危崖明探：InSAR 與深度學習滑坡智能預測

內容簡介

本書圍繞滑坡智能識別、易發性評估與位移預測三大關鍵問題, 系統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測、遙感與人工智能應用的科研人員及相關專業高年級本科生及研究生的閱讀參考。

寫作背景

• 滑坡監測的困境
  

隨著全球氣候異常與人類活動的增強，滑坡災害的發生頻率和破壞程度顯著上升，傳統的監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、環境復雜度大的挑戰，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境與動態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境相似性理論構建滑坡易發性評估模型

• 協同InSAR形變與孕災環境動-靜態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）