崩塌落石灾害具有高频率发生、快速突然崩落、尺寸差异大、难预测等特点，对人类产生潜在高危险，特别是居民和交通线路。本研究旨在介绍一种基于微震监测技术的崩塌落石监测预警的方案框架。本研究基于意大利Torgiovannetto大理石矿山六个月的连续微震监测数据，从崩塌落石微震信号的识别、分类、定位的基本理论出发、考虑大型崩塌发生前，小落石事件发生频率和能量随时间增大的发展规律，提出一种针对大型崩塌落石的预警数学模型，最终形成基于微震监测技术的崩塌落石监测预警框架。
该框架包含以下三个关键技术理论：
（1）崩塌落石微震信号的识别和分类。针对微震长周期连续监测和大数据量快速处理的特点，比较了多种微震信号识别方法，提出了一种基于微震监测网络的多传感器联合自动识别分类算法（Detection and Storage of Rockfall, DESTRO），在Torgiovannetto的野外落石试验中，落石识别召回率 98%，精确度高于81%，依靠单基站对100km以内、0.4级以上的地震识别精准度为64.9%。根据野外落石试验，详细分析了落石标准信号的频谱特征，提出了九个可用于机器学习分类的特征参数，其中首次提出把监测网络内传感器间的参数比值作为特征参数，实现监测网络内多传感器联合分析、相互校验，提高识别精度。
（2）崩塌落石微震定位方法。利用监测网络多基站和三轴检波器的特点，改进了微震极化定位方法（Jurkevics et al., 1988）和振幅震源定位方法（ Pérez-Guillén et al., 2019），并与到达时间定位方法（Gracchi et al., 2017）进行了对比分析，研究发现振幅震源定位的方法最为稳定和准确，其中到达时间定位方法需要手动时间拾取，极化定位方法受地形和波形分析影响较大。
（3）大型崩塌预警数学模型。根据Fukuzono（1985）和Voight（1988）在破坏预警模型的研究成果，本研究通过识别和定位边坡区域的小崩塌落石微震事件，计算在一定时间长度的滑动窗口内崩塌落石的累计微震能量，当窗口内累计微震能量超过一定的阈值，也就是崩塌落石事件发生够多或者够大，即标定为警报时间点，同时反演时间窗口内累计微震能量的倒数，并与时间作线性拟合，拟合直线与时间轴的交点为大型崩塌发生的预测时间（也就是崩塌落石能量无限大的时间点），警报时间点到预测时间的时间段为该区域的危险时间段。同时，根据小崩塌落石的微震定位结果，可以圈定该边坡区域的滑坡易发点。
微震技术通过获得崩塌落石发生的时间和空间信息，可以为山区交通线路的启闭和地质灾害快速响应提供帮助，为开展广泛的地质灾害监测预警以及提升新技术与新方法在监测预警中的综合应用能力提供更多选择。
 

崩塌落石,微震监测,监测预警