留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

多尺度等高线簇拓扑关系定量表达方法研究

王荣 闫浩文 禄小敏

王荣, 闫浩文, 禄小敏. 多尺度等高线簇拓扑关系定量表达方法研究[J]. 武汉大学学报 ● 信息科学版, 2022, 47(4): 579-588. doi: 10.13203/j.whugis20210355
引用本文: 王荣, 闫浩文, 禄小敏. 多尺度等高线簇拓扑关系定量表达方法研究[J]. 武汉大学学报 ● 信息科学版, 2022, 47(4): 579-588. doi: 10.13203/j.whugis20210355
WANG Rong, YAN Haowen, LU Xiaomin. Topological Relations Quantitative Expression Method of Multi-scale Contour Cluster[J]. Geomatics and Information Science of Wuhan University, 2022, 47(4): 579-588. doi: 10.13203/j.whugis20210355
Citation: WANG Rong, YAN Haowen, LU Xiaomin. Topological Relations Quantitative Expression Method of Multi-scale Contour Cluster[J]. Geomatics and Information Science of Wuhan University, 2022, 47(4): 579-588. doi: 10.13203/j.whugis20210355

多尺度等高线簇拓扑关系定量表达方法研究

doi: 10.13203/j.whugis20210355
基金项目: 

国家自然科学基金 41930101

甘肃省教育厅创新基金 2021A-110

甘肃省教育厅:优秀研究生“创新之星”项目 2021CXZX-548

详细信息
    作者简介:

    王荣, 博士生, 讲师, 研究方向为面向地图综合的空间相似关系理论。freefly_99@126.com

    通讯作者: 闫浩文, 博士, 教授。haowen2010@gmail.com
  • 中图分类号: P208;P283

Topological Relations Quantitative Expression Method of Multi-scale Contour Cluster

Funds: 

The National Natural Science Foundation of China 41930101

Innovation Fund of Education Department of Gansu Province 2021A-110

Education Department of Gansu Province: Project for Outstanding Graduate Students "Star of Innovation" 2021CXZX-548

More Information
    Author Bio:

    WANG Rong, PhD candidate, lecturer, specializes in map generalization and spatial similarity relations. E-mail: freefly_99@126.com

    Corresponding author: YAN Haowen, PhD, professor. E-mail: haowen2010@gmail.com
  • 摘要: 等高线拓扑关系定量表达对空间认知、地形特征挖掘、地图综合等至关重要。然而,已有研究多针对等高线树的生成及综合算法,缺乏等高线拓扑关系及其与尺度变化关系的定量表达,不同地貌类型其变化规律是否一致仍未知。为此,通过分带与投影转换、非闭合等高线拓扑检查与闭合及有向等高线树的构建等,发展了一种等高线拓扑关系定量表达方法。采用高山、中山、平原地貌60组多尺度等高线数据集,探究不同地貌类型的多尺度等高线拓扑指标及其随尺度变化规律的一致性。试验结果表明,相邻尺度等高线拓扑指标变化规律符合空间认知与推理,不同地貌类型多尺度等高线拓扑指标与尺度变化间关系可用同一个幂函数定量表达,该结论为基于多尺度空间相似关系等高线全自动综合的实现提供了理论支撑。
  • 图  1  非闭合等高线匹配及其等高线树模型

    Figure  1.  Matching of Unclosed Contours and Its Corresponding Contour Tree

    图  2  非闭合等高线闭合处理流程图

    Figure  2.  Closed Processing Flowchart of Non-closed Contours

    图  3  相邻尺度等高线树深度比、闭合等高线条数比及拓扑总数比关系

    Figure  3.  Contour Tree Depth, Closed Contour Number and Topology Number Ration of Adjacent Scale

    图  4  多尺度拓扑指标比随尺度变化的变化规律

    Figure  4.  Multi-scale Topological Index Ratio Changes with Map Scale Change

    图  5  多尺度等高线拓扑相似度随尺度变化的变化

    Figure  5.  Topology Similarity Variation of Multi-scale Contour with Map Scale Change

    图  6  样本量对幂函数拟合函数精度及系数的影响

    Figure  6.  Influence of Sampling Number on the Fitting Accuracy and Coefficients of Power Function

    表  1  非闭合主干等高线高程值及其编码匹配

    Table  1.   Elevation and Code Matching of Non-Closed Contours

    FID ID_1 Ele/m FID ID_1 Ele/m FID ID_1 Ele/m
    7 0 2 780 25 11 2 580 51 16 2 480
    6 1 2 760 64 12 2 560 52 16 2 480
    11 2 2 760 65 12 2 560 53 17 2 460
    5 3 2 740 66 12 2 560 54 17 2 460
    4 4 2 720 67 12 2 560 55 17 2 460
    1 5 2 700 68 12 2 560 56 17 2 460
    3 6 2 680 39 13 2 540 57 17 2 460
    12 7 2 660 40 13 2 540 13 18 2 440
    26 8 2 640 41 13 2 540 14 19 2 420
    27 8 2 640 42 13 2 540 37 20 2 400
    28 8 2 640 43 13 2 540 38 20 2 400
    18 9 2 620 44 14 2 520 62 21 2 380
    19 9 2 620 45 14 2 520 63 21 2 380
    20 9 2 620 46 14 2 520 58 22 2 360
    29 10 2 600 47 14 2 520 59 22 2 360
    30 10 2 600 48 14 2 520 60 23 2 340
    32 10 2 600 34 15 2 500 15 24 2 320
    21 11 2 580 35 15 2 500 16 25 2 300
    22 11 2 580 36 15 2 500 17 26 2 280
    23 11 2 580 49 16 2 480
    24 11 2 580 50 16 2 480
    下载: 导出CSV

    表  2  表 1中分枝子树Ⅰ等高线(FID=11)和分枝子树Ⅱ等高线(FID=3)高程及其编码匹配

    Table  2.   Elevation and Code Matching of Branch Contours (FID=11and FID=3) in Table 1

    分枝子树 FID ID_1 Ele/m
    Ⅰ(FID=11) 8 30 2 680
    2 29 2 700
    9 228 2 720
    10 27 2 740
    11 2 2 760
    Ⅱ(FID=3) 3 6 2 680
    下载: 导出CSV

