种微弱的电磁引力,壁虎脚部无数刚毛与固体表面间范德华力的累积形成超强的粘附力,足以支撑其体重.随后的实验研究进一步发现,环境湿度对壁虎粘附力亦有重要的影响[4-5],粘附力将随着环境相对湿度的增加而提高.多分级、多纤维粘附系统确保了壁虎具有超强的粘附力,而壁虎在捕食和逃跑的过程中不仅需要很强的粘附能力,而且需要轻松地脱黏,如何实现粘附和脱黏的快速交替也是仿生研究关注的重要科学问题之一.Chen和 Gao[6]注意到壁虎多分级粘附系统类似于纤维斜向排列的复合材料,具有一定的材料各向异性,据此建立了各向异性材料粘附接触模型,分析结果表明:沿着纤维排列方向拉伸时,界面粘附强度达到最大,而偏离该方向拉伸,界面的粘附强度急剧减小,且最大粘附强度能够超过最小粘附强度一个数量级,从理论上揭示了壁虎利用材料各向异性实现与固体表面间粘附强度受方向控制的宏观可逆粘附机制:改变施力方向可以实现很强的粘附和轻松的脱黏,这个结果与Yao和Gao[7]的数值分析结果一致.该宏观粘附机制随后得到了相应的实验验证[8-10].然而,壁虎粘附系统与固体表面接触的真实微观粘附依赖于系统末端数以百千万个纳米铲状纤维的粘附行为,每根铲状纤维类似于有限尺寸的纳米薄膜.其微观粘附机制的揭示对超强粘附表面和仿生爬壁机器人粘附系统的设计具有重要的作用.壁虎如何通过纳米铲状纤维实现微观的粘附和脱黏的交替?如何克服表面粗糙度,在不同粗糙度的表面实现鲁棒性粘附?环境湿度又是如何影响壁虎纳米铲状纤维的粘附力,为什么动物园管理人员向墙壁喷撒水雾时壁虎就被轻松地清除呢?另外,壁虎粘附系统最小铲状纤维是自然界优胜劣汰和长时间进化形成的结果,其结构尺寸对粘附性能是否具有重要的影响?对此类生物粘附机制的研究,一方面可以为超强仿生粘附材料、微型仿生爬壁机器人粘附系统的设计探索新的仿生设计概念和新的设计思想,另一方面亦可以为解决微纳机电系统中重要的粘附失效问题提供新的解决方法,同时发展表面/界面力学. 本文就上面提出的几个针对壁虎微观粘附机制的科学问题,以壁虎最小粘附铲状纤维为研究对象,主要介绍了当前国内外对以上几个科学问题的最新研究进展,包括实验、理论和数值模拟工作,重点介绍了作者等人最近获得的研究结果.最后为进一步深入研究壁虎等生物粘附机制提出了展望.图1 壁虎多分级粘附系统[2]2 微观粘附机制的实验及仿生实验研究2000年美国科学家Autumn等[3]利用装有双轴压阻悬臂的微机电系统测量了壁虎单根刚毛的粘附力(图2(a)),首次利用微观实验测量了壁虎粘附力.结果表明壁虎刚毛在基底上滑移5µm的距离后,切向粘附力达到最大值为(194±25)µN(图2b),该粘附力约为由壁虎体重估算得到的刚毛最大粘附力的10倍.如果壁虎所有刚毛同时达到最大粘附力,壁虎一只脚就能承受约100 N的重量,而典型的壁虎体重仅仅为几十克到一百克,安全系数达100左右.2005年德国科学家Huber等[11]通过原子力显微镜测量了壁虎单根铲状绒毛的粘附力.为了获得单根铲状绒毛,首先将从壁虎脚切下的单根刚毛粘在原子力显微镜的微悬臂上,然后利用聚焦离子束显微镜将铲状绒毛逐渐从刚毛上切掉,每根刚毛末端的绒毛的数量不超过5根,最后将带有铲状绒毛的原子力显微镜与基底接触,测量其粘附力(图2(c)).图2(d)为实验测量的力—位移曲线,第一类曲线(type 1)表示只有一根铲状绒毛从基底上拉脱,并且单根铲状绒毛的粘附力约为10 nN；第二类曲线(type 2)表示刚毛端部的两根铲状绒毛同时从基底上拉脱,粘附力为单根铲状绒毛的两倍；第三类曲线(type 3)表示两根铲状绒毛相继从基底上拉脱.研究壁虎粘附系统的微观结构,揭示微观粘附力机制对仿生粘附进行系统地设计具有很大的帮助.Geim等 [12]仿照壁虎脚的毛发结构,以电子光束微影和氧离子干刻蚀法在5µm厚的聚酰亚胺薄膜上制备长2µm,直径为 500 nm的高弹聚酰亚胺纤维阵列,当预压力为50 N·cm−2时,单根粘附纤维能提供约 70 nN的粘附力,每平方厘米面积可负重 3 N.Yao等 [8]受壁虎粘附能力的启发,利用具有倾斜贯通孔的Te flon模具制备了PDMS仿生纤维阵列,然后在PDMS纤维阵列上面覆盖一层125µm厚的PDMS薄膜,该结构的粘附性能和没有PDMS薄膜的纤维阵列相比有明显的提高.目前仿生粘附实验研究主要将粘附纤维顶端制备成平压头或圆压头[12-19],尽管这种结构在很大程度上增强了粘附性能,但却无法像壁虎那样主动控制粘附和脱黏状态,一旦粘附则很难脱黏.原因主要是壁虎最小粘附单元真实的形状类似于铲状纤维,是一种撕脱而不是拉脱行为.铲状纤维的撕脱行为对壁虎可逆粘附的实现非常重要.Pesika等[20]通过实验研究了无限长薄膜撕脱行为,发现撕脱区(peel zone)的尺寸受撕脱角的影响,在测量撕脱力随撕脱角度的变化规律时,发现存在一个临界撕脱角θ0,当撕脱角θ大于θ0时,撕脱区的形状和尺寸保持不变,此时法向分量的粘附力也保持不变；当撕脱角θ小于θ0时,撕脱区的形状和尺寸随着撕脱角的变化而变化 (图 3(a)所示).将这种模型应用分析壁虎的粘附,预测到当撕脱角为18.4°时薄膜的粘附力与实验测量的真实壁虎铲状绒毛粘附力大小一致.Qu等[21]利用化学气相沉积法,在硅基底上生长出竖直排列的多壁碳纳米管阵列,并研究了其粘附性能.碳纳米管由竖直部分及端部的弯曲部分组成,分别用来仿生壁虎脚部刚毛和铲状绒毛.当碳纳米管阵列与基底接触时,弯曲部分与基底表面的线接触有效地增大了接触面积,并且在切向力的作用下,取向基本一致 (图 4(d)和 4(e)),类似于壁虎铲状绒毛与基底的接触.为了测量该结构粘附力,取4 mm×4 mm大小的碳纳米管集簇与玻璃基底接触(图4(a)示),碳纳米管的直径约为10∼15 nm,长度约为150µm,密度约为 1010∼1011cm−2.该样品能牢牢吊起一本重为1.480 kg的书,切向粘附力约为90.7 N·cm−2,达到壁虎粘附力的10倍;而法向粘附力随着碳纳米管的长度的变化由10 N仅增大到20 N且远小于切向粘附力,并且总粘附力随着拉脱角的变化而变化.图2 (a)单根刚毛和微机电系统的悬臂接触;(b)受15µN预压力时的单根刚毛与表面接触时的最大切向力随时间的变化.[3];(c)实验测量单根铲状绒毛粘附力的示意图;(d)铲状绒毛典型的力—位移曲线[11]图3 (a)撕脱区示意图;(b)薄膜在90°撕脱角时的撕脱区图像;(c)撕脱力随撕脱角变化的实验和理论结果对比[20]图4 (a)重量为1.480 kg书被表面生长有竖直分布的多壁碳纳米管的硅片吊起;(b)和(c)不同放大倍数下的碳纳米管阵列的扫描电镜图;(d)碳纳米管阵列粘附在玻璃表面上;(e)切向力使碳管阵列与基底接触部分变得有序[21]美国麻省理工学院Mahdavi等[22]受壁虎粘附的启发,利用生物相容和生物可降解材料制备了一种仿生医用绷带,如图 5所示.实验表明这种绷带即使在动物新鲜肠壁上的粘附力也能达到4.8 N·cm−2.为了进一步验证绷带粘附性能的可靠性,将绷带黏贴于活的小白鼠腹部,其粘附力仍能达到0.8 N·cm−2.研究者们希望这种医用绷带将来能够在伤口急救和外科手术中作为一种特殊的缝合线使用,使用非常方便,可大大减少救治的步骤,但目前该研究尚处在实验室阶段,要想在医学上广泛应用还需要克服很多难题,因为它的粘附力还达不到临床上使用的要求,这有待进一步研究.图5 受壁虎启发的医用绷带[22]3 仿生薄膜撕脱的理论模型为了揭示壁虎微观粘附机制,已经发展了多个仿生薄膜撕脱的理论模型 [2,23-24],模拟壁虎最小粘附单元的撕脱行为.其中,经典的Kendall模型引起了科研者的进一步关注.Kendall[23]从能量平衡角度得到了无限长弹性薄膜从刚性基底上撕脱时,撕脱力与撕脱角的变化关系其中,P为撕脱力,θ为撕脱角,Δγ为粘附能,E是薄膜的弹性模量,b和h分别为薄膜的宽度和厚度.由于壁虎最小粘附纤维类似于有限尺寸的薄膜,Chen等 [25]用Kendall模型分析了壁虎铲状纤维从基底上撕脱过程,粘附力随撕脱角的增大而减小,撕脱角为0°时粘附力最大;而当撕脱角为90°时粘附力达到最小,因此,该模型能在一定程度上从微观角度揭示壁虎可逆粘附行为.Pesika等[20]提出了一个以撕脱区为特征的薄膜撕脱理论模型,该模型在Kendall模型的基础上增加了一个依赖撕脱角的乘子,分析了撕脱区的尺寸和形状随撕脱角的变化,并用相应的实验验证了该理论(图3(b)和3(c)).Chen等[26]分析了预拉力对薄膜粘附行为的影响,发现当撕脱角较小时薄膜内的预拉力能增强其粘附力;当撕脱角较大时,预拉力的存在可减弱粘附力,并且存在一个临界预拉力使薄膜与基底自发脱黏.Varenberg等 [27]分析了薄膜撕脱的接触细化模型,将一个大尺度薄膜分成多个自相似小尺度薄膜,每一个小薄膜的粘附力可通过Kendall模型得到,总粘附力为所有小薄膜粘附力的总和(图6示).图6 薄膜接触的细化模型[27]图7 法向粘附力FvdW、切向粘附力Ff、总粘附力F(θ)以及最大摩擦力随撕脱角的变化关系[2]图8 (a)有限尺寸薄膜撕脱模型；(b)在不同撕脱角下,撕脱力随着粘附长度的变化关系;(c)撕脱角对总撕脱力以及法向和切向分量粘附力的影响.[24]Kendall模型主要用于分析无限长薄膜与基底的撕脱行为,而壁虎的铲状粘附纤维更类似于有限长尺寸的薄膜.Tian等 [2]提出一种摩擦粘附撕脱模型,利用力平衡条件,求解了有限尺寸薄膜的撕脱力与撕脱角的关系 (图 7示),但在该模型中直接运用了实验中测量得到的壁虎铲状纤维的真实长度尺寸,并未考虑薄膜粘附长度对粘附力的影响.且由图 7知,当撕脱角趋于0°时,该模型预测的粘附力趋于无穷大,和壁虎真实粘附情况不符.Chen等[24]用数值和理论方法分别建立了有限尺寸薄膜的粘附撕脱模型,分析了薄膜的有限粘附尺寸对纳米薄膜撕脱力的影响 (图8(a)).图 8(b)给出了撕脱角分别为0°,30°,90°时,撕脱力与粘附长度的关系.当撕脱角一定时,撕脱力先随粘附长度的增加而增大,当粘附长度达到一定的临界值时,撕脱力趋于一个稳定值,且粘附长度的临界值随撕脱角的增大而减小.当撕脱角为0°时,撕脱力达到最大时,对应的粘附长度临界值为 25 nm左右,该值远小于壁虎铲状绒毛的真实尺寸 (约200 nm).可见,壁虎铲状纤维不仅能适应各种表面而且始终能保证粘附力最大.撕脱角对撕脱力的影响如图 8(c)所示,随着撕脱角的增大,撕脱力逐渐减小,切向力由最大值逐渐减小到零,法向力由零逐渐趋于一个近似的常数值.