空间数据是地理、生态、环境、城市、资源等领域科研的核心素材，但大量学者困在"有数据却不会选题、会跑分析却不敢写论文、能出结果却图不像样"的瓶颈里——AI能写代码了，但跑出来的结果能不能进论文？图能不能过审稿人？整个流程能不能复现、能不能迁移到自己的课题？这些才是决定一篇空间数据论文能否成立的关键。本课程正是为解决这些真实困境而设计：以空间数据为载体、以论文写作为目标，用Codex作为Coding Agent驱动全链路，带学员走完从选题论证、工程化分析、五维质量审查、GIS专业制图到论文图组交付的完整闭环，最终拿到一套可复现、可迁移的个人科研生产工作流。

课程采用"方法前置→Agent驱动→审查兜底→成果交付"的四段式结构，每个专题配套课堂实操与标准化交付物——不是听一遍就忘的演示课，而是带着项目仓库、分析脚本、质检报告和论文级图组回去的实战营。无论你是卡在选题阶段的研究生，还是想把空间分析工程化、让团队成果持续产出的青年教师，这套工作流都能直接嵌入你的科研体系，让下一篇空间数据论文从"试着做"变成"按流程生产"

1、关键词矩阵、研究问题卡、claim矩阵、数据需求表、预期图组清单

2、项目目录、AGENTS.md、config.yaml、分析脚本、运行日志、GIS可用结果文件

3、可运行分析脚本、processed_data.gpkg、统计表和中间结果

4、quality_gate_report.md、证据核验清单、结论边界说明

5、论文级专题图、三维场景图、PPT视觉图、Figure Caption、成果包

6、paper_pack、pre-rebuttal、个人项目迁移卡

专题一  空间研究idea发现与成果化设计

专题目标：判断一个空间研究idea从哪里来、能不能做、值不值得做，以及能否形成论文图组和成果包。重点训练学员如何从文献关键词、空间数据、空间现象和现实问题中发现研究机会，并把idea转化为研究问题、论文claim、数据需求和预期成果图。

1.1 AI辅助文献计量与选题发现

利用AI对文献标题、摘要、关键词和空间数据字段进行快速整理，识别研究热点、关键词组合、空间现象和潜在研究空白。该部分不以完整文献计量报告为目标，而是服务于空间研究idea的发现与筛选。

1.2 从空间现象到研究问题

从空间分布异常、时间变化、空间关系、数据差异和现实需求中提炼研究问题，把模糊方向转化为明确的研究对象、空间关系、时间窗口、空间单元和待验证问题。

1.3 从研究问题到论文claim

区分趋势型、差异型、暴露型、预测型、解释型、应用型等不同类型的论文claim，明确每类claim所需要的数据、分析方法和图表证据。

1.4 从论文claim反推成果图

先确定最终要产出的研究区图、空间因子图、对象分布图、空间叠加图、局部放大图、三维场景图和统计辅助图，再倒推数据与脚本任务。

1.5 Idea可执行性审查

检查数据是否可得、空间尺度是否匹配、变量是否可观测、指标是否可计算、结论是否过度、图表是否能够支撑论文主张。

课堂实操：

给出一个模糊研究方向，现场拆解为关键词矩阵和候选idea池；再从数据可得性、空间分析可行性、成果图表达能力和论文claim支撑度四个方面筛选，形成可进入AI分析与GIS制图流程的研究设计文件。

专题交付：

keyword_matrix.csv

idea_pool.csv

研究问题卡

claim清单

数据需求表

变量—指标—图表映射表

预期成果图清单

专题二  空间分析任务拆解与AI项目仓库搭建

专题目标：把研究任务变成一个能运行、能修改、能复用、能迁移的空间分析项目仓库。重点解决从“问题回复”转向“项目工程”的能力。

2.1 空间研究项目目录设计

建立input、data_raw、data_processed、scripts、notebooks、outputs、figures、arcgis_project、paper_pack等标准目录，使数据、脚本、结果和论文材料有清晰位置。

