通过空间数据挖掘得到的空间信息资源是经济、资源、环境、人口和社会可持续发展决策的重要组成部分，具有重大的开发和利用价值，但空间数据挖掘不确定性的存在严重影响了挖掘的效果。因此，研究空间数据挖掘过程与结果的不确定性十分必要。空间数据挖掘的不确定性来源于空间数据和空间数据挖掘过程中存在的多种不确定性，随机不确定性和模糊不确定性是其中最为主要的两种不确定性，本文着重对空间数据挖掘过程中的这两种不确定性进行研究。作者的主要研究工作如下：(1)深入研究了空间数据和空间数据挖掘过程中不确定性的来源、类型及其传播。(2)对空间数据挖掘过程中的随机不确定性的实质进行分析，归纳总结了空间数据挖掘中随机不确定性的传递计算方法和合成计算方法。提出了基于误差检验的随机不确定性的判别方法，通过实例分析表明，该方法能有效地判别出空间数据挖掘随机不确定性是由系统误差还是由随机误差引起的，因而能对仿真软件的改善、空间数据测量方法的选取和实验过程中随机不确定性传递与合成参数的修正有指导作用。(3)研究空间数据挖掘过程中的模糊不确定性。通过研究模糊二元关系的基本概念和运算方法，首先在挖掘的各阶段内以及阶段之间建立模糊二元关系，证明模糊二元关系的“最大-最小”传递性；进而运用模糊二元关系“最大-最小”合成算法和多个模糊状态下模糊规则的合成推理给出模糊状态可确定区域的计算方法，将不确定性问题在数学表达上转化为确定问题来研究。由实例分析结果表明，本文给出的方法能准确地得到模糊状态的可确定区域，对于近似处理空间数据挖掘中的模糊不确定性有着实际意义。(4)为降低空间数据挖掘的不确定性，以获得更好的挖掘效果，本文提出了基于模糊聚类和模糊模型识别的空间数据挖掘算法。经对实例作两组仿真对比，结果表明，文中提出的空间数据挖掘算法通过减少空间数据本身和挖掘过程中模糊性等不确定性因素的影响，有效的降低了空间数据挖掘的不确定性，使得空间数据挖掘结果的进一步应用具有了可行性。