特征地形要素，主要是指對地形在地表的空間分布特征具有控制作用的點、線或面狀要素。特征地形要素構成地表地形與起伏變化的基本框架。與地形指標的提取主要采用小范圍的鄰域分析不同的是，特征地形要素的提取更多地應用較為復雜的技術方法，如山谷線、山脊線、溝沿線等的提取采用了全局分析法(global process)，成為柵格數據地學分析中很具特色的數據處理內容。

特征地形要素從表示的內容上可分為地形特征點和特征線兩大類。地形特征點主要包括山頂點(peak)、凹陷點(pit)、脊點(ridge)、谷點(channel)、鞍點(pass)，平地點(plane)等。利用DEM提取地形特征點，可利用一個12×12或更大的柵格窗口，通過中心格網點與8個鄰域格網點的高程關系來進行判斷獲取。

一方面，山脊線和山谷線構成了地形起伏變化的分界線 (骨架線)，因此它對于地形地貌研究具有重要的意義。另一方面，對于水文物理過程研究而言，由于山脊、山谷分別表示分水性與匯水性，山脊線和山谷線的提取實質上也是分水線與匯水線的提取。

自動提取山脊線和山谷線的主要方法都是基于規則格網DEM數據的，從算法設計原理上來分，大致可以分為以下五種：

1.基于圖像處理技術的原理；

2.基于地形表面幾何形態分析的原理；

3.基于地形表面流水物理模擬分析原理；

4.基于地形表面幾何形態分析和流水物理模擬分析相結合的原理；

5.平面曲率與坡形組合法。

其中，平面曲率與坡形組合法提取的山脊、山谷的寬度可由選取平面曲率的大小來調節，方法簡便，效果好，具體為什么好你得先看完操作過程我才好跟你解釋哈，希望各位看官仔細閱讀，受益無窮哦，哈哈哈哈哈哈哈哈哈。

(1) 我在上一篇文章詳細講解了無誤差的平面曲率的含義以及提取方法，本次不再闡述哦，文章鏈接：超詳細講解ArcGIS中地形指標的提取

最終提取的SOA數據如下圖所示：
(2) 點擊初始DEM數據，使用【Spatial Analysis工具】【鄰域分析】【焦點統計】工具；設置統計類型為平均值(MEAN)，鄰域的類型為矩形(也可以為圓)，鄰域的大小為12×12(這個值也可以根據自己的需要進行改變)，則可得到一個鄰域為12×12的矩形的平均值數據層，記為MEAN；
(3)使用【柵格計算器】計算，公式ZFDX=“DEM”-“MEAN”，即可求出正負地形分布區域，結果圖層如下圖所示：
小編給大家解釋一下這個正負地形值的范圍是什么意思，意思就是在12*12像元范圍內平均高程和其他高程的最大差就是19至-20，而不是整個柵格數據內的高程極差，整個柵格內的高程極差如下圖所示哦：

（4）使用【柵格計算器】計算，公式為shanji=(“ZFDX”＞0)&(“SOA”＞80)即可提取出山脊線，結果圖如下所示：
綠色部分是符合條件的柵格像元，值為1，其余黑色的都不符合要求，所以值都為0，這樣看起來感覺不出山脊線，為此我們進行重分類，將值為0的柵格像元設置為NoData，得到結果后疊加到山體陰影上面，山體陰影設置和最終展示結果如下圖所示：

（5）同理，使用【柵格計算器】計算，公式為shangu=(“ZFDX”＜0)&(“SOA”>80)即可求出山谷線，其他后續重分類和上文提取山脊線一致，最終展示結果如下圖所示：

看到這里發現山脊線和山谷線的提取都比較精確，但是有小伙伴就會問，為什么ZFDX>0&SOA>70就是山脊線，我換成其他數值不行嗎？你先不急哈，小編先解釋一下這簡單的判斷語句為什么要這樣判斷，首先我們知道山脊線肯定是在正負地形圖層中大于0的正地形區域里面提取，所以要求ZFDX>0，那么正地形范圍很大，怎么判斷里面的山脊線呢？劃重點了哈，這個很關鍵的，考試必考。我們前面提取的平面曲率，一個像元平面曲率很大說明什么？說明這個像元的相鄰像元的朝向變化很大，朝向變化大說明什么，說明等高線很曲折呀，如下圖所示：
可以發現這個山谷和山脊都是等高線向一個方向彎曲的，高中地理這個經常考的哦！所以在凹陷地區（負地形）內等高線最曲折的那部分應該就是山谷了，而在凸起地區（正地形）內等高線最曲折的那部分應該就是山脊了。

提取山頂點

（1）單擊【Spatial Analyst 工具】|【鄰域分析】【焦點統計】
設置統計類型為最大值(MAXIMUM)，鄰域的類型為矩形(也可以為圓)，鄰域的大小為12×12(這個值也可以根據自己的需要進行改變)，則可得到一個鄰域為12×12的矩形的最大值數據層，記為max；

（2）選擇【Spatial Analyst 工具】【地圖代數】【柵格計算器】，入計算公式：“max”-“dem”==0，得到二值柵格；

結果圖層中對計算結果為真的像元賦予值1，即“max”-“dem”==0，其余不滿足條件的都為0，這時候有的小伙伴就會問了，為什么“max”-“dem”==0的像元就是山頂點？那么小編就跟大家詳細解釋一下這個山頂點的提取原理吧。我們知道山頂點都是某個小山地的最高點，那么我讓每個像元都變成鄰域范圍內的最高值，其減去原始像元高程等于0的說明原始像元高程就是那個鄰域范圍內的最高值，必然就是該地區的最高點了，如果大于0說明該像元原始高程是小于鄰域范圍內的最高值，那就不是山頂點了，這個值不可能小于0，因為前面鄰域分析中統計類型是MAXIMUM，所以“max”總是大于或者等于“dem”。

（3）對計算結果進行重分類，選擇【Spatial Analyst工具】【重分類】將值為0的像元都設置為NoData，然后疊加到“dem”數據上。

（4）將重分類后的柵格轉換為矢量點，在ArcToolbox中選擇【轉換工具】【由柵格轉出】【柵格轉點】，轉點后如下所示：
由于受到鄰域分析中分析窗口大小的影響，窗口越大提取的點越少，但是窗口過大的話，將會漏掉一些重要的山頂點，為此需要設置合適的窗口大小，對提取的結果，可人工判斷刪除一些不符合條件的山頂點，最后進行符號化，結果如圖所示：