无人机摄影测量技术在普朗铜矿边坡裂隙识别中的应用

为什么飞行机器人监视山墙

矿坑和山路上方的高耸岩壁可能在没有预警的情况下失稳，数吨岩石坠落斜坡。人工逐一检查这些悬崖的每一道裂缝既缓慢又危险，工程师常常不得不在不稳定岩体下作业。本研究展示了配备相机的无人机和智能数据处理如何安全地“读取”中国普朗铜矿陡坡中的隐含断裂构造，从而有助于预测岩体最可能发生破坏的部位。

从空中监视危险边坡

普朗铜矿位于云南省崎岖、林木茂密的山区，深开挖已在山坡上切出接近100米的高陡边坡。主坡部分坡面非常陡峭且难以到达，采矿过程中已发生过落石。研究团队使用一架搭载高分辨率相机的大型无人机环绕坍塌坑飞行，拍摄重叠的悬崖影像。从这些照片构建出一种以“点云”形式表示的三维数字模型——由数百万个微小点组成，整体勾勒出岩石表面的形态。由于浓密植被遮挡了大量岩面，团队仔细剔除了植被点，并选择了裸露岩石的代表区域进行详细分析。

从原始点到有意义的岩面

将原始点云转化为有关裂隙的有用信息并非易事。作者将若干数学工具结合以提高效率。首先，他们使用主成分分析方法为每个点计算周围岩面的大致方位和曲率。靠近断裂交线的点往往曲率较高，于是他们过滤掉许多此类点以简化数据。随后应用基于密度的聚类技术，将位于同一平坦片面的相邻点归为一类，同时将孤立点标记为噪声。第一遍处理将点云分割成许多小片段，粗略对应各个断裂面。

归类断裂族并测量其规模

接下来，团队需要将这些许多小片段归并为几个主要的“断裂族”，这些断裂族具有相似的方向。他们仅考察每个小片的方位，并将这些方位输入另一种聚类方案以识别具有共同趋势的组。通过对降采样后的代表点集合而非完整点云应用此步骤，既降低了计算时间，又能捕捉主要模式。最后，在每个断裂族内，再运行一轮基于密度的聚类以恢复完整的单个断裂。对每条断裂，他们估算了三项关键量：倾角与方位、坡面上可见蚀迹的长度、以及与相邻断裂的间距。与专业软件中人工精配的结果对比表明，自动测得的断裂走向与专家估计相差仅几度，已达到工程应用的精度要求。

检验断裂如何削弱边坡

研究者随后探究这些绘制出的断裂对边坡安全意味着什么。利用测得的方向、长度和间距，他们建立了岩体内三维断裂网络的统计模型。将该网络插入基于无人机点云拟合表面的实际边坡数值模型中，计算岩体在自重作用下的力学响应。将含断裂的模型与相同但未破裂的边坡比较，发现含断裂的版本表现出更大且不均匀的位移，并在裂缝周围形成更强的应力集中。换言之，断裂将岩体分割成块体，使应力沿优先通道传递，并在易于起始失稳的薄弱带处形成不利条件。

更快的数字“眼睛”带来更安全的边坡

对非专业读者而言，核心信息是：无人机加上巧妙的数据处理现在可以快速勘测危险悬崖，无需人员冒险到现场，同时揭示控制未来坍塌的细微裂隙模式。普朗案例表明，该新方法能比传统方法更快地处理非常大的数据集，同时提供足以输入稳定性模拟的断裂测量结果。尽管茂密植被和若干简化假设仍会限制可观测的信息，但该工作流程指向了利用飞行机器人和数学手段对矿山、公路和水工结构上方岩坡进行常规、可重复健康检查的可行路径——在重力造成灾害之前发现隐患。

引用: Wu, L., Wang, Y., Yang, J. et al. Application of UAV photogrammetry technology in identifying discontinuities in slopes in the Pulang copper mine. Sci Rep 16, 14101 (2026). https://doi.org/10.1038/s41598-026-43520-w

关键词: 无人机测绘, 岩坡稳定性, 三维点云, 矿山安全, 断裂检测