內容簡介

本書圍繞滑坡智能識別、易發(fā)性評估與位移預測三大關鍵問題, 系統(tǒng)融合合成孔徑雷達干涉測量(InSAR)技術與深度學習方法, 構建面向復雜地質環(huán)境的滑坡智能預測框架。通過引入多源異構數據、圖神經網絡與時序建模技術, 全面揭示滑坡與孕災環(huán)境之間的時空演化機制, 有效提升了滑坡識別的精度、風險評估的可靠性及位移預測的準確性, 為滑坡災害的科學防控提供了有力支撐。全書強調可解釋性與實用性, 兼顧理論創(chuàng)新與工程應用, 展示了深度學習賦能滑坡預測的前沿成果。本書可供從事地質災害監(jiān)測、遙感與人工智能應用的科研人員及相關專業(yè)高年級本科生及研究生的閱讀參考。

寫作背景

• 滑坡監(jiān)測的困境
  

隨著全球氣候異常與人類活動的增強，滑坡災害的發(fā)生頻率和破壞程度顯著上升，傳統(tǒng)的監(jiān)測與預警手段已難以滿足現實需求。面對災害防控時效性強、精度要求高、環(huán)境復雜度大的挑戰(zhàn)，亟須融合先進遙感技術與人工智能方法，構建具備高效率、高精度與高可解釋性的滑坡智能預測技術體系。

• InSAR技術的優(yōu)勢

InSAR 技術因其全天候、高精度和廣覆蓋的特點，已成為獲取地表形變信息的重要手段。近年來，深度學習技術在圖像識別、時間序列分析和空間建模等方面展現出卓越的能力，為滑坡災害的自動識別、風險評估和趨勢預測提供了新的突破口。然而，滑坡預測面臨的數據往往具有多源異構、結構復雜、樣本稀疏等問題，單一方法難以全面刻畫滑坡孕災環(huán)境與動態(tài)演化機制之間的深層關系。因此，構建一種融合 InSAR 數據、深度學習模型與地學知識的系統(tǒng)性解決方案，具有重要的理論價值和現實意義。

核心亮點

• 集成多源遙感數據多神經網絡模型實現滑坡自動識別

• 利用圖神經網絡與地理環(huán)境相似性理論構建滑坡易發(fā)性評估模型

• 協(xié)同InSAR形變與孕災環(huán)境動-靜態(tài)因子開展滑坡風險等級劃分

• 融合時序神經網絡與時序InSAR 地表形變數據實現滑坡位移動態(tài)預測

目錄一覽

左右滑動查看全書目錄

購書直達

本文摘編自科學出版社10月出版的

《InSAR與深度學習滑坡智能預測》

何毅,張清著
北京：科學出版社, 2025. 10

ISBN 978-7-03-083781-3

審圖號: GS 京(2025)2273 號

責任編輯: 李曉娟

地球為你而轉！

歡迎關注：賽杰奧（sci_geo）

科學出版社地球科學訂閱號

（本文編輯：方嘉雯）