InSAR应用 | 浏览量:758下载量:334CSCD:0

  • 导出

  • 收藏

  • 专辑

    • 基于迁移学习-TCN融合的白鹤滩库区时序InSAR形变模式识别

    • Deformation pattern recognition in the Baihetan reservoir area using transfer learning-temporal convolutional networks and multi-temporal InSAR

    • “白鹤滩水电站库区岸坡稳定性监测至关重要，"融合迁移学习与时间卷积网络（TCN），构建了一种时序形变模式智能识别模型"，研究团队建立了六维形变分类体系，验证了迁移学习降低时序标注成本的有效性，为库区灾害风险动态评估提供新范式。”
      • 角色：First author第一作者
      • 机构：

        云南大学 地球科学学院, 昆明 650500

        云南省中老孟缅自然资源遥感监测国际联合实验室, 昆明 650500

      • 邮箱：yangms@ynu.edu.cn
      • 简介：杨梦诗，研究方向为时间序列InSAR方法及其在地表形变监测中的应用。E-mail： yangms@ynu.edu.cn

      杨梦诗

      12，
      • 机构：

        云南大学 地球科学学院, 昆明 650500

        云南省中老孟缅自然资源遥感监测国际联合实验室, 昆明 650500

      尹康

      12，
      • 角色：Corresponding author通信作者
      • 机构：

        云南大学 地球科学学院, 昆明 650500

        云南省中老孟缅自然资源遥感监测国际联合实验室, 昆明 650500

      • 邮箱：lsw_ynu@163.com
      • 简介：李赛伟，研究方向为深度学习与InSAR数据智能处理。E-mail： lsw_ynu@163.com

      李赛伟

      12 * ，
      • 机构：

        昆明理工大学 国土资源工程学院, 昆明 650093

      李梦华

      3，
      • 机构：

        云南大学 地球科学学院, 昆明 650500

        云南省中老孟缅自然资源遥感监测国际联合实验室, 昆明 650500

      赵志芳

      12，
      • 机构：

        昆明理工大学 国土资源工程学院, 昆明 650093

        云南省高原山区地质灾害预报预警与生态保护修复重点实验室, 昆明 650216

        云南省地质环境研究院, 昆明 650216

      黄成

      345
    • 2026年30卷第4期 页码：1130-1149  

    • DOI：10.11834/jrs.20265325    

    移动端阅览

    移动端阅览

  • 引用

    翻译全文

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 29 ) 表( 3 )

  • 参考文献

  • 出版信息

  • 数据统计

文章被引用时，请邮件提醒。
提交

相关文章

相关作者

李明锴 北京理工大学 机电学院
徐其志 北京理工大学 机电学院
董雨晴 南京信息工程大学 遥感与测绘工程学院
刘东升 南京信息工程大学 遥感与测绘工程学院
周鑫鑫 南京邮电大学 地理与生物信息学院
吕泓辰 北京超图软件股份有限公司
林芬芳 南京信息工程大学 遥感与测绘工程学院
黄智铭 南京信息工程大学 遥感与测绘工程学院

相关机构

北京理工大学 机电学院
南京信息工程大学 遥感与测绘工程学院
南京邮电大学 地理与生物信息学院
北京超图软件股份有限公司
中国矿业大学 自然资源部国土环境与灾害监测重点实验室