課程名稱 |
空間分析 Spatial Analysis |
開課學期 |
110-2 |
授課對象 |
學程 人口學程 |
授課教師 |
溫在弘 |
課號 |
Geog2017 |
課程識別碼 |
208 26830 |
班次 |
|
學分 |
3.0 |
全/半年 |
半年 |
必/選修 |
必帶 |
上課時間 |
星期一7,8,9(14:20~17:20) |
上課地點 |
地理電腦室 |
備註 |
本課程中文授課,使用英文教科書。[人口學程]選修領域(四)遷移與空間。 限本系所學生(含輔系、雙修生) 且 限學士班二年級以上 總人數上限:50人 |
|
|
課程簡介影片 |
|
核心能力關聯 |
核心能力與課程規劃關聯圖 |
課程大綱
|
為確保您我的權利,請尊重智慧財產權及不得非法影印
|
課程概述 |
本課程是屬於地理系大學部的地理資訊領域進階課程,先修科目應包括:統計學、程式設計、地圖學與地理資訊系統等相關課程。本課程目的在於介紹空間資料分析方法、應用並深化資料分析的實作能力等,使其瞭解各種空間分析方法運用的時機、模式分析與報表解讀等,並補充實證研究論文的導讀,說明其在空間分析研究上的實用性,提供地理系或相關系所的同學能運用適當的空間分析方法,進行地理學相關議題的研究。本學期的授課主題包括:地理空間視覺化(spatial visualization)、地理數據處理(geo-processing)、點型態分析(point pattern analysis)、空間自相關(spatial autocorrelation)、熱區分析(hot spot analysis)等;輔以導讀地理學觀點的實證論文,理解各種方法的延伸應用。本課程使用R程式及其空間分析套件,培養同學對於資料分析的實作能力。 |
課程目標 |
本課程介紹空間分析方法的理論觀念,將以統計學、程式設計、地圖學與地理資訊系統等相關課程為先修基礎,進一步從機率與推論統計的觀點,深化各種空間分析方法的理論基礎,提供同學進階的地理資訊分析能力。本課程將提供同學了解空間分析方法的基本觀念與理論,並透過各種領域的應用實例,瞭解空間分析作為一種跨學科應用的潛在可能。 |
課程要求 |
課程參與討論、電腦實習與作業、論文研讀 |
預期每週課後學習時數 |
|
Office Hours |
|
指定閱讀 |
Brunsdon and Comber (2019), An Introduction to R for Spatial Analysis and Mapping, 2nd Edition, SAGE Publications |
參考書目 |
1. Fotheringham and Rogerson (2009). The SAGE Handbook of Spatial Analysis. Sage Publications Ltd.
2. O'Sullivan, Unwin (2010), Geographic Information Analysis, 2nd Edition. Wiley.
3. Oyana and Margai (2016), Spatial Analysis: Statistics, Visualization, and Computational Methods, CRC Press. |
評量方式 (僅供參考) |
No. |
項目 |
百分比 |
說明 |
1. |
Labs |
20% |
課堂實習 |
2. |
Assignment |
30% |
每週作業 |
3. |
Midterm Exam |
25% |
期中考 |
4. |
Final Exam |
25% |
期末考 |
|
週次 |
日期 |
單元主題 |
第1週 |
2/14 |
Course Introduction |
第2週 |
2/21 |
Handling Spatial Data |
第3週 |
2/28 |
* Break * |
第4週 |
3/07 |
Using R as a GIS : Geoprocessing Operations |
第5週 |
3/14 |
R for Spatial: More Complex Operations |
第6週 |
3/21 |
Describing Spatial Patterns |
第7週 |
3/28 |
Point Pattern: Quadrat Analysis |
第8週 |
4/04 |
* Break * |
第9週 |
4/11 |
* Midterm Exam * |
第10週 |
4/18 |
Point Pattern: Nearest Neighbor Methods |
第11週 |
4/25 |
Point Pattern: Distance-based Methods |
第12週 |
5/02 |
Point Pattern: Kernel Density Estimation (KDE) |
第13週 |
5/09 |
Spatial Autocorrelation: Moran’s I statistic |
第14週 |
5/16 |
Localized Spatial Analysis: Hot-spot Analysis |
第15週 |
5/23 |
Issues of Multiple Comparisons (or Multiple Testing) |
第16週 |
5/30 |
* Final Exam * |
|