用于基于 InSAR 的地表形变预测的多模态 Transformer：在欧洲范围内的跨站点泛化
信号处理
2026-01-01 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
越来越需要近实时、区域尺度的地表形变监测，以支持城市规划、关键基础设施管理和自然灾害缓解。虽然干涉合成孔径雷达 (InSAR) 和欧洲地面运动服务 (EGMS) 等大陆级服务提供了对过去运动的密集观测，但由于长期趋势、季节性周期和偶发的突变不连续性（例如同震阶跃）的叠加，加上强烈的空异质性，预测下一次观测仍然具有挑战性。在本研究中，我们提出了一种多模态、基于分块的 Transformer，用于根据 EGMS 时间序列（重采样为 100 km x 100 km 切片上的 64x64 网格）进行位移图的单步、固定间隔下一时刻临近预报。该模型接收最近的位移快照以及 (i) 仅从训练窗口中以防泄漏方式计算的静态运动学指标（平均速度、加速度、季节性振幅），以及 (ii) 谐波年内日期编码。在爱尔兰东部切片 (E32N34) 上，STGCN 在仅使用位移数据的设置中表现最强，而当所有模型接收相同的多模态输入时，多模态 Transformer 明显优于 CNN-LSTM、CNN-LSTM+Attn 和多模态 STGCN，在测试集上实现了 RMSE = 0.90 mm 和 = 0.97，并具有最佳阈值准确率。
引用
@article{arxiv.2512.23906,
title = {A multimodal Transformer for InSAR-based ground deformation forecasting with cross-site generalization across Europe},
author = {Wendong Yao and Binhua Huang and Soumyabrata Dev},
journal= {arXiv preprint arXiv:2512.23906},
year = {2026}
}
备注
submitted to ISPRS Journal of Photogrammetry and Remote Sensing for review