1、DOI：10.12401/j.nwg.2022034滑坡匀速变形阶段快速诊断方法研究王朋伟，安玉科*（甘肃省交通规划勘察设计院股份有限公司，甘肃 兰州730030）摘要：改进切线角预警模型是一种有效的滑坡预警方法，但改进切线角模型的机制是以准确识别匀速变形阶段及其速率为基础的，滑坡的匀速变形速率是随着孕灾环境变化和滑坡演化阶段而波动的，相同模型在不同匀速变形速率下得出的切线角存在较大差异，对滑坡预警不利。因此，笔者提出采用曲线凸凹特性与滤波技术的自适应获取滑坡匀速变形阶段和平均速率，并建立速率可靠性评价规则，从而实现对改进切线角预警模型进行实时修正，确保滑坡预警的准确性。该研究为滑坡监测预警智
2、能化、自动化实时处理监测预警数据提供技术支持。关键词：滑坡；监测预警；切线角模型；匀速变形中图分类号：P642.22文献标志码：A文章编号：1009-6248（2023）05-0197-07Research on Rapid Diagnosis Method of Landslides Uniform Deformation StageWANG Pengwei，AN Yuke*（Gansu Province Transportation Planning,Survey&Design Institute Co.,Ltd.,Lanzhou 730030,Gansu,China）Abstract：T
3、he improved tangent angle early warning model is an effective landslide early warning method,butthe mechanism of the improved tangent angle model is based on the accurate identification of the uniform defor-mation stage and its rate.The uniform deformation rate of the landslide fluctuates with the c
4、hange of the disas-ter prone environment and the landslide evolution stage.Therefore,the tangent angles obtained by the samemodel under different uniform deformation rates are quite different,which is unfavorable for landslide earlywarning.Based on this,the paper proposes to use curve convex concave
5、 characteristics and filtering technologyto adaptively obtain the landslide uniform deformation stage and average rate,and establish rate reliability evalu-ation rules,so as to achieve realtime correction of the improved tangent angle early warning model and ensurethe accuracy of landslide early war
6、ning.The research of this paper provides technical support for intelligent andautomatic realtime processing of monitoring and early warning data of landslide monitoring and early warning.Keywords：landslides；monitoring and warning；tangent angle model；uniform deformation 滑坡作为世界上最重要的地质灾害之一，给人民生命和财产造成极大
7、的损失，是制约中国山区经济发展的重要因素（张林梵等，2022；黄煜等，2023）。滑坡监测预警可有效预防滑坡灾害的发生，确保重 收稿日期：2022-03-25；修回日期：2022-08-22；责任编辑：贾晓丹基金项目：甘肃省科技重大专项项目“甘肃省湿陷性黄土地区公路修筑成套技术研究”（1302GKDA009），甘肃省交通运输厅科研项目“基于钢管抗滑桩的应急抢险支挡结构体系研究”（2021-25）联合资助。作者简介：王朋伟（1985），男，硕士，高级工程师，从事公路地质灾害识别与监测预警研究。Email：。*通讯作者：安玉科（1983），男，博士，正高级工程师，从事公路地质灾害防治与应急处置研究
