探地雷达（GPR）是一种基于高频电磁波探测地下结构和特征的物探技术。其工作原理是通过发射天线向地下发送脉冲电磁波，这些电磁波在穿越地下介质时，遇到不同物质的界面会发生反射。探地雷达通过接收这些反射波来分析地下介质的特性。当电磁波遇到介质界面时，部分电磁波被反射，部分穿透继续传播。反射波的特征（如振幅、波形等）记录了地下不同物质界面的信息，反映了介质的不同电磁特性^[16-18]。

在雷达探测过程中，电磁波的传播速度与地下介质的介电常数和电导率有关，因此，反射波的时间延迟可以用来估算目标物体的深度或位置。电磁波的传播速度可以通过以下公式计算：

式（1）中，v为电磁波在介质中的传播速度，c为电磁波在真空中的速度，ε_r为介质的相对介电常数。

雷达图像中的深度h可由电磁波的传播时间t计算得出：

探地雷达数据解译是滑坡灾害调查的关键环节，涵盖数据采集、后处理和图像分析^[19]。数据采集采用ImpulseRadar CrossOver® CO730设备，通过双通道天线（70 MHz与300 MHz）结合剖面法完成，确保对滑坡地下结构的精准探测。采集过程中，合理设置天线间距、采样频率、时窗和叠加次数等参数。天线间距决定了发射和接收的覆盖范围，采样频率影响反射波样本点密度，而时窗基于目标深度估算并留有裕量，以适应地质条件的变化。叠加次数通过多次信号平均提升信噪比，确保了数据质量。通过这些优化设置，采集的数据全面记录了滑坡地下结构的反射波特征，为后续解译奠定了基础。

采集数据需经过后处理以去除噪声并提升分辨率。本研究采用Reflexw软件进行处理，主要包括静校正切除、去除直流漂移、增益处理和背景去除等。静校正切除消除了空气层干扰，去除直流漂移确保波形对称性；增益处理增强了深层信号可读性，而背景去除抑制了水平一致的能量，突出目标反射特征。处理后生成的雷达解译图清晰展示了地下介质的层次与异常分布，为图像解译提供了直观依据^[20]。

图像解译通过分析雷达图像的反射振幅变化和层位形态，识别滑坡体的滑动面、裂隙及水文特征，如图1。本研究进一步结合无人机三维倾斜摄影生成的地表三维模型，为雷达数据解译提供了重要的空间参考。倾斜摄影生成的高分辨率地表数据展现了滑坡区的地形特征和变形情况，与雷达图像结合进行联动分析，可更加全面地揭示滑坡体的空间分布及滑动机制，为灾害监测与防治提供科学支持。

在滑坡灾害调查中，结合探地雷达与三维倾斜摄影的联合应用，能够大大提升监测的精度和全面性。本研究采用ImpulseRadar CrossOver ® CO730双通道雷达系统，提供70 MHz和300 MHz两种频段的选择。低频（70 MHz）适用于深层探测，能够穿透更大的深度；高频（300 MHz）适用于浅层目标的精细探测。通过选择不同频段，可根据探测目标的深度与特性进行灵活配置。探地雷达主要测量参数设置为：天线间距0.6 m，时间窗口1250 ns，触发源为车轮，距离间隔0.028 331m，采样点距0.03 m，叠加次数512。在边坡的探测过程中，分别在坡脚、坡中和坡顶布设了横向测线，以全面获取不同部位的地下信息。此外，在坡顶还布设了一条纵向测线，进一步精确定位坡顶区域的地质结构和潜在风险，测线布置图如图2a所示。

图1 探地雷达图像解译图（孤石） Fig.1 Interpretation map of ground penetrating radar image（ isolated rock）

为了更准确地评估滑坡灾害的表面特征和地形变化，研究结合无人机三维倾斜摄影技术。通过从多个角度拍摄区域地形，生成具有高精度的三维模型，三维模型能够清晰展示滑坡体的表面形态，帮助分析滑坡的潜在危险区域。无人机采用大疆—御Mavic 2pro，云台倾斜角度-60°，飞行高度100 m，GSD2.56 cm/pixel ，航线布置图如图2 b所示。

