降雨诱发滑坡是山区工程建设和地质灾害防控中的重要风险来源。降雨入渗会改变非饱和土体中的孔隙水压力、基质吸力和含水状态，进而影响边坡抗剪强度与安全系数。然而，对于具有显著空间变异性的土体水力参数而言，现场勘察和试验难以全面获得其真实的空间分布，这使得降雨条件下边坡稳定性预测存在较大不确定性。如何充分利用孔隙水压力现场监测信息，对模型参数和边坡响应进行动态更新，是提升滑坡预警和风险评估可靠性的关键问题。

针对上述科学问题，中国地质大学（北京）工程技术学院钱铖在李亚军副教授、张彬教授、徐能雄教授、张永双教授和姚磊华教授的指导下，以降雨诱发非饱和土质边坡稳定性预测为背景，提出了基于随机有限元和集合卡尔曼滤波（EnKF）的数据同化分析方法。该方法将土体参数空间变异性、降雨入渗过程、监测信息更新和边坡稳定性预测统一起来，通过孔隙水压力监测数据逐步修正基础参数的不确定性，从而提高降雨过程中孔压场、变形响应和安全系数预测的准确性。研究同时结合典型边坡案例，对方法的适用性和工程应用潜力进行了验证。获得的主要创新性认识如下：

1. EnKF序贯同化能够逐步重构土体水力参数空间场，并显著降低参数不确定性。研究以孔隙比作为基础随机参数，通过孔隙水压力监测信息逐步更新参数场。如图1所示，初始估计阶段孔隙比均值场较为平滑，标准差整体偏高，说明模型对真实参数空间分布的认识不足；随着第1次、第5次和第10次数据同化的进行，后验均值场逐渐接近参考场的分布特征，标准差场则由大范围高不确定性逐步收缩为局部残余不确定性。这说明孔压观测不仅可以修正局部参数取值，还能够通过参数—响应相关结构向邻近区域传播信息，从而实现对非均质水力参数场的动态更新。

2. 边坡稳定性预测的改善受参数波动尺度、监测区域和同化策略共同控制。图2对比了不同空间波动尺度（SOF）下无同化、均匀同化、关键区同化和关键区补集同化对安全系数分布的影响。未同化时，FOS分布离散性较大，均值也可能偏离参考场；引入监测信息后，FOS分布明显收敛，均值更接近参考结果。特别是潜在滑动区内的关键区同化能够取得接近均匀同化的效果，说明滑动区是水力参数更新和稳定性预测的优先监测目标。相反，当监测信息主要来自关键区以外区域时，对失稳相关响应的约束能力较弱，预测结果稳定性相对不足。因此，监测点布设不能只追求数量增加，更应围绕潜在滑动区、地下水响应敏感区和排水条件薄弱区进行优化。

3. 香港东涌天然边坡案例验证了所提框架在实际工程场景中的可实施性。图3给出了东涌边坡的研究区位置、地形、测点布设及局部剖面信息。该案例包含雨量计、孔压计、钻孔和基岩面等现场资料，能够反映天然边坡中的水文地质条件的复杂性。与理想化算例相比，实际案例中的监测点数量有限，且地下水响应受到地层结构和边界条件影响。因此，将EnKF方法用于该案例，可以检验其在真实监测资料不完备条件下对孔压响应预测和稳定性更新的适用性。

4. 通过局部数值域与无限边坡模型耦合，可将孔压监测更新结果转化为局部稳定性预测。图4展示了实际边坡分析中采用的局部二维数值域和无限边坡稳定性计算示意。数值域用于模拟降雨入渗和孔隙水压力响应，边坡局部安全系数则基于滑面深度、坡角、土体强度参数和孔压状态进行计算。该处理使监测孔压数据能够直接服务于局部FOS的时程预测，增强了数据同化结果与工程预警指标之间的联系。

5. 多监测点同化能够提高实际边坡FOS时程预测的一致性和稳定性。图5给出了东涌边坡SP4和SP5位置处的局部安全系数预测结果。与初始估计相比，基于监测点同化得到的后验均值场能够更好地反映降雨过程中的FOS下降与恢复趋势；同时，联合同化SP4和SP5两个测点的信息通常比单点同化给出更稳定的FOS变化曲线。该结果说明，在实际边坡预警中，多点孔压监测能够降低单一测点局部异常或观测误差带来的影响，提高模型预测与现场响应之间的一致性。更重要的是，数据同化框架可以将实时监测信息持续转化为稳定性指标更新，为降雨滑坡预警阈值设定和风险动态管控提供定量依据。

图1 参数同化过程中孔隙比均值场与标准差场的演化

图2 不同SOF和数据同化策略下FOS分布及统计特征

图3 香港东涌天然边坡案例的研究区、监测点和局部剖面

图4 无限边坡模型及校准数值域的边界条件示意

图5 基于监测点数据同化的SP4和SP5位置FOS预测结果

本研究的核心贡献在于将“随机场表征—孔压监测同化—参数不确定性缩减—稳定性时程预测”整合为统一框架。研究表明，降雨边坡稳定性预测的可靠性不仅取决于数值模型本身，也取决于监测点布设、观测误差、参数空间相关结构、集合规模和同化频率之间的匹配关系。实际应用中，应优先关注潜在滑动区和地下水响应敏感区，避免简单依靠过密布点提高预测效果；同时，应通过多源监测和独立试验进一步验证后验参数，提高数据同化框架在边坡风险评估和预警中的稳健性。

上述研究工作受国家自然科学基金项目（No. 418072280）的资助，发表在工程地质领域国际权威期刊《Engineering Geology》上：Cheng Qian（第一作者）；Yajun Li*（通讯作者）；Honghu Zhu；Kang Liu；Bin Zhang；Nengxiong Xu；Yongshuang Zhang；Leihua Yao. Enhancing rainfall-induced slope stability prediction via the ensemble Kalman filter data assimilation. Engineering Geology, 2026: 108927. DOI: 10.1016/j.enggeo.2026.108927.

全文链接：https://www.sciencedirect.com/science/article/abs/pii/S0013795226003868