检索结果-维普期刊中文期刊服务平台

改进TS-InSAR方法的白格滑坡灾前-灾后形变演化特征分析被引量：4: 1; 作者余斌李松 +5 位作者谢凌霄贾洪果亢邈迒刘雨鑫廖明杰张瑞《测绘通报》 CSCD 北大核心 2022年第11期8-12,共5页; 2018年10至11月,金沙江上游白格滑坡先后两次垮塌渡江并致堰塞湖,且至今仍存在较显著的蠕滑形变。针对时序InSAR技术在高植被发育区的应用局限,本文提出了一种改进的时序InSAR解算方法(ITSI),结合Sentinel-1A卫星2017年9月—2021年3月... 展开更多; 关键词白格滑坡时序雷达干涉测量蠕滑形变形变演化特征肖莫久滑坡; 在线阅读下载PDF 职称材料

基于时序InSAR与机器学习的岩溶地区铁路沿线形变监测及预测方法: 2; 作者徐林荣何元幸子 +3 位作者邓志兴肖源杰李永威陈昀灏《中南大学学报(自然科学版)》北大核心 2025年第3期998-1014,共17页; 岩溶塌陷灾害对线性工程稳定性和安全性的影响不容忽视,地表形变监测结果能直接反映灾害体的当前状态。为捕捉岩溶地区铁路既有线的沉降靶区并分析其形变特征,提出一种基于时序InSAR与机器学习结合的铁路沿线形变监测及预测方法。以京... 展开更多; 关键词铁路地表形变时序InSAR 机器学习时序预测; 在线阅读下载PDF 职称材料

利用C-LSTM的时序InSAR地表形变趋势分析及预测方法: 3; 作者文艺张玲 +3 位作者孔含泉万祥星葛大庆刘斌《自然资源遥感》北大核心 2025年第5期141-151,共11页; 时序合成孔径雷达干涉测量(interferometric synthetic aperture Radar,InSAR)技术已广泛应用于地表形变监测与预测,但目前在地下水与地表形变趋势的相关性及其时间滞后性分析研究方面尚显不足,此外,InSAR地表形变趋势预测模型多依赖于... 展开更多; 关键词时序InSAR 地表形变相关性分析 C-LSTM; 在线阅读下载PDF 职称材料

基于Multiple-RSS识别技术的松材线虫疫情监测——以清原县为例: 4; 作者李云霄李辉《绿色科技》 2023年第5期156-161,共6页; 松材线虫病是由松材线虫寄生在松树体内而引起松树迅速死亡的一种流行性、传染性、毁灭性林木病害,为实现对清原满族自治县的松材线虫病疫木的有效监测,提出了Multiple-RSS识别技术。该技术主要包含TS-INSAR影像粗分类与顾及后向散射系... 展开更多; 关键词松材线虫病时序合成孔径雷达干涉后向散射系数深度学习; 在线阅读下载PDF 职称材料

题名改进TS-InSAR方法的白格滑坡灾前-灾后形变演化特征分析被引量：4: 1; 作者余斌李松谢凌霄贾洪果亢邈迒刘雨鑫廖明杰张瑞; 机构西南交通大学地球科学与环境工程学院高速铁路运营安全空间信息技术国家地方联合工程实验室中铁第一勘察设计院集团有限公司; 出处《测绘通报》 CSCD 北大核心 2022年第11期8-12,共5页; 基金国家自然科学基金(42071410) 高分辨率对地观测重大专项航空观测系统项目(30-H30C01-9004-19/21) +1 种基金铁一院科研(川藏)20-32。; 文摘 2018年10至11月,金沙江上游白格滑坡先后两次垮塌渡江并致堰塞湖,且至今仍存在较显著的蠕滑形变。针对时序InSAR技术在高植被发育区的应用局限,本文提出了一种改进的时序InSAR解算方法(ITSI),结合Sentinel-1A卫星2017年9月—2021年3月期间获取的SAR影像数据,针对滑坡区域分别开展了灾前和灾后时序干涉处理,提取了灾害-灾后时段内的年平均蠕滑速率场(灾前极值为9.71 cm/a,灾后达到25.42 cm/a)和累计蠕滑形变量(灾前极值为13 cm,灾后两年内达61 cm),并结合灾前-灾后形变时间序列,重点分析了蠕滑形变的时序演化特征,发现白格滑坡灾后两年间渐趋稳定。此外,监测结果发现白格滑坡上游5 km处的肖莫久滑坡也处于活动状态。相关结果可为该区域防灾减灾领域研究提供参考。; 关键词白格滑坡时序雷达干涉测量蠕滑形变形变演化特征肖莫久滑坡; Keywords Baige landslide ts-insar creep deformation deformation evolution characteristics Xiaomojiu landslide; 分类号 P23 [天文地球—摄影测量与遥感]; 在线阅读下载PDF 职称材料

