| 1 |
2026/05/15 23:00 |
双*成 |
项目：顾及尺度特征的空间场景跨模态生成式地图制图方法研究 类型：国家自然科学基金项目 负责人：陈占龙 用途：用于创建项目训练大模型的数据集，研究模型的性能
|
| 2 |
2026/04/29 04:46 |
杨*嫣 |
本人正在开展三峡库区秭归白家包滑坡变形机理与预测预警相关研究，研究区为湖北省秭归县归州镇香溪河右岸的白家包滑坡（WGS84：东经 110.76° 左右、北纬 30.99° 左右）。该滑坡为三峡库区典型靠椅状土质滑坡，受库水位涨落与降雨耦合作用，长期处于蠕变状态，对当地居民安全、秭兴公路及香溪河航运构成重大威胁，是三峡滑坡国家野外站重点监测对象之一。
2016 年正射影像图是本研究不可或缺的关键基础数据：
该滑坡为典型库水型滑坡，威胁当地安全与航运。2016 年正射影像为关键历史基准，可提供高精度滑坡边界、微地貌与地物信息，与同期监测数据匹配，支撑形变解译、InSAR 分析与预测建模，数据唯一且不可替代。
服务国家防灾需求：研究成果可直接服务于三峡库区地质灾害防治、国土空间安全与长江经济带高质量发展，符合国家冰川冻土沙漠科学数据中心 “寒旱区与重大工程区灾害科学数据共享、支撑防灾减灾” 的定位与开放共享宗旨。
本人承诺：仅用于上述科研工作，严格遵守数据使用协议，不篡改、不二次分发、不用于商业用途，成果发表将规范引用数据来源。恳请批准获取 “长江三峡库区秭归白家包滑坡正射影像图（2016 年）” 数据。
|
| 3 |
2026/04/24 03:57 |
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。
|
| 4 |
2026/03/29 21:50 |
沈*豪 |
关于研究遥感图像识别滑坡，基于遥感图像机器学习
|
| 5 |
2026/03/22 23:59 |
黄*文 |
本人从事滑坡时序预测与地质灾害智能预警研究，需依托公开数据集开展算法训练与对比实验，确保研究结果客观可复现。申请该数据集仅限学术科研使用，承诺遵守数据使用规范，不泄露、不传播、不商用。
|
| 6 |
2026/03/22 04:10 |
6224*********05718 |
主要适用于毕业设计，毕设题目为无人机倾斜摄影在滑坡灾害应急测绘中的应用
|
| 7 |
2026/03/20 01:18 |
巩*鹏 |
论文题目：库水位与降雨耦合作用下三峡库区八字门滑坡变形机理及稳定性研究
数据在研究中的作用：利用2006 年长江三峡库区秭归县八字门滑坡变形监测数据，获取滑坡早期变形特征，为分析滑坡长期演化趋势提供基准数据；
利用2007-2012 年长江三峡库区秭归县八字门滑坡基本特征及监测数据，补充滑坡地质结构、水文条件及变形时序信息，完善 2006-2018 年完整时间序列的滑坡变形数据库；
结合已有 2016-2018 年滑坡变形、降雨及库水位监测数据，构建更长周期的滑坡变形响应模型，更准确揭示库水位波动与降雨联合作用下的滑坡失稳机理，为库区滑坡预警与防治提供科学依据。
论文类型：期刊论文
导师姓名：马润勇
|
| 8 |
2026/01/19 00:35 |
杨* |
论文题目：基于融合自注意力机制的时间序列生成对抗网络的滑坡位移预测数据增强方法
数据在研究中的作用：用于训练和测试模型
论文类型：期刊论文
导师姓名：窦杰
|
| 9 |
2025/12/18 22:58 |
伍*楠 |
团队为同济大学长江学者张洁教授课题组，本课题拟申请使用“秭归白家包滑坡正射影像图（2016年）”数据，用于三峡库区典型滑坡的遥感解译与智能识别研究。当前我们已掌握该滑坡及周边区域的部分位移时序监测资料（含降雨/库水位等辅助因子），亟需与高分辨率正射影像进行空间对齐与特征提取，以支撑以下工作：（1）构建基于高分辨率影像的滑坡边界、裂缝/堆积体等形态要素解译样本，建立可复现的标注与质量控制流程；（2）训练/验证多模态视觉大模型或深度学习分割/检测模型，实现滑坡目标自动识别与制图；（3）将影像识别结果与真实位移时序进行定量对比验证，分析影像可观测形变特征与监测位移之间的对应关系，从而提升滑坡监测预警的可靠性与可解释性。
本数据仅用于科研与教学目的，不用于商业用途；在论文/报告中将严格按照数据提供方要求进行规范引用与致谢，不对外二次分发原始数据或包含敏感信息的派生产品，并遵守平台的数据使用与保密规定。申请的数据范围以研究区域与必要的缓冲范围为限，避免超范围使用。
|
| 10 |
2025/11/17 23:08 |
邓*政 |
论文题目：基于生成式AI的滑坡位移预测模型
数据在研究中的作用：典型滑坡案例数据集
论文类型：期刊论文
导师姓名：邓李政
|
本作品采用
CC BY 4.0 （知识共享 署名 4.0 国际许可协议）进行许可。
CSTR:11738.11.ncdc.Sanxia.2020.100
10.12072/sanxia.008.2017.db
