随着空间信息获取能力的不断提高,空间数据的海量性和复杂性的特点日益突出。传统的空间数据库面临着日益增长的空间数据带来的管理和存储的挑战,随之而来的还有空间数据的分析与处理难题。空间连接查询作为常见的空间分析操作,其查询过程中复杂的空间操作更是使得大规模空间数据的连接查询成为技术难点。随着计算机分布式集群的发展,分布式内存计算框架为分析与处理大规模空间数据提供了新的可能。研究针对分布式内存结构特点,高效处理海量、复杂空间数据的空间连接查询算法已经成为重要研究方向。本文依据分布式内存计算框架的特点,首先在分布式内存环境下,建立了空间连接查询的代价模型,用以指导空间连接查询优化;设计了适用于分布式内存环境空间数据分析的Key-value型空间数据模型,该模型具有较好的内存适应性和对其他空间数据库的良好扩展性。然后,基于Spark分布式内存计算平台实现了空间连接聚集算法和空间叠置分析算法的优化。在空间连接聚集查询算法实现过程中构建了基于Hilbert R树的双层R树索引,并利用Spark的缓存机制和广播变量大大提高了空间连接聚集查询的效率;在空间叠置分析算法的实现过程中构建了叠置分析数学抽象模型,构建了基于分布式空间网格索引的混合网格索引,大幅度提高了空间叠置分析的效率。