1. 培訓目標：
   通過培訓，使學員掌握空間統計與空間分析技術要點與應用，通過多種軟件實操演練，使學員掌握ArcGIS、Geoda、R語言等重要的空間統計分析工具；通過大量案例實戰，使學員掌握多種空間數據統計分析的應用方法，并且將所學方法應用到本行業的空間數據統計分析工作中。同時，針對海量空間數據分析，讓學員熟悉空間大數據分析的方法和應用。
   ?
   培訓對象：
   從事地理信息系統應用人員，規劃、國土管理、地質、測繪、海洋、農業、林業、園林、城管、市政、交通、水利、公共衛生、等行業相關的政府主管部門及企事業研究院（所）、大專院校及勘察、勘探、設計、測繪、勘測院、所、隊的領導與業務技術骨干。
   章節
   課程題目及說明
   一、
   空間統計分析基礎
   地理信息與空間思維
   簡要介紹與回顧地理學以及地理信息的發展歷程，了解空間思維方式與空間分析的一般情況。
   空間思維、地理科學
   空間分析與空間統計學基礎
   1、介紹空間分析與空間統計學的一般基礎知識，包括空間聚類的算法與應用、空間相關性的多種算法比較以及適用范圍。不同算法中P值和Z得分的概念與意義。
   ? 2、在不同的研究中，獲取數據的思想以及對數據的空間化分析思路。如何選擇合適的分析算法以及分析工具。
   ? 3、ArcGIS軟件中的空間分析、空間統計模塊的應用、結果的解讀以及應用方式。
   空間統計、開源軟件、商業軟件
   二、
   數據分析初步與軟件操作
   數據分析初步（數據處理與可視化）
   1、數據處理的一般流程包括介紹數據挖掘通用流程CRISP-DM以及空間數據挖掘與分析。
   ?? 2、空間數據的獲取方式以及可視化。
   ?? 3、通過軟件進行GIS專題圖制作。
   CRISP-DM，專題圖制作
   數據分析初步（軟件實戰）
   1、數據處理與分析業界第一語言Python基礎講解與應用。
   2、R語言入門與基礎操作。
   3、ArcGIS與GEODA軟件的基礎操作。
   Python、R、ArcGIS、Geoda
   三、
   空間統計應用及軟件操作基礎
   空間統計及其應用一（空間統計分析初步）
   1、空間關系概念化以及應用模式。
   2、空間分布模式與趨勢演變（時空一體）模型的識別。
   3、空間自相關與空間異質性。
   4、莫蘭指數的概念以及應用。
   5、案例說明。
   空間關系、空間自相關、空間異質性
   空間統計及其應用二（空間統計實戰操作）
   1、在ArcGIS、GeoDa和R語言中對空間關系概念化、空間矩陣、空間自相關、空間分布等分析的實現與實際操作。
   ?? 2、空間統計案例及實戰操作：美國大選的票倉分析。
   實戰分析
   ?
   四、
   空間事件分析技術以及實戰應用
   空間統計及其應用三（空間事件分析技術）
   1、空間點模式分析級應用。
   2、樣方分析、方向分布、中心及中位數、冷熱點、密度、聚類等多種分析技術的說明與應用。3、案例說明：挪威歷史上臭名昭著的案件“The Pocket Man”的偵破及抓捕
   點數據分析模式
   空間統計學其應用四（點模式分析實戰操作）
   1、在ArcGIS、GeoDa和R語言中對點模式分析實現與實際操作。
   ?? 2、空間統計案例及實戰操作：事故分析與疾病流行分析。
   實戰分析
   五、
   空間大數據基礎
   空間大數據分析入門
   1、大數據主流應用以及在空間分析上的現狀。
   2、簡介一般空間大數據分析技術，包括Hadoop和Spark。
   3、空間大數據應用案例：北京市交通熱點的分析
   大數據、hadoop、spark
   大數據分析基礎
   1、搭建大數據分析基礎環境。
   2、分布式并行計算三大基礎概念HDFS、MapReduce、Big Table的簡介和實現說明。
   3、Hadoop與Spark開發的編程實現。
   HDFS、MapReduce、Big Table
   六、
   空間大數據分析實踐
   大數據及空間大數據分析（hadoop篇）
   1、使用HIVE實現空間數據篩選功能。
   2、在hadoop上使用MapReduce實現海量數據的交通流量分析全過程的編碼以及功能操作。
   HIVE、MapReduce、空間分析
   大數據及空間大數據分析（Spark篇）
   1、Spark基礎開發模式（Python篇）。
   2、利用Spark with Python進行大數據分析。
   3、SparkR簡介以及實踐。
   Spark、Python、SparkR
3. 
   ?
   ?
4. 
   ? ?
   
   
   
   
   

?
?

?

"

?

?
?
?
?
?
?
?
?

?

?

?
?
?
?
?
?

?