地理国情普查数据具有精度高、数据量大等一些列特点,尤其是地表覆盖和地物要素斑块,单一县级坡度带斑块数据可达千万级。地理国情统计指标中表面面积计算是利用要素斑块图层与DEM进行叠加,从而在考虑实际地形起伏下沿地球表面累积的面状要素的面积。表面面积计算涉及矢量数据和栅格数据联合计算,可看作计算密集型计算,同时计算需要频繁读取DEM和矢量数据因此又属于数据密集行计算。地理国情统计分析工作要求在短时间内完成全国的基本统计任务,这就对计算效率提出极高的要求。为完成基本统计分析中多项计算密集与数据密集基本统计指标的计算,本文设计与实现了基于地理国情的空间并行计算优化模型。该模型采用TPL线程级并行计算技术与管道并行技术来实现单机并行以及集群混合并行模式。通过进行试验对比发现,多进程计算可以充分利用多核CPU的计算效率,计算时间明显缩短。在上述模型下,本文提出并实现面向地理国情大数据的表面积计算优化算法。本算法采用基于辛普森积分算法的表面面积计算和基于Mongo DB的数据存储方案。通过实例验证,在同一台计算机上该方法比传统串行方法的计算效率提高约20倍。该模型在保证地理国情计算精度的同时大幅提高整体计算速度,有效节省地理国情统计分析计算时间。最后,本文详细介绍了地理国情基本统计软件的实现与优化模型应用。