其他
65周年 | 武芳：海底地貌数据综合研究进展
本文内容来源于《测绘学报》2022年第7期（审图号GS京（2022）0495号）
2. 航天工程大学, 北京 101416;
3. 西安测绘研究所, 陕西 西安 710054基金项目：重点基础研究发展计划(613317);河南省杰出青年科学基金(212300410014)摘要：海底地貌数据与人类认知海洋、探索海洋、利用海洋息息相关, 海底地貌数据综合是海图编制、海洋空间数据处理的重点研究内容之一。海底地貌数据综合属于地图综合的研究范畴, 但受历史渊源、学科体系、应用范畴等诸多因素影响, 常被认为是地图综合中相对独立、特殊的研究内容。本文在明确海底地貌数据综合特殊性的基础上, 从数据增强、综合方法、质量评价3个方面梳理海底地貌数据综合研究进展, 归纳了几种常见的海底地貌数据综合应用案例, 并从研究内容、技术方法、实践应用3个方面探讨了海底地貌数据综合的发展趋势。关键词：海底地貌 地图综合 数据增强 地图综合方法 质量评价
引 言
覆盖于海水之下的海底地形地貌与舰船航行、海运贸易、海洋开发利用等诸多人类海洋活动密切相关[1]。海图作为海洋地理信息的载体[2-3]，是人类认知海底地形地貌的常用产品。作为覆盖于海水之下的固体地球表面形态总称的海底地貌，其数据是最基础的海洋地理信息数据，也是海图制图过程中重点关注和主要处理的自然地理要素。海底地貌数据综合是海图缩编、制图综合中的重要任务之一，包含了将大比例尺海底地貌数据抽象、概括为中小比例尺海底地貌数据的全过程，是海底地貌数据尺度变换、集成融合、分析挖掘等常用的基本手段。从研究范畴看，海底地貌数据综合是航海图综合的重要研究内容，属于地图综合的研究范畴。伴随着地图综合的发展，航海图综合也经历了由“主观过程”到“客观方法”，由“定性描述”到“定量约束”的自动化发展历程[4-6]，海底地貌数据综合研究逐步客观化、定量化、模型化。但是，由于航海图的特殊性和专业性，海底地貌综合与陆地地貌综合[7]相比(表 1)，主要特点表现为：①海底地貌测量成果数据的特殊性导致综合的数据主体不同。通过高程测量即可直观描绘陆地地貌，基于摄影测量追踪的等高线簇是常见的陆地地貌数据产品；而海底地貌不能被直接描绘，常通过回声测深、激光雷达、重力反演等手段[3, 8]，采用以点代面的测量水深值来刻画海底地貌，这些测量得到的水深是海底地貌数据综合的数据主体和源头，尤其以多波束测深系统为代表的海底回声探测水深测量，水深数据密集、海量、分辨率高，是构建高精度海底地貌的最佳数据源，也是目前使用最为广泛的海底地貌数据获取方式[3, 9, 19]。②航海图中海底地貌表达的特殊性导致综合的对象要素不同。地形图主要通过稠密的等高线并辅以高程注记、地貌符号、数字地面模型、水系等其他要素表达陆地地貌[9]，等高线是陆地地貌综合的重点对象；而航海图主要通过水深注记并辅以零散等深线、海底地貌模型、海岸、滩涂、海岛(礁)等其他要素表达海底地貌[9-10]，水深是海底地貌综合的重点对象。③航海图应用的针对性导致综合的约束原则不同。航海图与人类航海事业渊源颇深[2]，海底地貌数据综合应充分顾及航海应用的安全性、直观性和高效性，这些特殊性使得海底地貌数据综合成为地图综合中相对独立的研究内容。
表 1 海底地貌数据综合与陆地地貌数据综合的对比Tab. 1 The comparison between submarine terrain generalization and land terrain generalization
表选项
基于海底地貌数据综合的这些特点，本文从面向海底地貌综合的数据增强、综合方法以及质量评价3个方面，系统梳理海底地貌数据综合的研究进展，分析其基础应用案例，探讨未来的发展方向。
1 面向海底地貌综合的数据增强
面向海底地貌综合的数据增强，是从海底地貌数据中识别、发现或挖掘出能够被海底地貌综合所用的形式化知识或特征，将无序的数据增强为能够被计算机理解、处理的海底地貌综合知识或特征规则的过程。1.1 海底地貌综合知识获取与组织发现、提取与形式化表达海底地貌综合知识，通常被认为是海底地貌数据综合的基础。海底地貌综合知识主要来源于航海图编绘规范与相关教材专著、约定俗成的航海图编绘经验及制图员的主观判断等非结构化信息，海底地貌综合知识获取从这些非结构化信息中归纳、抽象、提取出能够被结构化组织、程式化处理的知识与规则。常见的海底地貌综合知识包括综合约束、综合条件、综合度量、综合指标等。例如，航海图编绘规范[11-12]规定：海底地貌综合应遵循“扩浅缩深”的基本原则，制图员可将小于目标尺度最小可视范围的负向地貌有选择地删除。由此原则可提取的综合知识包括如下内容。①综合约束：优先删除负向地貌；②综合条件：小于；③综合度量：负向地貌大小；④综合指标：最小可视范围。海底地貌综合知识大体分为明确知识和模糊知识两种。例如，海底地貌综合约束既可源于颁布的编绘规范，又可源于模糊经验；海底地貌综合度量既包含长度、密度、面积、载负量、信息熵等精确指标的度量，又包含复杂度、曲折度、完整性、相似性等模糊感受的度量[13]；海底地貌综合条件既包含大于、小于、等于、包含于、相交于等明确条件，又包含几乎、大概、可能等模糊条件。这些综合知识还能进一步分类、分级，并通过产生式、多元组、语义网络[14]等方法进行形式化组织。海底地貌综合知识的获取与组织，使原本错综复杂的非结构化海底地貌综合知识变得“井井有条”，用于支持海底地貌数据综合过程的自动化模拟。与获取其他地图综合知识[4, 15-16]一样，海底地貌综合知识的获取大体有两种思路：一是通过观察、记录和分析海底地貌人工综合的过程，抽象、分解、概括海底地貌综合知识。例如，参考航海图制图规范和人工制图经验，构建邻近水深间距模型[17-18]指导水深综合、确立比例尺与基本等深线的对应关系[11, 19]指导等深线综合、设计最小可视距离与弯曲化简参数间的关系[20]指导海岸线综合等。二是通过统计、分析海底地貌综合成果数据或产品，发现与挖掘海底地貌综合知识。如基于航海图载负量构建多尺度水深密度模型[5, 21]以指导水深综合，从多尺度海岸线中发现自然分形规律[22]并用于确立海岸线化简的终止条件[23-24]以指导海岸线综合等，即是此类知识获取方式。因海底地貌综合知识数量庞大且错综复杂，海底地貌综合知识获取和形式化组织仍是烦琐、困难的系统工程。1.2 海底地貌特征识别与度量海底地貌差异影响着海底地貌综合，海底地貌特征被认为是一种重要的海底地貌综合知识。从海底地貌数据中识别、区分、发现不同海底地貌特征并进行结构化组织，是一种典型的海底地貌数据增强应用。海底地貌类型种类繁多[25]，面向地图综合需要从宏观、中观和微观3个层次识别和度量海底地貌特征。微观层次对构成海底地貌基本单元的特征进行识别、度量。水深点是构成水深点群的基本单元，可分为重要水深、背景水深和控制水深[26-27]，常基于规则格网剖分或不规则三角网剖分识别各水深特征[28-29]；海底地貌模型由凸起、凹陷组合嵌套而成，微观上对凹、凸单元进行识别并度量其特征，常用双向缓冲区、滚动球模型从数字水深模型中识别、区分局部凹陷和凸起[30-31]，或基于追踪生成的等深线识别与度量凹、凸区域面积和深度等特征[17, 32-34]；等深线、海岸线都由弯曲构成[19-20]，微观上识别、度量弯曲单元特征，常用特征点法[21, 35-36]、约束Delaunay三角网法[37]等识别等深线凹、凸弯曲单元，特征点法[38]、单调链法[39]、约束Delaunay三角网法[24, 40]、通视法[41]、双向缓冲区法[42]等用于海岸线弯曲识别，并度量其弯曲深度、宽度、面积等特征[20, 35-42]；岛(礁)个体构成了海岛(礁)群的基本单元，需要对海岛(礁)个体的几何、地理特征进行识别和度量[43-44]。