地理空间数据是人类社会与经济发展中一切带有地理空间坐标的数据，是地理实体空间特征和属性特征的数字描述，包含了地理实体几何定位、属性语义和空间关系等信息^[1]。近年来，随着地理空间数据获取与处理技术的迅猛发展，地理空间数据数量呈现日益增长的趋势。多源地理空间数据的多时相、多尺度、异质、异构等特征也使得多源地理空间数据之间常常存在着矛盾和问题，具体表现为地理实体的几何特征、属性特征和空间关系特征在多源地理空间数据中存在着不一致，产生的主要原因有：

(1) 地理空间数据获取的方式、类型和时间不同，使地理空间数据在数据形式、内容、现势性等方面有很大差别，表现在数据的表达方式、几何位置、尺度、时相和形状等方面存在矛盾和不一致；再加上受地表变化快慢不一及生产方式、作业经费和生产周期等方面的限制，地理空间数据的获取、处理和更新难以达到高效、持续、动态、准确和一致的要求。地理空间数据的丰富多样、时相不一和内容详略不同给数据共享和应用往往带来一定的困难。

(2) 不同部门和单位在地理空间数据生产、更新时采用地理信息标准不同，也会使地理空间数据的形式和内容存在一定的差异性。相关部门和单位根据各自需要，制定了自己的地理信息标准，执行不同的数据处理要求，这样就会造成地理空间数据的数据模型、数据分类体系和数据存储格式存在差异，使得地理空间数据在不同部门和单位之间共享出现困难。

(3) 地理空间数据生产更新过程中作业方式方法不同、作业要求不同及操作时的误差也会引起多源地理空间数据之间的矛盾和问题，产生的原因体现在作业资料、作业软件、作业方式、作业流程和作业要求等多个方面。另外随着比例尺的缩小，多源地理空间数据要进行制图综合，制图综合过程对地理要素和实体所进行的取舍、化简、概括、合并、移位、夸大等操作，势必将改变要素和实体几何特征、属性特征和空间关系特征，尺度越小这种变化将更加明显。

多源地理空间数据一致性处理就是要科学合理地解决地理要素和实体在多源数据中的不一致性，通常从几何一致性处理、语义一致性处理、空间关系一致性处理3个方面入手，最终得到符合一致性要求的、更新、更合理、更可靠、更实用的地理空间数据。具体处理流程如图 1所示。

本文从几何一致性处理、语义一致性处理、关系一致性处理3个方面分析多源地理空间数据一致性处理的基本内容、研究思路、相关方法，并结合理论和技术的发展现状，对其面临的挑战及可能的应对方案做出分析，最后对其发展做出展望。

1 几何一致性处理

多源地理空间数据要素和实体的几何特征主要表现为其位置和形状。一方面地理实体本身在不同时间下具有不一致的空间表现；另一方面地理实体在抽象为地理数据过程中的实体抽象和信息重构会带来要素空间的移位，因此多源地理信息数据不可避免地存在空间上的几何不一致。几何一致性处理就是要解决和消除多源地理空间数据中同名要素和实体几何特征的差异，包括外在形式的几何一致性处理和内在形式的几何一致性处理两方面，如图 2所示。其中，外在形式的几何一致性处理属于数据在表面上的对齐和位置上的对准；内在形式的几何一致性处理则重点解决多源地理空间数据中同名实体的位置修改和形状调整。进行几何一致性处理的基本思路是先进行外在形式的几何一致性处理，对地理空间数据进行集成对准后再进行内在形式的几何一致性处理，以得到空间定位上更可靠、形状更一致的地理空间数据。

1.1 外在形式几何一致性处理

地理空间数据外在形式几何一致性处理包括数据格式转换、大地坐标系转换、地图投影变换、高程基准统一以及点位配准等，核心内容是数据格式一致和数学基础一致，目的是对不同来源、不同格式、不同数学基础的多源地理空间数据进行形式和位置上的统一。目前上述内容国内外研究较多，且较为成熟^[2]，如用于坐标系转换的三参数转换模型和七参数转换模型、用于地图投影变换的解析变换法和数值变换法^[3]、基于全局^[4-6]和基于局部^[7-9]的空间配准方法等。

