本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2024-03-12
摘要
加州中央山谷過度抽取地下水造成的地面沉降是一個重大問題，會產生多種負面影響，例如含水層儲存量減少和基礎設施受損，進而由於對農作物生產的高度依賴而造成經濟損失。這就是為什麼定期監測和評估發生的表面變形至關重要。本文試圖實現的兩個主要目標是變形表徵和變形預測。第一個目標是透過將主成分分析 (PCA) 應用於一系列干涉合成孔徑雷達 (InSAR) 影像來實現，這些影像可產生顯示沉降關鍵特徵的特徵影像。也利用重力恢復和氣候實驗（GRACE）雙衛星和全球陸地資料同化系統（GLDAS）的資料直接分析水儲存變化。第二個目標是透過使用開源 InSAR 時間序列套件 LiCSBAS 開發 InSAR 時間序列後建立長短期記憶 (LSTM) 模型來預測短期變形來實現。該模型應用於馬德拉市，比基線平均模型和基於均方誤差度量的一維卷積神經網路 (CNN) 產生了更好的結果，顯示了機器學習在變形預測中的有效性以及納入減災模型的潛力。模型結果可以直接幫助政策制定者確定適當的地下水抽取率，同時維護人口的安全和福祉以及含水層的完整性。