中观层次对海底地貌基本单元结构化组织构成的局部区域特征进行识别、度量。常通过不同水深聚类区分、构建局部区域[19, 33, 45]，并利用水深树结构化组织局部区域、识别局部地貌[33]；也常采用树结构对海底地貌中凹、凸区域进行组织[34, 38, 46-47]，并进一步识别与度量鞍部、山脊、平地、航道等特征区域[34, 46-47]；弯曲组、二叉树、多叉树常用于结构化组织等深线、海岸线中的弯曲单元[19-20]，并识别局部特征区域[48-49]或地貌结构[24, 39]；邻近图、最小生成树等已用于岛屿结构化组织[50-53]以及线性岛弧[50-51]、聚集岛屿群[52-53]等岛(礁)空间分布模式的识别[54]。宏观层次对海底地貌蕴含的整体性特征进行识别、度量。水深分布密度及海底地貌复杂程度等整体性特征与航海图综合息息相关，水深平均间距[17]、水深数量[5, 21]等常用于度量水深分布密度，深度、坡度、地貌粗糙度与起伏度、地表切割深度等量化指标及其统计分析结果，都可用于度量海底地貌的整体复杂程度[56-60]；对于等深线、海岸线，常基于曲线整体、弯曲、邻近顶点设计度量曲线整体形态特征的量化指标[61-64]，并通过指标计算、统计分析、加权融合、监督学习等方式[61-65]，识别、区分、度量不同光滑程度、曲折程度、复杂程度的等深线、海岸线；海岸线自然分形[22, 66-68]、岛(礁)密度[69-70]、聚集程度[71]等整体特征也是宏观层次识别、度量的重点。
2 海底地貌数据的综合方法
海底地貌数据主要涉及水深数据、等深线数据、数字水深模型数据、岛(礁)及海岸线数据等，本文重点针对这些数据的自动综合方法进行归纳与分析。2.1 水深综合经过测量改正后的实地测量成果水深数据[19]和基于测量成果数据生产的、符合制图规范的、已经过一定程度综合的制图成果水深数据(如航海图上的水深注记)，都属于水深数据源，因此，水深综合包括测量成果水深综合和制图成果水深综合两类。通常航海图生产中，通过非选择性或有选择性地删除部分测量成果水深(也称抽稀)得到初始比例尺水深，在此基础上，进一步通过有选择地取舍初始比例尺水深得到其他多尺度的水深，来实现其他比例尺航海图的水深综合[72]。因此，水深综合方法集中于水深选取算子的研究。测量成果水深数据密集且数量庞大，远多于航海图能够承载的水深数量，且具有均匀分布、图理性不明等特点[28]，通过选取算子高效、准确、合理地抽稀水深数据、压缩水深数量十分必要。从时效性看，分割测量成果水深并从分割单元中选取代表性水深的剖分抽稀策略便于与空间索引、并行计算等效率优化方法结合，常用于测量成果水深的综合，产生了基于格网[57, 73]、圆域[74]、测线[75]等剖分策略的测量成果水深抽稀方法；从准确性看，选取能够代表分割单元地貌特征的水深十分重要，局部水深极值[57, 73]、地貌复杂程度[57]、聚集度[57]、深度差[74]及深度变化[75]等都已用于局部特征水深的识别和选取；从合理性看，多数测量成果水深抽稀的目的是减少数据量以适应于航海图制图，因此，测量成果水深选取还应面向航海图应用场景，满足航海图编绘相关要求，菱形排列[76-78]、地形适应[77-78]、扩浅缩深[78-79]、航道保持[79]等都是需要考虑的重要问题。制图成果水深综合应顾及尺度驱动下图面清晰性、地貌准确性、认知一致性、航行可用性的统一。制图成果水深因已经历过制图人员的综合处理，是一种水深密度相对较小、排列基本符合制图要求的点群要素，其选取方法可借鉴地图普通点群自动选取的思路，并结合航海图水深表达、应用的特殊性加以改进，常见的基于Delaunay三角网、Voronoi图、邻近图的点群选取方法[80-82]已被用于制图成果水深的选取研究[83-85]。但因水深的选取层次、顺序和方式都具有专业性和特殊性[86]，也存在专门的选取方法，曲面双向缓冲区算法[30]、层次选取算法[87]、影响圆算法[88]及其改进算法[89-90]、顾及地貌特征的水深树选取算法[17, 32-33]等，都是具有代表性的水深选取方法。另外，航海图上水深注记符号大小、表达特点等也被引入水深选取方法的研究中[72]。面向水深选取过程中难以清晰、准确形式化描述的模糊过程，有学者采用专家系统、人工神经网络等人工智能方法进行水深选取的研究[26, 91]。此外，也有研究基于测量成果构建数字水深模型，通过数字水深模型化简得到水深综合结果，具体见2.2节。2.2 数字水深模型综合数字水深模型是基于水深点插值、构建的三维数字海底模型，包括利用不规则三角网对水深数据构建的水深TIN模型[92]、利用规则格网对水深数据插值构建的水深Grid模型[92]、无格式的散点水深模型[93]等。根据数字水深模型综合效果不同，可分为模型压缩和模型变换两类数字水深模型综合方法。数字水深模型压缩是在不改变水深数据水深值的条件下，通过压缩构成数字水深模型的水深数量实现模型简化的综合任务，常见于面向航海图制图的模型综合研究。一般采用两种思路对数字水深模型进行压缩化简：一是基于已有水深点构建原始尺度水深模型，通过合理删除构成模型的水深数据化简数字水深模型，直至得到符合目标尺度要求的综合结果。面向散点水深模型设计的三维Douglas-Peucker算法[93]、面向水深TIN模型设计的渐进化简方法[19, 27]等，即是此类；二是在生成数字水深模型时，通过恰当选取水深数据构成满足目标尺度要求的数字水深模型。这类方法主要有：基于逐点插入和条件判断设计的水深TIN模型生成化简方法[18, 94]、基于四叉树剖分和代表性水深选取设计的水深Grid模型生成化简方法[95]和多尺度表达[96]等。数字水深模型压缩化简不会改变原有水深的水深值，确保了水深数据的一致性和可靠性，可以看作是从三维层次对水深数据的取舍处理，数字水深模型综合结果可转换为目标尺度水深综合结果[97]。数字水深模型变换常通过调整水深值改变模型形态来实现模型概括的综合任务，常见于面向可视化的模型综合研究。插值[29]、滤波[98-100]、滚动球变换[101-103]等都是实现数字水深模型概括变换的常用方法。例如，基于不确定度插值、压缩水深实现的控浅水深模型综合方法[29]，基于滚动球变换[101]调整局部水深值实现“保真”“保浅”的水深模型多尺度综合[102-103]，利用各种滤波算子调整高度值的地表模型概括研究[98-100]，都为水深模型概括变换提供了参考借鉴。数字水深模型概括变换通过调整水深值改变海底地貌表达，既可以压缩数据量、降低分辨率，又可以保持数据量和分辨率不变，满足高效传输和清晰显示的多元可视化应用。此外，数字水深模型综合中分辨率的有效保持还有利于等深线的准确提取，进一步保证了基于数字水深模型综合生成多尺度等深线的准确性。2.3 等深线综合等深线是基于水深数据追踪生成的深度等值线。追踪等深线不仅要准确表达海底地貌，还要充分顾及生成等深线的高效性[104]、多义性[105-106]、光滑性[107-108]、控浅要求[106-110]等诸多特殊因素，从而形成了模型插值、控浅追踪、样条拟合相结合的多种等深线自动追踪方法[104-110]。等深线自动追踪方法为实现等深线综合提供了间接思路，即从水深或数字水深模型综合结果中追踪生成等深线作为对应尺度的等深线综合结果[109-110]。