时间－空间数据（以下简称“时空数据”）是最重要的观测数据形式之一，很多科学研究的数据都以时空数据的形式得以呈现，而科学研究目的可以归结为挖掘时空数据中的规律。另一方面，贝叶斯统计学作为与传统统计学并列的方法，在现今的科学研究中占据了重要的地位，也越来越多运用于时空数据模型中。虽然，贝叶斯理论运用很多；但由于时空数据性质与普通独立数据有着很大的不同，所以贝叶斯理论在时空数据中的运用仍然是困难的。
一、贝叶斯理论
1.贝叶斯定理，先验与后验
2.重要值的贝叶斯估计
3.可信区间
4.模型选择
案例1：正态－正态分布的贝叶斯预测
二、贝叶斯计算
1.蒙特卡罗积分初步
2.重要性采样
3.吉布斯采样
4.哈密尔顿蒙特卡罗方法
5.积分嵌套拉普拉斯近似
案例2：贝叶斯计算的两个简单模型
案例3：空气污染的贝叶斯模型选择
三、基于点的时空数据模型
1.时空误差的分布
2.带有块的高斯过程
3.自回归模型
4.时空动态模型
5.基于高斯过程的时空模型
案例4：不同区域年空气污染模型及其伤害评估
案例5：降雨量的降尺度模型
案例6：叶绿素水平的趋势估计
四、基于点的时空贝叶斯预测
1.高斯过程的精确预测
2.自回归模型的预测
3.GPP模型的预测
4.预测模型的验证
案例7:大气臭氧水平预测
五、基于面数据的模型
1.广义线性模型
2.贝叶斯的广义线性模型
3.随机效应模型
4.时空数据的贝叶斯广义线性模型
案例8：儿童疫苗接种模型
案例9：贫困儿童趋势估计（CAR-AR模型）
特别专题
栅格数据的空间分层模型及其应用
1.空间分层及其基本原理
2.空间分层与分类的区别
3.空间分层的实际操作
4.空间分层采样方法
5.空间分层采样后的预测（插值）
案例10：基于地形及气候的空间分层模型
