长江三峡库区秭归县白水河滑坡变形、降雨及库水位监测资料(2017年)

中文名称

英文名称

Monitoring data of deformation, rainfall and water level of Baishuihe landslide in Zigui County Three Gorges Reservoir area of the Yangtze River (2017)

CSTR

CSTR:11738.11.ncdc.Sanxia.2020.112

DOI

10.12072/ncdc.Sanxia.db0002.2020

数据共享方式

申请获取

数据分类

灾害

来源站点

长江三峡滑坡观测站

数据贡献者

黄海峰 , 卢书强 , 易武

数据集摘要

该数据集记录2017年三峡库区秭归县白水河滑坡的相关监测资料，主要内容包括白水河滑坡基本特征及监测数据使用说明、地表位移GPS监测成果表、降雨量及长江水位观测数据资料表。

基本信息

采集时间	2017/01/01 - 2017/12/31
采集地点	长江三峡库区白水河
数据量	692.9 KiB
数据格式	doc
数据时间分辨率	位移变形监测1个/月，降雨及库水位监测数据1个/日
坐标系	WGS84

数据源描述

自主生产，人工采集

数据加工方法

数据集通过严格的人工审核控制质量

数据质量描述

本数据经过人工检查、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“2017年长江三峡库区秭归县白水河滑坡变形、降雨及库水位监测资料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

黄海峰,卢书强,易武. 长江三峡库区秭归县白水河滑坡变形、降雨及库水位监测资料(2017年). 国家冰川冻土沙漠科学数据中心(http://www.ncdc.ac.cn), 2020. https://cstr.cn/CSTR:11738.11.ncdc.Sanxia.2020.112.
黄海峰,卢书强,易武. 长江三峡库区秭归县白水河滑坡变形、降雨及库水位监测资料(2017年). 国家冰川冻土沙漠科学数据中心(http://www.ncdc.ac.cn), 2020. https://www.doi.org/10.12072/ncdc.Sanxia.db0002.2020.

Endnote中 Bibtex中 RIS中 GBT7714中 EndnoteEN BibtexEN RISEN

许可协议

本作品采用知识共享署名 4.0 国际许可协议进行许可。

#	数据集标题

#	标题	文件大小
1	白水河滑坡地表位移GPS监测成果表2017年.doc	177.1 KiB
2	白水河滑坡基本特征及监测数据使用说明2017年.doc	253.0 KiB
3	白水河滑坡缩略图.jpg	89.0 KiB
4	白水河滑坡降雨量、长江水位观测数据资料表2017年.doc	173.7 KiB

最近10条服务记录如下
#	时间	姓名	用途
1	2026/04/27 19:35	李*峻	由于我的 ST-Conv-Transformer 模型创新点在于端到端的局部特征放大与全局趋势捕捉，亟需采用贵方提供的高质量、标准化的时空数据集进行对比实验验证。通过与现有经典算法（如 LSTM、纯 Transformer）进行消融实验对比，以严格论证本模型在处理强噪声与复杂时空依赖时的鲁棒性和优越性。
2	2026/04/12 21:16	孙*骏	论文题目：基于人工智能方法的灾害智能预警系统设计数据在研究中的作用：数据处理论文类型：本科生毕业论文导师姓名：李春林
3	2026/04/10 23:02	李*君	论文题目：融合物理机理与时空图神经网络的边坡智能预警模型研究数据在研究中的作用：开展基于可解释性人工智能的滑坡灾害位移预测研究，需利用 2007-2012 年及 2016-2018 年的累计位移、降雨量及库水位高精度连续时序数据，进行联合驱动模型的交叉训练与盲测验证论文类型：硕士学位论文导师姓名：富海鹰
4	2026/04/10 03:21	路*	论文题目：基于多源数据融合的高边坡滑坡监测与风险预警研究数据在研究中的作用：将位移数据作为模型预测的目标变量，降雨量数据作为输入特征；完成论文中模型的训练与测试，验证模型预测精度。论文类型：本科毕业论文导师姓名：齐消寒
5	2026/03/30 21:47	周*	论文题目：基于深度学习的滑坡位移预测模型数据在研究中的作用：目前用于模型训练阶段的课题学习，想要参考公开数据集进行验证，模型搭建和期刊论文题目的大体方向未定，若有论文引用时必按要求引用，谢谢!! 论文类型：期刊论文导师姓名：王霄
6	2026/03/26 23:49	张*伦	论文题目：机制引导的时序—剖面图像多模态滑坡位移预测数据在研究中的作用：滑坡位移预测论文类型：方法性导师姓名：刘勇
7	2026/01/12 18:08	谢*	Paper title：多分支注意力融合与残差增量预测结合的可解释性滑坡位移模型 Paper abstract：为了解决滑坡位移预测中传统模型误差累积、多驱动因素静态融合适配性差及深度学习模型“黑箱”可解释性不足的问题，提升预测精度与工程应用价值。提出多分支注意力融合与多重正则化的可解释性智能预测模型：采用位移残差增量策略抑制误差传递；通过多因素注意力融合模块（MAF），利用LSTM、时序周期TCN模块(TP-TCN)、GRU并行分支提取多维度特征并生成动态权重；融合L2正则化等构建多重正则化策略，平衡模型复杂度与可解释性。基于三峡库区白水河滑坡实测数据验证。 Paper type：期刊论文 Tutor：导师-谢凯
8	2026/01/14 01:02	于*	用于科研，对该地区的滑坡位移进行预测与预警
9	2025/12/11 00:18	XI***** LI	老师你好，这个数据将用于模型测试及迁移学习。
10	2025/11/29 03:02	屈*锋	Paper title：Landslide displacement prediction based on the CEEMDAN method and Transformer model. Paper abstract：Landslides are a typical geological disaster and pose a great challenge to land use management. However, traditional landslide displacement models often neglect the impact of random displacements. To address this issue, this paper proposes a deep learning model based on the Transformer architecture. The model innovatively applies the CEEMDAN method to decompose landslide displacements and employs the GRA-MIC fusion correlation calculation method to identify the influencing factors of displacement. Finally, the Transformer model is used for prediction. By leveraging the self-attention mechanism, the constructed Transformer model comprehensively captures the long-term global dependencies of displacement sequences for landslide displacement prediction. Two new concepts for evaluating landslide states and landslide trends are introduced to further enhance the predictive performance of the model. Subsequently, we discuss the predictive performance of the Transformer model under four different input conditions and compare it with seven other predictive models (including CNN-BiLSTM). The experimental results demonstrate that the proposed model has strong applicability in landslide-prone areas, providing solid support for disaster prevention, mitigation, and land use management. Keywords: land use management; landslide displacement prediction; complete ensemble empirical mode decomposition with adaptive noise; transformer Paper type：研究型论文 Tutor 任青阳

添加评论

扫码后在手机端浏览

如何获取数据

登录后申请

东: 110.27

西: 111.00

南: 31.12

北: 30.62

导出元数据

数据服务信息

联系人：: 易武
服务电话：: 13972006951
服务邮箱：: yiwu@ctgu.edu.cn

联系信息

数据贡献者：: 黄海峰 , 卢书强 , 易武
元数据作者：: 黄海峰
数据管理者：: 黄海峰 , 易武