DEM数据组织与管理方法(整理)

摘要

近年来，我国乃至全球范围内地震，雪灾等突发自然灾害不断发生，面对这

类突发事件，如何应用科学应对和及时的采取补救措施是当前的重要课题，作为

能快速浏览、查询空间信息，并有空间分析功能的地理信息系统（GIS）成为重

要手段，而DEM（数字高程模型）作为其基础数据和测绘标准4D成一有着重

要的数据价值和应用价值。

DEM作为数字地形模拟的重要成果，已经成为国家空间数据基础设施

（NSDI）的基本内容之一，并被纳入数字空间化数据框架进行规模化生产。

DEM作为空间数据框架的基本内容，是各种地理信息的载体，在国家空间数据

基础建设和“数字地球”战略的实施中都具有非常重要的作用。目前，DEM已

被广泛应用于测绘，水温，气象，地貌，地质，土壤，工程建设，通讯，气象，

军事等国民经济和国防建设以及人文和自然科学领域。

本文围绕DEM数据组织与管理问题，重点研究DEM数据的组织与管理方

法，利用数据库相关技术实现DEM数据的有效组织与管理，根据其地理分布建

立统一的空间索引，进而可以快速的调动数据库中任意范围的数据，从而满足

GIS对大范围DEM数据的无缝组织与管理。

关键词：DEM，数据库技术，数据组织与管理

ABSTRCT

In recent years, our country and even worldwide, such as earthquake, the

snowstorms natural disasters occur repeatedly, emergent face this kind of emergencies,

how to apply science respon and timely remedial measures is currently an important

subject, as can quickly brow, arch space information, and have the space analysis

functions of geographical information system (GIS) study will become important

means, and DEM (digital elevation model) as its basic data and one of surveying and

mapping standard has important 4D achievements, the data value and application value.

Alongwith the geographic information system (GIS), as the popularity of digital

terrain simulation DEM the important achievements, has become a national spatial data

infrastructure (one of the basic contents of NSDI) were included in the digital space,

and large-scale production of data frame. DEM as the basic content of spatial data

frame, is all sorts of geographical information carrier, in national spatial data

infrastructure and a "digital earth" in the implementation of the strategy has an

important role. At prent, the discrete element method (DEM) has been widely ud in

surveying and mapping, water temperature, weather, landform, geology, and the soil,

engineering construction, communications, military and national economic and

national defen construction cultural and natural sciences.

This paper focus on the DEM data organization and management problems, key

rearch DEM data organization and management method, using the databa related

technical realize effective DEM data organization and management, according to its

distribution establish unified spatial index, which can quickly transfer databa

arbitrary range of data, and meet the DEM data of large scope of GIS of amless

organization and management.

Key words：DEM ，Spatial Databa Technology，Data Organization and

Management

目录

第1章绪论1

1.1 课题研究意义1

1.2 国内外研究现状1

第2章 DEM的数据模型3

2.1规则镶嵌型数据模型3

2.3 特征嵌入式数据模型4

第3章 DEM的数据结构5

3.1 规则网格DEM数据结构GRID5

3.2 不规则三角形DEM数据结构TIN5

3.3 TIN与GRID的混合结构6

3.4 GRID与TIN的对比7

第4章 DEM数据库的组织与管理9

4.1 DEM数据库内容9

4.2 DEM数据库结构10

4.2.1 GRID的数据库结构10

4.2.2 TIN的数据库结构10

4.2.3 DEM数据的标准交换格式11

4.3 DEM的元数据12

4.3.1 元数据的定义13

4.3.2 元数据的建立13

4.3.3 元数据的作用14

4.3.4 DEM元数据范例14

4.4 DEM数据库的数据组织与数据库系统15

4.4.1 DEM数据库的数据组织15

4.4.2 DEM数据库系统17

第5章国家基础地理信息数据库20

1:5万DEM数据库的设计与建立20

5.1 1:5万数据库数据获取技术设计20

5.1.1 资料分析及数据采集方法选择20

5.1.2 1:5万DEM技术指标设计22

5.1.3 数据采集技术流程设计23

5.2 1:5万数据库管理系统设计23

5.2.1 数据库管理系统的架构23

5.2.2 数据组织23

5.3 数据库系统的功能与开发26

第1章 绪论

1.1 课题研究意义

随着软硬件技术，多媒体技术网络通信技术的发展，一种可以嵌入海量数据

的，多分辨率的和三维的地球表示——“数字地球”应运而生，“数字地球”通

俗地讲就是用数字的方法将地球，地球上的活动以及整个地球环境的时空变化装

入计算机，实现在网络上的流通，并使之最大限度的为人类的生存，可持续发展

和日常工作，学习，生活服务。严格的讲，数数字地球是以计算机技术，多媒体

技术和大规模储存技术为基础的，以宽带网络为枢纽，运用海量地球信息对地球

进行多分辨率，多尺度，多时空和多种类表达三维模型，并利用它为工具来支

持，改善人类活动和生活质量。

DEM（Digital Elevation Model)数据是“数字地球”的数据基础，也是基于

DEM的所有应用的基础。然而随着现代测绘遥感技术的发展，空间数据正以前

所未有的数据增长，如我国100M分辨率的DEM数据（大于10GB），全球

30M分辨率从的DEM数据（大于12TB），数据量的增长，在计算机分析处理

上出了很多问题，比如不可能一次性全部读入计算机内存中进行处理，单独依赖

硬件技术并不能满足数据增长的需求，因此如何处理这些数据并使之为数字地球

提供高速的数据传输成为必须解决的问题之一。

1.2 国内外研究现状

数字高程模型（digital elevation model,DEM)的概念由Miller于1958年提出,

经过40多年的发展，关于DEM的诸多基础理论问题都得到了深入的研究。

早期的地形多分辨率表达算法都是以TIN结构为基础的,Cignoci等人提出了

用层次结构的TIN来表示多分辨率的DEM，由于生产TIN需要大量的运算，所

以一般不用于实时交互。Lindstorm等提出基于四叉树结构的TIN的实时LOD动

态生成方法，其基础是在可视化之前对DEM数据用四叉树结构进行管理，但是

当DEM数据块较大时，用以管理DEM的四叉树本身就已占用较大内存，尽管

该方法在绘制前已精简了大量数据，但为了保证每个细节，其总的数据量仍然很

大，而且实时精简算法对绘制速度有较大影响，因此难以在处理大数据DEM同

时进行数据漫游。Hoppe提出了基于视点简化的LOD动态生成算法，但其工作

同样难以处理跨区域DEM的实时漫游。与TIN相比，GRID的简化算法就简单

得多，1996年Lindstrom等首先提出一种基于规整网格的连续细节层次实时高度

场绘制算法，该算法用三角形进行自顶向下的二叉分割细分，采用屏幕误差判定

条件，并提出了具体计算公式。生成每一帧时，首先对每一块计算需要细分的误

差范围，以确定该块的初始分辨率并进行初见体剪裁，然后逐步加入那些高度差

大于给定值的顶点。1997年Duchaineauy等提出实时优化适用性网络（Real-time

Optimal Adaptive Meshes,ROAM)算法，该算法主要基于三角形的二叉剖分来实

行简化。1998年，Rottger等人改进了Lindstrom的算法，采用白顶向下的基于

四叉树的层次剖分，通过控制相邻块细节层次不超过1来进行裂缝消除。算法实

现了用几何形交技术消除输出结果中的跳变现象。同年，Hoppe将他的视点相关

渐进网格算法(ViewDependentProgressive Meshes，VDPM)应用在地形绘制上。其

网格变换通过顶点分裂和三角形边折叠来完成。该算法可以记录简化过程信息，

用这些信息可以根据不同的视点实时生成不规则三角形网格。但是占用内存较

大，而且效率没有实时优化自适应网格算法高。2004年，Hoppe又提出了使用

嵌套规则网格渲染地形。Kolfer提出了基于固定LOD与R树结构的方法，该方

法用R树结构组织DEM数据。

国内也有许多学者对基于TIN的的DEM简化算法进行了研究。文献[3]提出

了一种对归一化格网数据进行预处理的算法，该算法基于RSG和四叉树，在实

时绘制阶段根据误差阈值对树进行自上而下的遍历。文献[4]也提出了一种基于

RSG和四叉树的地形模型算法，通过定义模型中顶点间的约束关系，解决四叉

树中的裂缝问题。文献[5]提出了一种基于四叉树的地形简化递归算法，并解决

了四叉树简化中存在的裂缝问题。王璐锦等提出了基于分形维数的多分辨率简化

算法；孙红梅等针对大型场景的实时绘制，提出了一种分布式并行绘制模型；黄

野等提出了以三角形向量作为化简因子构造多分辨率的简化模型等。

作为地理信息系统地理数据库中最为重要的空间信息资料和赖以进行地形分

析的核心数据系统，1998年国家测绘部门将其作为国家空间数据基础设施

（national spatial data infrasstructure,NSDI)建设的重要内容之一，并被纳入数字空

间化数据框架（DGDF）进行规模化生产。1999年的国际“数字地球”研讨会上

的'北京宣言"充分证明我国对DEM系统发展的重视，随之一批我国自主产权的

空间信息系统软件也研制开发成功，如武汉吉奥技术有限公司商品化的Geostar

系列软件，由武汉中地信息工程有限公司商品化的MapGIS,由北京大天创信息技

术有限公司开发的CityStar软件，以及由国遥万维开发的IRSAGlobe系统和中科

院遥感应用研究所开发的GeoBean等。

第2章 DEM的数据模型

2.1规则镶嵌型数据模型

规则镶嵌型数据模型，就是用规则的小面块集合来逼近不规则分布的地形曲

面。在二维空间中可以有多种可能的规则网格划分方法（图2-1），如正方

[6]

