日益丰富的地学数据在一定程度上已超过了地球科学家能够处理的能力。从这些海量数据中发现地学知识的需要使得空间数据挖掘(Spatial Data Mining)的产生成为必然。空间数据挖掘是数据挖掘(Data Mining)的一个分支领域，它在遥感(Remote Sense)和地理信息系统(Geographic Information System, GIS)中有着广泛的应用。从GIS中进行空间数据挖掘所发现的知识，可用于对空间数据(Spatial Data)的理解、空间关系(Spatial Relations)知识的发现、空间数据与属性数据(Property Data)之间关系知识的发现、空间知识库(Spatial Repository)的构造、空间数据库(Spatial Database)的重组和空间查询(Spatial Query)的优化等。这样就可使GIS在资源调查、评价、管理和监测，城市的管理、规划和市政工程、行政管理与空间决策，灾害的评估与预测、地籍管理及土地利用、交通、农业、公安等诸多领域发挥重要作用。空间数据挖掘有许多种方法。由于空间知识本质上是定性的，所以空间推理(Spatial Reasoning)(特别是定性空间推理(Qualitative Spatial Reasoning))已成为空间数据挖掘的重要的有效的方法，也是近几年研究的热点。研究、分析和探讨空间数据挖掘和定性空间推理技术，对于提高我国城市规划、建设、管理与服务的数字化水平，促进地理信息系统的发展，都有着极为重要的学术和实用意义。本论文所做的研究工作属于国家“十五”科技攻关项目：城市规划、建设、管理与服务的数字化工程(项目编号：2002BA107B)的一部分。论文所论述的内容主要有以下几方面：首先，介绍了空间数据挖掘的特点、可发现的知识类型、知识的表示方法、挖掘系统的结构和开发策略等等，并结合一个具体实例，给出了一个基于遗传算法(Genetic Algorithms)和Rough集(Rough Set)方法相结合的空间数据挖掘方法。其次，介绍了空间推理和定性推理。第三，研究了空间数据挖掘的一个重要的方法——定性空间推理。论文分别讨论了拓扑关系(Topological Relations)定性表示与推理，以及方向关系(Directional Relations)定性表示与推理，特别是基于井字空间的方向关系定性表示与推理方法，给出了这种推理方法满足的定理。在此基础上，将拓扑关系和方向关系相结合，提出了空间关系的SR表示模型(SR Representation Model)，给出了井字空间(Space with Neutral Zone)中方向关系与拓扑关系RCC8之间的<WP=4>约束规则(Constraint Rules)。最后，本论文在上述研究工作的基础上，开发出原型系统，实现了方向关系定性推理等功能模块，为空间数据挖掘过程提供了空间查询功能。