主讲人:王腾
单位:北京大学地球与空间科学学院
职务/职称:助理教授、研究员
个人简介:博士,博雅青年学者。主要从事雷达影像测地学(SAR Imaging Geodesy)与地表形变解译研究。致力于将高分辨率地表形变观测与地震学、地球动力学模型及地质构造解译结合,探索多种地下过程的物理机制。在国际SCI期刊发表论文三十余篇,包括Science,Nature Geoscience,Nature Communications和PNAS等。2019年起任IEEE Geoscience and Remote Sensing Letters杂志副编辑。2022年起任Nature旗下期刊Communications Earth & Environment编委。
报告题目:大尺度下的InSAR局部形变异常监测
报告摘要:合成孔径雷达干涉测量(InSAR)已经步入了大数据的时代,新一代的卫星获取和存档了大量的SAR影像,可以生成成千上万的干涉图,覆盖数百万平方公里。在这样一个InSAR技术不断向广域应用发展的背景下,许多需求仍然集中在监测稀疏分布的局部变形,如矿区沉降,滑坡形变等。针对这一应用背景,我们提出了一种基于深度学习的,先在干涉图中探测形变异常区域,然后在小范围计算形变序列的策略。我们训练了数个深度神经网络,用于掩膜失相干区域,检测局部形变异常,以及解缠高梯度相位,并应用于矿区沉降和山体滑坡监测。与传统的时间序列InSAR分析相比,我们所提出的策略不仅减少了计算时间,而且还避免了大规模对流层延迟的影响和可能的解缠误差传播。上述成果将人工智能引入到时间序列InSAR处理链中,并使广域InSAR定期监测稀疏分布的局部变形任务变得可行和更有效率。