    表  3  多尺度等高线拓扑指标误差统计

    Table  3.   Topology Index Error Statistics of Multi-scale Contour

    比例尺 统计指标 高山 中山 平原
    标准差 变异系数 标准差 变异系数 标准差 变异系数
    1∶1万 等高线树深度 18.48 0.387 6 16.81 0.338 6 6.62 0.285 1
    闭合等高线条数 16.96 0.308 6 17.12 0.225 2 16.03 0.399 3
    拓扑总数 2 089.09 0.665 9 2 066.99 0.468 4 986.92 0.635 8
    拓扑包含 981.21 0.71 1 101.58 0.49 207.02 0.35
    拓扑相离 1 033.89 0.69 1 249.65 0.47 581.23 0.61
    拓扑邻接 20.99 0.37 19.62 0.25 17.87 0.33
    1∶5万 等高线树深度 9.59 0.404 3 4.31 0.356 3 3.44 0.305 6
    闭合等高线条数 9.34 0.340 6 4.58 0.274 9 6.46 0.356 7
    拓扑总数 597.94 0.747 5 139.79 0.524 2 179.92 0.576 0
    拓扑包含 286.80 0.82 64.61 0.48 57.82 0.41
    拓扑相离 281.22 0.82 76.69 0.53 63.47 0.40
    拓扑邻接 10.78 0.39 6.28 0.31 7.99 0.32
    1∶10万 等高线树深度 4.74 0.416 5 2.34 0.405 7 1.56 0.300 3
    闭合等高线条数 5.10 0.378 8 2.14 0.265 6 2.33 0.310 7
    拓扑总数 140.69 0.768 7 34.51 0.592 9 27.18 0.531 4
    拓扑包含 66.79 0.86 17.01 0.60 7.78 0.34
    拓扑相离 64.10 0.94 15.15 0.63 14.36 0.50
    拓扑邻接 5.50 0.47 2.33 0.27 3.13 0.31
    1∶25万 等高线树深度 1.83 0.454 9 1.50 0.579 7 0.60 0.343 1
    闭合等高线条数 1.68 0.318 7 1.12 0.359 4 0.86 0.325 2
    拓扑总数 20.04 0.782 4 4.52 0.558 0 3.41 0.619 2
    拓扑包含 11.37 0.87 2.37 0.47 1.60 0.50
    拓扑相离 8.11 1.09 1.82 0.91 2.16 1.29
    拓扑邻接 2.02 0.49 0.97 0.41 1.76 0.70
    下载: 导出CSV

    表  4  不同地貌类型对应拓扑相似度误差统计

    Table  4.   Topological Similarity Degree Error Statistics of Different Geomorphic Types

    地貌类型 C 相似度平均值 标准差 变异系数
    中山地貌 10 0.054 9 0.016 1 0.299 3
    20 0.013 6 0.005 5 0.402 7
    50 0.001 8 0.000 6 0.304 2
    平原地貌 5 0.211 4 0.028 5 0.133 7
    10 0.033 5 0.013 7 0.422 1
    25 0.006 0 0.012 8 2.173 0
    高山地貌 5 0.244 1 0.035 7 0.147 7
    10 0.054 8 0.007 3 0.129 0
    25 0.007 5 0.003 8 0.421 6
    下载: 导出CSV
  • [1] 丁虹. 空间相似性理论与计算模型的研究[D]. 武汉: 武汉大学, 2004

    Ding Hong. A Study on Spatial Similarity Theory and Calculation Model[D]. Wuhan: Wuhan University, 2004
    [2] Yan Haowen, Li Jonathan. Spatial Similarity Relations in Multi-scale Map Spaces[M]. Springer: International Publishing Switzerland, 2014
    [3] 闫浩文, 王家耀. 地图群(组)目标描述与自动综合[M]. 北京: 科学出版社, 2009

    Yan Haowen, Wang Jiaoyao. Description Approaches and Automates Generalization Algorithms for Groups of Map Objects[M]. Beijing: The Science Press, 2009
    [4] 郭仁忠. 空间分析[M]. 北京: 高等教育出版社, 2001

    Guo Renzhong. Spatial Analysis[M]. Beijing: Higher Education Press, 2001
    [5] 刘文锴, 乔朝飞, 陈云浩, 等. 等高线图信息定量度量研究[J]. 武汉大学学报·信息科学版, 2008, 33(2): 158-159 http://ch.whu.edu.cn/article/id/1532

    Liu Wenkai, Qiao Chaofei, Chen Yunhao, et al. Quantitative Measures for Spatial Information of Contour Maps[J]. Geomatics and Information Science of Wuhan University, 2008, 33(2): 158-159 http://ch.whu.edu.cn/article/id/1532
    [6] Chen Jun, Li Chenming, Li Zhilin, et al. A Voronoi-based 9-Intersection Model for Spatial Relations[J]. ISPRS Journal of Geographical Information Science, 2001, 15(3): 201-220 doi:  10.1080/13658810151072831
    [7] 邓敏, 李成名, 刘文宝. 利用拓扑和度量相结合的方法描述面目标间的空间关系[J]. 测绘学报, 2002, 31(2): 164-169 doi:  10.3321/j.issn:1001-1595.2002.02.014

    Deng Min, Li Chengming, Liu Wenbao. Describing Spatial Relations Between Area Objects via Combing Topology with Metrization[J]. Acta Geodaetica et Cartographica Sinica, 2002, 31(2): 164-169 doi:  10.3321/j.issn:1001-1595.2002.02.014
    [8] 郭文月, 刘海砚, 孙群, 等. 面向趋于增量更新的等高线群混合相似性度量模型[J]. 地球信息科学学报, 2019, 21(2): 147-156 https://www.cnki.com.cn/Article/CJFDTOTAL-DQXX201902003.htm

    Guo Wenyue, Liu Haiyan, Sun Qun, et al. A Contour Group Mixed Similarity Measurement Model for Region Incremental Updating[J]. Journal of Geo-in- formation Science, 2019, 21(2): 147-156 https://www.cnki.com.cn/Article/CJFDTOTAL-DQXX201902003.htm
    [9] 王涛, 毋河海. 等高线拓扑关系的构建以及应用[J]. 武汉大学学报·信息科学版, 2004, 29(5): 438-442 doi:  10.13203/j.whugis2004.05.014

    Wang Tao, Wu Hehai. Construction and Applications of Topological Relation Among Contour Lines[J]. Geomatics and Information Science of Wuhan University, 2004, 29(5): 438-442 doi:  10.13203/j.whugis2004.05.014
    [10] 刘建军, 陈军, 王东华, 等. 等高线邻接关系的表达及应用研究[J]. 测绘学报, 2004, 33(2): 174-178 doi:  10.3321/j.issn:1001-1595.2004.02.015