经数据格式转换、坐标系转换和投影变换等处理后，多源地理空间数据实现了形式上的统一和数学基础的一致，为内在形式一致性处理奠定了坚实基础，同时也为地理空间数据的互操作和共享^[10]创造了条件。然而由于外在形式转换并没有涉及单个要素实体位置修改和形状调整，故同一要素实体仍然可能存在空间上、逻辑上的几何不一致，因此需要进一步对多源数据进行内在表达上的几何一致性处理。

1.2 内在表达几何一致性处理

内在表达几何不一致表现为同名要素和实体在多源地理空间数据中形态不一致，可进一步划分为“横向”形态不一致和“纵向”形态不一致。其中，“横向”形态不一致指同比例尺情况下，地理空间数据由于来源不同或数据库版本差异引起的要素几何位置不一致和形状不一致；“纵向”形态不一致指跨比例尺情况下，由于尺度变换、制图综合引起的要素表达形式不一致，也主要表现在几何位置不一致和形状不一致两个方面。针对以上两种情况，内在表达几何一致性处理通常有同名要素和实体匹配与冲突检测、几何位置与形状一致性处理两个过程。由于实际生产情况复杂多样，产生了适用于不同情况、解决不同问题的相关算法。

1.2.1 同尺度内在表达几何一致性处理

同尺度的几何一致性处理主要任务是解决数据几何表达差异，依产生的原因分为两种处理方法：一是可靠性较高的新的多源地理空间数据与原有地理空间数据的不一致，通过数据更新、位移、形状修改等方式实现数据的增量更新；二是由于数据来源可靠性不一及多源数据异质性引起的多版本数据几何不一致，需要首先对多源地理空间数据质量进行可靠性和可用性评价，再通过数据合并、融合和编辑等方式消除差异。

当新获取、新收集的多源地理空间数据资料可靠性较高时，如经纠正的遥感影像、最新发行的地图集和国家基础地理信息平台上发布的地理信息数据等，能够直接用于更新已有版本的地理空间数据，表现为新增要素的补充和变化要素的修改。此时对矢量数据进行一致性处理的方法分为两种：一种是利用现势性好的矢量数据或专题数据更新原有矢量要素几何形态与定位信息^[11-12]；另一种从图像解译角度出发，以已有矢量数据为先验知识，设计算法对图像中增量区域进行识别和定位，随着计算机性能增长，深度学习方法成为学者的研究热点^[13]。多种实现算法的差异主要体现在基本检测单元选择和一致性描述规则的设计上，基本检测单元可分为要素实体和几何剖分单元等，一致性描述规则分为基于全局度量参数^[14-16]、局部度量参数^[17-19]和拓扑模型^[20-24]的规则。

而当多源地理空间数据资料可靠性不一时，先进行数据分析和质量评估，再进行几何一致性处理。当使用互联网众源数据时，通常存在区域异质性和精度质量低等情况，贡献者数量、区域发展程度、质量控制方式等因素^[25-27]都会对其数据质量产生影响，可通过对数据来源、要素图面表现类型、要素共现关系^[28-31]等进行分析和融合处理去伪存真。针对数据特殊情形，如海量粗糙定位数据^[32]等，应结合人地关系特征和要素之间合理性判断规则等技术进行处理。

1.2.2 跨尺度内在表达几何一致性处理

跨尺度内在表达几何不一致由尺度变换引起，主要表现形式有两种：一是要素形式的不一致，即比例尺缩小后要素在图面载负量和视觉清晰度限制下的消失或降维；二是要素形态的不一致，即由于制图综合引起的要素形变。上述问题的主要解决方法是：对于点要素多尺度表达主要是对点的选取，对于线要素多尺度表达主要是选取、化简、位移等，对于面要素多尺度表达主要是选取、化简、合并、位移等。

