特征地形要素，主要是指对地形在地表的空间分布特征具有控制作用的点、线或面状要素。特征地形要素构成地表地形与起伏变化的基本框架。与地形指标的提取主要采用小范围的邻域分析不同的是，特征地形要素的提取更多地应用较为复杂的技术方法，如山谷线、山脊线、沟沿线等的提取采用了全局分析法(global process)，成为栅格数据地学分析中很具特色的数据处理内容。

特征地形要素从表示的内容上可分为地形特征点和特征线两大类。地形特征点主要包括山顶点(peak)、凹陷点(pit)、脊点(ridge)、谷点(channel)、鞍点(pass)，平地点(plane)等。利用DEM提取地形特征点，可利用一个12×12或更大的栅格窗口，通过中心格网点与8个邻域格网点的高程关系来进行判断获取。

一方面，山脊线和山谷线构成了地形起伏变化的分界线 (骨架线)，因此它对于地形地貌研究具有重要的意义。另一方面，对于水文物理过程研究而言，由于山脊、山谷分别表示分水性与汇水性，山脊线和山谷线的提取实质上也是分水线与汇水线的提取。

自动提取山脊线和山谷线的主要方法都是基于规则格网DEM数据的，从算法设计原理上来分，大致可以分为以下五种：

1.基于图像处理技术的原理；

2.基于地形表面几何形态分析的原理；

3.基于地形表面流水物理模拟分析原理；

4.基于地形表面几何形态分析和流水物理模拟分析相结合的原理；

5.平面曲率与坡形组合法。

其中，平面曲率与坡形组合法提取的山脊、山谷的宽度可由选取平面曲率的大小来调节，方法简便，效果好，具体为什么好你得先看完操作过程我才好跟你解释哈，希望各位看官仔细阅读，受益无穷哦，哈哈哈哈哈哈哈哈哈。

(1) 我在上一篇文章详细讲解了无误差的平面曲率的含义以及提取方法，本次不再阐述哦，文章链接：超详细讲解ArcGIS中地形指标的提取

最终提取的SOA数据如下图所示：
(2) 点击初始DEM数据，使用【Spatial Analysis工具】【邻域分析】【焦点统计】工具；设置统计类型为平均值(MEAN)，邻域的类型为矩形(也可以为圆)，邻域的大小为12×12(这个值也可以根据自己的需要进行改变)，则可得到一个邻域为12×12的矩形的平均值数据层，记为MEAN；
(3)使用【栅格计算器】计算，公式ZFDX=“DEM”-“MEAN”，即可求出正负地形分布区域，结果图层如下图所示：
小编给大家解释一下这个正负地形值的范围是什么意思，意思就是在12*12像元范围内平均高程和其他高程的最大差就是19至-20，而不是整个栅格数据内的高程极差，整个栅格内的高程极差如下图所示哦：

（4）使用【栅格计算器】计算，公式为shanji=(“ZFDX”＞0)&(“SOA”＞80)即可提取出山脊线，结果图如下所示：
绿色部分是符合条件的栅格像元，值为1，其余黑色的都不符合要求，所以值都为0，这样看起来感觉不出山脊线，为此我们进行重分类，将值为0的栅格像元设置为NoData，得到结果后叠加到山体阴影上面，山体阴影设置和最终展示结果如下图所示：

（5）同理，使用【栅格计算器】计算，公式为shangu=(“ZFDX”＜0)&(“SOA”>80)即可求出山谷线，其他后续重分类和上文提取山脊线一致，最终展示结果如下图所示：

看到这里发现山脊线和山谷线的提取都比较精确，但是有小伙伴就会问，为什么ZFDX>0&SOA>70就是山脊线，我换成其他数值不行吗？你先不急哈，小编先解释一下这简单的判断语句为什么要这样判断，首先我们知道山脊线肯定是在正负地形图层中大于0的正地形区域里面提取，所以要求ZFDX>0，那么正地形范围很大，怎么判断里面的山脊线呢？划重点了哈，这个很关键的，考试必考。我们前面提取的平面曲率，一个像元平面曲率很大说明什么？说明这个像元的相邻像元的朝向变化很大，朝向变化大说明什么，说明等高线很曲折呀，如下图所示：
可以发现这个山谷和山脊都是等高线向一个方向弯曲的，高中地理这个经常考的哦！所以在凹陷地区（负地形）内等高线最曲折的那部分应该就是山谷了，而在凸起地区（正地形）内等高线最曲折的那部分应该就是山脊了。

提取山顶点

（1）单击【Spatial Analyst 工具】|【邻域分析】【焦点统计】
设置统计类型为最大值(MAXIMUM)，邻域的类型为矩形(也可以为圆)，邻域的大小为12×12(这个值也可以根据自己的需要进行改变)，则可得到一个邻域为12×12的矩形的最大值数据层，记为max；

（2）选择【Spatial Analyst 工具】【地图代数】【栅格计算器】，入计算公式：“max”-“dem”==0，得到二值栅格；

结果图层中对计算结果为真的像元赋予值1，即“max”-“dem”==0，其余不满足条件的都为0，这时候有的小伙伴就会问了，为什么“max”-“dem”==0的像元就是山顶点？那么小编就跟大家详细解释一下这个山顶点的提取原理吧。我们知道山顶点都是某个小山地的最高点，那么我让每个像元都变成邻域范围内的最高值，其减去原始像元高程等于0的说明原始像元高程就是那个邻域范围内的最高值，必然就是该地区的最高点了，如果大于0说明该像元原始高程是小于邻域范围内的最高值，那就不是山顶点了，这个值不可能小于0，因为前面邻域分析中统计类型是MAXIMUM，所以“max”总是大于或者等于“dem”。

（3）对计算结果进行重分类，选择【Spatial Analyst工具】【重分类】将值为0的像元都设置为NoData，然后叠加到“dem”数据上。

（4）将重分类后的栅格转换为矢量点，在ArcToolbox中选择【转换工具】【由栅格转出】【栅格转点】，转点后如下所示：
由于受到邻域分析中分析窗口大小的影响，窗口越大提取的点越少，但是窗口过大的话，将会漏掉一些重要的山顶点，为此需要设置合适的窗口大小，对提取的结果，可人工判断删除一些不符合条件的山顶点，最后进行符号化，结果如图所示：