近日，西安电子科技大学电子工程学院遥感科学与技术系青年教师彭米米与美国南卫理公会大学路中教授以及德国地学研究中心MahdiMotagh教授合作在遥感领域顶级期刊《Remote Sensing of Environment》环境遥感（RSE）发表了题为《Characterization and prediction of InSAR-derived ground motion with ICA-assisted LSTM model》的最新研究成果。RSE被公认为遥感领域内顶级学术期刊，中国科学院SCI一区TOP，最新影响因子(IF)为13.5，在全球遥感类SCI学术期刊中长期排名第一，具有广泛而深远的国际影响力。

该研究提出一种基于合成孔径雷达干涉测量技术（InSAR）的大尺度地表形变表征及预测的研究方法。InSAR是一种被广泛应用在地表形变监测的雷达遥感技术，具有全天时、全天候，高精度、高时空分辨率和覆盖率等明显优势，在地面沉降、滑坡、地震、火山等一系列地质灾害监测中发挥着重要作用。该研究提出的基于独立成分分析协同长短期记忆深度学习模型的InSAR大尺度时序形变时空预测的策略，创新性的考虑了InSAR大范围地表形变的多源性问题和时空异质性问题，通过将大尺度InSAR形变场同质化，从而精细化模型的输入形变场观测以提高预测精度。本研究采用模拟数据和两组实测数据验证了研究方法的可靠性，其中案例一是美国的威尔科克斯盆地的地面沉降形变场，案例二是2017年11月12日发生在伊朗-伊拉克边界的7.3级地震的震后形变场。通过对比本文所提出的模型与传统的单一模型可以发现，两个案例中的平均预测精度分别提高了34%和17%。此外，本文所提模型也可被有效的应用在分析和预测其他大尺度的缓变类型地质灾害案例中，以及其他形变长时序反演，历史滑坡发生时间点追踪等领域，可为地质灾害科学性管理和防控提供重要的技术支撑和保障。

原文链接：

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.