当撕脱角较小时,撕脱力主要由切向力贡献,当撕脱角较大时撕脱力主要由法向力贡献,与Tian等[2]理论分析一致.这两种极限情况分别对应于壁虎停留在垂直墙壁(0°)和天花板(90°)的情况,可以解释壁虎更多的时间停留倾斜墙壁而非天花板上的缘故[2].4 表面粗糙度对铲状纤维粘附的影响自然界中不存在绝对光滑的表面,任何表面都存在不同程度的粗糙度,表面粗糙度对界面粘附性能有重要的影响[28−36]. Persson 和Tasatti[30],Persson和Gorb[31]以及Palasantzas和De Hosson[32-33]研究了任意表面粗糙度对无线长薄膜粘附行为的影响.当弹性薄膜和粗糙基底接触时,总能量包含了两部分:薄膜内的弹性能Uel和界面能ΔγA,他们引入一个等效界面能表示薄膜与粗糙基底的粘附能力,ΔγeffA0=ΔγA−Uel,A0是表观接触面积,A是实际接触面积,Δγ表示薄膜与光滑平表面之间的粘附能.当界面能ΔγA大于薄膜内的弯曲弹性能 Uel时,弹性薄膜能自发地发生弯曲变形与粗糙基底接触.对于无限长薄膜与粗糙基底接触,总粘附力随着粗糙度的增加呈现单调减小或者先增加后减小的趋势[30-32]. 而 Huber等[37]测量了壁虎单根铲状绒毛和活体壁虎在不同粗糙基底上的粘附力,发现壁虎粘附力随着粗糙度的增加呈现先减小后增大的趋势,当基底粗糙度功率普 (RMS)在100∼300 nm时,粘附力显著降低 (图 9示),该尺寸与壁虎铲状纤维的尺寸相近.此外,Gorb[38]和 Peressadko和Gorb[39]分别测量了甲虫和苍蝇在不同粗糙基底上的粘附力,同样发现一定范围的表面粗糙度 (RMS 0.3∼ 1µm)可降低粘附力. 因此,无限长薄膜与粗糙基底接触的理论模型无法解释实验中发现的表面粗糙度使壁虎等生物粘附力减小的现象.Peng和 Chen[40]建立了有限长度的弹性薄膜与粗糙基底完全接触的二维理论模型.基底粗糙度不失一般性地用余弦函数表示,y=a−a coskx,a为粗糙度的幅值,k=2π/λ为波数,λ为波长.根据薄膜的长度和粗糙度的幅值以及波长的关系,有图 10所示的几种接触形式.图 11表示等效粘附能随着粗糙度的增加而变化的关系.已有结论表明 [40],粘附力随着等效粘附能的增加基本成线性单调增加的关系,因此分析等效粘附能随粗糙度的变化能合理地表示粗糙度对粘附力的影响.当薄膜长度大于粗糙度的波长时,粘附力随着粗糙度的增加单调减小;当薄膜长度小于粗糙度波长时,粘附力随着粗糙度的增加呈现先减小后增加的趋势,这个结论与 Huber等[37]实验现象定性一致.图9 粗糙度对壁虎粘附力影响的实验结果[37]图10 有限尺寸薄膜与正弦分布的粗糙基底接触.(a)薄膜长度b大于粗糙度的波长λ;(b)和(d)薄膜长度b小于粗糙度的波长λ,但粗糙度的振幅增大[40]图11 在不同波长λ时,无量纲的等效粘附能Δγeff/Δγ与粗糙度a/λ的关系[40] 5 环境湿度对仿生薄膜粘附的影响尽管实验证实壁虎的粘附原理主要是分子间的范德华力[1,3],但环境的相对湿度对其粘性能附亦有重要的影响[4-5].Huber等[4]实验发现壁虎粘附力随着相对湿度的增加而增大(图12),并且发现即使相对湿度达到 88%,基底上吸附的水膜厚度也仅为0.2 nm左右,该厚度近似为单分子层厚度的水膜.DelRio等 [41]在研究毛细力引起微机电系统失效时同样发现,即使当相对湿度超过70%时,基底上水膜的厚度也仅仅为一到两层水分子的厚度.Peng和 Chen[42]建立了相应的理论模型,分析了相对湿度和基底上的水滴对有限尺寸的仿生纳米薄膜粘附力的影响.假设当相对湿度小于90%时,基底上吸附单分子厚度的水膜,当薄膜与基底间通过单分子层厚度的水膜接触时,必须考虑水分子与固体表面间的分离压力,分离压力随着水膜厚度的增加而减小,当水膜很薄时,分离压力非常强[43-45].由于水膜仅为单层水分子厚度,该距离仍然在两固体表面范德华力有效作用距离之内.因此,总粘附力由分离压力和两固体表面间的范德华力两部分组成其中,ρ为水膜的覆盖率,与相对湿度相关;D为两固体表面间的距离,A为 Hamaker 常数,b1和b2分别为薄膜的长度和宽度.最终研究发现总粘附力随着相对湿度的增加而增加(图13所示),该结论与相对湿度对壁虎粘附力影响的实验现象定性一致. 图12 相对湿度对壁虎粘附力影响的实验结果[4]图13 相对湿度对薄膜粘附力影响的理论结果[42]当相对湿度大于 90%时,基底上水膜逐渐增厚,最终凝聚成水滴 (如图 14所示).当薄膜与水滴接触时,由于水滴表面张力的作用,薄膜很容易发生弯曲变形将水滴包裹起来 [46-47].由能量平衡可以获得液滴自包裹的条件——弹性毛细长度 [47]即当液滴半径 R大于 REC时,表面力所做的功大于弯曲能,薄膜能将液滴完全包裹 (图15(a));当水滴的半径 R小于 REC时,表面能不足以克服薄膜将水滴完全包裹的弯曲能,因此,薄膜与水滴间将发生半包裹现象 (图 15(a)).对于完全包裹和半包裹两种情况,总粘附力由水滴引起的毛细力和水滴之外的范德华力两部分组成[42].图15(b)和(d)分别表示毛细力、范德华力以及总粘附力随水滴体积的变化规律.结果表明,液滴产生的毛细力表现为斥力,并且其绝对值随液体体积的增大而增大；范德华力随着液滴体积的增大而减小;毛细力和范德华力的共同作用使总粘附力随着液滴体积的增大而逐渐减小,当水滴体积增大到一定值时,总粘附力减小到零.该结论则可以解释动物学家熟知的一个现象:当壁虎停留在墙壁上时,如果往墙壁上喷撒水雾,壁虎便无法粘附在墙壁上[5].图14 基底上水膜逐渐转变为水滴的示意图[42]图15 薄膜通过水滴与基底接触模型及理论分析结果.(a)半包裹和全包裹示意图;(b)和(d)毛细力、范德华力以及总粘附力随水滴体积的变化规律[42]6 仿生纳米薄膜厚度对粘附的影响生物粘附系统经过长期的演化实现了一种自下而上设计的多分级粘附结构,其基本组成单元一般在亚微米或纳米尺度,特别是壁虎粘附系统,其末端最小铲状纤维粘附长度和宽度约为200 nm,厚度约为5 nm,如此精细的结构亦是大自然的最优设计.Gao等 [48]和 Chen等[49]将壁虎绒毛看作柱状纤维分别研究了柱状纤维在拉伸和扭转载荷下的尺寸效应.结果表明,在拉伸载荷下,当柱状纤维的半径减小到约为225 nm时,接触区的应力达到均匀的理论强度分布 (图 16所示),称为缺陷不敏感现象,并且该尺寸与壁虎绒毛尺寸相当;而在扭转载荷下,缺陷不敏感尺寸远小于拉伸载荷作用下的临界尺寸,从而解释了壁虎在拉伸状态的超强粘附和扭转载荷下的轻松脱黏现象.然而,壁虎最小粘附单元的真实形状为铲状纤维而非柱状结构,Peng等[24]从数值模拟的角度分析了有限尺寸薄膜的粘附行为,发现对于薄膜撕脱模型,缺陷不敏感的尺寸随撕脱角的变化而变化,在撕脱角为0°时,临界尺寸最大约为25 nm,并且该临界值随着撕脱角的增大而减小(图8(b)),且远小于柱状纤维的临界尺寸.图16 柱状纤维在拉伸载荷下的尺寸效应[48-49]另一方面,壁虎铲状绒毛厚度约为 5 nm,铲状绒毛的厚度是不是生物经过长期进化的最优选择?Peng和Chen[40]理论分析了有限尺寸薄膜厚度对粘附的影响(图17(a)和17(b)所示).假设两个分子间的作用力用Lennard-Jones势表示其中,ε是势阱的深度,σ是确定平衡位置的参数,r是两原子间的距离.因此,薄膜与基底间的粘附力可通过薄膜和基底内所有分子间作用力的积分得到图17 (a)单个分子与半无限基底接触;(b)厚度为h的薄膜与半无限基底接触;(c)粘附力随薄膜厚度的变化关系[40]其中,D为薄膜与基底间的距离,h为薄膜的厚度,A为薄膜的横截面积,ρ1和ρ2分别为薄膜和基底内的分子密度.图17(c)表示粘附力随薄膜厚度的变化关系,结果表明,当粘附力达到最大值时,薄膜厚度约为5 nm,该尺寸与壁虎铲状绒毛的厚度尺寸一致.另外,壁虎绒毛还必须有足够的强度来够承受其体重,壁虎典型的体重约为几十克,如果我们假设壁虎体重上限为100 g,脚掌上所有绒毛均匀承受体重,考虑到壁虎脚掌上铲状绒毛的数量和几何尺寸,壁虎一只脚承受其体重所需绒毛的最小厚度为2.5 nm.因此,壁虎铲状绒毛 5 nm的厚度,不仅有足够的强度承受其体重,而且能保证粘附力达到最大值,亦能保证与粗糙表面间的粘附力[40].7 结论与展望生物在长期的生命演化与协作过程中形成的卓有成效的能力为人类社会的发展提供了许多灵感,人类可以在生物和大自然中寻找、学习和模仿,从中找出解决目前人类科技发展所面临的诸多问题的方法.正因为如此,生物力学和仿生力学在国际上得到迅速的发展.对生物粘附的研究随着近年来科技的发展,特别是纳米科技、纳米制造技术的日趋成熟,人工仿生生物粘附系统的结构越来越精细,粘附效果也越来越强.国内外很多学者分析比较了不同粘附纤维形状对粘附力的影响 [50-54],发现具有薄膜。

第42卷 第6期2023年 11月 地质科技通报B u l l e t i n o f G e o l o g i c a l S c i e n c e a n d T e c h n o l o g yV o l .42 N o .6N o v . 2023庞鑫,袁明,卢渊,等.基于无人机L i D A R 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,2023,42(6):21-30.P a n g X i n ,Y u a n M i n g ,L u Y u a n ,e t a l .R a p i d i d e n t i f i c a t i o n m e t h o d f o r t h e d a n g e r o u s r o c k m a s s o f a h i g h -s t e e p s l o pe b a s e d o n U A V L i D A R a n d g r o u n d i m i t a t i o nf l igh t [J ].B u l l e ti n o f G e o l o g i c a l S c i e n c e a n d T e c h n o l o g y,2023,42(6):21-30.