由OGC制定的地理标记语言GML（Geography Markup Language）的提出，为GIS空间数据的建模、集成与共享提供了统一的标准与框架。借助GML空间数据，不同格式的GIS数据可以无损失地共享与集成。伴随着GIS技术的迅猛发展与GML规范的完善，需要解决的GIS问题的规模化与复杂化以及人们对空间信息需求的增多，GML空间信息量急剧增加，单机存储与组织管理已不能满足人们从海量的信息迅速找到所需信息的需要，如何高效地处理这些海量、半结构化的GML数据成为关注的问题。而目前被受关注的云计算技术为海量数据的组织与管理提供了一套有效、智能的解决方案。云计算具有超大规模、高可靠性、高扩展性、廉价、通用性和按需提供服务等优势。如何将云计算引入到处理海量GML数据上来是研究的初衷。借助Hadoop云计算开源平台和一并正在研究的GML分布式存储与并行索引的基础上，主要针对Hadoop环境下GML查询与空间分析进行了以下研究：（1） GML多层次并行R树索引的构建。在Hadoop环境下采用SAX技术对GML进行解析，解析出地理要素及其空间属性。采用基于Hilbert填充曲线的空间数据划分策略对GML空间数据进行划分，并在空间数据划分基础上构建GML多层次的并行R树索引机制。（2） Hadoop分布式计算环境下GML查询研究。先经过空间索引检索，过滤得到较小候选集，再进行子查询的分布式并行运算。（3） Hadoop分布式计算环境下GML空间分析的构建。为了保证GIS运算的负载均衡，设计了任务的分配与任务调度两层负载均衡模型（基于Hadoop本地计算的思想，前提是GML数据已大致均衡地储存在系统中）。（4） Hadoop分布式计算环境下的GML查询与空间分析性能的验证。通过分别与单机环境下的情形比较来验证。本文设计了Hadoop环境下GML查询与空间分析的体系结构，实现了部分功能。借助Hadoop云计算平台优势既推动GML技术应用的深入研究，促进了基于GML的异构空间数据共享技术的发展，又为组织和管理海量GML空间数据提供一种快速、廉价、可靠的方法。同时，将云计算引入到管理GML空间数据上来，对云计算本身也是一种推动。