    Liu Jianjun, Chen Jun, Wang Donghua, et al. The Study of Description and Application of Contour Adjacency Relationship[J]. Acta Geodaetica et Cartographica Sinica, 2004, 33(2): 174-178 doi:  10.3321/j.issn:1001-1595.2004.02.015
    [11] Li Zhilin, Huang Peizhi. Quantitative Measures for Spatial Information of Maps[J]. International Journal of Geographical Information Science, 2002, 16(7): 699-709 doi:  10.1080/13658810210149416
    [12] Chen Jun, Zhao Renliang, Li Zhilin. VoronoiBased k-order Neighbor Relations for Spatial Analysis[J]. ISPRS Journal of Photogrammetry & Remote Sensing, 2004a, 59: 60-72
    [13] 郭文月, 刘海砚, 孙群, 等. 利用树编辑距离的等高线拓扑相似性度量方法[J]. 测绘科学技术学报, 2019, 36(1): 79-85 https://www.cnki.com.cn/Article/CJFDTOTAL-JFJC201901016.htm

    Guo Wenyue, Liu Haiyan, Sun Qun, et al. A Topological Similarity Measure Method of Contour Lines Based on Tree Edit Distance[J]. Journal of Geomatics Science and Technology, 2019, 36(1): 79-85 https://www.cnki.com.cn/Article/CJFDTOTAL-JFJC201901016.htm
    [14] 乔朝飞, 赵仁亮, 陈军, 等. 基于Voronoi内邻近的等高线树生成法[J]. 武汉大学学报·信息科学版, 2005, 30(9): 801-804 http://ch.whu.edu.cn/article/id/2280

    Qiao Chaofi, Zhao Renliang, Chen Jun, et al. A Voronoi Interi or Adjacency-based Approach for Generating a Contour Tree[J]. Geomatics and Information Science of Wuhan University, 2005, 30(9): 801-804 http://ch.whu.edu.cn/article/id/2280
    [15] 朱强, 武芳, 钱海忠, 等. 基于空间认知的等高线树的构建[J]. 信息工程大学学报, 2011, 12(4): 458-462 doi:  10.3969/j.issn.1671-0673.2011.04.016

    Zhu Qiang, Wu Fang, Qian Haizhong. Spatial Cognition Oriented Contour-Tree Building[J]. Journal of Information Engineering University, 2011, 12(4): 458-462 doi:  10.3969/j.issn.1671-0673.2011.04.016
    [16] 乔朝飞, 赵仁亮, 陈军, 等. 基于Voronoi内邻近的等高线树生成方法[J]. 武汉大学学报·信息科学版, 2005, 30(9): 801-804 http://ch.whu.edu.cn/article/id/2280

    Qiao Chaofei, Zhao Renliang, Chen Jun, et al. A Voronoi Interior Adjacency-based Approach for Generating a Contour Tree[J]. Geomatics and Information Science of Wuhan University, 2005, 30(9): 801-804 http://ch.whu.edu.cn/article/id/2280
    [17] 李乐林, 韩用顺, 郭程方. 基于LiDAR数据的等高线树构建研究[J]. 测绘地理信息, 2015, 40(5): 21-24 https://www.cnki.com.cn/Article/CJFDTOTAL-CHXG201505008.htm

    Li Lelin, Han Yongshun, Guo Chengfang. Research on Contour Tree Construction with LiDAR Data[J]. Journal of Geomatics, 2015, 40(5): 21-24 https://www.cnki.com.cn/Article/CJFDTOTAL-CHXG201505008.htm
    [18] 艾廷华, 祝国瑞, 张根寿. 基于Delaunay三角网模型的等高线地形特征提取及谷底树结构化组织[J]. 遥感学报, 2003, 4(7): 292-299 https://www.cnki.com.cn/Article/CJFDTOTAL-YGXB200304009.htm

    Ai Tinghua, Zhu Guorui, Zhang Genshou. Extraction of Landform Features and Organization of Valley Tree Structure Based on Delaunay Triangulation Model[J]. Journal of Remote Sensing, 2003, 4(7): 292-299 https://www.cnki.com.cn/Article/CJFDTOTAL-YGXB200304009.htm
    [19] 张琳琳. 地貌自动综合的结构化方法研究[D]. 郑州: 信息工程大学, 2005

    Zhang Linlin. The Research of Structured Method of Geomorphology's Automated Generalization[D]. Zhenzhou: Information Engineering University, 2005
    [20] 王涛, 毋河海. 等高线拓扑关系的构建以及应用[J]. 武汉大学学报·信息科学版, 2004, 29(5): 438-442 doi:  10.13203/j.whugis2004.05.014

    Wang Tao, Wu Hehai. Construction and Applications of Topological Relation Among Contour Lines[J]. Geomatics and Information Science of Wuhan University, 2004, 29(5): 438-442 doi:  10.13203/j.whugis2004.05.014
    [21] Chen Jun, Qiao Chaofei, Zhao Renliang. A Voronoi Interior Adjacency Based Approach for Generating a Contour Tree[J]. Computers and Geosciences, 2004b, 30: 355-367 doi:  10.1016/j.cageo.2003.06.001
    [22] 严蔚敏, 吴伟民. 数据结构: C语言版[M]. 北京: 清华大学出版社, 2017

    Yan Weimin, Wu Weimin. Data Structure: Language Version[M]. Beijing: Tsinghua University Press, 2017
    [23] 李炳元, 潘保田, 韩嘉福. 中国陆地基本地貌类型及其划分指标探讨[J]. 第四纪研究, 2008, 7(28): 535-543 https://www.cnki.com.cn/Article/CJFDTOTAL-DSJJ200804004.htm

    Li Bingyuan, Pan Baotian, Han Jiafu. Basic Terrestrial Geomorphological Types in China and Their Circumscriptions[J]. Quaternary Science, 2008, 7(28): 535-543 https://www.cnki.com.cn/Article/CJFDTOTAL-DSJJ200804004.htm
    [24] 张彦林, 朱彦虎. 甘肃省地貌分区研究[J]. 甘肃地质, 2020, 29(1-2): 7-11 https://www.cnki.com.cn/Article/CJFDTOTAL-GSDZ2020Z1003.htm

    Zhang Yanlin, Zhu Yanhu. Geomorphologic Zone of Gansu Province[J]. Gansu Geology, 2020, 29(1-2): 7-11 https://www.cnki.com.cn/Article/CJFDTOTAL-GSDZ2020Z1003.htm
    [25] 徐建华. 现代地理学中的数学方法[M]. 北京: 高等教育出版社, 2002

