碩士生，發頂刊！

近日，西安科技大學測繪科學與技術學院地貌遙感研究團隊和礦山智能測繪研究團隊聯合黃河水土保持綏德治理監督局（綏德水土保持科學試驗站）、黃河水土保持生态環境監測中心、伊朗KN圖什理工大學等單位學者在遙感領域國際頂級期刊《Remote Sensing of Environment》發表了題為《SCCD: A slicing algorithm for detecting geomorphic changes on topographically complex areas based on 3D point clouds》的研究成果。

該論文的第一作者為測繪學院碩士研究生楊鑫，通訊作者為李朋飛教授和湯伏全教授。RSE期刊（中科院一區top，IF=13.5）被公認為遙感領域最權威的期刊，在全球同類SCI學術期刊中長期排名第一，主要發表地球遙感觀測的理論、應用和方法相關的原創文章。

三維激光點雲數據在土壤侵蝕、地表沉降和河流地貌演變等領域的應用日益廣泛，如何準确量化複雜三維地形地貌變化仍是當前地學研究的難題。目前已有1D地形變形距離量化算法（C2C、C2M和M3C2算法）無法直接量化地形變化體積，2.5D地形變化體積量化算法（DoD算法）在複雜三維地形場景下，無法有效區分正負地形變化，并且在構建DEM過程中會出現地形表面重疊問題，而3D算法（3D-M3C2算法）雖然解決了上述問題，但是該算法仍然受到點雲密度和點雲形态的嚴重限制，在點雲稀疏、點雲形态差異較大的地形場景下，監測精度較低。鑒于此，本研究基于切片思想和拉普拉斯收縮原理提出了一種體積切片算法（SliceContractionChangeDetectionAlgorithm，即SCCD算法）。該算法能夠準确獲取點雲切片輪廓，并有效剔除地形點雲的不确定性，克服了傳統體積切片算法難以應用于複雜三維地形變化監測的局限性。将SCCD算法與已有地形變化體積量化算法（3D-M3C2和DoD算法）進行地形變形體積量化精度、地形變形空間分布、地形點雲密度變化敏感性和地形點雲形态差異敏感性等方面的對比。結果表明：SCCD算法綜合監測能力優于3D-M3C2和DoD算法，對極端複雜地形變化研究具有重要意義。此外，SCCD算法收縮得到的點雲切片輪廓，也為研究複雜三維地形參數提供了量化基礎。

來源：西安科技大學。