ncdc logo title
ncdc_logo
长江三峡库区秭归县地质灾害监测预警工程专业监测简报(2003年)
  • 2020/12/17 10:37
  • 13311
  • 62
  • 1
中文名称
长江三峡库区秭归县地质灾害监测预警工程专业监测简报(2003年)
英文名称
Professional Monitoring Report of Zigui County Geological Disaster Monitoring and Early Warning Project in the Three Gorges Reservoir Area of the Yangtze River (2003)
CSTR
CSTR:11738.11.ncdc.Sanxia.2020.120
DOI
10.12072/ncdc.Sanxia.db0023.2020
共享方式
登录获取
数据分类
灾害
数据贡献者
易武
数据集摘要

滑坡变形监测数据是反映滑坡发生、发展、演化过程的最显著的参量,是滑坡监测预警必要的基础数据。该数据集记录了三峡库区秭归县滑坡2003年变形监测数据；主要包括后坝滑坡（兴山县古夫镇丰邑坪村），桃树坪滑坡（秭归县归州镇归州河彭家坡河段右岸与左岸卡子湾（堰坪）滑坡隔河相对），白水河滑坡（沙镇溪镇长江南岸）四处滑坡的变形情况、变形原因和稳定性评价调查报告。

基本信息
采集时间 2003/07/17  -  2003/08/17
采集地点 长江三峡库区
数据量 104.5 KiB
数据格式 doc
数据时间分辨率 月
坐标系 WGS84
数据缩略图
数据源描述

人工采集、自动采集

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

本数据经过人工校正、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“2003年长江三峡库区秭归县地质灾害监测预警工程专业监测简报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 (https://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. (https://www.ncdc.ac.cn).

数据引用
  1. 易武. 长江三峡库区秭归县地质灾害监测预警工程专业监测简报(2003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.2020.120.
  2. 易武. 长江三峡库区秭归县地质灾害监测预警工程专业监测简报(2003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.db0023.2020.
许可协议
# 标题 文件大小
1 长江三峡库区秭归县地质灾害监测预警工程专业监测简报2003年第2期.doc 32.0 KiB
2 长江三峡库区秭归县地质灾害监测预警工程专业监测简报2003年第3期.doc 22.0 KiB
3 长江三峡库区秭归县地质灾害监测预警工程专业监测简报2003年第4期.doc 25.5 KiB
4 长江三峡库区秭归县地质灾害监测预警工程专业监测简报2003年第5期.doc 25.0 KiB
最近10条服务记录如下
# 时间 姓名 用途
1 2026/09/06 00:13 李*
基于源域迁移的神经ODE-状态转移网络滑坡阶梯状位移预测方法 摘要：滑坡累计位移序列通常呈现明显的阶梯状演化特征，同时伴随观测时间不规则、阶梯持续时长变化以及目标滑坡早期样本不足等问题，给预测建模带来较大挑战。针对上述问题，本文提出一种面向滑坡阶梯状位移预测的源域迁移混合建模框架。该方法首先基于真实监测位移序列计算位移增量、速度、加速度及速度突变等动态特征，并结合源域滑坡降雨信息提取季节性活跃先验，实现基于局部突变证据和季节先验软约束的阶梯边界检测与序列分段；随后，在阶梯内部引入神经常微分方程（Neural ODE），刻画累计位移与速度组成的连续状态变量随真实不规则时间坐标的演化过程，并构建阶梯间状态转移网络，学习相邻阶梯之间由上一阶梯末端状态到下一阶梯初始状态的衔接关系，形成“阶梯内连续演化 + 阶梯间状态转移”的组合预测框架。本文以新滩滑坡作为源域，以白水河滑坡作为目标域，在目标域已知比例为20%的少样本条件下开展迁移学习与微调实验；其中，白水河前20%数据用于目标域归一化、阶梯边界检测和 Neural ODE 微调，后80%数据作为严格独立测试段，仅用于最终预测评价。实验结果表明，所提出方法能够在少样本目标域条件下实现白水河未来累计位移预测，并在RMSE、MAE、MAPE和R²等指标上取得较好的综合表现。本文研究为不规则监测条件下滑坡阶梯状位移预测提供了一种结合连续动力系统建模、阶梯状态转移学习与跨滑坡迁移的实现路径。（硕士论文）
2 2026/08/08 19:19 侯*旭
111111111111111111111111111111111111111111111111111111111111
3 2026/03/26 20:05 李*博
论文题目： 数据在研究中的作用：位移预测 论文类型：期刊论文 导师姓名：
4 2025/12/25 02:49 卢*洋
论文题目：基于机器学习滑坡位移预测 数据在研究中的作用：作为机器学习模型的训练集和验证集 论文类型：研究论文 导师姓名：田斌
5 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
6 2025/11/18 23:13 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 论文类型：期刊论文 导师姓名：邓李政
7 2025/10/29 06:33 贺*翔
申请用于项目研究学习，研究内容：利用大模型对滑坡等灾害实现预警
8 2025/10/26 21:14 庄*瑞
作为大一本科生，我要做一个‘’基于GIS的滑坡触发因素量化和排序‘’，但我没有数据来源，所以申请资料，个人学习QGIS数据分析使用。
9 2025/07/25 19:31 甘*厚
论文题目：降雨和水位联合作用下库岸边坡时效稳定性的物-数融合驱动分析 数据在研究中的作用：选用白水河滑坡作为案例研究对象，进行物理和数据融合的库岸滑坡稳定性分析 论文类型：博士论文 导师姓名：彭铭
10 2025/07/20 17:29 唐*源
本人唐洪源，就读于昆明理工大学交通工程学院大二学生，我要数据用于滑坡数据研究与分析，保证数据不外传与泄露，感谢数据能共享
loading
如何获取数据 
东: 110.27
西: 111.00
南:  31.12
北:  30.62
导出元数据
联系信息
数据贡献者：
易武
元数据作者：
敏玉芳 , 易武
数据管理者：
易武
平台数据服务信息
联系人：
李红星
服务电话：
0931-4967592
服务邮箱：
ncdc@lzb.ac.cn

© 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