    Xu Jianhua. Mathematical Methods in Contemporary Geography[M]. Beijing: Higher Education Press, 2002
    [26] 王家耀, 何宗宜, 蒲英霞, 等. 地图学[M]. 北京: 测绘出版社, 2016

    Wang Jiayao, He Zongyi, Pu Yingxia, et al. Cartography[M]. Beijing: Surveying and Mapping Press, 2016
  • [1] 张慧芳, 张鹏林, 晁剑.  使用多尺度模糊融合的高分影像变化检测 . 武汉大学学报 ● 信息科学版, 2022, 47(2): 296-303. doi: 10.13203/j.whugis20190425
    [2] 王占刚, 吴自兴, 王想红.  语义尺度影响的相离区域合并与拓扑关系计算 . 武汉大学学报 ● 信息科学版, 2018, 43(11): 1712-1718. doi: 10.13203/j.whugis20170009
    [3] 牛继强, 徐丰, 姚高伟, 樊勇, 林昊.  基于粗集的多尺度空间拓扑关系不确定性定量评价模型 . 武汉大学学报 ● 信息科学版, 2017, 42(6): 756-761, 781. doi: 10.13203/j.whugis20140904
    [4] 肖巍峰, 邓敏, 李朝奎.  三维点云多尺度等值线模型Morphing变换方法研究 . 武汉大学学报 ● 信息科学版, 2015, 40(7): 957-963. doi: 10.13203/j.whugis20140107
    [5] 周亚男, 骆剑承, 程熙, 沈占锋.  多特征融入的自适应遥感影像多尺度分割 . 武汉大学学报 ● 信息科学版, 2013, 38(1): 19-22.
    [6] 林雪原, 刘磊.  多传感器组合导航系统的多尺度分布式滤波算法 . 武汉大学学报 ● 信息科学版, 2012, 37(7): 823-826.
    [7] 张倩, 黄昕, 张良培.  多尺度同质区域提取的高分辨率遥感影像分类研究 . 武汉大学学报 ● 信息科学版, 2011, 36(1): 117-121.
    [8] 赵彬彬, 邓敏, 徐震, 刘慧敏.  多尺度地图面目标匹配的统一规则研究 . 武汉大学学报 ● 信息科学版, 2011, 36(8): 991-994.
    [9] 夏林元, 肖俊, 林丽群.  基于边缘的多尺度立体匹配算法 . 武汉大学学报 ● 信息科学版, 2011, 36(7): 767-770.
    [10] 林丽群, 舒宁, 龚龑, 肖俊.  基于像斑的多光谱影像跨尺度分类研究 . 武汉大学学报 ● 信息科学版, 2009, 34(1): 40-43.
    [11] 牛方曲, 甘国辉, 程昌秀, 祁铮.  矢量数据多尺度显示中的关键技术 . 武汉大学学报 ● 信息科学版, 2009, 34(7): 869-872.
    [12] 潘励, 王华.  利用拓扑关系模型自动检测居民地的变化类型 . 武汉大学学报 ● 信息科学版, 2009, 34(3): 301-303.
    [13] 蒋志勇, 陈晓玲, 秦前清, 陈楚群.  基于重构的多尺度目标提取与分割 . 武汉大学学报 ● 信息科学版, 2008, 33(11): 1158-1161.
    [14] 杨必胜, 孙丽.  导航电子地图的自适应多尺度表达 . 武汉大学学报 ● 信息科学版, 2008, 33(4): 363-366.
    [15] 刘文锴, 乔朝飞, 陈云浩, 赵仁亮.  等高线图信息定量度量研究 . 武汉大学学报 ● 信息科学版, 2008, 33(2): 157-159.
    [16] 潘俊, 王密.  多尺度的DMC彩色合成影像辐射再处理方法 . 武汉大学学报 ● 信息科学版, 2007, 32(9): 800-803.
    [17] 蔡剑红, 李德仁.  多尺度下的不确定性空间方向锥形模型研究 . 武汉大学学报 ● 信息科学版, 2007, 32(8): 735-739.
    [18] 邓敏, 李志林, 李永礼, 张雪松.  GIS线目标间拓扑关系描述的4交差模型 . 武汉大学学报 ● 信息科学版, 2006, 31(11): 945-948.
    [19] 刘艳芳.  多尺度耕地供需动态平衡模式研究 . 武汉大学学报 ● 信息科学版, 2005, 30(3): 194-198.
    [20] 王涛, 毋河海.  等高线拓扑关系的构建以及应用 . 武汉大学学报 ● 信息科学版, 2004, 29(5): 438-442. doi: 10.13203/j.whugis2004.05.014
  • 加载中
图(6) / 表(4)
计量
  • 文章访问数:  87
  • HTML全文浏览量:  32
  • PDF下载量:  38
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-06-29
  • 刊出日期:  2022-04-05

多尺度等高线簇拓扑关系定量表达方法研究

doi: 10.13203/j.whugis20210355
    基金项目:

    国家自然科学基金 41930101

    甘肃省教育厅创新基金 2021A-110

    甘肃省教育厅:优秀研究生“创新之星”项目 2021CXZX-548

    作者简介:

    王荣, 博士生, 讲师, 研究方向为面向地图综合的空间相似关系理论。freefly_99@126.com

    通讯作者: 闫浩文, 博士, 教授。haowen2010@gmail.com
  • 中图分类号: P208;P283

摘要: 等高线拓扑关系定量表达对空间认知、地形特征挖掘、地图综合等至关重要。然而,已有研究多针对等高线树的生成及综合算法,缺乏等高线拓扑关系及其与尺度变化关系的定量表达,不同地貌类型其变化规律是否一致仍未知。为此,通过分带与投影转换、非闭合等高线拓扑检查与闭合及有向等高线树的构建等,发展了一种等高线拓扑关系定量表达方法。采用高山、中山、平原地貌60组多尺度等高线数据集,探究不同地貌类型的多尺度等高线拓扑指标及其随尺度变化规律的一致性。试验结果表明,相邻尺度等高线拓扑指标变化规律符合空间认知与推理,不同地貌类型多尺度等高线拓扑指标与尺度变化间关系可用同一个幂函数定量表达,该结论为基于多尺度空间相似关系等高线全自动综合的实现提供了理论支撑。