基于无人机L i D A R 仿地飞行技术的基金项目:国家自然科学基金项目(52179117);湖北-国家自然科学联合基金项目(U 21A 20159)作者简介:庞 鑫(1982 ),男,高级工程师,主要从事非煤露天矿山边坡地质灾害治理等方面的研究工作㊂E -m a i l :36754555@q q.c o m 通信作者:付晓东(1986 ),男,副研究员,主要从事边坡地质灾害数值模拟与评估等方面的研究工作㊂E -m a i l :x d f u @w h r s m.a c .c n丁海锋(1997 ),男,现正攻读土木水利专业硕士学位,主要从事边坡稳定性分析与灾变机制方面的研究工作㊂E -m a i l:d i n g h a i f e n g21@m a i l s .u c a s .a c .c n ©E d i t o r i a l O f f i c e o f B u l l e t i n o f G e o l o g i c a l S c i e n c e a n d T e c h n o l o g y .T h i s i s a n o pe n a c c e s s a r t i c l e u n d e r t h e C C B Y -N C -N D l i c e n s e .高陡边坡危岩体快速识别方法庞 鑫1,袁 明2,卢 渊3,杜文杰4,5,万道春1,李 得1,丁海锋4,5,付晓东4,5(1.攀钢集团矿业有限公司,四川攀枝花617000;2.四川电力设计咨询有限责任公司,成都610000;3.中国电力科学研究院有限公司输变电工程研究所,北京102401;4.中国科学院武汉岩土力学研究所岩土力学与工程国家重点实验室,武汉430071;5.中国科学院大学,北京100049)摘 要:我国西南地区山高谷深㊁斜坡高陡,危岩落石灾害极为发育,高陡边坡危岩落石由于高差大㊁坡面陡,具有显著的突发性,因此快速㊁准确㊁便捷地解译与识别危岩体源头成为高陡岩质边坡风险分析的首要问题㊂当前探测手段的进步使基于影像的地质灾害解译逐步从目视识别向人机交互式识别方向发展㊂其中,无人机激光雷达(L i D A R )系统通过融合无人机载体与L i D A R 测量技术的优势,广泛应用于地质灾害调查中,同时仿地飞行技术的引入可以使无人机L i D A R 系统适应复杂的地形,快速获取高精度㊁高密度的点云数据㊂基于以上技术对攀枝花某铁矿露天采场东侧边坡开展了无人机调查,通过获取高精度D OM 影像和三维点云模型,量化提取点云模型中露头坡面粗糙度㊁倾向等危岩体几何特征参数作为D OM 影像的补充材料,提出了一套基于D OM 影像和几何特征的危岩体人机交互式识别方法㊂通过对东侧边坡危岩体的应用表明:提出的人机交互式识别方法通过在D OM 影像的基础上叠加露头坡面几何特征,对悬空危岩体的识别精度优于目视识别,可以显著提高危岩体识别的效率和准确性㊂提出的方法通过结合创新的遥感技术,为高陡岩质边坡危岩体识别提供了快速便捷的方案㊂关键词:高陡边坡;危岩体;无人机L i D A R 系统;仿地飞行;三维点云模型2022-08-06收稿;2022-09-28修回;2022-10-03接受中图分类号:P 23;P 642.2;T N 958.98 文章编号:2096-8523(2023)06-0021-10d o i :10.19509/j .c n k i .d z k q.t b 20220427 开放科学(资源服务)标识码(O S I D ):R a p i d i d e n t i f i c a t i o n m e t h o d f o r t h e d a n g e r o u s r o c k m a s s o f a h i g h -s t e e ps l o p e b a s e d o n U A V L i D A R a n d g r o u n d i m i t a t i o n f l i gh t P a n g X i n 1,Y u a n M i n g 2,L u Y u a n 3,D u W e n ji e 4,5,W a n D a o c h u n 1,L i D e 1,D i n g H a i f e n g 4,5,F u X i a o d o n g4,5(1.P a n z h i h u a I r o n a n d S t e e l G r o u p M i n i n g Co .,L t d .,P a n z h i h u a S i c h u a n 617000,C h i n a ;2.S i c h u a n E l e c t r i c P o w e r D e s i g n C o n s u l t i n g C o .,L t d .,C h e n gd u 610000,C h i n a ;3.P o we r T r a n sf o r m e r E ng i n e e r i n g Re s e a r c h I n s t i t u t e ,C h i n a E l e c t r i c P o w e r R e s e a r c h I n s t i t u t e ,B e i j i n g 102401,C h i n a ;4.S t a t e K e y L a b o r a t o r y of G e o m e c h a n i c s a n d G e o t e c h n i c a l E ng i n e e r i n g,h t t p s://d z k j q b.c u g.e d u.c n地质科技通报2023年I n s t i t u t e o f R o c k a n d S o i l M e c h a n i c s,C h i n e s e A c a d e m y o f S c i e n c e s,W u h a n430071,C h i n a;5.U n i v e r s i t y o f C h i n e s e A c a d e m y o f S c i e n c e s,B e i j i n g100049,C h i n a)A b s t r a c t:[O b j e c t i v e]I n S o u t h w e s t C h i n a,r o c k f a l l h a z a r d s a r e e x t r e m e l y d e v e l o p e d i n h i g h m o u n t a i n s a n d d e e p v a l l e y a r e a s w i t h h i g h a n d s t e e p s l o p e s.D u e t o t h e l a r g e e l e v a t i o n d i f f e r e n c e a n d s t e e p s l o p e,t h e d a n-g e r o u s r o c k m a s s o n a h i g h-s t e e p s l o p e h a s r e m a r k a b l e c h a r a c t e r i s t i c s o f s u d d e n n e s s.T h u s,a r a p i d,a c c u-r a t e a n d c o n v e n i e n t i n t e r p r e t a t i o n a n d i d e n t i f i c a t i o n f o r t h e s o u r c e o f d a n g e r o u s r o c k m a s s b e c o m e s t h e p r i-m a r y p r o b l e m o f r i s k a n a l y s i s o f h i g h-s t e e p s l o p e s.A t p r e s e n t,t h e p r o g r e s s o f d e t e c t i o n m a k e s i m a g e-b a s e d g e o l o g i c a l h a z a r d i n t e r p r e t a t i o n g r a d u a l l y d e v e l o p f r o m v i s u a l i d e n t i f i c a t i o n t o h u m a n-c o m p u t e r i n-t e r a c t i v e i d e n t i f i c a t i o n.A m o n g t h e m,t h e U A V L i D A R s y s t e m i s w i d e l y u s e d i n g e o l o g i c a l d i s a s t e r i n v e s-t i g a t i o n b y i n t e g r a t i n g b o t h a d v a n t a g e s o f U A V c a r r i e r a n d L i D A R m e a s u r e m e n t t e c h n o l o g y,w h i l e t h e i n-t r o d u c t i o n o f g r o u n d i m i t a t i o n f l i g h t t e c h n o l o g y c a n m a k e t h e U A V L i D A R s y s t e m a d a p t t o c o m p l e x t e r-r a i n,o b t a i n i n g h i g h-p r e c i s i o n a n d h i g h-d e n s i t y p o i n t c l o u d d a t a.