小班矢量数据是林业资源数据管理中的基础空间数据,确保小班矢量边界拓扑一致性是数据质量的基本要求。如何解决小班边界的拓扑不一致性问题,对林业矢量数据管理和入库等具有重要的理论意义和现实价值。本研究针对目前工作实践中存在的问题,提出了一种自动化的林地边界一致性探查与修复算法,以提高林业空间数据的质量,减少人工数据检查和修复所带来的数据管理成本。本文首先对现有的矢量数据边界不一致性算法进行调研,通过研究发现对于边界不一致的研究主要集中于修复算法方面,对自动修复边界不一致问题尚没有好的解决方案。本文对小班边界不一致性产生的原因进行分析,将小班边界不一致的类型划分为缝隙型、重叠型、相离型、Gap型和混合型,并且对比分析了常用GIS软件在探查以上不一致类型的优缺点,其中Gap型和相离型问题能够探查但并不能很好的可视化表达,为后面的修复处理增加难度。随后,本文提出了针对小班边界不一致性探查和修复算法。在探查研究部分,利用DE-9IM模型对缝隙型和重叠型的不一致问题进行探查,缝隙型算法中采用零缓冲快速合并算法进行小班面合并计算。对相离型和Gap型的探查时采用了搜索圆和DE-9IM模型相结合的方法,最后通过这些方法确定不一致性边界的位置。在修复研究部分,本文将边界不一致的处理分为两种情况,即来自不同图层的小班面所产生的边界不一致和同一图层内部的边界不一致。首先对不一致的边界进行结点数量标准化处理。对于来自不同图层的小班面,本文采用协方差传播律和最小二乘法所推导出的结点捕捉计算公式和误差估计公式进行一致化改正,一致化改正后的新边界空间位置更接近于捕捉前具有较高位置精度的地理边线;对于同一图层的小班面的边界一致化修复,本文首先对图层内小班提取紧度系数和几何中心度这两个先验评价因子,再利用这两个因子进行LOWESS稳健回归建模,从而获得各个小班的图形因子先验得分表,基于该表计算小班边界改正的权重值,利用该权重对边界进行一致化改正。最后,本文利用新昌县的林地小班数据对上述算法进行实验和验证。在小班面合并算法部分,零缓冲Union算法使得图层内的全部小班合并速度降低在1分钟以内,不一致性探查算法实验结果表明本文所采用的方法,效果更为有效,不存在过度探查的问题。不同图层间的不一致性边界修复的结果证明了本文算法的可行性和有效性。对于单图层内的不一致性边界修复,LOWESS回归分析结果显示,新昌县的公益林小班面形状为扁圆,较为规则。利用该结果进行权重计算和不一致性修复也是可行的。通过验证和分析,本文所提出的算法可以有效对小班边界进行探查和修复,方法自动化且高效,具有理论和现实价值。