空间分析是GIS的核心内容,是为解决地理空间问题而进行的数据分析与挖掘。随着空间数据获取能力的快速提高和GIS技术的普及应用,空间分析逐渐应用于各种具有时间跨度和空间跨度的现实问题,相应的计算复杂度也日趋提高,传统的单纯依靠CPU作为计算单元的计算模式和主要算法已难以满足空间数据的实时分析和处理要求。现代的GPU具有很强的并行计算能力,如何利用GPU强大的并行处理能力来解决复杂的科学计算问题已成为目前的一个研究热点。本文针对当前数据海量化、模型复杂化的高性能空间分析的实时处理需要,提出利用GPU强大的并行计算能力来加速空间分析的处理,研究了基于GPU/CPU异构环境的高性能并行空间分析的计算模型、典型算法及其性能优化策略,着重突破传统GIS中海量空间数据高性能处理计算与空间分析的技术瓶颈。从而为发展我国以计算为核心、以空间分析与决策支持为目标的新型GIS提供有益的计算技术支撑。本文所作的主要工作包括：(1)研究了CPU/GPU异构并行计算的理论、方法和技术,从并行计算任务划分的基本模式、并行程序设计的理论和方法、并行计算实现的硬件平台形式、基于GPU的通用计算和CUDA计算架构等几个方面做了详细阐述,重点分析了基于CPU+GPU异构并行计算实现的技术和架构。(2)分析了最短路径问题及其在图论上实现,针对传统串行算法已越来越不能满足最短路径求解的实时处理需要的情况,提出了一种借助GPU较强的计算能力加速最短路径问题求解的Floyd并行算法,给出了其设计与实现流程,并从存储结构、数据分块、合并访问、数据分批处理等方面探讨了其性能优化途径。实验结果表明,该算法具有较好的实时性,可大大提高最短路径分析的处理速度,显著的减少计算时间。(3)分析了GIS空间插值的研究现状及其主要技术方法,针对传统的双线性空间插值算法存在计算量大、难以实时处理的问题,提出了利用GPU强大的并行处理能力来加速其处理,并给出了其基于GPU实现的并行策略、算法处理流程及性能优化方法。实验结果表明,该并行算法有效的利用了GPU强大的并行计算能力,取得了较好的加速效果,能够满足大规模数据空间插值的实时处理需要。(4)研究了空间拓扑关系的发展现状、趋势及主要的拓扑关系类型。通过分析得出,线/线拓扑关系计算是整个空间拓扑关系计算的关键,并根据线/线拓扑关系的特点,提出了一种基于直线求交的线/线拓扑关系计算方法。并针对其计算量大的问题,提出了利用GPU加速直线求交的计算过程,并应用于地形图中水系线与等高线之间的空间冲突检测,结果表明,利用GPU能够满足基于直线求交的线/线拓扑关系计算的处理要求,相对于CPU处理而言有着巨大的性能提升,能有效的加速拓扑关系计算过程。(5)针对单个节点的计算能力有限,无法满足数据海量化和模型复杂化的空间分析的实时处理问题,提出了利用CPU/GPU异构集群来加速处理,研究了一种MPI和CUDA相结合的分布式并行计算模型,并基于该计算模型对最短路径分析、空间插值分析等典型空间分析问题进行并行算法设计与实现。实验结果表明,该计算模型可以提供集群级和节点级的两级并行,能充分利用MPI和CUDA两种模型的优点,有效的改善了系统的整体计算性能,具有很好的加速比、可靠性和扩展性,从而能为数据海量化、架构网络化、处理实时化的高性能并行空间分析分布式应用提供有益的计算技术支持。