一、项目背景

        我国是世界上受地质灾害威胁最严重的国家之一，全国现有登记在册的地质灾害隐患点 30 余万处，受目前灾害调查手段和人类认知水平的限制，还有大量的地质隐患尚未查清。

        这些灾害隐患点不仅仅集中发育在我国西部山区，深圳同样也有大量的地质灾害，其作为中国经济高度发达城市之一，人为改造活动日益频繁，这使得深圳开挖斜坡基数大、分布面广，因此斜坡类地质灾害是造成深圳主要人员伤亡的灾害之一。

        虽然灾害规模多为人类工程活动形成的中小型隐患。但由于深圳人口、建筑等承灾体分布密集，使得灾害造成的损失极为严重。

全国地址灾害分布图

        降雨是诱发深圳市地质灾害的主要因素之一，比如深圳市人民政府新闻办公室发布的一则新闻：因受近日连降特大暴雨的影响， 6 月 29 日上午 6：30 时，深圳龙岗区布吉街道沿河路木棉湾社区发生一起山体滑坡，导致附近4栋住宅楼受损，其中 2 栋住宅楼被山泥挤压，受损严重，致使一楼部分居民被困。受损住宅楼共有居民 75 人，其中 61 人自救逃生，9 人被营救出（其中 1 人送医院途中死亡）。截止上午 11：30 时，现场发现仍有1人被困，另有 4 人失踪。

        这些灾难性事件发生不是一蹴而就的，都有其演化、发展的过程，只要我们通过合理、有效的技术手段，可以说大部分都能提前发现隐患特征、变形征兆，从而有效避免或者削弱危害的程度。

滑坡受灾现场

        由地质灾害防治与地质环境保护国家重点实验室（以下简称：实验室）许强教授团队提出的地质灾害早期识别“三查”技术体系方法，已在全国多个省市、地区、部门推广应用，取得了一定的成效，经过了实践检验。

        深圳的北西向和北东向发育分布着面积不小的山地和丘陵，植被异常茂密，这些山地坡脚就是我们的城市道路和建筑物，这些山地区域暗藏着不少我们还未发现的安全风险，用传统的调查手段很难识别。而机载 LiDAR 技术通过多次回波技术穿透地面植被，从而获得高精度真实地表数据，利用此技术在深圳区域开展灾害的识别调查就特别适用，能有效的解决植被遮挡问题，再结合好我们传统的防灾减灾手段，可以发现大部分的灾害威胁。

搭载激光扫描仪与光学相机荷载的航空遥感“详查”地质灾害技术流程图

        自 2020 年 5 月，由深圳市城市公共安全技术研究院牵头组织，联合了许强教授为项目负责人，董秀军高级实验师、郑达教授等实验室研究人员组成的科研队伍通过前后两期共历时 17 个月时间完成了覆盖深圳市全域 1600 km² 山地丘陵的机载 LiDAR 遥感数据采集与地质灾害解译调查工作。

二、调查区介绍

        深圳地处珠江三角洲东岸，东经 113°46′ 至 114°37′，北纬 22°27′ 至 22°52′，隶属广东省，副省级市，东临大亚湾和大鹏湾，西濒珠江口和伶仃洋，南边隔深圳河与香港相连，北部与东莞、 惠州两城市接壤，辽阔海域连接南海及太平洋，地形地貌主要为低山、丘陵及河谷平原组成，山体之间的平原地区属洪积阶地、冲洪积平原与泻湖平原，地形起伏较大，全市山地面积约1600km2，平均海拔 70 至 120 米。