形，正三角形，正六边形等，但是为了便于储存和管理，网格单元应具有简单的

形状和平移的不变性，例如正方形，正三角形和正六边形的格网划分中，只有正

方形和正六边形是满足条件的，正六边形虽然比正方形具有更好的临界性，但是

由于层次感较差，不能无限被分割，因此正方形的规则镶嵌是应用最广泛的镶嵌

结构之一。

图2-1规则镶嵌模型

构造规则镶嵌模型的方法是：用数学手段将研究区域进行网格划分，把连续

的地理空间离散为互不覆盖的网格，然后对各单元附加相应的属性信息。例如对

规则网格的DEM而言，一般通过曲面拟合的方法求得栅格单元的高程值，空间

对象的网格划分，简化了对象的空间变化描述，同时也使得空间关系变得明确，

可进行快速的逻辑运算。

从数据结构上看，规则网格的主要优点是其数据结构为通常的二维矩阵，每

个网格单元表示二维空间的一个位置，不管是沿水平方向还是垂直方向，均能方

便的利用简单数学公式访问任意位置的单元，同时处理这种结构的算法比较多而

且较为成熟，此外以矩阵形式储存的组织数据还有隐形坐标，即网格单元的平面

坐标隐含在矩阵行列号之中，从而不需要进行坐标数据化，基于规则镶嵌数据模

型的DEM缺点是不管地形变化复杂还是简单，均采用相同的结构，倒置数据冗

余而给数据管理带来不便。

基于规则镶嵌数据模型的DEM在应用时要注意对网格单元数值的理解（图

2-2），一般有两种观点，一种是格网栅格观点，认为该网格单元的数值是其中

所有点的高程值，既网格内部是同质的，网格单元对应的实地单元区域内的高程

要通过内插方式确定.

图2-2 网格单元的两种理解

2.2 不规则镶嵌数据模型

不规则镶嵌数据模型是指用来镶嵌的小面块具有不规则的形状和边界。按照

小面块的几何形状，不规则镶嵌模型有基于三角形，四边形，六边形，多边形等

（图2-3），在DEM中，基于三角形的不规则镶嵌模型又称为不规则三角形网

（triangulated irregular network,TIN),是DEM的又一种重要表达方式，由于TIN

模型根据区域有限个点集将区域划分成相连在一起的三角形网络，区域中任意点

可能落在三角形的顶点，边或三角形内。如果落在顶点，该点的值就是三角形顶

点的值；如果落在三角形边上，可通过三角形边的两个顶点按比例进行内插；如

果落在三角形内，内插函数为过三角形三个顶点的线性面。因此TIN模型是三

维空间上的分段线性模型，整个区域内连续但不可微.

2.3 特征嵌入式数据模型

特征嵌入式数据模型是矢栅混合数据模型中的一种，顾名思义，就是将特征

要素嵌入到规则或者不规则镶嵌数据模型中。在DEM中，特征嵌入式数字高程

模型（F-DEM）是指把对地形形态描述具有重要意义的点，线，面

（Points,Lines and Areas,PLA)嵌入网格DEM结构，通过对PLA的类DEM网格

化处理，完成DEN数据与PLA数据的一体化组织，实现全局高效，特征精细的

形态高保真DEM的构建（图2-4）。F-DEM具备矢量数据模型和栅格。有利

[6]

于地理空间想先的统一表达。

图2-3 不规则镶嵌数据模型

图2-4 特征嵌入式数字高程模型

第3章 DEM的数据结构

3.1 规则网格DEM数据结构GRID

把数字高程模型的覆盖区域划分成规则排列的正方形网格，DEM实际上就是

规则间隔的正方形网格点或经纬网点阵列。每一个网格点和其它相邻网格点之间

的拓扑关系已经隐藏在阵列的行列号当中。这时根据该区域的原点坐标和网格间

距，对任意网格点的平面位置可用相应矩阵元素的行列号经过简单的运算而获

得。因此GRID数据除了每个网格点处的高程值以外，只需要记录一个起算点的

位置坐标和网格间距。由于正方形网格DEM的储存量很小，结构简单，操作方

便，因而非常适合大规模的使用和管理。但是其缺点是，对于复杂的地形地貌特

征，很难确定合适的网格大小。比如，在地形简单的地区容易产生

大量数据冗余，而地形比较复杂的区域，又不能精确表示地形的各种微起伏特

征。

如图3-1所示，GRID数据数据结构为典型的栅格数据结构，这非常适宜于

直接采用栅格矩阵进行储存。采用栅格矩阵不仅结构简单，占用储存空间少，而

且还可以借助于其他简单的栅格数据处理方法进行进一步的数据压缩处理，如行

程编码，块状编码，四叉树方法等。

图3-1 规则网格DEM（GRID）

一个GRID一般包括3个逻辑部分：

元数据：描述DEM一般特征的数据，如名称、边界、测量单位、投影参数

等；

数据头：定义DEM起点坐标、坐标类型、网格间隔、行列数等；

数据体：沿行列分布的高程数字阵列。

3.2 不规则三角形DEM数据结构TIN

与GRID相比，TIN的数据结构要复杂得多。由于三角形的不规则性，三角

形定义及其与相邻三角形的关系要显式的表达出来，即TIN模型不但要储存每

个顶点的高程，还要储存三角形顶点的平面坐标，顶点之间连接关系和邻接三角

形等拓扑关系。TIN能较好的顾及地貌特征，逼真的表示复杂地形特征，并能克

服地形起伏不大区域的数据冗余问题，但是由于数据量大，数据结构复杂难以建

立，TIN一般只适用于小区域大比例尺高精度的地形建模。

用来描述TIN的基本元素有三个：节点，边，面

节点：是相邻三角形的公共顶点，也是用来构建TIN的采样数据。

边：指两个三角形的公共边界，是TIN不光滑性质的具体反映。边同时还

包括特征线，断裂线及区域边界。

面：由最近的三个节点所组成的三角形面，是TIN用来表述地形表面的基

本单元，TIN中的每一个三角形都描述了局部地区的倾斜状态，具有唯一的坡度

值，三角形在公共节点和边上是无缝的，或者说三角形不能交叉或重叠.如图3-2

所示，TIN模型是一种典型的矢量拓扑结构，通过边与结点的关系以及三角形面

与边的关系表示地形参考点之间的拓扑关系。

图3-2 不规则三角网TIN

理论上，通过三角形的三个顶点可完整的表达三角形的构成和点面和边之间

的拓扑关系，这种结构只需要两个文件，即三角形顶点坐标文件和组成三角形三

顶点的文件，这种结构虽然简单，但是三角形结构元素的拓扑关系是隐含的，不

利于TIN模型的检索与应用，因此围绕三角形的拓扑关系描述而产生了多种

TIN数据结构，如TIN面结构，点结构，点面结构，边结构，边面结构等。

构建TIN的原始数据，根据数据点之间的约束条件可分为无约束数据域和

约束数据域两种类型。无约束数据域是指数据点之间不存在任何关系，即数据

[2]

分布完全呈离散状态，数据点之间在物理上完全独立。而约束数据域就是指部分

数据点之间存在着某种关系，这种关系一般通过线性特征来维护，比如地型数据

中的山脊线，山谷线上的点等。约束条件又分两类：一是边界约束条件，比如指

数点被一多边形所包围，该多边形即为边界约束条件；另一为内部约束条件，是

数据点之间存在的限制条件。约束TIN最大的特点就是保留了原始数据中的约

束条件，能很好的顾及地形结构特征和几何特征，是实际种常用的一种建模

[17]