在解决跨尺度表达几何一致性问题时，常用的思路和方法有两种：一是将多尺度表达看作连续化简的问题，即从要素形态的数学函数表达方法入手，多层次提取、抽象、描述要素形态，实现要素在函数参数约束下的多尺度表达，其中小波变换、分形理论、傅里叶分解等都是常用的数学表达函数^[33-34]，针对面要素闭合环的特点，可考虑构建中间参数或目标降维等^[35]，通过转换实现化简；二是建立要素多层次表达，分析地图要素在多尺度地图中形态的变化规律，从全局-局部、高层次-低层次等角度全方位构建地图要素的描述特征^[36-40]，以保持多尺度空间几何表达相似性基础上的一致性，如面目标凹口比例、凸壳周长相对增量及最小外包圆面积相对增量等几何特性^[41-43]，面群目标密度、聚集度、拓扑关联等邻域特性^[44-46]。随着机器学习、知识工程等智能技术的发展，近年也出现了很多智能学习的算法、模型，如将多尺度变化规律抽象为知识，构建知识库或专家系统以实现要素多尺度表达^[47]。也有学者使用图卷积方法计算要素特征点空间特征，进而在超参数的控制下达到较好的处理效果^[48]。但目前的研究多见于理论和方法层面，还不够成熟，且方法存在依赖试验数据和区域特征、普适性不够强的问题，仍需深度理解多尺度表达的内在机理，进而更好地设计智能学习算法。另外，面要素在尺度变化过程中其维度变化、形态变化情况更为复杂，目前研究相对欠缺，仍需基于地理规律和视觉认知深层次理解冲突机制。

2 语义一致性处理

当前，出于不同构建需求和应用目的，各行各业对地理现象理解的出发点、描述方法不尽相同，不可避免地造成多源地理空间数据存在语义不一致，这种不一致体现在多源地理空间数据的概念模型、逻辑模型、物理模型的差异，也反映了人们对地理空间认知的差异。依照语义粒度将语义一致性处理划分为地理要素类、地理实体、属性特征项3个层次，在此基础上构建不同层次的语义关联和转换机制。

2.1 地理要素类的语义一致性处理

地理要素类的语义不一致主要由地理空间数据要素分类不同造成的，一方面表现为命名方式不同造成的地理类别名称差异，另一方面表现为由于地理概念差异造成的地理类别划分差异^[49]。地理要素类的语义一致性处理主要解决由地理概念认知差异引起的语义鸿沟问题，即如何统一对地理概念分类的认知，重点是要建立不同地理类别概念的语义映射关系。

早期传统方法多基于专家经验或知识，人工构建要素类的转换规则，此类方法虽然较为可靠稳定，但对专家能力要求较高，且难以处理大规模跨领域情况，不适合数据密集型范式下的数据处理要求。因而现阶段主要采用以下两种思路和方法：一是针对地理类别名称差异，直接以要素类别或描述的文本为对象，基于本文相似性衡量方法建立映射关系；二是针对类别划分差异，基于类别概念本体构建形式化的知识表达模型，而后量化类别概念间相似性。对于前者，实质上是对文本的拆解和相似性度量，可借助自然语言处理技术实现目的，有学者直接从要素类别名称或定义描述知识入手，建立一种基于其字面相似度的地理信息分类映射转换方法^[50-53]，此外也有学者将类别语义映射至向量空间，从而在向量空间衡量语义向量相似性^[54]，但是此类方法并没有真正做到充分拆解概念内涵，因此仍然具有一定的局限性。于是有学者在第2种思路和方法的基础上，对地理信息本体建模并对知识形式化表达，通过本体匹配以实现地理本体的统一和转换，有基于应用图论和图神经网络等方法度量语义相似度^[55-57]；还有基于特征向量相似性的、使用权重概念格、粗糙集、矢量空间模型等方法度量概念相似性^[58]；以及从信息熵的角度出发，把概念的比较转换为信息量的比较^[59-60]进而实现本体匹配。目前地理本体的研究逐渐成为热点，基于知识表示、知识推理的方法也逐渐呈现出较大的潜力。

2.2 地理实体的语义一致性处理

地理实体语义不一致表现为同名实体在多源地理空间数据中的要素编码不一致。地理要素类分级差异和编码方式差异是造成同名实体编码不一致的主要原因，本质上要解决地理要素分级不一致的问题。分级是对同一类组对象按某方面量上的差别进行区分^[8]，不同行业数据生产中关心的应用领域知识不同，故产生不同分级和编码方式，一要解决同名实体匹配问题，二要解决编码语义转换的问题。

