InSAR变形监测 | 浏览量:821下载量:2917CSCD:0

  • 导出

  • 收藏

  • 专辑

    • InSAR时序形变数据的自监督对比学习聚类方法

    • Self-supervised contrastive learning clustering method for InSAR time series deformation data

    • “最新研究突破：基于自监督对比学习的InSAR时序形变深度聚类方法，有效提升形变信息解译准确性。”
      • 角色：First author第一作者
      • 机构：

        昆明理工大学 国土资源工程学院, 昆明 650093

      • 邮箱：20212201138@stu.kust.edu.cn
      • 简介：吴晗飞，研究方向为InSAR形变数据处理。E-mail： 20212201138@stu.kust.edu.cn

      吴晗飞

      1，
      • 机构：

        昆明理工大学 国土资源工程学院, 昆明 650093

      俸彬

      1，
      • 角色：Corresponding author通信作者
      • 机构：

        昆明理工大学 国土资源工程学院, 昆明 650093

        云南省定量遥感重点实验室(筹), 昆明 650093

        云南省山地灾害天空地一体化智慧监测国际联合实验室, 昆明 650093

      • 邮箱：menghuali@kust.edu.cn
      • 简介：李梦华，研究方向为InSAR地质灾害监测。E-mail： menghuali@kust.edu.cn

      李梦华

      123 * ，
      • 机构：

        云南大学 地球科学学院, 昆明 650500

      杨梦诗

      4，
      • 机构：

        昆明理工大学 国土资源工程学院, 昆明 650093

        云南省定量遥感重点实验室(筹), 昆明 650093

        云南省山地灾害天空地一体化智慧监测国际联合实验室, 昆明 650093

      张震

      123，
      • 机构：

        昆明理工大学 国土资源工程学院, 昆明 650093

        云南省定量遥感重点实验室(筹), 昆明 650093

        云南省山地灾害天空地一体化智慧监测国际联合实验室, 昆明 650093

      唐伯惠

      123
    • 2025年29卷第7期 页码：2442-2456  

    • DOI：10.11834/jrs.20254393    

    移动端阅览

    移动端阅览

  • 引用

    翻译全文

  •  
  •  

  • AI导读

  • HTML全文

  • 图( 30 ) 表( 2 )

  • 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

俸彬 昆明理工大学 国土资源工程学院
杨梦诗 云南大学 地球科学学院
张震 昆明理工大学 国土资源工程学院;云南省定量遥感重点实验室(筹);云南省山地灾害天空地一体化智慧监测国际联合实验室
唐伯惠 昆明理工大学 国土资源工程学院;云南省定量遥感重点实验室(筹);云南省山地灾害天空地一体化智慧监测国际联合实验室
吴晗飞 昆明理工大学 国土资源工程学院
李梦华 昆明理工大学 国土资源工程学院;云南省定量遥感重点实验室(筹);云南省山地灾害天空地一体化智慧监测国际联合实验室
单慧琳 无锡学院 江苏省集成电路可靠性技术及检测系统工程研究中心;南京信息工程大学 电子与信息工程学院
王兴涛 南京信息工程大学 电子与信息工程学院

相关机构

南京信息工程大学 电子与信息工程学院
无锡学院 江苏省集成电路可靠性技术及检测系统工程研究中心
武汉大学 测绘遥感信息工程国家重点实验室
武汉大学 遥感信息工程学院
东北石油大学 计算机与信息技术学院