团队最新成果发表于《JRMGE》！从滑坡孕育前兆识别到失稳动力学终局的时空智能化推演

背景：滑坡灾害对人民生命财产安全构成严重威胁，传统方法难以在同一语义与物理空间内贯通滑坡的“孕育-失稳-堆积”全过程。研究目的：针对谭家湾滑坡，提出一个融合滑坡前兆特征识别、稳定性与可靠性协同分析以及动力学过程模拟的一体化框架，以实现滑坡灾害的智能化、精细化预测与防控。结论：该研究成功构建了“深度学习裂缝识别-极限平衡法与蒙特卡洛模拟稳定性可靠性评价-光滑粒子流体动力学动力学模拟”的协同分析框架。应用表明，ResU-Net模型能有效识别地表裂缝；极端降雨会显著降低滑坡稳定性；SPH模拟能重现滑坡运动过程。该框架具有一致性、可解释性和可移植性，为复杂地形区滑坡防控提供了新路径。