एक स्थानिक डेटाबेस मानचित्र, प्रीप्रोसेस्ड रिमोट सेंसिंग या मेडिकल इमेजिंग रिकॉर्ड, और वीएलएसआई चिप डिज़ाइन डेटा सहित अंतरिक्ष से संबंधित डेटा की एक बड़ी मात्रा को बचाता है। स्थानिक डेटाबेस में कई विशेषताएं होती हैं जो उन्हें रिलेशनल डेटाबेस से अलग करती हैं। वे टोपोलॉजिकल और/या दूरी की जानकारी ले जाते हैं, जो आमतौर पर परिष्कृत, बहुआयामी स्थानिक अनुक्रमण संरचनाओं द्वारा व्यवस्थित होती हैं, जिन्हें स्थानिक डेटा एक्सेस विधियों द्वारा एक्सेस किया जाता है और अक्सर स्थानिक तर्क, ज्यामितीय संगणना और स्थानिक ज्ञान प्रतिनिधित्व तकनीकों की आवश्यकता होती है।
स्थानिक डेटा माइनिंग ज्ञान, स्थानिक संबंधों, या अन्य दिलचस्प पैटर्न के निष्कर्षण को संदर्भित करता है जो स्पष्ट रूप से स्थानिक डेटाबेस में संग्रहीत नहीं है। इस तरह के खनन के लिए स्थानिक डेटाबेस प्रौद्योगिकियों के साथ डेटा माइनिंग के एकीकरण की आवश्यकता होती है। इसका उपयोग स्थानिक अभिलेखों को सीखने, स्थानिक और गैर-स्थानिक अभिलेखों के बीच स्थानिक संबंधों और संबंधों की खोज करने, स्थानिक ज्ञान आधारों के निर्माण, स्थानिक डेटाबेस को पुनर्व्यवस्थित करने और स्थानिक प्रश्नों को अनुकूलित करने के लिए किया जा सकता है।
इसके भौगोलिक डेटा सिस्टम, मार्केटिंग, रिमोट सेंसिंग, इमेज डेटाबेस एक्सप्लोरेशन, मेडिकल इमेजिंग, नेविगेशन, ट्रैफिक कंट्रोल, पर्यावरण अध्ययन और कई अन्य क्षेत्रों में व्यापक अनुप्रयोग होने की उम्मीद है जहां स्थानिक डेटा का उपयोग किया जाता है।
स्थानिक डेटा खनन के लिए एक केंद्रीय चुनौती स्थानिक डेटा की बड़ी मात्रा और स्थानिक डेटा प्रकारों और स्थानिक पहुंच विधियों की कठिनाई के कारण कुशल स्थानिक डेटा खनन तकनीकों की खोज है। स्थानिक डेटा का विश्लेषण करने और भौगोलिक जानकारी की खोज करने के लिए सांख्यिकीय स्थानिक डेटा विश्लेषण एक लोकप्रिय दृष्टिकोण रहा है।
जियोस्टैटिस्टिक्स शब्द अक्सर निरंतर भौगोलिक स्थान से जुड़ा होता है, जबकि स्थानिक सांख्यिकी शब्द अक्सर असतत स्थान से जुड़ा होता है। गैर-स्थानिक रिकॉर्ड का प्रबंधन करने वाले सांख्यिकीय मॉडल में, आम तौर पर डेटा के विभिन्न क्षेत्रों के बीच सांख्यिकीय स्वतंत्रता पर विचार किया जाता है।
स्थानिक रूप से वितरित अभिलेखों के बीच ऐसा कोई अलगाव नहीं है क्योंकि, वास्तव में स्थानिक वस्तुएं परस्पर संबंधित हैं, या अधिक सटीक रूप से स्थानिक रूप से सह-स्थित हैं, इस अर्थ में कि दो वस्तुओं को जितना करीब रखा जाता है, उतनी ही अधिक संभावना है कि वे भेजती हैं समान गुण। उदाहरण के लिए, भौगोलिक दृष्टि से निकट स्थित क्षेत्रों में प्राकृतिक संसाधन, जलवायु, तापमान और आर्थिक स्थितियाँ समान होने की संभावना है।
आस-पास के अंतरिक्ष में घनिष्ठ अन्योन्याश्रयता की ऐसी संपत्ति स्थानिक स्व-सहसंबंध की धारणा की ओर ले जाती है। इस धारणा के आधार पर, स्थानिक सांख्यिकीय मॉडलिंग विधियों को सफलतापूर्वक विकसित किया गया है। स्थानिक डेटा माइनिंग स्थानिक सांख्यिकीय विश्लेषण विधियों का निर्माण करेगा और उन्हें बड़ी मात्रा में स्थानिक डेटा के लिए विस्तारित करेगा, जिसमें प्रभावशीलता, मापनीयता, डेटाबेस और डेटा वेयरहाउस सिस्टम के साथ सहयोग, बेहतर उपयोगकर्ता इंटरैक्शन और नए प्रकार के ज्ञान की खोज पर अधिक जोर दिया जाएगा।