图2 探测方案布置图Fig.2 Detection program layout

根据层位探测原理，雷达图像通常以能量积聚或波列模式体现，成图效果不仅取决于野外数据采集的质量，还与后续的图像处理和解译过程密切相关。图像解读往往带有一定的主观性，因此解译时需要对图像深入剖析，通过识别图像中的运动学特征及异常信号，可以更准确地判断和还原图像所反映的实际地质情况。该过程要求综合运用多种解译方法，以确保对雷达图像信息的全面理解。本次探测各测线长度统计见下表1。

表1 各测线编号及测线长统计Table 1 Statistics on line numbers and line lengths

3.1.1 CX1雷达图形解译

图4为测线1的雷达扫描剖面图，测线总长44.8 m。由雷达解译数据可知，6 m深度以内的强反射信号与粘性土层特性相符，且粘性土层与全风化片麻岩的分界面在雷达图中表现为清晰的同相轴，与地质剖面图的层位深度基本一致。测线尾部区域（A区）的反射信号呈现不连续性，可能与滑坡体表层降雨入渗后的裂隙扩展有关。且局部高振幅反射信号异常，特别是在坡脚8～10m深度区域（B区），可能提示地下富水层或浅层滑动面的存在。浅层和深层结构的异常反射区域高度吻合，表明滑坡体的滑动面从浅层向深层延伸的趋势显著。

图4 CX1雷达扫描剖面图Fig.4 CX1 Radar scanning profile

3.1.2 CX2雷达图形解译

图5为测线2的雷达扫描剖面图，测线总长105.1 m。由300 MHz雷达解译数据可知，深度0～6m范围内反射信号强烈且均匀，与粘性土层对应。6～12 m深度范围的反射信号强度减弱，反映出粘性土层与全风化片麻岩之间的分界，与剖面图中的地质界面一致。70 MHz雷达图显示9～11 m深度的反射信号强度变化显著，与剖面图中全风化片麻岩向强风化片麻岩过渡的位置相对应。且15～20 m深度的反射信号清晰且连续，表明地层较为稳定，强风化片麻岩分布均匀。测线中部区域（A区）出现雷达数据偏移，属于测量误差，该偏移并不反映真实的地质特征。

图5 CX2雷达扫描剖面图Fig.5 CX2 Radar scanning profile

本研究通过无人机三维倾斜摄影技术对滑坡区进行了三维重建。外业数据采集时，研究区域滑坡体已完成植被清理，为三维倾斜摄影提供了良好的测绘条件。

图6 CX3雷达扫描剖面图Fig.6 CX3 Radar scanning profile

图7 CX4雷达扫描剖面图Fig.7 CX4 Radar scanning profile

通过对航片、像控点坐标、GPS定位数据和相机参数文件的联合空三加密计算，得到了每张航片的外方位元素及航片加密点的大地坐标。结合密集影像匹配算法，生成了滑坡体的高密度三维点云数据（图8a）和数字表面模型（图8b）。基于多角度纹理映射技术，点云数据被进一步处理，形成了滑坡体的三维实景模型（图8c）。

图8 三维实景模型构建Fig.8 Three-dimensional reality modeling

重建的三维实景模型具有较高的精度且纹理清晰，能够直观反映滑坡体的地表形态与裂隙分布特征。通过将雷达探测的地下滑动面和裂隙分布叠加到三维模型中，直观展示了滑坡体的表层形态与地下结构特征的关联性。测线1中，坡脚区域探地雷达揭示的浅层异常信号与三维模型中的地表裂缝分布高度一致。

通过对滑坡体的高精度三维重建，清晰捕捉到了地表裂缝、滑移带和边坡形态等微观特征，弥补了探地雷达对地表形态信息覆盖不足的局限。同时，三维倾斜摄影与探地雷达的联合应用，实现了地表与地下信息的有机整合，为全面分析滑坡体的空间结构和滑动机制提供了可靠依据。这种技术组合不仅提高了滑坡灾害调查的精度和效率，还为滑坡稳定性评估和灾害防治措施的科学制定提供了重要技术支撑。