随着科学技术的高速发展和社会信息化程度的加深,地理空间信息作为信息产业的关键一环,逐渐进入工业、农业和百姓的生活中,得到了日益广泛的应用。而作为地理信息系统“血液”的空间数据生产及更新却未能跟上时代的发展,已有的更新方法周期长、效率低,远远不能满足各种应用的多样化需求。在此背景下,多尺度空间数据增量级联更新方法以其工作量小、更新方式灵活、更新结果一致性好的优点,受到了学术界的广泛关注。本文以空间数据中变化快、数量多的居民地要素为例,对多尺度空间数据增量级联更新的基本理论、方法、流程和关键技术进行了深入的研究,主要研究内容和创新点如下:1.提出了一种多尺度居民地要素增量级联更新模式。结合具体数据,以情景分析的方式,阐述了该模式的基本概念、更新流程和关键技术,并给出了模式实现的总体技术路线图。2.建立了支持增量级联更新的多尺度空间数据关联索引结构。以相邻比例尺同名对象间的对应关系为基础,构建了树型系列比例尺数据关联关系模型;从城市整体架构、主要道路完整性、道路网眼密度均衡和格网内建筑物的自适应聚类四个层次着眼,构建了基于自然格网的居民地制图综合索引;提出了多尺度制图综合索引的一致性约束条件,将纵向关联和横向索引进行融合,建立了顾及纵向关联和横向索引的多尺度空间数据关联索引结构。3.实现了基于空间认知的同尺度居民地匹配和变化信息发现。通过对不同人群的问卷调查,基于相似性理论,对居民地匹配的空间认知特点进行了分析,得出了匹配算法设计的指导原则。针对匹配过程中各指标阈值和权值难以准确设置的问题,引入了人工神经网络技术,利用其在处理多要素模糊分类问题上的优势,合理规避了阈值和权值的设置难题,实现了多指标综合衡量的居民地匹配。针对匹配中出现的位移和建筑物形状同质化影响匹配效果的问题,从分析人在寻找陌生地物时的思维习惯入手,在匹配的过程中引入了空间关系相似性约束,实现了空间关系有序的居民地匹配。最后,以匹配结果为基础,完成了变化信息发现和分类提取。4.实现了基于多角度相似性辨识的相邻尺度居民地匹配和关联关系建立。首先对相邻尺度居民地匹配的特点、面临的困难和当前研究现状进行了分析,通过对典型化对象群的寻找和确认,实现了多对多关系匹配。其次利用空间关系相似性约束实现了匹配对象的位置纠正和粗选。对于粗选中出现的一对多情况在初步筛选的基础上进行合并,然后依次进行形状识别、局部配准和轮廓跟踪,从多个角度对匹配对象进行相似性识别和判定,最后在相邻尺度匹配结果的基础上建立了同名对象间的关联关系。5.提出了增量更新环境下的变化信息动态自适应尺度变换策略,实现了影响域渐进扩展的增量综合。对居民地要素的尺度变换即制图综合方法进行了回顾和分析,通过对比增量综合和批量综合在流程、对象等方面的不同,提出了已有制图综合方法应用于增量综合环境的改进途径。针对更新中比例尺跨度大,算法选择困难的问题,通过建立尺度变换算子库、知识库和案例库,以基于知识和基于案例相结合的方式,对尺度变换算子的动态自适应选择和应用进行了尝试。在此基础上,提出了影响域渐进扩展的增量综合方法,规范了增量综合操作的顺序、影响范围和影响对象。6.实现了更新传递和增量更新质量评估。以相邻尺度同名对象之间的关联关系为支撑,以变化信息自适应尺度变换策略和影响域渐进扩展的增量综合算法为基础,实现了增量信息在尺度间的传递,并结合实例分别对新增、修改和删除操作的更新传递过程进行了系统地分析。基于邻域空间相似性技术,通过更新对象和被更新对象的几何相似性评估,对更新对象自身的一致性进行了检验;通过提取更新对象邻域信息,以未变化对象为依托,完成了更新对象邻域空间关系相似性评估,保证了更新前后数据在空间关系方面的一致性。最后,实现了多尺度居民地要素增量级联更新原型系统并对其主要功能进行了验证。