在地学数据分析领域引入数据挖掘与知识发现的概念、模式和方法,探讨适合地学数据挖掘的新方法,并与GIS紧密集成,充分利用GIS存储、管理空间数据的功能,同时使得GIS中的有限数据变成无限的知识,对于有效地处理海量地学数据、提高地学分析的自动化和智能化水平、为全球变化和区域可持续发展提供有力的分析工具具有重要的意义。空间聚类分析是空间数据挖掘中的一个十分重要的方法,在GIS空间数据库中引入空间聚类分析的方法,可以对GIS中的空间对象按照一定的规则进行划分,发现适合的簇,然后对每个簇所具有的属性特征进行分析。目前的聚类算法很多,各有各的特点和长处,大都是针对某种情况或应用而提出的。随着地理信息系统(GIS)的迅猛发展和广泛应用,如何从GIS空间数据信息中发现有用的空间关系和知识,具有十分重要的现实意义。然而,目前涉及到与GIS相关的聚类算法和应用相对不多,还处于探索研究阶段,本文结合GIS在土地规划中的数据集特点及应用特点,着重于从数据的空间关系入手,注重于解决如何实现相邻的空间地类的有效聚类。围绕该问题,本文主要做了以下工作:(1)认识了地理信息系统这门学科。(2)探讨了数据挖掘与空间数据挖掘的演变与发展。(3)深入介绍并比较了几类经典的聚类算法。(4)在GIS应用的基础上,提出了一种用于对某种地类进行聚类的基于空间邻接关系的聚类算法,并进行了程序仿真模拟。(5)将单一区分条件下的聚类算法扩展为多条件下的聚类算法,进一步扩展了聚类算法的应用空间。