题名基于时序InSAR与机器学习的岩溶地区铁路沿线形变监测及预测方法: 2; 作者徐林荣何元幸子邓志兴肖源杰李永威陈昀灏; 机构中南大学土木工程学院湖南大学土木工程学院; 出处《中南大学学报(自然科学版)》北大核心 2025年第3期998-1014,共17页; 基金铁路基础研究联合基金资助项目(U2268213) 国家自然科学基金资助项目(42172322) 中国中铁股份有限公司科技研究开发计划项目(2023-重点-09)。; 文摘岩溶塌陷灾害对线性工程稳定性和安全性的影响不容忽视,地表形变监测结果能直接反映灾害体的当前状态。为捕捉岩溶地区铁路既有线的沉降靶区并分析其形变特征,提出一种基于时序InSAR与机器学习结合的铁路沿线形变监测及预测方法。以京广铁路广州段为研究对象,首先基于时序InSAR技术获取并分析铁路沿线2019—2023年地表形变,结合现场勘察对铁路沿线形变时空特征、特征点时序形变特征及靶区形变稳定性进行分析。其次,采用小波变换(wavelet transform,WT)算法对3处路基历史塌陷点时序形变进行降噪处理,再基于反向传播(back propagation,BP)、极限学习机(extreme learning machine,ELM)、长短时记忆网络(long short-term memory,LSTM)这3种经典的机器学习模型进行形变的预测分析,并利用最佳机器学习模型对其进行超前预测。研究结果表明:铁路沿线存在A、B两处沉降靶区,2021—2023年,区内沉降量逐年增大且沉降范围不断扩大,其累计沉降量峰值为-118.01 mm;路基历史塌陷处均位于年平均形变速率的漏斗中心或边缘,结合正态分布统计,区域A、B均于2021年达到最不稳定状态,通过预测分析得到WT-LSTM模型的预测效果最佳,在训练集和测试集上的拟合优度分别高于0.98、0.94,基于超前预测结果发现未来形变预测的时间约为1 a。研究成果可为岩溶地区铁路沿线沉降早期预防提供关键技术支撑。; 关键词铁路地表形变时序InSAR 机器学习时序预测; Keywords railway surface deformation ts-insar machine learning time series prediction; 分类号 U213.1 [交通运输工程—道路与铁道工程]; 在线阅读下载PDF 职称材料

