长安大学赵超英教授、兰州交通大学何毅教授应邀到我院交流并作学术报告

2024年8月1日上午，长安大学地质工程与测绘学院赵超英教授，兰州交通大学测绘与地理信息学院何毅教授受邀到我院交流访问，赵超英作“综合遥感技术用于滑坡灾害识别与监测预警研究”报告，何毅作“时序InSAR地表形变神经网络时空预测方法及进展”报告。本次报告由我院地理信息科学系杨梦诗副教授主持，李益敏研究员、我院地理信息科学系、地理科学系、地质系的研究生以及国河院研究生参加交流。

赵超英指出，InSAR技术在滑坡隐患点早期识别、重点滑坡体形变恢复与监测、滑坡类型分析、滑坡诱因分析以及滑坡中短期预警等研究方面中发挥着重要的作用，为此，赵超英从崩滑流地质灾害体自动化早期识别以及高风险灾害体多维长时序监测两个层面，针对蠕变型和剧变型两种不同类型的滑坡作了技术方法的分享，综合采用SAR、光学和LIDAR数据以及InSAR、SAR偏移量、差分DEM等技术，开展不同区域大范围滑坡隐患识别与滑坡分布特征分析;并结合时序InSAR、时序SAR偏移量和跨轨道SAR偏移量等技术，开展滑坡一维、二维和三维时序形变监测。之后从时间域和空间域两个维度分享了高危险灾害体机理解译与风险评价的方法与案例。报告最后，赵超英针对目前的研究成果以及面临的挑战作了总结与展望，这对未来InSAR技术在滑坡灾害识别与监测预警中提供了研究新思路！

预测地面沉降对于城市基础设施损害的早期预警和及时采取补救措施具有重要意义，然而现有的预测模型通常是基于传统测量手段GPS和水准测量等的监测数据，其测量值在时空上的稀疏性和不连续会影响地表形变预测精度，针对这一问题，何毅围绕“时序InSAR地表形变神经网络时空预测方法及进展”作了精彩的报告，报告中由地表形变点到形变面,依次介绍了这两种类型的时序InSAR数据集进行地表形变预测的方法，并融合环境因子以获取更为可靠的预测结果。时序InSAR地表形变时空预测的理论和方法的构建，为地质灾害预防和治理提供了理论和关键技术支撑。

报告最后，两位教授与在场师生进行了积极的互动交流，气氛热烈，我院杨梦诗总结了两位老师的报告，并表示了衷心的感谢。

供稿：喻航