（通訊員問穎潔）近日，西安電子科技大學電子工程學院遙感科學與技術系青年教師彭米米與美國南衛理公會大學路中教授以及德國地學研究中心Mahdi Motagh教授合作在遙感領域頂級期刊《Remote Sensing of Environment》環境遙感（RSE）發表了題為《Characterization and prediction of InSAR-derived ground motion with ICA-assisted LSTM model》的最新研究成果。RSE被公認為遙感領域內頂級學術期刊，中科院SCI一區TOP，最新影響因子(IF)為13.5，在全球遙感類SCI學術期刊中長期排名第一，具有廣泛而深遠的國際影響力。
該研究提出一種基于合成孔徑雷達干涉測量技術（InSAR）的大尺度地表形變表征及預測的研究方法。InSAR是一種被廣泛應用在地表形變監測的雷達遙感技術，具有全天時、全天候，高精度、高時空分辨率和覆蓋率等明顯優勢，在地面沉降、滑坡、地震、火山等一系列地質災害監測中發揮著重要作用。該研究提出的基于獨立成分分析協同長短期記憶深度學習模型的InSAR大尺度時序形變時空預測的策略，創新性地考慮了InSAR大范圍地表形變的多源性問題和時空異質性問題，通過將大尺度InSAR形變場同質化，從而精細化模型的輸入形變場觀測以提高預測精度。本研究采用模擬數據和兩組實測數據驗證了研究方法的可靠性，其中案例一是美國的威爾科克斯盆地的地面沉降形變場，案例二是2017年11月12日發生在伊朗-伊拉克邊界的7.3級地震的震后形變場。通過對比本文所提出的模型與傳統的單一模型可以發現，兩個案例中的平均預測精度分別提高了34%和17%。此外，本文所提模型也可有效應用于分析和預測其他大尺度的緩變類型地質災害案例中，以及其他形變長時序反演，歷史滑坡發生時間點追蹤等領域，可為地質災害科學性管理和防控提供重要的技術支撐和保障。
https://authors.elsevier.com/a/1iCc27qzS-QTH
Mimi Peng, Mahdi Motagh, Zhong Lu, Zhuge Xia, Zelong Guo, Chaoying Zhao, Qinghao Liu, Characterization and prediction of InSAR-derived ground motion with ICA-assisted LSTM model, Remote Sensing of Environment. 2024, 3011, 13923.