方法。

3.3 TIN与GRID的混合结构

由于GRID与TIN各有各的优缺点，在实际应用中，在大范围内一般采用

GRID附加地形特征数据，如地形特点，山脊线，山谷线，断裂线等的形式，构

成全局高效，局部完美的DEM。

栅格网格DEM常常剖分为三角形网络以形成连续的线性片面，这有利于解

决等高线跟踪的二义性和图形描绘的复杂性问题。反之，TIN也可以通过内插生

成规则型DEM。

关于混合结构的研究主要针对在已有的GRID基础上增加地形特征线和特殊

范围线的情况。这时，规则网格DEM被分割成一个局部的不规则三角网，如图

3-3所示。但是由于特征线作为矢量数据具有比规则网格复杂得多的拓扑结构和

属性内容，一般还是采用混合的数据结构同时组织这些不同类型的数据，如将所

有的数据都栅格化。另外考虑到混合结构将导致数据管理的复杂化并降低数据检

索的效率，根据研究区域的大小和软件性能，应用时常常将其实时地转化为TIN

的数据结构。

3.4 GRID与TIN的对比

规则型网格DEM和不规则三角形网TIN是目前数字高程模型的两个主要的

数据模型，两个模型各有特点，如下表3-1所示，具体采用何种结构，一般要考

虑如下几个因素：

（1）数据的可获取性；

（2）地形曲面特点以及是否考虑特征线，特征点；

（3）目的和应用；

（4）原始数据的比例尺和分辨率。

图3.3 TIN与GRID混合结构

规则网格DEM 不规则三角网TIN

优点

简单的数据储存结构 较少的点可获取较高的精度

与遥感影像数据的相合性 可变分辨率

良好的表面分析功能 良好的拓扑结构

缺点

计算效率低 表面分析能力差

平坦地区数据冗余 构建模型比较费时

网格结构过于规则 算法设计比较复杂

表3-1 TIN与GRID的对比

第4章 DEM数据库的组织与管理

4.1 DEM数据库内容

随着GIS产业的发展，国家测绘局已经对4D产品之一的DEM进行了多尺

度数据建库工作，包括1:100万，1:25万，1:5万，1:1万 四种比例尺的DEM，

形成了海量的DEM数据库。对于小范围较低分辨率的DEM，一般数据量不会

很大，通过一个数据文件就可以对所有DEM进行管理；然而当DEM覆盖范围

比较大（如区域性DEM，蜿蜒数百千M的道路DEM），其数据量往往超过数

百兆字节甚至几十个G字节，这时再利用一个数据文件进行储存管理，不但

DEM数据检索，操作与处理效率非常低，而且一般的计算机也无法处理。从目

前发展来看，DEM已经成为GIS的核心数据库和地形学分析的基础数据。各个

应用领域要求能在本地，远程层次上对DEM数据进行访问，而且能与遥感影像

数据，矢量特征数据，多媒体数据等进行融合和信息的复合处理。DEM从单一

的文件结构向复杂的的信息系统发展已经成为一种必然的趋势。表4-1为DEM

数据库的不同发展层次。

信息水平系统

地形表面特征的几何描述 CAD模型，DTM

信息系统和数据库管理系统 二维，三维GIS

对数据库的本地和远程存取 地学服务器

与其它信息系统的链接 CyberCity,数字地球

表4-1 DEM数据库的不同发展层次

DEM数据库属于空间数据库，DEM数据库的内容包括数据库结构设计，数

据组织方法，元数据，数据库功能等。DEM数据库的实现主要有两种方式，一

是基于文件系统和空间索引的方式；二是基于关系型数据库的方式。在数据的分

层组织和基于网格或基于四叉树的空间索引机制方面，这两种方式实质上是一样

的。在一个关系数据库里面最普通的对象关系是关系表，其他对象如索引、视

图、序列同义字和数据字典等都是用来进行查询和数据存用的。表是基本的储存

结构，是一个有若干行和列的数据元素组成的二维矩阵。表的每一行都包含了描

述一个实体的所有信息，而其中的一列则表示这个实体的一个属性。由于关系数

据库对大数据量的DEM的访问要比文件系统经过更多的步骤，在同样的条件

下，基于文件系统的数据库效率因此要更高一些，但基于文件系统的数据库管理

系统在事务处理，多用户访问，网络协议和安全机制等方面的能力是十分有限

的。DEM数据库由于其规则性比较强，一般采用文件系统的空间索引的方式进

行管理。ESRI公司提供的空间数据引擎（SDE）就是采用了这一方案，通过

[11]

SDE将DEM数据分解成多个表的形式储存于商用数据库（Oracle,SQL Sever

等）中，实现DEM数据在数据库中的读取与存入，同时提升了数据的组织管理

水平。

4.2 DEM数据库结构

DEM数据库结构实质上是一种索引结构，即通过建立空间索引，实现数据

库的快速查找，数据存取和分析操作等，从前面介绍的DEM数据结构来看，

TIN本身就是一种有效的空间索引结构，对大型数据库，往往还要建立专门的索

引文件。

4.2.1 GRID的数据库结构

栅格DEM在数据库中主要采用基于网格单元、分块、分区的层次结构，如

图4-1所示，一个研究区域作为一个工程，可以划分为若干的标准子区域，如一

个国家的DEM可以分流域或地区进行分别管理，而每个子区域又分为若干标准

子分块，每个子块作为单独的工作区域是DEM生产和调度最基本的单元，如果

按照国家标准的图幅大小进行子块的划分，这是一个块就是一个图幅的范围。每

一块由若干行若干列的网格单元组成，通过“工程—工作区—行列”的结构索

[6]

引，便可以唯一确定DEM数据库范围内任意空间位置的DEM数值。显然每个

子块还可以使用各种有效的压缩编码结构，如自适应行程编码或四叉树编码等。

这种分区，分块和行列层次划分形成的空间索引可以保证栅格DEM数据的快速

查找和无缝存取。

图4-1 基于网格单元分块，分区的层次结构

4.2.2 TIN的数据库结构

TIN把节点看做数据库中的基本实体，拓扑的描述则在数据库中建立指针系

统来表示三角形与节点的邻里关系，节点到临近节点的关系，三角形到邻里三角

形的关系等（图4-2）。这样的指针系统保证了很高的查找效率，比如在较大的

TIN中进行诸如等值线引绘，剖面内插等连续性索引操作时。

图4-2 点、三角形实体结构

关于大规模TIN的数据检索，已有许多成熟有效的算法，最简单的方法是

遍历每一个三角形的外接矩形或立方体范围，另外如果根据最近的已知点（种子

点）和所在的三角形，利用“穿行算法”也可以快速查找任何点所在的三角

[9]

形，“穿行算法”实质上是通过未知点与已知点之间的连线，根据TIN的拓扑

关系快速查找到直线所“穿行”的所有三角形，从而形成一条三角形构成的“最

短路径”到达未知点所在的三角形并得到查询结果。

4.2.3 DEM数据的标准交换格式

DEM数据共享的意义简单明了，因为我们只有一个地球。随着诸如高分辨

率卫星成像系统和数字摄影测量技术的进步，DEM数据获取的总量迅速增长，

获取数据和使用数据的个人或组织也不断膨胀。三十多年来，许多研究组织机构

在其发展过程中逐渐形成了多个独立的DEM数据应用系统，一个部门内可能因

为组织关系或研究目的不同，又有许多独立的应用系统，大量的数据往往涉及着

不同的单位或部门，不同的软硬件环境和数据源。数据模型与数据结构，数据库

管理操作，数据分析与应用功能，终端用户的计算机环境与地理位置也千差万

别。为了更好的研究复杂的自然界变化规律，我们需要集成多个不同的系统，甚

至将来自不同学科的数据集合在一起，从多学科多角度的去感知这个世界。显然

要达到数据系统集成的目的必须首先实现数据的共享，通常解决数据共享的办法

是在不同数据之间进行数据交换和数据转化。我国颁布了如下DEM数据交换格

式标准，见表4-2

国家级DEM虽然以栅格形式储存，但不宜直接采用TIFF或BMP文件，所

以需要定义DEM的数据交换格式。数据文件包括两部分，文件头和数据体。

DEM数据体主要是点测高程数据采取从南到北，从西到东的顺序，并以ASCII

码方式储存，文件头分两类数据，一类是基本的必须的数据，一类是扩充的附加

信息

表4-2 DEM数据交换格式标准

工程名 对工程制的说明

DataMark 中国地球空间数据交换格式-DEMs数据交换格式的标志，基本部分

Version 该空间数据交换格式的版本号，如1.0，基本部分不可缺省。

Unit 坐标单位，K表示公里，M表示M，D表示以度为单位的经纬度，S

Alphn 方向角。基本部分不可缺省。

Compress 压缩方法，0表示不压缩，1表示游程编码，基本部分不可缺省。

X 左上角原点X坐标。基本部分不可缺省。

0

Y 左上角原点Y坐标。基本部分不可缺省。

0

DX X方向的间距。基本部分不可缺省。

DY Y方向的间距。基本部分不可缺省。

Row 行数。基本部分不可缺省。

Col 列数。基本部分不可缺省。

ValueTyp高程值的类型。基本部分不可缺省。

e

HZoom 高程放大倍率。基本部分不可缺省。

不可缺省。

表示以度分秒表示的经纬度，基本部分不可缺省。

设置高程的放大倍率，是高程数据可以整数储存，如高程进度精确

到厘M，高程的放大别率为100.

Coordinat坐标系，G表示为则两坐标系，M表示为数学坐标系，基本部分，

ea 缺省为M。

Projection 投影类型。附加部分。

Spheroid 参考椭球体。附加部分。

Parameter投影参数，根据不同的投影有不同的参数表，表格式不做严格规

s 定，但必须在同一行内表达完毕。附加部分。

MinV 网格最小值。附加部分。这里指乘了放大倍率以后的最小值。

MaxV 网格最大值。附加部分。这里指乘了放大倍率以后的最大值。

4.3 DEM的元数据

4.3.1 元数据的定义

元数据是关于数据的数据，是对有关数据体，数据集合等在内容，性能，特

征，规律方面的解释和说明。元数据是数据共享，远程数据访问，理解数据的基

础，是联系数据生产者，管理者和使用者之间的纽带。建立元数据的目的就是为

了促进数据体的高效利用，并为计算机辅助软件工程（CASE）服务，用户通过

对元数据的查询和浏览，可了解是否存在有效的数据，如存在该数据在什么地方

可获取得到，数据具有什么样的质量特征，能否满足工程需求等。

元数据一般包括以下内容：

（1）基本标识信息。关于数据最基本的信息，如标题，地理覆盖范围，获

取或使用规则等；

（2）质量信息。数据集的质量评价，包括位置和属性精度，完整性，一致

性，信息源，生产方法等；

（3）数据组织信息。数据采集中用来表示空间信息的机制，如空间位置使

用栅格或者矢量直接表示还是用街道地址或邮政编码间接表示；

（4）空间参考信息。描述数据集中的坐标系统包括投影仪名称，参数，平

面和高程基准等；

4.3.3 元数据的作用

作为空间数据基础设施建设的首要任务，空间数据交换网站是指连接空间数

据生产者，管理者与用户的一个分布式电子网络，而并不是真正储存具体数据的

中心仓库。借助于该交换网站获得相关数据就好像在国外使用自动提款机取现金

那样容易，交换网站的主要工作方式是提供基于元数据的的查询互操作，通过元

数据就可以很方便的得到空间数据的说明信息以及数据本身，在不同空间数据服

务器之间的查询互操作，需要客户服务器软件提供一种连接，传递格式化的查询

命令，返回查询结果，并以若干格式中的一种将确认的空间数据文档呈现给用

户。基于WEB技术，交换网站可以使用户远程存取基于文本的元数据并能使客

户端程序进行阅读，进而决定其是否满足自己的需求。特别是超文本技术支持的

元数据与不在同一服务器上的数据体之间的正确连接，即使数据体不能在线找

到，通过原数据也能知道怎样去订购。

可见，元数据具有四个基本的作用：

（1）可用性（Availability)，以确定是否存在关于某个地理位置的一组数

据；

（2）适用性（Fitness for u)，用于评估这组数据是否适用；

（3）存取（Access)，用以确定获得验证过的数据的手段；

（4）变换（Transfer)，用以成功的处理（如变换）和使用这组数据。

4.3.4 DEM元数据范例

迄今为止已经有许多机构或者组织对元数据所描述的空间数据特征信息进行

了规范和分类，从而制定出可供参考和遵循的标准。表4-3列出了国际上几个著

名的元数据标准名称。

我国DEM数据分为内部使用和外部上网查询两部分，后者从前者选择性的

派生出而得到.

