随着定位技术和数据存储技术的不断更新迭代,地理空间数据的采集和存储规模日益提高,对大规模地理空间数据进行深入而细致的探索性分析,能够有效发现数据中存在的空间关系、模式与趋势。然而,地理空间数据的规模日益增加,结构日趋复杂,为数据的探索性分析提高难度,特别是在地统计、时空数据挖掘与可视分析领域。散点图,作为常用的地理空间点数据可视化技术,在面对大规模地理空间数据时,通常受到算法复杂度、屏幕分辨率以及散点覆盖等限制,进而致使用户很难有效地从图中洞察隐含的重要特征。因此,实现大规模地理空间数据的简化表达来提升人们对数据的认识和理解,显得极其迫切。采样技术是一种通过减少数据规模来实现高质量简化表达的有效方法,被广泛运用于简化大规模点数据。当前,现有的采样技术旨在保持与数据位置高度相关的空间密度、局部离群点以及符合人眼视觉认知的蓝噪声特性等信息,而忽略了其中存在的与属性数据相关的空间特征信息。属性数据作为地理空间分析的基础组成部分与重要的信息来源,在疾病传播、生态保护等领域发挥了至关重要的作用。因此,传统的采样技术在减少数据规模时没有考虑与数据属性相关的空间特征,例如属性分布、空间自相关等,进而难以实现大规模地理空间数据的高质量简化表达。可视分析作为大数据分析的重要方法,通过融合数据可视化技术与数据分析理论,借助便捷的人机交互式设计和分析方法辅助用户提高数据分析效率与深度,从而帮助用户直观且有效地获取并评估大规模地理空间数据。因此,本研究旨在利用空间分析技术提取大规模地理空间数据的属性特征的基础上,结合当前的采样技术对大规模地理空间数据的高质量简化表达与可视分析展开相关研究。主要创新点如下:第一,本研究提出了一种面向大规模地理空间点数据的基于属性分布保持的简化表达与可视分析技术。在该工作中,我们首先结合直方图与异常值检测方法来获取数据的属性分布。然后,我们设计并实现了一种基于属性分布保持的采样方法。该技术在自适应蓝噪声采样过程中引入优先和回溯准则,使得采样结果在保持数据的空间密度的同时,也维持了数据的原始属性分布。此外,我们设计了多个可视化组件,支持用户交互式评估和在线分析简化结果。最后,集成上述算法模型和可视化接口,我们开发了一套大规模地理空间数据的简化表达与可视分析系统,并通过案例分析和定量评估进一步验证所提方法的有效性与实用性。第二,不同于经典的统计分析方法,地理空间数据的分析由于空间自相关的存在而变得复杂。因此,本研究进一步提出了一种面向大规模地理空间数据空间自相关保持的简化表达与可视分析技术。在该工作中,本文利用空间分析提取每个数据项的空间自相关特征。然后,我们设计并实现一种基于空间自相关保持的采样模型。该方法利用Z-order空间填充曲线将原始地理点划分成一组子集,并基于所提出的两个点选择机制,从每个子集中选择一个代表性点,从而使得采样结果既能保持数据的空间自相关,也能保持数据的空间密度。此外,我们设计歧义可视化组件和在线交互式优化策略,支持用户评估与进一步优化采样结果。最后,集成上述算法模型和可视化接口,我们开发了一套大规模地理空间数据的简化可视分析系统,并通过案例分析和定量评估进一步验证所提方法的有效性与实用性。综上所述,针对大规模地理点数据所具有的属性特征,本研究分别设计了对应采样方法来实现大规模地理数据的简化表达和可视分析,以帮助用户探索与发现大规模地理空间数据中隐含的重要信息。