这种间接思路能够充分顾及同一尺度水深或数字水深模型与等深线间的协调表达，却忽略了比例尺间等深线表达的连贯性和一致性。以等深线为主体的直接综合研究思路，理论上能够同时顾及比例尺内、比例尺间要素的一致性，是实现等深线自动综合方法研究的重点内容。从比例尺间的单要素纵向一致性看，等深线综合常需进行选取、化简、光滑、合并、夸大、移位等诸多综合操作。航海图上等深线相对稀疏，参照航海图编绘规范中比例尺与等深线表达的对应关系[11]即可设计等深线选取算法[19]；等深线形态复杂多变、化简约束较多，出现了很多等深线化简方法[111]，如面向航行安全要求设计的基于缓冲区变换的化简方法[112-113]、有约束的Douglas-Peucker化简方法[114]、进一步顾及地貌表达设计的基于Douglas树的化简算法[35-36]和模拟手工化简过程研制的基于弯曲的化简方法[115-116]，以及顾及等深线光滑性设计的蛇形化简模型[117-118]、曲率约束化简模型[19]等；光滑算子旨在更充分保持等深线光滑圆润的形态特征，缓冲区变换、样条函数、频率域滤波、优化算法等都已用于设计等深线光滑方法[119-122]；夸大算子主要处理等深线内不满足目标尺度视觉要求但又需突出强调的局部微小区域，合并算子旨在合并不符合目标尺度视觉要求的凹地邻近同值等深线[48]，移位算子通过局部弧段位移或整体位移处理目标尺度下不符合视觉要求或存在拓扑问题的邻近等深线或等深线局部，Delaunay三角网、缓冲区变换、蛇形模型、样条曲线等都已用于等深线夸大、合并、移位等综合操作的自动化研究[48, 116, 123-124]。但这些针对单一综合操作研制的自动综合算子并不足以完全支撑等深线自动综合，基于已有综合知识约定综合算子应用条件、控制综合过程，实现多算子协同的等深线自动综合也很重要。例如，可以通过顺序布设综合算子实现等深线自动综合；进一步地，为避免先验知识局限并增强协同处理的适应性，利用多智能体协同多算子的等深线综合研究[125-127]也得到尝试。从比例尺内的多要素横向一致性看，等深线综合需要与水深、海岛(礁)及海岸线等其他要素协调处理。其中，等深线是基于水深数据勾绘或追踪生成的，等深线与水深具有天然的联系，因此，等深线与水深协同综合，往往需要在充分分析、构建等深线与水深点关系模型的基础上，设计能够恰当协调水深选取与等深线综合的自动化方法。例如，基于空间关系建立的水深与等深线协调度模型[128]、等深线和水深的本体计算[129]、基于多智能体的等深线和水深点协同综合方法[130]等，都在一定程度上支持了等深线与水深的协调处理。海岛(礁)及海岸线作为等深线延伸的终点，同样与等深线关系密切。因此，等深线与海岛(礁)及海岸线的协同综合着重关注拓扑一致性的保持，可通过移位、夸大等算子调整等深线，以处理其与海岛(礁)及海岸线间的冲突。2.4 海岛(礁)及海岸线综合海岛(礁)及海岸线作为海底地貌向陆地延伸、过渡的临界要素，同时属于陆地要素综合和海洋要素综合研究范畴。从海底地貌数据综合看，并不关注海岛(礁)及海岸线内(上)的要素综合，主要面向人类海洋活动需要研究海岛(礁)及海岸线整体的综合方法，如海岛(礁)选取、降维、合并以及海岸线化简等。海岸线综合顾及海岸地貌准确表达和人类海洋活动需要，充分处理目标尺度下难以清晰显示的局部细节，以研究自动化简方法为主，并辅以夸大、合并、移位等其他综合方法。海岸线蜿蜒绵长、复杂多变，常作为自动化简方法的实验对象[131-135]。从航海图综合视角看，海岸线化简应保障航行安全，基本采用“扩陆缩海”的单侧化简策略，这类方法很多，如基于单侧双向缓冲区变换的海岸线化简方法[136]、构建单侧约束的Douglas-Peucker化简方法[137]、基于单侧弯曲取舍的海岸线化简方法[38-39]等。进一步地，顾及不同海岸地理特征及差异，专门研究了呈树枝状、喇叭状、裂叶状等复杂形态的溺谷海岸线、河口湾海岸线化简方法[24, 40, 138]，研究了人工海岸线及海岸人工建筑的化简方法[139-140]。其中，复杂海岸线化简方法[40, 138]还涉及弯曲渐变、局部夸大等以避免图理性问题[138]，人工海岸线化简方法[49, 139]也涵盖了降维、取舍、移位等，以准确综合凸堤、码头等重要海岸人工建筑。基于岛(礁)清晰表达和人类海洋活动需要，应尽可能减少海岛(礁)的综合处理，通常不移位，一般不合并，尽量不删除，可以化简和降维[11]。选取方法在不删除孤立岛(礁)的前提下，顾及岛群排列、方向、疏密、模式等特征进行自动取舍，如顾及岛屿面积和疏密分布构建的影响域选取模型[69]和生长缓冲区选取模型[70]、顾及岛屿线性阵列模式保持的基于最小生成树的岛屿群选取方法[71]等，礁石选取时还要顾及礁石构成、干出程度、碍航程度等属性特征；降维方法将不能依比例表达的面状海岛(礁)转换为点状符号，多边形内点计算方法[140-141]为海岛(礁)降维方法设计提供了支撑；合并方法只用于三角洲或潟湖海岸附近易变的群集小岛[11]，常采用双向缓冲区、Delaunay三角网等设计岛屿合并方法[138, 142]；海岛(礁)轮廓化简即对其岸线进行化简，可参照海岸线化简方法的研究成果；进一步顾及海岛(礁)与海岸线的天然联系，也出现了海岛(礁)与海岸线协同处理的综合方法研究[138, 142-143]。
3 海底地貌数据综合的质量评价
海底地貌数据综合质量评价是对海底地貌数据综合过程和结果的定量、定性分析和判断，不仅为海底地貌数据综合成果提供评价结论，还为优化海底地貌数据综合研究过程提供控制反馈。根据评价对象不同，海底地貌数据综合质量评价可分为结果的质量评价和过程的质量评价两类。海底地貌数据综合过程的质量评价包含对算法过程的评价、多算法协同过程的评价和多要素协同过程的评价。其中，算法过程的质量评价既可以是对算法参数、模型结构、适用范围等固定成分的评价，也可以是对误差、不确定性传播等变化规律的分析。例如，对水深综合算法应用范畴的分析[79]、等深线光滑算法参数的评价[122]等，以及为评价线状海底地貌数据综合提供支撑和借鉴的线要素化简误差传递模型[144]、层次信息量保持与传递能力的度量[145]等，都属算法过程的评价。多算法和多要素协同过程的评价包含对多算法和多要素协同模型、方法的可靠性评估，以及对质量传播、变化规律的研究，如人工海岸线综合过程中多算法协同过程的分析[49]、多算法协同的等深线综合模型可靠性的分析[126-127]等都涉及对多算法协同过程的质量评价，水深和等深线协同综合方法的参数分析[128]和模型可靠性评价[130]等属于对多要素协同过程的质量评价。海底地貌数据综合结果的质量评价包含对综合结果中异常、冲突、歧义等质量问题的发现和探测，以及对质检人员评价综合结果的模糊感受抽象化、模型化、量化的研究。对综合结果常见的评价内容包括几何相似性、地理一致性、拓扑正确性、要素完整性、清晰性、应用合理性等。通常，水深间距、密度及聚集度[11, 83, 146]、水深及海底地貌变化程度[57, 101-103]、“漏浅”问题的探测[147]及量化[19, 29]等，用于评价水深数据或数字水深模型综合结果；视觉冲突及拓扑问题的探测及量化[11, 35, 48]、光滑程度及相似程度[122, 148]、曲线及地貌变化程度[37, 149-150]、应用安全及航行资源保持的量化[151]等，用于评价等深线综合结果；拓扑问题探测[133]、视觉冲突量化[152]、分形规律及相似程度[24, 153-154]、陆海变化程度[40]、特有模式识别及保持的准确率[39, 50-51]等，用于评价岛(礁)综合结果。在单一要素综合结果质量评价基础上，还要对多种海底地貌数据综合结果的完整性、协调性、精确性、现势性[155-156]等进行质量评价。
