为提升地理空间生成式大模型的特征表达能力，研究跨模态预训练数据集的构建方法，设计面向生成任务的空间数据集分类体系，聚合互联网多源异构公开空间数据集，覆盖遥感影像、电子地图、DEM等多种数据形式，具有多尺度（城市、城镇到目标实例）、多类别（土地利用、地形分类）等特点。所用样本数据具备空间信息专业特色，且大多样本集都无需人工标注。