粗糙集理论是一门处理不确定性知识的理论和工具。它非常适用于不完整、含噪声、不确定知识的表达、学习、归纳。它的有效性已在许多科学与工程领域的成功应用得到了证实。粗糙集能处理不完备数据,粗糙集强调数据的不可辨别,不精确和模棱两可。另一方面,随着网络技术、空间数据采集技术的迅速发展和进步,使得空间数据复杂多变,人们也希望从空间数据库中发现知识。一个新兴的研究领域—空间数据挖掘出现了。空间数据挖掘综合了数据挖掘与空间数据库技术。而空间Co-location模式挖掘是空间关联挖掘的一个特例,用于发现空间中频繁地并置出现的空间事件或特征子集。由于空间数据除了空间属性信息,通常还包含了多个非空间属性信息,所以粗糙集理论在空间Co-location模式挖掘上的应用是十分有意义的。本文提出将粗糙集理论应用于空间Co-location模式挖掘,来解决多个非空间属性。首先,阐述空间Co-location模式挖掘的研究现状、基本定义和相关工作,简单的介绍了经典空间Co-location模式挖掘的过程及算法。其次,介绍粗糙集理论的基本概念、粗糙集理论在关联规则挖掘中的应用以及列举了粗糙关联规则挖掘方向的相关工作。第三,研究了基于粗糙集理论的空间Co-location模式挖掘问题。提出了相关定义、算法及剪枝策略,并对算法的时间性能及挖掘结果进行了实验分析。第四,通过在模拟数据上和真实数据上的大量的实验,验证了算法的可行性和有效性。最后,对本文的工作进行总结,并对基于粗糙集理论的空间co-location模式挖掘的未来研究进行展望。