地理系统是一种具有深刻时空跨度内涵的多尺度过程。时空多尺度特征是地理现象的内蕴特征,也是地理学研究的核心内涵。地球表层系统受多圈层耦合作用,在时空间上表现为不同尺度过程之间的“级序”特征。现有针对复杂地理现象和地理过程时空多尺度特征提取与结构解析方法,对时间上非平稳、空间上非正态、时空融合的地理时空数据分析处理困难。迫切需要从时间域、空间域和时空域视角对地理时空数据多尺度特征提取与结构解析方法进行探索,实现从不同时空尺度视角解析、诊断地理对象、现象的多尺度时空特征和演化格局,是探寻地理系统运行机理、提升地理系统调控和预测能力的重要途径。论文以时间序列、空间统计学、信号处理、张量分析等现代数学分析方法为理论基础,将不同类型时空数据划分为序列数据、空间面板和时空立方体三大类,从时间域、空间域和时空域进行多尺度特征提取与结构解析方法研究,设计了可支撑非平稳、非正态时空数据多尺度特征解析方法体系,提出了数据驱动的空间数据特征尺度自动识别与诊断方法,以及时空统一框架下地理时空数据的多尺度特征分析方法。并设计了地理时空数据多尺度特征解析与结构分析系统,基于海面变化等数据进行了方法验证。论文主要研究内容与取得的成果如下：(1)设计了兼顾高噪音环境下趋势稳健提取和周期/准周期自动识别的地理时序数据多尺度特征提取与解析方法,并提出了不同空间位置/变量类型地理时序数据多尺度耦合作用关系的研究方法。针对单变量时间序列,提出了基于回归修正的统计平滑EMD趋势提取方法；基于SSA分量功率谱密度构造统计量,实现了周期波动的可定制、自适应提取。针对双变量时间序列,从时间域和频率域集成视角,建立了融合BEMD和DTW的特征解析和序列同步方法。针对多变量时序数据,基于MSSA建立了多变量时序数据相互作用模型,实现了不同序列多尺度空间传递过程的解析。并基于海面变化数据验证了方法的可行性。(2)构建了可支撑非平稳、非正态的非结构化空间数据的特征尺度自动识别与诊断方法。提出了基于回归修正的数据分布驱动Spatial-EMD分解方法,实现了非零均值以及非平稳空间数据的自适应多尺度分解。针对具有偏斜分布的非结构化空间数据,基于核平滑空间滤波器组的构建,建立了平行核平滑的空间多尺度分解方法。基于中国2003年人口和GDP数据验证了上述方法的准确性、适用性和稳健性,揭示了不同等级城镇体系下人口、经济要素的空间耦合与关联。(3)建立了时空统一框架下地理时空数据的多尺度特征分析方法。构建地理时空数据的多维统一的张量表达模型,基于张量分解方法,实现了时空数据多尺度结构及其演化过程的特征解析、维度透视和过程重建。并基于时间序列高维拓展的思路,构建了基于多信号小波分解的特征解析与探索分析方法,进而实现了对具有显著非线性、非稳定性结构信号的时空演化跟踪。基于全球卫星测高数据进行方法验证,提取了不同类型ENSO事件的演化结构和轨迹特征,实现了对1997-1998年强El Nino事件的多尺度时空演化过程的跟踪。(4)设计了地理时空数据多尺度特征提取与结构分析系统。构建了时空数据张量的统一表达与分析流模板；基于GDAL/ORG实现了对多种时空数据的整合与集成,构建了符合POSIX标准的时间对象表达与集成。利用DCOM月服务器技术对R、Matlab等相关函数库进行集成,进而构造了底层计算引擎,在此基础上,设计了多尺度时空数据分解的数据结构与数据流,构造了插件式的地理时空数据多尺度分解算法库和集成框架。本论文研究拓展了地理时空多尺度特征提取与结构解析的方法体系,建立了适用于不同类型地理时空数据的地理多尺度分解方法与结构分析方法。本文方法可以很好地支撑非平稳、非正态、时空融合地理数据的多尺度特征提取、过程描述、时空传递模式与相互作用分析,对地理对象和地理现象的多尺度时空分布格局、演化过程及多要素相互作用研究均具有较好的促进和借鉴作用。