表4-3 国际上几种著名空间数据元数据标准

序号 名称 机构或组织

1 数据地理空间元数据内容标准CSDGM 美国联邦地理数据委员会

2 目录交换格式DIF 美国宇航局NASA和全球变化数据

管理国际工作组IWGEMGC

3 政府信息定位服务GILS 美国联邦政府

4 CEN地理信息-数据描述一元数据 CEN/TC287

5 数据集措述方法GDDDD 欧洲地图实务组织MEGRIN

6 数字地理参考集的目录信息CGSB 加拿大通用标准委员会CCSB地理

7 ISO地理信息元数据 ISO/TC211

信息专业委员会

4.4 DEM数据库的数据组织与数据库系统

4.4.1 DEM数据库的数据组织

如果一个区域很小，并且DEM分辨率也很低，那么DEM数据量不会很

大，通过一个数据文件即可进行有效的管理，相反，对于一个较大的区域，

DEM数据量往往超过数百兆字节，甚至几十GB字节，如果还用一个数据文件

进行储存管理，则操作效率会非常的低，而且大多数计算机也难以胜任这样的工

作。为满足各种应用对数据库操作特别是数据检索可靠、高效的要求，对于大量

的数据不管是用多个文件还是通过关系数据库进行管理，数据在计算机中的有效

组织都是非常关键的。

DEM数据库数据组织是指DEM数据管理和调度方式，实际上就是可视范

围（即工作区域）的数据管理，可以为用户提供宏观、中观、微观等方式的信息

服务，即纵向可以进行多比例尺转换，横向打破图幅界限，从而形成数据的“假

无缝”链接。大范围内的DEM数据具有海量数据特征，为了高效的数据检索，

无缝浏览，需要合理的进行DEM数据组织，如在同一水平方向上将同一尺度的

DEM数据分成系列的一块，在垂直方向上将不同尺度DEM分层组织。

“工程-工作区-图幅”的层次结构索引模式是当前GIS空间数据库数据组织

最常用的一种方法，如图4-3所示。工程是指一个区域内的全部DEM数据，如

一个国家的DEM数据；而图幅则是按照一定规则对研究区域进行二维划分，如

建立国家DEM数据库时，常常按照标准的地形图图幅进行网格划分，图幅是

DEM数据采集，建立，操作和调度的基本单位，每一个图幅由若干行和若干列

网格单元组成；工作区是当前感兴趣的研究单位，一般情况下工作区就是图幅，

如果需要，多个图幅也可定义为一个工作区。

图 4-3 工程-工作区-图幅

图幅由坐标范围定义。例如，图幅H的范围是（270,120,280,130）。通过记

录每一个图幅范围内的空间索引文件，即可建立工程与工作区，图幅之间的关

系，用户可在工程界面下确定这个工程内任意一点的DEM数值，也可在工程内

开窗，放大，漫游，查询，分析和制图。

上述空间索引模式对格网DEM是非常合适的，某但是对于TIN而言，要注

意两点：一是由于TIN每个图幅工作区域的边界不规则，为避免相邻图幅之间

的接边问题，一般在进行数据分幅时，各个图幅之间要有一定的重叠度；二是

TIN的不规则性，为快速对点所在的三角形进行定位，有必要在图幅内建立TIN

的空间索引，常用的如链表+头指针，四叉树等。

尽管对于一个大型三维数据集的交换式透视浏览与专门的计算机软硬件有

关，但为了在中低档工作站上也能达到实时交互操作令人满意的效果，必须采用

比较优化的方法来组织和检索数据。以下几项技术是被证明最有用的：

（1）细节层次LOD（Levals Of Detail)概念被经常提到并广泛应（如图

[14]

