近日，研究院水工程建设和安全运行团队在地球物理领域权威期刊《Journal of Geophysical Research: Earth Surface》发表了题为“Deciphering Landslide Precursors From Spatiotemporal Ground Motion Using Persistent Homology”的论文。马刚教授为通讯作者，该研究受到国家自然科学基金、云南省重点研发计划等资助。

论文链接：https://doi.org/10.1029/2024JF007949  

1、研究背景：

滑坡作为一种极具破坏性的自然灾害，对库坝系统安全与人类生命财产构成严重威胁。近年来，合成孔径雷达干涉测量（InSAR）等非接触式监测技术的快速发展为滑坡研究提供了海量数据，但有效的滑坡早期预警仍然是一个挑战。难点之一在于滑坡运动在空间和时间上具有高度变异性，而现有预警方法通常依赖于单个监测点的变形时间序列，难以处理复杂的时空数据。为此，本研究结合拓扑数据分析与InSAR监测数据，提出了一种考虑边坡变形场时空演化特性的滑坡早期预警方法。该方法通过量化边坡变形场的时空演化行为，捕捉边坡发生加速变形失稳的关键信息。

2、研究内容：

所提出方法主要包括两个部分：（1）空间过滤：基于监测点空间位置定义监测点网络，通过不断改变速度阈值对网络进行多尺度拓扑分析，在此过程中捕捉网络中组件结构的产生与消亡，定义反映网络拓扑联通特性的持续图，实现对原始高维监测点网络的空间降维。（2）距离计算：采用Wasserstein距离计算前后两个时刻对应持续图间的差异，作为反映边坡变形场时空演化的量化指标，进一步结合异常点识别方法，判断边坡是否发生加速变形失稳。

图1  基于拓扑数据分析的边坡变形场时空演化量化方法

3、结果：

本研究采用多个滑坡案例验证所提出方法的有效性，其中在新磨滑坡和泥溪滑坡上释放预警信号的提前时间均超过100天。通过探讨不同监测数据空间与时间分辨率对方法性能的影响，所提出方法能够有效、鲁棒地释放预警信号，为滑坡早期预警提供了一种解决方法，并可用于分析其他领域的复杂时空数据。

图2  新磨滑坡概况与变形场时空演化

图3  所提出方法在新磨滑坡的预测效果

图4  所提出方法在泥溪滑坡的预测效果