地籍数据管理是国土管理的重要组成部分,从管理方式看,地籍数据管理可分为传统地籍管理和数字地籍管理。传统地籍管理的对象通常为静态的纸质或扫描的图件或手写记录,难以针对单个宗地进行自动查询和变化追踪;而数字地籍管理利用信息化技术,以单个宗地为管理单元,可更加高效地实现数据管理和查询。显然,数字地籍管理是未来地籍管理的发展方向。经过系统的文献整理和实际调研后,发现以下问题（1）从全球视野看,众多国家或地区的地籍管理仍然使用传统地籍管理方式（如坦桑尼亚、肯尼亚、乌干达和赞比亚等）,而转向数字地籍管理的挑战之一在于缺乏高效的历史及现时地籍数据的数字化手段,无法快速将大量静态图件或记录转化成以宗地为空间单元的数字化对象;（2）当前数字地籍管理更加偏重于现时数据的存储、查询及可视化,如三维实景地籍数据管理系统,然而,对于宗地属性（范围、权属、用地类型等）的历史变化追踪尚显不足,限制了数字地籍数据管理的应用场景,而解决这一问题的关键在于其背后的时间地理信息系统模型的发展。针对上述两项挑战,本文提出了一种改进地籍管理系统的新方法,其包括一套基于深度学习的传统纸质地籍数据自动数字化方法以及一个充分考虑宗地属性变化时态特征的时间地理信息系统模型,并使用来自坦桑尼亚的地籍数据,验证了该方法的有效性。本文所提出的传统地籍数据数字化方法主要由四个步骤组成。针对传统扫描后的纸质地图图件,第一步是剔除不包含宗地信息的无效区域,同时提取图件注册信息,如图号和名称等。第二步分别使用L-CNN和ResNet-50两个深度神经网络,分别从地籍图中检测宗地的边界线段及其数字标签。其中,L-CNN与ResNet-50各自采用了 968个和106,000个样本进行训练及验证。第三步,结合L-CNN检测到的结果,对边界线段进行拓扑检查和修正。最后,去除地籍宗地的冗余节点,并利用自动匹配算法实现宗地地块与其标签属性的关联,同时将图号和名称嵌入至宗地标签中。本文所设计的时间地理信息系统模型由采用了漏斗数据结构的土地管理领域模型（Land Administration Domain Model,LADM）扩展而来,并在此基础上,充分考虑地籍管理的时间特性,提出了决策时间、生效时间和交易时间三种时间结构体,用以管理宗地在地块分割过程中的详细信息变化。宗地变化类型被定义成两种:（1）已有宗地地块随时间的属性改变;（2）在基态无父宗地存在的新宗地地块出现。宗地数据的存储由三个相互独立的子数据库构成,第一个子数据库存储现存的活跃地籍宗地,其采用基态修正（Base State with Amendment,BSA）模型管理;第二个子数据库存储历史存在的非活跃地籍宗地（也称为父宗地）,以及它们与子宗地的关系,其中,地籍宗地的父子关系使用时空复合（Space-Time-Composite,STC）模型创建;最后一个子数据库存储所有非空间数据,即土地利用类型信息和宗地所有者信息。上述三个子数据库及其时间结构体在一个统一的空间关系型数据库中被有效的组织起来,并实现彼此的交互。本研究通过493幅地籍图（包含55172块宗地）来验证上述所提出的方法和模型的有效性。针对所提出的数字化方法,实验结果显示,基于L-CNN的宗地边界数字化正确率达到94.45%,而基于ResNet-50的宗地标签数字化正确率达到75.6%。为验证所提出的时间地理信息系统模型,研究选择了上述数字化结果中的2000宗地块,从原始地籍图中获知了其土地利用信息,利用随机数据生成器Mockaroo构造了其土地所有者信息,同时模拟了上述宗地在四个时相上的变化。所有这些数据依照所提出的时间地理信息系统模型被存储于PostgreSQL数据库中。研究设计了四种时空查询用来验证所提出模型的有效性。第一种查询旨在了解给定时段（如六个月）内新交易宗地的变化;第二种查询旨在发现未开发宗地随时间演变而发生的变化;第三种查询旨在重现任意历史时刻的宗地状态;第四种查询旨在跟踪多代宗地变化特征。结果显示,上述查询均可在所提出模型支撑下高效完成。以上针对自动数字化方法和时间地理信息系统模型的实验证实了本文所提出改进传统地籍数据管理方法的有效性。本研究的主要贡献在于提出了一个改进地籍数据管理的新方法,尤其适用于仍在使用纸质地籍系统的国家,具体如下:1.提出了一种新的自动数字化方法,通过深度学习技术加速传统纸质地籍数据的数字化,其利用深度学习方法实现了对地籍平面图中的宗地边界及标签进行自动检测和识别,该方法可扩展应用于其它领域的众多相关任务。2.提出了一种新的时间地理信息系统模型,该模型具有多时间属性结构和语义抽象。它扩充了已有模型。利用该模型,可以帮助现有地籍数据管理系统更加高效和准确地跟踪地籍宗地的历史变化和现实特征。