数据挖掘技术是从大量数据中发现潜在的规律，提取出有用知识的方法和技术。粗糙集理论是一个有效处理不确定性数据的数学工具，粗糙集理论不需要任何附加的信息或先验知识，就能有效地分析和处理不精确、不完整和不一致的数据，并从中发现隐含的知识，揭示潜在的规律。将粗糙集理论应用于数据挖掘领域，可对知识进行有效挖掘。　　 本文在农作物产量受气象条件的影响和制约的不可争辩的事实下，大量积存的相关数据没有得到充分而有效的利用的前提下，结合农业和气象两个方面的相关领域知识，通过改进已有的粗糙集属性约简算法，对气象数据属性进行属性约简，以便利用约简后的属性建立直接有效的规则，实现对农业作物产量的分析和预测，得出有关的规则和信息，以便能更好的应用于农业生产，提供更好的决策。　　 本文的主要工作有：　　 1.本文对粗糙集理论及粗糙集下的属性约简算法进行了系统研究，通过对现有的属性约简算法进行分析，得知现有的属性约简算法在属性约简速度和约简精度上都存在着一定的不足，有着很大的改进空间。　　 2.通过对粒计算下的粗糙集模型的研究，发现粒计算理论中信息粒的概念对知识的区分与生成有很大的作用，可以利用来进行属性约简算法的改进。由此通过利用信息粒度对属性重要性概念的补充对粗糙集属性约简算法进行改进，以期提高属性约简的精度。　　 3.进一步结合农业领域知识，针对农业产量的实际需求提出了适合于农业产量预测领域的属性约简算法。通过对气象数据的实验，验证算法的可行性。　　 4.在对属性约简的研究的同时，结合农业领域知识，提出了针对气象数据具体应用的一种的属性离散化算法。