数字地形分析研究领域常利用特定的分析手段挖掘地形模型中隐藏的信息，这些信息包括:地形基本参数、地形水网结构以及地形对象要素等。地理空间数据中存在的尺度效应导致了同一区域在不同尺度上具有不同的地形表达，对应的地形模型也随之不同。研究区域通常仅具有单一或少量尺度下的地形模型，想要在更为丰富的尺度上进行地形分析，必须为这些区域建立多尺度模型。地形简化方法为这一建模过程提供了可行性方案。　　地形简化存在不确定性。这一不确定性一方面来源于原始地形的高程误差，一方面来源于简化模型本身。为研究原始地形高程误差造成的不确定性对地形简化的影响，本文利用序贯高斯模拟方法为误差场生成满足空间自相关特性的序列误差场实现。为研究简化模型中的不确定性对地形简化的影响，选用三种基于特征的地形简化方法在不同简化程度下实施地形简化操作。虽然上述两种不确定性的模拟方法不同，但对于简化结果的分析手段相对一致。分析方法分为两部分:定性分析与定量分析。定性分析部分主要是通过将简化表面与原始地形的等高线与地形骨架进行叠置，利用目视比对的方式分析不确定性;定量分析部分主要是通过计算简化表面的高程精度与骨架保留度以分析不确定性。实验结果表明，两种类型的不确定性对地形简化具有相似的作用规律:原始地形中的不确定性与简化模型中的不确定性均会对地形简化结果产生影响，但简化模型顾及的原始地形特征越多，得到的目标简化尺度下的地形表达不确定性也将越小，换言之，简化表面所表达的地形信息可信度也将越高。　　地形简化中的不确定性导致了目标尺度上的简化表面真实值不得而知。传统的简化模型以一种确定式的过程进行简化操作，得到的目标尺度上的简化地形存在唯一性。这种以确定式的过程求解不确定式结果的方式在理论层面并不合理。更为严谨、合理的方式应当是:求解过程不直接给出简化结果，而是以一种寻优、向真值逼近的方式逐步获取更优解。显然，现阶段的简化方法均无法满足这一条件。为此，本文提出了一种基于退火模拟算法的地形简化方法。该方法将地形特征点看作固体物质内部乱序运动的粒子，在温度衰减过程中对特征点持续进行随机性扰动，以生成有限的状态集，随着温度的降低，状态集的前后差异逐渐缩小，最终产生特定温度下的稳态。空间退火模拟算法能够运用于地形简化，主要源于三方面:1）该方法能够作用于空间数据;2）该方法中的扰动机制能够为地形特征建立有限的状态集;3）稳态的存在保证了最优简化表面的可达。实验结果表明，新方法在不同的初始特征点分布以及不同的地形复杂度下均能很好地完成特定目标函数下简化表面的优化。