[M e t h o d s]O n t h i s b a s i s,a U A V s u r v e y w a s c a r r i e d o u t o n t h e E a s t s i d e s l o p e o f o p e n-p i t m i n e,a n d a h i g h-p r e c i s i o n D OM i m a g e a n d3D p o i n t c l o u d m o d e l w e r e o b t a i n e d b y p r o c e s s i n g t h e U A V s u r v e y d a t a.A s t h e s u p p l e m e n t a r y m a t e r i a l s o f t h e D OM i m a g e,t h e g e o m e t r i c f e a t u r e p a r a m e t e r s o f o u t c r o p,i n c l u d i n g s u r f a c e r o u g h n e s s a n d d i p,a r e q u a n-t i t a t i v e l y e x t r a c t e d f r o m t h e p o i n t c l o u d m o d e l.O n t h i s b a s i s,a s e t o f h u m a n-c o m p u t e r i n t e r a c t i v e i d e n t i-f i c a t i o n f o r d a n g e r o u s r o c k m a s s e s b a s e d o n D OM i m a g e s a n d g e o m e t r i c f e a t u r e s i s p r o p o s e d.[R e s u l t s] T h e a p p l i c a t i o n t o t h e E a s t s i d e s l o p e o f o p e n-p i t m i n e s h o w s t h a t b y s u p e r i m p o s i n g o u t c r o p s l o p e g e o m e t-r i c f e a t u r e s b a s e d o n D OM i m a g e s,t h e p r o p o s e d h u m a n-c o m p u t e r i n t e r a c t i v e i d e n t i f i c a t i o n m e t h o d c a n s i g n i f i c a n t l y i m p r o v e t h e e f f i c i e n c y a n d a c c u r a c y o f i d e n t i f i c a t i o n,a n d t h e i d e n t i f i c a t i o n o f o v e r h a n g i n g d a n g e r o u s r o c k m a s s i s m u c h m o r e r o b u s t t h a n v i s u a l o n e s.[C o n c l u s i o n]B y c o m b i n i n g i n n o v a t i v e r e m o t e s e n s i n g t e c h n o l o g i e s,t h e p r o p o s e d m e t h o d p r o v i d e s a f a s t a n d c o n v e n i e n t s o l u t i o n f o r t h e i d e n t i f i c a t i o n o f d a n g e r o u s r o c k m a s s e s o n h i g h a n d s t e e p r o c k y s l o p e s.K e y w o r d s:h i g h-s t e e p s l o p e;d a n g e r o u s r o c k m a s s;U A V L i D A R s y s t e m;g r o u n d i m i t a t i o n f l i g h t;3D p o i n t c l o u d m o d e lR e c e i v e d:2022-08-06;R e v i s e d:2022-09-28;A c c e p t e d:2022-10-03岩质高陡边坡是山区工程建设的主要地质环境和工程承载体,尤其是我国西南地区山高谷深㊁斜坡高陡,危岩落石灾害极为发育㊂作为一类广泛分布的灾害类型,落石由源区启动后沿坡面以随机的轨迹快速移动,其运移过程本身具有高度的不确定性,因此快速㊁准确识别危岩落石源头区域,确定其规模和影响范围并进行及时有效的处置对于矿山㊁交通㊁水利等大型工程建设的安全具有重要意义㊂无论采用何种方法评估危岩落石灾害(定性和定量)都需要关键剖面㊁材料特性㊁几何特征以及结构面特性的数据[1]㊂在过去几十年中,局限于地质调查条件,用于落石灾害和风险评估的数据大多通过传统的现场勘测和基于经验假设获取㊂危岩体快速识别的困难和复杂性源于高精度数据的高效获取和危岩体空间形态的量化困难㊁危岩体自身的隐蔽性和视觉解释能力有限[2-5]㊂随着无人机㊁激光雷达与图像处理技术的发展,无人机遥感技术已成为传统勘测手段的有力补充,可为灾害隐患排查提供多源数据信息,如图1所示㊂其中,基于无人机获取的影像信息和三维重建技术(s t r u c t u r e f r o m m o t i o n,简称S F M)生成数字正射影像(d i g t i t a l o r t h o p h o t o m a p,简称D OM),通过目视识别危岩体并提取危岩体发育特征是一项重要应用㊂然而,无人机作业时的天气㊁光照㊁角度等因素会降低D OM的质量,同时解译者主观判断上的偏差都会影响目视识别的准确性㊂作为一种主动式测绘技术,无人机激光雷达(L i D A R)技术不仅能够在短时间内高效获取并生成高精度模型,而且成图质量不受上述条件的制约,能够反映更精细的地表特征[6-9]㊂通过无人机搭载激光雷达系统,融合了无人机载体和三维激光雷达技术各自的优势,为地质灾害解译和风险评估提供了高精度数据支撑㊂无人机机动灵活㊁实时性强㊁可重复的优势结合L i D A R精度高㊁穿透性强的特点,在此基础上引入仿地飞行技术,弥补了常规扫描方式采样点有限㊁覆盖范围小㊁局部采集不到位的不足,可以实现对高陡边坡的全方位㊁多角度探测㊂无人机L i D A R系统支持以点22第6期 庞 鑫等:基于无人机L i D A R仿地飞行技术的高陡边坡危岩体快速识别方法图1 无人机遥感技术与传统地质勘察手段的结合F i g .1 C o m b i n a t i o n o f U A V r e m o t e s e n s i n g t e c h n o l o g ya n d t r a d i t i o n a l g e o l o g i c a l s u r v e y云的形式生成地质灾害风险区域的高分辨率㊁高精度三维模型,在此基础上通过手动或半自动方法识别结构面㊁凹腔㊁裂缝等危岩体典型特征[10-18],并从中提取精确的危岩体空间信息[19-26]㊂将无人机载L i D A R 和倾斜摄影技术相结合应用,可形成技术优势互补,有效提高数据的丰富性㊁真实性,能够快速获取地质灾害隐患点高分辨率㊁高精度的地貌影像和真实地表地形数据[27-28]㊂这也促使地质灾害解译逐步从目视识别向人机交互式识别方向发展㊂笔者拟基于无人机L i D A R 系统,通过引入仿地飞行技术实现岩质边坡空间信息高精度获取,在此基础上提取露头坡面岩体几何特征作为D O M 的补充材料辅助进行人机交互式危岩体识别㊂通过融合一系列新技术㊁新方法,可有效弥补当前地质灾害目视识别的不足,提高解译工作的效率和准确性㊂1 无人机L i D A R 系统的仿地飞行技术1.1无人机L i D A R 系统无人机L i D A R 系统充分发挥无人机载体和高性能三维激光移动测量技术的优势,可生成数字高程模型(d i gi t a l e l e v a t i o n m o d e l ,简称D E M )㊁数字表面模型(d i gi t a l s u r f a c e m o d e l ,简称D S M )和三维点云模型㊂其优势有:L i D A R 技术作为一种主动式测绘手段,不受天气㊁光照等条件制约,能在短时间内获取并处理大区域㊁大范围的地表空间信息,工作效率较高,同时保证作业的安全㊂此外,无人机L i -D A R 系统能够快速获取大范围区域的地面目标的空间坐标,获取的坐标具有较高的精度,并通过强度㊁回波次数等信息对探测目标进行识别和分类㊂同时,激光脉冲信号对植被具有一定的穿透能力,可以很大程度上减少植被枝叶遮挡等造成的信息损失,获取森林植被覆盖区域的真实地表数据㊂表1中对比了3类探测手段,对于较大区域的地质灾害㊁工程场地探测方面的应用,无人机激光雷达系统无论是在精度还是效率上都具有一定的优势㊂表1 3类探测手段的对比T a b l e 1 C o m p a r i s o n o f t h r e e d e t e c t i o n a p pr o a c h s 探测技术精度速度成本应用范围U A V 激光雷达非常高/c m很快高大范围/102k m2U A V 摄影测量较高/c m~m 较快较高较大范围/10k m2遥感卫星低很快较高全球范围1.2仿地飞行需要指出的是,无人机L i D A R 技术并非对所有工程场景都具有良好的效果:当L i D A R 激光几乎平行于不连续面时会导致方向产生偏差;当岩石表面的部分因凸出表面对L i D A R 激光的遮挡时会导致在点云数据中留下间隙㊂相比平飞,无人机仿地飞行可以适应更加复杂的地形,而且也有助于提高无人机飞行安全㊂仿地飞行是指无人机依据飞行区的地面起伏而始终保持在恒定的相对高度上飞行,在飞行作业中,通过已有三维地表数据D S M ,使无人机保持与地面目标的高度不变㊂仿地飞行具有以下优势:根据地形高低起伏自主调整飞行高度,对凸出表面遮挡区域进行多角度扫描;通过保持与地面的固定飞行高度,克服地形高差大和突出表面遮挡的问题,如图2所示,保证复杂地形条件下点云数据密度和数据分辨率的一致性[29],可以反映更精细的地表起伏和局部的微地形㊂图2 仿地飞行示意图F