中国开展了三次全国国土调查、一次地理国情普查以及持续的监测，形成了规模宏大、多时相、覆盖全国的自然资源数据库，采用“微观数值化分析、宏观多尺度表达”两种技术路径，科学支撑中国生态文明建设。地情专题地图是自然资源专题空间铺盖与重要地形要素内容混搭的宏观多尺度表达，是中国国土空间规划和自然资源开发、利用、保护及修复不可或缺、基础性的空间支撑。
　　高效实现微观大尺度数据到宏观多尺度表达，核心在于地图自动综合。国内外专家学者、研究机构，几十年来坚持不懈致力于这方面的研究，已经在地形图单一要素或多要素的综合、质量评价，以及人机交互式地形图缩编系统等研究方面取得了较大进展。与上述地形图相比，地情专题地图自动综合，类型内容更为多样，涉及语义丰富、空间结构迥异的专题空间铺盖；数据体量更为庞大，大多以县、市、省乃至全国为单位的覆盖范围；尺度跨度更为跳跃，从1:1万～1:100万数据的多尺度表达。因此，其难度更大、复杂性更高、挑战性更强。
　　地情专题图斑是地情专题地图的重要组成部分，其综合质量直接影响地情专题地图的综合效果。现有专题图斑综合研究中提出了融解、兼并、毗邻化、化简等多种综合算子，但在实际地情专题图斑数据中，图斑个体形态多样、群组空间格局复杂多变，如何根据不同地类图斑形态与格局选择对应的综合算子一直受到专家学者的广泛关注；此外，相较于地形图综合，复杂多样、空间结构迥异的地情专题图斑，受地理环境差异影响，其自动综合不仅要考虑地形图涉及的地物几何、拓扑、方向、度量等空间尺度上的约束，更要考虑其特有的地物空间分布结构、语义与统计意义上的地类面积平衡等约束，现有方法仍不完备，亟需优化。为此，针对地情专题图斑空间格局理解与保持两方面存在的局限，首先研究空间格局理解的机器学习算法，自动化识别图幅内的典型图斑，然后分别研究保持不同空间格局图斑的自动化综合处理方法，取得了四项主要创新：
　　（1）构建一种基于神经网络决策树的图斑自动识别方法
　　针对传统综合算法中地物特征识别依赖人工干预，本文利用决策树的高效性以及神经网络的自适应特征，研究以神经网络为基础的地情专题图斑空间格局理解方法，减少典型图斑（规则图斑、聚集图斑、狭长图斑和小图斑）识别的人工干预，并有助于提高图斑分类的效率、准度及自动化水平，为后续针对不同类别图斑的综合处理奠定基础。
　　（2）提出一种保持结构化地物轮廓特征的图斑合并方法
　　现有合并方法较好地保持了图斑自身的自然形态，有效顾及了地类面积变化量的总和达到最小，但是这些方法为了维持数据的全覆盖、无重叠特性，其合并大多从全局出发，将各个地类统一考虑，较少顾及在空间分布上具有内在规律性的地物特征，如建筑物、坑塘等。合并过程中，改变了这些具有特殊空间结构的地物边界，导致空间结构特征部分或全部丢失。本文在现有研究的基础上，以保持空间分布规律为前提，提出一种保持结构化地物轮廓特征的图斑合并方法，在直线模式、格网模式、毗邻区等结构化地物识别基础上，通过镶嵌以及边界轮廓还原技术，在保持地类面积平衡基础上，同时实现图斑结构化特征保持。
　　（3）提出一种顾及几何结构特征的狭长图斑融解方法
　　狭长图斑分裂线提取是地情专题图斑数据综合中的关键和难点。本文针对已有方法在处理具有不规则形状或复杂分支汇聚结构特征的狭长图斑时，存在提取结构特征不准确、拓扑错误的不足，本文基于Delaunay三角网提出了一种顾及结构特征的狭长图斑分裂线提取方法。在利用第三类三角形识别A、B、C三类分支汇聚区基础上，通过考虑方向一致性与距离要素，对骨架线上存在的形状抖动、拓扑不一致等问题进行调整。本文方法提取的分裂线结果兼顾自然光滑的几何特征、符合视觉认知的结构特征以及拓扑特征。
　　（4）提出一种兼顾局部最优与整体面积平衡的小图斑融合方法
　　小面积图斑的融合操作是图斑综合中的常见操作，其中的关键在于既要保证图斑局部空间格局邻近与语义约束，又要维持融合前后整体地类面积的平衡。针对已有研究不能很好的同时解决上述两个问题，本文提出了一种局部最优与整体面积平衡的小图斑融合方法。通过小图斑面积预分配以及整体面积平衡迭代调整算法，达到融合结果兼顾图斑局部空间几何特征、语义以及整体地类面积平衡。
　　最后，研制了WJZ-III地情专题地图智能综合系统，内嵌本文提出的空间格局理解与保持方法，解决基于逻辑推理的算子、算法自适应选择和参数自适应调整等技术难题，通过建立知识库与算法库，为地情专题地图自动综合提供了科学工具。该系统已全面应用至地情专题数据的多尺度表达，支撑了全国二十多个省份开展全省范围内多尺度地理国情图件、图集制作，综合自动化程度大幅提升，综合效率至少提高6倍以上，成果全部通过质检。