4-4），描述同一个对象的一系列不同分辨率和质量（不同的细节层次）的矢量

数据模型预先创建并保存在数据库中。对于栅格数据，影像的多分辨率概念即影

像金字塔（Image Pyramid)与此是等价的；

图4-4 DEM金字塔

（2）渐进描绘技术用于控制场景质量，一般采取的策略是要么缩减可见的

范围，要么根基细节层次结构简化数据质量；

（3）动态装载也是必须应用的技术，如果一个大区域整个DEMs数据库都

可以得到，那么不可能将所有数据保存在工作站内存当中。动态装载要求组织的

很好的数据库和快速数据索引机制以保证能实时提供任何所需的数据集。

数字高程模型作为独立的基础产品，用来替代传统地形图中的等高线对地形

进行描述，根据所采用的数据源的不同，DEM产品分为两大类，一类是指利用

航空影像经解读摄影测量或者全数字摄影测量采集数据并进一步由TIN建模技

术内插形成的标准正方形格网数据；另一类产品是利用既有的基本地形图经扫描

数字化采集数据或用DLG并进一步由TIN建模技术内插生成的单个标准正方形

格网数据。国家级的DEMs跟过去的等高线图一样，也按照传统的比例尺进行

划分。如1:25万，1:5万，1:1万等。为了方便数据的生产，管理和更新，所有

类别的DEM产品均采用一致的栅格数据结构，并按国家基本比例尺地形图分幅

规定的图幅范围为单位组织数据。网格点所对应的平面位置坐标类型包括高斯平

面坐标（南北X/东西Y）和大地坐标（经度/纬度）两种，都纳入了1980国家大

地坐标系。网格点高程为国家1954年黄海平均海平面海拔高程。考虑数据量的

限制和应用需求，一般小于1:5万比例尺的的DEMs建立全国统一的数据库，而

其他更大比例尺的DEMs则分地区（如省，市）分流域分别建立数据库。

为了满足不同细节层次数据快速浏览的需要，一般在物理上也建立金字塔层

次结构的多比例尺数据库。而不同比例尺的数据库之间可以自适应的进行数据调

度。这样既可以在瞬时一览全貌，也可以迅速看到局部地方的微小细节。由于栅

格DEM本身就具有多尺度的性质，一方面可以通过建立金字塔数据库获取数据

库级的LOD，还可以借助于快速处理算法实时的从大比例尺数据自动抽取更小

比例尺的数据。

对于像我国这样一个地域广阔的国家，为了建立一个连续无缝的DEM数据

库，比较理想的是采用地理坐标即经纬度形式的平面坐标体系。而在实际应用中

需求更多的是高斯投影的数据，因此DEM数据库必须解决其中的矛盾，最简单

的办法就是同时建立两种投影的数据库，另外就是利用快速投影变化算法进行实

时的正反变换。当然这种变换还涉及到数据的重采样问题，如果把高斯坐标的

DEM建成地理坐标的数据库，则在入库的时候应采用更高的重采样分辨率，以

保证数据出库时投影变换后的DEM具有与原来相似的精度。

4.4.2 DEM数据库系统

数据库管理系统是为了数据库访问提供服务的软件系统，同时负责维护所有

数据必须的特性。数据库管理系统为支持应用程序访问和操作数据库数据的基本

服务有：1数据库管理，包括控制整个数据库系统的运行，控制用户的并发性访

问，执行对数据库的安全，保密，完整性检验，实施对数据的检索，插入，删

除，修改等操作；2数据库维护，包括初始时装入数据库，运行时记录工作日

志，监视数据库性能，在性能低下时重新组织数据库，在系统软硬件发生故障时

恢复数据库等；3数据通信，负责处理数据的流动和调度。

利用数据库建立空间数据和GIS是技术发展的必然，所采用的数据库系统

可以是关系型数据库RDBMS，对象关系数据库ORDBMS或者面向对象的数据

库管理系统OODBMS，利用同一数据库管理空间数据和其属性的目的是利用数

据库系统的特点来时空间数据管理规范化，DEMs数据库管理系统的实现主要有

两种方式，意识基于文件系统和空间索引的方式，二是基于关系型数据库的方

式。在数据分层次组织和基于网格或四叉树的空间索引机制方面，这两种方式的

实质是一样的。在一个关系型数据库里最普通的对象是关系表，其他对象如视

图、索引、队列、同义字或数据字典等都是用来进行查询和数据存取用的。表是

基本的储存结构，是一个有若干行和列的数据元素组成的二维矩阵。表的每一行

包含了描述一个实体的所有信息，而其中一列则表示这个实体的一个属性。由于

关系型数据库对大数据量的DEM的访问要经过比文件系统更多的步骤，在同样

的条件下，基于文件系统的数据库效率更高一些。但是基于文件系统的数据库管

理系统在事务处理，多用户访问，网络协议和安全机制方面的能力还是很有限

的。

有别于数据库内容，允许本地和远程存取数据库以及将数据库与其它信息系

统进行连接是数字高程模型从单一的文件向未来复杂的信息系统发展的关键步

骤，下表4-4是DEMs数据库的不同发展层次。

表4-4 DEMs数据库的不同发展层次

信息水平 系统

地形表面特征的几何描述 CAD模型，DTM

信息系统和数据库管理系统 二维或三维GIS

对数据库的本地和远程存取 地学服务器

与其它信息系统的连接 CyberCity ，数字地球

DEMs数据库管理系统还要具备以下功能

（1）数据显示与浏览

用户可以任意选择数据库中各种类型的数据进行组合，叠加显示，晕渲，透

视以及高度真实感等地形显示；具有导航窗口，能够任意开窗、放大、缩小和漫

游；可以自定义显示的投影方式。

（2）数据库查询

可通过图幅、经纬度、平面坐标等任意范围内条件进行DEM数据查询，并

显示周围的DEM数据；也可通过图幅编号，区域边界（如行政区域），名称

（如地名）等进行DEM数据的查询和显示。

（3）基本DEM分析和应用示范功能

如进行坡度，坡向计算和显示，高程的分层次设色，可视域分析等。

（4）数据分发与提取

可以按照图幅编号，行政区域名，经纬度范围，大地坐标范围进行分幅，矩

形分块提取数据，并以多种格式和不同投影输出DEM数据，也可以通过多福图

幅编号进行数据分发和提取的批处理。

（5）空间索引的建立

建立空间索引和DEM数据递交入库功能包括接受多种格式，不同投影的数

据和范围检查，投影转换和代码转换，编辑等。

（6）数据通信功能

DEM数据库与其它数据库（包括元数据库）的链接和数据复合显示等功

能。

（7）数据库更新

添加新的数据，扩展数据库的范围；分幅的新数据，自动替换旧数据；任意

范围的新数据自动替换旧数据。

（8）数据维护管理

数据库日志管理；数据库备份；数据库恢复；计算机系统权限管理；计算机

系统用户管理；用户分级(超级用户，普通用户），分组管理；计算机系统口

令；数据库权限管理等。

第5章 国家基础地理信息数据库

1:5万DEM数据库的设计与建立

随着计算机技术及信息技术的迅猛发展，国家信息化水平快速提高，地理信

息技术已经逐步成为国民经济建设中不可少的重要管理和决策手段，对地理信息

的需求日趋迫切和不断增长。世界各国纷纷都在努力开发国家空间数据基础设施

的建设，构建区域或全球的空间数据框架，以满足各种应用和需要。国家测绘局

从80年代开始建设包括1：100万，1：25万,1：5万,1：1万等比例尺的多尺度

的国家基础地理信息数据库。内容包括矢量核心要素数据库（DLG），数字高

程模型数据库（DEM），数字栅格地图（DRG），数字影像地图（DOM），地

名数据库，土地覆盖率数据库，并将构建“数字中国”地理空间基础框架作为

“十五”期间的奋斗目标。

数字高程模型(DEM)是描述地表起伏形态特征的空间数据模型，可以为管理

和决策，工程规划与设计，区域规划，生态环境治理与开发，防灾救灾，国防等

众多国民经济建设领域提供基础的空间信息支持。国家1:5万的DEM是目前我

国精度最高全国性DEM数据库，是国家基础地理信息系统的重要组成部分，同

时也是一项宏伟的国家空间数据基础设施建设工程，数据库覆盖全国陆地以及岛

屿范围，涉及两万多幅地形图图幅，数据量超过300GB，工程量巨大，技术环

节非常复杂。建库工程从1998年开始准备，2000年底基本完成数据采集，2002

年出完成建库并通过国家级验收，建设如此规模的国家大型空间数据库，世界上

也只有少数几个发达国家，可以借鉴的成功经验非常少，涉及大型空间数据库的

设计，数据采集，数据质量控制，数据库集成管理等方面的许多技术难关需要攻

克。在建库过程中，经过大量的技术实验，确定利用国家已有的测绘成果进行数

字化，设计科学合理的数据库结构，建立科学严格的质量控制体系，在质量检查

中采用计算机程序等先进技术，采用ArcSDE，Orcle 8i构建数据库管理系统，

开发数据库管理，查询分发服务的相应功能，实现1：5万DEM数据和有关信

息的集成管理。

5.1 1:5万数据库数据获取技术设计

5.1.1 资料分析及数据采集方法选择

目前我国规模化生产DEM主要采用数字化地形图和全数字化摄影测量两种

方式。数字化地形图方式，就是利用符合精度要求的地形图，采用扫描数字化技

术，采集地形图上的等高线、高程点、特征要素等信息，使用GIS软件内插形

成所需要的DEM数据。全数字化摄影测量生产DEM数据的方法，是以数字化

的航空相片和控制资料为基础，以全数字化摄影测量为平台，快速采集DEM数

据。前者可以充分利用已有的测绘成果，技术成熟，成本低，精度高，是目前使

用最广泛的一种生产DEM数据的技术方法；后者自动化程度高，生产速度快，

但是要受航空摄影和地面控制的限制，生产成本高，适用于新测或者更新某些地

区。

1:5万DEM数据资料情况分析如下：

•地形图资料的比例尺

1:5万DEM数据库采用了1:5万，1:10万，1:1万三种比例尺的地形图资

料，分别约占图幅总数的76%，20%，4%。

•地形图资料生产的年代

1:5万DEM数据库使用的地形图资料的年代从1958年到1999年，跨度为

41年；1:10万地形图的生产年代从1958年到1983年，跨度为25年；1:1万地

形图资料为80和90年代生产。各比例尺地形图生产年代的比例数见下表5-1.

表5-1

比例尺 约占全国比例 生产年代 约占全国比例

1：5万地形图 75.8% 50 0.2%

60 5.3%

70 21.9%

80 23.4%

90 25.0%

0.1% 1：10万地形图 20.3% 50

3.2% 60

16.6% 70

0.3% 80

3.9% 1：1万地形图 3.9% 80、90

•地形图资料的等高距

1：5万DEM数据库使用的地形图资料中,1:1万和1:5万地形图是实测图，

1:10万地形图是编绘图，等高线的等高距有多种。1:1万地形图的等高距基本都

在5M以下，1:5万，1:10万地形图的等高距包括了5M、10M、20M、40M、

50M、100M等几种，详见下表5-2。

表5-2

等高距（M） 占全国的面积比例（%）

5M及以下 4.3

10 48.5

20 35.6

40 10.5

50 0.3

100 0.8

5.1.2 1:5万DEM技术指标设计

•矢量数据：采用扫描数字化，从地形图采集的高程信息、特征信息、以及

一些辅助要素。所有要素按照4层组织，具体内容见下表5-3

表5-3

层名 内容

线、等深线、深度点、海岸线、人工添加的特征点、特征线等。

特征信息（面）湖泊、水库、静止水体中的陆地、其他水体等。

WTLNT

特征信息（点） 用软件生成的山脊、沟谷线上的补充高程点。

辅助要素 双线河、陡石山、沼泽、推测区范围等。

高程信息TERLK 三角点、水准点、高程点、计曲线、首曲线、助曲线、草绘等高

•DEM数据：以矢量数据作为信息源，采用GIS软件内插形成的网格形式的

地面高程数据。水平分辨率全国统一25M，高程分辨率为0.1M。

•DEM元数据：描述DEM数据产品的有关信息。包括数据的标示信息、资

料源信息、质量信息、空间参考系信息、分发信息等。

5.1.3 数据采集技术流程设计

5.2 1:5万数据库管理系统设计

5.2.1 数据库管理系统的架构

DRG生产

数据库服务器采用SUN Interpri 5500，UNIX操作系统，内存2GB，配备

服务器磁盘阵列2TB；局域网采用Internet以太网，主干垂直宽带为1000MB，

水平宽带为100MB；数据通信协议采用TCP/IP；交换机采用Ciscn Catalyst。应

地图数字化

用端有UNIX工作站和Windows/NT微机两种类型，用于不同的工作环节。数据

备份采用自动磁带库。通过对国外GIS数据库管理平台的分析和对比，确定采

用美国ESRI公司的空间数据库引擎Arcsde，ArcGIS 8.1和Oracle 8i作为1:5万

DEM数据库管理和开发的软件平台。

1。5万DEM数据库采用数据库，服务器，用户三层结构体系，以C/S和

生成DEM

B/S相结合的方式构建网格化的系统，系统中的功能模块是根据业务流程开发组

织的，每一功能模块在一个工作环节中完成一组应用。不同的应用，工作性质不

同。相应的功能也不完全一样。所有的应用端功能整体上实现1:5万DEM数据

库系统的全部功能。1:5万DEM管理系统的逻辑结构见下图5-1。

制作元数据

图5-1 1:5万DEM管理系统的逻辑结构

1:5万DEM管理系统的每一部分都按照优化方案协同工作。空间数据是按

照RDBMS的关系表形式和ArcSDEGeodataba模型结构储存；数据库服务器包

括关系型数据库Oracle8i 和空间数据引擎ArcSDE8.1，处理用户端对数据的访问

请求，并将处理结构通过返回到用户端；用户端包含了多种数据处理的功能模

入库检查验

块；通过ArcGIS,CAPI和Java API等各种应用开发组件等应用工具，向数据库

检查验收

服务器提交数据服务请求，并对数据进行处理分分析。

5.2.2 数据组织

收、建库

1:5万DEM数据组织采用ArcSDE空间数据库（Geodataba）数据模型。

Geodataba由矢量要素数据集，栅格数据集，TIN数据集，空间域，规则等部

件构成，结构和关系见下图5-1。1:5万数据库实际储存其中矢量要素数据集，

栅格数据集规则等几种类型。

图5-1 ArcSDE空间数据库的数据模型

为了使DEM数据能够快速入库，实现海量数据无缝衔接、平滑与漫游功能。

DEM数据入库方法应满足以下几个方面的要求：

（1）能够兼容不同尺度的DEM 数据，包括自动处理高精度和低精度DEM，数据

的接边问题。

（2）多源DEM 数据入库。该系统需兼容常用的DEM 数据源格式。

（3）DEM数据重采样算法。重采样可生成与原始格网不同空间分辨率的格网

DEM, 用于建立细节层次模型( LOD)。

（4）DEM 数据压缩。为提高客户端的浏览速度，必须对海量DEM数据进行压缩

处理。

（5）DEM数据分块算法。按照数据库的组织结构对DEM进行分块, 便于数据入

库操作。

（6）批量数据入库及更新，包括以标准分幅和不规则形式入库及指定范围的

DEM 数据快速更新。

（7）提取符合规则的DEM 数据，并生成特定的数据格式。

5.2.2.1 DEM数据组织与处理

表5-1

数据集命 数据集 数据量数据类型 分辨率 投影

1:5万DEM数据集 DEM43 2.5 网格数据 25M 6高

DEM44 9.7 网格数据 25M 斯投

DEM45 11.7 网格数据 25M 影带

DEM46 11.4 网格数据 25M

DEM47 12.3 网格数据 25M

DEM48 11.8 网格数据 25M

”

