二版增修序
隨著行動裝置和寬頻網路的迅速普及，來自手機通話、社群媒體（如Facebook、Instagram等）的打卡功能、群眾外包的地理資訊（如開放街圖計畫）及無線微型感測器等即時定位資料來源，匯集成所謂的「巨量地理資料」，使我們得以檢索各類空間資訊。若能進一步整合這些空間資訊與其脈絡，我們將有前所未有的機會探索人類與環境的動態過程。因此，在這個資料驅動決策的時代，掌握空間分析的方法與技術更顯其重要性。
然而，空間分析方法基於統計學原理，由於地理空間資料的相依性（dependency），挑戰統計抽樣的基本假設：樣本為獨立且相同分配的隨機變數（independent and identically distributed random variables），增加資料分析與統計推論的複雜度。這個領域不可避免地需要更深入的統計觀念理解與數學公式計算，導致許多學生在接觸空間資料分析時，常迷失在複雜的數學公式或軟體操作程序中，而忽略了空間分析的真正目的：探索資料在地理空間分布的實質意義，並進一步理解資料背後人與環境互動所構成的空間過程（spatial process），包括：鄰近關係與邊緣效應、空間相依與異質性、地理群聚與擴散現象等地理特徵。
基於上述理由，我在2015年出版《空間分析：方法與應用》，嘗試帶領讀者將「地圖」作為空間分析的原點，以地圖繪製為起點，讓讀者能看到空間分析的初衷。全書架構首先闡述空間思考的觀點，以介紹地圖學原理開啟學習旅程，利用圖像視覺化呈現有意義的空間資訊。透過地理資訊系統（Geographic Information System, GIS），我們可以將紙本地圖轉換成各種主題圖層（thematic layers）的地理資訊，利用空間計算探索各種幾何關係的空間型態。後續章節逐步鋪陳空間分析的重要觀念：如何處理空間相依性的統計分析方法，包括：空間自相關、空間群聚檢定、關聯分析與迴歸模式等主題。
隨著機器學習演算法開始廣泛應用於空間資料分析，為回應此新趨勢，於2020年第二版內容新增了常用於空間資料的機器學習演算法，包括DBSCAN、OPTICS等分群演算法、決策樹與隨機森林等預測分類演算法。透過這些方法的介紹，讓讀者了解統計學思維方式與機器學習演算法在資料分析上的異同。
到了2025年，開源工具逐漸主導資料科學領域的應用實務。因此，「第二版增修版」中，進一步擴充以R語言進行空間分析的實作內容，並在延續原有ArcGIS Pro工具介紹的同時，提供更多元與具可重現性的分析方法。
為降低抽象數學對學習的門檻，書中各章皆以具體案例解說統計意涵，並輔以圖解方式呈現演算法步驟，使讀者能從公式中體會其實務應用之意義。此外，延續「從動手中學習」的教學理念，書中每章皆重新設計「範例實作」單元，提供背景情境、資料來源與分析任務，並分別採用ArcGISPro與R語言進行操作，期望讀者能在模擬真實問題情境中，培養空間推理與分析的能力。
本書於2025年夏季完成「第二版增修版」，能順利再版，誠摯感謝雙葉書廊大力支持我的再版構想。回首十年來的教學歷程，曾經在501研究室同學的參與與討論是此書得以逐步成熟的重要助力。奠定第一版（2015年）內容架構的博碩士研究生，如今已成為地理資訊領域學術界與產業界的中堅，包括：任教於新加坡國立大學地理學系的陳威全博士、任教於美國華盛頓大學都市計畫系的陳慈忻博士、任教於國立彰化師範大學地理學系的郭飛鷹博士，以及服務於導航地圖與地理資訊業界的王逸翔、賴佩均與許景舜。參與空間分析第二版（2020年）修訂與討論的另一批研究生，現亦已經成為社會新鮮人，包括：投身於資料分析與金融科技領域的宇、游孟純、杜承軒，以及兼具資訊技術與文學風采的邱映寰。至於本次增修版（2025年）的內容更新、R實作與ArcGIS Pro的持續修訂等工作，則有賴於研究室助理廖思采的細緻協助，特此致謝。
有幸在臺灣大學這座人才薈萃的學術殿堂任教，感謝這些年來遇到的無數優秀學生，在課堂上給予的回饋與討論。在教學相長的過程中，不斷累積我對空間分析這門學科在教學上的熱忱與研究上的想像。最後，本書在研究論文、教學授課與學術行政的忙碌中倉促成書，相信內容難免有疏漏錯誤之處，尚祈各界先進惠予指正。
溫在弘 謹啟
國立臺灣大學地理環境資源學系501研究室
中華民國114年7月22日
