以下是我为《地理科学三十年：从经典到前沿》（冷疏影等，商务印书馆，2016）撰写的数字地形分析研究前沿进展方面内容的初稿，该书英文版支持对单独章节的购买、阅读、引用（所属章节是Pei et al. Spatial analysis and simulation. In: Leng S, et al. The Geographical Sciences During 1986—2015 (From the Classics to the Frontiers). Springer, 2017, 596 p., pp. 339-366. DOI: 10.1007/978-981-10-1884-8_15.），但中文版好像没有这样对单独章节的处理。

不知道这样的自存档（Self-archiving）是否有侵权之嫌，侵权立删。欢迎阅读或使用本页面链接，但请勿内容转载。如读者觉得有帮助请引用正式出版版本。

====================================

数字地形分析研究前沿简述（秦承志）

数字地形分析（Digital Terrain Analysis，DTA）以数字高程模型（DEM）为基础数据源，计算地形属性、提取地形特征，多角度地定量刻画地表形态，为地学相关的科研与应用提供数据支撑和方法支持（周启鸣和刘学军，2006；杨昕等，地理学报，2009；Hengl和Reuter，2009）。随着遥感遥测技术（如SRTM、LiDAR）的发展，DEM（尤其是栅格DEM）的数据规模、精度、分辨率不断提升（Hengl和Reuter，2009），促进了DTA（尤其是栅格DTA）新算法、新工具、新应用的研究。在算法研究方面，各种地形属性的算法研究持续发展，以期设计出计算更为准确、适用性更强的新算法（如Gallant和Hutchinson，WRR，2011；Krebs等，IJGIS，2015），甚至是提出新的地形信息（如Gallant和Dowling，WRR，2003；Qin等，Geomorphology，2009；Minár等，IJGIS，2013）。与此相应的是对算法的定量评价研究，评价角度包括算法的尺度效应、DEM误差敏感性、DEM数据源敏感性等（如Gao等，IJGIS，2012；Hani等，C&G，2014；Buchanan等，HESS，2014），为此还需完善定量评价方法（Orlandini等，WRR，2012；Qin等，IJGIS，2013；秦承志和呼雪梅，地理研究，2014）。在工具研究方面，针对海量地形数据复杂计算的速度问题，DTA的并行化日益普及（如Tesfa等，EM&S，2011），进一步的研究问题包括针对特殊计算特点DTA算法的并行化策略（Qin和Zhan，C&G，2012），以及通用并行策略的设计（Qin等，IJGIS，2014）；此外，利用web service技术、启发式建模方法解决实际应用中如何快速有效地构建DTA工作流的问题，可有效缩小DTA算法研究与实际应用间的技术鸿沟（Qin等，HESS，2016），这些工具研究的成果不但可解决DTA实际应用中的效率和易用性问题，还可为其他领域的地理计算工具研究提供方法借鉴。在应用研究方面，DTA研究者在着力发掘已有地形信息及新生地形信息的新的应用模型（如Behrens等，European Journal of Soil Science，2010；Qin等，Geoderma，2012；Xiong等，Geomorphology，2014），其应用领域以数字土壤制图、数字地貌、流域系统研究、滑坡危险性评价等为代表。

各种地形信息和特征的定量化算法是DTA的基础研究内容。在各类地形信息和特征中，局域地形属性（如坡度、曲率）、区域地形属性（如单位汇水面积、地形湿度指数）、地形结构线（山脊与河网）等，均已得到了长期、细致的算法研究。地形元素（landform element，如山顶、背坡、鞍部等）作为地表形态类型基本单元，是一类重要的地形类别分布信息，具有更为综合的地理学含义，对于相关地理学现象的分析具有重要作用（Wood，PhD Thesis，1996；Deng，Progress in Physical Geography，2007；Minár和Evans，Geomorphology，2008）。但受限于地形元素语义模糊性、多尺度特征、空间支撑域不确定等难点，地形元素自动分类方法远不及其他地形信息和特征的定量化方法那样成熟。近年来在这一方面开始出现了一些方法上的突破，成为DTA算法研究新的生长点。

现有的地形元素分类的定量方法主要是基于栅格DEM，对地表形态进行空间划分并指定所属的地形元素类别，现有方法基本思路可归纳为聚类和分类两种。聚类思路的方法是对栅格DEM所派生出的多种地形属性（如坡度、曲率等）进行确定性或模糊性聚类，之后将聚出的类识别为地形元素类型（如Burrough等，Fuzzy Sets and Systems，2000；Drăguţ和Blaschke，Geomorphology，2006），该思路的方法主要还存在聚类数难以确定、空间信息缺乏考虑、聚类结果不易给出合理地学解释等明显问题（Qin等，Geomorphology，2009）。采用分类思路的方法通过预设地形元素分类系统，再根据每一种地形元素的某种具体定义，采用相应的推理方法识别出该地形元素的空间分布，可避免聚类方法的不足。分类思路的方法研究，按照对地形元素的不同定义方式和相应选取的推理方式，发展出大致三类的方法：1）基于地形属性集计算的地形元素分类方法最早出现，这类方法需要用户根据应用区特点，基于多种地形属性显式地给出每一类地形元素的定义（如MacMillan等，Fuzzy Sets and Systems，2000），该类方法存在忽略空间位置信息的问题，且要求应用者选取合适地形属性集并显式定义出每一类地形元素也难度较大。2）基于典型位置的地形元素分类方法（秦承志等，地理研究，2007；Qin等，Geomorphology，2009）是根据原型理论，利用应用区中各地形元素的典型位置，将其作为“原型”来定义对应的地形元素，通过模糊推理可定量刻画应用区中各地形元素的空间渐变信息。该方法直接考虑了空间信息，避免了前一类方法中的问题，但该类方法使用典型位置的方式，既有能够有效利用地学知识的优势，也存在着实际应用复杂的不足。3）基于局域高程判别地形元素的分类方法由Jasiewicz和Stepinski（Geomorphology，2013）提出并命名为“Geomorphons”方法，该方法判别各空间位置上所对应的地形元素类型时，直接基于指定大小邻域窗口内高程的相对差异信息，其应用过程无需使用地形属性集，因此较前述其他方法更为简洁、健壮，但该方法目前仍存在难以考虑地形元素多尺度特征的不足。综上，近年来所出现的多种地形元素自动分类方法各具思路，相应地也各具优势及明显不足，通过综合现有方法所长，开拓新的方法思路，解决地形元素语义模糊性、多尺度特征刻画等问题，将会使DTA算法研究深入到新的层次，为进一步开展识别地形元素空间配置格局、自动提取复合地貌形态类型（如阶地、台地等）提供方法研究的基础。

===============

P.S. 关于最后一段讨论的内容，2017年写了一篇综述文章详细论述了自己在这方面算法研究的一些想法：

王彦文，秦承志*. 地貌形态类型的自动分类方法综述. 地理与地理信息科学，2017，33（4）：16-21.