i g .2 S k e t c h m a p o f t h e g r o u n d i m i t a t i o n f l i gh t 本研究的技术流程如图3所示:首先针对高陡边坡研究区域,划定飞行区域,基于区域D S M 规划仿地飞行航线;架设地面基站并连接飞行器;无人机执行航线任务获取原始数据,后将数据进行三维点32h t t p s ://d z k j q b .c u g.e d u .c n 地质科技通报2023年云模型解算;对点云模型进行滤波处理,提取空间信息与几何特征并对危岩体和潜在灾害进行识别㊂图3 技术路线图F i g .3 T e c h n i c a l r o u t e o f t h e s t u d y2 典型露天矿山高陡边坡模型获取2.1研究区域如图4-a 所示,攀枝花某铁矿露天采场位于川滇南北构造带中段西侧与滇㊁藏 歹 字型构造的复合部位,区域内构造复杂,褶皱㊁断裂发育,以南北向及东北向构造为主㊂采场东侧研究区域地层岩性相对较为简单,开挖出露岩体主要为辉长岩和铁矿体,最深处高差达到348m ,整体边倾角56ʎ,台阶角达到70ʎ,属于典型的岩质高陡边坡,持续的爆破扰动下,露头坡面岩体破碎程度较高,节理裂缝发育㊂研究区域控制性断层F 106为一条近南北向的平移逆断层,爆破扩帮施工后,断层出露于坡面拐角处,如图4-b ,c 所示㊂2021年12月17日,采场东侧断层出露位置发生局部岩质崩塌,随后诱发地表风化层失稳㊂崩塌发生前,某铁矿露天采场东侧在进行扩帮施工㊂结合地质资料与无人机调查结果,如图4-d ,e 所示,确定采场东侧边坡失稳的主要诱发因素有3个:持续的爆破扰动;台阶与控制性断层斜交;扩帮后台阶拐角位置存在应力集中㊂崩塌发生后,爆破作业导致不断有小型垮塌发生,采场东侧边坡不断有落石和流土向下堆积㊂未来在爆破扰动的持续影响下,采场东侧边坡稳定性a .四川地形图及研究区域位置;b .F 106断层;c .失稳前研究区域D OM ;d .破坏前影像;e .破坏后影像图4 研究现场的总体情况F i g .4 O v e r a l l s i t u a t i o n o f t h e s t u d y si t e 依然较差㊂因此,亟需对采场东侧边坡危岩落石灾害开展进一步调查㊂2.2点云数据获取与解算鉴于采场东侧边坡仍有危岩落石的风险,通过D J I M 300R T K 搭载A l ph a A i r 450L i D A R 对采场东侧边坡失稳区域进行了高精度三维激光扫描,如图5-a 所示㊂A l ph a A i r 450L i D A R 平面精度达到0.01m ,高程精度达到0.02m ㊂本次航线参数设置如图5-b 所示:仿地飞行高度60m ,设置航向重叠率60%,旁向重叠率50%,飞行速度8m /s,回波次数3回波,采样频率72万点/s㊂将基准站架设在任意点位上,通过网络连接用户单位的连续运行卫星定位服务综合系统(c o n t i n u o u s o pe r a t i o n a l r ef e r -e n c e s ys t e m ,简称C O R S ),采集基站准确坐标,飞机具备R T K /P P K 融合差分作业模式,可获取高精度定位定资系统(p o s i t i o n a n d o r i e n t a t i o n s y s t e m ,简称P O S)数据㊂在确定L i D A R 系统的位置和方位后即可确定激光光斑的三维位置㊂在此基础上,通过获取激光测距系统到测量目标的距离以及系统姿态参数等信息,解算得出采场东侧边坡的三维点云[30]㊂相较无人机倾斜摄影技术,通过无人机搭载激光雷达可以42第6期 庞 鑫等:基于无人机L i D A R 仿地飞行技术的高陡边坡危岩体快速识别方法更快获取三维模型数据,为后续工作的开展节约了大量时间成本㊂a .D J I M 300R T K 搭载A l ph a A i r 450L i D A R ;b .仿地飞行航线图5 无人机设备与仿地航线规划F i g .5 U A V e q u i p m e n t a n d r o u t e p l a n n i n g o f gr o u n d i m i t a t i o n f l i gh t 3 危岩体快速识别方法3.1布料 模拟滤波采场东侧边坡坡顶地表植被茂密,需要对原始点云数据进行滤波处理,将地面点与非地面点进行分离㊂针对采场东侧边坡陡倾的特点,采用 布料模拟滤波算法(c l o t h s i m u l a t i o n f i l t e r ,简称C S F )[31]进行了地面点与非地面点的过滤与分离㊂滤波作为点云处理的第一步,对于后续几何特征提取的准确性至关重要㊂C S F 方法首先将三维点云倒置,然后通过模拟布料覆盖倒置后的点云,基于 布料 曲面的位置生成近似的地表形状,最后对比原始点云数据中的点和生成的 布料 曲面之间的距离,从而由原始点云数据中识别地面点(图6中蓝色点)并分离非地面点(图6中绿色点),滤波参数见表2㊂表2 C S F 参数T a b l e 2 C S F p a r a m e t e r s参数分辨率/m 最大迭代步分类阈值数值0.25000.2孤立的树木和稀疏的植被通常很容易通过应用自动滤波算法以及手动细化去除㊂然而,C S F方法图6 基于C S F 方法的地面点和非地面点分离F i g .6 S e p a r a t i o n o f g r o u n d a n d o f f -gr o u n d p o i n t s b a s e d o n C S F对于较陡的边坡进行滤波时会出现偏差,误将较陡的坡表识别为非地面点(植被),移除这部分非地面点会导致原始3D 点云中出现大量孔洞㊂因此需要对滤波参数进行反复尝试以得到较好的滤波效果㊂3.2危岩体空间信息提取与初步识别如图7所示,通过D OM 和三维点云的透视投影,可以对潜在落石灾害的规模做初步识别与判断㊂经过对比无人机拍摄的图像,基于D OM 和三维点云的透视投影可以识别部分特征明显的危岩体㊂危岩体#Ⅰ后壁与母岩分离,形成较宽的后壁缝隙,危岩体底部出现裂隙但未见压裂破碎状,在爆破扰动下强风化层流土向后壁裂缝内填充,危岩体有发生倾倒破坏的可能㊂危岩体#Ⅱ与#Ⅲ呈不规则块状,下部临空形成凹腔,在持续外营力作用下,有沿后缘裂隙破坏坠落的可能㊂图8通过三维点云模型剖面分析提取了危岩体的尺寸信息:根据图8-a ,c 剖面得到#Ⅰ号危岩体后壁裂缝深度被上方流土填充至1.9m ,危岩体后壁与母岩间的宽度为1.12m ,#Ⅰ号危岩体整体高度12.4m ,横向宽度18.9m ㊂由图8-b ,c 剖面图可知,#Ⅱ号危岩体整体高度6.8m ,凹腔深度3.1m ,横向宽度27.9m ㊂基于D OM 确定了岩质边坡露头坡面危岩体分布较为密集,划定露头位置作为研究区域,如图9所示,提取典型几何特征,包括结构面产状㊁表面粗糙度指数和倾向㊂3.3危岩体关键几何特征参数获取(1)结构面产状 从岩质边坡典型破坏类型来看,结构面特征及其组合关系对岩体稳定性往往起控制性作用㊂滤波后的地面点云通过D S E 软件[32]半自动识别其中的不连续结构面并进行聚类,以识别具有相同结构面特征的点簇,确定了J 1㊁J 2㊁J 3和J 4结构面点簇,每个点簇按聚类的结构面着色,如图10所示㊂倾角和倾向的结果以及每组结构面的占比如表3所示㊂占比最大的点簇J 1代表整体坡面52h t t p s ://d z k j q b .c u g.e d u .c n 地质科技通报2023年a .D OM (正视图);b .D OM (侧视图);c .三维点云透视投影(正视图);d .三维点云透视投影(侧视图)图7 基于D OM 和点云透视投影的危岩体初步识别F i g .7 P r e l i m i n a r y r e c o g n i t i o n o f d a n g e r o u s r o c k m a s s e s b a s e d o n D OM a n d p e r s p e c t i v e p r o je c t i o n of p o i n t c l o u d m o d el 图8 剖面分析F i g .8 P r o f i l e a n a l ys i s 面的方位,而其他点簇的占比相对较低,说明采场东侧边坡岩体的结构效应并不明显㊂(2)表面粗糙度指数 危岩体多突出于坡面,突出岩体大多呈不规则形状且边缘不平整[33],通过引入表面粗糙度指数来反映露头坡面的不平整特性[34]㊂根据这一特点,在高分辨率3D 点云中,可以表3 4组结构面产状信息T a b l e 3 F o u r s e t s o f d i s c o n t i n u i t i e s a n d t h e i r c h a r a c t e r i s t i c s点簇倾向/(ʎ)倾角/(ʎ)密度/(个㊃c m -3)产状点云占比/%J 1208.384338.73413.289868.46J 2358.556088.60010.12117.94J 310.107586.61470.12047.38J 4340.624386.04410.09596.1562第6期 庞 鑫等:基于无人机L i D A R仿地飞行技术的高陡边坡危岩体快速识别方法图9 采场东侧边坡露头研究区域F i g .9 S t u d y a r e a o f s l o p e o u t c r o p o n E a s t s i d e o f s t o pe 通过露头坡面的表面粗糙度来识别危岩体,危岩体局部往往具有更高的表面粗糙度,因此表面粗糙度的分布可以用于直接反映危岩体边缘[35],如图11所示㊂表面粗糙度指数即点云高程标准偏差,在以当前点i 为圆心,半径为1.0m 的采样窗口内计算点i 的表面粗糙度γ㊂计算公式为:γ=ð(z -z ')2n -1(1)式中:z 为采样点高程;z '为采样窗口内所有点的平均高程;n 为采样窗口中的点数㊂(3)倾向 受到天气㊁光照㊁拍摄角度等条件的影响,通过目视识别难以直接从D OM 中确定悬空位置㊂倾向是边(滑)坡分析中最重要的参数,对岩质边坡而言,一定的倾向区间可以直观反映出部分悬空岩块的位置㊂通过式(1)计算点云中每个点的倾向θ,基于主成分分析法(p r i n c i p a l c o