《Natural Hazards Research》：Progress in the Application of Distributed Fiber Optic Sensing Technology for Geohazard Monitoring and Early Warning: Principles, Applications and Development Trends
编辑推荐：
在全球气候变化加剧和人类工程活动的驱动下，滑坡、崩塌、泥石流和地面沉降等地质灾害呈现出高发、广布和演化过程复杂的特征，这对监测预警技术提出了更为严苛的要求。分布式光纤传感（Distributed Fiber Optic Sensing, DFOS）技术凭借其长
在全球气候变化加剧和人类工程活动的驱动下，滑坡、崩塌、泥石流和地面沉降等地质灾害呈现出高发、广布和演化过程复杂的特征，这对监测预警技术提出了更为严苛的要求。分布式光纤传感（Distributed Fiber Optic Sensing, DFOS）技术凭借其长距离连续测量、高空间分辨率、抗电磁干扰和多物理场协同感知等独特优势，已成为地质灾害监测领域的关键发展方向。本文系统综述了DFOS的基本原理和主要技术类别，分析了各自的特性和工程适用性。同时，从室内物理模型试验、现场工程监测和智能预警系统三个关键维度全面总结了DFOS的研究进展。此外，结合当前工程实践，讨论了DFOS固有的局限性和面临的挑战，并展望了其与多源监测技术（如全球导航卫星系统（GNSS）、合成孔径雷达干涉测量（InSAR）和激光雷达（LiDAR））以及人工智能（AI）、数字孪生和智慧防灾等新兴技术的深度融合前景。未来，DFOS有望逐步建立涵盖“连续感知、智能分析、风险预测和决策支持”的全流程一体化监测预警框架，最终为重大地质灾害的风险防控提供更精确、高效和智能的技术支撑。
一、研究背景与问题
在全球气候变化与人类工程活动加剧的双重影响下，极端降雨事件频发，山区基础设施建设不断向复杂地质环境延伸，导致滑坡、崩塌、泥石流、地面沉降等地质灾害呈现高发、广布和链式演化特征。特别是在大型库区、高陡岩质边坡、交通廊道和矿区等场景，岩土体长期受降雨入渗、水位波动、风化劣化和工程扰动的影响，内部损伤逐渐累积，使得地质灾害的隐蔽性、突发性和复杂性显著增加。
当前的地质灾害监测主要依赖全球导航卫星系统（GNSS）、裂缝计、测斜仪、钻孔倾斜仪、微震监测和合成孔径雷达干涉测量（InSAR）等技术手段。然而，这些传统方法多为点式或局部监测模式，存在覆盖范围有限、空间连续性不足、恶劣环境适应性差和实时预警能力受限等问题，尤其难以精准捕捉地质灾害孕育阶段微裂纹萌生、损伤扩展和微弱振动响应等早期前兆信号。因此，发展能够感知岩土体内部细微变化并实现大范围连续监测的新型技术，成为当前地质灾害监测预警领域的迫切需求。
二、研究内容与意义
研究人员系统检索了过去二十年间Google Scholar、Web of Science和中国知网数据库中的中英文文献，经两轮筛选最终纳入77篇有效参考文献，围绕地质灾害“感知-识别-预警”全流程建立了综述框架。研究人员首先系统梳理了布里渊光时域反射/分析（BOTDR/BOTDA）、光频域反射（OFDR）、分布式声波传感（DAS）和分布式温度传感（DTS）等主要技术的工作原理与性能边界，进而从典型地质灾害（滑坡、崩塌、泥石流、地面沉降）的变形与动力响应特性出发，分析了不同DFOS技术的适用场景与工程局限性。更重要的是，研究人员将研究视角从“通过监测发现灾害信号”拓展至“如何利用监测信号实现预警”，重点探讨了DFOS与人工智能（AI）、多源监测和数字孪生的融合路径，并从土-缆耦合、温度-应变交叉敏感、长期耐久性、海量数据处理和模型跨场景适用性等方面，总结了从连续监测迈向可靠预警所面临的关键瓶颈。本研究旨在构建涵盖传感机理、灾害响应、工程监测和智能预警的完整技术链条，为DFOS从连续感知工具向地质灾害智能风险感知与预警技术体系的演进提供参考。
三、关键技术方法