同名实体匹配理想方法是基于实体语义，学者相继提出了属性相似性计算和语义匹配方法，如基于多语义特征约束的匹配方法^[58]、基于本体的同名实体匹配方法^[10]及语义增强的地理信息服务匹配算法^[61]等。由于数据质量不一、语义歧义等问题，单独的基于属性的匹配方法难以得到较为理想的效果，因此往往使用基于几何或者混合的方法进行同名实体匹配。要解决编码转换问题，转换过程中，往往出现编码一对一、一对多、多对一等复杂情况。目前常见的分级方法主要有线分级法、面分级法和混合分级法。线分级法具有明显层次性、逻辑性，但是结构一经确定难以修改；面分级法依据对象固有属性划分为互不交叉的多个面，虽然便于修改但易产生冗余；混合分级法则考虑到客观事物复杂性，在要素编码中使用较少。在分级方式影响下，不同数据也有不同的编码方式，可基于属性信息、要素相互关联^[62-63]分析不同编码体系的内在一致性，设计编码转换规则，如有学者基于外部控制表的语义转换方法，解决了同一存储格式下不同语义编码的数据转换问题，如图 3所示。随着知识工程领域发展，基于实体的语义推理和关系识别^[64-65]方法也逐渐展现优势。

2.3 属性特征项的语义一致性处理

由于地理空间数据面向不同应用背景，故属性特征项的组成不一致、描述不一致、存储结构不一致。组成不一致是不同数据集面向不同需求，使得采集的属性信息类型、精度不同；描述不一致是各行业对同一问题的理解认识不同，使得属性项的定义不一致；存储结构不一致是不同数据模型采用不同的数据存储类型、不同的精度标准。若使用属性项并集融合多源地理空间数据属性信息，将直接导致多源地理空间数据属性项冗余、属性项缺失、属性类型不一等问题。

因此，属性特征项的语义一致性处理要解决两个问题，一是属性语义消歧，二是属性数据一致性表达。对于属性语义消歧，要解决由认知和应用差异引起的属性项差异，为新数据集构建新的属性项并进行属性语义转换。通常在分析属性项含义的基础上匹配属性项，再通过转换规则或映射关系实现属性语义一致性处理。如文献[58]基于数据属性和数据特征制定产生式规则，对属性转换规则设计了模板化表达方法，文献[66—67]设计了程序控制的转换方法。基于规则的方法虽然更为灵活，但是对程序依赖较大，稳定性不够高。因此实践中通常构建外部文件进行属性字段的映射，如文献[68—69]使用外部属性转换控制表进行语义转换，使得转换过程脱离了对程序的依赖。对于属性数据一致性表达，主要是解决由数据模型差异引起的数据含义和存储类型差异，本质上是属性信息重构的问题，主要手段是属性字段的替换、更新和属性取值的统一^[70]，如强制转换字符型为整数型、统一小数位、标准化属性值区间等。

但是在面向基础地理空间数据生成更新的实际应用当中，情况则往往更为复杂多样，需要应对和处理的问题往往更加复杂，如属性缺失严重、区域异质性较大、虚假数据等^[70]，有时要混合使用多种属性一致性处理方法，进而达到较为理想的结果。

3 关系一致性处理

空间关系一致性处理旨在解决多源地理空间数据融合后数据集内部存在的关系不一致和逻辑不一致问题，主要表现为单要素实体之间的拓扑冲突和多要素实体之间的逻辑冲突，其中单要素的关系一致性处理主要关注空间拓扑结构的探测和消歧问题，多要素的关系一致性处理主要关注多要素的协同问题，关系一致性处理研究内容包括要素实体之间关联约束关系的描述、探测和处理方法，使得地理实体之间的空间结构关系符合逻辑，如图 4所示。

3.1 基于单要素拓扑冲突的关系一致性处理

单要素拓扑关系不一致性探测与关系一致性处理旨在发现不同尺度矢量地理空间数据同类要素中不同实体拓扑表达的矛盾和冲突，进而消除拓扑关系冲突、维护要素实体间空间关系的合理性。按照要素实体形态可将其归纳为点目标拓扑一致性处理、线目标拓扑一致性处理、面目标拓扑一致性处理。线要素拓扑冲突主要解决线要素不连续、相互交叉等问题，其一致性处理的方法有移位、局部变形、删除等。面要素拓扑冲突主要解决面要素之间的互相压盖问题，通常以局部空间为约束，对面要素个体进行移位。

