內(nèi)容簡(jiǎn)介

本書圍繞滑坡智能識(shí)別、易發(fā)性評(píng)估與位移預(yù)測(cè)三大關(guān)鍵問題, 系統(tǒng)融合合成孔徑雷達(dá)干涉測(cè)量(InSAR)技術(shù)與深度學(xué)習(xí)方法, 構(gòu)建面向復(fù)雜地質(zhì)環(huán)境的滑坡智能預(yù)測(cè)框架。通過引入多源異構(gòu)數(shù)據(jù)、圖神經(jīng)網(wǎng)絡(luò)與時(shí)序建模技術(shù), 全面揭示滑坡與孕災(zāi)環(huán)境之間的時(shí)空演化機(jī)制, 有效提升了滑坡識(shí)別的精度、風(fēng)險(xiǎn)評(píng)估的可靠性及位移預(yù)測(cè)的準(zhǔn)確性, 為滑坡災(zāi)害的科學(xué)防控提供了有力支撐。全書強(qiáng)調(diào)可解釋性與實(shí)用性, 兼顧理論創(chuàng)新與工程應(yīng)用, 展示了深度學(xué)習(xí)賦能滑坡預(yù)測(cè)的前沿成果。本書可供從事地質(zhì)災(zāi)害監(jiān)測(cè)、遙感與人工智能應(yīng)用的科研人員及相關(guān)專業(yè)高年級(jí)本科生及研究生的閱讀參考。

寫作背景

• 滑坡監(jiān)測(cè)的困境
  

隨著全球氣候異常與人類活動(dòng)的增強(qiáng)，滑坡災(zāi)害的發(fā)生頻率和破壞程度顯著上升，傳統(tǒng)的監(jiān)測(cè)與預(yù)警手段已難以滿足現(xiàn)實(shí)需求。面對(duì)災(zāi)害防控時(shí)效性強(qiáng)、精度要求高、環(huán)境復(fù)雜度大的挑戰(zhàn)，亟須融合先進(jìn)遙感技術(shù)與人工智能方法，構(gòu)建具備高效率、高精度與高可解釋性的滑坡智能預(yù)測(cè)技術(shù)體系。

• InSAR技術(shù)的優(yōu)勢(shì)

InSAR 技術(shù)因其全天候、高精度和廣覆蓋的特點(diǎn)，已成為獲取地表形變信息的重要手段。近年來，深度學(xué)習(xí)技術(shù)在圖像識(shí)別、時(shí)間序列分析和空間建模等方面展現(xiàn)出卓越的能力，為滑坡災(zāi)害的自動(dòng)識(shí)別、風(fēng)險(xiǎn)評(píng)估和趨勢(shì)預(yù)測(cè)提供了新的突破口。然而，滑坡預(yù)測(cè)面臨的數(shù)據(jù)往往具有多源異構(gòu)、結(jié)構(gòu)復(fù)雜、樣本稀疏等問題，單一方法難以全面刻畫滑坡孕災(zāi)環(huán)境與動(dòng)態(tài)演化機(jī)制之間的深層關(guān)系。因此，構(gòu)建一種融合 InSAR 數(shù)據(jù)、深度學(xué)習(xí)模型與地學(xué)知識(shí)的系統(tǒng)性解決方案，具有重要的理論價(jià)值和現(xiàn)實(shí)意義。

核心亮點(diǎn)

• 集成多源遙感數(shù)據(jù)多神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)滑坡自動(dòng)識(shí)別

• 利用圖神經(jīng)網(wǎng)絡(luò)與地理環(huán)境相似性理論構(gòu)建滑坡易發(fā)性評(píng)估模型

• 協(xié)同InSAR形變與孕災(zāi)環(huán)境動(dòng)-靜態(tài)因子開展滑坡風(fēng)險(xiǎn)等級(jí)劃分

• 融合時(shí)序神經(jīng)網(wǎng)絡(luò)與時(shí)序InSAR 地表形變數(shù)據(jù)實(shí)現(xiàn)滑坡位移動(dòng)態(tài)預(yù)測(cè)

目錄一覽

左右滑動(dòng)查看全書目錄

購(gòu)書直達(dá)

本文摘編自科學(xué)出版社10月出版的

《InSAR與深度學(xué)習(xí)滑坡智能預(yù)測(cè)》

何毅,張清著
北京：科學(xué)出版社, 2025. 10

ISBN 978-7-03-083781-3

審圖號(hào): GS 京(2025)2273 號(hào)

責(zé)任編輯: 李曉娟

地球?yàn)槟愣D(zhuǎn)！

歡迎關(guān)注：賽杰奧（sci_geo）

科學(xué)出版社地球科學(xué)訂閱號(hào)

（本文編輯：方嘉雯）