本研究采用的主要技术方法包括：基于布里渊散射的BOTDR/BOTDA技术，用于岩土体和支护结构的分布式应变监测，可精准识别潜在滑面和变形集中区域；基于瑞利散射的光频域反射（OFDR）技术，具备毫米级甚至亚毫米级空间分辨率，适用于检测裂纹萌生和局部微变形；基于相干瑞利散射的分布式声波传感（DAS）技术，能够实时获取动态振动和声学信号，在崩塌、泥石流、滑坡触发和地震波传播等动态地质灾害识别中具有明显优势；基于拉曼散射的分布式温度传感（DTS）技术，主要用于地下水渗流、冻融过程和热异常监测。此外，研究还涉及DFOS与InSAR面域遥感技术的多维对比分析。
四、研究结果
3.1 室内物理模型试验与灾害机制精细研究
DFOS技术已在滑坡、地面塌陷等地质灾害的室内物理模型试验中得到广泛应用。凭借其高空间分辨率和全过程实时感知能力，DFOS能够捕捉物理模型内部应变场的时空演化特征，突破了传统点式传感器难以连续表征局部变形过程的局限。Schenato等人利用高空间分辨率OFDR对沿预设滑面埋设的传感电缆进行实时连续监测，不仅精细识别了滑坡演化过程中土-缆相互作用的四个力学阶段，还能在坡表宏观裂缝显现之前敏锐捕捉到内部应变异常等破坏前兆信号。Xu等人针对小尺度地质模型中低围压条件下“土-缆界面耦合弱、易滑脱”的技术瓶颈，探索了不同电缆安装方式，发现使用覆砂光缆可显著增强电缆与松散砂土之间的摩擦阻力和耦合度，从而实现对微小地下沉降驱动应变场的高精度定位与重构。Liu等人基于BOTDA技术，通过拉伸标定试验和充气气囊排水降压物理模型试验，深入研究了不均匀差异沉降引发的土体变形规律，结果表明埋设在土层中的分布式光纤能灵敏准确地测量地层变形过程中的应变变化，应变曲线能清晰直观地反映土体的压缩区和拉伸区。
3.2 现场工程监测实践
DFOS凭借长距离分布式测量、优异的环境适应性和实时在线监测等优势，已被广泛应用于高陡边坡、深部岩体、地面沉降和地下工程等典型场景，成功实现了从浅层局部变形监测向深部三维结构感知的拓展。Xu等人在中国西北某大型水电站的高陡岩质边坡现场监测研究中，创新性地构建了包含垂直、水平和倾斜钻孔的深部动态DFOS监测网络，利用双端布里渊分布式光纤应变传感技术，捕捉到了高边坡岩体深部随时间变化的变形局部化特征，成功精准识别了深度20至50米处的多层潜在滑面。Gu等人系统总结了在中国江苏省东部沿海地区和长三角地区建立的深部（100至600米）地面沉降光纤监测钻孔的长期观测成果，研究表明得益于金属加强光缆和定点光缆等专用线缆的研发以及标准级回填工艺的优化，DFOS系统在长期精细化全剖面表征方面具有显著优势。Lu等人以江苏通州湾地区一处700米深监测钻孔为研究对象建立了地面沉降DFOS系统，通过对光缆轴向应变的深度解译，发现当前通州湾地区的主要沉降变形来源于主开采层上方第I承压含水层组垂向释水引起的土层压缩，且整体地层变形呈现春夏压缩、秋冬回弹的时空演化特征。
3.3 智能预警框架
随着DFOS技术的发展，其在地质灾害智能监测预警中的应用已从常规变形监测拓展至地下结构表征、地震波场感知和灾害早期识别等前沿方向。研究表明，通过将DFOS与环境噪声干涉测量和面波反演技术相结合，可以成功提取地下剪切波速（Vs）结构，识别地下水位波动和岩土介质变化并进行时序监测。DFOS不仅能有效记录地震、微震和环境振动信号以准确辨别P波和S波等地震波特征，信噪比（SNR）与传统地震仪相当，且在低频信号监测方面表现更优。通过解码应变率变化、波速异常、波场畸变和断层-陷波等属性，DFOS可精细刻画断层和火山岩脉等地下结构，揭示断层损伤带的发育特征，同时实现地震事件定位、断层活动性监测、蠕变和应变累积过程追踪以及地震触发微变形的捕获，从而为滑坡、崩塌和泥石流等地质灾害的早期识别、动态监测和预警提供关键技术基础。Kang等人基于瑞士布里恩茨大规模岩质边坡失稳案例，结合半监督机器学习算法自动识别DAS数据中的崩塌落石等失稳事件，有效区分了交通噪声与灾害信号，识别准确率超过95%，研究发现主要崩塌发生前数小时至数天，边坡失稳事件频率急剧上升，证明DAS能够捕获丰富的前兆信息为灾害早期预警提供依据。