近日，我院李泽林博士为第一作者，河北工程大学为第一单位在Remote Sensing上发表了题为“An Investigation ofl_p-Norm Minimization for the Artifact-Free Inversion of Gravity Data”的研究论文。

重力方法是了解地下密度分布的重要手段，在矿产、石油、环境以及工程勘探等领域有着广泛应用。其中，三维物性反演是重力数据定量解释的关键方法与研究热点。由于重力反演的多解性以及实际地质情况的复杂性，经典的l₂范数三维反演技术得到的结果中往往存在冗余构造和人工痕迹。针对上述问题，本研究提出了一种l_p范数正则化和深度加权函数精细调整相结合的策略来改善重力反演效果。模型实验和实际数据测试均表明，本研究提出的反演方法可以有效地减少反演结果中的冗余构造，消除人工痕迹，得到更加可靠的反演结果。

图1某矿区重力数据反演结果对比图。

（a）和（b）传统l₂范数反演结果；（c）和（d）本研究提出方法的反演结果。

Remote Sensing是由MDPI出版、中科院（升级版）大类学科（工程技术）二区TOP期刊，最新影响因子5.0，CiteScore 7.9。

论文引用格式：

Li Z, Yao C. An Investigation ofl_p-Norm Minimization for the Artifact-Free Inversion of Gravity Data.Remote Sensing. 2023; 15(14):3465. https://doi.org/10.3390/rs15143465