课程描述
随着地理信息科学和地理空间技术的不断进步，空间参考信息在过去几十年中变得越来越容易获得，并成为科学研究和决策过程中的重要信息源。为了有效地利用丰富的空间（和时间）数据，通常需要进行统计分析，例如，提取隐含的知识，如数据中不明确的空间关系和模式。空间数据分析与经典数据分析的不同之处在于，空间分析侧重于地理空间中通常被称为点、线和面积单位的测量的位置、面积、距离、关系和相互作用。在过去的几十年里，从不同的角度发展了大量的空间分析理论、方法和工具，并融合为地理信息科学（GIScience）和空间统计的富有成果的领域。
本课程旨在介绍空间和时空数据分析的常用方法和当前趋势，以及相关领域（如环境科学和工程、自然资源管理、生态学、公共卫生、气候科学、土木工程和社会科学）的创新应用。在本课程中，我们将回顾时空分析和建模的基本原理，并讨论常用的方法和工具。学生应积极参与课堂讲课，完成实验室作业，阅读指定文章，制定自己选择的项目或与论文/论文主题直接相关的项目。本课程将涵盖以下主题，但可以根据学生的兴趣进行调整：
•探索性空间数据分析
•时空地质统计学
•空间点过程和物种分布建模
•时空疾病地图
•时间序列图分析和变化检测
参考：https://github.com/surfcao/geog5330
完成本课程后，本课程的研究生应能够：
- 通过对该领域基本概念和原则的了解，在空间和时空分析的背景下制定现实世界的问题
- 应用适当的空间和时空分析方法来解决制定的问题，并能够批判性地审查替代方法和其他人的工作
- 利用可用的脚本、可编程的科学计算工具（如R）绘制地图，解决空间和时空分析问题，评估和评估替代工具的结果
- 以学术写作和演讲的形式有效地传达分析结果
读物
讲义将随着课程的进展而分发，本课程需要教材
本教学大纲[阅读]部分提供了文章阅读清单。以下书籍将经常被参考阅读：
比万德·罗杰（Bivand Roger S.，Pebesma，Edzer J.）和维吉利奥（Virgilio）戈梅兹·鲁比奥（Gómez Rubio）（2008年）与R，Springer（TTU图书馆提供的电子书）一起应用了空间数据分析。
Cressie，N.，和Wikle，C.K.（2011）。时空数据统计。约翰·威利父子公司。
参考：关于《空间数据分析与R语言实践》：https://blog.csdn.net/Theo93/article/details/101291532