        截至 2021 年，深圳下辖 11 个区级单位：罗湖区、福田区、南山区、宝安区、龙岗区、盐田区、龙华区、坪山区、光明区、大鹏新区以及深汕特别合作区。

深圳市地理位置及行政区划图

        深圳属南亚热带海洋性季风气候，年降雨均量达 1935.8 mm，全年 86% 的雨量出现在夏季（ 4～9 月）。深受季风影响，春季常有低温阴雨、强对流、春旱等，少数年份还可出现寒潮；夏季受锋面低槽、热带气旋、季风云团等天气系统的影响，暴雨、雷暴、台风多发，暴雨持续时间较长，使得降雨成为诱发地质灾害的主要因素之一；另外，截止 2020 年，深圳现已建成公园 942 个，绿化覆盖率为 45%，大部分山地植被覆盖密集，使得基于传统光学遥感手段难以查明茂密植被下的古老地质灾害体以及地质灾害风险点。

三、机载 LiDAR 技术在地质灾害调查应用介绍

        机载激光雷达（ Airborne LiDAR ）是遥感测绘领域的一门新兴技术。其结构组成主要包括位置测量系统、姿态测量系统、激光测距系统(点云获取)、数码相机(影像获取)等设备，机载LiDAR不仅能够提供高分辨率、高精度的地形地貌影像，同时通过多次回波技术穿透地面植被，利用滤波算法有效去除地表植被，获取真实地面的高程数据信息，为高植被覆盖区的灾害调查及风险评价提供了重要手段。

机载激光雷达（LiDAR）植被穿透能力解决高植被覆盖区地质灾害识别原理

        机载激光雷达技术从 2000 年开始就被意大利、奥地利、美国等国家率先应用于地质灾害的识别解译，之后日本、新西兰、比利时、土耳其等国家和地区也先后开展了此类工作；在世界范围内以香港地区地质灾害防治效果最为突出，过去 10 年，激光雷达被认为是针对香港独特地形环境的地质灾害调查最有效手段，早在 2010 年，香港就已经实现了全港机载 LiDAR 的数据采集，2020 年刚刚完成了第二次机载 LiDAR 数据获取，香港政府机构通过高精度机载 LiDAR 数据识别出掩藏在植被层下疑似滑坡体和微形变地貌形态，并将结果纳入其滑坡灾害管理与防治体系，大大降低了香港地质灾害造成的危害。

第42届亚洲遥感会议《推进激光雷达在岩土工程的应用-在香港10 年回顾》报道

        自 2020 年全国两会上，许强教授作为全国政协委员向国家建议实施我国的全域“激光雷达计划”，近三年来，灾害调查领域大范围开展机载 LiDAR 应用的态势已然兴起，地灾国重实验室相关研究人员主要在四川九寨沟、丹巴、茂县等地质灾害重点防治区域开展过局域机载 LiDAR 灾害识别解译工作，并取得了很好的效果。另外贵州、安徽等山区省份也已在试点应用。

        深圳作为中国一线城市，经济实力强大，其城市安全防控也尤为重要，本次项目调查工作范围覆盖深圳市全域、应用面广、承灾对象复杂，是我国大陆地区首次利用机载激光雷达技术进行城市及其周边大起伏地形区域进行遥感减灾探索的引领性案例，具有示范性应用意义，在提高深圳城市韧性的同时，能够为中国其他地区地质灾害风险防范与韧性城市建设提供宝贵经验。

四、项目主要成果

（1）城市地质灾害机载 LiDAR 遥感识别技术方法与调查体系构建

        深圳市斜坡基数大、灾害规模小、人口分布密集，对遥感地质灾害调查精度要求极高，因此数据采集选用双向激光扫描获取了高密度点云，制作了 0.2 m 分辨率高精度 DEM，同时结合同步搭载相机获取的0.3m分辨率正射影像图（DOM）、无人机倾斜摄影测量为辅的多源信息结合的方式，完成了优于1:2000比例尺的地质灾害遥感识别工作，以遥感解译、地面调查、测绘及工程勘查为主要手段，查明深圳示范区内存在的崩塌、滑坡、泥石流及斜坡（不稳定斜坡、人工边坡）等地质灾害点及地质灾害隐患点的发育特征、分布规律以及形成的地质环境条件，并制定基于单体和区域的风险评价方法体系，为防灾减灾和制定区域防灾规划提供基础地质依据。

