联合时序InSAR与Transformer的滑坡形变监测及预测研究

来源：大地测量与地球动力学杂志2026年第5期北京时间：

作者：张腾军, 杨红磊, 刘友奉

单位：1 上海市测绘院, 上海, 200063,2 中国地质大学(北京)土地科学技术学院, 北京, 100083

摘要：现有的滑坡研究多局限于单一形变数据, 忽略了温度、露点温度、降水量和时空相关性等多维环境特征因素对滑坡形变的影响。针对上述问题, 本文提出一种基于时序InSAR的多变量Transformer预测模型。该模型融合多维环境特征与时空相关性数据, 采用小波变换方法将时序形变数据分解为周期项和趋势项, 并构建不同结构的Transformer模型进行预测。结果表明, 该模型预测精度显著优于传统方法, 其RMSE和R2分别达到0.72 mm和0.96。本研究可为滑坡形变预测提供新的思路和方法, 对提升滑坡灾害预警能力具有重要意义。

关键词：SBAS-InSAR,深度学习,Transformer网络,滑坡预测,多维环境特征

基金资助：上海市2022年度\科技创新行动计划\高新技术领域项目(22511102800)