8、。Email：。第 56 卷 第 5 期西 北 地 质Vol.56No.52023 年（总 231 期）NORTHWESTERN GEOLOGY2023（Sum231）要构筑物和人民财产安全。近年来，随着 5G 网络、北斗卫星和监测传感器的发展，中国每年都要布设成千上万个滑坡智能监测设备。2022 年，自然资源部进一步扩大地质灾害“群专结合”监测预警实验面，将继续在全国 17 个省份开展实验工作，计划建设 20040 实验点。“十四五”期间自然资源部计划新建 8.2 万处地质灾害“群专结合”监测点，显著提高地质灾害监测预警科技水平与覆盖面，逐步构建人防与技防并重的监测预警体系。当前，滑坡监测预
9、警理论日渐成熟，基于自动化监测设备的滑坡实时监测技术及系统逐渐普及，目前可以方便快速获取大批量的滑坡变形监测数据（何朝阳，2020；马娟等，2021；孟晓捷等，2022）。通过滑坡监测数据可探测到滑坡物理参数变化规律，结合预警预测模型判断滑坡演化阶段以及未来时段的稳定状态，为生命避险和工程抢险提供决策依据（薛 强 等，2018；张 林 梵，2023）。近 年 来，许 强 等（2009）提出改进切线角预警模型得到了行业广泛认可，并在贵州、甘肃等滑坡取得了成功的防灾预警效果（Fan et al.，2019；许强等，2020a）。改进切线角模型核心思想是位移-时间曲线（St曲线）横纵坐标量纲不一致，
10、导致拉伸或不同人计算得到曲线的切线角不一致，通过匀速变形阶段速率对 纵 坐 标 进 行 转 化，形 成 无 量 纲的 T t 曲 线（许强等，2020b）。传统的匀速变形速率主要根据滑坡宏观演化阶段和 St 曲线位移特征来人为确定匀速变形阶段和其速率，但实际监测工作中匀速变形速率可能不是个定值，会随着时间推移而有所变化，比如库水型滑坡，滑坡匀速变形速率与库水涨落强相关，每年匀速变形速率呈波动状（图 1）（王朋伟，2012），致使其位移时间曲线呈现“震荡”和“阶跃”性。另外，受传感器测量误差与环境因素的影响不可避免存在噪声影响，随着时间的推移，获取的监测数据经常发生漂移（龙悦等，2012），位移
11、呈锯齿状或波浪状，匀速变形阶段与加速变形阶段分隔界线不是很明显（图 2）。050100150200250300350400450库水位(mm)204060801001201401601802002006/11/202007/1/202007/3/202007/5/202007/7/202007/9/202007/11/202008/1/202008/3/202008/5/202008/7/202008/9/202008/11/202009/1/202009/3/202009/5/202009/7/202009/9/202009/11/202010/1/202010/3/202010/5/202
12、010/7/202010/9/20日期位移量(mm)区段降雨量ZG324 主方向累计位移期库水位图 1库水型滑坡时间位移曲线图（王朋伟，2012）Fig.1Time displacement curve of reservoir water type landslide 易庆林等（2013）提出采用 Haar 小波分解获取趋势位移和波动位移，通过趋势位移表现为稳定增长来判断匀速变形阶段，该方法适用于有周期规律的监测曲线特征，且需要人工干预才能识别匀速变形阶段；何朝阳等（2017）借助离散小波变换时频分析特性，通过将高频信号的变化与速度增量两者相互校验获取匀速变形阶段，该方法对于不同阶段匀速变形
13、速率存在变化的情况不能有效及时调整；马海涛等（2021）基于匀速变形阶段速率服从正态分布特征，提出一种应用正态置信区间识别 SP 位置的方法确定匀速变形阶段，但该方法不适用于不服从正态分布的曲线。以上研究方法各有局限性，对于发展自动化监测预警存在一定的问题。笔者从监测曲线特点出发，提198西北地质NORTHWESTERN GEOLOGY2023 年出采用曲线凸凹特性与滤波技术的自适应获取滑坡匀速变形阶段和平均速率，并建立速率可靠性评价规则，从而实现自动对滑坡变形切线角模型进行实时修正，确保预警的准确性。1改进切线角预警模型原理改进切线角预警模型核心思想是通过匀速变形阶段的速率对位移进行时间量化
14、处理，从而实现 St曲线转化成无量纲 Tt 曲线。改进切线角模型计算公式如下：Ti=Siv（1）ai=arctanTiTi1titi1（2）SiiTiTi1vaititi+1式中：为 时刻滑坡的累计位移（mm）；、为变换后与时间相同量纲的纵坐标值，两者相差一个监测周期，如 1 天、1 周等；为滤波后滑坡匀速变形阶段的速率（mm/d1）；为改进的切线角（）；，为监测时刻，两者相差一个监测周期。依据切线角原理，滑坡的变形演化阶段与切线角相关，当切线角小于 45时，可认为滑坡处于初始或减速变形演化阶段；当切线角约等于 45时，处于匀速变形演化阶段；当切线角大于 45时，则认为滑坡进入了加 速 变 形
15、 演 化 阶 段，这 一 阶 段 可 细 分 为 初 加 速（4580）、中加速（8085）、加加速（85）变形演化阶段，切线角越接近 90，滑坡发生的可能性越大（许强等，2008）。从以上原理公式可见，获取匀速变形阶段的速率是关键，是预警中最重要的环节（亓星等，2020）。2基于曲线凹凸特性的动态识别匀速变形阶段 2.1滑坡匀速变形阶段提取根据时间位移曲线，滑坡变形演化通常分为 3 个演化阶段（图 3）（罗文强等，2016）。初始变形阶段：开始变形表现相对较大的斜率，之后随着时间推移变形趋于正常，曲线斜率有所减缓，表现为减速变形特征，该阶段又称减速变形阶段，曲线特征呈凸型。匀速变形阶段：在初
