《滑坡灾害遥感遥测预警理论及方法》是在作者王坚的博士学位论文的基础上完成的，重点研究了滑坡灾害遥感遥测预警建模理论及方法，提出并发展了滑坡灾害体特征信息的融合增强模型，成功地进行三峡万县地区滑坡灾害空间风险分区预警，发展了滑坡体动态变形数据的预处理与预报模型，形成滑坡灾害遥感遥测数据的综合预警技术。

本书研究了滑坡特征信息的小波融合增强模型，首次提出滑坡体经验模态分解融合增强模型。研究表明，影像的小波融合模型更利于滑坡体特征信息的增强；经验模态分解融合模型适合滑坡灾害体遥感信息增强，考虑到模态分解的灵活性，该模型还具有巨大的应用潜力。

《滑坡灾害遥感遥测预警理论及方法》主要研究滑坡灾害遥感遥测监测数据的预警建模理论及方法。首先介绍了当代该领域研究的新成就和主要动向，然后从滑坡信息与灾害因子的遥感提取、风险分区以及滑坡动态变形数据建模三个方面研究滑坡灾害遥感遥测数据的综合建模及预警技术，最后以三峡库区为例，研究模型的应用。

《滑坡灾害遥感遥测预警理论及方法》是作者王坚博士学位论文的研究成果，可供大地测量、遥感测量和工程测量专业的研究人员、科技人员及高等院校相关专业师生参考。

1 概述(Introduction)

 1.1 问题的陈述(Problem Statement)

 1.2 研究目标(Research Objective)

 1.3 研究内容(Research Content)

 1.4 技术路线(Technical Scheme)

2 研究现状(Overview of This Research)

 2.1 滑坡灾害遥感监测(Remotely sensed Monitoring of Landslide Hazard)

 2.2 致灾因子分析模型(Models for Hazard Inducing Factors Analysis)

 2.3 滑坡灾害空间风险分区预测模型(Prediction Model for Landslide Hazard Spatial Risk Zonation)

 2.4 滑坡动态变形数据预处理模型(Preprocessing Model for Landslide Kinematic Deformation Data)

 2.5 滑坡动态变形数据预报模型(Prediction Model for Landslide Kinematic Deformation Data)

3 滑坡信息增强的遥感影像融合模型(Fusion Models for Landslide Information Enhancement)

 3.1 小波变换基本理论(Primary Theory of Wavelet Transform)

 3.2 滑坡信息增强的小波融合模型(Wavelet Fusion Model for Landslide Information Enhancement)

 3.3 滑坡体信息增强的经验模态融合新模型(Novel Model of EMD for Landslide Body Information Enhancement)

 3.4 小结(Summary)

4 滑坡灾害空间风险分区预警建模(Spatial Prediction Model for LHRZ)

 4.1 研究区基本情况(Primary Conditions of the Studied Area)

 4.2 致灾因子分析建模(Analysis Model for Hazard Inducing Factors)

 4.3 风险分区SINMAP预警模型(The SINMAP Prediction Model for Hazard Risk Zonation)

 4.4 分级加权风险分区因子决策模型(Weightingrating Risk Zonation Factor Decision Model)

 4.5 两种风险分区模型的对比(Comparison of the TWO Risk Zonation Models)

 4.6 小结(Summary)

5 滑坡动态变形数据序列预处理模型(Preprocessing Model for Landslide Kinematic Deformation data)

 5.1 动态变形信号的描述模型(Description Model of Kinematic Deformation Signal)

 5.2 中值一小波降噪模型(Median-Wavelet Filter Model)

 5.3 分尺度、分阶段降噪原理(Multi-scale and Multi-stage based noise reduction Principal)

 5.4 变形信号的提取和粗差识别修复(Deformation Signal Extraction and Gross Error Recovery)

 5.5 二进小波变换的粗差识别与修复(Gross Error Recognition and Recovery Based on the DWT)

 5.6 三峡坡体变形监测实例数据分析(Deformation Data Analysis Example of 3一Oorge area)

 5.7 小结(Summary)

6 滑坡动态变形数据序列预报模型(Prediction Model for Landslide Kinematic Deformation data)

 6.1 动态变形数据特征分析(Feature Analysis of Dynamic Deformation Data)

 6.2 遗传神经网络原理(Principal of GA-NN)

 6.3 动态变形数据预报实例(Prediction Example of Dynamic Deformation Data)

 6.4 周期性特征分析的小波模型(Wavelet Model for Periodical Feature Analysis)

 6.5 周期性特征分析的傅立叶变换模型(Fourier Transform Model for Periodical Feature Analysis)

 6.6 基于特征的预报模型(Feature based Prediction Model)

 6.7 小结(Summary)

7 总结(Conclusions)

致谢(Acknowledgements)

参考文献(References)