Cemiloglu等人系统综述了光纤技术在海岸滑坡动态监测和实时预警系统（EWS）中的关键作用，指出现代DFOS网络与人工智能算法及常规多物理传感器的融合是构建长距离、全天候、多维度的地质灾害实时监测预警系统的必然趋势。Liang等人选取双曲线、指数和生长曲线三类实测数学沉降模型，利用钻孔全剖面DFOS精细化地层连续变形数据构建了地面沉降潜力预测模型，经天津滨海新区现场实例验证，生长曲线模型预测精度和相关性最优，计算表明研究区沉降将在2050年左右趋于稳定，同时识别出深层粉质黏土层虽然当前变形较弱，但残余沉降量大且固结周期长，是后续长期防控的重点地层。Gutiérrez等人详细剖析了西班牙埃布罗河谷蒸发岩喀斯特地区一处严重破坏工程结构的塌陷区现场案例，通过在灾害塌陷区回填体和地表结构下方布设基于BOTDA的光纤网络，不仅成功捕捉到了宏观地面沉陷显现之前的内部土体剪切和位移前兆，还利用长期实测应变数据动态定量评估了后续注浆处理对塌陷区的加固和支护效果。Yürekli等人针对铁路沿线滑坡、崩塌和轨道沉降风险，开发了一种将DAS与混合集成学习相结合的主动式实时灾害探测系统，该系统依托DAS获取铁路全线振动信号，通过多层软投票分类器快速分类灾害类型，能以极高精度区分各类灾害扰动，有效消除了常规DFOS监测系统中环境噪声引起的误报干扰。
五、讨论与结论总结
讨论部分要点： DFOS技术凭借连续分布式测量、高空间分辨率、多物理场协同感知和强环境适应性等优势，已成为地质灾害监测领域的重要技术手段，但在实际工程应用中仍面临传感精度、数据处理效率和长期稳定性等方面的严峻挑战。在多源监测融合方面，单一技术已无法全面反映复杂灾害演化过程，DFOS与GNSS、InSAR、无人机遥感、LiDAR、微震监测、雨量计、地下水监测和物联网（IoT）传感器等多源技术的融合已成为研究热点，通过多尺度多维度监测数据的协同分析，可以更全面地揭示地质灾害的孕育、发展和失稳机制，同时有效抑制单一模态监测框架的误报率。在AI赋能DFOS智能预警方面，人工智能的应用应贯穿“信号预处理-特征提取-异常识别-风险判别-预警决策”全流程，推动从连续感知向智能预警的转变。现有研究表明机器学习和深度学习可用于DFOS数据去噪、异常检测和事件分类，数字孪生可进一步整合实时监测、数值模拟和智能算法。研究还需明确区分地质灾害监测、事件检测和运行预警，DFOS预警系统的实际效能应通过预警提前时间、误报率和检测可靠性等关键指标进行评估。当前DFOS智能预警仍受限于标注灾害样本不足、数据分布的场景特异性差异和模型可解释性有限等问题。
研究结论部分翻译：
(1) 通过利用瑞利（Rayleigh）、布里渊（Brillouin）和拉曼（Raman）散射等光学原理，DFOS实现了对应变、温度和振动等多物理场参数的连续分布式监测。与传统点式监测技术相比，DFOS具有监测距离长、空间分辨率高、环境适应性强和实时响应能力等突出优势，在表征滑坡、崩塌、泥石流、地面沉降和重大岩土工程等方面展现出卓越的应用潜力。(2) 近年来，DFOS已广泛应用于室内物理模型试验、现场工程监测和智能预警研究，不仅能精细识别潜在滑面形成、裂纹扩展和局部变形等灾害孕育特征，还能成功执行地震波、微震和动态振动信息的实时感知，为揭示灾害演化机理、开展风险评估和建立预警模型提供了关键数据支撑，推动了地质灾害监测从离散点观测向连续感知、从局部监测向区域全覆盖探测的转变。(3) 尽管DFOS优势显著，但其现场工程应用仍受制于土-缆界面耦合机理、温度-应变交叉敏感、海量监测数据实时处理和长期运行稳定性等瓶颈。现阶段DFOS尚无法完全替代传统监测设备，未来应与GNSS、InSAR、LiDAR、无人机遥感和地下测量等技术手段协同工作，同时融合人工智能（AI）、大数据分析、数字孪生和物联网（IoT）等新兴技术，以实现监测数据的智能解译、灾害风险的动态评估和预警决策支持，逐步构建“空天地一体、多源协同、智能认知”的地质灾害监测预警网络，为重大地质灾害风险防控和智慧减灾工程提供更加可靠的技术保障。