深圳城市地质灾害机载LiDAR遥感调查技术方法体系

（2）深圳市机载LiDAR地质灾害（隐患点）分布位置，类型、数量、规模及威胁对象信息获取

        按照本次项目解译成果划分依据，共识别地质灾害易发点约 3501 处，地质环境点 2552 处，并结合运用高精度 DEM 生出的坡度、坡向、粗糙度等地形因子完成了灾害规模、类型、数量、威胁对象等遥感信息统计，并针对所有地质灾害隐患点进行野外 100% 复核。 

        通过机载 LiDAR 的高穿透率、高分辨率等特点，能够通过遥感解译、现场验证、分类统计等系统化处理流程完成深圳市高植被覆盖区域的隐蔽地质灾害及其孕灾背景调查，通过不同分级的解译成果（地层岩性、断裂构造、不良地质现象点、地质灾害隐患点、地质环境点等）满足各级部门不同的需要。

深圳市机载LiDAR遥感解译成果分布图

（3）深圳市机载LiDAR地质灾害发育特征与分布规律统计分析

        灾害发育特征

        主要结合现场调查情况，针对不同地质灾害隐患点和不良地质现象进行发育特征总结，包括从平面形态、剖面形态、物质组成结构、成因及诱发因素、失稳特征模式进行规律性总结，并形成具有深圳市独特地质环境特点的灾害发育特征识别体系构建。

        灾害分布规律

        结合深圳市地质灾害解译及其基本地质资料的掌握，深圳市的斜坡类灾害，主要分为三种类型：受人类工程活动和地形影响的滑坡（不稳定斜坡）类地质灾害，受岩体结构和人类工程活动影响的崩塌（危岩）类地质灾害，极端天气情况下可能诱发的低频泥石流灾害。主要基于高精度 DEM 数据获取区域地形特征、地质资料与野外调查所获取的地质特征，人类工程活动的影响，长期监测所获取降雨量数据进行分布规律分析。

深圳地形因子与灾害发育分布统计图

深圳地层构造与灾害发育分布统计图

深圳人类工程活动与灾害发育分布统计图

深圳降雨量与灾害发育分布统计

（4）深圳市机载 LiDAR 的地质灾害风险评价与防治分区规划

        单体地质灾害风险评价

        由于本次案例研究范围大，针对单体灾害的风险评价主要依据《中国地质局地质调查标准》中提出的半定量半定性打分评价法，同时为了避免人为打分的主观性，构建了基于深圳市地质灾害发育特征的各评价因子打分依据及标准，并对各类单体灾害风险评价结果进行了归一化处理，采用相应的划分区间，确定了五个风险等级，并针对每个等级系统归纳了灾害发育特征及建议防治措施。

        区域地质灾害风险评价

        另外为了评价整个深圳市高植被覆盖区的风险情况，采用 0.2 m 分辨率 DEM 栅格作为评价单元，并将结果区域统计至 10×10 m 大小的网格增强可视化效果，在机载 LiDAR 解译成果及已有入库灾害的基础上，采用数据驱动模型方法选择具有强相关性的 16 个易发性评价因子，并进行独立性检验后对深圳市地质灾害易发性进行评价，同时结合深圳市区内雨量站的数据，获取了该区域内不同时段的不同灾害（包括崩滑类灾害、孤石灾害、泥石流灾害）的动态危险性评价结果。

        同时采用证据权重法确定了承灾对象及权重大小，通过机载 LiDAR 及已有城市资料信息生成了涵盖了人口、经济、环境 3 个大类别的地质灾害易损性图层，通过将危险性图层与易损性图层叠加，获取了调查区内不同时段、不同降雨量大小、不同承灾对象、不同灾害类型的动态风险性（五级）评价结果。

