| 1 |
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
|
| 2 |
2026/08/16 08:06 |
原*茗 |
用于期刊论文发表，针对审稿人意见进行返修，审稿人提出要补充更多点位数据。
期刊：应用基础与工程科学学报
题目：基于分解重构与联合优化SARIMAX的小样本库岸滑坡位移预测及主控因素分析
|
| 3 |
2026/07/27 19:50 |
胡*祥 |
本人拟开展“三峡库区典型库岸滑坡InSAR时序形变监测及水文驱动机制研究”。研究计划利用2015—2024年Sentinel-1/LiCSAR干涉测量数据反演库岸滑坡视线向形变时间序列，并申请使用贵中心发布的白水河、树坪、八字门、新滩等典型滑坡GPS地表位移、降雨量、库水位、地下水位、深部位移及专业监测年报数据。
申请数据将用于：（1）验证InSAR形变结果的可靠性；（2）分析降雨及水库水位周期性涨落对滑坡变形的影响与滞后效应；（3）研究地表形变与深部变形的一致性；（4）形成学位论文及非商业性学术论文。
本人承诺严格遵守国家冰川冻土沙漠科学数据中心的数据使用、保密、来源标注和引用规范，不向第三方转发原始数据，不用于任何商业用途；发表成果时将规范引用数据集作者、国家冰川冻土沙漠科学数据中心、对应DOI/CSTR，并按要求致谢数据提供单位。
|
| 4 |
2026/07/28 22:03 |
许*武 |
老师您好，本人拟开展多模态融合的滑坡预警研究，拟基于历史滑坡记录、地形地貌、降雨水文、地下水、GNSS、InSAR以及遥感影像等多源异构数据的部分或全部展开研究。不用于商业转售或其他非授权用途，将严格遵守数据使用规范，并在相关研究成果中注明数据来源。谢谢
|
| 5 |
2026/07/19 00:12 |
方* |
题目为：NG-RC_CSD_Landslide_Early_Warning
硕士用于期刊论文，利用NGRC+CSD+HMM来做长江三峡地区阶跃型滑坡（白水河、八字门、树坪）的预警分析
|
| 6 |
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。
|
| 7 |
2026/07/10 01:02 |
李*寒 |
专家您好，我是来自湖北省武汉市中国地质大学地理与信息工程学院的25级研究生李柏寒，导师为梁迅教授。申请贵方数据用于硕士学位论文，论文主题为《一种面向自主滑坡识别与分析的领域规则增强型智能体》，数据可能用于智能体验证阶段，使用该数据确定真实滑坡场景、时间、地理位置、因素等地学领域知识，验证智能体的合理性。麻烦您审核，谢谢！
|
| 8 |
2026/07/08 18:49 |
朱*涛 |
用于指导研究生进行滑坡成因、基于深度学习的滑坡预测等方面研究。
|
| 9 |
2026/07/06 06:00 |
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
|
| 10 |
2026/07/03 01:56 |
陈*中 |
本次申请数据拟用于“基于历史数据的地质灾害风险分析与评估模型研发”项目的后续研究。项目面向滑坡、崩塌、泥石流等典型山区地质灾害，拟基于历史灾害记录、地形地貌、地质环境、降雨水文、地下水、库水位、GNSS/GPS 位移、裂缝变化、InSAR 形变及遥感影像等多源异构数据，构建地质灾害多维数据融合数据库，并开展地质灾害早期识别、风险评估、预测预警和时空分布可视化分析研究。
申请数据将用于地质灾害控制因素、影响因素、诱发因素、变形迹象及已有灾害信息的整理与融合，支撑机器学习和深度学习模型训练。项目拟采用随机森林、XGBoost、CNN、LSTM 等方法，分析降雨、水位、地下水、地形、地质、植被、土地利用和位移变形等因子与地质灾害发生之间的关系，构建地质灾害风险分析与评估模型，并进一步开展滑坡变形趋势预测、灾害隐患早期识别和风险预警阈值研究。
本次申请数据仅用于科研分析、模型研发、论文撰写和项目成果验证，不用于商业转售或其他非授权用途。研究过程中将严格遵守数据共享平台的数据使用规定和引用要求，规范管理所申请数据，并在相关研究成果中按要求注明数据来源。
|
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.db7409.2026
10.12072/ncdc.sanxia.db7409.2026
