數字地形分析對于地貌學研究有著天然的聯系和重要的支撐作用，但以數字地形分析自動識別復合地貌形態類型的方法研究至今還相當薄弱，這主要是由于數字地形分析目前所擅長計算的各種地形屬性尚難以有效刻畫復合地貌形態類型在真實世界中的復雜空間結構。
著眼該問題，秦承志研究組與程維明研究員合作，指導學生王彥文以撞擊坑自動提取方法研究為例，提出了一套利用專家解譯分布圖結合地形分析所提取空間結構信息、分柵格和對象兩個級別訓練隨機森林分類器的撞擊坑自動提取方法，以挖掘已有專家解譯分布圖中隱含的關于真實撞擊坑空間結構信息的專家知識，應用于全月撞擊坑的自動提取。應用案例采用專家基于月球軌道激光測高儀數據（Lunar Orbiter Laser Altimeter，LOLA）繪制的撞擊坑分布圖局部為訓練區，結合500米分辨率的嫦娥一號月球數字高程模型進行方法應用評價，在更大的應用區、乃至全月的應用結果表明，新方法可以利用已有撞擊坑分布圖有效挖掘出關于真實撞擊坑空間結構的隱性專家知識，識別的撞擊坑結果優于已有的代表性方法（AutoCrat方法）。
該研究成果近日在線發表在《Annals of the American Association of Geographers》。該方法被實現為可應用于全球的程序，代碼開源，相關信息見文章在線版中的附件。該研究得到中國科學院B類先導專項和國家自然科學基金優秀青年基金項目的資助。
文章信息：
文章中文版摘要：
現有基于地形分析的撞擊坑提取方法雖然考慮了撞擊坑的地形信息，但是并未充分顧及真實撞擊坑的空間結構信息。為此，本研究提出了一個自動提取撞擊坑的新方法，以舊有的撞擊坑分布圖結合數字地形分析得出的撞擊坑空間結構信息來訓練隨機森林分類器，從而有效地自動提取出撞擊坑。該方法分兩個階段：在第一階段，以撞擊坑分布圖中的柵格作為樣本，以地形分析所得的多尺度地形元素信息為特征，訓練一個柵格級的隨機森林分類器，用以識別出目標應用區中的候選撞擊坑柵格，得到候選撞擊坑對象；在第二階段，以撞擊坑分布圖中撞擊坑的徑向高程剖面訓練一個對象級別的隨機森林分類器，用以判別第一階段所得出的各候選對象是否為真正的撞擊坑。在案例研究中，采用已有的專家基于月球軌道激光測高儀數據（Lunar Orbiter Laser Altimeter，LOLA）繪制的撞擊坑分布圖，結合500米分辨率的月球數字高程模型，對方法做應用評價。結果表明：本研究提出的方法可以從舊有撞擊坑分布圖中有效挖掘出關于真實撞擊坑空間結構的隱性專家知識，撞擊坑提取結果優于已有的代表性方法（AutoCrat方法）。該方法也可擴展用于提取具有類似應用條件的其它地貌類型。
