近日，西安科技大学测绘科学与技术学院地貌遥感研究团队和矿山智能测绘研究团队联合黄河水土保持绥德治理监督局（绥德水土保持科学试验站）、黄河水土保持生态环境监测中心、伊朗KN图什理工大学等单位学者在遥感领域国际顶级期刊《Remote Sensing of Environment》发表了题为《SCCD: A slicing algorithm for detecting geomorphic changes on topographically complex areas based on 3D point clouds》的研究成果。
该论文的第一作者为测绘学院硕士研究生杨鑫，通讯作者为李朋飞教授和汤伏全教授。RSE期刊（中科院一区top，IF=13.5）被公认为遥感领域最权威的期刊，在全球同类SCI学术期刊中长期排名第一，主要发表地球遥感观测的理论、应用和方法相关的原创文章。
三维激光点云数据在土壤侵蚀、地表沉降和河流地貌演变等领域的应用日益广泛，如何准确量化复杂三维地形地貌变化仍是当前地学研究的难题。目前已有1D地形变形距离量化算法（C2C、C2M和M3C2算法）无法直接量化地形变化体积，2.5D地形变化体积量化算法（DoD算法）在复杂三维地形场景下，无法有效区分正负地形变化，并且在构建DEM过程中会出现地形表面重叠问题，而3D算法（3D-M3C2算法）虽然解决了上述问题，但是该算法仍然受到点云密度和点云形态的严重限制，在点云稀疏、点云形态差异较大的地形场景下，监测精度较低。鉴于此，本研究基于切片思想和拉普拉斯收缩原理提出了一种体积切片算法（SliceContractionChangeDetectionAlgorithm，即SCCD算法）。该算法能够准确获取点云切片轮廓，并有效剔除地形点云的不确定性，克服了传统体积切片算法难以应用于复杂三维地形变化监测的局限性。将SCCD算法与已有地形变化体积量化算法（3D-M3C2和DoD算法）进行地形变形体积量化精度、地形变形空间分布、地形点云密度变化敏感性和地形点云形态差异敏感性等方面的对比。结果表明：SCCD算法综合监测能力优于3D-M3C2和DoD算法，对极端复杂地形变化研究具有重要意义。此外，SCCD算法收缩得到的点云切片轮廓，也为研究复杂三维地形参数提供了量化基础。