单要素拓扑冲突的关系一致性处理主要由确定处理单元和设定约束条件微调要素两步组成。线要素通常以特征点、Delaunay三角网、道路stroke、CDT骨架线等作为处理单元，面要素常以空间剖分Voronoi图^[71-73]作为处理单元。相关研究较为丰富，现有方法基本可分为两大类：基于规则的移位算法和基于优化的移位算法。前者通常一步到位，而后者需要迭代运算以逼近最佳结果。基于规则的方法先总结冲突表现和规律，再消解冲突，如构建拓扑冲突规则^[74-75]进而制定相应规则解决冲突，如基于规则的冲突消解^[76-77]等，但此类方法只能处理已有情况，应对复杂情况能力有限。而基于优化的算法则更为灵活，其通过目标函数驱动优化方程达到最优的结果，常用的目标函数有能量函数^[78-80]、弹性力学函数^[81]等，优化方程的选择会影响函数的收敛速度和运算效率，常用的有渐进式优化算法^[82-83]、遗传算法及衍生方法^[84-87]、粒子群算法^[88]等。近期深度学习算法^[48]也成为学者尝试和研究的热点，一方面可以将矢量转换至栅格图像空间，使用经典图像处理网络解决要素冲突；另一方面则直接对矢量要素建模，使用图卷积神经网络解决冲突。虽然目前基于深度学习方法尚未完全达到理想的效果，但其作为一种数据驱动型的算法，既可以从大量样本案例库中提取专家知识，进行知识表达和推理，又可以借助强大算力求解优化问题，在未来将会有巨大潜力。

3.2 基于多要素协同关联的关系一致性处理

相比于单要素的关系一致性处理，多要素协同的一致性处理近年才逐渐成为热点。多要素协同是将多个地理对象统一处理，通过协同考虑、总体控制，确保综合后各要素间仍保持空间关系与属性联系的一致性^[89]，多通过固定参考要素移动目标要素或协同移动多要素的方式保持多要素的逻辑一致性。依据对多要素的建模方法可将方法分为基于约束规则的方法、基于多智能体的方法、基于连续空间优化求解的方法。

基于约束规则的方法是将多要素的空间关系和逻辑关联抽象为一定的规则，进而在参考要素约束下对目标要素的编辑处理。约束规则与相关要素特征密切相关，如基于建筑区域密集程度的多层次位移处理规则^[90]，基于弯曲控制、网眼控制的道路与其他要素位移规则^[91-92]，针对点注记配置的探测规则^[93]，以距离、角度和面积作为约束条件下的建筑物移位规则^[94-96]。基于连续空间优化求解的方法是将要素位移看作求最优解的过程，通过建立可量化的数学模型，不断迭代逼近要素最优目标，依据优化空间范围可将方法分为全局最优和局部最优^[96]两大类。固定参考要素移动目标要素的情况则为单目标求解问题，若协同优化多要素则情况更为复杂，需要设计更复杂的多变量优化函数。基于多智能体的方法是将多要素实体看作具有一定推理和行为能力的智能体，通过对智能体知识、行为、环境、交互等信息建模和表达，使得要素实体实施一定空间行为，难点是对目标函数的设计和对智能体行为属性的设计，如有学者初步尝试将智能体模型运用到制图综合^[97]，随后，多位学者展开对多智能体^[98]、智能体交互规则的研究^[99]，并在制图综合中初步体现出智能体方法的优势，但该方法也存在难度较大、设计烦琐等问题，有学者针对复杂情况对方法进一步完善^[100-101]，但是方法距离理想结果仍然有一定的距离。

总体来说，现有单要素冲突算法研究较多，但是算法较孤立，未能系统化、整体化对空间冲突机理进行分析；多要素协同问题研究仍然不够透彻，对协同的内在机理、协同关联方式、协同强度等问题研究仍然不足。空间冲突作为一个系统性、整体性的问题，需要多层次、多尺度的协同冲突处理方法解决。

4 多源地理空间数据一致性处理面临的挑战

一致性处理技术是多源地理空间数据融合过程中的重要环节与关键技术之一。随着多源地理空间数据不断丰富，地理空间数据协同应用逐渐深入，对多源地理空间数据一致性处理提出了新的要求，也面临着一系列新的挑战。

