目前常见的土地利用规划决策支持系统(Land Use Planning Decision Support System)是基于GIS技术和DSS技术相结合的空间决策支持系统(Spatial Decision Support System，SDSS)，这些系统多侧重于计算机辅助制图和空间数据管理等方面，系统所提供的分析功能有限，无法析取隐含模式和规律，它的逻辑结构和智能层次不能满足解决复杂土地利用规划中涉及的各类决策问题的需要，特别是那些非结构化的问题，因此促使人们探讨新的技术手段去解决现在面临的问题，也就是要加强信息系统分析处理规划数据的能力。而具有知识发现功能的数据挖掘(Data Mining)是解决这些问题的最好选择。本文选择的挖掘方法，是基于土地利用规划数据特性的。土地利用规划信息系统(Land Use Planning Information System)相比其他领域，因素相对繁多复杂，时空差异和变异性较大，经济发展不平衡，区位差异，政策因素影响等特点决定了土地利用规划实施过程中的规则既有确定的，也有不确定的，数据采用既有完整的，也有不完整的，对于适合不确定数据知识发现的粗糙集理论(rough sets)正好提供了用武之地。另外粗糙集理论相比模糊方法(Fuzzy Method)或神经网络方法(Neural Network Method)而言，在得到决策规则和推理过程中不需要数据的任何先验知识介入，而且获取的结果也易于评价和解释。粗糙集理论是由波兰数学家Z. Pawlak于1982年提出，是一种处理不精确、不确定和不完备信息的智能数据决策分析工具，较适于基于属性不确定性的数据挖掘。目前，粗糙集理论已经被证实在实践中是非常有用的，国际上开发了许多基于粗糙集理论的学习或应用系统，并已取得了良好的收益。本文围绕如何根据土地利用规划领域的数据特性实现其知识发现，展开了研究和讨论，并提出了基于粗糙集理论的土地利用规划决策支持系统模型。首先，对粗糙集理论进行了初步研究，介绍了粗糙集相关理论体系，概述的主要特征引自Z. Pawlak的经典专著。同时，对理论自身的特点进行了归纳总结，并根据自身的研究特性还专门探讨了粗糙集在不完备信息系统中的应用。其次，针对粗糙集理论的特点，分析并总结了土地利用规划数据特征。土地利用规划领域内的数据相比其他领域相对繁多复杂，必须对该领域的数据类型进行分类，并结合粗糙理论总结出适合其分析的数据类型。数据挖掘的核心在于前期的数据预处理及属性约简。针对土地利用规划的数据特征，重点突出了对数据预处理的研究，探讨了缺失值处理及连续属性离散化等问题。文中提出了处理缺失值的多种方法，并给出了实例。在连续属性离散化的研究上，不仅详述了传统理论及方法，还提出了离散化的优化算法。第三，在对粗糙集理论体系研究的基础上，结合粗糙集理论的特点分析了该理论在土地利用规划领域中的应用优势。本文依托湖北省长阳土家族自治县土地利用总体规划项目，通过资料收集，选择规划基础数据进行了具体决策问题研究，生成的规则通过解释，较好的反映了基础数据的相互影响关系，达到了决策的要求。利用粗糙集理论进行知识发现，对析取的规则目前以定性解释与定量分析相结合为主。为了进一步验证新知识的价值，文中还就规则应用作了深入探讨，初步提出了可视化的应用方法。土地利用规划信息系统几乎都是以GIS为平台进行开发的，除了日常管理，主要工作是数据查询、存储等操作及图形数据处理。因此，针对土地利用规划的相关数据，在利用粗糙集理论挖掘隐含规则的基础之上，初步研究了隐含的规则在GIS图和统计图中的应用。利用粗糙集理论挖掘出的规则，再将这些知识反馈到GIS系统或统计图中进行处理，以可视化的形式体现新知识应用前后的差异性，使决策者有了更加直观的认识。文中以实例研究的形式对这两种方法进行了探讨，需要重点指出的是，在研究GIS图示法的过程中，通过对粮食产量影响因素决策规则的统计分析，有效地证明了农用地分等规程中对土地自然质量属性权重和自然质量分记分规则相关参数设定的合理性。最后，针对土地利用规划领域的数据特性和挖掘的具体任务，结合前几步的研究提出了两种建模方案：一种是建立独立的决策支持系统；一种是构建土地利用规划信息系统的挖掘模块。根据目前信息系统及数据挖掘系统的研究进展，结合以上两种方案的比较研究，综合考虑后选择第一种模型方案作为本文模型研究的基础。并在模块设计时，突出了土地利用规划的领域特色。在设计方案中，详细介绍了系统各个功能模块的结构及功能。基于粗糙集理论的知识获取，能够给决策者提供知识支持，这在开发土地利用规划决策辅助系统是具有理论和实用价值的。本文对粗糙集理论的应用研究表明了粗糙集理论在土地利用规划中的应用价值。可以预言，对粗糙集进一步地深入研究，将大大提高其实用能力。