虚拟地形是人们在地理空间认知知识的指导下,根据有限信息构建的虚拟地理场景。它被广泛应用于地学分析、游戏和电影场景制作、虚拟现实以及军事战场模拟等领域。在某些难以到达的区域调查战场环境时,根据视野内山脉和沟谷等有限信息快速构建准确的电子地形沙盘,对战略部署和指挥有着极其重要的辅助作用。因此,研究利用有限信息构建虚拟地形的方法十分必要。本文以深度学习中条件生成对抗网络为基础模型架构,以现有高分辨率DEM数据为基础,从地形特征入手,构建并训练了由地形特征生成虚拟地形的深度神经网络Terrain-CGANs。分析了不同地形特征在生成虚拟地形过程中的控制作用,并拟定了详细的虚拟地形质量评价方法。论文最后结合实际的应用案例探讨了 Terrain-CGANs的应用能力。本文中的主要内容及结论如下:(1)提出了基于条件生成对抗网络的虚拟地形生成模型Terrain-CGANs。论文以条件生成对抗网络为基础架构,设计了用于生成虚拟地形的深度神经网络Terrain-CGANs。构建了用于虚拟地形生成训练的地形特征数据集,并使用地形特征数据集进行模型训练,实现了只需输入少量地形特征,获得地形特征表达准确、地表细节丰富的虚拟地形。(2)探究了地形特征对虚拟地形生成结果的影响作用。本研究分别针对山谷线、山脊线、正地形以及这几种地形特征的组合设计了5个关键实验,探究不同的地形特征对生成虚拟地形的贡献和影响程度。结果表明:输入的线状地形特征要素控制着虚拟地形的骨架特征和区域形状特征,综合多种地形特征信息才能使虚拟地形准确表达出较为全面的地形特征与地表细节。(3)提出了虚拟地形质量评价方法。论文根据虚拟地形的应用场景,设计了一套虚拟地形质量评价方法,从视觉美观度、地形特征保持和地形因子提取等三个方面,对虚拟地形的仿真度进行评价。结果证明了 Terrain-CGANs生成的虚拟地形具备较高的视觉仿真效果,基本保持了输入的地形特征,并且能用于提取地形特征因子,进行简单的地形分析等。(4)探究了 Terrain-CGANs在典型应用案例中的灵活性与稳定性。论文分析了 Terrain-CGANs在典型的虚拟地形应用场景的表现。通过编辑地形特征,实现了虚拟地形的局部特征与全局地貌形态的调节;通过设计不同侵蚀阶段的地形特征,模拟了地貌侵蚀过程,证明了 Terrain-CGANs具有一定的灵活性与稳定性。以地形特征为约束条件的虚拟地形生成方法,从一个新的角度揭示了地形特征要素在地貌形态中扮演的重要角色,生成的虚拟地形保持了正确的地理空间结构,并且具有丰富的地表细节特征。本文为虚拟地理场景构建、地形表面插值提供了方法参考,为研究特征地形在地形中的控制作用提供依据。论文提出的基于深度学习的虚拟地形生成方法拓展了深度学习方法在地学领域的应用,丰富了数字地形分析的方法体系。