时空数据挖掘作为数据挖掘研究的前沿与热点之一，研究它的核心和基础为时空数据模型，因此时空数据模型的建立与研究有着重要的意义。目前已有的时空数据模型在处理时空数据时各有优劣，但都为时空数据模型的研究与完善做出了有益的贡献。本文的创新之处在于利用改进的决策树方法处理空间数据，再结合时间相关性理论处理随时间变化了的时空数据，得到基于空间决策树与时间相关性的时空数据挖掘算法模型。本文首先简略介绍了时空数据的产生发展，国内外研究动态，研究的目的意义以及本文的主要工作。第二章：时空数据模型相关概念的介绍，详细介绍并分析了时空立方体模型、连续快照模型、基态修正模型、时空复合模型等已有时空数据模型及其优缺点。指出面向对象的时空数据模型以更自然的方式对复杂的时空信息模型化，成为支撑空间复杂对象建模的有效手段。第三章：介绍空间决策树算法的基本思想、学习策略及算法递归操作的停止条件；提出空间决策树改进算法并给出带有空间因子的信息增益公式。第四章：相关关系的简介，描述了相关分析的基本内容，相关系数的计算及相关性的判断，一元线性回归方程的建立与系数求解。第五章：基于国家奥体中心小超市客流统计数据表、奥运场馆内小超市网点分布图以及根据本底趋势线理论给出的2007年—2009年入境客流人数表，提出基于改进空间决策树—时间相关性的时空数据模型，并给出了模型表达式。最后，对本文所做的工作进行了总结，阐述时空数据模型进一步研究存在的问题并展望未来的发展方向。