InSAR应用 | 浏览量:219下载量:110CSCD: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
张凯伟 兰州交通大学 电子与信息工程学院
王锋 甘肃路桥飞宇交通设施有限公司
火久元 兰州交通大学 电子与信息工程学院
杨景玉 兰州交通大学 电子与信息工程学院;甘肃省人工智能与图形图像处理工程研究中心
党建武 兰州交通大学 电子与信息工程学院;甘肃省人工智能与图形图像处理工程研究中心;兰州交通大学 轨道交通信息与控制国家级虚拟仿真实验教学中心
任红艳 中国科学院地理科学与资源研究所 地理信息科学与技术全国重点实验室

相关机构

北京理工大学 机电学院
兰州交通大学 电子与信息工程学院
兰州交通大学 轨道交通信息与控制国家级虚拟仿真实验教学中心
甘肃路桥飞宇交通设施有限公司
甘肃省人工智能与图形图像处理工程研究中心