|
課程名稱 |
空間分析 Spatial Analysis |
|
開課學期 |
111-2 |
|
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 |
本課程屬於地理系大學部的地理資訊科學領域進階課程,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。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,說明在空間分析研究上的實用性,提供地理系或相關系所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(geospatial 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;輔以導讀地理空間觀點的實證論文,理解各種方法的延伸應用。本課程將使用R程式及其空間分析套件,培養同學對於空間資料分析的實作能力。 |
|
課程目標 |
本課程將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 |
|
預期每週課前或/與課後學習時數 |
|
|
Office Hours |
|
|
指定閱讀 |
Pebesma, and Bivand (2013), Spatial Data Science with Applications in R, Chapman & Hall. https://r-spatial.org/book/ |
|
參考書目 |
Brunsdon and Comber (2019), An Introduction to R for Spatial Analysis and Mapping, 2nd Edition. London: Sage Publication.
O'Sullivan, Unwin (2010), Geographic Information Analysis, 2nd Edition. Wiley. |
|
評量方式 (僅供參考) |
|
No. |
項目 |
百分比 |
說明 |
|
1. |
課堂小考 |
10% |
|
2. |
每週作業 |
30% |
|
3. |
期中考 |
30% |
|
4. |
期末考 |
30% |
|
- 本校尚無訂定 A+ 比例上限。
- 本校採用等第制評定成績,學生成績評量辦法中的百分制分數區間與單科成績對照表僅供參考,授課教師可依等第定義調整分數區間。詳見學習評量專區 (連結)。
|
|
針對學生困難提供學生調整方式 |
|
上課形式 |
提供學生彈性出席課程方式 |
|
作業繳交方式 |
|
|
考試形式 |
|
|
其他 |
由師生雙方議定 |
|
|
週次 |
日期 |
單元主題 |
|
第1週 |
|
Course Introduction |
|
第2週 |
|
* Holiday Break * |
|
第3週 |
|
Handling Spatial Data |
|
第4週 |
|
Using R as a GIS : Geo-processing Operations |
|
第5週 |
|
R for Spatial: More Complex Operations |
|
第6週 |
|
Describing Spatial Patterns |
|
第7週 |
|
* Holiday Break * |
|
第8週 |
|
* Midterm Exam * |
|
第9週 |
|
Point Pattern: Quadrat Analysis |
|
第10週 |
|
Point Pattern: Distance-based Methods |
|
第11週 |
|
Point Pattern: Kernel Density Estimation (KDE) |
|
第12週 |
|
Areal Pattern: Spatial Autocorrelation |
|
第13週 |
|
Areal Pattern: Join Count Statistics |
|
第14週 |
|
Areal Pattern: Hot-spot Analysis |
|
第15週 |
|
Issues of Multiple Comparisons in Localized Spatial Analysis |
|
第16週 |
|
* Final Exam * |
|