随着并行计算软硬件环境逐步普及和实用化，并行计算理论方法渐成体系，各领域的应用范例越来越多，这为高性能GIS计算的发展创造了有利条件。因此，研究地理信息系统核心功能“空间分析”的并行化也逐渐成为业内关注的一个焦点。多源高维空间数据的海量化、空间分析模型的复杂化和空间信息表达的实时化等都需要强大的计算能力，并行计算具有将计算能力从单个处理器无缝扩展到无限多个处理器的潜能，主要用来解决数据密集型、网络密集型、计算密集型的应用难题。然而，目前我国高性能GIS发展的软件环境尚不完善，针对这种现状，本文进行并行空间算法研究具有重要的现实意义。　　空间数据分组是很多并行空间算法所共用、常用的方法，分组方法和策略是影响并行算法效率的重要因素之一，探索实用、有效的分组算法，对于提高后续空间数据处理与空间分析的效率具有理论和现实意义。现有的并行空间算法大多借鉴并行图像处理中常用的条带分组、四叉树分组和正交递归分组等，虽然这些分组方法的思路简单，实现较容易，但大多仅适合于数据结构简单、分布和存储较均匀的情况下。因此，对复杂的地理空间数据来说，若能提供一种更灵活的分组的方式，将有效提高并行空间算法的执行效率，并有利于空间算法并行库的建立和完善。基于以上想法，本研究主要完成了以下几方面的工作:　　1、研究了现有并行空间算法中的空间数据分组策略及应用。在对并行处理技术简要了解的基础上，针对典型的空间数据模型特征和常用的空间分析算法类型，讨论各种数据分组策略的适用性和应用特点。　　2、提出了一种基于栅格辅助统计的自适应空间分组方法，常规分组方法实现简单，但常忽略了复杂地理空间数据的分布特征，而该分组基于栅格辅助统计能提高算法效率，同时可灵活地对复杂地理空间数据进行分组。　　3、将自适应分块算法应用到Delaunay三角网的生成算法中，成功的构建了平面离散点集的D-三角网。以自适应分组算法为基础，在分组子块内利用经典的扫描线算法构建Delaunay三角网;为了实现后续子网的无缝合并，本文提出添加分组子块的四个角点参与子块构网，最后通过删除角点、多边形剖分的方法来实现子网的无缝拼接。　　研究表明:①空间数据分组策略的选取不仅与具体的空间算法特征有关，还与空间数据模型的组织和编码、空间数据的分布状态和存储方式有密切的关系，合适的数据分组策略能保证并行计算粒度适中、负载均衡、并行算法的效率得到充分发挥。与常规分组方法相比，在并行空间算法中选用自适应分组，无论是分组后子块的空间形态、负载均衡程度还是分组算法自身效率、还是对后续并行算法效率的提高方面，都更具优势。②以Delaunay三角网的并行生成算法为例，对平面点集进行自适应分组，分组后测试数据表明:与Delaunay三角网的生成相比，自适应分组耗时在整个算法执行过程中，基本不占用计算机时间，可以忽略。相比原扫描线算法，该基于分组的并行算法的总体时间复杂度为O(N/Plg(N／2L))。③在自适应分组的过程中，需注意到分组子块的增多将直接导致通信开销的加大;角点增多、三角剖分耗时增长;这将直接影响到算法整体耗时，因此并行粒度的大小是需要进行不断实验测试来选择的。