本书是在新工科与新文科背景下地理信息科学及相关专业编写的实战型实验教程。全书以“数据密集型科学发现”为范式引领，紧扣时空大数据“获取—处理—分析—可视化—应用”的全生命周期主线，系统讲解时空地理数据处理、激光雷达（LiDAR）点云建模、空间统计学及GeoAI深度学习等前沿技术。

李柏延，陕西师范大学地理科学与旅游学院副教授，博士、博士后，2020年博士毕业于武汉大学获地图制图学与地理信息工程专业，博士期间赴日本东京大学公派联合培养，主要研究方向为时空大数据分析、资源环境遥感与GIS、城市计算，发表SCI论文三十余篇。入选2024年度陕西省青年科技新星、“西安英才计划”青年人才、2023年秦创原引用高层次创新创业人才（第一批）、第三批秦岭生态环保“青年学者”、西安市地区优秀人才。

前　言 PREFACE 　　　“时空大数据挖掘与分析”是在新工科与新文科建设背景下，地理信息科学及相关专业的前沿核心课程，是推动学生从传统GIS应用迈向时空智能研究的关键进阶环节。课程以时空数据全生命周期处理与分析为主线，融合地理学、统计学与计算机科学多学科知识，兼具深厚的地学理论内涵与极强的工程实践属性。它既要求学习者掌握扎实的地理空间认知与地学逻辑，又需具备编程实现、算法设计与复杂问题求解的计算思维，是培养复合型地理信息人才的核心载体。 　　当前，大数据与人工智能技术深度融入地理学科发展，地理学研究范式正加速向“数据密集型科学发现”演进。从国土空间治理、生态环境监测到文化遗产数字化保护，各领域对时空大数据的深度挖掘与智能分析需求持续攀升，行业与科研端均迫切需要既懂地学规律又能驾驭算法与代码的复合型人才。与此同时，时空数据采集手段日益多元，激光雷达点云、移动轨迹、时序遥感影像等新型数据不断涌现，地理空间人工智能(GeoAI)、深度学习等前沿技术快速落地，行业发展现状对课程实验教学提出了更高要求——既要更新技术体系，更要回归地学本质，将理论方法与真实场景深度结合。 　　近年来，国内高校在时空大数据相关课程建设与教学改革中已取得积极进展，但在实验教学层面仍存在明显短板。一是多数传统实验教材偏重商业软件的流程化操作，对代码实现与算法原理拆解不足，地学逻辑与计算思维的耦合度不高；二是实验数据多为经过理想化处理的教学样本，与真实科研、工程场景中的噪声、缺失、异构数据存在差距，学生解决复杂实际问题的能力难以充分锻炼；三是前沿技术融入的系统性不足，缺乏覆盖数据全生命周期、兼顾基...