ncdc logo title
ncdc_logo
2006年长江三峡库区秭归县树坪滑坡变形监测数据
  • 2022/02/16 16:39
  • 9064
  • 133
  • 1
中文名称
2006年长江三峡库区秭归县树坪滑坡变形监测数据
英文名称
Deformation monitoring data of Shuping landslide at Zigui County, Three Gorges Reservoir Area, Yangtze River, 2006
CSTR
CSTR:11738.11.ncdc.Sanxia.db1666.2022
DOI
10.12072/ncdc.Sanxia.db1666.2022
数据共享方式
登录获取
数据分类
灾害
数据贡献者
易武
数据集摘要

  滑坡变形监测数据是反映滑坡发生、发展、演化过程的最显著的参量,是滑坡监测预警必要的基础数据。该数据集记录了三峡库区秭归县树坪滑坡2006年变形监测数据；该滑坡的监测内容主要为地表位移监测、钻孔测斜监测、地下水位监测。

  该数据集包括树坪滑坡月报、地表位移GPS监测成果、地下水监测表、树坪滑坡降雨量、长江水位及气温观测数据资料等内容。

基本信息
采集时间 2006/01/01  -  2006/12/16
采集地点 长江三峡库区树坪
数据量 5.6 MiB
数据格式 csv
数据时间分辨率 月
坐标系 WGS84
数据缩略图
数据源描述

  人工采集、自动采集。

数据加工方法

  数据通过严格的人工审核控制质量。

数据质量描述

  数据经过人工校正、质量良好。

引用和标注
为保障平台科技资源的权益、扩展平台中心的服务、提升科技资源的应用潜力，请资源使用者在使用资源所产生的研究成果中（包括公开发表的论文、论著、数据产品和未公开发表的研究报告、数据产品等成果），请按以下方式规范标注和引用。
在使用数据时，请注明“2006年长江三峡库区2006年秭归县树坪滑坡变形监测数据数据来自湖北长江三峡滑坡国家野外科学观测研究站”。

中文发表的成果中参考以下规范注明： 数据来源于国家冰川冻土沙漠科学数据中心 (http://www.ncdc.ac.cn)。
英文发表的成果中参考以下规范注明： The dataset is provided by National Cryosphere Desert Data Center. (http://www.ncdc.ac.cn).

