佳文推荐
基于机器学习的黄土塬区沟沿线自动提取研究
刘洋;储云志;朱磊;郝祥侠;费太政;赵卫东;袁晓雨;沟沿线是黄土高原正负地形的重要分界线，准确和高效提取黄土沟沿线是研究黄土沟谷侵蚀和地貌发育演化的基础，对于指导黄土小流域生态修复具有重要意义。为解决沟沿线提取精度不高、特征类型单一以及缺少系统性评价体系难以全面客观评估模型性能等问题，该文利用机器学习模型对黄土塬区小流域进行正负地形分割和沟沿线自动提取，得到结论如下：(1)利用随机森林(RF)模型筛选得到的最优特征子集为高程变异系数、B1、B11、B11＿cont、B11＿mean和B9＿mean;(2)对比分析不同方法下黄土塬区正负地形分类准确率和沟沿线偏移距离发现，RF模型和BP神经网络模型的预测准确率分别为92.71%、90.01%,相比坡面畸变邻域判断法分别提高8.0%、5.3%,且RF模型沟沿线偏移距离为32.67 m,小于3个像元，表明RF模型筛选的最佳特征子集适用于黄土塬地貌，模型的错分和漏分现象更少，可为后续沟沿线准确提取提供科学依据。
基于斜坡单元复杂网络的地貌类型识别研究
李思佳 ;陈楠 ;姜洪涛 ;欧梦瑶 ;斜坡单元是表征地貌形态和水文过程的基础单元，该文以全国300个流域样区6种基本地貌类型为研究对象，基于30 m分辨率DEM数据提取斜坡单元，构建斜坡单元加权复杂网络并计算网络指标，使用XGBoost、ET、RF和LightGBM 4种机器学习算法识别6种基本地貌类型(大起伏山地、中起伏山地、小起伏山地、丘陵、台地和平原)。研究发现：(1)基于网络指标的4种机器学习算法总体准确率均达85%以上，其中LightGBM表现最优，总体准确率为88.33%,Kappa系数为0.86;(2)在不同尺度的斜坡单元中，通过最佳参数组合构建的模型在地貌类型识别中性能最优；(3)融合网络指标与地形指标后，地貌类型识别的总体准确率较单一网络指标提升1.67%,SHAP分析表明网络指标在各类地貌识别中均具有关键作用。该文通过构建“地貌单元—复杂网络—机器学习”的研究范式，拓展了斜坡单元在地貌领域的研究，可为基于斜坡单元进行地貌分类奠定基础。
顾及分布密度的矢量数据几何精度降低的评估算法
金琰 ;张黎明 ;谢佳宁 ;南瑞刚 ;谭涛 ;王浩然 ;高精度矢量数据的涉密性使数据共享过程中的安全问题日益突出，在保证数据可用性的前提下，如何对矢量数据实现可控的精度降低成为当前面临的关键挑战。针对现有研究难以兼顾可用性和可控性的问题，该文提出一种精度可控的几何精度降低算法。首先，将原始数据从直角坐标转换为极坐标，采用光栏法选取控制点，使之与矢量数据的分布密度相一致；其次，基于Hermite多项式建立空间坐标的偏移模型，并输入选取的控制点，通过迭代训练出最优的偏移模型参数；最后，在极坐标中添加扰动后变换回直角坐标。实验结果表明：对于不同精度标准，该算法均能准确达到设定的目标降低精度，实现对精度降低的有效控制；精度降低后数据在拓扑关系保持度、图形形态相似度、空间方向一致度方面表现良好，可用性较高。该算法具有良好的可控性且安全可靠，可为空间数据安全应用提供有力保障。
中国亚热带植被光合变化点多方法检测及其与干旱的时空关联
蒋佳敏;梁娟珠;周玉科;全球气候变化情景下干旱事件频率和强度持续增加，识别和理解干旱胁迫下植被光合过程的突变是生态监测与气候适应管理的关键，当前对植被光合变化点的识别方法多样，但缺乏对不同方法性能差异及其干旱响应解析能力的系统评估。该文聚焦中国亚热带地区，基于太阳诱导叶绿素荧光(SIF)数据、标准化降水蒸散指数(SPEI)数据，综合运用BFAST(Breaks For Additive Season and Trend)、DBEST(Detecting Breakpoints and Estimating Segments in Trend)、PELT(Pruned Exact Linear Time)和Pettitt 4种变化点检测方法，从多维度协同解析区域植被光合动态的变化点特性，并刻画SIF与干旱指数SPEI的时空关系。结果表明：(1)2003—2022年中国亚热带地区SIF整体呈上升态势，区域植被光合作用总体增强。(2)不同方法在变化点识别上各具优势：BFAST适用于识别长期趋势性变化(单调递增类占比达82.25%);DBEST能捕捉云贵高原等复杂地形的渐进式变化；PELT对多断点和频繁扰动敏感；Pettitt主要识别突发性变化引起的结构性转折。(3)SIF与SPEI相关关系呈现显著空间异质性，四川盆地、闽粤沿海等水热条件较优区域以正相关为主，滇南及藏东则以负相关为主。(4)多方法协同分析显示，变化点后SIF与SPEI相关性整体增幅达112.07%,而PELT方法增幅仅为62.94%,反映该方法易受噪声干扰；BFAST与PELT的变化点解析具有互补性，二者组合可有效提升变化点识别的空间完整性与结果可靠性。研究结果可为亚热带地区生态系统韧性评估与气候适应性管理提供理论支撑。
黑龙港流域上游地区InSAR沉降特征及主要驱动因子
侯祖行;杨成生;张本浩;陈利东;魏春蕊;聂庆微;王坤;黑龙港流域是华北平原重要的农业种植区和河北省重要的交通枢纽，该区域地面沉降问题突出。该文基于合成孔径雷达干涉测量(InSAR)技术永久散射体的斯坦福方法(StaMPS)和157景Sentinel-1A卫星升轨影像，分析2019年1月至2024年6月黑龙港流域上游主要区域的地表沉降信息及主要驱动因子，结果发现：研究区存在多个沉降区，其中巨鹿县和南宫市之间沉降区的面积超过1 400 km2,最大沉降速率超过40 mm/a;受区域地面沉降及车辆运动荷载的影响，多条主干道出现不同程度沉降，其中G106国道、G340国道、G514国道和邢德线均有超过30 km的沉降路段，最长超过60 km;研究区地表沉降的主要驱动因子为土壤、岩性分布及地下水埋深变化。