(1) 理论研究需要进一步深入。目前针对地理空间数据融合虽然已有较多研究，也形成了很多研究成果，但理论体系不够坚实，仍需开展全面系统的深入研究。要加强对新的地理空间数据模型和地理本体的研究，使其能有效表达现实世界的等级结构和地理实体的不同特征，适应地理空间数据存储和多样化应用要求。要加强对元数据的研究和应用，充分利用元数据相关信息加速地理空间数据一致性处理问题的解决。目前很多算法都是针对数据处理具体环节进行设计和优化完善，没有从整个地理信息数据生产流程角度出发去研究问题，缺乏整体性和系统性，整个过程缺乏有效的控制，要加强各个部分之间的联系和配合，多从整体和全局的角度去研究问题，形成多源地理空间数据一致性处理理论体系和方法。另外，现有算法大都针对异源同构数据，面向异构数据的研究较少。要深入理解地理空间数据特征、多源地理空间数据协同应用特点，设计更合理的、系统的、全过程控制的算法。同时，由于各行业使用不同的地理信息标准，采用不同的地理信息生产流程，遵循不同的地理信息采集要求，并且没有统一的过程控制和误差控制机制，故地理信息数据质量不一，这为地理空间数据协同应用带来了较大的困难和挑战。要进一步统一各行业地理信息标准，规范生产作业流程和要求，提升数据质量和标准性，减小多源地理空间数据共享协同的难度。地理空间数据一致性处理理论要结合多种实际应用，完善方法，改进算法，使数据一致性处理过程更加精准、实用和高效，在属性一致性和关系一致性处理中更加有所作为。要进一步总结有关经验、方法和规律，发挥机器计算优势，提高工作效率。

(2) 数据处理技术手段进一步向自动化、智能化方向发展。随着智能化时代来临，多源地理空间数据融合处理由技术密集型向数据密集型、知识密集型转变，这使得研究对象、研究思路、研究方法都发生相应变化。以往人们对地理信息几何特征研究较多，近年逐渐关注地理空间数据语义信息、关系信息。目前对多要素协同机理、多要素冲突处理方法的研究仍然不够完善，模型较少从多要素协同内在机理深入理解问题，并且少有考虑尺度变化情况下的多要素协同方式。当前多源地理信息数据特征更加多样、语义更加丰富、关系更加复杂，需要进一步理解分析多源地理空间数据在几何、语义、关系的相互联系和内在规律，解决复杂情况，提升算法自动化程度。新的数据处理技术使得地理空间一致性处理技术更加实用，数据分析技术有助于多源地理空间数据在几何位置和形状以及属性上实现更深层次的相互印证、相互补充和相互关联。另外，在数据处理智能化方面，也有不少学者将智能化方法引入地理信息数据融合处理过程中，挖掘了计算机领域较为成熟的智能化算法在地理信息领域的潜能，数据处理正在朝着智能化趋势不断发展，这要求研究者充分理解地理信息内在规律和智能算法内在机理，才能深入结合两者，推进地理信息数据处理进一步向智能化发展。

(3) 地理空间数据一致性处理要更加关注尺度变化的研究。尺度变化势必要对地理要素和实体进行选取和形状上的化简与概括，会带来数据内容多少和详细程度的变化，此时进行地理空间数据一致性处理时，既要认真研究空间数据在尺度变化时引起的要素和实体几何位置与形状的变化，研究其几何差异性，形成合理的判定标准和与之对应的处理方法，又要研究具有不同尺度地理空间数据中属性信息(描述空间实体的属性信息可能采用不同的详细程度)一致性的处理方法，要认真研究和解决以下两个方面的问题：一是当地理空间数据的尺度发生变化后，就有可能需要对原有的某些属性信息进行聚类、归并和重新修改填补；二是当多个地理空间数据集的尺度基本一致，而属性信息的详细程度不一致时，就需要通过几何匹配和属性匹配技术找到同名实体，然后进行属性信息的一致性处理。通过多源地理空间数据行之有效的几何一致性处理、属性一致性处理以及尺度变化处理研究，检测多源地理空间数据的局部变化，有效实现地理空间空间数据的持续和快速更新。

5 结束语

多尺度地理空间数据之间的一致性对国民经济发展和国防建设有着重要意义，同时新时代智能化测绘、多源地理空间数据协同等的逐渐深入也对多源地理信息数据一致性处理技术提出了迫切需求和新的挑战。

“互联网+”和大数据时代的到来，爆炸式增长的海量多源多尺度地理空间数据之间的一致性问题给地理空间数据协同应用带来了新挑战。无论是多源多尺度地理空间数据集成与融合、地图要素变化检测与更新，还是多尺度地理空间数据的深层次应用都需要一致性处理技术作支撑。一致性处理技术在目前研究的基础上，也随着时代的发展而发展，呈现出自动化、智能化的趋势。同时，地理信息数据处理技术也在与其他领域不断融合发展，推动各个行业数据向共享性更强、知识服务能力更好、更加标准可靠的方向迈进，充分提升了多源地理信息数据的使用价值。