本文介绍了空间数据挖掘系统的构成及其关键技术，旨在分析和研究如何更有效地从大量空间数据中发现有用信息和隐藏规则，特别强调了地理信息系统（GIS）技术发展带来的挑战和机遇。
空间数据挖掘是GIS技术发展的必然产物。随着信息技术的不断进步，我们积累了海量的空间数据，例如通过遥感、监测、地理信息系统和全球定位系统获得的数据。这些数据的积累迫切需要新的分析方法，而空间数据挖掘技术应运而生，它的主要任务是从大量的空间数据库中提取隐含的空间关系和模式。
文章提出了名为SH-miner的新空间数据挖掘系统，该系统包含三个主要组成部分：图形用户界面、数据挖掘模块和数据存储模块。图形用户界面负责系统的输入输出功能，数据存储模块管理空间数据和非空间数据的存储，而数据挖掘模块是该系统的核心，它负责实现各种空间数据挖掘功能。特别强调了数据挖掘模块在空间聚类、分类、空间表征和时空关联规则挖掘等方面的专业功能。
空间聚类是一种重要的空间数据挖掘技术，目的是将地理位置相近或具有相似特征的空间对象进行分类。空间聚类不仅关注对象的空间特征，还涉及它们的非空间属性，例如通过地理特征、空间关系来区分具有相同非空间属性的对象。
空间分类是根据空间对象的非空间属性及其与其它对象的空间关系，将空间对象集合进行分类。空间分类分为两大类：空间谓词分类和非空间属性的空间分类。前者是基于空间属性，依据非空间属性进行分类；后者则依据空间属性，考察具有相同非空间属性的对象在地理特征、空间关系上的不同之处。
空间特征的提取是地理信息系统或空间信息系统的专有任务，涉及空间地物的位置、形状、大小等几何特征，以及与相邻地物的空间关系。空间数据挖掘系统必须能够处理这些特征，以便有效地识别和利用空间数据。
文章最后提到，尽管商业空间数据挖掘工具可以支持空间数据挖掘功能，但其应用并不广泛，而学术空间数据挖掘工具在功能上也有待提高。因此，发展具有良好空间数据处理能力的挖掘工具是研究和应用的迫切需求。
空间数据挖掘系统在处理空间数据时具有其特殊性，它不仅需要考虑数据本身的特性，还需要综合运用各种数据挖掘技术来揭示空间数据背后隐藏的规则和模式。随着GIS技术的进一步发展，空间数据挖掘的应用前景将非常广阔，对于相关领域的研究和实际应用都具有重要的意义。