4 海底地貌数据综合应用案例
海底地貌数据综合作为海图制图、海洋空间数据处理的重要内容之一，应用十分广泛(图 1)，特别是为海底地貌数据融合、更新和多尺度表达等直接提供了技术支撑。图 1 海底地貌数据综合的应用场景 Fig. 1 Applications of submarine terrain data generalization 图选项
4.1 海底地貌数据多尺度表达利用海底地貌数据综合研究成果派生多尺度海底地貌数据，可实现海底地貌数据的多尺度表达。该应用的实现流程主要有两种：一种是通过对原始尺度海底地貌数据进行不同参数值的综合处理生成多尺度海底地貌数据(图 2(a))；另一种是对原始尺度海底地貌数据进行综合处理生成下一尺度的海底地貌数据，并通过对新生成的数据进行综合处理，迭代生成多尺度海底地貌数据(图 2(b))。海底地貌数据综合能够从原有单一尺度数据中派生出丰富的更小比例尺数据，从而为对应区域海底地貌提供不同层次的描述、表达和认知，辅助不同层级应用决策；此外，经符号化处理的多尺度海底地貌数据还能用于多尺度航海图制图。图 2 海底地貌数据多尺度表达 Fig. 2 The application of generating multi-scale submarine terrain data 图选项
4.2 海底地貌数据更新利用海底地貌数据综合研究成果处理新获取的海底地貌测量成果数据，可实现海底地貌数据更新[79, 157-159]。该应用的实现流程(图 3)，包含了海底地貌数据批量和增量两种更新过程。其中，批量更新是对原有区域海底地貌数据的全部替换，精度高、效果好，但成本较高，适用于周期性的整体更新；增量更新是对原有海底地貌数据的局部替换，成本低、速度快，但数据整体时效性并不统一，适用于不定期的快速更新。增量更新过程中生成的对应尺度的海底地貌数据还要与周围已有数据进行协调处理，使增量更新的水深与周围水深能够协调表达[79]、局部更新的等深线与周围等深线合理衔接等。图 3 海底地貌数据更新 Fig. 3 The application of updating submarine terrain data 图选项
4.3 海底地貌数据融合海底地貌数据综合研究为海底地貌数据融合提供了方法支撑和思路借鉴。根据融合结果不同，面向海图制图的数据融合和面向海底地貌高分辨率重建的数据融合，是两种常见的海底地貌数据融合应用，如图 4所示。其中，面向海图制图的数据融合通过综合处理使测量成果水深、数字水深模型等多源海底地貌数据统一于海图数据尺度；面向海底地貌高分辨率重建的数据融合通过插值处理使海图数据、数字水深模型等多源海底地貌数据统一于高分辨率尺度要求。通过质量评价评估各数据精度、可靠性和时效性等，并利用“移去-恢复”及其改进方法[160-163]等融合处理方法，实现海底地貌数据的融合。图 4 海底地貌数据融合 Fig. 4 The fusion application of submarine terrain data 图选项
5 海底地貌数据综合的发展
海底地貌数据综合经过多年研究，取得了丰富的研究成果。随着地图综合乃至地图学研究理念、研究方法和研究范式的转变升级[4, 164-165]，海底地貌数据综合还会持续发展。5.1 内容上补充完善海底地貌数据综合中的主要问题、关键内容都得到了重点关注和详细研究，但仍有待补充和完善。海底地貌综合方法研究相对最为丰富，但也集中于常见算子(如选取、化简等)的方法研究，还有待进一步完备和细化，特别需要丰富针对海底地貌数据特有问题的综合方法研究，比如，研究等深线断在其他等深线上所需的综合方法、研究顾及海岸属性的综合方法、研究干出滩的综合方法等。此外，当前大都是针对单一要素、单一算子展开综合方法研究，各种综合方法协调控制、各种要素综合协同处理的综合方法还需深入探索。数据增强是海底地貌数据综合的基础，海底地貌综合方法研究中有待完善的内容同样也离不开准确、完备的特征识别与知识发现。当前面向海底地貌的数据增强研究，大多是针对能够被明确描述和准确理解的特征以及知识的量化和程式化，而对于隐含于海底地貌数据中的模糊知识、特征的识别与发现仍相对较少。近些年快速发展的人工智能、机器认知等为海底地貌综合模糊知识、特征识别提供了新动力。海底地貌综合知识体量庞大、错综复杂，知识、特征的系统性组织、推理利用[166-167]还要丰富与拓展。质量评价常用于分析海底地貌数据综合效果，集中在综合结果的评价与量化分析，海底地貌综合过程的质量评价研究相对较少。研究海底地貌综合过程中的质量变化规律，可为控制质量衰减、优化综合方法提供理论基础。质量评价不应只作为海底地貌数据综合的结论，还要研究如何将质量评价作为海底地貌数据综合过程控制的重要约束，以实现海底地貌数据综合过程的自适应控制与优化。5.2 技术上优化升级从技术上看，当前海底地貌数据综合大都采用计算几何方法，后续研究需要尝试、借鉴更多的新技术。地图综合研究涉及的技术方法十分多元，除计算几何外，图像处理、频域滤波、人工智能、地理本体等诸多技术都已应用于地图综合研究[168-171]，为海底地貌数据综合提供了丰富的技术借鉴。例如，参考基于超像素分割的多边形合并[168]研究等深线合并，借鉴基于傅里叶变换的线要素化简[169]研究等深线化简，参考图卷积神经网络在居民地模式识别中的应用[170]研究岛(礁)模式识别，参考案例与本体推理在道路网选取中的应用[171]研究水深选取等。近些年，人工智能技术在地图综合研究中应用广泛[172-173]，地图综合呈现智能升级趋势。虽然人工智能技术已在海底地貌数据综合中有所尝试，如BP神经网络[91]、Agent模型[126-127]等，但这些人工智能技术都为传统机器学习算法，学习能力相对有限，而具有较强学习模拟能力的深度学习技术还没有应用于海底地貌数据综合研究。深度学习技术发展迅猛、成果丰富，很多都值得借鉴。例如，适用于三维点云处理的PointNets及改进模型[174-175]，可尝试用于处理水深数据，以满足海底地貌特征识别、分割的需要。此外，尚未应用于地图综合研究的新技术也可面向海底地貌数据综合率先展开研究测试。例如，利用认知智能[176]或许能发现海底地貌综合中的模糊知识，利用知识图谱[177]或许能对海底地貌综合知识进行有效组织和恰当推理。利用更多新技术、新理论解决海底地貌数据综合中的难题值得期待。5.3 应用上落实拓展海底地貌数据综合最终要服务于具体应用，落实海底地貌数据综合应用的产品转化具有实际价值，特别是为海图生产部门提供可用性强、友好度高的海底地貌数据综合软件工具，仍有大量工作要做，比如，集约参数设置、过程管理优化、软件功能增强等。此外，地图综合应用已由传统的地图编绘向空间数据处理、时空大数据挖掘延伸，海底地貌数据综合应用也需探索更多元的应用场景。除保障航海外，认知海底地貌、分析地质变化、开发海洋资源、维护海洋权益等，都需要以海底地貌数据作为基础保障，海洋地理信息系统、海洋大数据平台、智慧海洋平台等都离不开海底地貌数据的多尺度表达。因此，面向多元的应用需要，应抽象更加丰富的综合知识、利用更加丰富的海洋地理信息、协调更加丰富的海洋空间对象，进一步拓展海底地貌数据综合的内涵与外延。
6 结语
