高程点即标有高程数值的信息点，通常与等高线配合表达地貌特征的高程信息。高程点分布表达上具有丰富的上下文特征，除个体高程属性上的差异外，一方面与重要地形特征单元（如山峰、鞍部及山谷等）、河流、道路等自然或人文要素目标间的分布关系，使得个体高程点在地理性质上具有不同的重要性意义；另一方面区域地形的起伏变化，使得高程点群在空间分布上呈现不同的疏密关系。

群点选取一直是地图综合领域的研究热点，一方面大量的地理现象表达上以群点形式呈现，如高程点、散列式居民地、成群分布的小岛屿群或湖泊群等，选取是主要的综合措施；另一方面群点分布上的多尺度表达也是空间分析、数据挖掘等其他领域感兴趣的内容。

地图综合必须顾及综合对象所在地理空间的环境特征（简称上下文特征）。地图综合本质上是一种空间认知的重要手段，在正确认知地图表达的地理空间基础上，通过抽象概括识别主要的地理特征与规律，即综合概括必须以地理规律为指导，同时综合概括的结果又反映这种地理规律。综合概念模型上通常将上下文特征分析表述为模式识别、结构化分析等，并置于整个综合过程的首要位置。具体到群点选取，目标的取舍需要顾及微观上个体的语义特征、中观上群体的分布结构化特征，以及宏观上区域背景的自然、人文特征等。

分析已有的群点选取方法，不管是定额选取模型（选多少）还是结构化选取模型（选哪个） ，均存在缺乏全面顾及目标上下文特征的问题。定额模型关注于目标表达上的载负量，忽略了分布区域环境特征差异的影响。如著名的开方根模型，对于数量相同但所处区域环境特征不同的群点结构，只要综合前后比例尺相同，得到的选取比例就一致，显然是不合理的。结构化选取模型则主要关注于自身体系内的属性等级或几何分布特征的分析，较少涉及深层次的地理特征及地理关系，导致选取资格的评价不够客观全面。如早期针对居民地选取的空间比率法、重力模型法、相关系数控制法、圆增长法等，主要考虑了居民地的属性等级与距离关系；后期则出现了诸多旨在保持群点空间分布特征的选取方法，如凸壳圈层结构保持的化简方法、最小生成树（MST）聚类分组的典型化方法、Voronoi 图模型下分布范围及分布密度保持的化简方法，以及利用遗传算法、自组织神经网络等优化思想实现的选取方法，但忽略了具体环境下个体目标间的重要性差异。

一种群点选取的普适算法，将点目标的专题重要性与空间分布密度结合考虑，但是并没有结合具体的实例进行深入的分析。

地形图上的高程点即标有高程数值的信息点，通常与等高线配合表达地貌特征的高程信息。高程点分布表达上具有丰富的上下文特征，除个体高程属性上的差异外，一方面与重要地形特征单元（如山峰、鞍部及山谷等）、河流、道路等自然或人文要素目标间的分布关系，使得个体高程点在地理性质上具有不同的重要性意义；另一方面区域地形的起伏变化，使得高程点群在空间分布上呈现不同的疏密关系。

1． 选取过程概念模型

结合高程点的上下文特征及选取基本原理方法，提出选取过程概念模型。定额选取上要顾及区域地形地貌特征，由开方根定律计算基本选取比例，然后进行适当调整。如山地区域往往是地形分析感兴趣的区域，存在大量地形信息表达上具有重要性意义的高程点，选取比例可适度调高;相反，地形平坦区域则可调低选取比例。结构化选取则需要考虑两方面因素：

①保留具有重要性意义的个体高程点，如处于地形特征的山峰、谷地、鞍部上，或与河流、道路等重要地理目标邻近的高程点；

②保持空间分布上的疏密关系，高程点分布上的疏密关系间接反映了区域环境特征，如与平坦区域相比，地形起伏的山地区域高程点分布更为密集，选取后仍要反映这种特征。

2． 上下文特征分析

个体高程点所处局部区域上下文特征的不同，使其在应用分析中体现出不同的重要性意义。下文区分几种典型的具有重要性意义的高程点类型，并简单介绍分析识别方法。

1) 地形特征高程点。山峰、鞍部、洼地等地形特征是地形分析感兴趣的，山峰是局部区域制高点视野最为宽阔、鞍部处于山峰之间是路径选择的必经区域、洼地局部地势最低是水源存在的高频区域，因此地形特征上的高程点提供的高程信息具有特殊意义。识别方法上可由等高线生成栅格DEM 模型，针对每个高程点设置以该点为中心的R×R 栅格窗口，然后分析中心栅格点与周围其他栅格点的高程关系进行判断。

2) 重要地理目标附近的高程点。重要地理目标如道路、房屋、河流等是地图表达分析的重要对象，邻近区域的高程信息更为用户所关注，如道路两侧的高程信息是交通运输中需要考虑的一个重要因素。该类型高程点可通过邻近区域搜寻得到，如河流目标按一定搜寻半径作缓冲区，然后实施空间查询得到缓冲区域内的高程点。

3) 分布范围上的关键高程点。分布范围作为高程点群的重要空间分布特征，表现为一个由外围点构成的多边形，其中有的点删除后分布范围发生明显变化，类似于曲线结构的骨干点，称为分布范围上的关键高程点。识别方法可借鉴曲线压缩的思想，利用Dauglas 算法按矢高对分布范围多边形进行压缩，保留的点即为分布范围上的关键高程点。

计算单个高程点选取概率时，4 种类型高程点的语义重要性权值依次设置为4、2、4、1，并对分布密度值和语义重要性长度值按线性关系进行归一化处理。

为检验算法的有效性，对不同选取比例下保留高程点的空间、语义信息进行分析，选取比例取自结构化选取过程中每次遍历删除完成的时间节点。

通过试验可以发现，高程点选取的两个基本原则（即保留具有重要性意义的个体高程点和保持高程点群空间分布疏密关系）一定选取比例范围内存在相斥性。当选取比例较小时，两个原则可以兼顾;但随着选取比例的逐步加大，强调保留重要性意义个体的同时势必影响分布疏密关系的保持，反之亦然。两者间的协调需综合考虑区域的地理环境特征及实际应用需求，最后确定一套合理的各类型高程点语义重要性权值。

针对地形图上的高程点选取问题，提出了一种顾及个体重要性意义与空间分布特征的选取方法，从概念和逻辑层面上围绕上下文特征分析、选取算法模型及结果评价3 个方面展开了深入探讨。试验分析表明，该方法可以有效地满足高程点选取的几个基本原则，具有较强的应用价值。

由面向几何特征综合向面向地理特征综合已经成为地图综合领域研究的主要趋势，也是地图综合技术面向应用服务，实现自动化、智能化的关键步骤。这种转变实现的关键在于两个方面： 一是地理背景下综合对象的上下文特征体系构建；二是如何将综合对象的上下文特征与通用的综合算法模型有效地结合。本研究可以作为上述问题的一个实例探索，提供一些有价值的思路。

本研究存在的问题及下一步工作：

①高程点的定额选取仍以传统开方根模型为主，需要结合区域地形地貌特征进行模型扩展；

②结合选取比例变化，深入分析保留具有重要性意义高程点和保持高程点群空间分布特征间的关系，为不同类型高程点的重要性权值等参数设置提供参考依据。