English Abstract

王荣, 闫浩文, 禄小敏. 多尺度等高线簇拓扑关系定量表达方法研究[J]. 武汉大学学报 ● 信息科学版, 2022, 47(4): 579-588. doi: 10.13203/j.whugis20210355
引用本文: 王荣, 闫浩文, 禄小敏. 多尺度等高线簇拓扑关系定量表达方法研究[J]. 武汉大学学报 ● 信息科学版, 2022, 47(4): 579-588. doi: 10.13203/j.whugis20210355
WANG Rong, YAN Haowen, LU Xiaomin. Topological Relations Quantitative Expression Method of Multi-scale Contour Cluster[J]. Geomatics and Information Science of Wuhan University, 2022, 47(4): 579-588. doi: 10.13203/j.whugis20210355
Citation: WANG Rong, YAN Haowen, LU Xiaomin. Topological Relations Quantitative Expression Method of Multi-scale Contour Cluster[J]. Geomatics and Information Science of Wuhan University, 2022, 47(4): 579-588. doi: 10.13203/j.whugis20210355
  • 空间相似关系[1]在地图制图综合、空间数据匹配及基础地理数据库更新等方面具有广泛的应用。等高线作为3D地貌形态在2D平面最有效的表达方式,无论缩编小比例尺地形图还是基于地形的地学分析与模拟,其自动综合至关重要。地图综合本质上是一种多尺度地图间的空间相似变换[2]。因此,多尺度等高线空间相似关系已成为地图学及地理信息科学研究的前沿和热点。有学者[3-4]认为,在等高线综合中,等高线空间关系和结构的描述是核心和关键;等高线相互之间存在严格的序关系,即等高线空间关系主要指其拓扑关系[5]。因此,多尺度等高线空间相似关系研究的关键是等高线拓扑关系定量表达。

    等高线以闭合曲线簇表达地表起伏形态,传统面/线要素间拓扑关系定义及模型已无法满足等高线拓扑关系的定量表达[6-7]。尽管已有学者[6]尝试利用Voronoi图K阶邻接关系及无向等高线树表达其拓扑层次关系,以弥补传统定性方法[8]的不足,但仍存在以下问题:(1)拓扑关系类型表达不全面。目前研究主要针对等高线邻接关系[9-12],然而,等高线邻接关系仅具有部分、并非纯粹的拓扑关系[213],等高线间亦存在包含及相离关系;(2)忽略了不同拓扑类型间的交叉性、互补性,如双亲-孩子结点等高线间邻接与包含关系并存,导致基于无向等高线树拓扑关系难以准确定量表达;(3)已有研究主要针对等高线树的生成[14-17]及基于DEM(digital elevation model)多源等高线拓扑相似性度量[13],缺乏等高线拓扑关系定量表达,导致多尺度等高线拓扑指标与尺度变化间的定量关系仍未知。因此,本文以1∶5 000、1∶1万、1∶5万、1∶10万及1∶25万多尺度矢量等高线已有成果数据为基础数据源,通过投影转换、非闭合等高线匹配与闭合等预处理,在生成有向等高线树的基础上,发展了一种等高线拓扑关系定量表达方法,以探究不同地貌类型等高线拓扑关系随尺度变化的定量变化规律。

    • 等高线树不仅能有效表达等高线间的层次关系,且以隐含的方式顾及地性结构[18],是等高线拓扑关系表达最常用的方法[1419]。与无向等高线树相比,有向等高线树可以有效避免等高线拓扑数量重复累计及漏算等不足,而非闭合等高线拓扑检查、Voronoi多边形剖分及匹配闭合等预处理是建立有向等高线树的前提[20]

    • 实际中等高线是连续、闭合的,然而,地图仅是现实世界的部分反映,导致等高线被图廓截断为非闭合等高线,因此,需进行非闭合等高线拓扑检查、匹配及闭合等预处理。

      以正向地貌图 1(a)为例,非闭合等高线预处理基本思路如图 2所示。通过图 2可知,非闭合等高线预处理主要包括:(1)基于Voronoi多边形[16]等高线邻接关系[17]矩阵R的构建;(2)依据高程值(HLi))、邻接矩阵(Rij)非闭合主干及子等高线的匹配;(3)匹配后的非闭合等高线按匹配字段(ID_1)融合。

      图  1  非闭合等高线匹配及其等高线树模型

      Figure 1.  Matching of Unclosed Contours and Its Corresponding Contour Tree

      图  2  非闭合等高线闭合处理流程图

      Figure 2.  Closed Processing Flowchart of Non-closed Contours

    • 建立有向等高线树的实质[21]是等高线结点在等高线树中所处层次的确定及结点间有向边连接方式的判断。针对正向地貌,从根结点向叶结点等高线高程值等差排列、逐渐递增,高程值相等的等高线结点所处层次相同,主等高线结点所处层次k=max{ID_1}+1-{ID_1};负向地貌则相反。因此,依据闭合等高线高程及其邻接关系可确定等高线结点在有向等高线树中所处层次及有向边连接方式。

      以正向地貌为例,已知两条等高线相邻,(1)若HLi) > HLi+1),则Li+1为双亲结点,处于等高线树的第i层,Li为孩子结点,处于第i+1层,建立Li+1指向Li结点的有向边;相反,建立Li指向Li+1结点的有向边;(2)若HLi)=HLi+1),则Li+1Li互为亲兄弟结点,位于等高线树的同一层次,无需建立有向边;负向地貌则相反。若标签结点为分枝子树的根结点,对分枝子树操作与树干相同,直至遍历所有标签结点。若标签根结点有多个孩子结点,为避免有向边交叉,每遍历一次,第k层结点需不断调整在动态链表中的存储位置,未遍历结点交换存储位置、后移。

    • 等高线在抽稀、合并等综合过程中,随比例尺减小,拓扑关系不断发生改变;而等高线拓扑关系的定量表达是探究多尺度等高线拓扑指标随尺度变化定量变化规律的前提。

    • 等高线拓扑关系主要有3种:邻接、包含及相离。设比例尺为S1的等高线对应有向等高线树结点总数为MLii=1,2…M)为当前结点,根结点至叶结点等高线树层次分别为0,1,2…kN,第kkN)层等高线结点总数为PkPkM),则拓扑邻接、包含及相离关系定量表达如下。

      1)拓扑包含

      有向等高线树的同一棵子树,结点Li与其祖先结点或子孙结点间均为拓扑包含。为避免重复累计,仅考虑同一棵子树中结点Li与其祖先结点间的包含关系,则结点Li拓扑包含总数由其在有向等高线树中所处的层次k决定。比例尺为S1的等高线拓扑包含总数TContS1为:

      TContS1=P1+2P2++kPk++NPN=k=1NkPk ]]>

      图 1(b)L6结点为例,结点L6与其祖先结点{L8L9L26}之间均为拓扑包含关系,则包含结点L6的等高线条数等于结点L6在有向等高线树中所处的层次kk=19);依此类推,可知图 1(b)对应等高线拓扑包含总数为271。

      2)拓扑邻接

      有向等高线树中,拓扑邻接关系存在于双亲-孩子结点及亲兄弟结点之间,即结点Li拓扑邻接总数(Ki)取决于其孩子(Ni)及亲兄弟(Ni)结点个数,则结点总数为M、比例尺为S1的等高线拓扑邻接总数TNeighS1为:

      TNeighS1=i=1MKi=i=1MNi+Ni ]]>

      为避免重复累计,式(2)中亲兄弟结点间的邻接关系仅累计1次,如图 1(b)所示,结点{L5L6L7}互为亲兄弟,L5L6拓扑相邻,L6L5亦拓扑相邻,则研究仅考虑L5L6间的拓扑邻接关系,因此,结点{L5L6L7}对应拓扑邻接总数分别为{2,1,0}。图 1(b)中除L8有3个孩子结点,其余结点的孩子结点数均为1。因此,图 1(b)对应的拓扑邻接总数为35。

      3)拓扑相离

      除具有包含、邻接关系外的等高线之间的不相邻关系称为拓扑相离[13]。有向等高线树的同一棵子树,除结点Li与其双亲、亲兄弟及孩子结点间为拓扑邻接关系外,结点Li与其他结点间均为拓扑相离关系;不同子树间,除结点Li与其亲兄弟结点拓扑邻接外,结点Li与其他结点间均为拓扑相离关系,包括该子树结点Li与其他子树的堂兄弟及子孙结点之间。综上可知,等高线拓扑邻接与拓扑相离关系互为补集。因此,通过邻接关系可间接定量表达等高线间拓扑相离总数。设有向等高线树结点不重复两两组合数为CM2,比例尺为S1的等高线拓扑相离总数TSepS1为:

      TSepS1=CM2-TNeighS1 ]]>

      图 1(b)结点L7为例,结点L7与其双亲结点L8间为拓扑包含关系,结点L7与亲兄弟结点{L5L6}及其孩子结点间为拓扑邻接关系,结点L7与其他有向等高线子树中的结点如L2L0间均为拓扑相离。图 1(b)中,结点总数M=31,拓扑邻接总数为35,则等高线拓扑相离总数为430。

      综上可知,等高线拓扑邻接、包含及相离关系彼此交叉、互补,部分结点间拓扑关系仅需累计一次,如亲兄弟结点间的邻接关系;部分结点间的拓扑关系需重复累计多次,如除双亲-孩子结点外,同一颗子树的祖先-子孙结点间包含与相离关系并存,而该子树的祖先与其他子树的子孙结点间仅为相离关系。因此,比例尺为S1的等高线对应拓扑关系总数TTopoS1为:

      TTopoS1=TContS1+TNeighS1+TSepS1=k=1NkPk+CM2 ]]>

      即深度为25的有向等高线树(图 1(b)),拓扑关系总数为736。

    • 通过§2.1分析可知,与等高线拓扑定量表达相关的拓扑指标主要包括闭合等高线条数、等高线树深度、拓扑总数及拓扑邻接总数等。

      1)相邻尺度拓扑指标比

      相邻尺度拓扑指标比描述了综合前后拓扑指标的变化,计算公式为:

      GiS1S2=GiS1/GiS2 ]]>

      式中,GiS1S2[1,+)为综合前后相邻尺度拓扑指标比;GiS1GiS2分别为综合前后比例尺S1S2对应等高线的第i个拓扑指标。若拓扑指标为树的深度(Depth)[22],则GDepthSi=max+1=N+1

      2)多尺度等高线拓扑相似度

      多尺度等高线拓扑相似度描述了多尺度等高线拓扑总数随尺度变化的定量变化,其度量公式为[2]

      SimS1S2=TS2TS1=j=1tTjS2j=1tTjS1 ]]>

      式中,TS1TS2分别为比例尺S1的等高线综合为比例尺S2等高线对应综合前后拓扑指标总数;TjS1TjS2分别为S1S2对应第j类拓扑关系总数;t=3;SimS1S20, 1,与尺度变化(C[3]负相关。

    • 地貌类型划分标准多样化[23],按高程及起伏特征,地貌类型可划分为高山、中山、平原等,进一步可划分为陇南山地、黄土高原及河西走廊平原等地貌类型[24]。实验以相同图幅范围(5 km×5 km)高山、中山、平原地貌60组多尺度矢量等高线数据集为基础数据源,包括1∶5 000、1∶1万、1∶5万、1∶10万及1∶25万祁连山地、陇南山地高山地貌多尺度等高线簇26组(包括陇南切割高山地貌17组,祁连山地9组),陇东、陇中黄土高原、甘南高原中山地貌多尺度等高线簇22组(包括陇中黄土高原14组,甘南高原4组,陇东黄土高原4组)及河西走廊平原、陇中河谷冲积平原地貌多尺度等高线12组(包括河西走廊平原9组,陇中冲积平原3组),多尺度矢量等高线数据来源于国家基础地理信息中心。

    • 等高线树构建方法的可靠性是拓扑关系正确定量表达的前提。图 1(a)非闭合主干及分枝等高线的高程及编码匹配表如表12所示。

      表 1  非闭合主干等高线高程值及其编码匹配

      Table 1.  Elevation and Code Matching of Non-Closed Contours

      FID ID_1 Ele/m FID ID_1 Ele/m FID ID_1 Ele/m
      7 0 2 780 25 11 2 580 51 16 2 480
      6 1 2 760 64 12 2 560 52 16 2 480
      11 2 2 760 65 12 2 560 53 17 2 460
      5 3 2 740 66 12 2 560 54 17 2 460
      4 4 2 720 67 12 2 560 55 17 2 460
      1 5 2 700 68 12 2 560 56 17 2 460
      3 6 2 680 39 13 2 540 57 17 2 460
      12 7 2 660 40 13 2 540 13 18 2 440
      26 8 2 640 41 13 2 540 14 19 2 420
      27 8 2 640 42 13 2 540 37 20 2 400
      28 8 2 640 43 13 2 540 38 20 2 400
      18 9 2 620 44 14 2 520 62 21 2 380
      19 9 2 620 45 14 2 520 63 21 2 380
      20 9 2 620 46 14 2 520 58 22 2 360
      29 10 2 600 47 14 2 520 59 22 2 360
      30 10 2 600 48 14 2 520 60 23 2 340
      32 10 2 600 34 15 2 500 15 24 2 320
      21 11 2 580 35 15 2 500 16 25 2 300
      22 11 2 580 36 15 2 500 17 26 2 280
      23 11 2 580 49 16 2 480
      24 11 2 580 50 16 2 480