蓝色的海洋壮丽宽广、资源丰富，多尺度海底地貌数据为人类走向海洋、认识海洋、利用海洋提供重要保障。海底地貌数据自动综合研究能够充分发挥机器效能、有效降低人力成本，有助于“多”“快”“好”“省”地生产多尺度海底地貌数据。特别是随着船载多波束测量数据的快速积累，以及联合船测多波束数据反演构建的全球海底地貌模型(如Sandwell系列模型[178]、GEBCO系列模型[179]、BAT_WHU2020模型[180]、STO_IEU2020模型[181]等)精度的不断提高[182]，作为连接原始数据与服务多层次应用的多尺度数据的“桥梁”，海底地貌数据综合具有越来越强的现实需求。然而，测绘得到的海底地貌数据只是海洋地理信息数据中的重要内容之一，海洋地理信息数据还包括海底底质、温度、盐度、密度、洋流等海洋自然要素，以及航线、管道、沉船等由人类海洋活动形成的社会经济要素。为进一步适应、保障丰富多元的海洋地理信息服务，还需要将海底地貌数据综合向地理信息数据综合方向迁移、扩展。例如，完善海洋流场自动综合研究[183-184]，开展海底底质自动综合研究，研制温、盐、密度场的自动综合方法等，都值得进一步探索。
引 言
覆盖于海水之下的海底地形地貌与舰船航行、海运贸易、海洋开发利用等诸多人类海洋活动密切相关[1]。海图作为海洋地理信息的载体[2-3]，是人类认知海底地形地貌的常用产品。作为覆盖于海水之下的固体地球表面形态总称的海底地貌，其数据是最基础的海洋地理信息数据，也是海图制图过程中重点关注和主要处理的自然地理要素。海底地貌数据综合是海图缩编、制图综合中的重要任务之一，包含了将大比例尺海底地貌数据抽象、概括为中小比例尺海底地貌数据的全过程，是海底地貌数据尺度变换、集成融合、分析挖掘等常用的基本手段。从研究范畴看，海底地貌数据综合是航海图综合的重要研究内容，属于地图综合的研究范畴。伴随着地图综合的发展，航海图综合也经历了由“主观过程”到“客观方法”，由“定性描述”到“定量约束”的自动化发展历程[4-6]，海底地貌数据综合研究逐步客观化、定量化、模型化。但是，由于航海图的特殊性和专业性，海底地貌综合与陆地地貌综合[7]相比(表 1)，主要特点表现为：①海底地貌测量成果数据的特殊性导致综合的数据主体不同。通过高程测量即可直观描绘陆地地貌，基于摄影测量追踪的等高线簇是常见的陆地地貌数据产品；而海底地貌不能被直接描绘，常通过回声测深、激光雷达、重力反演等手段[3, 8]，采用以点代面的测量水深值来刻画海底地貌，这些测量得到的水深是海底地貌数据综合的数据主体和源头，尤其以多波束测深系统为代表的海底回声探测水深测量，水深数据密集、海量、分辨率高，是构建高精度海底地貌的最佳数据源，也是目前使用最为广泛的海底地貌数据获取方式[3, 9, 19]。②航海图中海底地貌表达的特殊性导致综合的对象要素不同。地形图主要通过稠密的等高线并辅以高程注记、地貌符号、数字地面模型、水系等其他要素表达陆地地貌[9]，等高线是陆地地貌综合的重点对象；而航海图主要通过水深注记并辅以零散等深线、海底地貌模型、海岸、滩涂、海岛(礁)等其他要素表达海底地貌[9-10]，水深是海底地貌综合的重点对象。③航海图应用的针对性导致综合的约束原则不同。航海图与人类航海事业渊源颇深[2]，海底地貌数据综合应充分顾及航海应用的安全性、直观性和高效性，这些特殊性使得海底地貌数据综合成为地图综合中相对独立的研究内容。表选项
基于海底地貌数据综合的这些特点，本文从面向海底地貌综合的数据增强、综合方法以及质量评价3个方面，系统梳理海底地貌数据综合的研究进展，分析其基础应用案例，探讨未来的发展方向。
1 面向海底地貌综合的数据增强
面向海底地貌综合的数据增强，是从海底地貌数据中识别、发现或挖掘出能够被海底地貌综合所用的形式化知识或特征，将无序的数据增强为能够被计算机理解、处理的海底地貌综合知识或特征规则的过程。1.1 海底地貌综合知识获取与组织发现、提取与形式化表达海底地貌综合知识，通常被认为是海底地貌数据综合的基础。海底地貌综合知识主要来源于航海图编绘规范与相关教材专著、约定俗成的航海图编绘经验及制图员的主观判断等非结构化信息，海底地貌综合知识获取从这些非结构化信息中归纳、抽象、提取出能够被结构化组织、程式化处理的知识与规则。常见的海底地貌综合知识包括综合约束、综合条件、综合度量、综合指标等。例如，航海图编绘规范[11-12]规定：海底地貌综合应遵循“扩浅缩深”的基本原则，制图员可将小于目标尺度最小可视范围的负向地貌有选择地删除。由此原则可提取的综合知识包括如下内容。①综合约束：优先删除负向地貌；②综合条件：小于；③综合度量：负向地貌大小；④综合指标：最小可视范围。海底地貌综合知识大体分为明确知识和模糊知识两种。例如，海底地貌综合约束既可源于颁布的编绘规范，又可源于模糊经验；海底地貌综合度量既包含长度、密度、面积、载负量、信息熵等精确指标的度量，又包含复杂度、曲折度、完整性、相似性等模糊感受的度量[13]；海底地貌综合条件既包含大于、小于、等于、包含于、相交于等明确条件，又包含几乎、大概、可能等模糊条件。这些综合知识还能进一步分类、分级，并通过产生式、多元组、语义网络[14]等方法进行形式化组织。海底地貌综合知识的获取与组织，使原本错综复杂的非结构化海底地貌综合知识变得“井井有条”，用于支持海底地貌数据综合过程的自动化模拟。与获取其他地图综合知识[4, 15-16]一样，海底地貌综合知识的获取大体有两种思路：一是通过观察、记录和分析海底地貌人工综合的过程，抽象、分解、概括海底地貌综合知识。例如，参考航海图制图规范和人工制图经验，构建邻近水深间距模型[17-18]指导水深综合、确立比例尺与基本等深线的对应关系[11, 19]指导等深线综合、设计最小可视距离与弯曲化简参数间的关系[20]指导海岸线综合等。二是通过统计、分析海底地貌综合成果数据或产品，发现与挖掘海底地貌综合知识。如基于航海图载负量构建多尺度水深密度模型[5, 21]以指导水深综合，从多尺度海岸线中发现自然分形规律[22]并用于确立海岸线化简的终止条件[23-24]以指导海岸线综合等，即是此类知识获取方式。因海底地貌综合知识数量庞大且错综复杂，海底地貌综合知识获取和形式化组织仍是烦琐、困难的系统工程。1.2 海底地貌特征识别与度量海底地貌差异影响着海底地貌综合，海底地貌特征被认为是一种重要的海底地貌综合知识。从海底地貌数据中识别、区分、发现不同海底地貌特征并进行结构化组织，是一种典型的海底地貌数据增强应用。海底地貌类型种类繁多[25]，面向地图综合需要从宏观、中观和微观3个层次识别和度量海底地貌特征。微观层次对构成海底地貌基本单元的特征进行识别、度量。水深点是构成水深点群的基本单元，可分为重要水深、背景水深和控制水深[26-27]，常基于规则格网剖分或不规则三角网剖分识别各水深特征[28-29]；海底地貌模型由凸起、凹陷组合嵌套而成，微观上对凹、凸单元进行识别并度量其特征，常用双向缓冲区、滚动球模型从数字水深模型中识别、区分局部凹陷和凸起[30-31]，或基于追踪生成的等深线识别与度量凹、凸区域面积和深度等特征[17, 32-34]；等深线、海岸线都由弯曲构成[19-20]，微观上识别、度量弯曲单元特征，常用特征点法[21, 35-36]、约束Delaunay三角网法[37]等识别等深线凹、凸弯曲单元，特征点法[38]、单调链法[39]、约束Delaunay三角网法[24, 40]、通视法[41]、双向缓冲区法[42]等用于海岸线弯曲识别，并度量其弯曲深度、宽度、面积等特征[20, 35-42]；岛(礁)个体构成了海岛(礁)群的基本单元，需要对海岛(礁)个体的几何、地理特征进行识别和度量[43-44]。中观层次对海底地貌基本单元结构化组织构成的局部区域特征进行识别、度量。