2.2 AGENTS.md项目规则

规定Codex的行为边界、代码风格、数据命名、日志记录、错误处理和输出格式，避免AI每次生成脚本都从零开始。

2.3 config.yaml参数化设计

将研究区、年份、变量、数据路径、输出路径和分析参数写入配置文件，方便学员替换自己的研究区、数据和变量。

2.4 data_registry.csv数据登记表

记录数据名称、来源、版本、空间范围、时间范围、坐标系统、字段说明、适用边界和质检状态。

2.5 空间分析任务拆解与SOP嵌入

把空间数据处理、指标构建、图表质检和成果图组装配沉淀为可复用流程，为个人项目迁移提供结构。

课堂实操：

从空文件夹开始，让Codex生成项目目录、AGENTS.md、config.yaml、data_registry.csv、脚本骨架和RUN_LOG.md。

专题交付：

Codex空间分析项目仓库结构图

AGENTS.md

config.yaml

data_registry.csv

scripts脚本骨架

RUN_LOG.md

专题三  Codex辅助空间分析脚本开发与数据跑通

专题目标：体现Codex作为coding agent的不可替代性：写代码、跑代码、修错误、导出结果，而不是只做提示词问答。重点让空间数据从“文件”变成“指标结果”和“GIS可用成果”。

3.1 空间数据读取与标准化脚本

读取研究区边界、空间对象、统计单元、栅格因子、矢量要素、基础设施、地形或遥感衍生数据等，统一CRS、字段、范围、格式和命名规则。

3.2 指标构建脚本

根据研究问题计算密度、变化、集聚、邻近性、可达性、覆盖度、空间匹配度、对象数量、面积占比、分级统计和空间单元汇总等指标。

3.3 空间叠加与批量统计脚本

完成空间因子、研究对象和空间单元之间的裁剪、连接、叠加、汇总和批量统计，形成GIS可用结果。

3.4 自动化数据准备与登记

在条件允许的情况下，用AI辅助生成公开数据获取、解压、重命名、路径整理和数据登记脚本。该部分服务于数据准备，不把课程变成爬虫或接口课。

3.5 报错修复与重跑机制

课堂保留CRS错配、字段缺失、路径错误、空值异常或几何错误，让 Codex读取报错、定位脚本、修改并重跑。

3.6 GIS可用成果文件导出

输出GeoPackage、Shapefile、GeoJSON、CSV或栅格结果，为ArcGIS Pro 制图和论文图组准备数据。

课堂实操：

用Codex生成并运行一套最小可运行空间分析脚本，完成运行—报错—修复—重跑—输出的完整问题解决过程。

专题交付：

可运行分析脚本

processed_data.gpkg

统计结果CSV

中间结果文件

运行日志 RUN_LOG.md

专题四  数据、代码、结果与证据的质量审查

专题目标：AI能跑出结果，但不代表结果能写进论文。专题四回到第一性原理，审查数据是否适配、代码是否可复现、结果是否合理、证据是否支撑claim，以及结论是否越界。

4.1 Data Gate：数据适配检查

检查数据真实性、来源、版本、空间分辨率、时间范围、质量控制、适用边界和潜在偏差。

4.2 Code Gate：代码可复现检查

检查脚本是否可复跑，输入输出是否清楚，中间结果是否保存，日志是否完整，参数是否可解释。

4.3 Result Gate：结果合理性质检

检查地图和统计表是否一致，异常值是否影响结论，空间单元选择是否改变结果解释，局部结果是否与全域结果矛盾。

4.4 Evidence Gate：多重证据核验

通过地图、统计表、原始数据、局部样区、多尺度结果或不同方法结果进行相互核验，判断哪些发现稳定，哪些可能受数据和尺度影响。

4.5 Claim Gate：论文主张边界审查

检查 Methods、Results 和 Discussion 中的表述是否超出了数据、方法和图表所能支撑的范围。

4.6 前沿方法与发表增量判断

以轻量展示方式讨论遥感基础模型、GeoAI、自动提取、变化检测和真实三维等方向，重点判断其是否能够形成发表或项目增量。

课堂实操：

让 Codex 根据项目仓库、脚本、输出结果和图表草稿生成 quality_gate_report.md，讲师带领学员进行人工复核和结论边界修订。

专题交付：

quality_gate_report.md

数据适配检查表

结果核验清单

claim边界说明

投稿前补强清单

专题五  GIS专业成果图组生产与 2D/3D空间表达

专题目标：将AI分析阶段生成的空间数据、指标结果和统计表，转化为论文级、汇报级和项目交付级GIS成果图组。重点训练学员从“分析结果”到“专业地图表达”的完整能力，包括二维专题图、局部证据图、2.5D空间对象表达、三维场景组织、真实三维/GeoAI成果扩展和多版本成果交付。