（GB）

DEM49 15.1 网格数据 25M

DEM50 17.2 网格数据 25M

DEM51 15.2 网格数据 25M

DEM52 5.3 网格数据 25M

DEM53 0.8 网格数据 25M

1；25万DEM数据集 DEM250k 3 网格数据 3

“

DEM数据按照 ArcSDEGeodataba 栅格数据集进行组织和储存。对于一个

栅格数据集而言，覆盖范围和数据量都可以很大，不受什么限制；但坐标和投影

系统都必须相同，必须是连续无缝镶嵌的；分辨率也可以根据需要确定，但必须

唯一。数据集可以根据数据类型或尺度（垂直方向），区域（水平方向）进行划

分。DEM数据库入库流程设计如下图5-2。

图5-2DEM数据库入库流程设计

1:5万DEM数据库中，25M分辨率和3分辨率两种尺度的DEM数据，坐

”

标和投影系统也也不相同，需要设计建立多个不同的栅格数据集。1:25万

DEM，全国范围内采用3相同的分辨率和经纬度坐标，数据可以连续无缝的拼

”

接起来，可以按一个数据集组织储存。1:5万的DEM虽然全国范围内也采用

25M相同的分辨率。但是由于采用6分带的高斯投影，只能在一个带范围内进

。

行连续无缝的拼接，因此按照一个高斯投影带组织成一个栅格数据集，全国从东

经43带到53带共11个投影带，组成11个数据集，这些数据集具有相同的属

性，可以将其合成一个数据集团。

5.2.2.2 DEM背景矢量数据处理和组织

在1:5万DEM数据库中加入一些数据，主要用于索引和显示屏幕，辅助查

询和检索等，称之为背景数据。背景矢量数据主要包括1:25万境界，点状居民

地，水系，国省道骨干交通网；1:400万铁路等。根据需要以后还可以补充。利

用背景矢量数据，可以进行与行政区规划，地名，水系，道路有关的信息查询检

索，并作为数据可视化的内容。所有的背景矢量数据全部采用经纬度坐标系统，

入库前以Coverage格式分幅或整体存储。将不同的矢量要素组织为一个矢量要

素数据集，主要考虑以下方面的因素:相同专题的要素归类。如水系税局的点，

线，面类型的要素类可组织为同一个矢量要素数据集。相近分层和命名见下表

5-2.

表5-2

数据集 要素类 要素子类 属性项 数据类型

1：25万DLG BOU（境界） PROV（省） NAME 矢量数据

CITIES（地，NAME

市） NAME

CONTY（县）

NAME 1：25万DLG RES（居民PNTRES 矢量数据

ADCLASS 1：25万DLG HYD（水系） PLOYHYD 矢量数据

1：400万DLG RAI（铁路） LINERAI 矢量数据

CODE NAME 全国骨干交通ROA（公路） ROALINE 矢量数据

CODE NAME 网 ROAPOINT

地）

LINEHYD

5.2.2.3 1:5万DEM数据库组织

数据生产时采集106项1:5万DEM数据，按照每一幅图一个文本文件储

存，为了实现在1:5万DEM数据库系统中元数据与数据体的集成化管理，以及

元数据与数据体一体化的相互查询检索，因此需要将元数据信息空间化。采取的

技术方法是将元数据文件与图幅结合表联系起来，将每一幅的区域作为一个目标

对象，106项元数据信息作为其属性项，构成一个以图幅结合表为基础的矢量格

式元数据集，采用经纬度坐标系统，全国范围内以Coverage格式整体储存。

5.3 数据库系统的功能与开发

1:5万DEM数据库系统建立在ArcGIS的基础之上，其界面与功能采用软件

工程的方法搭建利用ArcGIS提供的控件定制，利用ArcGIS提供的VBA开发环

境，CASE工具进行二次开发。ArcGIS的Desktop桌面系统已经具有比较强大的

功能，很大一部分可以直接使用到1:5万数据库系统当中。二次开发的功能，能

够与ArcMap的功能融为一体，运行于WindowsNT/2000 环境。

●数据显示与浏览

按照按照高斯投影分带和经纬度组织数据库数据，可以实时转化到用户定义

的地图投影并显示；可以任意选择数据库中的各终类型的数据进行组合叠加显

示；可以控制数据集，要素类在指定的比例尺范围内显示，使显示的内容清晰；

具有导航窗口，可以任意开窗放大，缩小和漫游。

●数据库查询

可以通过光标位置，经纬度坐标，高斯投影坐标，居民地地名等查询高程

值，并显示周围的DEM数据；可以通过地形图编号（1:100万,1:50万,1:25

万,1:5万等），行政区域名称（省，地，县），查询和显示查询区域的数据。

●元数据库查询

可以查询屏幕上任意点的元数据信息，可以按照1:5万图幅号查询元数据信

息；可以直接查询显示主要的元数据项，如数据生产单位，资料图的比例尺，等

高距，成图年代，高程进度，空间参考系等；可以按照SQL条件查询元数据信

息。

●数据分发与提供

可以按照图幅号，行政区域名，经纬度范围，大地坐标范围进行分幅，或矩

形分块提取数据，并进行格式转换。可以根据多图幅号进行批处理。

●数据处理与分析功能

任意点的坡度，坡向，按高程分层设色，地形晕渲等。

●数据库更新

添加新的数据，扩展数据库的范围；分幅的新数据自动替换旧数据；任意范

围的新数据自动替换旧数据；元数据编辑修改；版本管理。

●数据库维护管理

数据库日志管理；数据库备份；数据库恢复；计算机系统权限管理；计算机

系统用户的管理；用户分级（普通用户，超级用户）；分组管理；计算机系统口

令；数据库权限管理；数据集分四级权限可以授予不同的用户，指定数据范围的

权限授予不同的用户。

1:5万DEM数据库充分利用了我国的权威测绘成果，完成了覆盖全国陆地

和岛屿范围内的两万多图幅的DEM数据生产，包括地貌矢量数据，25M格网间

隔DEM数据，元数据等，数据量达到327 GB。数据库管理采用了目前国际上

GIS空间数据库建设的主流技术，基于C/S和关系数据库三层体系结构，实现了

多种类型空间数据的集成管理；系统功能较为完善，系统运行安全，符合数据管

理和分发服务的基本需要。1:5万DEM数据库还需要在运行和服务过程中不断

进行完善，要加快开展数据库更新技术的研究工作，保证数据库的实时性和准确

性。同时深入开展数据库应用工作，使其发挥更大的效益

结束语

DEM数据是空间数据库乃至整个数字地球的主要数据内容和基础，如何有

效地组织和管理DEM数据，是与数字地球和空间信息相关的所有应用领域关心

的重问题，基于此本文主要工作如下。

（1）研究DEM数据模型，重点分析了GRID和TIN这两种DEM数据结构

的性质和特点，以及二者之间的区别和对比，DEM数据组织和管理奠定数据结

构基础。

（2）研究基于数据库进行DEM数据的组织与管理的方法，分析描述了

DEM数据库的主要结构，DEM元数据内容、作用以及表达，研究分析了基于

“工程，工作区，图幅”的DEM层次结构索引模式。

随着遥感、测绘等专业技术的发展，影像数据随着分辨率的提高，DEM数

据量也将随之增长。本文仅仅是从理论方面阐述了DEM数据的组织员管理方

法，所提供的作用是有限的，当数据量增长过大时，可能将不能满足人们快速浏

览数字地球信息的需要。因此，我们还需要从其它技术方面进行提高。由于现实

中地理环境的多变，以及各种应用性的需求被不断提出，DEM数据的多尺度表

达和地形可视化的需求被更多的提出。如何在现有的DEM数据及数据库基础上

实现数据库级的多分辨率，多尺度表达，还有由多层次细节模型所引出的DEM

地形可视化需求，这些都是DEM数据组织与管理的主要研究问题。

参考文献

[l] 李德仁．数字地球与“3S”技术[J]．中国测绘．2003，2：28-31．

[2] 王永明．地形可视化．中国图像图形学报，2000，5(6)：449-456。

[3] 王宏武，董士海．一个与视点相关的动态多分辨率地形模型[J]．计算机辅助设计与图形

学报，2000，12(8)：575-579。

[4] 陈少强，朱铁稳，李琦，苗前军．大规模多分辨率地形模型简化生成方法[J]．计算机辅

助设计与图形学学报，2005，17(2)：273-278。

[5] 陈刚，夏青，7J-I两U．地形RSG模型的动态构网算法[J]．测绘学报，2002，31(1)