m p o n e n t a n a l ys i s ,简称P C A )的特征值比率,检测表面粗糙度指数,提取危岩体的地貌特征,并基于3D 点云提取局部邻域中倾向的变化㊂|θ|=t a n -1N 2x +N 2y N z ㊃180π(2)式中:N x ,N y ,N z 为平面法向量分量㊂基于露头坡面三维点云模型计算得到的倾向如图12所示,由3个视角对点云模型倾向场的观察发现,通过提取-60ʎ~60ʎ倾向区间可以直观地反映图10 结构面点簇分布F i g.10 P o i n t c l u s t e r d i s t r i b u t i o n o f s t r u c t u r a l p l a n e 图11 表面粗糙度指数提取F i g .11 E x t r a c t i o n o f t h e s u r f a c e r o u gh n e s s i n d e x 72h t t p s ://d z k j q b .c u g.e d u .c n 地质科技通报2023年图12 露头坡面倾向F i g .12 D i p o f t h e o u t c r op图13 突出岩体悬空面提取(倾向)F i g .13 E x t r a c t i o n o f t h e s u s pe n d e d s u rf a c e o f t h e o u t b u r s t r o c k m a s s 悬空岩体的位置和规模,如图13所示㊂3.4人机交互式危岩体识别方法对于突出于坡面且规模不一的悬空危岩体,仅通过D OM 的目视识别很难加以判断㊂在D OM 的基础上,通过引入表面粗糙度指数和倾向等反映危岩体几何特征的参数,对悬空危岩体进行人机交互式识别:危岩体#Ⅱ后缘脱离母岩后形成陡坎,通过D O M 的目视识别即可进行判断,如图7-a 所示;对于形状不规则且下部临空形成凹腔的危岩体群#Ⅰ,仅通过D O M 很难进行识别,需要结合表面粗糙度指数和倾向等反映危岩体几何特征的参数加以判断,如图14黑色虚线区域所示,将局部粗糙度突变且相邻区域存在悬空面的初步识别为悬空危岩体,悬空危岩体的展布方向与F 106断层面接近平行㊂通过对照无人机拍摄的各时段露头照片(部分照片可以通过阴影识别孤立岩体),基于本文方法识别的危岩体可以很好地反映实际露头坡面危岩体的情况㊂通过获取岩质边坡的坡面D OM 和基于点云模型的关键几何特征参数,我们提出了基于多源数据融合的人机交互式危岩体识别方法,人机交互式识别方法中 人 是指基于高分辨率D OM 的目视识别; 机 是指基于高精度三维点云数据,提取点关键几何特征参数,辅助快速定位危岩体隐患点㊂对于局部粗糙度突变且相邻区域存在悬空面,识别为悬空危岩体,如图14黑色虚线围起的区域;对于存在连成面的呈狭长分布的突变粗糙度区域,识别为倾倒型危岩体的后壁陡坎(裂缝),如图14红色虚线围起的区域㊂82第6期 庞 鑫等:基于无人机L i D A R仿地飞行技术的高陡边坡危岩体快速识别方法图14 基于D OM 和几何特征参数的人机交互式识别F i g .14 H u m a n -c o m p u t e r i n t e r a c t i v e r e c o g n i t i o n b a s e d o n D OM i m a ge a n d g e o m e t r i cf e a t u r e s 4 结 论(1)持续的爆破作用和台阶拐角处的应力集中是导致采场东侧边坡崩滑灾害的主因㊂(2)无人机搭载激光雷达可以快速获取高陡边坡的三维模型数据,而仿地飞行技术的引入则保证模型可以反映更精细的地表起伏和局部的微地形㊂(3)对岩质边坡而言,通过一定的倾向区间可以直观地反映悬空部分的岩体的位置和规模,这对悬空危岩体的识别至关重要㊂(4)提出了一套基于D OM 和几何特征参数的危岩体人机交互式识别方法,在采场东侧边坡的应用情况表明:在D OM 的基础上,融合露头坡面几何特征参数的人机交互式识别可以弥补目视识别的不足,显著提高危岩体识别工作的效率和准确性㊂(5)采场东侧边坡危岩类型较多:部分突出的岩块悬空,重力的偏心分布加之外营力作用下,突出的岩体有突然崩落的可能;部分岩块与母岩剥离形成垂直后壁缝隙,在自重和层间推力(强风化层流土向后壁裂缝内堆积)作用下容易发生倾倒式破坏㊂(所有作者声明不存在利益冲突)参考文献:[1] D e B i a g i V ,N a po l i M L ,B a r b e r o M ,e t a l .E s t i m a t i o n o f t h e r e -t u r n p e r i o d o f r o c k f a l l b l o c k s a c c o r d i n g to t h e i r s i z e [J ].N a t u -r a l H a z a r d s a n d E a r t h S ys t e m S c i e n c e s ,2017,17(1):103-113.[2] G l a d e T.L a n d s l i d e o c c u r r e n c e a s a r e s po n s e t o l a n d u s e c h a n g e :A r e v i e w o f e v i d e n c e f r o m N e w Z e a l a n d [J ].C a t e n a ,2003,51(3/4):297-314.[3] C r o s t a G B ,A g l i a r d i F .P a r a m e t r i c e v a l u a t i o n o f 3D d i s pe r s i o n of r o c k f a l l t r a j e c t o r i e s [J ].N a t u r a l H a z a r d s a n d E a r t h S ys t e m S c i e n c e s ,2004,4(4):583-598.[4] M i c h o u d C ,D e r r o n M H ,H o r t o n P ,e t a l .R o c k f a l l h a z a r d a n dr i s k a s s e s s m e n t s a l o n g r o a d s a t a r e g i o n a l s c a l e :E x a m pl e i n S w i s s A l p s [J ].N a t u r a l H a z a r d s a n d E a r t h S y s t e m S c i e n c e s ,2012,12(3):615-629.[5] W a n g X ,F r a t t i n i P ,C r o s t a G B ,e t a l .U n c e r t a i n t y as s e s s m e n t i n q u a n t i t a t i v e r o c k f a l l r i s k a s s e s s m e n t [J ].L a n d s l i d e s ,2013,11(4):711-722.[6] 汤伏全,芦家欣,韦书平,等.基于无人机L i D A R 的榆神矿区采煤沉陷建模方法改进[J ].煤炭学报,2020,45(7):2655-2666.T a n g F Q ,L u J X ,W e i S P ,e t a l .I m p r o v e m e n t o f m i n i n g su b -s i d e n c e m o d e l i n g me t h o d b a s e d o n U A V L i D A R i n Y u s h e n m i n i n g a r e a [J ].J o u r n a l of C h i n a C o a l S o c i e t y,2020,45(7):2655-2666(i n C h i n e s e w i t h E n gl i s h a b s t r a c t ).[7] 冯威.高寒高海拔复杂艰险山区无人机勘察技术应用[J ].铁道工程学报,2019,36(8):9-13.F e n g W.A p p l i c a t i o n o f u n m a n n e d a e r i a l v e h i c l e s u r v e y te c h -n o l o g y i n a l p i n e a n d h i g h a l t i t u d e c o m pl e x a n d d i f f i c u l t m o u n -t a i n o u s a r e a [J ].J o u r n a l o f R a i l w a y E n g i n e e r i n g S o c i e t y ,2019,36(8):9-13(i n C h i n e s e w i t h E n gl i s h a b s t r a c t ).[8] 李杰林,杨承业,胡远,等.无人机三维激光扫描技术在地下采空区探测中的应用研究[J ].金属矿山,2020,49(12):168-172.L i J L ,Y a n g C Y ,H u Y ,e t a l .A p pl i c a t i o n r e s e a r c h o f U A V -L i D A R i n d e t e c t i o n o f u n d e r gr o u n d g o a f [J ].M e t a l M i n e ,2020,49(12):168-172(i n C h i n e s e w i t h E n gl i s h a b s t r a c t ).[9] 张欢,巨能攀,陆渊,等.基于无人机的滑坡地形快速重建与稳定性分析[J ].