2018年8月11日上午8:30左右，北京房山区大安山乡发生山体塌方，塌方量约3万立方米。所幸，由于当地群测群防安全员和公路养护工人及时发现险情并采取断路措施，塌方并没有造成人员伤亡和车辆损失。北京近期暴雨频繁，地质灾害防治任务依然严峻。日前，中国科学院成都山地灾害与环境研究所欧阳朝军副研究员（青促会会员）团队根据此次滑坡特征和现场资料数据，并结合光流法捕捉技术、深度学习和动力学数值模拟方法，对此次崩滑灾害的动力学特性进行了分析和提取，获取了此次滑坡运动速度、演化过程、堆积范围等信息，可以为下一步工程防治措施方案设计、其他潜在风险点危害评估提供技术支撑。

该团队首先利用特征轮廓匹配技术对网友提供的现场实时视频（晃动厉害，见图1）进行了精细的校正，然后利用山地所崔鹏院士开发的表面速度光流测量法（专利号：201410617463.2）对每帧像元进行跟踪计算，有效的提取了不同时刻的运动速度等重要信息（见图2），并可以保存成通用数据格式。同时，团队还利用深度学习方法（DeepLab），采用人工智能方法自动高效的从影像视频中提取不同时刻的滑坡运动位置和范围信息（见图3），相对采用肉眼一张一张勾画效率大幅提高。

每年全球发生无数滑坡灾害，但是由于滑坡多发生在偏远山区，且具有很强的突发性，因此具有完整过程记录的滑坡视频非常少。为此科研人员开展大量室内模型试验研究滑坡动力学机制，然而受限于模型尺寸，模型结果无法真实反映滑坡固有特性，因此滑坡速度、演化过程等动力学特性的提取对滑坡反演、机理分析具有重要科学意义。

利用上述基础信息，团队进一步通过自主编程开发的地表动力过程计算模拟软件Massflow（www.massflow-software.com）,开展了崩塌体动力过程计算模拟（见图4），并与提取的速度、范围数据对比分析，校核模型和计算参数。校核后的模型和参数可以为此次崩塌体后续治理方案设计、本地区其他潜在滑坡风险评估提供技术支撑。

本项研究工作得到国家重点研发专项(2017YFC1501000)、自然基金委（41572303）和中科院前沿局（QYZDY-SSW-DQC006）和青促会经费支持。