常通过不同水深聚类区分、构建局部区域[19, 33, 45]，并利用水深树结构化组织局部区域、识别局部地貌[33]；也常采用树结构对海底地貌中凹、凸区域进行组织[34, 38, 46-47]，并进一步识别与度量鞍部、山脊、平地、航道等特征区域[34, 46-47]；弯曲组、二叉树、多叉树常用于结构化组织等深线、海岸线中的弯曲单元[19-20]，并识别局部特征区域[48-49]或地貌结构[24, 39]；邻近图、最小生成树等已用于岛屿结构化组织[50-53]以及线性岛弧[50-51]、聚集岛屿群[52-53]等岛(礁)空间分布模式的识别[54]。宏观层次对海底地貌蕴含的整体性特征进行识别、度量。水深分布密度及海底地貌复杂程度等整体性特征与航海图综合息息相关，水深平均间距[17]、水深数量[5, 21]等常用于度量水深分布密度，深度、坡度、地貌粗糙度与起伏度、地表切割深度等量化指标及其统计分析结果，都可用于度量海底地貌的整体复杂程度[56-60]；对于等深线、海岸线，常基于曲线整体、弯曲、邻近顶点设计度量曲线整体形态特征的量化指标[61-64]，并通过指标计算、统计分析、加权融合、监督学习等方式[61-65]，识别、区分、度量不同光滑程度、曲折程度、复杂程度的等深线、海岸线；海岸线自然分形[22, 66-68]、岛(礁)密度[69-70]、聚集程度[71]等整体特征也是宏观层次识别、度量的重点。1 面向海底地貌综合的数据增强
2 海底地貌数据的综合方法
海底地貌数据主要涉及水深数据、等深线数据、数字水深模型数据、岛(礁)及海岸线数据等，本文重点针对这些数据的自动综合方法进行归纳与分析。2.1 水深综合经过测量改正后的实地测量成果水深数据[19]和基于测量成果数据生产的、符合制图规范的、已经过一定程度综合的制图成果水深数据(如航海图上的水深注记)，都属于水深数据源，因此，水深综合包括测量成果水深综合和制图成果水深综合两类。通常航海图生产中，通过非选择性或有选择性地删除部分测量成果水深(也称抽稀)得到初始比例尺水深，在此基础上，进一步通过有选择地取舍初始比例尺水深得到其他多尺度的水深，来实现其他比例尺航海图的水深综合[72]。因此，水深综合方法集中于水深选取算子的研究。测量成果水深数据密集且数量庞大，远多于航海图能够承载的水深数量，且具有均匀分布、图理性不明等特点[28]，通过选取算子高效、准确、合理地抽稀水深数据、压缩水深数量十分必要。从时效性看，分割测量成果水深并从分割单元中选取代表性水深的剖分抽稀策略便于与空间索引、并行计算等效率优化方法结合，常用于测量成果水深的综合，产生了基于格网[57, 73]、圆域[74]、测线[75]等剖分策略的测量成果水深抽稀方法；从准确性看，选取能够代表分割单元地貌特征的水深十分重要，局部水深极值[57, 73]、地貌复杂程度[57]、聚集度[57]、深度差[74]及深度变化[75]等都已用于局部特征水深的识别和选取；从合理性看，多数测量成果水深抽稀的目的是减少数据量以适应于航海图制图，因此，测量成果水深选取还应面向航海图应用场景，满足航海图编绘相关要求，菱形排列[76-78]、地形适应[77-78]、扩浅缩深[78-79]、航道保持[79]等都是需要考虑的重要问题。制图成果水深综合应顾及尺度驱动下图面清晰性、地貌准确性、认知一致性、航行可用性的统一。制图成果水深因已经历过制图人员的综合处理，是一种水深密度相对较小、排列基本符合制图要求的点群要素，其选取方法可借鉴地图普通点群自动选取的思路，并结合航海图水深表达、应用的特殊性加以改进，常见的基于Delaunay三角网、Voronoi图、邻近图的点群选取方法[80-82]已被用于制图成果水深的选取研究[83-85]。但因水深的选取层次、顺序和方式都具有专业性和特殊性[86]，也存在专门的选取方法，曲面双向缓冲区算法[30]、层次选取算法[87]、影响圆算法[88]及其改进算法[89-90]、顾及地貌特征的水深树选取算法[17, 32-33]等，都是具有代表性的水深选取方法。另外，航海图上水深注记符号大小、表达特点等也被引入水深选取方法的研究中[72]。面向水深选取过程中难以清晰、准确形式化描述的模糊过程，有学者采用专家系统、人工神经网络等人工智能方法进行水深选取的研究[26, 91]。此外，也有研究基于测量成果构建数字水深模型，通过数字水深模型化简得到水深综合结果，具体见2.2节。2.2 数字水深模型综合数字水深模型是基于水深点插值、构建的三维数字海底模型，包括利用不规则三角网对水深数据构建的水深TIN模型[92]、利用规则格网对水深数据插值构建的水深Grid模型[92]、无格式的散点水深模型[93]等。根据数字水深模型综合效果不同，可分为模型压缩和模型变换两类数字水深模型综合方法。数字水深模型压缩是在不改变水深数据水深值的条件下，通过压缩构成数字水深模型的水深数量实现模型简化的综合任务，常见于面向航海图制图的模型综合研究。一般采用两种思路对数字水深模型进行压缩化简：一是基于已有水深点构建原始尺度水深模型，通过合理删除构成模型的水深数据化简数字水深模型，直至得到符合目标尺度要求的综合结果。面向散点水深模型设计的三维Douglas-Peucker算法[93]、面向水深TIN模型设计的渐进化简方法[19, 27]等，即是此类；二是在生成数字水深模型时，通过恰当选取水深数据构成满足目标尺度要求的数字水深模型。这类方法主要有：基于逐点插入和条件判断设计的水深TIN模型生成化简方法[18, 94]、基于四叉树剖分和代表性水深选取设计的水深Grid模型生成化简方法[95]和多尺度表达[96]等。数字水深模型压缩化简不会改变原有水深的水深值，确保了水深数据的一致性和可靠性，可以看作是从三维层次对水深数据的取舍处理，数字水深模型综合结果可转换为目标尺度水深综合结果[97]。数字水深模型变换常通过调整水深值改变模型形态来实现模型概括的综合任务，常见于面向可视化的模型综合研究。插值[29]、滤波[98-100]、滚动球变换[101-103]等都是实现数字水深模型概括变换的常用方法。例如，基于不确定度插值、压缩水深实现的控浅水深模型综合方法[29]，基于滚动球变换[101]调整局部水深值实现“保真”“保浅”的水深模型多尺度综合[102-103]，利用各种滤波算子调整高度值的地表模型概括研究[98-100]，都为水深模型概括变换提供了参考借鉴。数字水深模型概括变换通过调整水深值改变海底地貌表达，既可以压缩数据量、降低分辨率，又可以保持数据量和分辨率不变，满足高效传输和清晰显示的多元可视化应用。此外，数字水深模型综合中分辨率的有效保持还有利于等深线的准确提取，进一步保证了基于数字水深模型综合生成多尺度等深线的准确性。2.3 等深线综合等深线是基于水深数据追踪生成的深度等值线。追踪等深线不仅要准确表达海底地貌，还要充分顾及生成等深线的高效性[104]、多义性[105-106]、光滑性[107-108]、控浅要求[106-110]等诸多特殊因素，从而形成了模型插值、控浅追踪、样条拟合相结合的多种等深线自动追踪方法[104-110]。等深线自动追踪方法为实现等深线综合提供了间接思路，即从水深或数字水深模型综合结果中追踪生成等深线作为对应尺度的等深线综合结果[109-110]。这种间接思路能够充分顾及同一尺度水深或数字水深模型与等深线间的协调表达，却忽略了比例尺间等深线表达的连贯性和一致性。以等深线为主体的直接综合研究思路，理论上能够同时顾及比例尺内、比例尺间要素的一致性，是实现等深线自动综合方法研究的重点内容。