针对大型滑坡这种隐蔽性“突发疾患”，成都理工大学地质灾害防治与地质环境保护国家重点实验室与8所高校和科研院所展开联合攻关，通过“望闻问切”深入探索有效的预警之道。

　　在各类常见的地质灾害中，具有隐蔽性和突发性特点的大型滑坡不仅难以主动防范，而且监测预警的难度非常高。在中国地形地质条件极为复杂的西部山区，大型滑坡这种突发性隐疾的分布尤其广泛，其规模大、成灾机理复杂、识别预警难度大、灾害损失极为严重，在全球范围内都具有典型性乃至独特性，给人民生命财产带来巨大损失并对社会公共安全构成严重威胁。

　　为了有效应对大型滑坡这种隐蔽性“突发疾患”，成都理工大学地质灾害防治与地质环境保护国家重点实验室于2013年牵头承担了国家973计划项目“大型隐蔽性滑坡致灾因子识别、前兆信息获取与预警方法研究”，与同济大学、武汉大学、中国科学院测量与地球物理研究所、成都山地灾害与环境研究所、遥感与数字地球研究所、中国地震台网中心等8所高校和科研院所组成联合研究团队，旨在给大山“把脉”，找出有效的预警方法。

望：立体观（探）测

　　要实现有效预警，避免滑坡带来的各类伤害，必须首先探明大型滑坡的孕育和形成过程。这是一个相当复杂的地质过程，联合研究团队需要观测和探测滑坡演化过程中的关键信息指标，从而实现滑坡的早期识别和前兆判别。为此，联合研究团队通过研发和发展现代先进观(探)测技术手段和方法，首次提出了大型滑坡的天-空-地-内一体化多源立体智能观(探)测，实现了多源传感器网络智能集成、实时传输和分析处理。

　　一方面，研发了基于像素偏移跟踪的卫星雷达遥感技术(SAR Pixel Offset Tracking)，整合了基于相位的差分干涉技术和基于振幅的点目标偏移分析技术(Hybrid-SAR)，并形成了基于低空无人机和高精度三维激光扫描测量等的滑坡地面信息自动提取技术，从而实现了复杂山区滑坡地表形变的精确观测;另一方面，开发了滑坡内部信息(地质结构、地下水分布)的微震和电磁探测技术、滑面孕育及动态演化破裂的次声和微电流探测技术，以及基于地震台网监测提取典型滑坡灾变过程响应特征的技术(采用这一技术可以有效探测大型滑坡内部变形破坏信息)。在四川理县、丹巴县城和青海拉西瓦电站进行的示范应用显示，联合研究团队的成果取得了较好的实践效果。

闻：由表及里

　　由于斜坡的地形条件和地质结构不同，滑坡力学模式(或者说是滑坡变形破坏和运动的形式)也是不同的。因此只有研究查明了大型滑坡成因机理模式，才能从原理上科学地解释滑坡过程，并从根本上解决滑坡早期识别和预警的难题。

　　联合研究团队在近10年积累的研究经验的基础上，通过一系列大型模型试验、模拟分析和野外观测研究探索，提出了基于关键致灾因子的大型隐蔽性滑坡分类方案和成因机理模式体系，揭示了4种关键致灾因子(包括锁固段型、软弱基座型、弱面控制型、深层倾倒型)、10余类典型滑坡长期演化过程及其地质力学行为机理，例如倾倒(Topple)和滑移(Slide)。倾倒又分为块体倾倒、压缩-倾倒、浅层倾倒和深层倾倒;滑移又分为旋转滑移(Rotational Slide)、平面滑移(Planar Slide)和不规则滑移(Irregular Slide)。其中旋转滑移包括蠕滑-拉裂、蠕滑-拉裂-剪断、压缩-拉裂-剪断、塌陷-拉裂-剪断、滑移-弯曲-剪断和滑移-剪断;平面滑移包括滑移-拉裂(土)、顺层滑移-拉裂(岩)、平推式滑移;不规则滑移包括视倾向滑移-剪断、塑流-拉裂、阶梯状滑移、滑移-剪断(支撑拱)。

问：前兆识别

　　目前中国有百万余处地质灾害点(含隐患点)，其中重特大地质灾害点3.4万余处，在常见的各类地质灾害中，滑坡的数量占灾害总量超过70%，大型滑坡造成的人员伤亡又占总伤亡人数的70%左右。在这种情况下，掌握了山体滑坡的成因机理后，通过哪些关键特征可以准确地识别大型滑坡，哪些信息可以认为是滑坡发生的前兆呢?

　　为了更加准确且形象地表达和描述滑坡地质结构、变形破坏状态和变形特征、临滑前兆等信息，在研究查明不同类型滑坡演化过程中的“关键致灾因子”的基础上，联合研究团队首次系统地建立了大型隐蔽性滑坡成灾模式的三维识别图谱及识别指标体系，从而可以据此进行滑坡早期识别和临滑前兆判别。该成果进一步丰富和完善了国际滑坡分类标准，为滑坡识别预警提供了重要的理论基础，从而大大提高了大型隐蔽性滑坡识别的准确率和效率。

切：预警探究

　　传统的滑坡预报都主要根据滑坡的常规监测数据(主要是位移和变形速率)进行拟合外推预报，由于没有考虑滑坡的具体类型、成因模式、诱发因素(比如降雨和地震)等，仅是数学上的外推，因此很难对具体滑坡做出真正准确的预测预报。联合研究团队则通过研究和查明不同类型、不同成因模式和不同变形破坏特点滑坡的个性和共性特征以及内在成因机理，实现了大型滑坡的地质模型、力学机理模型与观测数据的有机结合，点、线、面不同空间尺度的有机结合，中长期、短期、临滑不同时间尺度的有机结合;并基于此研发构建了一套滑坡时-空有机结合的综合预警预报技术方法体系和滑坡四级综合预警准则。

　　在此过程中，联合研究团队研究了热带低频振荡(MJO)对云贵高原与四川盆地等地强降水的影响，研发了中期延伸期预报方法、考虑地形和雨量条件的红层地区浅层土质滑坡预警模型、基于机器学习的滑坡多源观测数据融合与位移预测模型，以及滑坡地质-力学-变形耦合分析预警模型等。从大型滑坡演化过程和成灾机理出发建立的预警模型，使得滑坡预警条件变得更加充分，进一步提高了滑坡预警预报的精度和成功率。目前该成果已在四川丹巴和甘肃黑方台地区的滑坡预警实践中得到了有效应用。

　　总而言之，针对大型滑坡的预测预警是一个世界性难题，尤其是在中国地形地质条件极为复杂的西部山区。这一问题的研究和解决不仅需要工程地质学、岩土力学等学科的努力，更需要与现代地球物理、测绘、地理信息与遥感和气象等学科的深度交叉融合，以及由此而产生的先进理论与技术方法的支撑。联合研究团队通过不同学科领域项目成员间4年多的交叉融合和联合攻关，大大提高了大型滑坡这项“隐疾”的识别效率和灾害预警的成功率，进一步提升了中国地质灾害的防御水平。

　　作者：黄润秋、许强、汤明高、刘春、廖明生

　　(黄润秋，教授，国家973计划项目首席科学家，成都理工大学地质灾害防治与地质环境保护国家重点实验室主任;许强、汤明高，成都理工大学教授;刘春，同济大学教授;廖明生，武汉大学教授)