深度学习网络结构示意图
（a-b）基于深度学习检测的慢地震目录时空分布，（c-f）慢地震的多种动态行为及其相应的标定率
核心PI
陈克杰 |
南方科技大学
|
1、高精度卫星数据（北斗/GNSS，InSAR等）处理
2、多源数据反演大地震破裂过程
3、大数据、人工智能地球科学应用
4、自然灾害（如海啸、地震）预警
1、广东省地质环境监测总站, 2025年广东省地质灾害风险防控关键技术研究项目（包组2：野外站观测数据分析与科学研究），DZHJ-2025FW-02，100万元，主持，2025.6-2025.12；
2、深圳市自然科学基金重点项目，基20240292基于大规模物理模拟的地震灾害预警大模型关键技术研究，202412023000558，200万元，参与，2025.1-2027.12；
3、国家重点研发计划项目子课题，融合多源异构数据的地下水储量高精度反演技术研究，2024YFC3200085-02，60万元，主持，2025.1-2027.12；
4、国家重点研发计划项目课题, 数据-物理融合驱动的地震预警大模型, 2024YFC3012803, 296万元, 主持，2025.1-2027.12；
5、国家自然科学基金面上项目，融合断层先验信息的GNSS大震震源参数快速贝叶斯反演研究，42474046, 49万元，主持，2025.1-2028.12；
6、华北水利水电大学河南省水圈与流域水安全重点实验室开放研究基金，基于空间大地测量的高分辨率陆地水储量变化估计以及干旱监测研究，HWWSF202301, 主持，10万元，2024.1-2025.12；
7、广东省地质局第四地质大队，2024年粤港澳大湾区（珠三角部分）地面沉降专项调查评价项目InSAR遥感解译技术服务，10.3万元，主持，2024.6-2024.9；
文章信息：
上述研究成果发表于国际权威期刊《Nature Communications》。南方科技大学地球与空间科学系博士生王集为文章第一作者，陈克杰副教授为文章共讯作者。该研究得到了国家自然科学基金等项目的资助。
论文发表：
Ji Wang, Kejie Chen, Sylvain Michel, Luca Dal Zilio, Hai Zhu, Lei Xia, Jun Xie & Shunqiang Hu. Secondary acceleration of slip fronts driven by slow slip event coalescence in subduction zones. Nature Communications.
点击文末“阅读原文”可查看相关原文。