水文地质工程地质,2021,48(6):171-179.Z h a n g H ,J u N P ,L u Y ,e t a l .R a p i d r e m o d e l i n g of t h r e e -d i -m e n s i o n a l t e r r a i n a n d s t a b i l i t y a n a l ys e s o f l a n d s l i d e b a s e d o n U A V [J ].H y d r o g e o l o g y &E n g i n e e r i n g G e o l o g y,2021,48(6):171-179(i n C h i n e s e w i t h E n gl i s h a b s t r a c t ).[10]殷坤龙,张宇,汪洋.水库滑坡涌浪风险研究现状和灾害链风险管控实践[J ].地质科技通报,2022,41(2):1-12.Y i n K L ,Z h a n g Y ,W a n g Y.A r e v i e w o f l a n d s l i d e -ge n e r a t e d w a v e s r i s k a n d p r a c t i c e of m a n a ge m e n t of h a z a r d c h a i n r i s k f r o m r e s e r v o i r l a n d s l i d e [J ].B u l l e t i n o f G e o l o gi c a l S c i e n c e a n d T e c h n o l o g y ,2022,41(2):1-12(i n C h i n e s e w i t h E n gl i s h a b -s t r a c t ).[11]刘圣伟,郭大海,陈伟涛,等.机载激光雷达技术在长江三峡工程库区滑坡灾害调查和监测中的应用研究[J ].中国地质,2012,39(2):507-517.L i u S W ,G u o D H ,C h e n W T ,e t a l .T h e a p pl i c a t i o n o f a i r -b o r n e L i D A R t e c h n o l o g y i n l a n d s l i d e i n v e s t i ga t i o n a n d m o n i -t o r i n g o f T h r e e G o r g e s R e s e r v o i r a r e a [J ].G e o l o g y in C h i n a ,92h t t p s://d z k j q b.c u g.e d u.c n地质科技通报2023年2012,39(2):507-517(i n C h i n e s e w i t h E n g l i s h a b s t r a c t).[12]贾曙光,金爱兵,赵怡晴.无人机摄影测量在高陡边坡地质调查中的应用[J].岩土力学,2018,39(3):1130-1136.J i a S G,J i n A B,Z h a o Y Q.A p p l i c a t i o n o f U A V o b l i q u e p h o t o-g r a mm e t r y i n t h e f i e l d o f g e o l o g y s u r v e y a t t h e h i g h a n d s t e e ps l o p e[J].R o c k a n d S o i l M e c h a n i c s,2018,39(3):1130-1136(i nC h i n e s e w i t h E n g l i s h a b s t r a c t).[13]F a n t i R,G i g l i G,L o m b a r d i L,e t a l.T e r r e s t r i a l l a s e r s c a n n i n gf o r r o c k f a l l s t a b i l i t y a n a l y s i s i n t h e c u l t u r a l h e r i t ag e s i t e o fP i t i g l i a n o(I t a l y)[J].L a n d s l i d e s,2013,10(4):409-420.[14]V o g e M,L a t o M J,D i e d e r i c h s M S.A u t o m a t e d r o c k m a s s d i s-c o n t i n u i t y m a p p i n g f r o m3-d i me n s i o n a l s u rf a c e d a t a[J].E ng i-n e e r i n g G e o l o g y,2013,164:155-162.[15]C h e n J Q,Z h u H H,L i X J.A u t o m a t i c e x t r a c t i o n o f d i s c o n t i-n u i t y o r i e n t a t i o n f r o m r o c k m a s s s u r f a c e3D p o i n t c l o u d[J].C o m p u t e r s&G e o s c i e n c e s,2016,95:18-31.[16]D e w e z T J B,G i r a r d e a u-M o n t a u t D,A l l a n i c C,e t a l.F a c e t s:Ac l o ud c o m p a re p l u g i n t o e x t r a c t g e o l o g i c a l p l a n e sf r o m u n s t r u c-t u r e d3D p o i n t c l o u d s[J].X X I I I I S P R S C o n g r e s s,2016,41 (B5):799-804.[17]G o m e s R K,d e O l i v e i r a L P L,G o n z a g a L,e t a l.A n a l g o r i t h mf o r a u t o m a t i c d e t e c t i o n a n d o r i e n t a t i o n e s t i m a t i o n o f p l a n a rs t r u c t u r e s i n L i D A R-s c a n n e d o u t c r o p s[J].C o m p u t e r s&G e o-s c i e n c e s,2016,90:170-178.[18]B o r d e h o r e L J,R i q u e l m e A,C a n o M,e t a l.C o m p a r i n g m a n u a la n d r e m o t e s e n s i n g f i e l d d i s c o n t i n u i t y c o l l e c t i o n u s e d i n k i n e-m a t i c s t a b i l i t y a s s e s s m e n t o f f a i l e d r o c k s l o p e s[J].I n t e r n a t i o n-a l J o u r n a l o f R o c k M e c h a n i c s a n d M i n i n g S c i e n c e s,2017,97:24-32.[19]G u o J T,L i u Y H,W u L X,e t a l.A g e o m e t r y-a n d t e x t u r e-b a s e d a u t o m a t icd i s c o n t i n u i t y t r a ce e x t r a c t i o n m e t h o df o r r o c km a s s p o i n t c l o u d[J].I n t e r n a t i o n a l J o u r n a l o f R o c k M e c h a n i c sa n d M i n i n g S c i e n c e s,2019,124:104132.[20]R i q u e l m e A J,A b e l lán A,T o más R.D i s c o n t i n u i t y s p a c i n g a-n a l y s i s i n r o c k m a s s e s u s i n g3D p o i n t c l o u d s[J].E n g i n e e r i n gG e o l o g y,2015,195:185-195.[21]R i q u e l m e A,T o más R,C a n o M,e t a l.A u t o m a t i c m a p p i n g o fd i s c o n t i n u i t y pe r s i s t e n c e o n r o c k m a s s e s u s i n g3D p o i n t c l o u d s[J].R o c k M e c h a n i c s a n d R o c k E n g i n e e r i n g,2018,51(10): 3005-3028.[22]S l o b S.A u t o m a t e d r o c k m a s s c h a r a c t e r i s a t i o n u s i n g3D t e r r e s-t r i a l l a s e r s c a n n i n g[D].D i s s e r t a t i o n:I n t e r n a t i o n a l I n s t i t u t e f o rG e o-i n f o r m a t i o n S c i e n c e a n d E a r t h O b s e r v a t i o n,2010.