16、始变形基础上，滑坡以基本相同的速率变形。因不时受外界因素的干扰和影响，以及局部锁固效应影响，抗滑力与下滑力处于相互拉扯，彼此抗争，其变形曲线可能会波动，呈小型锯齿状或波浪状，有时受周期性因素影响呈周期性跃迁。但整体上宏观上呈一条倾斜的直线，速率在一定范围小幅度波动，持续时间一般较长，曲线特征呈直线型。加速变形阶段：当坡体变形发展到一定阶段后变形速率呈不断增长趋势，且速率有逐渐增大的趋势，直至坡体失稳之前，变形近似陡立，曲线特征呈凹型。位移初始变形等速变形时间加速变形图 3滑坡三阶段演化曲线图Fig.3Threestage evolution curve of landslide 从以上原理可知
17、，滑坡 St 曲线初始阶段为凸型、匀速阶段为直线型、加速阶段为凹型。笔者通过曲线凸凹测量计算方法识别出滑坡时间位移曲线凸凹型线拐点，通过拐点判断匀速变形阶段的时间范围（图 4）。f(x)(a,b)(a,b)x1x2定义：设在内是连续，如果对内任意两点，f(x1+x22)f(x1)+f(x2)2f(x)(a,b)如果恒有，那么呈在内的图形呈凹型；f(x1+x22)f(x1)+f(x2)2f(x)(a,b)如果恒有，那么呈在内的图形呈直线型；f(x1+x22)f(x1)+f(x2)2f(x)如果恒有，那么呈在 2021/2/242021/3/62021/3/162021/3/262021/4/52
18、021/4/152021/4/252021/5/52021/5/152021/5/25020406080100120140160180200220240260日期累计位移(mm)图 2滑坡时间位移曲线图Fig.2Time displacement curve of landslide第 5 期王朋伟等：滑坡匀速变形阶段快速诊断方法研究199(a,b)内的图形呈直凸型；K1=f(x1+x22)K2=f(x1)+f(x2)2K1K2K1=K2K1 1.01当时，滑 坡 处 于 加 速 度 变 形 阶 段；当时，滑坡近似处于匀速变形阶段；当时，滑坡处在初始变形或减速变形阶段。同时选取滑坡变形时间窗口
19、的长短对 L 值有影响，鉴于一L0.99L 1.01般滑坡从加速到失稳变形持续时间不小于 5d，因此以 5d 作为滑坡动态判断识别时间窗口。并且定义连续 5d 内时滑坡处于加速变形阶段，连续 5d 内时为滑坡处于减速变形阶段（红点表示 L 指标）（图 5）。根据以上定义建立距离预警时间点最近的匀速变形阶段提取规则，即：距离预警时间点最近的加速变形阶段与减速变形阶段之间的时间段为匀速变形阶段。如果无减速变形阶段，那么加速阶段之前时间段全部为匀速变形阶段。如果无加速度变形阶段，那么减速变形阶段之后的时间段全部为匀速变形阶段。如果无加速变形和减速变形阶段那么全部为匀速变形阶段。依据以上定义可以动态识
20、别出当前预警时间点的匀速变形阶段，且匀速变形阶段随着滑坡时间位移特征动态调整。经过规则评估无减速变形阶段，加速变形阶段之前的时间段为匀速变形阶段，图中的红线为自动识别匀速变形阶段，匀速变形与加速变形阶段分隔时间点为 2021/5/26 日（图 6）。图形上任意弧段位于所张弦的下方图形上任意弧段位于所张弦的上方yyyy=f(x)y=f(x)000凸段凹段直线段x1x1x2x2xx图 4凹凸特性基本原理图Fig.4Basic principle of concaveconvex characteristic 2021/2/24日期2021/3/62021/3/162021/3/262021/4/5
21、2021/4/152021/4/252021/5/52021/5/152021/5/25020406080100120140160180200220240260y=1.080 1x47 800累计位移(mm)匀速变形阶段累计位移线性拟合图 6匀速变形阶段拟合曲线图Fig.6Fitting and denoising in the uniform deformation stage200西北地质NORTHWESTERN GEOLOGY2023 年 2.2获取匀速变形阶段速率受噪声和测量误差的影响，匀速变形阶段通常呈小幅度锯齿状或波浪状，采用线性最小二乘法对匀速变形监测数据进行滤波处理，以降低数据
22、噪声对速率的影响。最小二乘法原理是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配，并使得这些求得的数据与实际数据之间误差的平方和为最小，可用于曲线拟合去噪（李泉等，2012）。(x,y)x(1),y(1).x(2),y(2)x(m),y(m)xy研究两个变量之间的相互关系时，通常可以得到一系列成对的数据；将这些数据描绘在直角坐标系中，若发现这些点在一条直线附近，可以令这条直线方程归纳为公式（3）：y=a0 x+a1（3）a0a1式中：、是任意实数。a0匀速变形阶段采用线性函数进行拟合去噪，各个时间段对应的方程解为滤波后的位移值，最小二乘法系数为匀速变形速率（图 6）。2.3匀
