1. 培训目标：
   通过培训，使学员掌握空间统计与空间分析技术要点与应用，通过多种软件实操演练，使学员掌握ArcGIS、Geoda、R语言等重要的空间统计分析工具；通过大量案例实战，使学员掌握多种空间数据统计分析的应用方法，并且将所学方法应用到本行业的空间数据统计分析工作中。同时，针对海量空间数据分析，让学员熟悉空间大数据分析的方法和应用。
    
   培训对象：
   从事地理信息系统应用人员，规划、国土管理、地质、测绘、海洋、农业、林业、园林、城管、市政、交通、水利、公共卫生、等行业相关的政府主管部门及企事业研究院（所）、大专院校及勘察、勘探、设计、测绘、勘测院、所、队的领导与业务技术骨干。
   章节
   课程题目及说明
   一、
   空间统计分析基础
   地理信息与空间思维
   简要介绍与回顾地理学以及地理信息的发展历程，了解空间思维方式与空间分析的一般情况。
   空间思维、地理科学
   空间分析与空间统计学基础
   1、介绍空间分析与空间统计学的一般基础知识，包括空间聚类的算法与应用、空间相关性的多种算法比较以及适用范围。不同算法中P值和Z得分的概念与意义。
     2、在不同的研究中，获取数据的思想以及对数据的空间化分析思路。如何选择合适的分析算法以及分析工具。
     3、ArcGIS软件中的空间分析、空间统计模块的应用、结果的解读以及应用方式。
   空间统计、开源软件、商业软件
   二、
   数据分析初步与软件操作
   数据分析初步（数据处理与可视化）
   1、数据处理的一般流程包括介绍数据挖掘通用流程CRISP-DM以及空间数据挖掘与分析。
      2、空间数据的获取方式以及可视化。
      3、通过软件进行GIS专题图制作。
   CRISP-DM，专题图制作
   数据分析初步（软件实战）
   1、数据处理与分析业界第一语言Python基础讲解与应用。
   2、R语言入门与基础操作。
   3、ArcGIS与GEODA软件的基础操作。
   Python、R、ArcGIS、Geoda
   三、
   空间统计应用及软件操作基础
   空间统计及其应用一（空间统计分析初步）
   1、空间关系概念化以及应用模式。
   2、空间分布模式与趋势演变（时空一体）模型的识别。
   3、空间自相关与空间异质性。
   4、莫兰指数的概念以及应用。
   5、案例说明。
   空间关系、空间自相关、空间异质性
   空间统计及其应用二（空间统计实战操作）
   1、在ArcGIS、GeoDa和R语言中对空间关系概念化、空间矩阵、空间自相关、空间分布等分析的实现与实际操作。
      2、空间统计案例及实战操作：美国大选的票仓分析。
   实战分析
    
   四、
   空间事件分析技术以及实战应用
   空间统计及其应用三（空间事件分析技术）
   1、空间点模式分析级应用。
   2、样方分析、方向分布、中心及中位数、冷热点、密度、聚类等多种分析技术的说明与应用。3、案例说明：挪威历史上最臭名昭著的案件“The Pocket Man”的侦破及抓捕
   点数据分析模式
   空间统计学其应用四（点模式分析实战操作）
   1、在ArcGIS、GeoDa和R语言中对点模式分析实现与实际操作。
      2、空间统计案例及实战操作：事故分析与疾病流行分析。
   实战分析
   五、
   空间大数据基础
   空间大数据分析入门
   1、大数据主流应用以及在空间分析上的现状。
   2、简介一般空间大数据分析技术，包括Hadoop和Spark。
   3、空间大数据应用案例：北京市交通热点的分析
   大数据、hadoop、spark
   大数据分析基础
   1、搭建大数据分析基础环境。
   2、分布式并行计算三大基础概念HDFS、MapReduce、Big Table的简介和实现说明。
   3、Hadoop与Spark开发的编程实现。
   HDFS、MapReduce、Big Table
   六、
   空间大数据分析实践
   大数据及空间大数据分析（hadoop篇）
   1、使用HIVE实现空间数据筛选功能。
   2、在hadoop上使用MapReduce实现海量数据的交通流量分析全过程的编码以及功能操作。
   HIVE、MapReduce、空间分析
   大数据及空间大数据分析（Spark篇）
   1、Spark基础开发模式（Python篇）。
   2、利用Spark with Python进行大数据分析。
   3、SparkR简介以及实践。
   Spark、Python、SparkR
3. 
    
    
4. 
      
   
   
   
   
   

"