题名利用C-LSTM的时序InSAR地表形变趋势分析及预测方法: 3; 作者文艺张玲孔含泉万祥星葛大庆刘斌; 机构中国自然资源航空物探遥感中心自然资源部航空地球物理与遥感地质重点实验室自然资源部地质灾害隐患遥感识别与监测工程技术创新中心中国矿业大学(北京)地球科学与测绘工程学院黑龙江省地质测绘地理信息院; 出处《自然资源遥感》北大核心 2025年第5期141-151,共11页; 基金中国自然资源航空物探遥感中心青年创新基金“多维观测下滑坡InSAR时序监测与形变分解方法”(编号:2023YFL26) 国家重点研发计划项目“广域重大地质灾害隐患综合遥感识别技术研发”(编号:2021YFC3000400)共同资助。; 文摘时序合成孔径雷达干涉测量(interferometric synthetic aperture Radar,InSAR)技术已广泛应用于地表形变监测与预测,但目前在地下水与地表形变趋势的相关性及其时间滞后性分析研究方面尚显不足,此外,InSAR地表形变趋势预测模型多依赖于单一InSAR信息,限制了模型的预测精度和泛化能力。针对上述问题,该文提出了一种结合地下水位、降雨量和InSAR形变信息的基于排列组合长短期记忆网络(combination-long short-term memory,C-LSTM)模型,分别对单因子模型和多因子模型的预测精度进行评价。分析发现,地表形变与地下水位变化间存在滞后关系,利用地下水和降雨量通过模型训练得到的最优特征组合,其预测结果与实际地表形变相比决定系数(R2)分别较单一特征因子预测结果提高了2.45%,1.52%,4.16%,8.08%,5.08%和1.45%。通过增加与地表形变相关性高的模型特征组合,提升了对地表形变区域预测的准确性。; 关键词时序InSAR 地表形变相关性分析 C-LSTM; Keywords time-series interferometric synthetic aperture radar(ts-insar) ground deformation correlation a-nalysis combination-long short-term memory(C-LSTM); 分类号 TP79 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于Multiple-RSS识别技术的松材线虫疫情监测——以清原县为例: 4; 作者李云霄李辉; 机构抚顺市新宾满族自治县自然资源发展中心辽宁省化工地质勘查院有限责任公司; 出处《绿色科技》 2023年第5期156-161,共6页; 文摘松材线虫病是由松材线虫寄生在松树体内而引起松树迅速死亡的一种流行性、传染性、毁灭性林木病害,为实现对清原满族自治县的松材线虫病疫木的有效监测,提出了Multiple-RSS识别技术。该技术主要包含TS-INSAR影像粗分类与顾及后向散射系数时序变化的深度学习方法两部分,其中深度学习采用AttU-Net深度神经网络模型。该方法以多期时序干涉合成孔径雷达影像、GF2光学影像为数据源,参考项目区的“林地一张图”、地国情监测、物候数据、气象数据等,通过时序雷达的干涉测量与地理编码,获取后向散射系数时序变化分类因子,通过语义模型进行雷达影像粗分类,获取松材线虫病疫情区域。通过掩膜技术结合雷达后向散射系数时序变化的“深度学习”识别方法对项目区的松材线虫病疫木进行了精确监测。该技术在清原满族自治县进行了试验,在一期监测中获得松材线虫疫情小班754处,二期监测获得松材线虫疫情小班812处,三期监测获得松材线虫疫情小班793处。通过清原满族自治县林业主管部门反馈,小班识别率高达83%,表明:监测成果客观可靠,可为其他林区开展松材线虫病疫情监测提供方法。; 关键词松材线虫病时序合成孔径雷达干涉后向散射系数深度学习; Keywords Bursaphelenchus xylophilus ts-insar back scattering coefficient deep learning; 分类号 S763 [农业科学—森林保护学]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	改进TS-InSAR方法的白格滑坡灾前-灾后形变演化特征分析	余斌李松谢凌霄贾洪果亢邈迒刘雨鑫廖明杰张瑞	《测绘通报》 CSCD 北大核心	2022	4	在线阅读下载PDF 职称材料
2	基于时序InSAR与机器学习的岩溶地区铁路沿线形变监测及预测方法	徐林荣何元幸子邓志兴肖源杰李永威陈昀灏	《中南大学学报(自然科学版)》北大核心	2025	0	在线阅读下载PDF 职称材料
3	利用C-LSTM的时序InSAR地表形变趋势分析及预测方法	文艺张玲孔含泉万祥星葛大庆刘斌	《自然资源遥感》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于Multiple-RSS识别技术的松材线虫疫情监测——以清原县为例	李云霄李辉	《绿色科技》	2023	0	在线阅读下载PDF 职称材料