1引言空间目标的表达是GIS空间数据库理论中的关键问题之一[1]。传统的GIS认为用于描述和表达现实世界地理实体的空间数据是确定的、明确的,即被描述的对象的相关信息(如位置、属性和拓扑关系数据)是精确的[2]。然而,在GIS实际应用中,用户常常需要在描述地理实体的空间信息不完整、不确定、不精确的前提下认识和分析地理现象,甚至进行推理、判断、预测和决策。为了模拟、分析和表达GIS中数据的误差或不确定性,许多有效的方法已经被提出,如模糊集理论、证据理论、概率统计学理论以及新近提出并得以在GIS应用的云理论等。但是这些方法在应用于GIS空间数据分析时,一些附加信息或先验信息如模糊集理论中的成员隶属函数、证据理论中的基本概率赋值和统计学中的概率分布等通常是难以得到和确定的。近年来,一些学者运用粗集理论对GIS数据的不确定性进行分析建模。例如,WORBOYS用于处理由多空间或多语义分辨率引起的不精确性[3,4];AHLQVIST用于表达遥感影像分类的不确定性[5];王树良等人基于粗集的思想方法定义了粗实体、粗关系和粗算子[6]。事实上,由于现实世界的复杂性以及地理实体表现形式的多样性