[23]S t u r z e n e g g e r M,S t e a d D,E l m o D.T e r r e s t r i a l r e m o t e s e n s i n g-b a s e d e s t i m a t i o n o f m e a n t r ac e l e n g t h,t r a c e i n t e n s i t y a nd b l o c ks i z e/s h a p e[J].E n g i n e e r i n g G e o l o g y,2011,119(3/4):96-111.[24]U n l u s o y D,S u z e n M L.A n e w m e t h o d f o r a u t o m a t e d e s t i m a-t i o n o f j o i n t r o u g h n e s s c o e f f i c i e n t f o r2D s u r f a c e p r o f i l e s u s i n g p o w e r s p e c t r a l d e n s i t y[J].I n t e r n a t i o n a l J o u r n a l o f R o c k M e-c h a n i c s a nd M i n i n g S c ie n c e s,2020,125:104156.[25]Z h a n g P,Z h a o Q Y,T a n n a n t D D,e t a l.3D m a p p i n g o f d i s c o n-t i n u i t y t r a c e s u s i n g f u s i o n o f p o i n t c l o u d a n d i m a g e d a t a[J].B u l l e t i n o f E n g i n e e r i n g G e o l o g y a n d t h e E n v i r o n m e n t,2019,78(4):2789-2801.[26]A l b a r e l l i D S N A,M a v r o u l i O C,N y k t a s P.I d e n t i f i c a t i o n o fp o t e n t i a l r o c k f a l l s o u r c e s u s i n g U A V-d e r i v e d p o i n t c l o u d[J].B u l l e t i n o f E n g i n e e r i n g G e o l o g y a n d t h e E n v i r o n m e n t,2021,80(8):6539-6561.[27]贾虎军,王立娟,范冬丽.无人机载L i D A R和倾斜摄影技术在地质灾害隐患早期识别中的应用[J].中国地质灾害与防治学报,2021,32(2):60-65.J i a H J,W a n g L J,F a n D L.T h e a p p l i c a t i o n o f U A V L i D A Ra n d t i l t p h o t o g r a p h y i n t h e e a r l y i d e n t i f i c a t i o n o f g e o-h a z a r d s[J].T h e C h i n e s e J o u r n a l o f G e o l o g i c a l H a z a r d a n d C o n t r o l, 2021,32(2):60-65(i n C h i n e s e w i t h E n g l i s h a b s t r a c t). [28]吕权儒,曾斌,孟小军,等.基于无人机倾斜摄影技术的崩塌隐患早期识别及影响区划分方法[J].地质科技通报,2021,40(6):313-325,334.L v Q R,Z e n g B,M e n g X J,e t a l.E a r l y i d e n t i f i c a i o n a n d i n f l u-e n c e r a n g e d i v i s i o n m e t h o d of c o l l a p s e h a z a r d s b a s e d o n U A Vo b l i q u e p h o t o g r a p h y t e c h n o l o g y[J].B u l l e t i n o f G e o l o g i c a l S c i-e n c e a n d T e c h n o l o g y,2021,40(6):313-325,334(i n C h i n e s ew i t h E n g l i s h a b s t r a c t).[29]陈飞,崔健,王郑.垂起固定翼无人机激光雷达的电力巡检应用[J].测绘科学,2020,45(12):77-80,125.C h e n F,C u i J,W a n g Z.A p p l i c a t i o n o f v e r t i c a l f i x e d-w i n g U A Vc a r r y i n g L i D A R s y s t e m o n p o w e r l i n e i n s p e c t i o n[J].S c i e n c e o fS u r v e y i n g a n d M a p p i n g,2020,45(12):77-80,125(i n C h i n e s e w i t h E n g l i s h a b s t r a c t).[30]梁峰.基于遥感技术与深度学习的四川高陡山区典型地质灾害识别[D].成都:成都理工大学,2021.L i a n g F.T h e i d e n t i f i c a t i o n o f t y p i c a l g e o h a z a r d s i n S i c h u a n s t e e p m o u n t a i n o u s b a s e d o n r e m o t e s e n s i n g t e c h n o l o g y a n dd e e p l e a r n i n g t e c h n o l o g y[D].C h e n g d u:C h e n g d u U n i v e r s i t y o fT e c h n o l o g y,2021(i n C h i n e s e w i t h E n g l i s h a b s t r a c t).[31]Z h a n g W M,Q i J B,W a n P,e t a l.A n e a s y-t o-u s e a i r b o r n e l i d a rd a t a f i l te r i n g m e t h o d b a s e d o n c l o t h s i m u l a t i o n[J].R e m o t eS e n s i n g,2016,8(6):501.[32]R i q u e l m e A J,A b e l lán A,T o más R,e t a l.A n e w a p p r o a c h f o rs e m i-a u t o m a t i c r o c k m a s s j o i n t s r e c o g n i t i o n f r o m3D p o i n tc l o ud s[J].C o m p u te r s&G e o s c i e n c e s,2014,68:38-52.[33]崔溦,谢恩发,张贵科,等.利用无人机技术的高陡边坡孤立危岩体识别[J].武汉大学学报:信息科学版,2021,46(6):836-843.C u i W,X i e E F,Z h a n g G K,e t a l.I d e n t i f i c a t i o n o f i s o l a t e d d a n g e r-o u s r o c k m a s s i n h i g h a n d s t e e p s l o p e u s i n g u n m a n n e d a e r i a l v e h i c l e [J].G e o m a t i c s a n d I n f o r m a t i o n S c i e n c e o f W u h a n U n i v e r s i t y, 2021,46(6):836-843(i n C h i n e s e w i t h E n g l i s h a b s t r a c t).[34]Çe v i k E,T o p a l T.G I S-b a s e d l a n d s l i d e s u s c e p t i b i l i t y m a p p i n gf o r a p r o b l e m a t i c s eg m e n t o f th e n a t u r a l g a s pi p e l i n e,H e n d e k(T u r k e y)[J].E n v i r o n m e n t a l G e o l o g y,2003,44(8):949-962.[35]M c K e a n J,R o e r i n g J.O b j e c t i v e l a n d s l i d e d e t e c t i o n a n d s u r f a c em o r p h o l o g y m a p p i n g u s i n g h i g h-r e s o l u t i o n a i r b o r n e l a s e r a l-t i m e t r y[J].G e o m o r p h o l o g y,2004,57(3/4):331-351.03。