      表 2  表 1中分枝子树Ⅰ等高线(FID=11)和分枝子树Ⅱ等高线(FID=3)高程及其编码匹配

      Table 2.  Elevation and Code Matching of Branch Contours (FID=11and FID=3) in Table 1

      分枝子树 FID ID_1 Ele/m
      Ⅰ(FID=11) 8 30 2 680
      2 29 2 700
      9 228 2 720
      10 27 2 740
      11 2 2 760
      Ⅱ(FID=3) 3 6 2 680

      通过表12可知,图 1(a)中65条非闭合等高线,经匹配、闭合处理为30条闭合等高线,包括24条主干等高线(表 1)、5条子树Ⅰ分枝等高线及1条子树Ⅱ分枝等高线(表 2)。以图 1(a)为例,本文方法构建的有向等高线树模型(图 1(b))与已有无向等高线树构建方法[16-17]构建结果完全一致,即有向等高线树构建方法合理、可靠。

    • 标准差从平均概况衡量一组统计数据与平均值的离散程度,变异系数表示统计数据的相对波动程度[25],不同地貌类型多尺度拓扑指标离散及波动程度如表 3所示。

      表 3  多尺度等高线拓扑指标误差统计

      Table 3.  Topology Index Error Statistics of Multi-scale Contour

      比例尺 统计指标 高山 中山 平原
      标准差 变异系数 标准差 变异系数 标准差 变异系数
      1∶1万 等高线树深度 18.48 0.387 6 16.81 0.338 6 6.62 0.285 1
      闭合等高线条数 16.96 0.308 6 17.12 0.225 2 16.03 0.399 3
      拓扑总数 2 089.09 0.665 9 2 066.99 0.468 4 986.92 0.635 8
      拓扑包含 981.21 0.71 1 101.58 0.49 207.02 0.35
      拓扑相离 1 033.89 0.69 1 249.65 0.47 581.23 0.61
      拓扑邻接 20.99 0.37 19.62 0.25 17.87 0.33
      1∶5万 等高线树深度 9.59 0.404 3 4.31 0.356 3 3.44 0.305 6
      闭合等高线条数 9.34 0.340 6 4.58 0.274 9 6.46 0.356 7
      拓扑总数 597.94 0.747 5 139.79 0.524 2 179.92 0.576 0
      拓扑包含 286.80 0.82 64.61 0.48 57.82 0.41
      拓扑相离 281.22 0.82 76.69 0.53 63.47 0.40
      拓扑邻接 10.78 0.39 6.28 0.31 7.99 0.32
      1∶10万 等高线树深度 4.74 0.416 5 2.34 0.405 7 1.56 0.300 3
      闭合等高线条数 5.10 0.378 8 2.14 0.265 6 2.33 0.310 7
      拓扑总数 140.69 0.768 7 34.51 0.592 9 27.18 0.531 4
      拓扑包含 66.79 0.86 17.01 0.60 7.78 0.34
      拓扑相离 64.10 0.94 15.15 0.63 14.36 0.50
      拓扑邻接 5.50 0.47 2.33 0.27 3.13 0.31
      1∶25万 等高线树深度 1.83 0.454 9 1.50 0.579 7 0.60 0.343 1
      闭合等高线条数 1.68 0.318 7 1.12 0.359 4 0.86 0.325 2
      拓扑总数 20.04 0.782 4 4.52 0.558 0 3.41 0.619 2
      拓扑包含 11.37 0.87 2.37 0.47 1.60 0.50
      拓扑相离 8.11 1.09 1.82 0.91 2.16 1.29
      拓扑邻接 2.02 0.49 0.97 0.41 1.76 0.70

      通过表 3可知:(1)横向来看,同一比例尺各拓扑指标标准差及变异系数均呈高山 > 中山 > 平原的变化趋势,即从高山→中山→平原地貌,各拓扑指标与其平均值的离散程度逐渐减小,指标值越集中;但其相对波动程度高山大于中山及平原地貌;同一比例尺不同拓扑指标的变异系数呈拓扑总数的变异系数最大,等高线树深度次之。(2)纵向来看,随着比例尺的不断减小,同一地貌类型各拓扑指标值的标准差亦逐渐减小;高山、中山地貌的变异系数逐渐增大,而平原地貌相对稳定;随比例尺的减小,拓扑包含、相离及邻接数的相对波动程度逐渐增大。

      以上分析进一步验证了“等高距是地形与比例尺的综合体现[26],两者共同决定了等高线拓扑数量的差异”的结论。因此,研究主要从比例尺、地貌类型两个维度探究等高线拓扑指标变化趋势,前者是本文研究的重点。

    • 相同或不同地貌类型相邻比例尺等高线拓扑指标变化趋势如图 3所示。图 3表明:(1)同一地貌、相邻比例尺等高线条数比、等高线树深度比与相邻比例尺等高距比值基本一致;但因地形破碎度、坡度陡缓等不同,导致不同拓扑指标比值并非为某一固定常数,而在相邻比例尺等高距比附近波动。随相邻比例尺尺度变化的增大,各拓扑指标比值的波动性增大,当等高线由1∶10万综合为1∶25万时,其波动程度最大(图 3中绿色折线)。(2)同一地貌类型相邻比例尺等高线的等高距比值越大,对应拓扑总数比值越大,如图 3(b)中,中山地貌相邻比例尺等高距比值分别为{1,4,2,2.5}时,对应等高线拓扑总数比均值分别为{1,17,5,8},但拓扑总数比值与相邻比例尺等高线的尺度变化或等高距比值间无特定比例关系,且同一地貌、相邻等高距比值相同的等高线,拓扑总数比差异显著,如高山地貌(图 3(a))等高线分别由等高距为10 m的1∶1万等高线综合为等高距为20 m的1∶5万等高线、由等高距为20 m的1∶5万等高线综合为等高距为40 m的1∶10万地形图时,等高距比均为2,但相邻比例尺等高线拓扑总数比均值分别为4、5。