数据引用
  1. 易武. 2006年长江三峡库区秭归县树坪滑坡变形监测数据. 国家冰川冻土沙漠科学数据中心(http://www.ncdc.ac.cn), 2022. https://cstr.cn/CSTR:11738.11.ncdc.Sanxia.db1666.2022.
  2. 易武. 2006年长江三峡库区秭归县树坪滑坡变形监测数据. 国家冰川冻土沙漠科学数据中心(http://www.ncdc.ac.cn), 2022. https://www.doi.org/10.12072/ncdc.Sanxia.db1666.2022.
许可协议
# 标题 文件大小
1 T_DA_SP_DXSJC2006.csv 360 Bytes
2 T_DA_SP_JYLSWQW2006.csv 401 Bytes
3 树坪滑坡地表位移GPS监测成果表2006.xls 150.6 KiB
4 树坪滑坡基本特征及监测数据使用说明2017年.doc 5.5 MiB
最近10条服务记录如下
# 时间 姓名 用途
1 2026/05/25 04:15 魏*
要解析 CSV 和 Excel 文件 转换数据格式 集成到您的滑坡预警系统中 更新可视化图表
2 2026/05/17 01:19 叶*强
数据是构建机器学习模型的基础，直接影响模型的精度和可靠性。目前我已通过学校图书馆和公开渠道获取了部分数据，但仍存在数据时间跨度短、空间分辨率低、覆盖范围有限等问题，无法满足高精度模型训练的需求，遂申请此数据。【打算利用Trae Cn进行模型的搭建和训练】
3 2026/05/14 19:26 彭*桂
滑坡地质灾害位移预测与灾害智能防控技术研究
4 2026/05/09 07:14 梁*佳
国山区地质条件复杂，滑坡灾害频发，滑坡位移时间序列呈现显著的非平稳、非线性及多尺度耦合特性，传统统计与机器学习方法难以精准表征其演化规律，预测精度与泛化能力难以满足地质灾害预警的工程需求。为提升滑坡位移预测的科学性与可靠性，本文以滑坡位移时间序列预测为研究对象，综合运用文献分析、理论对比、模型构建与实验验证等方法，系统梳理滑坡预测领域的研究进展与技术瓶颈，对比 LSTM、TCN、Transformer 等深度学习模型的适用性与性能差异，构建包含数据预处理、时序分解、深度学习建模及结果重构的一体化预测体系。研究对原始监测数据进行缺失值处理、去噪、归一化与趋势项、周期项、随机项分解，并基于真实滑坡数据集完成模型训练、参数优化与效果验证。实验结果表明，所提模型能够有效捕捉滑坡位移的动态演化特征与长时依赖关系，预测精度与鲁棒性优于传统方法，可为滑坡灾害监测预警、风险防控与防灾减灾决策提供理论支撑与技术参考。本文创新之处在于将时序分解与深度学习深度融合，显著增强了对非线性、非平稳位移序列的拟合与预测能力。
5 2026/04/24 03:44 杜*洋
本人杜凯洋，系成都大学建筑与土木工程学院土木工程专业2025级硕士研究生。研究方向为基于深度学习的浅层滑坡变形特征预测。 浅层滑坡是我国西部地区常见的地质灾害类型，具有分布广、突发性强、致灾后果严重的特点。近年来，深度学习技术在时序预测领域取得显著进展，为滑坡位移预测提供了新的技术路径。然而，深度学习模型的训练与验证高度依赖于高质量、长序列的滑坡变形监测数据，而此类数据获取难度大，是制约该研究方向发展的主要瓶颈。国家冰川冻土沙漠科学数据中心作为国家首批认定的科学数据中心之一，长期致力于冰川、冻土、沙漠及寒旱区灾害数据的资源建设与共享服务，已在三峡库区、舟曲等地滑坡灾害研究中积累了丰富的数据资源，为中心开展灾害数据分析与防灾减灾研究提供了重要支撑。 本人正在开展题为《基于深度学习的浅层滑坡变形特征预测研究》的硕士学位论文工作。研究拟构建浅层滑坡位移预测模型，通过挖掘历史变形监测数据中的时序演化规律，实现对滑坡变形趋势的提前预测与预警。现向贵中心申请获取相关数据。
6 2026/04/23 22:53 W****n
所获数据仅用于学术论文发表及模型构建，不做任何商业用途。我们将严格遵守数据安全协议，在服务器本地处理，并承诺在成果中明确标注数据来源。
7 2026/04/21 20:41 邱*志
研究生课程（地质灾害智能监测技术）案例教学
8 2026/04/27 18:22 付*伟
我要专门做一个项目，具体内容为 基于多源异构数据融合与深度学习的边坡失稳智能监测与自适应预警研究，我现在是想对遥感图像进行图像分割（各种各样的方法）的数据与我在山体边坡放置的位移传感器和雨量传感器所读取的数据进行融合，然后对山体边坡的运动进行预测或者预警，当然主体还是遥感图像的数据。 然后以此为背景撰写论文
9 2026/03/23 22:16 钱*巍
论文题目：深度学习与PINN融合的滑坡研究相关论文（待整理） 数据在研究中的作用：支撑模型构建与验证 论文类型：外文期刊 导师姓名：钱巍巍
10 2026/03/23 07:33 肖*
论文题目：基于深度学习组合模型的滑坡位移预测研究 数据在研究中的作用：验证所建立的预测模型对不同滑坡案例的有效性 论文类型：硕士毕业论文 导师姓名：王思长
loading
如何获取数据 
东: 110.30
西: 111.00
南:  31.18
北:  30.63
导出元数据
联系信息
数据贡献者：
易武
元数据作者：
易武 , 敏玉芳
数据管理者：
易武
平台数据服务信息
联系人：
李红星
服务电话：
0931-4967592
服务邮箱：
ncdc@lzb.ac.cn

© 中国科学院西北生态环境资源研究院 2005- 备案号：陇ICP备2021001824号-21

兰州市东岗西路320号, 730000, 电话: 0931-4967592,0931-4967596