Monitoring and Stability Analysis of the Deformation in the Woda Landslide Area in Tibet, China by the DS-InSAR Method
Notice bibliographique
Résumé
The Woda area in the upper Jinsha River has steep terrain and broken structures, causing landslide disasters frequently. Here, we used the distributed scatterer interferometric SAR (DS-InSAR) method to monitor and analyze the Woda landslide area. With the DS-InSAR method, we derived the deformation of the Woda landslide area from 106 Sentinel-1A ascending images acquired between 5 November 2014 and 4 September 2019 and 102 Sentinel-1A descending images acquired between 31 October 2014 and 11 September 2019. The obvious advantage of the DS-InSAR method compared to the persistent scatterer (PS) InSAR (PS-InSAR) method is that the densities of the monitoring points were increased by 25.1% and 22.9% in the ascending and descending images, respectively. The two-dimensional deformation of the landslide area shows that the maximum surface deformation rate in the normal direction was −80 mm/yr, and in the east–west direction, 118 mm/yr. According to the rescaled range (R/S) analysis, the Hurst index values of the deformation trends were all greater than 0.5, which means the deformation trend will continue for some time. In addition, we analyzed the influencing factors and the deformation mechanism of the Woda landslide area and found that the surface deformation is closely related to the geological structure and precipitation, among which precipitation is the main factor triggering the deformation. Our monitoring results will help the local government to conduct regular inspections and strengthen landslide disaster prevention in low-coherence mountainous areas.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».