该数据集记录2018年三峡库区秭归县新滩滑坡的相关监测资料,主要内容包括新滩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。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。
| 采集时间 | 2018/01/01 - 2018/12/31 |
|---|---|
| 采集地点 | 长江三峡库区新滩 |
| 数据量 | 547.5 KiB |
| 数据格式 | doc |
| 数据时间分辨率 | 日 |
| 坐标系 | WGS84 |
自产生产,自动采集
计算、汇总、分析
本数据经过人工检查、质量良好
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。
| # | 标题 | 文件大小 |
|---|---|---|
| 1 | 新滩滑坡地表位移GPS监测成果表2018年.doc | 95.1 KiB |
| 2 | 新滩滑坡基本特征及监测数据使用说明(2018年).doc | 220.0 KiB |
| 3 | 新滩滑坡降雨量、长江水位观测数据资料表2018年.doc | 164.1 KiB |
| 4 | 新滩缩略图.jpg | 68.4 KiB |
| # | 时间 | 姓名 | 用途 |
|---|---|---|---|
| 1 | 2026/08/13 05:45 | 冷* |
本申请有科研课题支持,课题信息如下: 项目类型:国家重点研发计划课题 课题名称:露天边坡与地下采空区时空耦合致灾机理及稳定性评价方法研究 课题编号:2024YFC3013901 所属项目:露天转地下开采典型灾害事故风险防控关键技术及示范 课题负责人:张利,教授,辽宁大学信息学部 本人拟在该课题支持下开展期刊论文以及硕士学位论文研究。 论文主题:基于GNSS/GPS监测时间序列的滑坡多监测点位移时空预测研究 数据用途说明: 拟申请典型滑坡GNSS/GPS地表位移监测数据,以及同期降雨量、库水位/长江水位等辅助监测数据。GNSS/GPS位移数据将作为论文中的主要预测对象和模型训练、验证、测试数据,用于分析滑坡不同监测点之间的空间关联关系及位移时序演化规律;降雨量和库水位数据将作为外部诱发因素,用于分析外部环境变化对滑坡位移演化的影响,并作为模型输入变量辅助提升预测精度。 本研究拟构建深度学习滑坡位移预测模型,并与传统时间序列模型、机器学习模型进行对比实验,验证多监测点时空建模方法在滑坡位移预测中的有效性。相关数据将服务于课题中边坡滑移演化分析、稳定性评价及灾害风险防控方法研究,同时用于本人硕士学位论文研究,不用于商业用途,不向第三方传播或二次发布。后续论文、报告或成果中将按照平台要求规范引用数据来源并致谢。
申请人姓名:冷冰
导师姓名及职称:张利,教授,辽宁大学信息学部
|
| 2 | 2026/07/25 10:09 | 王* |
研究新铺滑坡变形与降雨及库水位关系,申请监测数据。
|
| 3 | 2026/07/17 17:33 | 李* |
融合神经ODE与对比模式迁移的阶梯先验滑坡位移预测方法库岸滑坡位移预测是地质灾害监测预警中的关键问题。受降雨入渗、库水位涨落和坡体结构共同影响,三峡库区许多滑坡的累积位移并不是简单平滑变化,而是表现出“缓慢变形—加速变形—趋于稳定”的阶梯式演化特征。传统时间序列模型虽然能够描述位移序列的统计相关性,但在阶梯边界识别、阶梯内部连续动力学刻画以及不同滑坡之间的知识迁移方面仍存在不足。针对上述问题,本文提出一种融合注意力阶梯解析、对比形态匹配、神经常微分方程(Neural ODE)和状态转移网络的滑坡阶梯位移预测框架。以白水河滑坡为目标域,以八字门滑坡和新滩滑坡为源域,模型首先在源域数据上预训练,再引入白水河数据进行联合微调,实现跨滑坡演化知识迁移。针对白水河最后一个阶梯段,本文采用离线遮挡实验方式,将索引区间[47,61)的前10个观测点作为已知部分,预测后4个点,并与真实观测值对比。实验结果表明,基于当前阶梯前部形态匹配的迁移策略取得RMSE=122.7150 mm、MAE=113.0226 mm、MAPE=7.6218%的预测精度;基于相邻阶梯对迁移的扩展策略经优化后取得RMSE=188.7988 mm、MAE=166.5230 mm、MAPE=11.3108%。结果说明,在目标阶梯已有部分观测信息的条件下,将当前阶梯前部形态与目标滑坡上一阶梯状态共同用于预测,能够获得更稳定的迁移预测效果。
|
| 4 | 2026/07/15 01:10 | 谭*兵 |