从比例尺间的单要素纵向一致性看，等深线综合常需进行选取、化简、光滑、合并、夸大、移位等诸多综合操作。航海图上等深线相对稀疏，参照航海图编绘规范中比例尺与等深线表达的对应关系[11]即可设计等深线选取算法[19]；等深线形态复杂多变、化简约束较多，出现了很多等深线化简方法[111]，如面向航行安全要求设计的基于缓冲区变换的化简方法[112-113]、有约束的Douglas-Peucker化简方法[114]、进一步顾及地貌表达设计的基于Douglas树的化简算法[35-36]和模拟手工化简过程研制的基于弯曲的化简方法[115-116]，以及顾及等深线光滑性设计的蛇形化简模型[117-118]、曲率约束化简模型[19]等；光滑算子旨在更充分保持等深线光滑圆润的形态特征，缓冲区变换、样条函数、频率域滤波、优化算法等都已用于设计等深线光滑方法[119-122]；夸大算子主要处理等深线内不满足目标尺度视觉要求但又需突出强调的局部微小区域，合并算子旨在合并不符合目标尺度视觉要求的凹地邻近同值等深线[48]，移位算子通过局部弧段位移或整体位移处理目标尺度下不符合视觉要求或存在拓扑问题的邻近等深线或等深线局部，Delaunay三角网、缓冲区变换、蛇形模型、样条曲线等都已用于等深线夸大、合并、移位等综合操作的自动化研究[48, 116, 123-124]。但这些针对单一综合操作研制的自动综合算子并不足以完全支撑等深线自动综合，基于已有综合知识约定综合算子应用条件、控制综合过程，实现多算子协同的等深线自动综合也很重要。例如，可以通过顺序布设综合算子实现等深线自动综合；进一步地，为避免先验知识局限并增强协同处理的适应性，利用多智能体协同多算子的等深线综合研究[125-127]也得到尝试。从比例尺内的多要素横向一致性看，等深线综合需要与水深、海岛(礁)及海岸线等其他要素协调处理。其中，等深线是基于水深数据勾绘或追踪生成的，等深线与水深具有天然的联系，因此，等深线与水深协同综合，往往需要在充分分析、构建等深线与水深点关系模型的基础上，设计能够恰当协调水深选取与等深线综合的自动化方法。例如，基于空间关系建立的水深与等深线协调度模型[128]、等深线和水深的本体计算[129]、基于多智能体的等深线和水深点协同综合方法[130]等，都在一定程度上支持了等深线与水深的协调处理。海岛(礁)及海岸线作为等深线延伸的终点，同样与等深线关系密切。因此，等深线与海岛(礁)及海岸线的协同综合着重关注拓扑一致性的保持，可通过移位、夸大等算子调整等深线，以处理其与海岛(礁)及海岸线间的冲突。2.4 海岛(礁)及海岸线综合海岛(礁)及海岸线作为海底地貌向陆地延伸、过渡的临界要素，同时属于陆地要素综合和海洋要素综合研究范畴。从海底地貌数据综合看，并不关注海岛(礁)及海岸线内(上)的要素综合，主要面向人类海洋活动需要研究海岛(礁)及海岸线整体的综合方法，如海岛(礁)选取、降维、合并以及海岸线化简等。海岸线综合顾及海岸地貌准确表达和人类海洋活动需要，充分处理目标尺度下难以清晰显示的局部细节，以研究自动化简方法为主，并辅以夸大、合并、移位等其他综合方法。海岸线蜿蜒绵长、复杂多变，常作为自动化简方法的实验对象[131-135]。从航海图综合视角看，海岸线化简应保障航行安全，基本采用“扩陆缩海”的单侧化简策略，这类方法很多，如基于单侧双向缓冲区变换的海岸线化简方法[136]、构建单侧约束的Douglas-Peucker化简方法[137]、基于单侧弯曲取舍的海岸线化简方法[38-39]等。进一步地，顾及不同海岸地理特征及差异，专门研究了呈树枝状、喇叭状、裂叶状等复杂形态的溺谷海岸线、河口湾海岸线化简方法[24, 40, 138]，研究了人工海岸线及海岸人工建筑的化简方法[139-140]。其中，复杂海岸线化简方法[40, 138]还涉及弯曲渐变、局部夸大等以避免图理性问题[138]，人工海岸线化简方法[49, 139]也涵盖了降维、取舍、移位等，以准确综合凸堤、码头等重要海岸人工建筑。基于岛(礁)清晰表达和人类海洋活动需要，应尽可能减少海岛(礁)的综合处理，通常不移位，一般不合并，尽量不删除，可以化简和降维[11]。选取方法在不删除孤立岛(礁)的前提下，顾及岛群排列、方向、疏密、模式等特征进行自动取舍，如顾及岛屿面积和疏密分布构建的影响域选取模型[69]和生长缓冲区选取模型[70]、顾及岛屿线性阵列模式保持的基于最小生成树的岛屿群选取方法[71]等，礁石选取时还要顾及礁石构成、干出程度、碍航程度等属性特征；降维方法将不能依比例表达的面状海岛(礁)转换为点状符号，多边形内点计算方法[140-141]为海岛(礁)降维方法设计提供了支撑；合并方法只用于三角洲或潟湖海岸附近易变的群集小岛[11]，常采用双向缓冲区、Delaunay三角网等设计岛屿合并方法[138, 142]；海岛(礁)轮廓化简即对其岸线进行化简，可参照海岸线化简方法的研究成果；进一步顾及海岛(礁)与海岸线的天然联系，也出现了海岛(礁)与海岸线协同处理的综合方法研究[138, 142-143]。2 海底地貌数据的综合方法
3 海底地貌数据综合的质量评价
海底地貌数据综合质量评价是对海底地貌数据综合过程和结果的定量、定性分析和判断，不仅为海底地貌数据综合成果提供评价结论，还为优化海底地貌数据综合研究过程提供控制反馈。根据评价对象不同，海底地貌数据综合质量评价可分为结果的质量评价和过程的质量评价两类。海底地貌数据综合过程的质量评价包含对算法过程的评价、多算法协同过程的评价和多要素协同过程的评价。其中，算法过程的质量评价既可以是对算法参数、模型结构、适用范围等固定成分的评价，也可以是对误差、不确定性传播等变化规律的分析。例如，对水深综合算法应用范畴的分析[79]、等深线光滑算法参数的评价[122]等，以及为评价线状海底地貌数据综合提供支撑和借鉴的线要素化简误差传递模型[144]、层次信息量保持与传递能力的度量[145]等，都属算法过程的评价。多算法和多要素协同过程的评价包含对多算法和多要素协同模型、方法的可靠性评估，以及对质量传播、变化规律的研究，如人工海岸线综合过程中多算法协同过程的分析[49]、多算法协同的等深线综合模型可靠性的分析[126-127]等都涉及对多算法协同过程的质量评价，水深和等深线协同综合方法的参数分析[128]和模型可靠性评价[130]等属于对多要素协同过程的质量评价。海底地貌数据综合结果的质量评价包含对综合结果中异常、冲突、歧义等质量问题的发现和探测，以及对质检人员评价综合结果的模糊感受抽象化、模型化、量化的研究。对综合结果常见的评价内容包括几何相似性、地理一致性、拓扑正确性、要素完整性、清晰性、应用合理性等。通常，水深间距、密度及聚集度[11, 83, 146]、水深及海底地貌变化程度[57, 101-103]、“漏浅”问题的探测[147]及量化[19, 29]等，用于评价水深数据或数字水深模型综合结果；视觉冲突及拓扑问题的探测及量化[11, 35, 48]、光滑程度及相似程度[122, 148]、曲线及地貌变化程度[37, 149-150]、应用安全及航行资源保持的量化[151]等，用于评价等深线综合结果；拓扑问题探测[133]、视觉冲突量化[152]、分形规律及相似程度[24, 153-154]、陆海变化程度[40]、特有模式识别及保持的准确率[39, 50-51]等，用于评价岛(礁)综合结果。在单一要素综合结果质量评价基础上，还要对多种海底地貌数据综合结果的完整性、协调性、精确性、现势性[155-156]等进行质量评价。3 海底地貌数据综合的质量评价
4 海底地貌数据综合应用案例
