大尺度模擬技術能夠從不同的時空尺度揭示農業生態環境領域的內在機理和時空變化規律，為復雜過程模型的模擬提供技術基礎。

一：R語言空間數據及數據挖掘關鍵技術

1、R語言空間數據講解及應用特點
1)R語言基礎與數據科學
2)R空間矢量數據
3)R柵格數據

2、R語言空間數據挖掘關鍵技術講解

二：R語言空間數據高級處理技術

1、R語言空間矢量數據處理（sp、sf）
1）點、線、面數據
2）空間矢量數據的坐標系定義、轉換
3）空間矢量數據的裁剪、相交與合并
4）空間矢量數據的數值計算

2、R語言柵格數據處理（raster、terra）
1）柵格數據的生成與數據管理
2）柵格數據的坐標系轉換
3）柵格數據的裁剪、相交與拼接
4）柵格數據的數值計算

3、R語言柵格數據與矢量數據的相互轉換

三：R語言多維時空數據處理技術、數據清洗整合和時間序列分析

1、R語言多維時空數據的批量處理
1)NetCDF、GeoTIFF、HDF、IMG、DWG、DEM等多維時空數據的讀取、處理與導出
2)多維空間數據的管理和批量處理

2、R語言時空數據清洗和整合
1)時空大數據缺失值、重復值、異常值處理
2)時空大數據插補方法
3)近似采樣方法，雙線性插值法、最大近鄰法等

3、大尺度高分辨率柵格數據的時間序列分析
1)柵格尺度時間序列分析
2)柵格尺度多時空回歸方程構建
3)柵格尺度趨勢分析和突變檢驗
4)柵格尺度時間自相似性和長期依賴性分析

案例一：全球氣象柵格數據的提取、裁剪、重采樣和輸出

案例二：全球MODIS遙感數據產品的時間趨勢分析

案例三：全球和中國土壤數據的分層處理和數據插補

案例四：浙江省高分辨率植被動態變化的時間趨勢分析

四：R語言地統計與空間自相關、空間插值方法

1、地統計與空間自相關
1)地理學三大定律
2)空間自相關和地理加權回歸
3)地統計與空間模型

2、空間插值方法
1)R語言反距離權重插值
2)不同克里金方法比較
3)R語言克里金插值與半方差函數
4)R語言薄盤樣條插值

案例一：全國尺度空間自相關計算和地理加權回歸模型的構建

案例二：不同空間插值方法、不同空間模型的比較

案例三：基于不同插值方法的全國與區域氣象數據降尺度處理

五：R語言機器學習與空間模型預測及不確定性評估

1、基于R語言機器學習的大尺度空間模擬與預測技術
1)機器學習模型的構建（數據標準化、數據分割、超參數優化）
2)環境變量的篩選和特征工程
3)地形數據的計算
4)機器學習大尺度空間模擬預測
5)機器學習模型的空間交叉驗證和自相關分析
6)機器學習的空間外推的可靠性評估

案例一：R語言高層數據與地形數據的計算和提取

案例二：使用機器學習對空間數據進行聚類

案例三：利用環境變量數據構建貝葉斯模型和機器學習模型進行空間預

六：R語言空間尺度轉換技術及機器學習方法應用
1、空間升、降尺度技術
2、多種機器學習模型空間模擬集成技術
3、使用多種機器學習進行空間降尺度
4、如何進行空間模擬的殘差訂正

案例：利用六種機器學習集成對溫度、降水和輻射數據進行空間降尺度

七：R語言空間制圖一

1、R語言空間做圖——plot

2、R語言空間做圖——image、levelplot、spplot

八：R語言空間做圖二

1、R語言空間做圖——ggplot2
1)R語言sp空間數據和sf空間數據的轉換和靈活使用
2)使用ggplot2對sf數據繼續空間制圖

2、R語言空間專題圖——tmap、leaflet