Wang Y-W, Qin C-Z*, Cheng W-M, Zhu A-X, Wang Yu-Jing, Zhu L-J. Automatic crater detection by training random forest classifiers with legacy crater map and spatial structural information derived from digital terrain analysis. Annals of the American Association of Geographers, 2021. doi:10.1080/24694452.2021.1960473. 

文章的主体内容是我指导学生3年前完成的硕士论文工作，设计实现了一套以专家解译分布图结合地形分析所提取空间结构信息（分栅格和对象两个级别）训练随机森林分类器的撞击坑自动提取方法，近日在线发表在《Annals of the American Association of Geographers》上。

这篇文章2019年初投稿后，历经两轮大修意见，学生当时已经毕业去荷兰换了一个全新的方向读博士，学业之余又逢新冠疫情，很高兴学生没有放弃，在博士学业之余根据审稿意见要求，将方法实现为可全月应用的程序、并得出全月应用结果，花了很长时间。针对全月应用中所涉及一系列实际问题的针对性设计和实现，可算是GIS空间分析和计算方法的大集成（很适合做GIS专业学生锻炼动手能力的大实验），最后限于篇幅，放在文章附件中（代码开源，相关信息在文章在线版的附件中，或者可以从ResearchGate上获得），其实展开一点写也快够单独一篇文章了。

整个文章投稿修改周期也是创了我的文章投稿经历之最，对学生的科研韧性应该也是很好的磨练，最初这个研究问题思路始于我招他保研后、指导他本科论文期间，算起来3年又3年，善始善终。

这篇文章在线发表页面中的中文版摘要如下：

“ 提取撞击坑对于行星科学研究及工程应用都具有重要意义。现有基于地形分析的撞击坑提取方法虽然考虑了撞击坑的地形信息, 但是并未充分顾及真实撞击坑的空间结构信息。为此, 本文提出了一个自动提取撞击坑的新方法, 以旧有的撞击坑分布图结合数字地形分析得出的撞击坑空间结构信息来训练随机森林分类器, 从而有效地自动提取出撞击坑。该方法分两个阶段：在第一阶段, 以撞击坑分布图中的栅格作为样本, 以地形分析所得的多尺度地形元素信息为特征, 训练一个栅格级的随机森林分类器, 用以识别出目标应用区中的候选撞击坑栅格, 得到候选撞击坑对象；在第二阶段, 以撞击坑分布图中撞击坑的径向高程剖面训练一个对象级别的随机森林分类器, 用以判别第一阶段所得出的各候选对象是否为真正的撞击坑。在案例研究中, 采用已有的专家基于月球轨道激光测高仪数据（Lunar Orbiter Laser Altimeter, LOLA）绘制的撞击坑分布图, 结合500米分辨率的月球数字高程模型, 对方法做应用评价。结果表明：本文提出的方法可以从旧有撞击坑分布图中有效挖掘出关于真实撞击坑空间结构的隐性专家知识, 撞击坑提取结果优于已有的代表性方法（AutoCrat方法）。本文方法也可扩展用于提取具有类似应用条件的其它地貌类型。”

AAAG这些年发表的文章一直同时有中文和西班牙文的摘要，这也是体现了AAG对华人地理学者的重视（应该也是北美华人教授/编委们争取的结果），值得赞许。但也要承认，前几年的中文摘要质量的确不敢恭维，看英文摘要可能还更好懂。这一、两年的中文摘要质量好了不少，据柳林老师说是华人编委们提意见后改了翻译服务来源。

我们这篇文章的中文摘要是我自己写的（其中关键词Legacy map想了半天，最后翻译成了“旧有地图”，也未必合适），在文章接收时我就给编辑发邮件表达了希望自己写中文摘要的意愿，按编辑反馈信息，在校稿阶段提供了中文版摘要，也是觉得中国人自己文章的中文摘要无需假人之手。

话说AAAG文章的接收到发表的周期也是够长的：我们这篇文章6月上旬接收（状态是“有条件接收”——要求给单盲稿中补充所有作者简介信息、提交高清地图和图片、还有编辑的一些小建议——这个状态好像和一般期刊有所不同），7月中旬编辑把接收的最终版送出版社production阶段，期间还有学会的编辑审查地图成图质量，8月下旬校稿，9月底确认了英文摘要经编辑微调后中文版无需再改，又过了3周、10月20号才在线发出来。