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。
更多科学出版社服务，请扫码获取。
201109-201606 兰州大学 博士研究生（硕博连读）
200709-201106 兰州交通大学 本科
202301-至今 兰州交通大学 教授
201901-202212 兰州交通大学 副教授
201607-201812 兰州交通大学 讲师
作为通讯作者、第一作者发表论文65篇，其中SCI检索38篇、SSCI检索6篇、EI检索4篇，CSSCI检索12篇、其他核心期刊检索10篇。国际著名期刊IEEE-JSTARS AE、测绘学报青年编委、甘肃省遥感学会理事、兰州交通大学学报编委、中国地理学会团体标准工作组成员、甘肃省公路路网监测重点实验室学术委员会主任、甘肃省科技专家
目录
前言
第1章 绪论 1
1.1 研究背景 1
1.2 滑坡智能识别研究进展 8
1.3 滑坡易发性评估研究进展 9
1.4 滑坡位移预测研究进展 9
1.5 本章小结 11
第2章 InSAR和深度学习相关理论 12
2.1 InSAR基本原理 12
2.2 深度学习基本原理 21
2.3 本章小结 27
第3章 深度学习滑坡智能识别方法 28
3.1 光学遥感的注意力机制U-Net 滑坡识别方法 28
3.2 融合SAR 多源遥感数据的多输入通道U-Net 滑坡识别方法 41
3.3 顾及光谱？地形和纹理特征的多模型集成滑坡识别方法 57
3.4 本章小结 71
第4章 地理环境一致性约束的图神经网络滑坡易发性评估方法 73
4.1 研究数据 73
4.2 地形约束的滑坡孕灾环境地理节点构建 78
4.3 地理环境一致性约束的节点特征有向加权图构建 79
4.4 环境信息聚合的图采集与聚合滑坡易发性评估方法 82
4.5 基于图变换器图神经网络的滑坡易发性评估方法 94
4.6 本章小结 106
第5章 联合InSAR形变信息的动-静态特征一体化滑坡易发性评估方法 108
5.1 研究数据 108
5.2 联合InSAR形变信息的动-静态特征一体化滑坡易发性评估模型构建 113
5.3 滑坡易发性结果评价与分析 121
5.4 本章小结 128
第6章 融合静-动态时空数据的多模型集成滑坡易发性评估方法 129
6.1 研究数据 129
6.2 融合静-动态多源数据多模型的滑坡易发性评估 141
6.3 基于stacking集成框架的滑坡易发性评估 148
6.4 本章小结 171
第7章 典型潜在滑坡InSAR位移预测深度学习方法 172
7.1 研究数据 172
7.2 白龙江流域中段潜在滑坡InSAR识别 180
7.3 白龙江流域中段典型潜在滑坡机理分析 194
7.4 白龙江流域中段典型潜在滑坡InSAR位移预测 219
7.5 本章小结 232
第8章 总结与展望 233
参考文献 235
书单推荐
