大数据的时代背景下,对地理时空数据的存储和索引要求越来越高。时空数据建模是时态GIS进行合理、有效地表达现实世界中空间实体时空变化及组织其时空关系的基础,近年来是GIS数据建模领域研究的前沿问题。数据的组织形式与存储方法制约了对多维地理数据特征挖掘和分析,而目前国内外学者专家的研究主要集中在对多维时空特性的地理特征模型框架的时间、空间和属性三个维度,缺少对事件维度的描述。但基于事件的地理数据模型在历史回溯和未来预测上存在一定的局限性,不能描述事件发生前后地理实体之间的因果关系以及地理现象变化的历史原因和未来发展趋势。因此,本文从面向对象的思想出发,首先设计由简单对象组合而成的复杂对象的多粒度表达,在分析现有的基于事件的模型和行为认知与事件之间的逻辑关系上,设计基于行为—事件的地理时空数据模型。同时利用MongoDB文档存储的特性,设计MongoDB非关系型数据库存储该地理时空数据模型,实现对数据的有效管理和分析。对以下几个方面进行了研究:(1)分析语义粒度、时间粒度和空间粒度三个地理信息基本粒度,在其基础上进行了由简单对象到复杂对象的多粒度组织与表达式的描述,探讨了其度量、方位与时空拓扑的关系,为基于行为—事件的地理时空数据模型提供了的理论支撑。(2)分析事件与时间的属性关系,对地理实体行为认知与事件的层次关系,从时空认知角度出发,探讨行为认知在时间轴上具有连续性,并设计基于行为—事件的地理时空数据概念模型,表示概念模型中的类与类之间在逻辑上的关~i系。该模型将一个行为认知看作是多个事件组合,事件的属性以及空间信息在时间轴上连续,并以此设计“时间、空间、属性、事件”维度的B-E地理模型。(3)研究“无模式”的MongoDB数据库分片集群机制,在B-E地理数据模型的基础上,设计基于MongoDB的地理时空数据模型和基于GridFS的存储过程,并且针对地理数据的海量迁移,改进数据均衡算法;在原有的R树索引上结合Hilbert曲线,提高MongoDB的索引效率。本文从地理对象行为认知、事件语义角度出发,通过构建基于行为—事件的时空数据模型,描述了地理时空对象发生变化的前后因果关系,依据变化原因和变化趋势对地理现象的未来进行预测,采用面向对象的思想组织时间、空间、属性和事件信息,并且结合MongoDB的数据库存储规范,改进数据均衡和索引方式,满足时空大数据在数据存储、处理和挖掘上的要求。