危崖明探：InSAR 与深度学习滑坡智能预测

内容简介

本书围绕滑坡智能识别、易发性评估与位移预测三大关键问题, 系统融合合成孔径雷达干涉测量(InSAR)技术与深度学习方法, 构建面向复杂地质环境的滑坡智能预测框架。通过引入多源异构数据、图神经网络与时序建模技术, 全面揭示滑坡与孕灾环境之间的时空演化机制, 有效提升了滑坡识别的精度、风险评估的可靠性及位移预测的准确性, 为滑坡灾害的科学防控提供了有力支撑。全书强调可解释性与实用性, 兼顾理论创新与工程应用, 展示了深度学习赋能滑坡预测的前沿成果。本书可供从事地质灾害监测、遥感与人工智能应用的科研人员及相关专业高年级本科生及研究生的阅读参考。

写作背景

• 滑坡监测的困境
  

随着全球气候异常与人类活动的增强，滑坡灾害的发生频率和破坏程度显著上升，传统的监测与预警手段已难以满足现实需求。面对灾害防控时效性强、精度要求高、环境复杂度大的挑战，亟须融合先进遥感技术与人工智能方法，构建具备高效率、高精度与高可解释性的滑坡智能预测技术体系。

• InSAR技术的优势

InSAR 技术因其全天候、高精度和广覆盖的特点，已成为获取地表形变信息的重要手段。近年来，深度学习技术在图像识别、时间序列分析和空间建模等方面展现出卓越的能力，为滑坡灾害的自动识别、风险评估和趋势预测提供了新的突破口。然而，滑坡预测面临的数据往往具有多源异构、结构复杂、样本稀疏等问题，单一方法难以全面刻画滑坡孕灾环境与动态演化机制之间的深层关系。因此，构建一种融合 InSAR 数据、深度学习模型与地学知识的系统性解决方案，具有重要的理论价值和现实意义。

核心亮点

• 集成多源遥感数据多神经网络模型实现滑坡自动识别

• 利用图神经网络与地理环境相似性理论构建滑坡易发性评估模型

• 协同InSAR形变与孕灾环境动-静态因子开展滑坡风险等级划分

• 融合时序神经网络与时序InSAR 地表形变数据实现滑坡位移动态预测

目录一览

左右滑动查看全书目录

购书直达

本文摘编自科学出版社10月出版的

《InSAR与深度学习滑坡智能预测》

何毅,张清著
北京：科学出版社, 2025. 10

ISBN 978-7-03-083781-3

审图号: GS 京(2025)2273 号

责任编辑: 李晓娟

地球为你而转！

欢迎关注：赛杰奥（sci_geo）

科学出版社地球科学订阅号

（本文编辑：方嘉雯）