A New Classification and Index Calibration of Lunar Impact Craters for Digital Terrain Analysis


Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Impact craters are the most typical geomorphological structural unit on the lunar surface. The craters record the characteristics of the Moon’s spherical appearance and the history of its geological evolution, so they form a basis for studies on the lunar surface. At present, mainstream classification is mainly qualitative and focuses more on the morphological characteristics of individual craters rather than the characteristics of different combinations of structures between craters. This is not conducive to designing modern crater detection algorithms. In this study, 100 m resolution digital elevation model (DEM) data obtained with the laser height measurement method were used to analyze the crater morphology, and 1407 impact craters of different types were selected from the lunar surface. Then, the craters were divided into six types based on spatial combination structures between impact craters, degradation of the crater boundaries, and complexity of the crater cross-section: dispersed craters, connected craters, contained craters, dispersed craters with rim degradation, connected craters with rim degradation, and contained craters with rim degradation. Finally, four description indicators were selected to quantitatively describe craters and analyze the differences in crater morphology: the volume to represent the scale, the slope of the crater wall to represent the evolution degree, the posture ratio to represent the geometric characteristics, and the circularity to represent the complexity. The results demonstrated that the proposed classification can be used to effectively design an automatic detection algorithm and accurately depicts the basic morphological features of the craters.

Об авторах

Yi Zhou

School of Geography and Tourism; National Demonstration Center for Experimental Geography Education

Email: yanlong@snnu.edu.cn
Китай, Shaanxi Xi’an, 710062; Shaanxi Xi’an, 710062

Long Yan

School of Geography and Tourism; National Demonstration Center for Experimental Geography Education

Автор, ответственный за переписку.
Email: yanlong@snnu.edu.cn
Китай, Shaanxi Xi’an, 710062; Shaanxi Xi’an, 710062

Hao Zhao

School of Geography and Tourism; National Demonstration Center for Experimental Geography Education

Email: yanlong@snnu.edu.cn
Китай, Shaanxi Xi’an, 710062; Shaanxi Xi’an, 710062

Jie Tu

School of Geography and Tourism; National Demonstration Center for Experimental Geography Education

Email: yanlong@snnu.edu.cn
Китай, Shaanxi Xi’an, 710062; Shaanxi Xi’an, 710062

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Pleiades Publishing, Ltd., 2019

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».