      图  3  相邻尺度等高线树深度比、闭合等高线条数比及拓扑总数比关系

      Figure 3.  Contour Tree Depth, Closed Contour Number and Topology Number Ration of Adjacent Scale

    • 通过§3.3.1分析可知,与相邻比例尺等高线树深度比、闭合等高线条数比不同,相邻比例尺等高线拓扑总数比与相邻比例尺等高距比或尺度变化间无特定比例关系。因此,本文进一步深入探究多尺度等高线拓扑总数,即拓扑相似度随尺度变化的变化规律(见图 4)。

      图  4  多尺度拓扑指标比随尺度变化的变化规律

      Figure 4.  Multi-scale Topological Index Ratio Changes with Map Scale Change

      通过图 4可知:(1)同一地貌类型,若综合前后等高距不变,拓扑指标比值趋近于1,如实验选取的4组中山地貌等高线由1∶5 000综合为1∶1万,综合前后等高距均为5 m,等高线条数比、等高线树深度比、拓扑相似度分别为{0.929 4,0.985 3,0.872 8}、{1,1,1}、{0.988 1,0.986 3,1}及{1,1,0.966 9}。(2)同一地貌类型、尺度变化相同的不同样本,各拓扑指标比值基本一致,均在其均值附近波动,如当尺度变化C=10时,高山地貌等高线拓扑相似度主要在0.05附近波动(见图 4);不同地貌类型、尺度变化相同的等高线,等高线条数比、拓扑相似度均较接近,如C=10时,高山、中山、平原地貌等高线树深度比均值分别为0.231 2、0.245 1、0.222 7,即不同地貌类型的等高线树深度比均在0.2附近波动。(3)随尺度变化的增大,各拓扑指标的比值均逐渐减小,但各拓扑指标比值与尺度变化之间定量函数关系未知。基于此,本文进一步探讨了不同地貌类型多尺度等高线拓扑相似度与尺度变化之间的定量函数关系,为基于多尺度空间相似关系等高线地图全自动综合的实现提供了契机。不同地貌类型多尺度等高线拓扑相似度统计表如表 4所示。

      表 4  不同地貌类型对应拓扑相似度误差统计

      Table 4.  Topological Similarity Degree Error Statistics of Different Geomorphic Types

      地貌类型 C 相似度平均值 标准差 变异系数
      中山地貌 10 0.054 9 0.016 1 0.299 3
      20 0.013 6 0.005 5 0.402 7
      50 0.001 8 0.000 6 0.304 2
      平原地貌 5 0.211 4 0.028 5 0.133 7
      10 0.033 5 0.013 7 0.422 1
      25 0.006 0 0.012 8 2.173 0
      高山地貌 5 0.244 1 0.035 7 0.147 7
      10 0.054 8 0.007 3 0.129 0
      25 0.007 5 0.003 8 0.421 6

      通过表 4可知,随尺度变化的增大,等高线拓扑相似度标准差逐渐减小,变异系数逐渐增大,即随着尺度变化的增大,拓扑相似度与其平均值的差距逐渐减小,但多尺度拓扑相似度间的相对波动逐渐增大。

      符合“等高线拓扑相似度随尺度变化的增大逐渐减小”变化趋势的函数包括幂函数、指数函数、对数函数、线性函数及二次函数,尽管二次函数存在单调递减区间,但尺度变化取值范围内其并非单调,可排除。不同地貌类型多尺度等高线拓扑相似度与尺度变化间定量函数关系拟合结果如图 5所示。图5(a)5(b)5(c)表明,幂函数y=ax-ba > 0,b > 0)是拟合同一地貌类型等高线拓扑相似度与尺度变化间定量关系的最佳函数,R2≥0.938 5;且当C∈(0,10]时,等高线的拓扑相似度减小速率较快;当C > 10时,其变化速率趋于平缓;由图 5(d)可知,不同地貌类型等高线拓扑相似度与尺度变化之间的定量关系可以用同一个幂函数定量表达。为验证多尺度等高线拓扑相似性定量函数关系的可靠性,本文进一步研究了样本量对幂函数拟合精度及系数的影响,如图 6所示。

      图  5  多尺度等高线拓扑相似度随尺度变化的变化

      Figure 5.  Topology Similarity Variation of Multi-scale Contour with Map Scale Change

      图  6  样本量对幂函数拟合函数精度及系数的影响

      Figure 6.  Influence of Sampling Number on the Fitting Accuracy and Coefficients of Power Function

      通过图 6(a)可知,不同地貌类型多尺度等高线拓扑相似度与尺度变化间定量关系幂函数的拟合精度R2 > 0.95,且随样本量的增加,其拟合精度不断减小,当样本量增加到200左右,其拟合精度R2收敛于0.961 2,拟合系数ab分别收敛于6.047 2、-2.104(图6(b)6(c))。综上可知,幂函数y=6.047 2x-2.104R2=0.961 2)是定量表达不同地貌类型多尺度等高线拓扑相似度与尺度变化间定量关系的最佳函数,该结论论证了基于多尺度空间相似关系等高线全自动综合实现的合理性及可能性。

    • 本文以不同地貌类型1∶5 000、1∶1万、1∶5万、1∶10万、1∶25万多尺度等高线数据为基础数据源,通过建立有向等高线树,提出并构建了一种等高线拓扑关系定量表达模型,从尺度、地貌类型两个维度探究了等高线拓扑指标及其随尺度变化的定量变化规律。试验结果表明:比例尺与地貌类型共同导致同一比例尺、相同或不同地貌类型等高线的拓扑指标差异显著;同一地貌相邻比例尺等高线的等高线条数比、等高线树深度比与相邻比例尺等高距的比值基本一致,该结论与人们的空间认知、推理基本一致。幂函数是表达多尺度等高线拓扑指标与尺度变化间定量关系的最佳函数,且不同地貌类型的多尺度等高线拓扑相似度与尺度变化间的定量关系可用同一个幂函数定量表达,该结论丰富了空间关系理论,为基于多尺度等高线空间相似关系等高线全自动综合的实现提供了基础支撑。

      本文目前处于多尺度等高线拓扑相似关系研究,后续将开展多尺度等高线几何及结构形态相似等方面的研究工作,以完成多尺度等高线空间相似性定量表达,以期实现基于多尺度空间相似关系等高线综合的自动化。

参考文献 (26)

目录

    /

    返回文章
    返回