精确获取农田的基础空间信息,是建立数字化耕地保护系统、精细农田洪水淹没模拟和损失评估等应用领域的基础。随着数据获取方式的发展,传统空间信息获取技术在工作效率以及精度方面已经难以满足当前的需求。由LiDAR生成DEM的技术,由于其空间信息数据获取的高效性和精确性,正在成为高精度DEM获取的主要方法之一,被越来越多的应用于更精细的数字地形分析领域。通常田块之间并非直接相邻,其间贯穿交错着众多的田坎和沟渠等细小的田间工程设施。农田中此类细小地物的准确提取,对耕地面积测定、土地粮食生产潜力和环境承载能力计算、农田水利设施分布与结构信息获取等都有重要意义。本文的目标在于建立一套基于高精度DEM数据的农田空间信息提取方法,实现对农田中田坎、沟渠和田块的精确提取,针对农田分布较为集中的平原和丘陵地区进行方法适宜性检验。围绕这一目标,本文将田间地物分为田坎、沟渠一类带状地物和田块一类块状地物两类分别研究其提取方法。主要研究内容由以下四个方面构成:(1)建立一套田坎和沟渠的提取方法,并对其中关键参数的最优选择进行分析和试验。根据田坎和沟渠相对于整体农田为隆起或下凹的地物这一特征,设计提取其候选特征网格的方法,对DEM表面进行平滑,只保留基本地形和大尺度地物,再通过比较原始DEM与平滑后的表面,得到田坎和沟渠的候选特征网格;而后根据其为条带状这一特征,设计特征多边形的后处理方法,对特征多边形进行连贯、对噪声多边形进行消除。(2)设计基于剖面线形态分析的田块候选特征网格提取方法。利用田块作为人工地形表面较为平整的特征,分析剖面线上落于田块中部分的形态特点并设计提取方法。方法对每个网格横竖撇捺四个方向上的剖面线进行形态分析,从而识别出其中的平坦区域。(3)设计基于最大熵模型的田块候选特征网格提取方法。通过分析田块地形的特点,将最大熵模型引入田块的提取,提出田块候选特征网格提取方法。根据田块内部的特征,结合不同地形类型的特点,讨论各地形下特征因子的选取。在最大熵模型的计算中将选出的地形特征因子作为约束条件,得到田块的候选特征网格。(4)农田空间信息提取方法在不同地形研究区的实验及分析验证。将上述方法分别在面积为88.8 km2的平原地形研究区以及面积为150.0 km2的丘陵地形研究区进行田坎、沟渠和田块的提取实验,验证方法在不同地形下大范围精确提取目标要素的有效性。对实验结果进行定性和定量的精度评价,并对误差来源进行分析和讨论。结果显示:(1)田坎和沟渠的提取结果理想,尤其是田坎提取的Kappa系数在两个研究区均达到了 0.8,本文方法有提取一网格宽度地物和区分粘连田坎沟渠的能力;(2)平坦农田处的田块提取实验达到了很高的精度;(3)不同地形下的提取效果有差异,总体而言,平坦农田的提取精度高于山区梯田;(4)不同方法提取的效果略有差异,剖面线方法的制图精度均超过95%,然而用户精度略有欠缺,最大熵方法的用户精度均超过95%,然而制图精度略有欠缺。本文对误差产生的原因进行了深入的分析,这也为后续研究方向提供了思路。