用途：在 CARTO 中构建 Getis-Ord Gi* 热点分析工作流，识别统计显著的空间聚集（热点为正、冷点为负）。触发词包括 hotspots、coldspots、spatial clusters、Getis-Ord、Gi*、cluster 等。
前置：需先加载 carto-create-workflow，了解开发流程、JSON 结构与校验命令，其覆盖 MCP 工作流工具（create_workflow、validate_workflow、run_workflow）与 carto workflows CLI 两条路径。
标准流水线：Source Data →（Filter）→ Spatial Indexing → Aggregation → Getis-Ord Gi* →（Filter Significant）→ Save。各步使用 native.gettablebyname、native.wheresimplified/native.where、native.h3polyfill 或 native.h3frompoint/native.quadbinfromgeopoint、native.groupby、native.getisord、native.where、native.saveastable。
网格与分辨率：优先对研究区边界做 polyfill 生成无缺口网格再聚合，使每格都有值（无数据填 0），避免邻域计算失真；无边界时可直接由点生成格网。H3 res 7 约 5km（区/市级）、res 8 约 2km（邻里级）、res 9 约 500m（街道级）。Getis-Ord 参数：indexcol 默认 h3，valuecol 默认 h3_count，kernel 支持 uniform/triangular/quadratic/quartic/gaussian（默认 uniform），size 为 K 环半径（默认 3，越大越平滑）。输出列：index、gi（z 分数）、p_value；筛选常用 p_value<0.05，gi>0 仅热点，gi<0 仅冷点。
时空变体：native.getisordspacetime 增加时间维度（kerneltime、bandwidth、timeinterval），数据需预先按时间分箱；native.spacetimehotspotsclassification 接在其后，分类为 new hotspot、consecutive、intensifying、diminishing、sporadic、oscillating、historical；native.timeseriesclustering 按时间模式聚类（profile 或 value），可用 ≥60% 时间步 p_value<0.05 的启发式过滤。注意分类前不要按 p_value 过滤，否则趋势检验数据不全。
限制与注意：Getis-Ord 组件需 Analytics Toolbox，离线校验无法解析其位置，需先运行 carto workflows verify-remote --connection <conn>；Snowflake 未加引号标识符为大写（H3、INDEX、GI、P_VALUE、H3_COUNT）；输出列名为 index 而非 h3/quadbin，如需回连原数据须重命名；native.h3boundary 生成列名为 <h3col>_geo；valuecol 必须为数值；分辨率过高加大区域可能慢或超内存；筛选结果为空通常因 K 环过小或数据过稀疏，可增大 size 或降低分辨率；时空分析日期列须为 DATETIME，bandwidth=1 检测快速变化、3 以上平滑长期趋势。参考模板：poi_hotspot.json、space_time_hotspot.json、spacetime_hotspot_classification.json。具体价格、平台覆盖等资料暂未提供。