ฐานข้อมูลเชิงพื้นที่จัดเก็บข้อมูลที่เกี่ยวกับพื้นที่จำนวนมาก รวมถึงแผนที่, ข้อมูลการรับสัญญาณระยะไกล (remote sensing) หรือการถ่ายภาพทางการแพทย์ที่ผ่านการประมวลผลล่วงหน้า, และข้อมูลการออกแบบชิป VLSI ฐานข้อมูลเชิงพื้นที่มีคุณสมบัติที่แตกต่างจากฐานข้อมูลสัมพันธ์ พวกเขาพกพาข้อมูลโครงสร้างทางตำแหน่ง (topological) และ/หรือระยะทาง มักจัดระเบียบด้วยโครงสร้างดัชนีเชิงพื้นที่หลายมิติที่ซับซ้อน เข้าถึงผ่านวิธีการเข้าถึงข้อมูลเชิงพื้นที่ และมักต้องการการให้เหตุผลเชิงพื้นที่, การคำนวณทางเรขาคณิต, และเทคนิคการนำเสนอความรู้เชิงพื้นที่
การทำเหมืองข้อมูลเชิงพื้นที่ (Spatial data mining) หมายถึงการแยกความรู้, ความสัมพันธ์เชิงพื้นที่, หรือรูปแบบน่าสนใจอื่นๆ ที่ไม่ได้จัดเก็บไว้โดยตรงในฐานข้อมูลเชิงพื้นที่ การทำเหมืองเช่นนี้ต้องการการรวมเทคโนโลยีการทำเหมืองข้อมูลกับเทคโนโลยีฐานข้อมูลเชิงพื้นที่ สามารถใช้เพื่อเรียนรู้บันทึกเชิงพื้นที่, ค้นพบความสัมพันธ์เชิงพื้นที่และความสัมพันธ์ระหว่างบันทึกเชิงพื้นที่และไม่เชิงพื้นที่, สร้างฐานความรู้เชิงพื้นที่, จัดระเบียบใหม่ฐานข้อมูลเชิงพื้นที่, และเพิ่มประสิทธิภาพการสืบค้นเชิงพื้นที่
คาดว่าจะมีการประยุกต์ใช้กว้างขวางในระบบข้อมูลภูมิศาสตร์, การตลาด, การรับสัญญาณระยะไกล, การสำรวจฐานข้อมูลภาพ, การถ่ายภาพทางการแพทย์, การนำทาง, การควบคุมจราจร, การศึกษาสิ่งแวดล้อม และหลายสาขาอื่นๆ ที่ใช้ข้อมูลเชิงพื้นที่
ความท้าทายหลักของการทำเหมืองข้อมูลเชิงพื้นที่คือการสำรวจเทคนิคที่มีประสิทธิภาพ เนื่องจากปริมาณข้อมูลเชิงพื้นที่มหาศาล และความซับซ้อนของประเภทข้อมูลเชิงพื้นที่และวิธีการเข้าถึง การวิเคราะห์ข้อมูลเชิงพื้นที่ทางสถิติ (Statistical spatial data analysis) เป็นแนวทางยอดนิยมในการวิเคราะห์ข้อมูลเชิงพื้นที่และสำรวจข้อมูลภูมิศาสตร์
คำว่า "geostatistics" มักเชื่อมโยงกับพื้นที่ภูมิศาสตร์ต่อเนื่อง ในขณะที่ "spatial statistics" มักเชื่อมโยงกับพื้นที่แบบ дискрет (discrete) ในโมเดลสถิติที่จัดการบันทึกไม่เชิงพื้นที่ มักพิจารณาอิสระทางสถิติระหว่างพื้นที่ข้อมูลต่างๆ
แต่ไม่มีการแยกแยะเช่นนั้นในบันทึกที่กระจายทางพื้นที่ เนื่องจากวัตถุเชิงพื้นที่มีความเชื่อมโยงกัน หรือแม่นยำกว่าคือ "ร่วมกันทางพื้นที่" (spatially co-located) ในความหมายว่ายิ่งวัตถุสองชิ้นวางติดกัน ยิ่งมีแนวโน้มจะมีคุณสมบัติเหมือนกัน ตัวอย่างเช่น ทรัพยากรธรรมชาติ, สภาพอากาศ, อุณหภูมิ, และสถานการณ์เศรษฐกิจ มักคล้ายกันในภูมิภาคที่อยู่ติดกันทางภูมิศาสตร์
คุณสมบัติความ相互依存 (interdependency) ใกล้ชิดข้ามพื้นที่ใกล้เคียง นำไปสู่แนวคิด "autocorrelation ทางพื้นที่" (spatial autocorrelation) จากแนวคิดนี้ ได้พัฒนาโมเดลทางสถิติเชิงพื้นที่ที่ประสบความสำเร็จ การทำเหมืองข้อมูลเชิงพื้นที่จะสร้างวิธีการวิเคราะห์สถิติเชิงพื้นที่และขยายเพื่อปริมาณข้อมูลเชิงพื้นที่มหาศาล โดยเน้นประสิทธิภาพ, ความสามารถในการขยายตัว, การทำงานร่วมกับระบบฐานข้อมูลและคลังข้อมูล, การโต้ตอบผู้ใช้ที่ดีขึ้น, และการค้นพบความรู้ประเภทใหม่