深圳市地质灾害易发性评价结果（以崩滑类灾害为例）

深圳市降雨诱发地质灾害危险性评价结果（以崩滑类灾害为例）

深圳市降雨诱发地质灾害易损性及风险性评价结果（以崩滑类灾害为例）

五、项目完成效果展示

（1）基于机载 LiDAR 的深圳市数字高程模型（DEM）与植被滤波可视化效果

        机载 LiDAR 针对茂密植被山区的地质灾害调查已取得明显成效该技术可有效剔除植被影响获取真实地面信息，为深圳市植被覆盖山区地质灾害隐患识别提供了新的解决方案，尤其是发现历史上的古老滑坡，或曾经活动过但又没有整体滑动，以及因地震等强烈作用形成的震裂山体，深圳市三维模型与可视化效果如下图所示。

深圳市罗湖区莲塘街道梧桐山一角（光学影像）

深圳市罗湖区莲塘街道梧桐山一角（山体阴影）

（2）断层判读与几何定位

        在基于 LiDAR 的三维实景模型与数字高程模型上，可以发现地质构造的各种主要地形地貌标志：一是断层破碎带，是由断层造成的岩石强烈破碎的地段；二是断裂控制的山脊线发生错动；三是断层三角面，是由断层破碎带发育而成的近三角形坡面。

深圳市 1：50000 地质图与三维地质沙盘叠加效果图

错动山脊形成的解译地质断层与已有断层对比情况

走滑断层形成的岩石破碎带

山体地貌出现明显错动与凹陷

（3）高位隐蔽性地质灾害调查与可视化效果

        传统地质灾害隐患排查工作主要依赖地灾调查专员现场踏勘与群测群防。对于深圳市大面积出露的高位隐蔽花岗岩风化球危岩很难到达现场调查并防治，而基于机载 LiDAR 的地质灾害调查不仅可以清晰查明高位地表出露的危岩带分布位置而且搭配无人机摄影测量技术可以高效实现灾害体的几何参数、岩体结构面切割情况、稳定性评估等工作，解决了传统地质灾害调查高位隐蔽性灾害调查的短板。

深圳市机载LiDAR地质灾害典型解译标志对比

（4）区域地质灾害风险评价效果

        从评价精度来看，采用 DEM 栅格作为评价单元更加适合深圳中小型斜坡类地质灾害分布特点的危险性评价。为了充分发挥地质灾害防治的社会效益和生态效益，基于机载 LiDAR 数据的地质灾害精细化危险评价特点与要求，可将危险性评价结果图层叠加至三维模型中以达到更好的可视化效果，如下图所示，展示了各类典型地质灾害危险评价结果及现场情况。运用机载 LiDAR 高精度地形数据中提取致灾因子并完成危险性评价能够从灾害体单元精度上高效、准确的完成深圳地质灾害发育概率与危险性程度的预测，并且对未开发山区土地利用规划也具有良好的指导意义。

深圳斜坡类地质灾害危险性精细化评价可视化效果

六、结语

        深圳是我国的先行示范区，很多工作都走在全国的前列。深圳市城市公共安全技术研究院联合成都理工大学开展的机载激光雷达地质灾害调查工作，突破传统灾害风险调查的极限和瓶颈，提高地质灾害辨识的效率、覆盖率和准确性，解译出更多隐藏的地质灾害易发点，开展全面的风险评估，能够提升类似深圳人口密集城市的地质灾害分析、监测、预警、应急服务能力。

        是中国内地利用激光雷达技术开展城市地质灾害遥感调查的首例，数据十分宝贵、不仅可以用于城市基础设施规划、地质灾害隐患排查、地质灾害风险普查提供支撑，在未来也能够为构建城市数字孪生计划提供三维地形数据和数字化信息，是实现城市数字化治理和发展数字经济的重要载体，城安院探索工作意义重大，这项工作既是一次尝试也是一次创新。

原文来自微信公众号地灾防治国家重点实验室（https://mp.weixin.qq.com/s?__biz=MzkxMzEyNzc4NQ==&mid=2247491634&idx=1&sn=eef6aa4f409d838f8fdc0a043567dfca&chksm=c100c034f677492274a0cb8ae2a0534c2863584e9fc6c75f1f7911f47e89a73ed23f6a24770d&scene=27）