随着空间数据获取手段的快速发展，从大量的空间数据中自动、快速、有效地发现知识显得越来越重要。本文简要地介绍了空间数据挖掘的概念、特点、发现的知识类型，空间数据挖掘的体系结构及基本过程，以及应用于空间数据挖掘的理论方法等，重点对其数据预处理阶段的决策表属性约简方法作了研究。 针对粗糙集理论、遗传算法以及决策表属性约简的特点，通过分析基于传统遗传算法的决策表属性约简算法，吸收原算法的优点，并对其加以改进，提出了一种基于启发式遗传算法的决策表属性约简算法(HGAAR算法)。该算法对原算法的改进主要有两点：其一，对传统遗传算法中随机产生的二进制初始种群加以改进，用决策表属性核加以限制，以增强遗传算法的局部搜索能力，缩短算法的计算时间，并提高决策表属性约简结果的准确性；其二，在传统遗传算法的遗传算子(包括选择算子、交叉算子、变异算子)的基础上，新算法增加了修正校验算子，以信息熵定义的属性重要性作为启发式信息，保证遗传算法的全局搜索在有效的可行解空间进行，防止丢弃能够对发现知识产生重要影响的属性，为整个空间数据挖掘提供有效的约简属性。最后，通过实验证明了改进后的HGAAR算法要比基于传统遗传算法的属性约简算法优越，可以更高效准确地进行决策表属性约简任务。