[目的]直观把握东北黑土区沟蚀研究进展与热点,推进东北黑土区沟蚀研究领域的发展。[方法]以CNKI与Web of Siencec数据库中245篇相关文献为对象,利用文献计量的方法,使用CiteSacep软件绘制东北黑土区沟蚀研究知识图谱。[结果]结果表明:...[目的]直观把握东北黑土区沟蚀研究进展与热点,推进东北黑土区沟蚀研究领域的发展。[方法]以CNKI与Web of Siencec数据库中245篇相关文献为对象,利用文献计量的方法,使用CiteSacep软件绘制东北黑土区沟蚀研究知识图谱。[结果]结果表明:(1)黑土区沟蚀研究起步较晚,近十年发文量显著增加,但国际期刊发表成果较少,仅占26%。(2)该领域研究力量主要分布在我国东北,其中水利部松辽流域委员会、北京师范大学、中国科学院东北地理与农业生态研究所、东北农业大学、沈阳农业大学等机构贡献突出、影响较大;张树文是该领域中文发文量最多的学者,刘宝元和伍永秋是英文发文量最多的学者。(3)关键词共现表明,目前对东北黑土区沟蚀的关注重点主要集中在侵蚀沟发育特征、影响因素和沟蚀防治措施等方面。[结论]东北黑土区沟蚀尚未形成完整的研究框架和全面的认识,在未来的研究中,需进一步注重东北黑土区沟蚀形成和发育过程及机理研究,并深入分析地质、地形、水文、人类活动等因素的影响。展开更多
ICESat-2(Ice, Cloud, and land Elevation Satellite-2)是美国NASA(National Aeronautics and Space Administration)在2018年发射的激光测高卫星,其上搭载的激光测高系统ATLAS(Advanced Topographic Laser Altimeter System)采用微脉...ICESat-2(Ice, Cloud, and land Elevation Satellite-2)是美国NASA(National Aeronautics and Space Administration)在2018年发射的激光测高卫星,其上搭载的激光测高系统ATLAS(Advanced Topographic Laser Altimeter System)采用微脉冲多波束光子计数激光雷达系统,因其低能耗、高探测灵敏度、高重复频率的特性极大改善了沿轨采样密度,但也使获取的数据中包含大量的噪声,如何有效实现光子点云去噪分类成为后续应用的关键,也是当前研究的热点和难点,为此本文提出一种基于卷积神经网络的光子点云去噪和分类算法。首先将光子点云按照沿轨和高程方向划分格网,去除明显的噪声光子,并将每个粗信号光子点栅格化为影像;然后基于少量样本构建的卷积神经网络分类模型实现光子点云精去噪和分类;最后利用机载激光雷达数据进行验证,并与ATL08产品的去噪分类结果进行对比。结果表明,对于裸地和森林区域,卷积神经网络算法均能有效去除噪声光子,特别对于森林区域,可同时实现去噪和分类;其中,裸地区域地表计算的R2和RMSE分别为1.0和0.72 m,森林区域地表和树冠计算的R2分别为1.0和0.70,RMSE分别为1.11 m和4.99 m。本文利用深度学习算法实现光子点云去噪分类,在裸地和森林区域均取得了较好的结果,为后续光子点云数据处理提供了参考。展开更多
文摘[目的]直观把握东北黑土区沟蚀研究进展与热点,推进东北黑土区沟蚀研究领域的发展。[方法]以CNKI与Web of Siencec数据库中245篇相关文献为对象,利用文献计量的方法,使用CiteSacep软件绘制东北黑土区沟蚀研究知识图谱。[结果]结果表明:(1)黑土区沟蚀研究起步较晚,近十年发文量显著增加,但国际期刊发表成果较少,仅占26%。(2)该领域研究力量主要分布在我国东北,其中水利部松辽流域委员会、北京师范大学、中国科学院东北地理与农业生态研究所、东北农业大学、沈阳农业大学等机构贡献突出、影响较大;张树文是该领域中文发文量最多的学者,刘宝元和伍永秋是英文发文量最多的学者。(3)关键词共现表明,目前对东北黑土区沟蚀的关注重点主要集中在侵蚀沟发育特征、影响因素和沟蚀防治措施等方面。[结论]东北黑土区沟蚀尚未形成完整的研究框架和全面的认识,在未来的研究中,需进一步注重东北黑土区沟蚀形成和发育过程及机理研究,并深入分析地质、地形、水文、人类活动等因素的影响。
文摘ICESat-2(Ice, Cloud, and land Elevation Satellite-2)是美国NASA(National Aeronautics and Space Administration)在2018年发射的激光测高卫星,其上搭载的激光测高系统ATLAS(Advanced Topographic Laser Altimeter System)采用微脉冲多波束光子计数激光雷达系统,因其低能耗、高探测灵敏度、高重复频率的特性极大改善了沿轨采样密度,但也使获取的数据中包含大量的噪声,如何有效实现光子点云去噪分类成为后续应用的关键,也是当前研究的热点和难点,为此本文提出一种基于卷积神经网络的光子点云去噪和分类算法。首先将光子点云按照沿轨和高程方向划分格网,去除明显的噪声光子,并将每个粗信号光子点栅格化为影像;然后基于少量样本构建的卷积神经网络分类模型实现光子点云精去噪和分类;最后利用机载激光雷达数据进行验证,并与ATL08产品的去噪分类结果进行对比。结果表明,对于裸地和森林区域,卷积神经网络算法均能有效去除噪声光子,特别对于森林区域,可同时实现去噪和分类;其中,裸地区域地表计算的R2和RMSE分别为1.0和0.72 m,森林区域地表和树冠计算的R2分别为1.0和0.70,RMSE分别为1.11 m和4.99 m。本文利用深度学习算法实现光子点云去噪分类,在裸地和森林区域均取得了较好的结果,为后续光子点云数据处理提供了参考。