5.1 从分析结果到GIS成果图组

梳理空间分析结果、统计表和中间数据如何转化为全域图、局部图、统计辅助图、2.5D图和三维场景图，明确不同图件在论文、汇报和项目交付中的作用。

5.2 论文级二维专题图制作

制作研究区图、空间因子图、研究对象图、指标分布图、空间叠加图、局部放大图和统计辅助图，讲解图层秩序、分级方法、图例、标注、比例尺、指北针、数据来源和图注规范。

5.3 多源空间数据的图层组织与版式设计

组织矢量、栅格、点线面、统计单元和辅助底图，建立清晰的信息层级，处理不同数据尺度、空间分辨率、坐标系统和视觉变量之间的关系。

5.4 2.5D空间对象表达

围绕建筑、道路、地块、网格、设施、生态斑块等空间对象，讲解轮廓清理、属性检查、挤出表达、颜色映射、符号设计和图注说明，区分真实几何属性与视觉表达变量。

5.5 ArcGIS Pro三维场景组织

使用local scen/global scene组织地形、影像、建筑、道路、设施、点云和分析图层，讲解观察高度、镜头方向、遮挡关系、空间叙事和三维成果图输出。

5.6 真实三维与GeoAI结果的GIS表达扩展

介绍DSM/DEM、LAS/LAZ点云、倾斜摄影、实景三维模型、遥感分割结果、GeoAI提取结果等如何进入GIS工作流，并完成格式检查、空间质检、图层组织和成果表达。

5.7 多版本成果交付：论文版、PPT版与项目汇报版

将同一套空间分析结果转化为论文图组、PPT视觉图和项目汇报图，分别处理方法可复现、视觉重点、信息层级、决策含义、Figure Caption和成果包整理。

课堂实操：

将AI分析结果导入ArcGIS Pro，完成二维专题图、局部放大图、2.5D空间对象表达图、三维场景图和多版本成果导出。

专题交付：

论文级二维专题图

局部放大图

2.5D空间对象表达图

三维空间场景图

PPT 版视觉图

ArcGIS Pro工程模板

制图参数记录表

Figure Caption初稿

专题六  论文表达、成果包整理与个人项目迁移

专题目标：将单张图升级为完整科研成果，把课堂中的通用工作流迁移到学员自己的课题。学员将围绕自己的研究区、研究对象、数据清单和预期图组，完成从idea、claim、数据、脚本、图表到论文表达的个人项目迁移。

6.1 全域—局部—三维—统计图组叙事

全域图回答空间格局，局部图回答细节证据，三维图回答空间结构，统计图回答定量关系，形成可阅读、可解释、可投稿的图组叙事。

6.2 论文图组组织

组织Figure1研究区与数据、Figure2空间格局、Figure3指标构建与空间叠加结果、Figure4三维或局部证据、Figure5质检与局限性。

6.3 Methods/Results/Limitations写作

Codex根据项目仓库内的脚本、图表、日志和质检报告生成初稿，讲师带学员修订方法边界、结果表达和局限性说明。

6.4 AI对抗性审查与Pre-rebuttal

模拟审稿人或甲方质疑数据、方法、图表和结论，生成投稿前补强清单和预答辩材料。

6.5 个人项目迁移

学员填写自己的研究区、研究问题、数据清单、预期图组、分析脚本任务和GIS制图任务，把课堂工作流迁移到自己的论文、课题或项目。

课堂实操：

完成最终成果包：图组索引、论文图注、Methods段、Results段、Limitations段、Pre-rebuttal和个人项目迁移卡。

专题交付：

figure_index.md

claim_evidence_matrix.csv

paper_pack/methods.md

paper_pack/results.md

paper_pack/limitations.md

reviewer_attack.md

pre_rebuttal.md

个人项目迁移卡