| 1 |
2026/10/10 20:12 |
袁* |
本项目为贵州省基础研究计划（自然科学类）一般项目，项目周期 2023.01.01-2025.12.31，目前在研。本次申请获取长江三峡库区树坪滑坡、白水河滑坡监测资料，用于获取滑坡地表位移、降雨、库水位时序监测数据，构建并验证滑坡位移区间预测与破坏概率预测模型，支撑学位论文《基于物理信息专家的双向校正混合专家滑坡位移预测与破坏概率预测模型》的研究工作。仅用于学术研究，不对外传播原始数据
|
| 2 |
2026/10/07 02:23 |
王*昌 |
论文题目：分数阶黏弹性模型在三峡库岸滑坡蠕变与失稳预警中的应用。本研究以分数阶 Burgers 模型反演树坪、白家包、Gradenbach、Achoma 等真实滑坡位移时序，标定分数阶参数 α 的适用边界与失稳预警判据。树坪滑坡作为库水位快速下降诱发的阶跃再活动典型案例，其 2018-2025 年 GPS 地表位移、降雨及库水位监测数据是验证分数阶模型在 "破坏型 / 阶跃再活动" 驱动机制下表现的关键外部独立数据。本申请仅用于上述科研论文撰写与数值反演，不作任何商业用途。
|
| 3 |
2026/09/26 19:52 |
周*楷 |
用于博士阶段科研，开展观测采样偏差研究，拟将树坪滑坡作为白家包滑坡研究结果的独立验证案例。数据仅用于科研和论文发表，并严格按照平台要求进行引用和成果标注。
|
| 4 |
2026/09/21 21:25 |
衷*阳 |
本人拟开展“基于语义压缩和异质图神经网络的多源异构滑坡监测数据融合方法”研究，申请使用树坪滑坡地表位移、降雨、长江水位及相关地质资料，分析不同监测点的变形关联，以及降雨、库水位变化对滑坡变形的影响与滞后响应，为多源监测数据融合和位移预测提供实验依据。 数据主要用于：开展时间对齐、缺失分析和质量控制；依据测点位置、监测类型及地质背景构建图结构；研究低维特征提取与语义压缩方法，评价关键变形信息的保留程度；建立多源融合预测模型，并通过基线对比、消融实验和按时间划分的验证，评价模型的预测精度、稳定性及可解释性。 为保证空间关系分析和多源融合实验的完整性，希望获取申请时段内全部有效监测点的数据及配套测点编号、坐标、布设图、采样频率和单位说明。如有同期地下水位监测资料，也希望配套提供，以进一步分析水文变化与滑坡变形之间的联系。 申请数据仅用于学位论文研究及相关非商业学术研究，将遵守数据共享与使用协议，并在论文及研究成果中规范标注数据来源、数据集引用信息及贡献者。
|
| 5 |
2026/09/05 06:52 |
宋*宵 |
考虑库水位滞后效应的物理引导PDL-Transformer水库滑坡位移预测框架
论文摘要：
水库滑坡位移预测是地质灾害防治的关键科学问题。库水位变动对滑坡变形存在显著的滞后效应，但现有深度学习模型普遍缺乏对滞后结构的物理先验建模，导致预测精度受限，尤其是在水位突变阶段。
本研究提出一种物理引导的PDL-Transformer混合预测框架。首先，采用多项式分布滞后模型（Polynomial Distributed Lag, PDL）对库水位时间序列进行可学习的滞后结构建模，通过Almon多项式约束估计水位对位移的动态延迟效应。其次，将PDL学到的滞后分布作为注意力先验嵌入Transformer编码器，引导模型聚焦于物理上合理的滞后区间，实现“物理骨架+数据细节”的协同预测。最后，以三峡库区白家包滑坡为研究对象，利用GNSS位移、库水位及降雨日监测数据进行模型训练与验证。
初步实验表明，PDL-Transformer模型在RMSE、MAE和R²指标上均优于LSTM、GRU及标准Transformer基线，且在库水位骤降阶段的预测误差显著降低。本研究为引入滞后效应物理先验的深度学习滑坡预测提供了新思路。
论文类型： ☑ 期刊论文
数据用途说明：
本申请所需数据为三峡库区树坪滑的地表GNSS位移、库水位及降雨量日监测数据，将用于：
构建PDL-Transformer模型的训练集与测试集；
验证模型在不同滑坡点位树坪的泛化能力；
与现有方法（LSTM、GRU、Transformer）进行对比实验；
分析库水位滞后效应在不同滑坡上的差异性特征。
数据将在论文中标注来源，并按照NCDC数据引用规范进行致谢。
补充说明：