题目:基于Insar的秭归县树坪滑坡的变形分析 摘要:秭归县树坪滑坡是三峡库区典型的库水扰动型滑坡,受库水位升降与降雨叠加影响,变形活动频繁,对库区沿线人居与工程安全构成严重威胁。为精准掌握其动态变形特征,本文采用时序InSAR技术,依托Sentinel-1卫星时序遥感数据,对树坪滑坡开展长时间、大范围形变监测与规律分析。研究提取滑坡地表时序形变信息,反演得到滑坡整体及局部形变速率,精准圈定滑坡变形核心区域。结果表明,树坪滑坡变形具有显著的时空差异性,滑坡中前部为主要变形区,形变速率更大,整体呈现阶段性蠕变特征;库水位骤降与强降雨是诱发滑坡变形加剧的核心因素,动水压力变化直接推动坡体滑移变形。本研究明确了滑坡变形响应机制,验证了InSAR技术在库区滑坡动态监测中的适用性,可为三峡库区同类型滑坡的预警预报、风险管控及防灾减灾工作提供科学参考与技术支撑。硕士论文
|
| 5 | 2026/07/06 05:54 | XI***** LI |
论文题目:融合监测数据和滑坡变形机制的滑坡位移预测 数据在研究中的作用:需要该数据作为滑坡预测的源域数据进行迁移学习 论文类型:应用研究
|
| 6 | 2026/07/02 20:08 | 杨*飞 |
研究拟选取三峡库区典型库岸滑坡研究区,申请GNSS地表位移监测数据及配套的降雨、库水位等辅助数据,用于开展库岸滑坡变形时序特征分析、位移对水雨
因素的响应关系研究以及变形预测模型构建等工作。
论文类型:硕士论文
论文题目:三峡库区库岸地质灾害 GNSS 自动化监测数据质量与变形特征分析
摘要:三峡库区自2003年蓄水以来,库区大量滑坡监测累积位移曲线呈阶跃型,此类滑坡在外界影响因素下集中在某一时间段内变形量大,其机理复杂、稳定性判断和预警难度大。全球导航卫星系统(GNSS)自动化监测技术因具备高精度、全天候、实时连续等优势,已被广泛应用于库岸滑坡地表变形监测中。然而,三峡库区多峡谷地貌导致GNSS信号易受干扰,监测数据质量直接影响后续变形分析和预警工作的可靠性。因此,系统开展GNSS自动化监测数据质量评价与滑坡变形特征分析,对于提升库岸地质灾害监测预警能力具有重要意义。
本研究选取三峡库区树坪滑坡、白水河滑坡、白家包滑坡、谭家湾滑坡和藕塘滑坡等5个典型库岸滑坡为研究区,申请GNSS地表位移监测数据及配套的降雨、库水位等辅助数据。研究内容主要包括:(1)基于TEQC等工具对GNSS监测数据进行质量评估,从数据完整性、多路径效应、信噪比等维度系统评价监测数据质量;(2)基于GNSS位移时间序列数据,分析各滑坡体地表变形的时空演化特征与阶跃型变形规律;(3)定量分析滑坡位移对降雨及库水位变动的响应关系,探究位移速率对诱发因素的滞后效应;(4)基于改进切线角法及全自动监测数据定量化分析,获取滑坡等速变形速率和变形阶跃点,建立相应的预警模型。预期形成规范化分析数据表、典型过程线和相关性分析图,揭示不同地质类型库岸滑坡的变形机理及其对水雨因素的响应规律,构建基于GNSS位移数据的滑坡预警指标体系。研究成果将为三峡库区库岸地质灾害GNSS自动化监测数据质量评价与变形特征分析提供科学依据,并为库区滑坡灾害的早期预警与防灾减灾决策提供技术支撑。
|
| 7 | 2026/07/02 01:36 | 徐*威 |
审核人您好!论文题目暂为《基于时序 InSAR 与深度学习的三峡库岸滑坡位移预测研究——以秭归县典型库岸滑坡为例》,论文类型为硕士学位论文。本研究拟以秭归县三门洞库岸典型滑坡为研究对象,结合 Sentinel-1 时序 InSAR 形变监测结果、降雨、库水位、DEM 地形因子及相关遥感特征数据,分析库岸滑坡形变时空演化特征,并构建滑坡位移预测模型。申请 2017—2025 年秭归县新滩滑坡变形、降雨及库水位监测资料,主要用于掌握三峡库岸滑坡在降雨和库水位变化影响下的变形响应规律,并为后续 InSAR 形变结果验证、动态驱动因子构建、模型训练与预测精度评价提供基础数据支撑。所申请数据仅用于本人硕士学位论文研究与学术分析,不用于商业用途,后续将严格按照数据共享协议规范使用和管理,研究成果中仅展示必要的统计结果、分析图件和结论说明。
|
| 8 | 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
|
| 9 | 2025/12/12 20:41 | XI***** LI |
老师您好,我是一名在读研究生,主要从事滑坡监测与预警研究。数据计划用于验证现有滑坡预测模型以及构建后面新模型。
|
| 10 | 2025/11/09 23:06 | 王* |
论文题目:LSTM滑坡预测
数据在研究中的作用:数据处理
论文类型:硕士论文
导师姓名:于宪煜
|
© 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

