空间数据的多尺度表达是当今地理信息科学研究的前沿问题之一，而此问题的解决有助于减少人类认知负担，提升地理信息服务质量。鉴于此，本论文从空间数据的采集、加工等多个环节研究了空间数据多尺度表达所需的关键技术。具体工作和主要研究内容如下：　　(1)提出并实现了任意点群序列的智能化遗传构图算法。针对传统的依序采点构建图斑算法缺乏灵活性、工作效率低下，且不能支持协同调查的缺陷，提出“如果连接点群中所有点构建成的某个图斑边界的周长是通过此方法生成的所有图斑中周长最小的图斑，那么此图斑就是任意点群构图问题的一个候选解”的假设，提出并实现了任意点群序列的智能化遗传构图算法。实验验证表明，利用此算法能够克服构建凹多边形时的不确定性问题，提升构图智能化水平。　　(2)研究了基于B样条的矢量线多尺度表达算法。分析了传统矢量线多尺度表达(压缩)算法会造成线“自交”拓扑错误的原因，利用B样条的强凸包性质，提出了3种基于B样条的矢量线数据多尺度表达算法。实验验证表明，相比于传统的矢量线多尺度表达算法，基于B样条的矢量线多尺度表达算法能够更好地维护曲线的拓扑关系及内蕴的光滑特征。　　(3)研究并实现了基于特征的图斑LOD构建技术。研究顾及数据的语义特征、空间结构特征的土地利用数据LOD构建技术，并实现相关算法。实验结果表明，本技术在保持了不同尺度下图斑的空间结构特征的同时，解决了相邻面状数据压缩时会产生“裂隙”的不确定性问题。　　(4)构建了网络协同构建图斑模型。针对在我国国土资源数字化管理水平不断提高的环境下，为进一步加强我国政府对土地监管的力度，依托工程实践提出并实现了网络协同构建图斑模型及系统原型。