23、速变形阶段速率可靠性分析为了防止在加速度变形阶段因传感器自身原因造成匀速变形阶段的假象，进而造成预警误判，建立一种匀速阶段速率可靠性评判标准十分重要。通常滑坡在初始变形和匀速变形阶段速率相对较低，在低位徘徊（图 7），加速度变形阶段速率是匀速阶段几倍甚至几十倍的关系（图 8）。当切线角 50时，加速度阶段速率与匀速阶段速率的速率比为 1.2 倍；当切线角 60时，速率比为 1.7 倍；当切线角 70时，速率比为 2.7 倍；当切线角 80时，速率比为 5.7 倍；当切线角 85时，速率比为 11.4 倍；当切线角 86时，速率比为 14.3 倍。当切线角 87时，速率比为 19.1 倍；当切线
24、角 88时，速率比为 28.6 倍；当切线角 89时，速率比为 57.2 倍。从上面关系可以看出，随着切线角的增大，滑坡滑动的危险性逐渐增大，速率比逐渐呈指数型增长。根据速率比的关系建立以下匀速变形阶段速率可靠性评判规则：V=1N1 v1+v2+vN1（4）V vii vN vN1.5V vN2.0V vN2.0V式中：为当前预警时间段之前的匀速变形阶段速率的平均值；为第 个自适应计算出的匀速变形阶段速率；为当前预警时间段自适应获取的匀速变形阶段的速率；时，可靠性为绿色；时，可靠性为黄色；时，可靠性为红色。vN1 vN当获取匀速变形阶段速率的可靠性为绿色时，当前预警时间段获取的匀速变形阶段速率
25、可靠性高，可以直接使用；当为黄色时，可靠性较高，但需要引起注意；当为红色时，可靠性偏低，当前的获取匀速变形阶段速率偏高，此时采用代替为当前预警时间段采用的匀速变形阶段速率。2.4公路滑坡智能监测预警流程根据以上建立的匀速变形阶段识别规则，建立公路滑坡智能监测预警流程。采用曲线凹凸测量技术获取当前预警时间段的匀速变形阶段；利用最小二乘法对匀速变形阶段去噪拟合，获得匀速变形阶段速率，依据可靠性评价规则确定速率的可靠性；采用改进切线角模型进行监测预警。对原始数据进行切线角计算，其结果如蓝色虚线 25%20%15%10%5%0%速率分布频率3.0速率分布区间图 7匀速变形阶段速率分布直方图Fig.7R
26、ate distribution histogram 7060504030201045505560657075808590950比值切线角()11.21.72.75.711.414.319.128.657.2图 8速率比图Fig.8Rate ratio第 5 期王朋伟等：滑坡匀速变形阶段快速诊断方法研究201 所示（图 9），表现为匀速变形阶段切线角在 45上下波动，呈锯齿状；红色虚线代表经过直线段拟合去噪后切线角，其中匀速变形段切线角为 45，加速度变形段与原始改进切线角保持一致。因此，文中提出的数据处理算法更加直观体现出滑坡变形不同阶段切线角的差异，为监测预警提供可靠的数据支持。26024
27、0220200180160140120100806040200位移(mm)2021/2/242021/3/62021/3/16 2021/3/262021/4/52021/4/15 2021/4/252021/5/52021/5/15 2021/5/25日期100806040200204060切线角()直线段拟合后改进切线角原始改进切线角原始位移拟合位移直线段拟合后改进切线角图 9时间位移曲线与切线角关系图Fig.9Time displacement curve and tangent angle 3结论（1）受外界因素和滑坡固锁效应的影响，滑坡匀速变形阶段可能随着时间的变化处于动态调整中，其
28、值不是固定不变的。（2）针对改进切线角预警模型的特点，提出采用曲线凸凹特性测量和滤波的方法获取预警时间段的匀速变形阶段和其速率，为改进切线角的计算提供实时可靠的速率数据。（3）建立速率评价规则确保其准确性，从而实现对改进切线角预警模型进行实时动态修正，防止预警误判。该方法可以自适应实时获取匀速变形阶段及其速率，具有一定的实用性和可操作性，为自动实时监测预报提供技术支持。参考文献（References）：何朝阳.滑坡实时监测预警系统关键技术及其应用研究D.成都:成都理工大学,2020.HE Chaoyang.Research on Key Technology and Application o
29、f Real-time Monitoring and Early Warning System of LandslideD.Chengdu:Chengdu University of Technology,2020.黄煜,谢婉丽,刘琦琦,等.基于 GIS 与 MaxEnt 模型的滑坡易发性评价以铜川市中部城区为例J.西北地质,2023,56(1):266275.HUANG Yu,XIE Wanli,LIU Qiqi,et al.Landslide SusceptibilityAssessment Based on GIS and MaxEnt Model:Example fromCentral
