1研究目的（Objective）

GSD（粒径分布）作为表征沉积颗粒粒径组成的关键参数，在解析泥石流、岩崩等地质运动的动力学机制方面具有重要作用。现有研究中，相较于传统的筛分法，新兴的照片筛分技术虽能基于影像数据反演GSD，但仍存在处理效率低下、整体精度不足等问题，尤其在单颗粒粒径估算方面存在显著偏差。本研究旨在开发一种高效、精准的地质沉积物颗粒尺寸识别与分布解析研究，通过改进现有影像分析技术的算法框架与处理流程，为地质灾害风险评估与动力学研究提供可靠的技术参考。

2研究方法（Methods）

选择来自不同地质灾害现场的一系列图像，涵盖了山区滑坡崩塌、泥石流等多种场景，同时还包括了因其他因素（如城市地面沉降）导致的地质变化情况。这些图像覆盖了不同的地质条件、颗粒组成以及灾害程度，具备较强的代表性和多样性。

在收集图像数据的过程中，严格确保了图像的质量和分辨率，使其能够满足系统进行分析的要求。并且，从全国25万多个地质灾害点中，依据地质灾害的类型多样性、地理位置分布、历史灾害记录以及可用的实验室测试数据等多项选择标准，精选出了三个具有代表性的案例进行深入研究，包括帕隆藏布下游培龙沟、青藏高原东部康定市三道桥沟、汶川板子沟中的泥石流堆积物，从而精准地从地质灾害图像中提取堆积物颗粒尺寸分布信息。

3研究结果（Results）

（1）从图1、图2中可以看出本研究通过对现场泥石流堆积物拍摄的无人机照片进行提取和识别，能够高度还原泥石流中块石颗粒几何形状和边界的特征模式，并提供颗粒级配曲线预测泥石流的潜在路径和规模。

（2）在图3-b中，人工生成的分布曲线与自动生成的分布曲线在光谱下端接近。超过30cm，特别是在30-50cm直径范围内手动分配曲线与自动曲线相比显示出明显的差距；图3-c中，人工生成的分布曲线，包括超过90个百分位数的晶粒尺寸，与自动生成的曲线非常吻合；图3-d显示出三条曲线之间的高度一致性，只有在20 cm范围以及50-70 cm范围内出现较小的偏差。

（3）通过对三个不同地点的泥石流堆积物颗粒识别及分布曲线分析，能够有效的验证该研究在光筛技术的基础上作出了一定的改进，并且让基于纹理或统计的研究能够直接生成粒度分布（GSD）曲线，以消除对分组的需要，输出空间和平滑曲线产生更全面的数据集。

（4）本研究还创新性地集成了 SfM 和 MVS 技术，实现了从多视角图像中高精度地恢复地质灾害现场的三维结构。SfM 技术先是通过对图像特征点进行细致匹配和精准计算相机位姿，在此基础上，MVS 技术对三维点云进行稠密重建，二者相辅相成，显著提高了三维重建的准确性和完整性。这种技术能够为后续的颗粒特征提取和分析构建更加准确的三维空间基础，使得对颗粒在实际地质灾害场景中的空间位置、相互关系等情况的把握更加精准，为深入研究地质灾害提供了有力的技术支撑。

 

图1  培龙沟中游沟段堆积物颗粒识别

Fig.1 Identification of sedimentary particles in the middle reaches of Peilong Gorge





图2  三道桥沟泥石流堆积物颗粒识别

Fig.2 Identification of Particle Types in the Sediment Deposits of the San Daqiao Gully Debris Flow



图3  板子沟泥石流堆积物颗粒识别

Fig.3 Identification of sediment particles in debris flow deposits of Banzegou Canyon