滑坡是一种全球频发的地质灾害，严重威胁着生态环境和人类生命财产安全，准确、高效的滑坡识别和风险评价以成为滑坡地质灾害防治的重要基础。滑坡风险评估能够预防区域滑坡灾害，减少对人民生命财产的损失。因此，构建可靠的滑坡风险评估方法至关重要。然而，现有的滑坡识别和风险评价方法往往依赖于现场调查和经验模型，存在时间耗费长、精度有限等问题。
近年来，深度学习技术在图像识别和分类领域取得了显著进展，为滑坡识别和风险评价提供了新的思路和方法。使用机器学习和深度学习模型进行滑坡易发性评价能够处理大量复杂数据，建立高精度预测模型。深度学习技术在滑坡识别领域展现出巨大潜力，但现有研究多集中于单一环节，缺乏对滑坡识别和风险评价的全流程系统研究。例如，现有机器学习和深度学习滑坡识别方法通常采用单模型结合单一遥感数据，导致在复杂地理地质环境中存在滑坡误检和漏检问题，难以满足需求。
推荐以下课程：内容涵盖深度学习基础知识、滑坡识别方法和滑坡风险评价全流程理论讲解和案例实操，通过理论讲授、实践操作和科研论文写作指导相结合的教学方式，使学员能够熟练掌握深度学习模型的构建和应用技能，帮助学员掌握基于深度学习的滑坡识别和风险评价技术，将所学知识应用于实际的滑坡监测、预警和风险管理中，提高滑坡灾害防治的科学性和精准性，提升学员在地质灾害研究和防治中的科研能力。同时，课程还将指导学员撰写高质量的科研论文，提升学术研究水平。
授课老师为双一流高校博士，研究方向为滑坡地质灾害遥感，具有测绘、遥感等交叉学科背景，专业技能扎实；以第一作者身份发表多篇SCI、专业权威期刊以及中文核心期刊；参与多项国家重点研发计划项目、国际（地区）合作研究项目。