[6] 李志林，朱庆．数字高程模型[M]，武汉大学出版社．

[7] 吴立新，史文中．地理信息系统原理与算法[M]，科学出版社．

[8] 贺金兵，黎贵友，文进等．生成Delaunay三角网的改进算法．计算机与数字工程[J]，

2006．

[9] 张宏，温永宁，刘爱利．地理信息系统算法基础[M]，科学出版社．

[10] P．Lindstrom，D．Koller，William，Ribarsky．Real-Time continuous Level of Detail

Rendering ofHeight Fields．Georgia Institute of Technology．1996：23-39。

[11] M．Duchaineau,M．Wolinsky．ROAMing Terrain：Real·time optimally Adaptive

Meshes．IEEE

Transactions on Visualization and Computer Graphics．1 997，(6)：322-332。

[12] Alex．Pomeranz．ROAM Using Surface Triangle Clusters(RUSTiC)．University of

California atDavis．1998：4-26。

[13] H．Hoppe．Progressive Meshes．Computer Graphics．SIGGRAPH96

Proceedings．1996，(8)：99-108。

[14] H．Hoppe．View-dependent Refinement of Progressive Meshes．Computer

GraphicsSIGGRAPH97 Proceedings．1997，(6)：189-198。

[15] 邓雪清．栅格型空间数据服务体系结构与算法研究[D]，信息工程大学博士论文，

2003．

[16] 李德华．面向三维显示的海量地形数据管理及实时交互技术研究[D]，华中科技大学博

士论文．2006

[17] 汤国安，李发源，刘学军.数字高程模型教程[M]，科学出版社.

[18] J．Blow．Terrain Rendering at High Level-of-Detail．Proceedings of the 2000 Game

DevelopersConference．San Jo．California，2000：10-21.

[19] M H Groww，R Gatti etal．Fast—multiresolution surface meshing．In：

Proe．Visualization’95，

1995：135-142

[20] Klein Reinhard．Multiresolution reprentations for surface meshes bad on the

vertexdecimation method．Computer&Graphics，1998，22(1)：13-26

[21] 吴立新，史文中．地理信息系统原理与算法[M]，科学出版社．

[22] 蒲浩，宋占峰，詹振炎．快速构建三角网数字地形模型方法的研究[J]，中国铁道科

学．22．(6)：100-105，2001．

[23] 徐道柱，刘海砚．Delaunay三角网建立的改进算法[J]．测绘与空间地理信息．2007，

30(1)：38~41

[24] Gennady Agranov and Graig Gostman．Algorithms for Rendering Realistic Terrain Image

Sequences and Their Parallel Implementation[M]．The Visual Computer 1 995，1 1(9)：455-

464．

[25] Brasl K E，Reif D．Procedure to Generate Thiesn Polygons．Geophysical Analysis，1

979，

11：289-303

[26] McCaullagh M T，Ross C G．Delaunay Tdangulation of a Random Data Set For Iirarithmic

Mapping．The Cartographic Journal，1980：93-99

[27] Shamos M I，Hoe),D．Clost-point Problems，In：Proceedings ofthe 1 6th Annual

Symposium

on the Foundations of Computer Science，1975，15- 62

[28] Lewis B A，Robinson J S．Triangulation of Planar Regions with Applications，The

Computer

Journal，1978，21(4)：324-332

[29] Lee D．T，Schachter B．J，Two Algorithms For Constructing a Delaunay

Triangulation．Int J ofComputer and Information Science，1980，9(3)：219-242

[30] Lawson C．L，A software for C surface interpolation．In：Rice J R．Ed,Mathematical

Software

HI．New York，Academic press，1977：161-94

[31]Bowyer A．Computing Dirichlet Teslations，Computer JournM，1981，24：192-166

致谢

在我攻读本科学位期间，得到了许多老师的关心和帮助，在论文即将完成之

际，谨向所有关心和爱护我的人们致以深深的谢意！

首先我要对我的导师周艳老师表示最真诚的感谢!本文的研究始终得到了周

老师的指导，从论文的选题、修改、直至论文定稿一直给予我悉心的指导和耐心

的帮助，并提出大量珍贵的意见。在这近三年本科生的学习生活中，周老师渊博

的知识、严谨求实的治学风格、诲人不倦的师表风范和精益求精的学术精神使我

受益非浅。再次向周老师表示深深的敬意和衷心的感谢!

感谢我的辅导员李超，导生张翠翠等。在四年本科生生学习期间，他们在研

究工作和生活中给予的指导和帮助，使我受益颇多。感谢即将和我一起毕业的同

窗好友陈世超、孙立、冯德烈、刘川。本科生学习生活历历在目，他们是我学习

生活上的伙伴，也是面对困难和挑战时的战友。同样感谢我的同门师弟师妹等。

他们给了我很多真挚的帮助，和他们在一起的日子是学习期间非常快乐的时光。

感谢我的家人杨高锋，她一直给我精神上的鼓励和生活上的关怀，给了我克服困

难的信心，不断进取的动力。本文的研究工作成果，和他们的支持是分不开的。

感谢本论文所参考的文献中所有作者的工作，没有他们的工作做铺垫，我的工作

是没法开展的!

最后，感谢参加论文评审和答辩的各位老师对本文的认真评阅。

AVector-badMethodfortheExtraction of Catchment

from Grid DEMs

1 Topographic structure extraction

As the basic information to be ud for catchment extraction, the flow direction

matrix is required, which contains the direction code from each cell to its

r,the raw DEM suffers from somedrawbacks, existence of

are cells,which have no neighbors at a lower elevation

and,conquently,have no down-slope flow path to a this definition,

they include both depressions and flat areas[3],Therefore,depressions and flat areas

have to ber emoved to determine the direction of over land flow at each cell of the

DEM.A number of methods have been developed for treating depressions and flat

areas in DEMs for automatic analysis of hydrographic terrain features. According to

it,catchment extraction methods can be divided to two types.

One type deals with sinks first to modify flow directions in the areas,

Catchment then is accumulated along the flow paths defined by the modified flow

directions ,The other one first accumulates catchment along flow paths determined

from the raw DEM, and then modifies it after depression-filling to simulatethe over

flowing of a depression at the lowest point on its perimeter ,And the flat area is added

to the catchment of each downstream cell along the flow path ,The basic difference

between the two approaches lies in their implicit assumptions about the way in

which the land surface is modified by the DEM[4].The first method is moreappropriate

for curable DEMs[3].The algorithm described in this paper is similar to it, which

first preprocess the DEM using a vector bad method for filling depressions and

aneighbor-group scan method for assigning flow direction over flat areas[6].

After filling depressions and assigning flow directions over aflat area, the

elevation matrix without depression and flow direction matrix can be obtained. The

flow accumulation matrix can

be calculated according to the following main principle:giving a unit flow to each

cell and computing the total out flow of each cell bad on the flow direction

matrix[1].The flow-si mulation algorithms are then applied to determine the drainage

area of each grid cell and to define the boundaries of the catchment to be analyzed

subquently.

Upon deriving the accumulation matrix,a threshold is applied to extract the

drainage net work using a tree-generating some points on the drainage

net work are identified as nodes,at which two or more channels join(junction node) or

which is the tip of first order channels (sourcenode).

2 Determination of catchment

The approachd escribed in this paper to identify catchments focus on the

boundaries instead of the area inside the approach is bad on the

following two assumptions:

(1) The derived terrain properties(flow direction,flow accumulation,etc.) do not

change unless the DEM changes,and are computed before the catchment

the catchment is determined by DEM itlf.

(2)The key property of a catchment boundary is that it completely and uniquely

defines the a-rea from which the(surface)water drains to the outlet. Any point outside

of that area does not contribute the flow to the outlet point,and thus is not of direct

interest for problems related to that catchment.

Therefore,the outlet point determine catchments’boundary, which is the most

important parameter of basic algorithm can be summarized as putting a mark

to the cells that contribute the flow to a channel junction node or a channel

cells compo the catchment and determine the catchment boundary.

But only the catchment boundary cells are recorded.

2.1 Definition of the outlet point

To determine the catchment and subcatchmnet,most methods require an outlet

point and the flow direction matrix as flow direction matrix is determined by

algorithm described in an earlierction. The outlet point can be obtained from manual

procedure pointed,the row and column coordinations of a clo grid cell or outlet array

which are extracted from drainage network.

The lection of the outlet point from the display window of a computer is not

preci, so an

outlet-arch algorithm is needed to prevent the failure of the extraction .Even if

the point lected is not exactly on the drainage network, the outlet-arch algorithm

embedded in the catchment extraction program can locate the nearest stream, and the

catchment extraction program us the point identified by the arch algorithm as the

outlet for the catchment boundary outlet-arch algorithm is

accomplished in two steps. In the first step the rivers,in who minimum outer-

enclod rectangle the point is included, are the cond step,if the point is

only in one river’s minimum outer-enclod rectangle,then u the river’s outlet as the

input outlet。otherwi calculate the distance between the point and each river’soutlet,

using the nearest river’s outlet as the input point.

2.2 Determinition of catchment boundary combiningvecter process

with raster process

The method described in this paper adopts astack-bad ed-filling

basic work flow includes the following steps.

1) Initialize the flag matrix.

2) Push the outlet,ud as ed,into the stack,and mark its correspondent cell in

the flag matrix.

3) Pop up a cell from the stack top and scan the cell’s eight neighbors in

quence。if a neighbor’s elevation higher than it,flow direction points to it and the

correspondent flag cell of this neighbor is not yet marked,push this neighbor into the

stack and mark its correspondent cell in the flag matrix

4) Execute steps 2) and 3) until the stack is empty.

