R语言空间数据分析实战：机器学习预测、尺度转换与地统计建模
随着地理信息系统（GIS）和大尺度研究的发展，空间数据的管理、统计与制图变得越来越重要。R语言在数据分析、挖掘和可视化中发挥着重要的作用，其中在空间分析方面扮演着重要角色，与空间相关的包的数量也达到130多个。
专题一、 R语言空间数据介绍及数据挖掘关键技术【讲解+实践】
1、R语言空间数据讲解及应用特点
1)R语言基础与数据科学
2)R空间矢量数据
3)R栅格数据
2、R语言空间数据挖掘关键技术讲解
1)sp: 处理地理数据的基础包
2)sf: dataframe数据框风格的地理数据包
3)rgdal: 封装 GDAL (一个开源地理数据抽象库，提供非常丰富的地理数据读写驱动))
4)rgeos: 封装 GEOS 一个开源几何引擎， 提供几何模型、几何关系判断、基本几何计算操作等功能
5)proj4:PROJ4 一个开源地图投影库，提供丰富的地图投影转换算法
6)spatstat: 空间点格局分析
7)gstat、field: 地质统计学建模、空间插值
8)plot、image、image.plot、tmap、ggmap、ggplot2: 空间专题图
9)leaflet: 现代移动优先的交互式地图绘制框架
10)leaflet.extras:leaflet 插件
11)leaflet.esri: ESRI拓展包
12)spdep：空间相关性分析
13）Caret、CAST：机器学习在时空尺度上训练与模拟
专题二、 R语言空间数据高级处理技术【讲解+案例实践】
1、R语言空间矢量数据处理
1）点、线、面数据
2）空间矢量数据的坐标系定义、转换
3）空间矢量数据的裁剪、相交与合并
4）空间矢量数据的数值计算
2、R语言栅格数据处理
1）栅格数据的生成与数据管理
2）栅格数据的坐标系转换
3）栅格数据的裁剪、相交与拼接
4）栅格数据的数值计算
3、R语言栅格数据与矢量数据的相互转换
专题三、 R语言多维时空数据处理技术与数据清洗整合【讲解+案例实践】
1、R语言多维时空数据处理
1)nc、tiff等多维时空数据的读取、处理与导出
2)多维空间数据的管理
2、R语言数据清洗和整合
1)数据缺失值、重复值、异常值处理
2)数据插补方法
3)近似采样方法，双线性插值法、最大近邻法等
案例一：全球气象栅格数据的提取、裁剪、重采样和输出
案例二：全球MODIS遥感数据产品的时间趋势分析
案例三：全球和中国土壤数据的分层处理和数据插补
案例四：R语言高层数据与地形数据的计算和提取
专题四 、R语言地统计与空间自相关、空间插值方法【讲解+案例实践】
1、地统计与空间自相关
1)地理学三大定律
2)空间自相关和地理加权回归
3)地统计与空间模型
2、空间插值方法
1)R语言反距离权重插值
2)不同克里金方法比较
3)R语言克里金插值与半方差函数
4)R语言薄盘样条插值
案例一：全国尺度空间自相关计算和地理加权回归模型的构建
案例二：不同空间插值方法、不同空间模型的比较
案例三：基于不同插值方法的全国与区域气象数据降尺度处理
专题五 、R语言机器学习与空间模型预测及不确定性评估【讲解+案例实践】
1、R语言机器学习方法使用
1)R语言机器学习模型的构建（数据标准化、数据分割、超参数优化）
2)R语言机器学习的验证（不同交叉验证方法、时空交叉验证）
2、R语言机器学习空间预测与不确定性评估
案例一：利用环境变量数据构建贝叶斯模型和机器学习模型进行空间预测
案例二：使用机器学习对空间数据进行聚类
专题六 、R语言空间尺度转换技术及机器学习方法应用【讲解+案例实践】
1、空间升、降尺度技术
2、使用机器学习进行空间降尺度
案例：利用五种机器学习集成对温度、降水和辐射数据进行空间降尺度
专题七、 R语言空间制图一【讲解+案例实践】
1、R语言空间做图——plot
2、R语言空间做图——image、levelplot
专题八、 R语言空间做图二【讲解+案例实践】
1、R语言空间做图——ggplot2
1)R语言sp空间数据和sf空间数据的转换和灵活使用
2)使用ggplot2对sf数据继续空间制图
2、R语言空间专题图——tmap
专题九 、讨论与答疑
1、练习
2、讨论与答疑