陌生环境的地质灾害灾前识别研究进展
02.03.2022
以往对山区地质灾害灾前识别的研究结果背景噪音很大，极大的影响了对真实地质灾害隐患点的判别。在前期工作的基础上，研究组运用云计算平台和欧空局公开的卫星遥感影像开发了一种消除背景噪音的算法，能极大的消除伪形变信息，为陌生山地的大区域真实变形的山地灾害隐患早期识别奠定了基础。
图1. 这幅地图显示了金沙江敏都段山体形变结果中的大量背景噪音，严重影响了真实变形山体的判别。
图2. 这副地图显示的是通过研究组的算法消除了背景噪音、仅保留了真实形变山体的结果。
...
地质灾害危险性评估精度大幅提升
02.03.2022
目前，全球最新的地质灾害危险性模型验证精度(主要是ROC曲线)很高；但是，滑坡危险性无法做到单个坡体上：例如，现有模型的极震区都是滑坡高危险区（图1上），而实际上震中并非处处会发生滑坡；低烈度区也非处处低危险。
图1. 传统模型与研究组最新模型对2008年汶川大地震引发的山地灾害模拟的结果对比
以汶川地震引发的地质灾害为例，本研究组采用机器学习模型算法把地震引发的崩塌、滑坡、碎屑流危险性做到了坡体尺度。这一成果有望大幅提升未来的地质灾害风险评估的精度！
应急管理部的感谢函
02.06.2021
近日，北京林业大学收到来自应急管理部救灾和物资保障司的一封感谢函，对我研究组教师杨文涛在2021年对国家应急管理事业的支持和贡献表示衷心感谢。
杨文涛老师在2021年先后参加了青海玛多7.4级地震、河南特大暴雨洪涝灾害、四川泸县6.0级地震以及陕西严重暴雨洪涝等自然灾害的灾情评估工作。参与撰写的相关评估报告呈国务院批准后，成为指导和支持地方开展救灾救助和灾后恢复重建工作的重要依据。