After under going such process,all cells, which contribute the flow to the

outlet,can be detected ,The minimum outer-enclod rectangle can be determined while

detecting catchments. Searching along the upper side of acatchment, The first point in

its rimcan be located directly. Then it is pushed into the stack and added to the

catchment’ng from this point,the catchment’srim can be traced out in the flag

matrix according to the following steps.

① Start from the known rim point,and scan its neighbors clockwi from an

initial scan direction until a new rim point is located. Push the new point into the stack

and add it to the catchment.

② Pop up a point from the stack top and rotate the current scan direction 90

counter-clockwi. Scan its neighbors clock wi until a new rim point is

the new point into the stack and add it to the catchment’ the point already exists

in the rim,only push it into thes tack.

③ Repeatstep ② until the first known rim point is located.

All the catchments’rim cells can be traced out and marked in the boundary

other cells in the catchment are not the boundaries of

catchments are explicitly defined

从规则网格DEM自动汇水区域及其子区域的方法

提取

1 概述

汇水区域及其子区域的提取往往是水文分析和环境分析的第一步,例如:土地

利用、土壤侵蚀、污染扩散、矿物质分布、水资源保护等分析处理中所使用的大

量地形特征数据往往是以汇水子区域边界为基础。而进一步的分析处理需要对汇

水子区域合并或再次划分,形成具有水文特征(高程、坡度、坡向、土壤类型等)

一致性的区域单元,这些区域单元被称为水文响应单元。

汇水区域,又称作集水区域、集水盆地、流域盆地,是指地表径流或其他物质

汇聚到一共同的出水口的过程中所流经的地表区域,它是一个封闭的区域。出水

口是指水流离开汇水区域的点,这一点是汇水区域边界上的最低点。通常,一条河

流的汇水区域没有其他的地表径流流入且只有惟一的一个出水口。汇水区域常以

多边形区域或栅格的形式存在。汇水子区域,是汇水区域中的子区域,是地表径流

汇聚到某一条支流或某一段河流的地表区域,它的出水口是支流与主流或者支流

与支流的汇聚点[1～3 ] 。从地形特征的角度,可以简单地说汇水区域与汇水子区

域的差别仅仅是区域范围的大小,出水口是相同的决定性因素,因此汇水区域及其

子区域完全可以采用相同的提取方法。

目前,包括水流网络提取、汇水区域生成在内的多数地形特征提取算法都是

针对规则格网DEM。规则格网DEM 作为对地形地貌的一种数字模拟方法,由于

栅格数据的规则特性,相对于矢量数据更有利于高效地进行各种信息提取及分析

操作,并且随着其数据准确性及有效性的提高,从DEM中自动提取汇水区域日益

成为水文分析领域普遍采用的方法。相继出现了提取汇水区域、汇水子区域边界,

水流方向矩阵,水流网络及其他基本水文特征信息的方法[4 ] 。这些方法相对于传

统的手工提取方式,在速度及准确性方面都有着明显的提高,特别是对于大规模的

汇水区域提取(例如,大于10 km2 的区域)。越来越多的GIS 软件提供了从DEM

数据提取汇水区域信息的功能。例如,ESRI 公司的水文分析模块,澳大利亚

Wol2longong 大学开发的catchmentSIM 系统及美国农业部的GrazingLands

Rearch Laboratory 开发的TOPAZ系统。随着DEM精度的提高:人们能够得到

更加准确的地形特征描述。计算机对于大数据量的计算、处理能力也在不断加

强。人们对于自然环境的关注,水文特征信息的需求也在不断提高,因此更高效、

准确的特征提取算法也越来越受到人们的重视。水文地形特征自动提取对于进一

步的管理、分析、预测都能起到简化、促进作用。

从规则格网DEM 提取汇水区域的方法都具有以下基本特性:

1.提取汇水区域所要用到的基本地形信息由规则格网DEM决定,从同一条河

流上的不同两点得到的这条河流的汇水区域应该是完全相同的。

2.汇水区域边界线具有完整及惟一的特性,将流向出水口的全部区域包含其中,

在汇水区域外任何一点的地表径流都不会对该出水口起作用。

3.提取汇水区域所需的时间由DEM 数据的规模决定,数据规模越大,需要的时

间越长,反之亦然。

根据对洼地和平地水流方向的处理不同,可将众多的汇水区域提取算法分为

以下两大类:

1.首先将洼地填平,并确定原本存在及洼地填平过程中生成的平地的水流方向,

然后根据这些被修正的水流方向及水流路径得到汇水区域。

2.首先沿水流路径提取初始汇水区域,由于只允许存在惟一的出水口,因此根

据初始汇水区域的最低点对洼地进行填平处理,并沿流程将平地加入汇水区域中,

进而修改汇水区域。

两类方法的区别在于其对DEM 中洼地的处理,第一类方法将洼地看作错误

(数据误差或人为造成) ,而第二类方法却将洼地看作真实的地形特征[4～8 ] 。实

际上,大部分洼地特别是单点洼地和范围较小的独立洼地都是DEM 生成过程中的

数据错误所引起的,尽管也有少部分洼地特别是范围较大的独立洼地代表了真实

的地形特征,如采石场或岩洞等。相比之下,第一类方法更加有效。因此,本文采用

的算法属于第一类,即首先填平洼地,然后再生成水流方向矩阵。

洼地及平地水流方向的处理方法很多,本文对洼地的处理采用文献[ 9 ]提出的

基于矢量方式的洼地填充算法,而平地水流方向的确定则采用基于邻域格网扫描

的算法。由于DEM 经过洼地填平后,水流最终从DEM 的边缘流出。因此,主汇水

线的终点始终在DEM的边缘,即该点具有较大的流量累积值。当沿DEM 的边缘

搜索并确定了主汇水线终点后,采用树的生长算法可以将与该汇水线终点相对应

的汇水流域内所有汇水线即山谷线全部提取出来。

2 汇水区域及其子区域的自动提取算法

汇水区域提取是以水流方向为依据进行的,本文提出了基于堆栈的种子填充

算法,并通过一个标志矩阵存储检测出各格网点是否包含在汇水区域内,基本步骤

如下:

1.初始化标志矩阵,将其清零。

2.将出水口作为种子点入栈,并将标志矩阵中对应的格网赋值1 。

3.当堆栈非空时,从堆栈中弹出一个格网点,判断该格网的八邻域格网,如果其

中有格网高程值不低于该格网、指向该格网且尚未处理过(标志矩阵中相应格网

值为0 且不属于其他汇水区域) ,则将格网压入栈,并将标志矩阵中对应的格网赋

值1。

通过上述处理,所有水流最终流向出水口的格网都可以被检测出来,但此时仅

仅只是识别出某个汇水区域。为了便于进一步操作,特定义以下数据结构对汇水

区域进行结构化存贮。

其中,汇水区域最小外接矩形可以在汇水区域检测的过程中直接确定,并且利

用该矩形可以很快确定汇水区域顶部的最左侧边缘点,将该边缘点入栈并加入汇

水区域边缘线中,然后以该点为起始点将汇水区域的边缘线跟踪出来。跟踪算法

如下:

1.从第一个边缘点开始,从初始方向1 沿顺时针方向开始扫描直到遇到一个新

的汇水区域边缘点,将该边缘点入栈并加入边缘线,修改搜索方向(当前搜索方向的

反方向) 。

2.当堆栈非空时,从堆栈中弹出一个格网点,从搜索方向顺时针旋转90°的方

向开始,继续用同样的方法搜索下一个边缘点。搜索到一个新的边缘点,入栈并加

入边缘线。如果该点已存在于边缘线中且不是最初的边缘点,入栈但不加入边缘

线。如果是最初的边缘点,停止跟踪。

重复第2 步,直到返回最初的边缘点通过上述方法可以提取出汇水区域,并通

过边界矩阵存储所有汇水区域的边缘线格网。

在汇水区域的基础上,进一步提取其汇水子区域的算法如下:

1.设定一个面积阈值,只有那些汇水面积不小于阈值的汇水子区域会被提取。

如果采用较小的阈值,每一条支流的汇水子区域都会被提取。阈值越大,就会提取

出较少的汇水子区域。反之,提取出较多的汇水子区域。

2.汇水边缘线以树状结构存储,而每一段汇水边缘线的上游指针都是按从主流

到支流的顺序指向,根据从主流到支流的顺序,通过递归方法提取汇水子区域。对

于每一河段首先提取其上游河段的汇水子区域,然后判断这一河段的汇水面积是

否满足要求,若满足则通过上述提取汇水区域同样的方法提取这一河段的汇水子

区域。

3.将两河段的汇聚点加入主流的汇水区域中。在提取主流汇水区域时,以汇聚

点到主流第二点的方向为起点,分别沿顺时针、逆时针旋转,将遇到另一条汇水线

前且指向汇聚点的格网点也加入主流的汇水区域中。指向汇聚点的其他格网点加

入支流的汇水区域中。

在划分汇水子区域的过程中,边界矩阵一开始都被清零。对于任意河段,其上

游河段及其汇水子区域对应的格网水流肯定会流向它的出水口,因此必须首先提

取上游河段的汇水子区域,并改变边界矩阵的对应值,这样才能避免错误。

以上提取的结果直接是栅格形式存储的数据,由于矢量数据仍然是目前GIS

领域重要的数据结构,汇水区域和汇水子区域的边界线矢量数据被广泛运用于水

文分析模型中,因此还要将汇水区域(或汇水子区域) 边界线矢量化。值得注意的

是,如果采用简单的汇水线矢量化方法,常常导致汇水区域(或汇水子区域) 邻接部

分是双线的不合理情况。为此,本文首先以顺时针的顺序存储汇水区域(或汇水子

区域) 边缘线点,再结合边缘点与其前后两点的指向关系,决定其矢量化方式。