1.基于地形特征的虚拟地形生成方法，其特征在于，包括如下步骤：

(1)获取真实DEM数据，提取重要的地形特征要素；

(2)选择合适的数据范围，将DEM数据与地形特征要素数据划分为同样大小的方形区域；首先将DEM数据拉伸，然后将步骤(1)中的三种地形特征要素分别作为不同的波段合成一幅多波段的地形特征图像，将拉伸后的DEM与地形特征图像拼接在一起，构建地形特征数据集；

(3)根据零和博弈理论，使用地形特征数据集训练深度神经网络模型Terrain-CGANs；

将地形特征要素作为虚拟地形的骨架，通过不断地对抗学习真实数据的高程分布特征，模型能够生成与输入地形特征一致的虚拟地形，得到一个与输入地形特征相关的虚拟地形生成模型Terrain-CGANs；

(4)Terrain-CGANs模型接收一幅地形特征图，将其转化为一幅虚拟地形的DEM数据。

2.如权利要求1所述的基于地形特征的虚拟地形生成方法，其特征在于，步骤(1)中，提取的地形特征包括山谷线、山脊线以及正地形区域；其中，山谷线用于控制侵蚀沟等负地形的地形生成，山脊线用于控制正地形区域的骨架形状，正地形区域用于控制正地形的区域形状和范围等特征；山脊线以及正地形区域两种地形特征的提取方式为：(11)使用近似方法提取正地形区域，正地形区域在训练数据中意义在于其在模型训练过程中对正地形区域的提示与标识作用，公式如下：Rpositive＝[dem-mean(dem)]＞C

式中：Rpositive是正地形区域，C为一个经验阈值；

(12)山脊线是邻域内较高的部分，dem的山脊线，即相当于反地形dem反的山谷线；因此，山脊线可以通过使用dem反提取汇流线的方式获得，dem反的计算方法如下：dem反＝max(dem)-dem+C

式中：dem反为dem的反地形，C为常数。

3.如权利要求1所述的基于地形特征的虚拟地形生成方法，其特征在于，步骤(2)中，地形特征数据集的制作方法具体为：(21)首先划定样本裁切网格，指定网格尺寸为长256像素、宽256像素；将网格均匀地分布在原始DEM数据上，当数据量不足时，各样本网格之间可以有一定的重叠，对相同网格裁切出的DEM数据与地形特征数据进行标识，方便下一步拼接操作；

(22)为了将DEM数据与多种地形特征数据融合在一起，共同作为Terrain-CGANs的训练数据，将上述提及的三种地形特征数据按照山谷线、山脊线、正地形区域的顺序，分别作为R、G、B三个波段合成一幅地形特征图像；然后将单波段的DEM数据复制成三份，分别作为R、G、B三个波段与地形特征图像在水平方向上与地形特征图像拼接在一起，拼接后的训练数据尺寸为256×512×3。

4.如权利要求1所述的基于地形特征的虚拟地形生成方法，其特征在于，步骤(3)中，Terrain-CGANs模型的网络结构设计，采用条件生成对抗网络的架构，由生成网络和判别网络两部分组成，具体包括如下步骤：(31)Terrain-CGANs包含两个基础的结构，分别是编码器和解码器，用来执行特征提取与上采样和下采样操作；编码器包含三层神经层，依次是卷积层、批量归一化层、激活层；解码器包含三层神经层，分别是反卷积层、批量归一化层、激活层；二者的激活层均使用ReLU作为激活函数；

(32)编码器的作用是再提取特征的同时进行下采样，使用跨步卷积实现下采样和特征提取的操作，步长为2，用“SAME”的方式进行补0操作；

(33)解码器的作用是推理特征的同时进行上采样操作，使用反卷积实现下采样和特征提取的操作，步长为2，用“SAME”的方式进行补0操作；

(34)模型的生成网络结构采用U-Net结构将对称的编码操作结果与解码操作结果按波段拼接在一起，以增强地形特征在训练过程中的控制作用，生成网络的第一个解码器不包含批量归一化层；

(35)模型的判别网络结构仅包含编码操作，在第四次卷积操作时将编码器的卷积操作步长设置为1，最后一层的编码操作，步长为1，激活函数改为Sigmoid；

(36)首先将地形特征图输入生成网络得到一幅生成的DEM，将生成的DEM输入判别网络，得到一个判别网络认为生成的DEM不是真实地形数据的概率Pfake，按照如下公式计算GAN损失：将生成的DEM与原始DEM求相对差值作为L1损失，计算公式如下：

将GAN损失与L1损失共同作为生成网络的损失函数，计算公式如下：

lossgen＝lossGAN*Wgen+lossL1*WL1

(37)使用两个判别网络分别处理输入的地形特征图像对应的原始DEM与生成的DEM，分别为Dreal和Dfake，Dreal处理原始DEM得到Preal；Dfake处理生成的DEM得到Pfake，Dreal和Dfake共享判别模型的权重参数，这些参数通过两个判别网络的分类错误情况进行优化调整；判别模型使用Adam优化器，经验最优的betal＝0.5和学习率(learning_rate)＝0.0002，判别网络的损失函数计算公式如下：

5.如权利要求1所述的基于地形特征的虚拟地形生成方法，其特征在于，步骤(4)中，Terrain-CGANs模型接收一幅地形特征图，将其转化为一幅虚拟地形的DEM数据，具体包括如下步骤：(41)根据目标需求，手动设计地形特征图像作为模型输入数据，使用红色波段记录山谷线、使用绿色波段记录山脊线、使用蓝色波段记录正地形区域，通过设计山谷线与山脊线控制虚拟地形的骨架特征，通过正地形区域控制虚拟地形的正地形区域范围；

(42)将上一步设计的地形特征图像输入Terrain-CGANs，输出一幅单波段的DEM图像；

(43)给输出的DEM数据添加地理参考，获得带有地理参考的虚拟地形，用于地形演示、空间分析。