本人系南京信息工程大学软件工程学业硕士研究生，研究方向为深度学习与地质灾害智能预测。本研究所用数据仅用于学术论文发表，不作任何商业用途。如蒙通过，我将按NCDC数据引用规范进行标注与致
|
| 6 |
2026/09/03 23:18 |
周* |
论文题目，基于SBAS-InSAR技术与多源环境因子融合的滑坡形变演化与预测研究 研究区域为湖北省宜昌市秭归县，主要使用哨兵数据进行滑坡形变监测后，通过GPS点位数据进行对比验证SAR数据的可行性，再对sar数据的结果进行分析，结合三峡库区的库水位以及月降雨量，明晰降雨量 库水位的变化对于库区滑坡的影响，再结合深度学习对滑坡的形变进行预测 类型为硕士论文和期刊论文 。
|
| 7 |
2026/09/03 03:54 |
陈*恒 |
本人正在开展“光学遥感约束时序 InSAR 库岸滑坡监测质量与活动性识别”科研项目，研究区为三峡库
区秭归段。拟使用该数据集中的 GPS 地表位移、日降雨和日库水位，与 Sentinel-1 SBAS-InSAR
形变及 Sentinel-2 植被/湿度/水岸变化进行时间匹配，用于：（1）验证 InSAR 形变精度；（2）
分析降雨与库水位的滞后响应；（3）评估光学信息辅助的干涉图与像素可靠性方法。数据仅用于非商业
科研和论文撰写，不公开传播原始数据，按平台要求引用数据集及湖北长江三峡滑坡国家野外科学观测研
究站，并遵守许可与使用限制。
|
| 8 |
2026/08/29 00:27 |
彭*阳 |
数据用于构建长时序数据集，训练识别水文变量、滑坡稳定性以及滑坡运动预测相关数学模型，仅供学习参考，若有发表学术性论文或用于学位论文则按照规范引用，望通过申请
|
| 9 |
2026/08/21 19:06 |
zha******xiao |
题目：复杂山区低相干滑坡可恢复性感知的时空联合 InSAR 相位重建与形变结构保护
摘要：复杂山区滑坡受植被覆盖、地表散射特性变化及复杂地形等因素影响，Sentinel-1干涉观测易发生时空失相干，导致传统InSAR方法在低相干区域出现有效观测不足、相位估计不稳定等问题。部分低相干观测仍包含可利用的真实形变信息，而完全随机失相干区域则缺乏可靠的相位约束，若采用统一的相干阈值筛选或强空间平滑，容易造成有效信息损失，并可能削弱滑坡内部真实的形变梯度及差异运动边界。针对上述问题，本研究提出一种面向复杂山区低相干滑坡的可恢复性感知时空联合InSAR相位重建方法。首先，基于Sentinel-1 SLC时序数据和DEM构建小基线冗余干涉网络，并利用成熟Phase Linking方法获得初始多时相相位序列；随后，引入干涉观测级可恢复性变量，根据原始干涉相位与当前多时相相位预测之间的圆周残差，并结合相干性描述的观测噪声水平，对各干涉观测的可信程度进行自适应更新。在此基础上，将观测可恢复性与多时相真实相位进行交替联合估计，使可靠观测在完整干涉网络反演中发挥更大作用，同时抑制随机失相干观测对重建结果的影响。为避免空间正则化造成滑坡差异运动特征过度平滑，进一步利用独立时间段提取长期稳定的差异运动边界，并据此约束空间信息传播，实现滑坡运动单元内部的协同降噪和跨运动边界的结构保护。对于缺乏足够观测支持的区域，方法允许拒绝恢复并输出有效区域及相位不确定度，从而避免人为生成虚假形变信号。实验拟通过模拟数据与典型山区滑坡Sentinel-1数据进行验证，并与SBAS、EMI、TABASCO+EMI、TSO-PL及代表性相位滤波方法进行对比，重点从相位恢复精度、错误恢复率、风险—覆盖度关系、形变梯度保持能力以及与GNSS等独立监测结果的一致性等方面评价方法性能。研究旨在实现低相干滑坡区域中“可恢复信息充分利用、不可恢复区域主动拒绝、真实形变结构有效保持”的统一，为复杂山区滑坡高覆盖度、高可靠性InSAR形变监测提供新的技术途径。
类型：期刊论文
|
| 10 |
2026/08/13 05:50 |
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
|
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.db7411.2026
10.12072/ncdc.sanxia.db7411.2026
