多尺度线要素相似性度量是线要素地图自动综合的关键,也是线要素自动综合算法的理论基础。量化多尺度条件下线要素之间的相似性,其实质是研究同一曲线在不同尺度下的相似度,相似度量化是探究相似关系的前提,但目前多尺度相似性研究成果较少且大多基于空间域度量,无法满足尺度不变性条件,且由于地理空间信息在地图上多尺度表达时的复杂性和多样性,多尺度变化引起的各个变量之间的变换关系也未明确,无法达到规律化,函数化以及统一化,导致线要素地图自动综合无法实现全自动化。本文结合地图综合中经典的曲线化简算法—Douglas-Peucker算法,考虑到旋转、平移和尺度不变性的多尺度描述特性,提出基于傅里叶描述子理论的多尺度线要素相似性度量模型,通过离散傅里叶变换将不同尺度的地理线要素从空间域转化到频域进行相似性量化分析,避免了空间域下多尺度变化带来的诸多问题,然后利用信息熵及最长公共子序列模型解决了因尺度变化导致的描述子序列长短不一的相似性度量问题;最后通过对实验结果进行分析及处理,探究了同一曲线在不同尺度下傅里叶描述子的变化规律,给出了两序列相似性的简便计算公式,并对尺度变化与相似度之间的关系进行了函数拟合及显著性检验。实验结果表明,通过控制曲线重构精度,离散傅里叶变换能够很好的还原不同尺度下的线要素,并代替原曲线进行相似性度量,精度较高,是多尺度线要素研究的优选指标;相似性度量模型LCSS算法要优于信息熵模型,在保持地理线要素形状的基础上对边界光滑的多尺度线要素实现了较为精确的相似性分析度量,不同尺度下线要素的相似性能够通过傅里叶描述子的个数之比进行量化表达,尺度变化与相似度之间的函数关系符合幂函数表达y=αxb,拟合优度近94%,较之前的相关研究结果,精度提升10%左右。