海底地貌数据综合作为海图制图、海洋空间数据处理的重要内容之一，应用十分广泛(图 1)，特别是为海底地貌数据融合、更新和多尺度表达等直接提供了技术支撑。4 海底地貌数据综合应用案例
4.1 海底地貌数据多尺度表达利用海底地貌数据综合研究成果派生多尺度海底地貌数据，可实现海底地貌数据的多尺度表达。该应用的实现流程主要有两种：一种是通过对原始尺度海底地貌数据进行不同参数值的综合处理生成多尺度海底地貌数据(图 2(a))；另一种是对原始尺度海底地貌数据进行综合处理生成下一尺度的海底地貌数据，并通过对新生成的数据进行综合处理，迭代生成多尺度海底地貌数据(图 2(b))。海底地貌数据综合能够从原有单一尺度数据中派生出丰富的更小比例尺数据，从而为对应区域海底地貌提供不同层次的描述、表达和认知，辅助不同层级应用决策；此外，经符号化处理的多尺度海底地貌数据还能用于多尺度航海图制图。
4.2 海底地貌数据更新利用海底地貌数据综合研究成果处理新获取的海底地貌测量成果数据，可实现海底地貌数据更新[79, 157-159]。该应用的实现流程(图 3)，包含了海底地貌数据批量和增量两种更新过程。其中，批量更新是对原有区域海底地貌数据的全部替换，精度高、效果好，但成本较高，适用于周期性的整体更新；增量更新是对原有海底地貌数据的局部替换，成本低、速度快，但数据整体时效性并不统一，适用于不定期的快速更新。增量更新过程中生成的对应尺度的海底地貌数据还要与周围已有数据进行协调处理，使增量更新的水深与周围水深能够协调表达[79]、局部更新的等深线与周围等深线合理衔接等。
5 海底地貌数据综合的发展
海底地貌数据综合经过多年研究，取得了丰富的研究成果。随着地图综合乃至地图学研究理念、研究方法和研究范式的转变升级[4, 164-165]，海底地貌数据综合还会持续发展。5.1 内容上补充完善海底地貌数据综合中的主要问题、关键内容都得到了重点关注和详细研究，但仍有待补充和完善。海底地貌综合方法研究相对最为丰富，但也集中于常见算子(如选取、化简等)的方法研究，还有待进一步完备和细化，特别需要丰富针对海底地貌数据特有问题的综合方法研究，比如，研究等深线断在其他等深线上所需的综合方法、研究顾及海岸属性的综合方法、研究干出滩的综合方法等。此外，当前大都是针对单一要素、单一算子展开综合方法研究，各种综合方法协调控制、各种要素综合协同处理的综合方法还需深入探索。数据增强是海底地貌数据综合的基础，海底地貌综合方法研究中有待完善的内容同样也离不开准确、完备的特征识别与知识发现。当前面向海底地貌的数据增强研究，大多是针对能够被明确描述和准确理解的特征以及知识的量化和程式化，而对于隐含于海底地貌数据中的模糊知识、特征的识别与发现仍相对较少。近些年快速发展的人工智能、机器认知等为海底地貌综合模糊知识、特征识别提供了新动力。海底地貌综合知识体量庞大、错综复杂，知识、特征的系统性组织、推理利用[166-167]还要丰富与拓展。质量评价常用于分析海底地貌数据综合效果，集中在综合结果的评价与量化分析，海底地貌综合过程的质量评价研究相对较少。研究海底地貌综合过程中的质量变化规律，可为控制质量衰减、优化综合方法提供理论基础。质量评价不应只作为海底地貌数据综合的结论，还要研究如何将质量评价作为海底地貌数据综合过程控制的重要约束，以实现海底地貌数据综合过程的自适应控制与优化。5.2 技术上优化升级从技术上看，当前海底地貌数据综合大都采用计算几何方法，后续研究需要尝试、借鉴更多的新技术。地图综合研究涉及的技术方法十分多元，除计算几何外，图像处理、频域滤波、人工智能、地理本体等诸多技术都已应用于地图综合研究[168-171]，为海底地貌数据综合提供了丰富的技术借鉴。例如，参考基于超像素分割的多边形合并[168]研究等深线合并，借鉴基于傅里叶变换的线要素化简[169]研究等深线化简，参考图卷积神经网络在居民地模式识别中的应用[170]研究岛(礁)模式识别，参考案例与本体推理在道路网选取中的应用[171]研究水深选取等。近些年，人工智能技术在地图综合研究中应用广泛[172-173]，地图综合呈现智能升级趋势。虽然人工智能技术已在海底地貌数据综合中有所尝试，如BP神经网络[91]、Agent模型[126-127]等，但这些人工智能技术都为传统机器学习算法，学习能力相对有限，而具有较强学习模拟能力的深度学习技术还没有应用于海底地貌数据综合研究。深度学习技术发展迅猛、成果丰富，很多都值得借鉴。例如，适用于三维点云处理的PointNets及改进模型[174-175]，可尝试用于处理水深数据，以满足海底地貌特征识别、分割的需要。此外，尚未应用于地图综合研究的新技术也可面向海底地貌数据综合率先展开研究测试。例如，利用认知智能[176]或许能发现海底地貌综合中的模糊知识，利用知识图谱[177]或许能对海底地貌综合知识进行有效组织和恰当推理。利用更多新技术、新理论解决海底地貌数据综合中的难题值得期待。5.3 应用上落实拓展海底地貌数据综合最终要服务于具体应用，落实海底地貌数据综合应用的产品转化具有实际价值，特别是为海图生产部门提供可用性强、友好度高的海底地貌数据综合软件工具，仍有大量工作要做，比如，集约参数设置、过程管理优化、软件功能增强等。此外，地图综合应用已由传统的地图编绘向空间数据处理、时空大数据挖掘延伸，海底地貌数据综合应用也需探索更多元的应用场景。除保障航海外，认知海底地貌、分析地质变化、开发海洋资源、维护海洋权益等，都需要以海底地貌数据作为基础保障，海洋地理信息系统、海洋大数据平台、智慧海洋平台等都离不开海底地貌数据的多尺度表达。因此，面向多元的应用需要，应抽象更加丰富的综合知识、利用更加丰富的海洋地理信息、协调更加丰富的海洋空间对象，进一步拓展海底地貌数据综合的内涵与外延。5 海底地貌数据综合的发展
6 结语
蓝色的海洋壮丽宽广、资源丰富，多尺度海底地貌数据为人类走向海洋、认识海洋、利用海洋提供重要保障。海底地貌数据自动综合研究能够充分发挥机器效能、有效降低人力成本，有助于“多”“快”“好”“省”地生产多尺度海底地貌数据。特别是随着船载多波束测量数据的快速积累，以及联合船测多波束数据反演构建的全球海底地貌模型(如Sandwell系列模型[178]、GEBCO系列模型[179]、BAT_WHU2020模型[180]、STO_IEU2020模型[181]等)精度的不断提高[182]，作为连接原始数据与服务多层次应用的多尺度数据的“桥梁”，海底地貌数据综合具有越来越强的现实需求。然而，测绘得到的海底地貌数据只是海洋地理信息数据中的重要内容之一，海洋地理信息数据还包括海底底质、温度、盐度、密度、洋流等海洋自然要素，以及航线、管道、沉船等由人类海洋活动形成的社会经济要素。为进一步适应、保障丰富多元的海洋地理信息服务，还需要将海底地貌数据综合向地理信息数据综合方向迁移、扩展。例如，完善海洋流场自动综合研究[183-184]，开展海底底质自动综合研究，研制温、盐、密度场的自动综合方法等，都值得进一步探索。6 结语
作者简介第一作者简介：武芳(1964-), 女, 博士, 教授, 研究方向为自动地图综合、空间数据更新等。
E-mail: wufang_630@126.com
初审：张艳玲复审：宋启凡
终审：金 君
第一作者简介：武芳(1964-), 女, 博士, 教授, 研究方向为自动地图综合、空间数据更新等。
E-mail: wufang_630@126.com
终审：金 君
往期推荐
资讯
○ 65周年 | 彭认灿：数字水深模型建模技术研究进展与展望
○ 郭华东院士：可持续发展科学卫星 服务2030年可持续发展议程和全球发展倡议