30、 Districts in Tongchuan CityJ.Northwestern Geology,2023,56(1):266275.李泉，贾如磊，李金明，等.基于最小二乘法位移传感器数据的曲线拟合J.兰州石化职业技术学院学报，2012，12（1）：2426.LI Quan,JIA Rulei,LI Jinming,et al.Fitting Displacement SensorCurve Based on Least Squares MethodJ.Lanzhou Petrochem-ical College of Vocational Technology Journal，2012，
31、12（1）：2426.龙悦，徐光黎，高幼龙，等.数据预处理在滑坡位移相关分析中的应用J.地质科技情报，2012，31（2）：122127.LONG Yue,XU Guangli,GAO Youlong,et al.Application of theData Preprocessing Methods to the Correlation Analysis ofLandslide DisplacementJ.Geological Science and Techno-logy Information，2012，31（2）：122127.罗文强，李飞翱，刘小珊，等.多元时间序列分析的滑坡演化阶段
32、划分J.地球科学，2016，41（4）：711717.LUO Wenqiang,LI Feiao,LIU Xiaoshan,et al.Evolution Stage Divi-sion of Landslide Based on Analysis of Multivariate TimeSerieJ.Earth Science，2016，41（4）：711717.马海涛，张亦海，于正兴.滑坡速度倒数法预测模型加速开始点识别及临滑时间预测研究J.岩石力学与工程学报，2021，40（2）：355364.MA Haitao,ZHANG Yihai,YU Zhengxing.Research on
33、the identi-fication of acceleration starting point in inverse velocity methodand the prediction of sliding timeJ.Chinese Journal of RockMechanics and Engineering，2021，40（2）：355364.202西北地质NORTHWESTERN GEOLOGY2023 年马娟，赵文炜，齐干，等.基于普适型监测的多参数预警研究-以三峡库区卡门子湾滑坡为例J.西北地质，2021，54（3）：259269.MA Juan,ZHAO Wenyi,QI
34、 Gan,et al.Study on the Multi-paramet-er Early Warning Based on Universal Equipment:A Case ofKamenziwan Landslide in the Three Gorges ReservoirJ.Northwestern Geology，2021，54（3）：259269.孟晓捷,张新社,曾庆铭,等.基于加权信息量法的黄土滑坡易发性评价以 1：5 万天水市麦积幅为例J.西北地质,2022,55(2):249259.MENG Xiaojie,ZHANG Xinshe,ZENG Qingming,et a
35、l.The Sus-ceptibility Evaluation of Loess Landslide Based on WeightedInformation Value Method:Taking 1:50 000 Map of Maiji Dis-trict of Tianshui City As an ExampleJ.Northwestern Geo-logy,2022,55(2):249-259.亓星，朱星，许强，等.基于斋藤模型的滑坡临滑时间预报方法改进及应用J.工程地质学报，2020，28（4）：832839.QI Xing,ZHU Xing,XU Qiang,et al.Im
36、provement And Applica-tion of Landslide Proximity Time Prediction Method Based onSaito ModelJ.Journal of Engineering Geology，2020，28（4）：832839.王朋伟.库水作用下滑坡变形演化规律研究D.武汉:中国地质大学,2012.WANG Pengwei.Study on Deformation Regularity of Landslide Un-der The Influence of Reservoir WaterD.Wuhan:China Uni-versit
37、y of Geosciences,2012.许强，曾裕平，钱江澎，等.一种改进的切线角及对应的滑坡预警判J.地质通报，2009，28（4）：501505.XU Qiang,ZENG Yuping,QIAN Jiangpeng,et al.Study on a im-proved tangential angle and the corresponding landslide pre-warning criteriaJ.Geological Bulletin of China，2009，28（4）：501505.许强，彭大雷，何朝阳，等.突发型黄土滑坡监测预警理论方法研究:以甘肃黑方台为例J.工
