空间和时空连续过程的建模是空间统计学中一个重要且具有挑战性的问题。本书详细阐述了随机偏微分方程（SPDE）方法用于带有Matérn协方差结构的连续空间过程的建模。该方法已经在R－INLA软件包中采用集成嵌套拉普拉斯逼近（INLA）技术进行实现。本书通过使用模拟数据和真实应用程序的示例，解释了关于建模空间过程和SPDE方法的关键概念。 本书的作者都是空间统计学方面的权威人士，其中包括INLA和SPDE方法以及R－INLA软件包的主要开发者。此外，本书还包含了各种不同的应用实例。 本书中的所有例子都可以进行完全复现。此外，关于本书的更多信息以及使用的R代码和数据集，可在本书的网站上获取。 本书中介绍的工具将对许多领域的研究人员有所帮助，例如生物统计学、空间统计学、环境科学、流行病学、生态学等。此外，硕士生和博士生也会发现本书是学习INLA和SPDE方法进行空间建模的有价值的资源。

第1章 积分嵌套拉普拉斯近似与R-INLA包
1.1 介绍
1.2 INLA方法
1.3 一个简单的例子
1.4 其他参数和控制选项
1.5 处理后验边际分布
1.6 高级功能
第2章 空间建模简介
2.1 简介
2.2 随机偏微分方程法
2.3 案例：玩具数据集
2.4 随机场的投影
2.5 预测
2.6 关于三角剖分的细节与示例
2.7 评估网格的工具
2.8 非高斯响应：Parana州降雨量数据案例
第3章 多个似然
3.1 协同区域模型
3.2 联合建模：测量误差模型
3.3 整体线性预测因子的复制部分
第4章 点过程和优先抽样法
4.1 简介
4.2 在对数高斯-Cox过程中引入一个协变量
4.3 基于优先抽样法的地理统计学推断
第5章 空间非平稳性
5.1 协方差中的解释变量
5.2 屏障模型
5.3 Albacete(西班牙)噪声数据的屏障模型
第6章 使用非标准似然函数进行风险评估
6.1 生存分析
6.2 极值模型
第7章 时空模型
7.1 离散时域
7.2 连续时域
7.3 降低时空模型的分辨率
7.4 条件模拟：合并两个网格
第8章 时空模型应用
8.1 时空协同区域模型
8.2 动态回归的例子
8.3 时空点过程：Burkitt例子
8.4 大型点过程数据集
8.5 累积降雨量：Hurdle伽马模型
附录A 符号和记号列表
附录B 本书使用的软件包
参考文献
索引