空间并置模式是一组空间特征的子集，它们的实例在空间中频繁关联。空间并置模式挖掘是空间数据挖掘的一个重要分支。然而，空间数据库随时间不断变化，高效的空间并置模式增量挖掘显得尤为重要。提出基于变化参与实例的空间并置模式增量挖掘方法，相比传统的增量挖掘算法，不进行耗时的变化表实例生成操作，直接搜索变化参与实例。为加速变化参与实例搜索过程，提出了实例级搜索优化策略、启发式模式剪枝技术，进而提出了IMCP-CPI，讨论了算法的复杂度、正确性和完备性。在真实和模拟数据集上进行了大量实验验证IMCP-CPI的性能。结果表明IMCP-CPI远优于当前已知的5个空间并置模式增量挖掘算法，其效率提升数倍甚至数个量级。在变化数据占比为原数据集5%的新数据集中，当距离阈值d很大或者参与度阈值min_prev很小时，IMCP-CPI的性能比当前并置模式挖掘较优算法CPM-Col及改进算法CPM-iCol提升2~3倍。此外，当变化数据占比分别小于等于原数据集的25%和50%时，无论在参数变化还是可扩展性方面，IMCP-CPI均优于CPM-iCol和CPM-Col，这对具体实践中的方法选取给与了参考意见。