38、程地质学报，2020a，28（1）：111121.XU Qiang,PENG Dalei,HE Chaoyang,et al.Theory and Method ofMonitoring and Early Warning for Sudden Loess Landslide:aCase Study at Heifangtai TerraceJ.Journal of EngineeringGeology，2020a，28（1）：111121.许强,汤明高,黄润秋,等.大型滑坡监测预警与应急处置M.北京：科学出版社,2020b.XU Qiang,TANG Minggao,HUANG Runqiu
39、,et al.Large-scaleLandslide Monitoring and Early Warning and Emergency Re-sponse M.Beijing:Science Press,2020b.许强，汤明高，徐开祥，等.滑坡时空演化规律及预警预报研究J.岩石力学与工程学报，2008，27（6）：11041112.XU Qiang,TANG Minggao,XU Kaixiang,et al.Research on Space-time Evolution Laws and Early Warning-prediction of Land-slidesJ.Chines
40、e Journal Of Rock Mechanics And Engineer-ing，2008，27（6）：11041112.薛强，张茂省.延安淹土安滑坡监测预警及变形特征J.西北地质，2018，51（2）：220226.XUE Qiang,ZHANG Maosheng.Monitoring Early Warning and De-formation Characteristics of Yantuan Landslide in YananJ.Northwestern Geology，2018，51（2）：220226.易庆林，胡大儒，代天凡，等.基于小波分析的滑坡变形规律研究J.南水北
41、调与水利科技，2013，11（5）：9194+102.YI Qinglin,HU Daru,DAI Tianfan,et al.Deformation Law for aLandslide in the Three Gorges Reservoir Area Based on Wave-let AnalysisJ.South-to-North Water Transfers and Water Sci-ence&Technology，2013，11（5）：9194+102.张林梵,王佳运,张茂省,等.基于 BP 神经网络的区域滑坡易发性评价J.西北地质,2022,55(2):260270.ZH
42、ANG Linfan,WANG Jiayun,ZHANG Maosheng,et al.Evalu-ation of Regional Landslide Susceptibility Assessment Based onBP Neural NetworkJ.Northwestern Geology,2022,55(2):260270.张林梵.基于时序 InSAR 的黄土滑坡隐患早期识别以白鹿塬西南区为例J.西北地质,2023,56(3):250257.ZHANG Linfan.Early Identification of Hidden Dangers of LoessLandslide
43、Based on Time Series InSAR:A Case Study ofSouthwest BailuyuanJ.Northwestern Geology,2023,56(3):250257.Fan Xuanmei,Xu Qiang,Andres Alonso-Rodriguez,et al.Success-ive landsliding and damming of the Jinsha River in easternTibet,China:prime investigation,early warning,and emer-gencyresponseJ.Landslides，2019，16（5）：10031020.He Chaoyang,Ju Nengpan,Xu Qiang,et al.Automated Data Pro-cessing and Integration of Large Multiple Data Sources in Geo-hazards MonitoringJ.International Journal of Georesourcesand Environment，2017，3（1）：921.第 5 期王朋伟等：滑坡匀速变形阶段快速诊断方法研究203
