本文首先論述了地理信息系統中空間數據挖掘的分類和方法。并以湘江河流水環境監測與評價GIS系統為例,介紹大型分布式網絡GIS系統中空間數據挖掘工具的設計思想及其實現。依次對空間數據的基本特征，湘江河流水環境監測與評價GIS系統空間數據挖掘的過程及其關鍵技術進行了說明。
數據挖掘(data mining)起源于從數據庫中發現知識(knowledge discovery in database, KDD)[1][2]。KDD是從數據中辨識有效的、新穎的、潛在和有用的、最終可理解的模式過程。數據挖掘是KDD中通過特定算法，在可接受的計算效率下生成特定模式的一個步驟。人們也趨于將兩者一起使用，稱為數據挖掘與知識發現(Data mining and knowledge Discovery, DMKD)。將KDD技術應用于空間分析，即產生了KDSD（Knowledge Discovery from Spatial Database），它是從空間數據庫中提取用戶感興趣的空間模型與特征、空間與非空間數據的普遍關系及其它一些隱含在空間數據庫中的普遍的數據特征。
地理信息系統（Geographic information system, GIS）是以采集、存儲、描述、分析和應用與空間地理分布有關的數據的計算機系統。作為數據庫管理技術、計算機圖形學以及空間分析方法的共同產物，它已在社會、軍事、經濟和管理部門得到了長足的發展和廣泛的應用[3]。目前，它正逐步與遙感（RS）和全球定位系統（GPS）技術相結合，向集成化、自動化及智能化邁進。專家系統技術在遙感影像解釋、地形數據的表達及語義和非語義信息的提取等方面的應用，正是為了提高這種高集成度的地理信息系統的自動化和可靠性。然而，盡管專家系統中的知識表達和知識應用的研究取得了不少的進展和成果，其知識獲取仍然主要依賴于專家和知識工程師，離知識自動生成還有相當大的差距。