近年来,雷达、红外、光电、卫星、电视摄像等数据采集技术逐渐成熟,并广泛应于各个领域,空间数据的数量和复杂程度日益增加,人类对这些数据的理解能力面临巨大挑战.空间数据挖掘利用统计学方法、模式识别技术、人工智能方法、神经网络技术、粗集、模糊集、机器学习、可视化技术和其它相关信息技术作为手段,从大量空间数据中析取可信的、新颖的、感兴趣的、隐藏的、事先未知的、潜在有用的和最终可理解的知识,从而揭示出蕴含在空间数据中客观世界的本质规律、内在联系和发展趋势,实现知识的自动获取,为决策与经营决策的提供依据.目前,空间数据挖掘成为数据库和信息决策领域研究的方向之一.空间数据有许多不同于非空间数据的特性,使得空间数据挖掘与一般数据挖掘相比亦有其鲜明的特征.首先,空间数据具有拓扑和距离信息,以复杂的多维空间索引结构组织,通过空间数据存取方法存取;其次,关系型数据通常是独立抽样的,而在空间数据库中一个对象可能会受其邻近对象的影响,数据之间相互依赖;另外,空间数据挖掘的结果一般包含空间对象,往往是图形或图像信息,不同于一般关系数据库中的结果,难以用文字表示清楚,需要涉及空间知识的可视化.考虑空间特性是空间数据挖掘的显著特点,使之成为挑战性的课题.该研究系统分析了空间数据挖掘基本理论和技术,从实际问题出发,针对二维空间多边形聚类、基于回归分类的空间划分、空间对象属性预测、从空间信息表中提取分类规则以及结合应用问题的空间数据挖掘工具等问题展开了深入研究,提出了相应的挖掘算法.