第二个模块的主题是 "空间数据科学问题的解决结构"，由四个讲座组成，将向学习者概述空间数据科学问题解决结构的学科、软件工具及其组合。第一讲 "空间数据科学与应用的四个学科 "将介绍与空间数据科学相关的四个学科，即地理信息系统（GIS）、数据库管理系统（DBMS）、数据分析和大数据系统。 第二讲 "开源软件 "将介绍四个相关学科的开源软件，即地理信息系统（GIS）中的 QGIS、数据库管理系统（DBMS）中的 PostgreSQL 和 PostGIS、数据分析中的 R、大数据系统中的 Hadoop 和基于 Hadoop 的解决方案。 第三讲 "空间数据科学问题 "将介绍六种解决方案结构，它们是 GIS、DBMS、数据分析和大数据系统的不同组合。解决方案结构与给定问题的特征有关，即数据规模、用户数量、分析水平和问题的主要焦点。 第四讲 "空间数据与空间大数据 "将使学习者对空间数据和空间大数据的异同有一个扎实的了解。 此外，还将讨论空间大数据的价值。

第三个模块是 "地理信息系统（GIS）"，它是空间数据科学的四大学科之一。 地理信息系统有五个层次，分别是空间参考框架、空间数据模型、空间数据采集系统、空间数据分析和地理可视化。 本模块由六个讲座组成。 第一讲 "地理信息系统的五个层次 "是第三模块的导言。 其余讲座将逐一介绍 GIS 的五个层次。 第二讲 "空间参考框架 "将使学习者了解：第一，物理地球、大地水准面、椭球面、基准面和地图投影的一系列制定步骤；第二，不同地图投影之间的坐标转换。 第三讲 "空间数据模型 "将教给学员如何用两种空间数据模型--矢量模型和栅格模型--来表示空间现实。 第四讲 "空间数据采集系统 "将介绍如何以及从何处获取空间数据，以及如何制作自己的空间数据。第五讲 "空间数据分析 "将让学员简要了解如何从空间数据中提取有用和有价值的信息。第五单元将介绍更高级的空间分析算法。 在第六讲 "Geovisualization and Information Delivery "中，学习者将了解制图表述作为空间现象交流媒体的强大功能和负面潜力。

第四模块的主题是 "空间 DBMS 和大数据系统"，涵盖了与空间数据科学相关的两门学科，将使学习者了解如何使用 DBMS 和大数据系统来管理空间数据和空间大数据。 本模块由六个讲座组成。 前两讲包括 DBMS 和空间 DBMS，其余讲授大数据系统。 第一讲 "数据库管理系统（DBMS）"将介绍 DBMS 的强大功能和相关特性，以及传统关系 DBMS 在空间数据方面的局限性。 第二讲 "空间 DBMS "将重点介绍空间 DBMS 与传统 DBMS 的区别，以及管理空间数据的新功能。 第三讲将向学员简要介绍大数据系统和当前的范例--MapReduce。 第四讲将介绍作为 MapReduce 范式实现的 Hadoop MapReduce、Hadoop 分布式文件系统（HDFS）和 Hadoop YARN，还将介绍使用 Hadoop MapReduce 进行空间大数据处理的第一个实例。第五讲将介绍 Hadoop 生态系统，并展示如何利用 Hadoop 工具（如 Hive、Pig、Sqoop 和 HBase）进行空间大数据处理。 最后一讲 "空间大数据系统 "将介绍两种用于空间大数据的 Hadoop 工具--Spatial Hadoop 和 GIS Tools for Hadoop，并评述它们在空间大数据管理和处理方面的优缺点。

第五个模块的主题是 "空间数据分析"，它是与空间数据科学相关的四个学科之一。 空间数据分析可以涵盖广泛的空间分析方法，但在本模块中，只涉及部分空间数据分析方法。 第一讲是绪论，概述了空间数据分析，并列出了六个主题。 第二讲 "邻近性和可达性 "将使学习者认识到空间数据科学如何用于商业应用，同时介绍贸易区分析、供需比、浮动集水区分析（FCA）和基于重力的可达性指数，并将其应用于实际问题。第三讲 "空间自相关性 "将介绍如何测量空间自相关性，以及如何使用莫兰 I 进行假设检验。第四讲 "空间插值 "将介绍趋势面分析、反距离加权和克里格法。特别是，将对空间插值的事实标准克里金法进行深入讲解。 第五讲 "空间分类 "将通过实际案例，让学员了解最小距离均值（MDM）和决策树（DT）等分类算法，以及K-Means和DBSCAN等聚类算法。 第六讲 "热点分析 "将介绍热点分析和最常用的 Getis-Ord GI* 方法。 第七讲 "网络分析 "将让学习者探索地理编码、地图匹配和最短路径查找等算法，这些算法在空间大数据分析中的重要性与日俱增。

第六模块的主题是 "空间数据科学的实际应用"，其中介绍了五个实际问题，并通过模块 2 中讨论的解决方案结构和相关开源软件中的分步步骤介绍了相应的解决方案。 第一讲介绍了一个仅使用 QGIS 的 Desktop GIS 示例，以查找美国东南部各州林地投资的前 5 个县，其中应用了简单的供求差分法，以找出木材供应与木材需求相比存在巨大缺口的县。 在第二讲中，将介绍一个使用 QGIS 和 PostgreSQL/PostGIS 的 sever GIS 示例，作为纽约市空间数据中心特定问题的解决方案，该问题需要多用户访问和不同级别的权限。 第三讲将以空间数据分析为例，介绍如何利用 QGIS 和 R 找出导致行政区疾病流行率高低的区域因素，并为此进行空间自相关分析和应用决策树分析。 第四讲是空间数据分析的另一个例子，通过网络分析找到最佳渗透路线，在此过程中生成成本曲面并使用 Dijkstra 算法。 第五讲以空间大数据管理和分析为例，使用 QGIS、PostGIS、R 和 Hadoop MapReduce 提供 "乘客搜索器 "解决方案，引导乘客到乘客较多的地方等候出租车。 为实现该解决方案，收集了空间大数据--出租车轨迹，并在 Hadoop 环境中进行了噪声去除和地图匹配。 然后，在 PostGIS 中进行空间连接，在 R 中进行热点分析等一系列空间数据处理和分析，以提供解决方案。 总之，学习者将认识到空间大数据的价值和四门学科相结合的解决方案结构的威力。